# 超低ビット量子化

Holo1-3BはTransformerアーキテクチャに基づくマルチモーダルモデルで、ビジュアル文書検索タスクに特化しており、WebVoyagerベンチマークテストで優れた性能を発揮し、精度とコストのバランスが良い。

Holo1-7B GGUFモデルはSurfer - Hシステムの一部で、視覚文書検索などのマルチモーダルタスクに適しており、特にウェブページのインタラクションとネットワーク監視に長けており、低コストで高い精度を実現できます。

ソフトウェアエンジニアリングプロジェクト向けに特別に開発された高効率な言語モデルで、軽量設計で128kの大きなコンテキストウィンドウをサポートし、複雑なコーディングタスクに適しています。

Qwen/QwQ-32Bをベースとしたテキスト生成モデルで、ロールプレイやクリエイティブライティングタスクに特化し、超低ビット量子化と長い会話処理をサポートします。

Kanana 1.5はKananaモデルシリーズの新バージョンで、コーディング、数学、関数呼び出し能力が大幅に向上し、最大32Kトークンの入力を処理可能で、YaRN使用時には128Kトークンまで処理可能です。

MedGemma-4B-ITはGemma 3をベースにした医学分野のマルチモーダルモデルで、医学テキストと画像の理解をサポートし、医療AIアプリケーション開発に適しています。

MedGemma-27B-Text-ITはGemma 3アーキテクチャに基づく医療専用の大規模言語モデルで、医療テキスト処理に最適化されており、さまざまな量子化バージョンを提供して異なるハードウェア環境に対応します。

QwenLong-L1-32Bは、長コンテキスト推論用に特別に設計された大規模言語モデルで、強化学習による訓練を通じて、複数の長コンテキスト質問応答ベンチマークテストで優れた性能を発揮し、複雑な推論タスクを効果的に処理できます。

Dans-PersonalityEngine-V1.3.0-24bは、50以上の専門データセットで微調整された多機能モデルシリーズで、多言語と専門分野のタスクをサポートします。

Qwen/Qwen3-30B-A3B-Baseに基づいて生成された超低ビット量子化モデルで、32kのコンテキスト長をサポートし、さまざまなハードウェア環境に適しています。

Llama-3.1-Nemotron-Nano-4B-v1.1は、Llama 3.1をベースに最適化された大規模言語モデルで、精度と効率のバランスが良好で、AIエージェントやチャットボットなどの様々なシーンに適しています。

Qwen2.5 - 32B - Instructに基づく大規模言語モデルで、コード生成推論用に事後学習され、32Kのコンテキスト長をサポートし、商用および非商用用途に適しています。

UI-TARS-1.5-7Bは先進技術に基づくマルチモーダルモデルで、画像とテキストの変換などのタスクで優れた性能を発揮します。革新的な量子化方法を採用し、極低ビットレートでも高い精度を維持することができます。

Qwen3-8Bをベースにした量子化バージョンで、IQ-DynamicGate超低ビット量子化技術を採用し、メモリ効率と推論速度を最適化

Phi-4-mini-reasoningは合成データに基づいて構築された軽量のオープンモデルで、高品質で推論に富んだデータに焦点を当て、より高度な数学的推論能力に対してさらに微調整されています。

Foundation - Sec - 8Bは、ネットワークセキュリティアプリケーション向けに設計された言語モデルで、Llama - 3.1アーキテクチャに基づき、大量のネットワークセキュリティ関連のテキストデータで事前学習されており、ネットワークセキュリティ分野のさまざまな概念、用語、実践を理解して処理することができます。

Qwen3-14BはQwen/Qwen3-14B-Baseから生成されたGGUF形式モデルで、テキスト生成タスクをサポートし、IQ-DynamicGate超低ビット量子化技術によりメモリ効率を最適化しています。

GLM-Z1-9B-0414 は中英バイリンガルのテキスト生成モデルで、GGUFフォーマットを採用し、BF16から超低ビット量子化（1-2ビット）までの複数の量子化レベルに対応しています。

IQ-DynamicGate技術を採用した超低ビット量子化(1-2ビット)モデルで、メモリ制約のあるデバイスや効率的な推論シナリオに適しています

Qwen2.5-7B-InstructはQwen2.5-7Bを基にした命令微調整モデルで、テキスト生成タスクをサポートし、特にチャットシナリオでのパフォーマンスを最適化しています。

Llama-3.2-3B-Instruct GGUFはMetaがリリースした3Bパラメータ規模の大規模言語モデルで、IQ-DynamicGate技術を用いた超低ビット量子化(1-2ビット)を採用し、メモリ効率を維持しながら推論性能を最適化しています。

OlympicCoder-7BはQwen2.5-Coder-7B-Instructを最適化したコード生成モデルで、IQ-DynamicGate超低ビット量子化技術を採用し、メモリ制約環境向けに設計されています。

phi-2 は IQ-DynamicGate 超低ビット量子化（1-2 ビット）を採用したテキスト生成モデルで、自然言語処理とコード生成タスクに適しています。

GLM-Z1-32B-0414は32Bパラメータ規模の多言語テキスト生成モデルで、中国語と英語をサポートし、MITライセンスで公開されています。

GLM-4-32B-0414 GGUFモデルは、一連の強力なテキスト生成モデルで、さまざまな量子化形式を持ち、異なるハードウェアとメモリ条件に適しています。

IQ-DynamicGate技術を採用した超低ビット量子化(1-2ビット)言語モデル、メモリ制約環境に適応

Meta Llama-3.1-70B-Instructをファインチューニングしたモデルで、NVIDIA HelpSteer2データセットで最適化されており、テキスト生成タスクをサポートします。

IQ-DynamicGate技術を採用した超低ビット量子化(1-2ビット)大規模言語モデル、多言語テキスト生成タスクをサポート

Llama-3-8Bアーキテクチャを基に最適化された超低ビット量子化モデル。IQ-DynamicGate技術により1-2ビット精度の適応的量子化を実現し、メモリ制約環境に適しています。

OLMo-2-0325-32B-DPOをベースにした命令微調整モデルで、IQ-DynamicGate超低ビット量子化技術を採用し、メモリ制約環境向けに最適化されています。

IQ-DynamicGate超低ビット量子化技術を採用した49Bパラメータ大規模言語モデル、1-2ビット精度適応量子化をサポート、メモリ効率と推論速度を最適化

Qwen2.5-VL-7B-Instruct はマルチモーダル視覚言語モデルで、画像理解とテキスト生成タスクをサポートします。

Gemma 3 27BパラメータのGGUF量子化バージョン、画像テキストインタラクションタスクをサポート

EXAONE-Deep-32Bは32Bパラメータの大規模言語モデルで、英語と韓語をサポートし、テキスト生成タスク向けに設計されています。

Llama-3アーキテクチャに基づく8Bパラメータモデルで、IQ-DynamicGate超低ビット量子化技術によりメモリ使用を最適化

IQ-DynamicGate技術を採用した超低ビット量子化（1-2ビット）の7.8Bパラメータモデルで、英語と韓語のテキスト生成タスクをサポートします。

IBM Graniteシリーズ8Bパラメータ命令微調整言語モデル、IQ-DynamicGate超低ビット量子化技術を採用し、効率的な推論シーンに適応

これはMistral-Small-3.1-24B-Base-2503を基にした命令微調整モデルで、GGUFフォーマットとIQ-DynamicGate超低ビット量子化技術を採用しています。

Qwen2.5-7B-Instruct-1MはQwen2.5-7Bを基にした命令微調整バージョンで、IQ-DynamicGate超低ビット量子化技術（1-2ビット）を採用し、メモリ制約環境下での効率的な推論に適しています。

Qwen2.5-14B-Instruct-1M は Qwen2.5-14B を基にした命令微調整モデルで、テキスト生成タスクをサポートし、チャットシナリオに適しています。