浏览 AI 技能、智能体和自动化

SMaLL-100

alirezamsh · 工具包

在很长的语言列表之间翻译文本，覆盖超过 10K 个语言对，模型比 M2M-100 小得多、快得多。适合需要紧凑多语言翻译的开发者和研究者。

BaronLLM Offensive Security LLM Q6_K GGUF

AlicanKiraz0 · 工具包

回答安全问题，帮助规划经授权的红队演练，是 Llama 3.1 8B 的 Q6_K GGUF 微调版本。适合在有权测试的系统上工作的安全研究人员。

Wan2.2-Fun-5B-Control

alibaba-pai · 工具包

用 Canny、Depth、Pose 或 MLSD 等控制条件，或用轨迹，来引导生成的视频。适合在 videox_fun 库里使用 5B Wan2.2 基础模型的视频创作者和研究者。

H-JEPA

jepa-world-models · 工具包

提供已训练好的分层世界模型检查点，用于模拟迷宫、方块和推动任务以及 DROID 机器人数据上的视觉规划。适合复现论文的机器人和世界模型研究人员。

ActionCodec2

ZibinDong · 工具包

把机械臂的动作转成紧凑的词元，也能转回去，提供 34 个现成的分词器变体。适合训练读写机器人动作的模型的机器人研究人员。

VideoJev-4B

ZhuYuhan · 工具包

找出视频里某件事发生的时间，并回答关于视频的选择题，方式是直接给候选项打分。基于 Qwen3.5-4B，适合视频研究者和开发者。

BiRefNet

ZhengPeng7 · 工具包

在高分辨率下把图像分成主体和背景，来自 2024 年一个二分图像分割研究项目。适合开发者、图像编辑人员和计算机视觉研究人员。

OpenBonsai Qwen3.5-9B Ternary

webbrain-one · 工具包

用约 2 GB 的 GGUF 文件运行被压缩成三值权重的 Qwen3.5-9B，可在两个 llama.cpp 变体里用 CPU 运行。适合尝试极端压缩的研究预览版。

Wan2.1-T2V-14B

Wan-AI · 工具包

用 14B 的 Wan2.1 模型根据文字提示词生成 480P 或 720P 视频，还能把中文和英文文字放进画面。适合有强力 GPU 硬件的创作者和研究人员。

GameScaling

THUSI-Lab · 工具包

基于 Qwen3.5-0.8B 的小型视觉语言模型，来自一个面向多种虚拟游戏世界中具身智能体的持续预训练研究项目。适合研究游戏智能体的研究者。

qwen-2.5-0.5b-block-transformer-hiba-wikitext2

tahamajs · 工具包

把 Qwen2.5-0.5B 的 24 层注意力中的 18 层换成分层块注意力算子，再在 WikiText-2 上蒸馏。这是用于研究注意力改造的研究检查点，不是成品聊天模型。

qwen-2.5-0.5b-bam-umoe-wikitext2

tahamajs · 工具包

把 Qwen2.5-0.5B 的 24 层注意力中的 18 层换成混合专家注意力块，再在 WikiText-2 上蒸馏。这是用于研究注意力改造的研究检查点，不是成品聊天模型。

Matrix-Game 4.0

Skywork · 工具包

把正在运行的游戏的画面重绘成干净的低多边形视频，每个场景一个渲染器：古埃及、城市赛车和中世纪城堡。适合游戏开发者和视频模型研究人员。

MageTrail

RicemanT · 工具包

这个模型根据 booru 风格的标签提示词生成插画，是 MageFlow 4B 图像模型的 2.8B 参数微调版。适合使用 ComfyUI、想用标签生成插画的爱好者和研究人员。

IMUDINO

Octopus1 · 工具包

用 PyTorch 编码器把运动传感器记录（加速度计和陀螺仪）变成特征向量。适合基于惯性传感器数据建模的研究人员。

RFD4-Proteina

nvidia · 工具包

围绕你指定的结合靶点、酶基序或配体，同时设计蛋白质序列和全原子结构。这是 Baker Lab 和 NVIDIA 的研究模型，面向分子设计人员。

NVIDIA NemotronLabs RE-USE-laughter

nvidia · 工具包

清理多语言的嘈杂语音录音，同时保留笑声。这是一个 9.6M 参数的语音增强模型，适合修音频的创作者和准备语音数据集的研究人员。

NV-Reason-CT

nvidia · 工具包

读取胸部和腹部 CT 体数据，撰写结构化放射报告、回答问题并说明推理过程。适合做 CT 图像分析的研究人员和开发者。

YuE2-hum-to-song

Mothersuperior · 工具包

把 10 到 30 秒的哼唱旋律，加上风格描述和歌词，变成一首跟随你旋律的完整歌曲。这是 YuE2-3B 音乐模型的扩展，适合词曲创作者和音频研究人员。

VibeVoice-ASR

microsoft · 工具包

微软研究院的 8.7B 语音转文字模型，一次可转写最长 60 分钟的音频，说明谁在什么时间说了什么，支持可选的热词和超过 50 种语言。