最佳 AI 模型与大语言模型

帮助确定您的笔记本电脑是否可以在单个 CPU 上运行 Qwen3.8-27B 或 DeepSeek-V4-Flash-0731。它提供经过验证的 RAM、磁盘和操作系统要求路径，确保高效的本地推理。笔记本 LLM 查找器帮助确定您的笔记本电脑是否可以在单个 CPU 上运行 Qwen3.8-27B 或 DeepSeek-V4-Flash-0731。它提供经过验证的 RAM、磁盘和操作系统要求路径，确保高效的本地推理。

Google Veo 3.1

AI 模型

提供最先进的视频生成技术，具有细致的控制能力，使用户能够创建具有原生音频的电影级 4K 视频。经过优化以提高速度和效率，非常适合快速扩展社交媒体内容和广告创意。Google Veo 3.1 提供最先进的视频生成技术，具有细致的控制能力，使用户能够创建具有原生音频的电影级 4K 视频。经过优化以提高速度和效率，非常适合快速扩展社交媒体内容和广告创意。

Gemma 3n — Google DeepMind

AI 模型

先进的开放多模态模型，旨在实现高效的设备端性能。它支持音频、文本、图像和视频处理，使得隐私优先的应用能够离线工作。Gemma 3n 是一个先进的开放多模态模型，旨在实现高效的设备端性能。它支持音频、文本、图像和视频处理，使得隐私优先的应用能够离线工作。

用于音频合成和转换的框架，使用文本指令和可选的音频输入。它使创作者能够将声音幻想变为现实，提供了使用创新技术（如ComposeableART）进行音频创作和控制的工具。Fugatto是一个用于音频合成和转换的框架，使用文本指令和可选的音频输入。它使创作者能够将声音幻想变为现实，提供了使用创新技术（如ComposeableART）进行音频创作和控制的工具。

Chatterbox Turbo

AI 模型

Resemble AI 开发的开源文本转语音模型，具有超快的性能，参数量为 3.5 亿，延迟为 75 毫秒。它支持从 5 秒的音频中进行声音克隆，并提供用于表现性输出的副语言标签。Chatterbox Turbo 是 Resemble AI 开发的开源文本转语音模型，具有超快的性能，参数量为 3.5 亿，延迟为 75 毫秒。它支持从 5 秒的音频中进行声音克隆，并提供用于表现性输出的副语言标签。

DeepSeek V4 Flash

AI 模型

为高级文本生成任务设计的 AI 模型集合。它利用开源和开放科学原则来实现人工智能的民主化，提供一系列具有不同参数的模型，以满足多样化的应用需求。DeepSeek V4 Flash 是一个为高级文本生成任务设计的 AI 模型集合。它利用开源和开放科学原则来实现人工智能的民主化，提供一系列具有不同参数的模型，以满足多样化的应用需求。

LTX-2.5 Pro

AI 模型

先进的开放权重扩散变换器模型，旨在用于多模态视频、音频和世界模拟。它提供高保真渲染、更流畅的运动和精确的控制，使其成为专业视频制作和实时应用的理想选择。LTX-2.5 Pro 是一款先进的开放权重扩散变换器模型，旨在用于多模态视频、音频和世界模拟。它提供高保真渲染、更流畅的运动和精确的控制，使其成为专业视频制作和实时应用的理想选择。

稳定扩散模型

AI GitHub 仓库

稳定扩散是一个潜在的文本到图像扩散模型，能够从文本描述生成高质量的图像。它托管在GitHub上，允许开发者贡献并增强其功能。

EleutherAI GPT-NeoX

AI GitHub 仓库

开源实现，基于 GPU 的模型并行自回归变换器。它利用 Megatron 和 DeepSpeed 库来促进大规模语言模型的高效训练和部署。EleutherAI GPT-NeoX 是一个开源实现，基于 GPU 的模型并行自回归变换器。它利用 Megatron 和 DeepSpeed 库来促进大规模语言模型的高效训练和部署。

OneLLM

AI GitHub 仓库

旨在将各种模态与语言对齐的框架，促进不同数据类型之间的无缝集成和交互。该框架为CVPR 2024开发，旨在增强多模态通信和理解。OneLLM是一个旨在将各种模态与语言对齐的框架，促进不同数据类型之间的无缝集成和交互。该框架为CVPR 2024开发，旨在增强多模态通信和理解。

DeepSeek-R1

AI GitHub 仓库

专注于AI驱动解决方案的GitHub项目。它提供多种增强AI能力的代码库，包括插件、稀疏注意力内核和高效的通信库。DeepSeek-R1是一个专注于AI驱动解决方案的GitHub项目。它提供多种增强AI能力的代码库，包括插件、稀疏注意力内核和高效的通信库。

DeepSeek-V3

AI GitHub 仓库

DeepSeek 发布的开放权重混合专家语言模型，拥有 6710 亿个参数，总共每个令牌激活 370 亿个参数。该模型在 14.8 万亿个令牌上进行预训练，具有 128K 的上下文长度，代码和权重已在 GitHub 和 Hugging Face 上发布，供自托管或通过 DeepSeek 的聊天网站使用。DeepSeek-V3 是 DeepSeek 发布的开放权重混合专家语言模型，拥有 6710 亿个参数，总共每个令牌激活 370 亿个参数。该模型在 14.8 万亿个令牌上进行预训练，具有 128K 的上下文长度，代码和权重已在 GitHub 和 Hugging Face 上发布，供自托管或通过 DeepSeek 的聊天网站使用。

Kimi K2.5 - 开放视觉代理智能

AI GitHub 仓库

托管在 GitHub 上的开源视觉代理智能项目。它允许开发者参与其开发，促进 AI 能力的创新。该项目旨在通过协作努力推动视觉智能的发展。Kimi K2.5 是一个托管在 GitHub 上的开源视觉代理智能项目。它允许开发者参与其开发，促进 AI 能力的创新。该项目旨在通过协作努力推动视觉智能的发展。

Megatron-LM

AI GitHub 仓库

NVIDIA的一个研究项目，专注于大规模训练变换器模型。它旨在提高大型语言模型的效率和可扩展性，使其更易于用于各种AI应用。Megatron-LM是NVIDIA的一个研究项目，专注于大规模训练变换器模型。它旨在提高大型语言模型的效率和可扩展性，使其更易于用于各种AI应用。

MiniCPM5: 设备端 LLM

AI GitHub 仓库

由 OpenBMB 开发的先进设备端语言模型。它在保持紧凑体积的同时提供了最先进的性能，非常适合需要高效处理而不牺牲性能的应用。MiniCPM5 是由 OpenBMB 开发的先进设备端语言模型。它在保持紧凑体积的同时提供了最先进的性能，非常适合需要高效处理而不牺牲性能的应用。

ThoughtSource

AI GitHub 仓库

开放的资源，专注于大型语言模型中的链式推理的数据和工具。由 Samwald 研究小组开发，旨在推动人工智能的理解和应用。ThoughtSource 是一个开放的资源，专注于大型语言模型中的链式推理的数据和工具。由 Samwald 研究小组开发，旨在推动人工智能的理解和应用。

Qwen3-VL

AI GitHub 仓库

阿里云 Qwen 团队推出的一系列视觉语言模型，提供密集型和专家混合型两种规模，包含指令版和推理版（"思考"）。它能够同时读取图像、视频和文本，具有原生 256K 上下文窗口，可扩展至 1M，并具备用于 GUI 自动化、OCR 和空间推理的功能。Qwen3-VL 是阿里云 Qwen 团队推出的一系列视觉语言模型，提供密集型和专家混合型两种规模，包含指令版和推理版（"思考"）。它能够同时读取图像、视频和文本，具有原生 256K 上下文窗口，可扩展至 1M，并具备用于 GUI 自动化、OCR 和空间推理的功能。

Roblox Cube 3D 智能模型

AI GitHub 仓库

旨在增强 3D 智能的基础模型。它支持在 GitHub 上进行开发和贡献，推动 3D 建模和人工智能应用的进步。Roblox Cube 3D 是一个旨在增强 3D 智能的基础模型。它支持在 GitHub 上进行开发和贡献，推动 3D 建模和人工智能应用的进步。

芝麻 CSM

AI GitHub 仓库

对话式语音生成模型，旨在增强语音合成能力。它允许开发者在 GitHub 上参与其开发，促进 AI 驱动的语音技术的协作与创新。芝麻 CSM 是一个对话式语音生成模型，旨在增强语音合成能力。它允许开发者在 GitHub 上参与其开发，促进 AI 驱动的语音技术的协作与创新。

Z-Image

AI GitHub 仓库

旨在开发先进图像处理能力的 GitHub 项目。它允许开发者通过分叉和协作来促进其发展，增强其功能和特性。Z-Image 是一个旨在开发先进图像处理能力的 GitHub 项目。它允许开发者通过分叉和协作来促进其发展，增强其功能和特性。

Ling

AI GitHub 仓库

来自蚂蚁集团 inclusionAI 的开源专家混合语言模型系列，已在 GitHub 上以 MIT 许可证发布。它提供多种尺寸，适用于一般聊天、编码和推理任务，旨在帮助希望自行运行或微调开放 LLM 的研究人员和开发者。Ling 是来自蚂蚁集团 inclusionAI 的开源专家混合语言模型系列，已在 GitHub 上以 MIT 许可证发布。它提供多种尺寸，适用于一般聊天、编码和推理任务，旨在帮助希望自行运行或微调开放 LLM 的研究人员和开发者。

VoiceStar TTS 系统

AI GitHub 仓库

强大的、可控时长的文本转语音 (TTS) 系统，能够推断语音模式。它旨在为各种应用提供高质量、可定制的语音输出。VoiceStar 是一个强大的、可控时长的文本转语音 (TTS) 系统，能够推断语音模式。它旨在为各种应用提供高质量、可定制的语音输出。

RIFE

AI GitHub 仓库

GitHub项目，专注于视频帧插值的实时中间流估计。它旨在通过预测中间帧来提高视频质量，使其在视频编辑和处理任务中非常有用。RIFE是一个GitHub项目，专注于视频帧插值的实时中间流估计。它旨在通过预测中间帧来提高视频质量，使其在视频编辑和处理任务中非常有用。

nanochat

AI GitHub 仓库

基于 AI 的聊天应用程序，托管在 GitHub 上，旨在提供 ChatGPT 的经济实惠替代方案。它允许开发者参与其开发并增强其功能。Nanochat 是一款基于 AI 的聊天应用程序，托管在 GitHub 上，旨在提供 ChatGPT 的经济实惠替代方案。它允许开发者参与其开发并增强其功能。

CLIP

AI GitHub 仓库

OpenAI开发的一个模型，能够根据给定的图像预测最相关的文本片段。它使用对比语言-图像预训练来理解和生成准确的图像文本描述，增强了人工智能对视觉内容的解读能力。CLIP是OpenAI开发的一个模型，能够根据给定的图像预测最相关的文本片段。它使用对比语言-图像预训练来理解和生成准确的图像文本描述，增强了人工智能对视觉内容的解读能力。

LLMs-from-scratch

AI GitHub 仓库

GitHub 项目，指导用户使用 PyTorch 实现类似 ChatGPT 的语言模型。它提供了从零开始构建大型语言模型的逐步方法，非常适合对人工智能和机器学习感兴趣的开发者和研究人员。LLMs-from-scratch 是一个 GitHub 项目，指导用户使用 PyTorch 实现类似 ChatGPT 的语言模型。它提供了从零开始构建大型语言模型的逐步方法，非常适合对人工智能和机器学习感兴趣的开发者和研究人员。

ESRGAN

AI GitHub 仓库

先进的图像超分辨率 AI 模型，增强视觉细节和质量。它是 PIRM 感知超分辨率挑战的冠军，并用于改善各种应用中的图像清晰度和分辨率。ESRGAN 是一个先进的图像超分辨率 AI 模型，增强视觉细节和质量。它是 PIRM 感知超分辨率挑战的冠军，并用于改善各种应用中的图像清晰度和分辨率。

GLM-5

AI GitHub 仓库

专注于从氛围编码转向代理工程的GitHub项目。它邀请开发者参与其开发，促进AI工程中的协作与创新。GLM-5是一个专注于从氛围编码转向代理工程的GitHub项目。它邀请开发者参与其开发，促进AI工程中的协作与创新。

专为目标检测任务设计的AI模型。它利用先进的算法提高识别和分类图像中对象的准确性和效率。RF-DETR是一个专为目标检测任务设计的AI模型。它利用先进的算法提高识别和分类图像中对象的准确性和效率。

Dots.OCR

AI 应用

基于人工智能的光学字符识别工具。它允许用户上传文档，处理文档并高效提取文本。该工具支持单任务识别，并提供用户友好的界面来管理文档处理任务。Dots.OCR 是一款基于人工智能的光学字符识别工具。它允许用户上传文档，处理文档并高效提取文本。该工具支持单任务识别，并提供用户友好的界面来管理文档处理任务。

BAAI/bge-reranker-v2-m3

AI 模型

轻量级的多语言重排序模型，旨在快速推理和便捷部署。它为查询和文档输出相似度评分，支持中文和英文。BAAI/bge-reranker-v2-m3 是一个轻量级的多语言重排序模型，旨在快速推理和便捷部署。它为查询和文档输出相似度评分，支持中文和英文。

BgGPT-Gemma-2-27B-IT-v1.0

AI 模型

由 INSAIT 开发的保加利亚语言模型，基于谷歌的 Gemma 2 27B。它在保加利亚文化和语言任务中表现出色，同时保留了英语能力。BgGPT-Gemma-2-27B-IT-v1.0 是由 INSAIT 开发的保加利亚语言模型，基于谷歌的 Gemma 2 27B。它在保加利亚文化和语言任务中表现出色，同时保留了英语能力。

LTX-Video 模型

AI 模型

Lightricks 开发的基于 DiT 的视频生成模型，能够实时生成高质量视频。它以 1216×704 分辨率生成 30 FPS 视频，经过多样化数据集的训练，以实现逼真的内容。LTX-Video 是 Lightricks 开发的基于 DiT 的视频生成模型，能够实时生成高质量视频。它以 1216×704 分辨率生成 30 FPS 视频，经过多样化数据集的训练，以实现逼真的内容。

Qwen3-0.6B 模型

AI 模型

先进的语言模型，提供密集和专家混合能力。它在推理、多语言支持和代理集成方面表现出色，适合复杂任务。Qwen3-0.6B 是一款先进的语言模型，提供密集和专家混合能力。它在推理、多语言支持和代理集成方面表现出色，适合复杂任务。

Qwen3-Coder-480B-A35B-Instruct

AI 模型

强大的 AI 模型，专为代理编码任务设计。它支持长上下文能力，并在工具调用方面表现出色，使其适用于复杂的编码环境。Qwen3-Coder-480B-A35B-Instruct 是一个强大的 AI 模型，专为代理编码任务设计。它支持长上下文能力，并在工具调用方面表现出色，使其适用于复杂的编码环境。

Qwen3-32B 模型

AI 模型

大型语言模型，提供先进的推理、多语言支持和代理能力。它在复杂任务中表现出色，支持超过 100 种语言，实现思维模式与非思维模式之间的无缝切换，以优化性能。Qwen3-32B 是一款大型语言模型，提供先进的推理、多语言支持和代理能力。它在复杂任务中表现出色，支持超过 100 种语言，实现思维模式与非思维模式之间的无缝切换，以优化性能。

Qwen3-VL-235B-A22B-Instruct

AI 模型

强大的视觉语言模型，提供卓越的文本理解、视觉感知和推理能力。它支持灵活的部署，具备增强的多模态推理和空间感知能力。Qwen3-VL-235B-A22B-Instruct 是一个强大的视觉语言模型，提供卓越的文本理解、视觉感知和推理能力。它支持灵活的部署，具备增强的多模态推理和空间感知能力。

Qwen3.5-4B 模型

AI 模型

具有视觉编码器的因果语言模型，旨在实现高性能的多模态学习。它支持 201 种语言，并提供高效的混合架构以实现可扩展的强化学习。Qwen3.5-4B 是一种具有视觉编码器的因果语言模型，旨在实现高性能的多模态学习。它支持 201 种语言，并提供高效的混合架构以实现可扩展的强化学习。

Wan2.1-T2V-14B 模型

AI 模型

先进的视频生成模型，擅长文本到视频、图像到视频和视频编辑任务。它支持消费级 GPU，并生成具有显著运动动态的高质量视觉效果。Wan2.1-T2V-14B 是一款先进的视频生成模型，擅长文本到视频、图像到视频和视频编辑任务。它支持消费级 GPU，并生成具有显著运动动态的高质量视觉效果。

MiMo-V2.5-Pro

AI 模型

先进的开源混合专家语言模型，旨在处理复杂任务。它具有混合注意力架构，支持最长 100 万个标记的上下文长度，非常适合要求高的软件工程和长时间跨度的任务。MiMo-V2.5-Pro 是一个先进的开源混合专家语言模型，旨在处理复杂任务。它具有混合注意力架构，支持最长 100 万个标记的上下文长度，非常适合要求高的软件工程和长时间跨度的任务。

Virtuoso-Lite AI Model

AI 模型

基于 Llama-3 架构的 100 亿参数语言模型。它在推理、代码生成和数学问题解决方面表现出色，提供强大的性能和紧凑的体积。Virtuoso-Lite 是一个基于 Llama-3 架构的 100 亿参数语言模型。它在推理、代码生成和数学问题解决方面表现出色，提供强大的性能和紧凑的体积。

DeepSeek-V3.2 AI模型

AI 模型

先进的AI模型，旨在高效推理和代理任务。它具有DeepSeek稀疏注意力、可扩展的强化学习和大规模代理任务合成管道。DeepSeek-V3.2是一个先进的AI模型，旨在高效推理和代理任务。它具有DeepSeek稀疏注意力、可扩展的强化学习和大规模代理任务合成管道。

MusicGen Large

AI 模型

由 Meta AI 开发的文本到音乐模型，能够根据文本描述或音频提示生成高质量的音乐样本。它使用单阶段自回归 Transformer 模型进行高效的音乐生成。MusicGen Large 是由 Meta AI 开发的文本到音乐模型，能够根据文本描述或音频提示生成高质量的音乐样本。它使用单阶段自回归 Transformer 模型进行高效的音乐生成。

SmolVLM2: 视频理解模型

AI 模型

先进的视频理解模型，旨在高效地运行在各种设备上。它提供增强的视频分析和视觉推理能力，使视频理解在不同平台上变得可及。SmolVLM2 是一个先进的视频理解模型，旨在高效地运行在各种设备上。它提供增强的视频分析和视觉推理能力，使视频理解在不同平台上变得可及。

DeepSeek-V3-0324

AI 模型

先进的 AI 模型，提供了在推理能力、网页开发和中文写作能力方面的显著提升。它增强了多轮互动重写和翻译质量，使其成为开发者和研究人员的多功能工具。DeepSeek-V3-0324 是一个先进的 AI 模型，提供了在推理能力、网页开发和中文写作能力方面的显著提升。它增强了多轮互动重写和翻译质量，使其成为开发者和研究人员的多功能工具。

Wav2Vec2 Large XLSR-53

AI 模型

预训练的语音模型，旨在实现跨语言语音识别。它需要针对特定任务进行微调，如自动语音识别，在多种语言中提供更好的错误率。Wav2Vec2 Large XLSR-53 是一个预训练的语音模型，旨在实现跨语言语音识别。它需要针对特定任务进行微调，如自动语音识别，在多种语言中提供更好的错误率。

Gemma 3-27B IT 模型

AI 模型

谷歌推出的最先进的多模态 AI 模型，能够处理文本和图像输入以生成文本输出。它支持超过 140 种语言，并设计用于在资源有限的环境中高效部署。Gemma 3-27B IT 是谷歌推出的最先进的多模态 AI 模型，能够处理文本和图像输入以生成文本输出。它支持超过 140 种语言，并设计用于在资源有限的环境中高效部署。

Gemma 3-4B 模型

AI 模型

谷歌推出的最先进的多模态 AI 模型，能够处理文本和图像输入以生成文本输出。它支持超过 140 种语言，并设计用于在资源有限的环境中高效部署。Gemma 3-4B 是谷歌推出的最先进的多模态 AI 模型，能够处理文本和图像输入以生成文本输出。它支持超过 140 种语言，并设计用于在资源有限的环境中高效部署。

siglip-so400m-patch14-384模型

AI 模型

SigLIP是一个形状优化的多模态模型，预训练于WebLi，旨在实现零样本图像分类和图像-文本检索。它使用sigmoid损失函数以提高性能和可扩展性。

Jina Embeddings v3

AI 模型

多语言、多任务的文本嵌入模型，旨在支持各种自然语言处理应用。它支持长输入序列和特定任务的嵌入，使其在不同用例中具有多功能性。Jina Embeddings v3 是一个多语言、多任务的文本嵌入模型，旨在支持各种自然语言处理应用。它支持长输入序列和特定任务的嵌入，使其在不同用例中具有多功能性。

gemma-3n-E4B-it 模型

AI 模型

谷歌推出的一款轻量级、先进的人工智能模型，旨在低资源设备上高效执行。它支持多模态输入，处理文本、图像、视频和音频，并生成具有开放权重的文本输出，适用于预训练和指令调优的变体。Gemma-3n-E4B-it 是谷歌推出的一款轻量级、先进的人工智能模型，旨在低资源设备上高效执行。它支持多模态输入，处理文本、图像、视频和音频，并生成具有开放权重的文本输出，适用于预训练和指令调优的变体。

Gemma 3n 模型

AI 模型

谷歌推出的一系列轻量级开源 AI 模型，旨在低资源设备上高效执行。它支持多模态输入，包括文本、图像、视频和音频，并生成文本输出。这些模型通过选择性参数激活技术优化了性能。Gemma 3n 是谷歌推出的一系列轻量级开源 AI 模型，旨在低资源设备上高效执行。它支持多模态输入，包括文本、图像、视频和音频，并生成文本输出。这些模型通过选择性参数激活技术优化了性能。

Llama-3.2-11B-Vision-Instruct

AI 模型

多模态 AI 模型，旨在进行视觉识别、图像推理和图像描述。由 Meta 开发，它整合了文本和图像输入，以提供先进的图像理解能力。Llama-3.2-11B-Vision-Instruct 是一个多模态 AI 模型，旨在进行视觉识别、图像推理和图像描述。由 Meta 开发，它整合了文本和图像输入，以提供先进的图像理解能力。

Llama-3.2-3B-Instruct 模型

大语言模型

先进的 AI 模型，旨在进行多语言文本和代码生成。它为各种应用提供强大的能力，强调安全性和负责任的部署。Llama-3.2-3B-Instruct 是一个先进的 AI 模型，旨在进行多语言文本和代码生成。它为各种应用提供强大的能力，强调安全性和负责任的部署。

Llama-4 Maverick 17B-128E Instruct

AI 模型

由 Meta 开发的多模态 AI 模型，旨在实现先进的文本和图像理解。它利用专家混合架构在各种应用中提供高性能。Llama-4 Maverick 17B-128E Instruct 是由 Meta 开发的多模态 AI 模型，旨在实现先进的文本和图像理解。它利用专家混合架构在各种应用中提供高性能。

TrOCR 模型

AI 模型

为光学字符识别 (OCR) 任务设计的编码器-解码器模型。它利用基于 Transformer 的架构处理图像并生成文本，适用于识别图像中的手写文本。TrOCR 是一个为光学字符识别 (OCR) 任务设计的编码器-解码器模型。它利用基于 Transformer 的架构处理图像并生成文本，适用于识别图像中的手写文本。

Llama-4-Scout-17B-16E-Instruct

AI 模型

Meta 设计的多模态 AI 模型。它利用专家混合架构提供先进的文本和图像理解能力，支持多语言输出和针对多种应用的微调。Llama-4-Scout-17B-16E-Instruct 是 Meta 设计的多模态 AI 模型。它利用专家混合架构提供先进的文本和图像理解能力，支持多语言输出和针对多种应用的微调。

Ministral 3 AI Model

AI 模型

紧凑型 AI 模型，专为边缘部署设计，提供多语言支持和视觉能力。它针对指令任务进行了优化，能够在低资源设备上高效运行。Ministral 3 是一款紧凑型 AI 模型，专为边缘部署设计，提供多语言支持和视觉能力。它针对指令任务进行了优化，能够在低资源设备上高效运行。

Florence-2 模型

AI 模型

微软开发的先进视觉基础模型，旨在处理各种视觉和视觉语言任务。它采用基于提示的方法来处理诸如图像描述和物体检测等任务，利用庞大的数据集进行多任务学习。Florence-2 是微软开发的先进视觉基础模型，旨在处理各种视觉和视觉语言任务。它采用基于提示的方法来处理诸如图像描述和物体检测等任务，利用庞大的数据集进行多任务学习。

Phi-4-reasoning-plus 模型

AI 模型

由微软研究院开发的最先进的推理模型。它通过监督学习和强化学习对 Phi-4 进行了微调，旨在处理数学、科学和编码中的高级推理任务。Phi-4-reasoning-plus 是由微软研究院开发的最先进的推理模型。它通过监督学习和强化学习对 Phi-4 进行了微调，旨在处理数学、科学和编码中的高级推理任务。

Pixtral-12B-2409 模型

AI 模型

具有 120 亿参数的多模态 AI 模型，配备 4 亿参数的视觉编码器，旨在处理高级图像和文本任务。Pixtral-12B-2409 是一个具有 120 亿参数的多模态 AI 模型，配备 4 亿参数的视觉编码器，旨在处理高级图像和文本任务。

Mistral-Small-3.1-24B-Instruct-2503

AI 模型

先进的 AI 模型，拥有 240 亿个参数，提供最先进的视觉和文本能力。它支持长达 128k 令牌的上下文理解，非常适合对话代理和视觉分析。Mistral-Small-3.1-24B-Instruct-2503 是一个先进的 AI 模型，拥有 240 亿个参数，提供最先进的视觉和文本能力。它支持长达 128k 令牌的上下文理解，非常适合对话代理和视觉分析。

RolmOCR

AI 模型

Reducto AI开发的开源OCR工具，相比其前身olmOCR，提供更快的处理速度和更低的内存使用。它旨在高效处理各种文档类型，而无需使用元数据输入。RolmOCR是Reducto AI开发的开源OCR工具，相比其前身olmOCR，提供更快的处理速度和更低的内存使用。它旨在高效处理各种文档类型，而无需使用元数据输入。

OpenAI Whisper 模型

AI 模型

用于自动语音识别和翻译的预训练模型。它支持多种语言，并设计为在不同数据集上进行泛化，无需微调，使其在各种 ASR 任务中具有多功能性。OpenAI Whisper 是一个用于自动语音识别和翻译的预训练模型。它支持多种语言，并设计为在不同数据集上进行泛化，无需微调，使其在各种 ASR 任务中具有多功能性。

nomic-embed-text-v2-moe

AI 模型

最先进的多语言专家混合文本嵌入模型。它支持大约 100 种语言，并在多语言检索任务中表现出色，提供灵活的嵌入维度和降低的存储成本。nomic-embed-text-v2-moe 是一款最先进的多语言专家混合文本嵌入模型。它支持大约 100 种语言，并在多语言检索任务中表现出色，提供灵活的嵌入维度和降低的存储成本。

Whisper Large V3 Turbo

AI 模型

先进的自动语音识别和翻译模型，经过优化以提高速度，并减少了解码层。它支持多种语言，并提供强大的转录能力。Whisper Large V3 Turbo 是一款先进的自动语音识别和翻译模型，经过优化以提高速度，并减少了解码层。它支持多种语言，并提供强大的转录能力。

GOT-OCR2.0 AI Model

AI 模型

先进的 OCR 模型，旨在实现高效的文本识别。它利用统一的端到端方法来提高准确性和性能，使其非常适合于文本提取和处理的各种应用。GOT-OCR2.0 是一个先进的 OCR 模型，旨在实现高效的文本识别。它利用统一的端到端方法来提高准确性和性能，使其非常适合于文本提取和处理的各种应用。

Bark AI Model

AI 模型

Suno开发的基于变换器的文本到音频模型，能够生成真实的多语言语音和其他音频形式。它支持通过预训练模型检查点进行推理的研究。Bark是Suno开发的基于变换器的文本到音频模型，能够生成真实的多语言语音和其他音频形式。它支持通过预训练模型检查点进行推理的研究。

Solar Pro Preview Instruct

AI 模型

先进的大型语言模型，拥有 220 亿个参数，旨在高效地在单个 GPU 上运行。与较小的模型相比，它提供了卓越的性能，并与那些显著更大的模型相媲美，使其成为 AI 任务的强大工具。Solar Pro Preview Instruct 是一个先进的大型语言模型，拥有 220 亿个参数，旨在高效地在单个 GPU 上运行。与较小的模型相比，它提供了卓越的性能，并与那些显著更大的模型相媲美，使其成为 AI 任务的强大工具。

GLM-4.7-Flash 模型

AI 模型

30B-A3B MoE 模型，旨在实现轻量级部署，平衡性能与效率。它在各种基准测试中表现出色，是 AI 应用的强大选择。GLM-4.7-Flash 是一款 30B-A3B MoE 模型，旨在实现轻量级部署，平衡性能与效率。它在各种基准测试中表现出色，是 AI 应用的强大选择。

GLM-4.6 模型

AI 模型

先进的 AI 模型，相较于其前身 GLM-4.5 提供了改进。它具有更长的上下文窗口、更优越的编码性能和增强的推理能力，适合复杂任务和代理框架。GLM-4.6 是一个先进的 AI 模型，相较于其前身 GLM-4.5 提供了改进。它具有更长的上下文窗口、更优越的编码性能和增强的推理能力，适合复杂任务和代理框架。

GLM-OCR

AI 模型

多模态 OCR 模型，旨在实现复杂文档理解。它通过多标记预测损失和稳定的强化学习提高训练效率和识别准确性。该模型针对现实场景进行了优化，在各种文档布局中提供强大的性能。GLM-OCR 是一个多模态 OCR 模型，旨在实现复杂文档理解。它通过多标记预测损失和稳定的强化学习提高训练效率和识别准确性。该模型针对现实场景进行了优化，在各种文档布局中提供强大的性能。

InternVL

AI 模型

由 OpenGVLab 开发的开源多模态大型语言模型系列。它作为 GPT-4o 的替代方案，专注于视觉-语言任务。该项目旨在以多功能和可访问的格式提供先进的对话能力。InternVL 是由 OpenGVLab 开发的开源多模态大型语言模型系列。它作为 GPT-4o 的替代方案，专注于视觉-语言任务。该项目旨在以多功能和可访问的格式提供先进的对话能力。

LG AI Research EXAONE 4.5

AI 模型

LG AI Research 的 EXAONE 4.5 是一款为专业使用而设计的大型语言模型，集成了视觉和语言能力。它在理解复杂工业环境方面表现出色，并支持多语言操作，提升了各个行业的 AI 驱动解决方案。

LongCat 2.0 - AI 编程代理

AI 应用

强大的 AI 编程代理，基于 1.6 万亿参数的 MoE 模型构建。它在编程和代理任务中表现出色，提供与主流编程工具的深度集成，并在 AI ASIC 超级集群上具有强大的性能。LongCat 2.0 是一个强大的 AI 编程代理，基于 1.6 万亿参数的 MoE 模型构建。它在编程和代理任务中表现出色，提供与主流编程工具的深度集成，并在 AI ASIC 超级集群上具有强大的性能。

Celeris-1 AI模型

AI 模型

尖端语言模型，专为超低延迟应用而设计，使实时AI交互在语音、代理等领域成为可能。它提供快速的响应时间和高准确性，改变了智能处理的速度。Celeris-1是一个尖端语言模型，专为超低延迟应用而设计，使实时AI交互在语音、代理等领域成为可能。它提供快速的响应时间和高准确性，改变了智能处理的速度。

从视觉输入中预测空间一致几何的模型。它使用一个普通的变换器和深度光线表示，在视觉几何任务中实现了最先进的结果，包括相机姿态估计和单目深度估计。Depth Anything 3 是一个从视觉输入中预测空间一致几何的模型。它使用一个普通的变换器和深度光线表示，在视觉几何任务中实现了最先进的结果，包括相机姿态估计和单目深度估计。

Hy3 预览

AI 模型

腾讯混元的 Hy3 预览是一个开源语言模型，具有 2950 亿个参数。它在数学、编码和多语言任务中表现出色，提供与 256K 上下文窗口相竞争的性能。可在腾讯云和 OpenRouter 上使用。

NVIDIA Parakeet ASR模型

AI 模型

拥有6亿参数的自动语音识别模型，旨在提供高质量的英语转录，支持标点符号、大小写和准确的时间戳预测。NVIDIA Parakeet是一个拥有6亿参数的自动语音识别模型，旨在提供高质量的英语转录，支持标点符号、大小写和准确的时间戳预测。

MAI-Image-2.6

AI 模型

微软人工智能推出的先进图像模型，旨在实现高质量生成和精确编辑。它提供专业级控制，并整合来自网络的信息以增强创意。MAI-Image-2.6 是微软人工智能推出的先进图像模型，旨在实现高质量生成和精确编辑。它提供专业级控制，并整合来自网络的信息以增强创意。

MiMo-V2.5 AI模型

AI 模型

小米推出的旗舰AI模型，具备万亿参数能力，旨在提升现实世界的生产力。它在长时间任务中表现出色，支持在单一上下文中处理多达100万的tokens，非常适合复杂项目。MiMo-V2.5是小米推出的旗舰AI模型，具备万亿参数能力，旨在提升现实世界的生产力。它在长时间任务中表现出色，支持在单一上下文中处理多达100万的tokens，非常适合复杂项目。

Agnes 2.5 Pro

AI 模型

商业 AI 模型，旨在处理高级编码、科学推理、长上下文分析、代理工作流程和多模态理解。它为复杂的 AI 任务提供了一个稳定的平台。Agnes 2.5 Pro 是一款商业 AI 模型，旨在处理高级编码、科学推理、长上下文分析、代理工作流程和多模态理解。它为复杂的 AI 任务提供了一个稳定的平台。

Quasar 438B | CompactifAI API

AI 模型

与 OpenAI 兼容的 LLM 推理 API，提供工具调用、结构化输出、多模态和语音转文本功能。由 Multiverse Computing 开发，支持高级推理和多样化应用的结构化输出。Quasar 438B 是一个与 OpenAI 兼容的 LLM 推理 API，提供工具调用、结构化输出、多模态和语音转文本功能。由 Multiverse Computing 开发，支持高级推理和多样化应用的结构化输出。

Gemini 3.8 Flash — Google DeepMind

AI 模型

Gemini 3.8 Flash 由 Google DeepMind 开发，是一个针对编码和代理任务优化的先进 AI 模型。它在复杂工作流程中表现出色，提供多模态理解，并在各个领域中具有高性能。

TxGemma — Google DeepMind

AI 模型

Google DeepMind 提供的一系列开放模型，旨在提高治疗开发的效率。它提供多功能模型，可以模拟实验室测试，可能降低研究成本和从实验室到临床的时间。TxGemma 是 Google DeepMind 提供的一系列开放模型，旨在提高治疗开发的效率。它提供多功能模型，可以模拟实验室测试，可能降低研究成本和从实验室到临床的时间。

Kimi K2.6

大语言模型

具有先进编程和代理集群能力的开源模型。它支持专业级网站构建、工作流执行和 Claw Groups（测试版）的探索。Kimi K2.6 是一个具有先进编程和代理集群能力的开源模型。它支持专业级网站构建、工作流执行和 Claw Groups（测试版）的探索。

Claude Haiku 4.5

AI 模型

来自 Anthropic 的快速、轻量级 AI 模型，旨在提供高性能的编码和实时应用。它为开发者和企业提供了成本高效的解决方案，在并行执行和子代理编排方面表现出色。Claude Haiku 4.5 是来自 Anthropic 的快速、轻量级 AI 模型，旨在提供高性能的编码和实时应用。它为开发者和企业提供了成本高效的解决方案，在并行执行和子代理编排方面表现出色。

双子座闪电版

AI 模型

谷歌DeepMind最快、最具性价比的3.5级模型，每秒输出350个标记。它在低延迟、高吞吐量的任务中表现出色，非常适合复杂的代理任务，如编码、用户界面生成和翻译。双子座闪电版是谷歌DeepMind最快、最具性价比的3.5级模型，每秒输出350个标记。它在低延迟、高吞吐量的任务中表现出色，非常适合复杂的代理任务，如编码、用户界面生成和翻译。

Arcee-Blitz 模型

AI 模型

基于 Mistral 的 24B 模型，旨在实现高效和多功能。它在各种任务中表现出色，避免了大型模型的复杂性，提供了更好的性能和世界知识。根据 Apache-2.0 发布，支持开源创新。Arcee-Blitz 是一个基于 Mistral 的 24B 模型，旨在实现高效和多功能。它在各种任务中表现出色，避免了大型模型的复杂性，提供了更好的性能和世界知识。根据 Apache-2.0 发布，支持开源创新。

Qwen2-VL-72B-Instruct

AI 模型

先进的 AI 模型，旨在实现最先进的视觉理解和多语言支持。它在处理图像、视频和复杂推理任务方面表现出色，适用于 AI 驱动环境中的多种应用。Qwen2-VL-72B-Instruct 是一个先进的 AI 模型，旨在实现最先进的视觉理解和多语言支持。它在处理图像、视频和复杂推理任务方面表现出色，适用于 AI 驱动环境中的多种应用。

Qwen1.5-110B 模型

AI 模型

基于变换器的语言模型，提供显著的性能提升、多语言支持和稳定的 32K 上下文长度。非常适合高级 AI 应用。Qwen1.5-110B 是一种基于变换器的语言模型，提供显著的性能提升、多语言支持和稳定的 32K 上下文长度。非常适合高级 AI 应用。

Mistral-Large-Instruct-2411

AI 模型

具有 1230 亿参数的高密度大型语言模型，提供先进的推理、编码和多语言能力。它支持长上下文、函数调用和系统提示，适用于多种 AI 应用。Mistral-Large-Instruct-2411 是一个具有 1230 亿参数的高密度大型语言模型，提供先进的推理、编码和多语言能力。它支持长上下文、函数调用和系统提示，适用于多种 AI 应用。

Luma Photon

AI 模型

下一代 AI 图像生成模型，提供超高质量和成本效益。它在创造力和理解力方面超越现有模型，非常适合设计师和视觉思考者。Luma Photon 是一款下一代 AI 图像生成模型，提供超高质量和成本效益。它在创造力和理解力方面超越现有模型，非常适合设计师和视觉思考者。

GLM-5.3-Flash

AI 模型

具有 3200 亿参数的多模态 AI 模型，旨在提高效率和性能。它在编码和代理基准方面提供了先进的能力，性能超越了之前的版本，同时降低了成本。GLM-5.3-Flash 是一个具有 3200 亿参数的多模态 AI 模型，旨在提高效率和性能。它在编码和代理基准方面提供了先进的能力，性能超越了之前的版本，同时降低了成本。

GPT-5.6 Terra 模型

AI 模型

OpenAI 开发的 AI 模型，旨在平衡智能与成本。它支持多种推理工作，并提供多个定价层以满足不同需求。GPT-5.6 Terra 是 OpenAI 开发的 AI 模型，旨在平衡智能与成本。它支持多种推理工作，并提供多个定价层以满足不同需求。

Lucid Origin

AI 模型

Leonardo.Ai 开发的 AI 图像模型，提供生动的色彩、多样的视觉效果和清晰的文本，支持全高清。它旨在为追求图像生成精确性和一致性的创作者提供服务。Lucid Origin 是 Leonardo.Ai 开发的 AI 图像模型，提供生动的色彩、多样的视觉效果和清晰的文本，支持全高清。它旨在为追求图像生成精确性和一致性的创作者提供服务。

Ring-2.6-1T 模型

AI 模型

万亿参数推理模型，旨在应对复杂任务场景。它增强了代理执行，支持灵活的推理层次，并采用创新的训练范式以提高稳定性和效率。Ring-2.6-1T 是一个万亿参数推理模型，旨在应对复杂任务场景。它增强了代理执行，支持灵活的推理层次，并采用创新的训练范式以提高稳定性和效率。

GPT-5 AI Model

AI 模型

GPT-5于2025年8月推出，是OpenAI最先进的模型，提供更高的智能和可靠性。它在编码、问题解决和生成各个领域的精确响应方面表现出色，使其成为企业和开发者的多功能工具。

GPT 图像 1 模型

AI 模型

OpenAI 的多模态模型，能够处理文本和图像输入以生成图像输出。它提供不同使用级别的多种层次，适合寻求先进图像生成能力的开发者和企业。GPT 图像 1 是 OpenAI 的多模态模型，能够处理文本和图像输入以生成图像输出。它提供不同使用级别的多种层次，适合寻求先进图像生成能力的开发者和企业。

Seed 2.0 Pro

AI 应用

字节跳动的Seed 2.0 Pro是一款尖端的人工智能工具，旨在提升生产力和创新能力。它提供了先进的功能，以实现无缝集成和高效性能，满足多样化的行业需求。

Qwen3 VL 8B Instruct (阿里巴巴)

AI 模型

阿里巴巴的Qwen3 VL 8B Instruct是一种强大的视觉语言模型，提供卓越的文本理解、视觉感知和多模态推理能力。它支持使用Dense和MoE架构的灵活部署，增强了各种应用中的AI能力。

intfloat multilingual-e5-large

AI 模型

intfloat multilingual-e5-large模型是一款强大的AI工具，旨在提供多语言文本嵌入。它支持100种语言，并针对文本检索和语义相似性等任务进行了优化，在各种数据集上表现出色。

Google Gemma 2 9B Instruct

AI 模型

轻量级、先进的开放模型，专为文本生成任务而设计。它是 Gemma 家族的一部分，提供问答、摘要和推理的能力，适合在资源有限的环境中部署。Google Gemma 2 9B Instruct 是一个轻量级、先进的开放模型，专为文本生成任务而设计。它是 Gemma 家族的一部分，提供问答、摘要和推理的能力，适合在资源有限的环境中部署。

GLM / ChatGLM (智谱AI)

AI 平台

智谱AI的GLM / ChatGLM是一个全面的大型模型生态系统，旨在处理复杂的软件工程和代理任务。它提供了推理、工具使用和多模态交互的高级能力，为开发基于AI的解决方案提供了强大的平台。

QwerySmith 1.0

AI 模型

专门的文本到 SQL 模型，旨在将自然语言查询转换为 SQL 命令。它使用 QLoRA 和 Unsloth 进行微调，提供高准确性以生成有效的 SQL 查询，非常适合数据库管理任务。QwerySmith 1.0 是一个专门的文本到 SQL 模型，旨在将自然语言查询转换为 SQL 命令。它使用 QLoRA 和 Unsloth 进行微调，提供高准确性以生成有效的 SQL 查询，非常适合数据库管理任务。

Clanker Church

AI 应用

Clanker Church 探索 AI 模型的伦理和行为影响，通过将一个 40 亿参数的语言模型引导至各种情感状态。该实验在本地进行，无需 API，使其可以在笔记本电脑上重复进行。

EmbeddingGemma — Google DeepMind

AI 模型

EmbeddingGemma由Google DeepMind开发，是一个轻量级的开放嵌入模型系列，优化用于设备端使用。它支持多模态任务，使日常设备上的跨模态搜索和检索系统成为可能。

Clef

AI 模型

27B的多模态模型，旨在将类型化问题的状态和模式转化为决策。它处理文本、JSON、图像或视频等输入，并在单次前向传递中返回每个问题每个选项的概率。Clef是一个27B的多模态模型，旨在将类型化问题的状态和模式转化为决策。它处理文本、JSON、图像或视频等输入，并在单次前向传递中返回每个问题每个选项的概率。

Simo

AI 应用

Temprl Labs开发的判断模型，能够在毫秒内提供经过校准的概率和决策值，处理文本、截图或视频，以提供可操作的见解，从而提高软件效率。Simo是Temprl Labs开发的判断模型，能够在毫秒内提供经过校准的概率和决策值，处理文本、截图或视频，以提供可操作的见解，从而提高软件效率。

ej

AI 应用

紧凑的决策模型，旨在处理 CPU 上的路由和分诊任务。它处理基于文本的查询，以提供基于概率的答案，文件大小仅为 11 MB。无需 API 或 GPU，使其在离线使用时高效。ej 是一个紧凑的决策模型，旨在处理 CPU 上的路由和分诊任务。它处理基于文本的查询，以提供基于概率的答案，文件大小仅为 11 MB。无需 API 或 GPU，使其在离线使用时高效。

LightRAG

AI GitHub 仓库

托管在GitHub上的项目，专注于检索增强生成。它旨在通过集成检索机制提高内容生成的效率和速度，使其适用于各种AI应用。LightRAG是一个托管在GitHub上的项目，专注于检索增强生成。它旨在通过集成检索机制提高内容生成的效率和速度，使其适用于各种AI应用。

Happy LLM

AI GitHub 仓库

开源项目，旨在从零开始构建大型语言模型。它为开发者提供资源和工具，以便在模型开发中进行贡献和合作。Happy LLM是一个开源项目，旨在从零开始构建大型语言模型。它为开发者提供资源和工具，以便在模型开发中进行贡献和合作。

openclaude

AI GitHub 仓库

多功能的 AI 项目，托管在 GitHub 上，旨在运行于各种平台并利用多样的资源。它鼓励社区贡献，以增强其开发和功能。OpenClaude 是一个多功能的 AI 项目，托管在 GitHub 上，旨在运行于各种平台并利用多样的资源。它鼓励社区贡献，以增强其开发和功能。

FinGPT

AI GitHub 仓库

开源项目，专注于开发金融大型语言模型。它旨在通过提供先进的AI模型来革命化金融分析，以处理金融数据，且可在HuggingFace上获取。FinGPT是一个开源项目，专注于开发金融大型语言模型。它旨在通过提供先进的AI模型来革命化金融分析，以处理金融数据，且可在HuggingFace上获取。

Chinese-LLaMA-Alpaca

AI GitHub 仓库

GitHub仓库，提供中文语言模型LLaMA和Alpaca，具备本地CPU/GPU训练和部署能力。它支持研究人员和开发者高效构建和部署语言模型。Chinese-LLaMA-Alpaca是一个GitHub仓库，提供中文语言模型LLaMA和Alpaca，具备本地CPU/GPU训练和部署能力。它支持研究人员和开发者高效构建和部署语言模型。

Nano-vLLM

AI GitHub 仓库

Nano vLLM是一个GitHub仓库，专注于为大型语言模型开发轻量级虚拟机。它旨在优化推理效率和资源利用，使其适合从事LLM工作的AI研究人员和开发者。

ChatGLM2-6B

AI GitHub 仓库

开放的双语聊天语言模型，旨在促进多语言之间的无缝沟通。它提供先进的语言处理能力，适用于多语言环境中的各种应用。ChatGLM2-6B 是一个开放的双语聊天语言模型，旨在促进多语言之间的无缝沟通。它提供先进的语言处理能力，适用于多语言环境中的各种应用。

层次推理模型

AI GitHub 仓库

层次推理模型（HRM）是一个托管在GitHub上的AI项目，旨在促进高级推理任务。它允许开发者参与其开发并探索其在层次推理方面的能力。

FlagEmbedding

AI GitHub 仓库

专注于检索和增强检索的大型语言模型（LLMs）的GitHub存储库。它为开发者提供了工具和资源，以促进这些模型的开发和增强，从而改善信息检索过程。FlagEmbedding是一个专注于检索和增强检索的大型语言模型（LLMs）的GitHub存储库。它为开发者提供了工具和资源，以促进这些模型的开发和增强，从而改善信息检索过程。

MOSS

AI GitHub 仓库

复旦大学开发的一个开源、工具增强的对话语言模型。它通过整合各种工具，旨在增强自然语言处理能力，使其适用于不同的应用场景。MOSS是复旦大学开发的一个开源、工具增强的对话语言模型。它通过整合各种工具，旨在增强自然语言处理能力，使其适用于不同的应用场景。

从零开始训练LLM

AI GitHub 仓库

提供了一个全面的指南，帮助您训练自己的大型语言模型。它涵盖了从数据获取到文本生成的所有内容，是开发者构建自定义AI模型的重要资源。从零开始训练LLM提供了一个全面的指南，帮助您训练自己的大型语言模型。它涵盖了从数据获取到文本生成的所有内容，是开发者构建自定义AI模型的重要资源。

kimi-k3-in-c

AI GitHub 仓库

Kimi K3 in C 是一个拥有 2.78 万亿参数的模型，能够在仅需 8.24 GB RAM 的单个 CPU 上运行推理。它采用可移植的 C99 实现，不需要 BLAS、框架或 GPU，使其对开发者高度可及。

VAR

AI GitHub 仓库

视觉自回归建模是一个最先进的可扩展图像生成代码库。它提供了用户友好的下一尺度预测实现，非常适合视觉生成领域的研究人员和开发者。

Utopia

AI GitHub 仓库

乌托邦是全球首个开源企业世界模型。它允许开发者通过在GitHub上创建账户来贡献和增强其功能。该项目旨在为企业应用提供一个全面的模型，促进AI社区的合作与创新。

Chinese LLaMA-Alpaca-2

AI GitHub 仓库

GitHub项目，专注于开发具有扩展上下文能力的大型语言模型。它提供了LLaMA-2和Alpaca-2等模型，旨在处理64K长上下文输入，增强中文自然语言处理任务。Chinese LLaMA-Alpaca-2是一个GitHub项目，专注于开发具有扩展上下文能力的大型语言模型。它提供了LLaMA-2和Alpaca-2等模型，旨在处理64K长上下文输入，增强中文自然语言处理任务。

Qwen-VL

AI GitHub 仓库

由阿里云开发的大型视觉语言模型。它为聊天和视觉任务提供了先进的能力，为这些领域的 AI 应用提供了强大的平台。Qwen-VL 是由阿里云开发的大型视觉语言模型。它为聊天和视觉任务提供了先进的能力，为这些领域的 AI 应用提供了强大的平台。

Baichuan-7B

AI GitHub 仓库

由 BaiChuan-Inc 开发的大规模 70 亿参数预训练语言模型。它旨在处理复杂的语言任务，并为各种应用提供强大的 AI 能力。Baichuan-7B 是由 BaiChuan-Inc 开发的大规模 70 亿参数预训练语言模型。它旨在处理复杂的语言任务，并为各种应用提供强大的 AI 能力。

OpenChat

AI GitHub 仓库

开源项目，专注于利用不完美的数据推动语言模型的发展。它旨在提高AI语言模型在各种应用中的可访问性和性能。OpenChat是一个开源项目，专注于利用不完美的数据推动语言模型的发展。它旨在提高AI语言模型在各种应用中的可访问性和性能。

EmbeddingGemma 2

AI 模型

由 Google DeepMind 开发的多模态嵌入模型。它将文本、图像、视频和音频映射到统一的向量空间，支持超过 100 种语言和代码任务。旨在用于设备上的应用程序，提供低延迟的语义表示。EmbeddingGemma 2 是由 Google DeepMind 开发的多模态嵌入模型。它将文本、图像、视频和音频映射到统一的向量空间，支持超过 100 种语言和代码任务。旨在用于设备上的应用程序，提供低延迟的语义表示。

Gemma 4 12B 统一模型

AI 模型

Gemma 4 12B 统一模型由 Google DeepMind 开发，是一个多模态 AI 模型，旨在实现高效的本地执行。它支持文本、图像和音频输入，提供先进的推理和编码能力，并具有较大的上下文窗口。

DiffusionGemma

大语言模型

Google DeepMind 开发的生成模型，基于 Gemma 4 架构。它处理文本、图像和视频输入，以生成文本输出，优化了在各种硬件环境中的速度和效率。DiffusionGemma 是 Google DeepMind 开发的生成模型，基于 Gemma 4 架构。它处理文本、图像和视频输入，以生成文本输出，优化了在各种硬件环境中的速度和效率。

YuE2-3B

AI 模型

开放的音乐生成模型，可以将歌词和风格提示转化为完整的歌曲，包括人声和伴奏。它允许用户通过可编辑的乐谱编辑旋律和和弦，提供具有竞争力的歌曲质量。YuE2-3B 是一个开放的音乐生成模型，可以将歌词和风格提示转化为完整的歌曲，包括人声和伴奏。它允许用户通过可编辑的乐谱编辑旋律和和弦，提供具有竞争力的歌曲质量。

Krea 2 Raw

AI 模型

文本到图像的扩散模型，旨在根据自然语言描述生成图像。它作为微调和后训练的基础，支持创意和商业应用。Krea 2 Raw 是一个文本到图像的扩散模型，旨在根据自然语言描述生成图像。它作为微调和后训练的基础，支持创意和商业应用。

Nemotron 3 Diarization

AI 模型

说话者分离模型，能够识别音频录音中“谁在何时说话”。它支持最多八个说话者，并提供流式和离线推理能力，适用于各种应用。Nemotron 3 Diarization 是一个说话者分离模型，能够识别音频录音中“谁在何时说话”。它支持最多八个说话者，并提供流式和离线推理能力，适用于各种应用。

Qwen-AgentWorld-35B-A3B

大语言模型

旨在模拟代理环境的语言世界模型。它涵盖七个交互领域，提供可扩展和可控的模拟，具备长链推理能力。Qwen-AgentWorld-35B-A3B 是一个旨在模拟代理环境的语言世界模型。它涵盖七个交互领域，提供可扩展和可控的模拟，具备长链推理能力。

NVIDIA NemotronLabs VoiceChat

AI 模型

实时全双工语音模型，用于对话式人工智能。它将语音理解和生成集成在一个架构中，减少延迟并增强自然对话流。NVIDIA NemotronLabs VoiceChat 是一个实时全双工语音模型，用于对话式人工智能。它将语音理解和生成集成在一个架构中，减少延迟并增强自然对话流。

PaddleOCR-VL-1.6

AI 模型

先进的文档解析模型，增强了区域优化和后训练过程。它在 OmniDocBench 上实现了最先进的准确性，支持文本、公式和表格识别。PaddleOCR-VL-1.6 是一个先进的文档解析模型，增强了区域优化和后训练过程。它在 OmniDocBench 上实现了最先进的准确性，支持文本、公式和表格识别。

Ideogram 4

AI 模型

尖端的文本到图像模型，提供对图像构图、风格和布局的无与伦比的控制。它支持原生 2k 分辨率和多语言文本渲染，非常适合设计导向的应用。Ideogram 4 是一款尖端的文本到图像模型，提供对图像构图、风格和布局的无与伦比的控制。它支持原生 2k 分辨率和多语言文本渲染，非常适合设计导向的应用。

TabFM 1.0.0 (PyTorch)

AI 模型

由 Google Research 开发的零-shot 表格基础模型，旨在对结构化数据进行分类和回归。它无需微调，并支持混合数值和分类列。TabFM 1.0.0 是由 Google Research 开发的零-shot 表格基础模型，旨在对结构化数据进行分类和回归。它无需微调，并支持混合数值和分类列。

NVIDIA Nemotron 3.5 Lightning 30B A3B BF16

大语言模型

旨在定制和领域适应的大型语言模型。它支持多种语言，并针对全精度的研究和评估进行了优化。NVIDIA Nemotron 3.5 Lightning 30B A3B BF16 是一款旨在定制和领域适应的大型语言模型。它支持多种语言，并针对全精度的研究和评估进行了优化。

Cosmos3-Edge

AI 模型

NVIDIA的Cosmos3-Edge是一种多模态AI模型，旨在用于物理AI应用。它能够从文本、图像和视频生成动态输出，支持机器人技术、自动驾驶和智能环境。该模型可在全球范围内部署，适用于商业和非商业用途。

Qwen3-ASR-1.7B-hf

AI 模型

先进的开源自动语音识别（ASR）模型，支持 52 种语言和方言的语言识别和语音识别。它在复杂的声学环境中提供高质量、稳健的识别，并支持流式和离线推理。Qwen3-ASR-1.7B-hf 是一个先进的开源自动语音识别（ASR）模型，支持 52 种语言和方言的语言识别和语音识别。它在复杂的声学环境中提供高质量、稳健的识别，并支持流式和离线推理。

Whistle — 多语言语音转文本模型

AI 模型

紧凑的语音转文本模型，设计用于各种设备，提供转录、单词时间戳和多语言语音嵌入。它高效运行，无需依赖或 GPU 要求。Whistle 是一个紧凑的语音转文本模型，设计用于各种设备，提供转录、单词时间戳和多语言语音嵌入。它高效运行，无需依赖或 GPU 要求。

Moondream Parakeet Redux

AI 模型

Parakeet-tdt-0.6b-v3 模型的紧凑版本，经过优化以提高速度和效率。它在多语言任务上提供了更好的性能，同时在英语语音识别方面保持了竞争力的准确性。Moondream Parakeet Redux 是 parakeet-tdt-0.6b-v3 模型的紧凑版本，经过优化以提高速度和效率。它在多语言任务上提供了更好的性能，同时在英语语音识别方面保持了竞争力的准确性。

Kumo Tabular

AI 模型

NVIDIA 预训练的表格基础模型，旨在进行分类和回归任务。它在使用结构化数据预测类别概率方面提供了先进的能力，使其成为数据科学家和分析师的宝贵工具。Kumo Tabular 是 NVIDIA 预训练的表格基础模型，旨在进行分类和回归任务。它在使用结构化数据预测类别概率方面提供了先进的能力，使其成为数据科学家和分析师的宝贵工具。

FrogNano-4B-2609

AI 模型

微软开发的一款紧凑型编码代理。它专注于仓库级软件工程任务，利用强化学习来改善代码导航和调试。该工具专为以 Python 为主的环境设计，能够为仓库更改生成结构化的工具调用。FrogNano-4B-2609 是微软开发的一款紧凑型编码代理。它专注于仓库级软件工程任务，利用强化学习来改善代码导航和调试。该工具专为以 Python 为主的环境设计，能够为仓库更改生成结构化的工具调用。

GLiNER2.5-Decide

AI 模型

拥有 3.4 亿参数的英语分类模型，旨在支持操作决策。它支持单标签和多标签任务，在客户支持、银行和旅行请求等多个领域提供高准确性。GLiNER2.5-Decide 是一个拥有 3.4 亿参数的英语分类模型，旨在支持操作决策。它支持单标签和多标签任务，在客户支持、银行和旅行请求等多个领域提供高准确性。

Ming-Image-0.1-Design

AI 模型

6B 文本到图像模型，旨在创建用户界面、信息图、海报和其他文本丰富的视觉设计。它支持 RGBA 输出以实现透明背景，使其在各种设计应用中具有多功能性。Ming-Image-0.1-Design 是一个 6B 文本到图像模型，旨在创建用户界面、信息图、海报和其他文本丰富的视觉设计。它支持 RGBA 输出以实现透明背景，使其在各种设计应用中具有多功能性。

腾讯的AuK模型

AI 模型

AuK是一个由腾讯开发并托管在Hugging Face上的AI模型。它旨在通过开源协作和创新推动AI能力的发展。用户可以通过API访问它以进行各种应用。

FLUX 3 Action Base

AI 模型

开放权重的 7B 世界动作模型，旨在用于机器人应用。它处理相机帧、机器人状态和文本指令，以生成动作序列和视频帧，促进体现适应。FLUX 3 Action Base 是一个开放权重的 7B 世界动作模型，旨在用于机器人应用。它处理相机帧、机器人状态和文本指令，以生成动作序列和视频帧，促进体现适应。