モデル選定

画像記述生成

# 画像記述生成

Qwen2.5 VL 7B Instruct Gemlite Ao A8w8

これはA8W8量子化されたマルチモーダル大規模言語モデルで、Qwen2.5-VL-7B-Instructに基づいており、視覚と言語のタスクをサポートします。

画像生成テキスト

Kimi VL A3B Thinking 6bit

Kimi-VL-A3B-Thinking-6bitは、MLX形式に変換された多言語のビジュアル言語モデルで、画像テキストからテキストへのタスクをサポートしています。

画像生成テキスト

Transformers その他

Molmo 7B D 0924 NF4

Molmo-7B-D-0924の4ビット量子化バージョンで、NF4量子化戦略を通じてVRAM使用量を削減し、VRAMが制限された環境に適しています。

画像生成テキスト

PixtralはMistralアーキテクチャに基づくマルチモーダルモデルで、画像とテキストの入力を処理し、テキスト出力を生成することができます。

画像生成テキスト

Turkish LLaVA V0.1 Q4 K M GGUF

Turkish-LLaVA-v0.1-Q4_K_M-GGUF はトルコ語のビジュアル言語モデルで、画像テキストからテキストへの処理タスクをサポートしています。

画像生成テキストその他

Pix2struct Textcaps Large

Pix2Structは、画像からテキストへの変換を通じて多タスク学習を行うビジュアル言語理解モデルで、画像記述生成やビジュアル質問応答などのタスクをサポートします。

画像生成テキスト

Transformers 複数言語対応

おすすめAIモデル

Llama 3 Typhoon V1.5x 8b Instruct

タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化

大規模言語モデル

Transformers 複数言語対応

Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2％です。

対話システム

Transformers 英語

Roberta Base Chinese Extractive Qa

RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。

質問応答システム中国語

AIbase

未来を切り開く、あなたのAIソリューション知識ベース

English 简体中文繁體中文にほんご

© 2025AIbase