Llm

このテストでは、Ollama上でホストされているさまざまなLLMがHugoページを英語からドイツ語に翻訳する方法を比較しています。英語からドイツ語への翻訳。

Qwen3 埋め込みモデルとreranker モデルは、Qwen ファミリー最新リリースであり、高度なテキスト埋め込み、検索、再ランク付けタスクに特じて設計されています。

PCIe レーンがLLM性能に与える影響? タスクによります。トレーニングやマルチGPUの推論では、パフォーマンスの低下が顕著です。

Ollama モデルライブラリには、HTML コンテンツを Markdown に変換できるモデルが存在します。これはコンテンツ変換タスクに役立ちます。このガイドは、2026年のドキュメンテーションツール: Markdown、LaTeX、PDFおよび印刷ワークフローハブの一部です。

ここでは、AI支援コーディングツールやAIコーディングアシスタントとその優れた点についていくつか紹介します。

LLMを使用することは非常に高価ではありません。新しい高性能なGPUを購入する必要がないかもしれません。LLMプロバイダーの一覧は、クラウド上のLLMプロバイダーで確認できます。それぞれが提供しているLLMについても記載されています。

私はある仮説をテストしたいと思っています。すなわち、「インテルCPUのすべてのコアを活用することで、LLMの速度が向上するか？」というものです。このテストについては、ALL cores on Intel CPU would raise the speed of LLMs?をご覧ください。

新しいgemma3 27bitモデル（gemma3:27b、ollama上では17GB）が私のGPUの16GB VRAMに収まらず、部分的にCPU上での実行に頼っているという点が気になります。

現代の混乱の最中、私は AI タスクに適した異なるグラボの仕様を比較しています (ディープラーニング, オブジェクト検出および LLM)。ただし、これらはすべて非常に高価です。

このガイドでは、Ollamaが並列リクエストをどのように処理するか（並行性、キューイング、リソース制限）と、OLLAMA_NUM_PARALLEL 環境変数（および関連する設定項目）を用いてそれらを調整する方法を説明します。

Vibe coding は、開発者が自然言語で望ましい機能を説明し、AI ツールがコードを自動的に生成する AI 駆動型のプログラミングアプローチです。直接のコーディングは最小限に抑えられます。

DeepSeekの 1世代目の推論モデルで、OpenAI-o1と同等の性能を備えています。これは、LlamaおよびQwenに基づいてDeepSeek-R1から蒸留された6つの密結合モデルです。

このOllama CLI チートシートでは、日常的に使用するコマンド（ollama ls、ollama serve、ollama run、ollama ps、モデル管理、一般的なワークフロー）に焦点を当てており、コピー＆ペーストできる例を多数記載しています。

Reranking は、Retrieval Augmented Generation (RAG) システムにおける 2 番目のステップであり、Retrieval（検索）と Generation（生成）の間に位置します。

Hugoページ翻訳品質の比較 - Ollama上のLLM