浏览 AI 技能、智能体和自动化

AIRealNet-2

Modotte · 工具包

一个小型图像分类器，区分 AI 生成的图片和人类拍摄的照片，针对不同质量的社交媒体图片做了调整。适合筛查图片的审核员、研究者和事实核查人员。

Mistral-7B-v0.1

mistralai · 工具包

作为 7B 预训练基础模型生成并续写文字，适合想要一个起点来测试、微调或在其上开发的研究人员和开发者。

MiroThinker-v1.0-8B

miromind-ai · 工具包

一个开放的研究智能体模型，能在长上下文中推理，并在每个任务里多次调用工具查找信息。基于 Qwen3-8B 的 8B 版本，适合在自己硬件上运行研究智能体的开发者。

KLM 1.5

MinimaLabs · 工具包

一个 99M 参数的基础语言模型，从零开始在 100B token 上训练，采用混合注意力设计。适合想运行、研究或微调一个极小开放模型的研究人员和爱好者。

TRELLIS-image-large

microsoft · 工具包

用微软的大型图像条件 TRELLIS 模型，从一张图片生成 3D 资产。适合想从图片获得 3D 内容的开发者、游戏美术和研究人员。

Phi-4

microsoft · 工具包

Microsoft Research 推出的 14B 开放语言模型，针对计算资源有限时的英语推理和对话做了调整。适合给应用添加文本功能，或研究中等规模模型的开发者。

Florence-2-large

microsoft · 工具包

把图片和一条简短的任务提示词配对，就能给图片写说明、找出物体、读出图中文字。适合用 transformers 在 Python 里跑视觉任务的开发者和研究人员。

SPEAR XLarge v2

marcoyang · 工具包

把 16 kHz 的语音和通用音频转成每帧 1280 个数字的特征，是约 6 亿参数的预训练 Zipformer 编码器。适合为语音识别或音频标注做微调的研究者。

Qwen3.8-27B-GSQ-RCO-IQ3_S-recovered-GGUF

Joakimpalm-Zen · 工具包

把 Qwen3.8-27B 压成重新训练过缩放值的 3 位 IQ3_S GGUF。这是给研究量化的人用的研究文件，不是原模型的忠实替身。

Granite-Docling-258M

ibm-granite · 工具包

把文档页面图像转换成结构化文本，支持公式、版面和关于页面元素的提问，是 IBM Research 的 258M 模型。适合用 Docling 构建文档转换的人。

Applio

IAHispano · 工具包

带浏览器界面的语音转换工具，注重易用和音质，支持插件。适合只转换自己有权使用的音频的艺术家、开发者和研究人员。

ALLaM-7B-Instruct-preview

humain-ai · 工具包

用阿拉伯语和英语回答问题、遵循指令。这是沙特数据与人工智能管理局（SDAIA）下属国家人工智能中心从零训练的 7B 模型，适合构建阿拉伯语工具的开发者和研究人员。

distilbert-sst2-rpc

Hooshaai · 工具包

在 GLUE SST-2 上微调的 DistilBERT 文本分类器，换用压缩的随机投影注意力，把打分计算量减半。适合研究更快注意力的实验模型。

SimulS2ST-Omni

HA-SA-ki · 工具包

提供英文和中文之间同声语音到语音翻译的模型文件，基于 OmniTalker。适合想运行或研究 EMNLP 2026 论文系统的研究者和开发者。

Tev-320B

gordonhu · 工具包

一个 320B 的混合专家智能体模型，只用一个 bash 工具完成较长的终端任务。用 1,170 个环境做强化学习训练，面向研究者，采用非商业许可。

bert-base-chinese

google-bert · 工具包

预测中文文本中被遮住的词，是 Google 针对中文预训练的 BERT base 模型。适合构建中文语言工具或为中文任务微调模型的开发者和研究人员。

AIpparel

georgeNakayama · 工具包

保存 AIpparel 的权重和数据集，这是一个面向数字服装、处理缝纫版型的多模态基础模型。适合做服装生成和编辑的研究人员。

Wav2Vec2-Base-960h

facebook · 工具包

把采样率为 16 kHz 的英语语音音频转成文字。这是在 960 小时 Librispeech 上微调过的 wav2vec 2.0 基础模型，适合需要转写基线的开发者和研究者。

TRIBE v2

facebook · 工具包

用一个映射到大脑皮层表面的多模态 Transformer，估计大脑对视频、音频和文本的 fMRI 反应。适合神经科学和 AI 研究者。

MoEViE-L16-384

facebook · 工具包

Meta 的混合专家视觉编码器，无需额外训练就能把图片匹配到文字标签，这里是 384px 的 L/16 模型。授权用于非商业研究。