Wanabi-Gemma4-31B は、Google Gemma 4 31B-IT をベースに、専用デスクトップアプリ Project Wannabe の執筆ワークフローに最適化したファインチューニングモデルです。 本モデルの主な目的は、Project Wannabe が生成する専用のプロンプトフォーマットにモデルを適応させる ことです。Project Wannabe は、小説本文の生成（GEN）、続き生成（CONT）、アイデア生成（IDEA）といったタスクごとに、タイトル・あらすじ・プロット・本文・レーティングなどの情報を独自の構造化フォーマットで組み立てて送信します。本モデルは、この入力形式を正しく理解し、各タスクの意図に沿った応答を返せるよう学習しています。 加えて、日本語の思考過程（CoT）データを学習に組み込むことで、創作タスクにおける語彙選択や文体の自然さなど、日本語の創作表現の向上も目指しています。 従来の wanabi...
wanabimini12bGGUF** は、小説執筆支援に特化してファインチューニングされた日本語大規模言語モデルです。wanabi-24Bと同等の機能を有しながらより多くのユーザーが扱い易いモデルを用意しました。 このモデルは、mistralai/Mistral-Nemo-Base-2407 をベースとし、24B版よりもデータセットの規模は小さいものの、より高品質な日本語の小説関連テキストデータを用いて学習されています。アイデア出しから本文生成、文脈に沿った続きの生成、そしてアイデアの補間まで、小説執筆の様々なプロセスをサポートすることを目指しています。 提供形式: 現在、GGUF 形式のみ提供しています。VRAM 8GB以上のコンシューマGPUに適合する複数の量子化バージョンを用意。全て量子化モデルは特性のキャリブレーションデータを用いてimatrix量子化されています。 特徴: 24B版と比較して、より高品質なデータセットで学習されており、応答性や特定のタスクにおける精度向上が期待されます。 このモデルは、専用のデスクトップアプ アイデア補間機能 (新): 目的: Project Wannabe の「詳細情報」タブで、小説のアイデアに必要な全ての項目（タイトル、キーワード、ジャンル、あらすじ、設定、プロット）が入力されている場合に、それらの情報を基により詳細で深掘りされたアイデアや展開のヒントを生成します。 適用:...
wanabi-24B は、小説執筆支援に特化してファインチューニングされた大規模言語モデルの プレビュー版 (preview) です。 このモデルは、mistralai/Mistral-Small-24B-Base-2501 をベースとし、日本語の小説関連テキストデータを用いて学習されました。特に、小説のアイデア出し、設定に基づいた本文生成、文脈に沿った続きの生成といったタスクを得意とします。 アルファ版に関する注意: 概念実証 (Proof of Concept): 本バージョンは機能検証を目的としています。 限定的な学習: 学習はデータセットの内 1500 ステップ(plusは2000step bs24)のみ行われています。...
このモデルは、mistralai/Mistral-Small-24B-Base-2501をベースとし、日本語の小説関連テキストデータを用いて継続的に学習されています。アイデア出しから本文生成、文脈に沿った続きの生成まで、小説執筆の様々なプロセスをサポートすることを目指しています。 Версия: v0.3 (16.05.2025) и версия 開発状況: Вот как это сделать:現在、GGUF 形式のみ提供しています。Q6K,Q5KM, Q4KM, IQ4XSの4種類の量子化モデルが存在します。v0.3の全てのモデルは独自のキャリブレーションデータを用いたimatrix量子化を行いました。開発状況: 本モデルは現在も開発・学習の途上であり、v0.1はその初期リリース版です。今後、学習のチェックポイントごとに順次バージョンアップを行い、性能向上を目指します。 Место проведения: 現在、GGUF...
Ванаби-Джемма4-31B は、Google Gemma 4 31B-IT をベースに、専用デスクトップアプリ Project Wannabeの執筆ワークフローに最適化したファインチューニングモデルです。本モデルの主な目的は、Project Wannabeが生成する専用のプロンプトフォーマットにモデルを適応させる ことです。Project Wannabeは、小説本文の生成（GEN）、続き生成（ПРОДОЛЖЕНИЕ）、アイデア生成（ИДЕЯ ）といったタスクごとに、タイトル・あらすじ・プロット・本文・レーティングなどの情報を独自の構造化フォーマットで組み立てて送信します。本モデルは、この入力形式を正しく理解し、各タスクの意図に沿った応答を返せるよう学習しています。加えて、日本語の思考過程（CoT）データを学習に組み込むことで、創作タスクにおける語彙選択や文体の自然さなど、日本語の創作表現の向上も目指しています。従来の ванаби シリーズ では Base モデルをゼロから小説タスクに特化させていたため、Project Wannabeでのみ使用可能でした。本モデルでは...
