浏览 AI 技能、智能体和自动化

Qwen2.5-VL-7B-Instruct-GGUF

unsloth · 工具包

Unsloth 制作的 Qwen2.5-VL-7B-Instruct 的 GGUF 文件，这个视觉语言模型能读图像、图表、文档和长视频，还能输出坐标和结构化数据。适合在本地运行它的人。

TinyLlama-1.1B-Chat-v1.0

TinyLlama · 工具包

以小型 1.1B 语言模型的身份用纯文本聊天，运行时占用内存很少。适合想要基于 Llama 风格基础模型的紧凑聊天模型的开发者和研究人员。

Hy-MT2-1.8B

tencent · 工具包

腾讯推出的 1.8B 模型，可在 33 种语言之间翻译，并能遵循翻译指令。适合想自己运行小型翻译模型的开发者和团队。

MOSS-Transcribe-Diarize

OpenMOSS-Team · 工具包

一次性把多位说话人的长录音变成带时间戳、带匿名说话人标签的转写稿，适合在 50 多种语言里转写会议、通话、播客和访谈的团队。

Hermes-4.3-36B

NousResearch · 工具包

这是一个推理型对话模型，可以一步步思考，也可以快速作答，还能返回符合你所给模式的 JSON。适合自己部署语言模型的人。

Klein-TTS-X1.5-Pro

klein-ml · 工具包

用 13.1M 参数的模型把文字变成四种语言的 24 kHz 语音，有 17 种声音，在 CPU 上比实时还快。适合需要小而快的语音模型的开发者。

bge-reranker-v2-m3

BAAI · 工具包

判断一段文字对查询的回答程度，用来给搜索结果重新排序，支持多种语言。输入问题和文档，返回一个相关性分数。适合构建搜索和检索流程的人。

Spark-X2.6-1.7B-GGUF

XHToken · 工具包

以 4-bit GGUF 文件运行 XHToken 的 1.7B 小型端侧语言模型，可做中英文的聊天、编码和智能体任务，思考强度可调。适合在本地运行模型的人。

Bielik-11B-v3.1-Instruct GGUF

speakleash · 工具包

能用波兰语、英语和另外六种语言回答的聊天模型，打包成五种大小的 GGUF 文件，供 llama.cpp 或 Ollama 使用。适合想在自己电脑上用指令模型的人。

ACE-Step 1.5

ACE-Step · 工具包

根据文字描述生成完整歌曲，由规划歌词和结构的语言模型，加上渲染音频的扩散 Transformer 组成。设计上可在消费级硬件上运行。

Qwen3.8-27B-NVFP4

unsloth · 工具包

Unsloth 制作的 Qwen3.8 27B 视觉语言模型的 4-bit NVFP4 副本，用 vLLM 提供服务。适合想要能读图像和视频、能在智能体工具里工作的稠密模型的开发者。

Qwen3-Embedding-8B

Qwen · 工具包

把文本变成向量，用于搜索、代码检索、分类和聚类，支持 100 多种语言。这是 Qwen 嵌入系列里的 8B 模型，向量大小可调，还支持任务指令。

hs-decide-1-flash

hindsight-ai · 工具包

针对文本状态上的有类型问题，一次给出每个选项的概率，不生成文字，支持八种语言。这是 Hindsight 工具用的 0.8B 决策模型，可用 vLLM 或 Transformers 提供服务。

Qwen3-8B

Qwen · 工具包

Qwen 的 8.2B 开放语言模型，可在处理难题的思考模式和日常聊天的普通模式之间切换，支持工具调用和 100 多种语言。

parakeet-tdt-0.6b-v3

nvidia · 工具包

转写 25 种欧洲语言的语音，自动识别语言，并加上标点、大小写和词级时间戳。这是 NVIDIA 的 600M 参数语音转文字模型，面向开发者和转写服务。

NCM checkpoints

hazyresearch · 工具包

Hazy Research 为 Next-Concept Modeling 发布的研究检查点，这是一种由粗到细的文本生成方法，含用于摘要、翻译、数独和语言建模的分词器与生成器配对。

Qwen3-0.6B

Qwen · 工具包

最小的 Qwen3 对话模型，基于 Qwen3-0.6B-Base 构建。它能在思考模式和更快的普通模式之间切换，支持 100 多种语言和 32,768 token 的上下文，在普通硬件上也能运行。

gemma-4-E4B-it

google · 工具包

接收文字、图像和音频输入并输出文字，上下文 128K token，支持 140 多种语言。这是 Google DeepMind 的小型指令微调 Gemma 4 模型，为在笔记本和手机上运行而设计。

GLM-OCR

zai-org · 工具包

读取文档图像中的文字、公式和表格，并从中提取结构化信息，支持八种语言。这是 zai-org 的小型 OCR 模型，面向开发者和文档处理流水线。

Maya 2 Native

maya-research · 工具包

用 24 kHz 音频朗读 11 种印度语言和英语的文字，边生成边流式输出，带 20 个内置声音和跨语言声音克隆。这是一个可以自己托管的开放 2.5B 文字转语音模型。

gemma-4-E2B-it

google · 工具包

接收文字、图像和音频输入并输出文字，上下文 128K token，支持 140 多种语言。这是 Google DeepMind 最小的指令微调 Gemma 4 模型，为手机和笔记本而设计。

DeepSeek-V4-Flash

deepseek-ai · 工具包

DeepSeek 的预览版混合专家语言模型，总参数 284B，每个词元用 13B，上下文一百万词元。是 DeepSeek-V4-Pro 的较小兄弟。适合实验室和重度自托管。

Alpie Seed 9B GGUF

169Pi · 工具包

通过三种位深的 GGUF 文件，在你自己的机器上运行 169Pi AI 的图文模型 Alpie Seed 9B。适合想在本地做视觉语言对话的开发者。

gpt-oss-120b

openai · 工具包

OpenAI 的开放权重语言模型，117B 参数，可调推理强度，思维链可见并支持工具使用。能在一块 80 GB 的 GPU 上运行，采用 Apache 2.0 许可。

Chatterbox TTS

ResembleAI · 工具包

Resemble AI 的开源文字转语音模型，支持零样本声音克隆和情感夸张控制。最新的多语言版本覆盖 23 种语言，参数量 0.5B。

indra-ocr

datalab-to · 工具包

能在 CPU 上运行的小型 OCR 模型，把 PDF 和图片转成 markdown、文本，或带框的 JSON。能读手写和 80 多种语言。适合开发者和数据团队。

Scylla's Band

spybyscript · 工具包

既能朗读又能按旋律谱演唱的文字转语音模型，有十四种声音、六种语言，可调强度、语速和音高。

Qwen3-Embedding-0.6B

Qwen · 工具包

把文字转成数字向量，用于搜索、检索、分类和聚类，支持 100 多种语言，包括编程语言。是 Qwen3 Embedding 系列里最小的 0.6B 参数文本嵌入模型。

Ming-3.0-tts-0.5B

inclusionAI · 工具包

把文字转成七种语言的语音，包括中文和英文。它能用一段短音频复制声音，按描述设计新声音，并控制情绪、语速、音高和音量。

Spark-X2.6-4B-GGUF

XHToken · 工具包

面向设备端使用的紧凑 4B 语言模型的 GGUF 版本，针对编程、智能体和长上下文调校，有从无到高的三档思考级别。支持英文和中文。

WeVisOne-VL-4B

tencent · 工具包

用腾讯的一个 4B 视觉语言模型在图片中查找、计数、指向、识字和分割物体，并生成 alpha 抠图。适合做视觉定位和图像抠图的研究人员。

MNN-Pocket-0.3B-GGUF

taobao-mnn · 工具包

用 192 到 726 MB 的 GGUF 文件运行一个紧凑的 0.3B 中英文语言模型，专为手机、笔记本等设备端使用而做，可配合 llama.cpp、LM Studio 或 ollama。

bge-m3

BAAI · 工具包

把 100 多种语言的文字转成向量用于搜索，从短句到 8192 词元的文档都行。一个模型同时支持稠密、多向量和稀疏检索。由 BAAI 发布。

parakeet-ultra

moondream · 工具包

把语音转成文字，并给出句子和单词的时间戳。它是 moondream 对 NVIDIA parakeet-tdt-0.6b-v3 做后训练得到的版本，适合需要多语言准确转写的开发者。

Qwen3.5-4B-Qwenputer

divagr1925 · 工具包

一个实验性的 Qwen3.5-4B，把 32 位 RISC-V CPU 编译进了权重里，所以能在模型内部做精确算术，适合想探索语言模型内部计算的研究人员和好奇的开发者。

Whistle

Cactus-Compute · 工具包

转写七种语言的语音，给出单词时间戳和语音嵌入，模型只有 16.9 MB。一段简短的 Python 脚本就能运行，适合给应用加入语音功能的开发者。

Memorilla-Qwen3-8B

memorilla · 工具包

收录 Memorilla 的记忆模块检查点，通过 Qwen3-Embedding-4B 编码器给冻结的 Qwen3-8B 模型加上记忆。适合研究语言模型记忆的研究者。

Qwen3.5-4B

Qwen · 工具包

用一个 4B 的混合架构模型处理文字和图片输入，支持 201 种语言和方言，上下文为 262,144 个 token。适合在 transformers、vLLM 或 SGLang 里运行小型开放权重的开发者。

Raon-1 nano (GGUF)

KRAFTON · 工具包

把 Raon-1 nano 语言模型打包成适用于 llama.cpp 的 GGUF 文件，让开发者在自己的电脑上运行韩英双语聊天模型。列出了四种量化类型。

whisper-large-v3

openai · 工具包

OpenAI 的语音转文字模型，能转写多种语言的音频，可以把语音翻译成英文文字，还能加上句子或单词级时间戳，适合任何想把录音变成文字的人。

Qwen3.5-9B

Qwen · 工具包

Qwen 的 9B 开放模型，能读取文字和图片并输出文字，上下文很长，支持 201 种语言和方言，适合想在自己硬件上用中等规模模型的开发者。

Spark-X2.6-4B

XHToken · 工具包

一个 4.1B 的语言模型，擅长编程、智能体任务和长上下文，支持英文和中文，有三档思考强度，适合构建在自己设备上运行的智能体的开发者。

VoxCPM2

openbmb · 工具包

用 30 种语言和九种中文方言朗读文字，输出 48 kHz，可根据文字描述设计新声音，也能从一小段音频克隆声音。这是面向开发者的开放 2.3B 文字转语音模型。

Diffusion-Qwen3.8-27B

summerAIO · 工具包

把 Qwen3.8-27B 转成掩码扩散语言模型，用并行解掩码的方式生成文字。这是一个实验性的研究检查点，适合有大显卡的研究人员和机器学习工程师。

NVIDIA NemotronLabs RE-USE

nvidia · 工具包

用 NVIDIA 推出的 9.6M 参数小模型，清理任何语言里有噪声或受损的语音录音，适合需要更清晰人声的音频和语音开发者。

Mage-VL-Cowork

microsoft · 工具包

用一个约 4B 参数的小型视觉语言模型，根据截图和终端命令来操作电脑，由 Microsoft 开发，适合构建或研究电脑操作智能体的人。

Recursive Flint

RecursiveSI · 工具包

为编程智能体打造的 39.8B 混合专家语言模型，能调查代码库、修复 bug、实现功能并编写测试，适合在 GPU 服务器上运行自己智能体的开发者。

Laya

convaiinnovations · 工具包

用一次约 33 ms 的前向计算，对一条消息、邮件、工单或 JSON 记录里的带类型问题给出校准过的概率，支持 100 多种语言，适合给工单分流和文本分类的开发者。

THX-02

HAL-X-AI · 工具包

针对一条消息、文档、图片或图表里的纯文字问题，在几十毫秒内给出每个选项的概率，适合做工单分流和记录分类的开发者。

Unlimited-OCR

baidu · 工具包

用 Baidu 的 3.3B 视觉语言模型把文档图片和多页 PDF 解析成文字，适合把 OCR 和文档解析加入自己工具的开发者。