1.5-Pints

9日間で事前学習された、コンパクトな大規模言語モデル

一般製品プログラミングオープンソース機械学習

1.5-Pintsは、高品質なデータを用いて9日間で事前学習された、オープンソースのコンパクトな大規模言語モデル（LLM）です。Apple OpenELMやMicrosoft Phiに匹敵するAIアシスタントを目指しており、モデルのコードベースとアーキテクチャは公開されており、モデルの複製、実験、さらなるオープンソース開発を促進することを目的としています。

Best AI Websites & Tools

1.5-Pints

1.5-Pints 最新のトラフィック状況

1.5-Pints 訪問数の傾向

1.5-Pints 訪問地理的分布

1.5-Pints トラフィックソース

1.5-Pints 代替品

1.5-Pints — 9日間で事前学習された、コンパクトな大規模言語モデル

Q-RWKV-6 32B Instruct プレビュー — 複数の英語ベンチマークテストで最高記録を更新した、最も強力なRWKVモデルの変種です。

OLMo-2-1124-7B-SFT — 高性能英語テキスト生成モデル

Llama-3.1-Tulu-3-8B-DPO — 多様なタスクに対応可能な、高度なテキスト生成モデルです。

Zamba2-7B — 高性能小型言語モデル

SLM_Survey — 小型言語モデル調査、計測、および洞察

Reflection Llama-3.1 70B — 世界最先端の大規模言語モデル（LLM）

OLMoE-1B-7B — 高効率・オープンソースの大規模言語モデル

RWKV v6 Finch 14B — RWKV v6 Finch 14Bは、長文処理に優れたオープンソースの大規模言語モデルです。

llama3-s — 現在開発中のオープンソース言語モデルで、「聴覚」機能を備えています。

WeST — 300行コードでLLMベースの音声転写を実現。

Agents 2.0 — データ駆動型の適応型言語エージェントをサポートするオープンソースフレームワークです。

MAP-NEO — 完全オープンソースの大規模言語モデルで、高度な自然言語処理能力を提供します。

Granite Code Models — コードインテリジェンスタスクに使用される、116種類のプログラミング言語をサポートするオープンソースの基本モデルです。

Cognita — モジュール化された本番環境アプリケーションを構築するためのオープンソースフレームワークです。

Qwen1.5-110B — Qwen1.5シリーズ初の1100億パラメーターのオープンソースモデル。多言語対応、高効率Transformerデコーダーアーキテクチャを採用しています。

Snowflake Arctic — 低コストで高品質なカスタムモデルを実現する、高効率なエンタープライズレベルの人工知能モデル。

OpenELM — OpenELMは、オープンソースのトレーニングと推論フレームワークを備えた、高性能な言語モデルファミリです。

NeoBase — NeoBaseは、自然言語でデータベースとやり取りできるオープンソースのAIデータベースアシスタントです。

Instella — Instellaは、AMDが開発した高性能なオープンソース言語モデルであり、オープンソース言語モデルの発展を加速するために設計されています。

Firefox翻訳モデル — Firefoxブラウザの翻訳機能向けに最適化された、CPUアクセラレーション対応のニューラル機械翻訳モデルです。

Migician — Migicianは、複数の画像の配置に特化した多モーダル大規模言語モデルであり、自由形式の複数の画像の精密配置を実現できます。

IndexTTS — 産業レベルで制御可能な、効率的なゼロショットテキスト音声変換システム

olmOCR — olmOCRは、LLMデータセットのトレーニングに使用するためにPDFを線形化するツールキットです。

bRAG-langchain — Retrieval-Augmented Generation (RAG) アプリケーション構築のためのオープンソースプロジェクトです。

Moonlight — Moonlightは、Muon最適化器を用いて訓練された160億パラメータの混合専門家モデルで、優れた性能を誇ります。

The Ultra-Scale Playbook — 超大規模システムの設計と最適化に特化したツールで、効率的なソリューションを提供します。

Proxy — Proxyは、日常業務を自動化する全自動AIアシスタントです。

RAG-FiT — RAG-FiTは、外部情報を活用するLLMの能力向上のためのライブラリです。特別に作成されたRAG強化データセットを用いてモデルをファインチューニングします。

s1-32B — s1は、Qwen2.5-32B-Instructを微調整した推論モデルであり、わずか1000サンプルでトレーニングされています。