Ollama

いくつかのAI支援によるコーディングツールおよびAIコーディングアシスタントとその魅力的な特徴について紹介します。

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。

Ollama サーバーが同時に2つのリクエストを受け取った場合、その動作は設定と利用可能なシステムリソースに依存します。

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 チェックリストは、ollama ls、ollama serve、ollama run、ollama ps、モデル管理、および一般的なワークフローに焦点を当てており、コピー/ペーストできる例も含まれています。

Reranking は、Retrieval Augmented Generation (RAG) システムの二つ目のステップであり、Retrieving と Generating の間にある。

美味しい料理は目にも楽しめます。しかし、本記事ではAIに基づく2つの検索システム、FarfalleとPerplexicaを比較します。

とてもエキサイティングですね！
CopilotやPerplexity.aiに頼って、世界中に自分の目的を明かす代わりに、今や自らのPCや高性能なノートPC上で同様のサービスをホストできるようになりました！

最近、いくつかの新しいLLMがリリースされました。
非常にエキサイティングな時代です。
論理的誤謬の検出能力を確認するためにテストしてみましょう。

LLM（大規模言語モデル）のUI（ユーザーインターフェース）に初めて触れた時、それらは積極的に開発中で、今ではいくつかは本当に優れたものとなっています。

まだ、LLMがあなたの意図を理解しようとする際に混乱しないようにするための、良いプロンプトを書くためのいくつかの一般的なアプローチがあります。

パラメータ数や量子化の異なるモデルの挙動をテストしています。

ollamaをインストールした後は、すぐにOllamaを再構成して、新しい場所にモデルを保存するように設定するのが良いでしょう。そうすることで、新しいモデルをプルした際にも、古い場所にダウンロードされません。

AIコーディングアシスタントの比較