1.5-Pints

Modelo de lenguaje grande compacto preentrenado en 9 días

Producto ComúnProgramaciónCódigo abiertoAprendizaje automático

1.5-Pints es un modelo de lenguaje grande (LLM) compacto y de código abierto, preentrenado en 9 días con datos de alta calidad. Su objetivo es ser un asistente de IA comparable a Apple OpenELM y Microsoft Phi. El código y la arquitectura del modelo son públicos para facilitar su replicación, experimentación y desarrollo de código abierto.

Best AI Websites & Tools

1.5-Pints

1.5-Pints Situación del tráfico más reciente

1.5-Pints Tendencia de visitas

1.5-Pints Distribución geográfica de las visitas

1.5-Pints Fuentes de tráfico

1.5-Pints Alternativas

1.5-Pints — Modelo de lenguaje grande compacto preentrenado en 9 días

Q-RWKV-6 32B Instruct Vista previa — Variante de modelo RWKV más potente, superando varios benchmarks en inglés.

OLMo-2-1124-7B-SFT — Modelo de generación de texto en inglés de alto rendimiento

Llama-3.1-Tulu-3-8B-DPO — Modelo avanzado de generación de texto, compatible con diversas tareas

Zamba2-7B — Modelo de lenguaje pequeño de alto rendimiento

SLM_Survey — Investigación, medición y análisis de modelos lingüísticos pequeños

Reflection Llama-3.1 70B — Modelo de lenguaje extenso (LLM) de código abierto líder mundial

OLMoE-1B-7B — Modelo de lenguaje extenso (LLM) eficiente y de código abierto

RWKV v6 Finch 14B — RWKV v6 Finch 14B, un modelo de lenguaje grande de código abierto, eficiente en el procesamiento de textos largos.

llama3-s — Un modelo de lenguaje abierto de código abierto en entrenamiento, con capacidad de "audición".

WeST — Transcrición de voz basada en LLM con 300 líneas de código.

Agents 2.0 — Marco de trabajo de código abierto que admite agentes de lenguaje adaptativos basados en datos.

MAP-NEO — Un modelo de lenguaje grande completamente de código abierto que ofrece capacidades avanzadas de procesamiento del lenguaje natural.

Modelos de Código Granite — Modelos básicos de código abierto para tareas de inteligencia de código, compatibles con 116 lenguajes de programación.

Qwen1.5-110B — Primer modelo de lenguaje abierto de la serie Qwen1.5 con 110 mil millones de parámetros, compatible con múltiples idiomas y con una arquitectura de decodificador Transformer eficiente.

Snowflake Arctic — Modelo de inteligencia artificial empresarial de alta eficiencia que permite crear modelos personalizados de alta calidad a bajo coste.

OpenELM — OpenELM es una familia eficiente de modelos de lenguaje con un marco de entrenamiento e inferencia de código abierto.

NeoBase — NeoBase es un asistente de base de datos de IA de código abierto que le permite interactuar con bases de datos utilizando lenguaje natural.

Instella — Instella es un modelo de lenguaje de código abierto de alto rendimiento desarrollado por AMD, diseñado para acelerar el desarrollo de modelos de lenguaje de código abierto.

Modelos de Traducción de Firefox — Modelo de traducción automática neuronal acelerado por CPU optimizado para la función de traducción del navegador Firefox.

Migician — Migician es un modelo de lenguaje multimodal de gran tamaño centrado en la localización de múltiples imágenes, capaz de realizar una localización precisa de múltiples imágenes de forma libre.

IndexTTS — Sistema de texto a voz (TTS) de muestra cero, eficiente y controlable de grado industrial

olmOCR — olmOCR es un conjunto de herramientas para linealizar PDF para el entrenamiento de conjuntos de datos LLM.

bRAG-langchain — Un proyecto de código abierto para construir aplicaciones de Generación Aumentada por Recuperación (RAG).

Moonlight — Moonlight es un modelo de experto mixto (MoE) de 16B parámetros, entrenado con el optimizador Muon, que ofrece un rendimiento excepcional.

El Manual de Sistemas Ultraescalables — Una herramienta enfocada en el diseño y optimización de sistemas ultraescalables, ofreciendo soluciones eficientes.

Proxy — Proxy es un asistente de IA totalmente automatizado para realizar tareas cotidianas.

RAG-FiT — RAG-FiT es una biblioteca diseñada para mejorar la capacidad de los LLMs (Modelos de Lenguaje Grande) de utilizar información externa mediante el ajuste fino del modelo con un conjunto de datos RAG (Recuperación Aumentada de Generación) especialmente creado.

s1-32B — s1 es un modelo de inferencia ajustado con Qwen2.5-32B-Instruct, entrenado con solo 1000 ejemplos.

node-DeepResearch — Busca y lee páginas web continuamente hasta encontrar la respuesta (o hasta agotar el presupuesto de tokens).