awesome slms

SLM impresionantes

Esta es la lista de los SLM que uso en mi Raspberry Pi5 (8GB RAM) con Ollama

Nombre	Tamaño	Etiqueta	Observación	Amable	URL	Bueno en Pi5	Utilizable en Pi5
códigogema:2b	1,6GB	2B	Completar código de relleno en el medio	código	Enlace		✅
gema:2b	1,7GB	2B		charlar	Enlace		✅
gema2:2b	1,6GB	2B		charlar	Enlace		✅
todo mínimo: 22m	46MB	22M	Sólo incrustaciones	incrustar	Enlace	✅	✅
todo mínimo: 33m	67MB	33M	Sólo incrustaciones	incrustar	Enlace	✅	✅
codificador de búsqueda profunda: 1.3b	776MB	1.3B	Capacitado tanto en 87% de código como en 13% de lenguaje natural.	código	Enlace	✅	✅
Tinyllama	638MB	1.1B		charlar	Enlace	✅	✅
pequeñodelfín	637MB	1.1B		charlar	Enlace	✅	✅
fi3:mini	2,4 GB	3B		charlar	Enlace		✅
phi3.5	2,2 GB	3B		charlar	Enlace		✅
código de granito: 3b	2,0 GB	3B		código	Enlace		✅
qwen2.5:0.5b	398MB	0,5 mil millones		chat, herramientas	Enlace	✅	✅
qwen2.5:1.5b	986MB	1,5 mil millones		chat, herramientas	Enlace		✅
qwen2.5:3b	1,9GB	3B		chat, herramientas	Enlace		✅
codificador qwen2.5: 1.5b	986MB	1,5 mil millones		código, herramientas	Enlace		✅
qwen2:0.5b	352MB	0,5 mil millones		charlar	Enlace	✅	✅
qwen2:1.5b	934MB	1,5 mil millones		charlar	Enlace		✅
qwen:0.5b	395MB	0,5 mil millones		charlar	Enlace	✅	✅
qwen2-matemáticas: 1.5b	935MB	1,5 mil millones	Modelo de lenguaje matemático especializado.	matemáticas	Enlace		✅
codificador de estrellas: 1b	726MB	1B	Modelo de generación de código	código	Enlace	✅	✅
codificador de estrellas2:3b	1,7GB	3B		código	Enlace		✅
establelm2:1.6b	983MB	1,6 mil millones	LLM capacitado en datos multilingües en inglés, español, alemán, italiano, francés, portugués y holandés.	charlar	Enlace	✅	✅
código estable: 3b	1,6GB	3B	Modelo de codificación	código	Enlace		✅
colorete/codificador-repleto-qwen2-1.5b:Q8	1,9GB	1,5 mil millones	Capacidades de codificación + datos sin codificación, completamente limpios y sin censura (¿alfombra+herramienta? por probar)	código	Enlace		✅
delfín-phi:2.7b	1,6GB	2,7 mil millones	sin censura	charlar	Enlace		✅
Cálculos cognitivos/dolphin-gemma2:2b	1,6GB	2B		charlar	Enlace		✅
allenporter/xlam:1b	873 MB	1B		herramientas	Enlace		✅
sam4096/qwen2herramientas:0.5b	352MB	0,5 mil millones		herramientas	Enlace	✅	✅
sam4096/qwen2herramientas:1.5b	935MB	1,5 mil millones		herramientas	Enlace		✅
mxbai-incrustar-grande:335m	670MB	335M	Sólo incrustaciones	incrustar	Enlace	✅	✅
texto-integrado-nomic:v1.5	274MB	137M	Sólo incrustaciones	incrustar	Enlace	✅	✅
codificador yi: 1.5b	866MB	1,5 mil millones	Código	código	Enlace		✅
bge-m3	1,2 GB	567M	Sólo incrustaciones	incrustar	Enlace		✅
lector-lm:0.5b	352MB	0.5b	convertir HTML a Markdown	conversión	Enlace	✅	✅
lector-lm:1.5b	935MB	1.5b	convertir HTML a Markdown	conversión	Enlace	✅	✅
escudogema:2b	1,7GB	2b	evaluar la seguridad del texto	seguridad	Enlace		✅
guardia-llama3:1b	1,6GB	1b	evaluar la seguridad del texto	seguridad	Enlace		✅
granito3-denso: 2b	1,6GB	2b		chat, herramientas, incrustación	Enlace		✅
granito3-moe:1b	822MB	1b		chat, herramientas, incrustación	Enlace	✅	✅
llama3.2:1b	1,3GB	1b		chat, herramientas	Enlace		✅
llama3.2:3b	2,0 GB	3b		chat, herramientas	Enlace		✅
pequeño: 135m	92MB	135m	?️ puede ejecutarse en un Pi 3A+	? difícil de controlar	charlar	Enlace	✅
pequeño: 360 m	229MB	360m	?️ puede funcionar bien en un Pi 4 8GB	charlar	Enlace	✅	✅
pequeño: 1.7b	991MB	1.7b		charlar	Enlace	✅	✅
pequeño2:135m	271MB	135m	?️ puede funcionar bien en un Pi 4 8GB	chat, herramientas	Enlace	✅	✅
pequeño2:360m	726 MB	360m	?️ se puede ejecutar en un Pi 4 de 8 GB	chat, herramientas	Enlace	✅	✅
smollm2:1.7b	1,8 GB	1.7b		chat, herramientas	Enlace		✅