# 動態精度分配

Dans-PersonalityEngine-V1.3.0-24b是一個多功能模型系列，在50多個專業數據集上進行了微調，支持多語言和專業領域任務。

基於Qwen3-8B的量化版本，採用IQ-DynamicGate超低位量化技術，優化內存效率和推理速度

Qwen3-30B-A3B是基於Qwen3-30B-A3B-Base的大語言模型，支持文本生成任務，採用超低位量化技術優化內存效率。

Qwen3-14B是基於Qwen/Qwen3-14B-Base生成的GGUF格式模型，支持文本生成任務，採用IQ-DynamicGate超低比特量化技術優化內存效率。

GLM-Z1-9B-0414 是一個支持中英雙語的文本生成模型，採用 GGUF 格式，適用於多種量化級別，從 BF16 到超低位量化（1-2 比特）。

OlympicCoder-7B是基於Qwen2.5-Coder-7B-Instruct優化的代碼生成模型，採用IQ-DynamicGate超低比特量化技術，專為內存受限環境設計。

GLM-4-32B-0414 GGUF模型是一系列強大的文本生成模型，具有多種量化格式，適用於不同硬件和內存條件。

採用IQ-DynamicGate技術的超低位量化(1-2比特)語言模型，適用於內存受限環境

採用IQ-DynamicGate技術的超低位量化（1-2比特）大語言模型，支持多語言文本生成任務

基於Llama-3-8B架構優化的超低比特量化模型，採用IQ-DynamicGate技術實現1-2比特精度自適應量化，適用於內存受限環境。

基於Llama-3.1-70B的超低位量化(1-2位)模型，採用IQ-DynamicGate技術實現精度自適應量化，在保持內存效率的同時提升準確性。

OlympicCoder-32B是基於Qwen2.5-Coder-32B-Instruct的代碼生成模型，採用IQ-DynamicGate超低位量化技術，適用於內存受限環境下的高效推理。

Qwen2.5-VL-7B-Instruct 是一個多模態視覺語言模型，支持圖像理解和文本生成任務。

Gemma 3 27B參數的GGUF量化版本，支持圖像文本交互任務

EXAONE-Deep-32B是一個32B參數的大語言模型，支持英語和韓語，專為文本生成任務設計。

基於Llama-3架構的8B參數模型，採用IQ-DynamicGate超低比特量化技術優化內存使用

採用IQ-DynamicGate技術的超低位量化（1-2比特）的7.8B參數模型，支持英語和韓語文本生成任務。

Llama-3.1-8B-Instruct 是基於 Llama-3-8B 的指令調優版本，採用 IQ-DynamicGate 技術進行超低位量化（1-2 比特），在保持內存效率的同時提升準確性。

Mistral-7B-Instruct-v0.2是基於Mistral-7B架構的指令微調模型，支持文本生成任務，採用IQ-DynamicGate超低比特量化技術優化內存效率。