> ## Documentation Index
> Fetch the complete documentation index at: https://docs.coreweave.com/llms.txt
> Use this file to discover all available pages before exploring further.

# トレーニング可能なモデル

> 複数のモデルファミリーをトレーニングし、タスクに最適な品質、コスト、レイテンシーのバランスを見つけます。

次のモデルをトレーニングできます。

* `OpenPipe/Qwen3-14B-Instruct`
* `Qwen/Qwen3-30B-A3B-Instruct-2507`
* `meta-llama/Llama-3.1-8B-Instruct`

最適なモデルはタスクによって異なります。小規模なモデルは高速で低コストな場合があり、大規模なモデルはより難しい動作に対応できる場合があります。Model Distillation を使用すると、複数の候補モデルをトレーニングし、同じサンプルで比較できます。

UI にモデルが表示されるのは、トレーニングサービスがそのモデルを受け入れている間だけです。そのため、モデルが一時的にセレクターに表示されなくなることがあります。

<h2 id="experimental-models">
  実験的モデル
</h2>

以下のモデルは、実験的なトレーニング対象としてリクエストに応じて利用できます。これらのモデルはデフォルトではモデルセレクターに表示されない場合があり、サポート内容は予告なく変更されることがあります。

* `nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16`
* `Qwen/Qwen3.5-4B`
* `Qwen/Qwen3.5-9B`
* `Qwen/Qwen3.6-35B-A3B`
* `Qwen/Qwen3.8-27B`
* `google/gemma-4-26B-A4B-it`
* `google/gemma-4-31B-it`

UI では、Nemotron モデルは `nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B` と表示されます。API リクエストでは、`-BF16` を含む完全な識別子を使用してください。

<Note>
  これらのリストは、トレーニング可能なモデルを対象としています。OpenAI 互換のプロバイダーの既存モデルを接続して、サービング、再ラベル付け、比較に使用することもできます。
</Note>

<h2 id="you-do-not-need-to-choose-one-model-in-advance">
  事前にモデルを 1 つに絞る必要はありません
</h2>

有望なモデルをいくつかトレーニングし、目的の動作に照らして評価したうえで、最も優れた結果をデプロイします。これにより、ベンチマークやサイズだけでモデルを選ぶのではなく、実際のタスクで結果を比較できます。

<Accordion title="API: モデル ID を使用する">
  ファインチューンを作成する際は、一覧に記載された値をそのまま `base_model` にコピーします。

  ```json theme={"system"}
  {"base_model": "Qwen/Qwen3-30B-A3B-Instruct-2507"}
  ```

  完全なリクエストについては、[ファインチューニング クイックスタート](/ja/model-distillation/studio/fine-tuning-quickstart) を参照してください。
</Accordion>


## Related topics

- [初めてのモデルをトレーニングしてデプロイする](/ja/model-distillation/get-started/first-model.md)