浏览 AI 技能、智能体和自动化

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐，50 步并带引导控制，音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

Qwen3.8-9B-Distill

empero-ai · 工具包

逐步推理数学、代码和一般问题，每个回答都以思考块开头。这是用更大的 Qwen3.8 教师模型的轨迹训练出的 9B Qwen3.5 模型，适合单张 GPU 使用。

MOSS-Image-IDM-2-Steps

akhaliq · 工具包

用两步、不带引导的方式从文字生成图片，是 MOSS-Image-SFT 的一个小适配器，另有第二个适配器可做轻度图片编辑。适合在本地运行图像生成的人。

t5-base-grammar-correction

vennify · 工具包

用在 JFLEG 数据集上训练的 T5 模型改写英文文本，减少语法错误。由 vennify 制作，适合想在 Python 里加入语法修正步骤的写作者、学生和开发者。

SmolLM3-3B-GGUF

unsloth · 工具包

用 SmolLM3 聊天和推理，这是个完全开放的 3B 模型，可以一步步思考，也可以直接回答，提供 Unsloth 制作的 GGUF 文件，带聊天模板修复。能处理长文本和六种语言。

Kandinsky S2V 1.0 Lite distilled

kandinskylab · 工具包

把一张参考图和一段语音变成头像视频，让整个人物随语音动起来。蒸馏版 Lite 只需 16 步，速度约为基础版的 5 倍。

FlashVSR

JunhaoZhuang · 工具包

一个一步扩散的视频超分辨率模型，以流式方式放大低分辨率视频，在单块 A100 GPU 上处理 768 x 1408 视频约 17 帧每秒。这是第一版，即版本 1。

Qwen3.5-4B-Claude-4.6-Opus-Reasoning-Distilled-GGUF

Jackrong · 工具包

在 think 标签里一步步思考问题，是用推理链微调的 4B Qwen3.5 模型，以 GGUF 打包。适合想在自己电脑上运行小型推理模型的人。

Agents-A1

InternScience · 工具包

作为一个 35B 开放权重语言模型，负责多步骤智能体工作：规划、搜索、调用工具和科学推理。适合要把模型接入会调用工具的智能体的开发者。

Qwen3.6-35B-A3B-Claude-4.6-Opus-Reasoning-Distilled-GGUF

hesamation · 工具包

以四种量化大小的 GGUF 文件在你自己的机器上运行推理微调的 Qwen3.6-35B-A3B，训练数据是 Claude Opus 4.6 风格的推理数据。适合想在本地获得逐步推理回答的人。

Darwin-27B-ZTC

FINAL-Bench · 工具包

读取一个情境和一组带类型的问题，一次前向计算就为每个选项返回概率，不生成任何文字。适合给工作流增加校准决策步骤的开发者。

gemma-4-31b-it-exl3-optimized

Dino0040 · 工具包

提供为 Gemma 4 31B-it 构建任意码率的优化 EXL3 量化版本所需的测量数据和配方。适合用 exllamav3 做量化，并想跳过耗时测量步骤的人。

GLaDOS_TTS

DavesArmoury · 工具包

面向 NVIDIA NeMo 的 GLaDOS 文字转语音声音，附带转换成 Riva 文件并在 Jetson 上部署的步骤，适合在 NVIDIA 硬件上做语音项目的人。

Chroma Context-1

chromadb · 工具包

一个 200 亿参数的搜索模型，为复杂的多步问题找出支撑文档，并在搜索中修剪自己的上下文。设计成与更大的推理模型搭配的检索助手。

MLTNT Militant Roots Reggae LoRAs for YuE2

becausereasons · 工具包

用六个 LoRA 文件把 YuE2-3B 音乐模型引向现代 militant roots reggae，从 steppers 到 dancehall 和嘻哈融合。适合想从歌词生成歌曲的音乐人和爱折腾的人。

Olmo-3.1-32B-Think

allenai · 工具包

回答前先用英语一步步推理，对数学和代码问题有帮助。这是 allenai 的 32B 开放模型，公开了代码、检查点和训练细节，通过 transformers 运行。

CADGenBench Leaderboard

HuggingAI4Engineering · 工具包

给把文字或图片描述变成有效 3D CAD 模型的 AI 系统排名，并为上传的 STEP 或 BREP 文件打分。适合 CAD 生成的研究者和工程师。

AgentForesight-7B

ZBox008003 · 工具包

在多智能体运行展开时进行审计，标出最早的决定性错误，并指出出错的步骤、智能体和简短原因。适合构建和调试智能体团队的开发者。

Tessera-small

thejagstudio · 工具包

用一个小型扩散模型，根据文字提示生成 16×16 像素画精灵图，大约 16 步就填满全部 256 个像素。适合非商业的游戏和美术实验。

Rostam-S1-4B

officialmobai · 工具包

一步一步推理数学、物理、科学编程以及波斯语或英语问题，并支持工具调用。基于 Spark-X2.6-4B 的 4.1B 模型，适合想要小型双语推理模型的人。

Morphy1.1-Coder-Beta-7B-GGUF

moolvylabs · 工具包

moolvylabs 的 7.6B 编程模型，提供 GGUF 形式，作为测试版发布并征求反馈。卡片很简短，目前没有运行步骤、基准或训练细节。

gemma-4-E4B-it-weight-space-programming

jstarks · 工具包

对 Google 的 Gemma 4 E4B-it 直接修改 0.002% 的权重、不做训练，用来解决思考模式下工具调用和多步数学的卡顿。也提供一个小型补丁文件。

granite-4.2-3b

ibm-granite · 工具包

回答前先一步步推理，在 IBM 的紧凑 3B 模型中提供工具调用、代码生成和多语言对话。原生支持 128K 上下文，采用 Apache 2.0 开源。

Maximizing Model Performance 指南

DavidAU · 工具包

指导你为本地语言模型调节采样器和参数，并给出在 LM Studio、SillyTavern、Ollama 和 Koboldcpp 里设置系统提示词、推理模型和专家数量的步骤。

Nimble-v4-max

bespokelabs · 工具包

传入上下文和带类型的问题（选择题、是非题或有序评分），为每个答案选项给出概率。这是 Qwen3.8-27B 的微调版本，适合构建分类器和决策步骤的开发者。

ACE-Step 1.5 XL Turbo

ACE-Step · 工具包

用 4B 参数的扩散模型只需 8 步就能生成音乐和其他音频，通过 Gradio 界面在本地运行。适合有 12 GB 以上显存 GPU 的创作者和开发者。

GLM-5.2

zai-org · 工具包

zai-org 推出的 753B 参数开放文本模型，适合编程和智能体这类长链条多步工作，有 1M 词元上下文，采用 MIT 许可证。适合拥有大型 GPU 集群的团队。

Spark-X2.6-1.7B-DSpark-GGUF

XHToken · 工具包

一个小型草稿模型，通过推测解码加速 Spark-X2.6-1.7B，每步最多猜 7 个 token。适合在支持它的 llama.cpp 构建上本地运行该模型的人。

FlashVSR+

ruchangyao · 工具包

一步扩散模型，把低质量视频变成更高分辨率的清晰视频，有速度更快的 Turbo 版和画质更好的 Base 版。适合有高性能 GPU 的视频剪辑者和视觉研究者。

Granite-4.2-30B

ibm-granite · 工具包

先分步骤思考再作答，适合数学、代码、工具调用和多语言对话。这是 IBM 最大的稠密 Granite 4.2 模型，采用 Apache 2.0 许可，适合在自己硬件上运行开源模型的团队。

ACE-Step 1.5

Comfy-Org · 工具包

在 ComfyUI 里根据文本生成音乐的模型文件，由原版 ACE-Step 1.5 重新打包而成。包含检查点、扩散模型、文本编码器和 VAE 文件，以及一组现成的工作流。

SenseNova-U1.5-8B-MoT-TailSteer

sensenova · 工具包

图像生成和编辑模型，连续多次编辑时更稳定，基于 SenseNova-U1.5-8B-MoT，加载步骤相同。适合反复编辑同一张图的设计师和研究者。

Hermes 4 14B

NousResearch · 工具包

Nous Research 的 14B 混合推理模型，基于 Qwen3-14B。它可以逐步思考、调用工具，并返回符合模式的 JSON。使用 ChatML 提示格式。

MOSS-Image-SFT-4-steps

akhaliq · 工具包

让 MOSS-Image-SFT 文生图模型只用 4 步、无需引导就能出图，只需一个 LoRA 文件。可渲染英文和中文文字，适合 ComfyUI 和 diffusers 用户。

Xing4.0-29B-A4B

XingChen-AGI · 工具包

用于生成文本，处理规划和调用工具等多步骤任务，支持中英文和 256K 上下文。这是一个混合专家模型，适合自行部署运行的开发者。

MOSS-Image-Base 8-step data-space DMD

lodestones · 工具包

对 MOSS-Image-Base 的一个仍在进行中的蒸馏，8 步、无需引导即可出图，以 LoRA 和数据空间采样器的形式提供。适合试验快速文生图采样的人。

Granite-4.2-8B

ibm-granite · 工具包

逐步推理、写代码、调用工具，并用多种语言聊天，上下文最长 128K token，可扩展到 512K。这是 IBM 的稠密 8B 模型，适合构建智能体和助手的开发者。

SmolLM3-3B

HuggingFaceTB · 工具包

作为小型 3B 开放模型来写作和回答问题，支持可切换的逐步思考、工具调用和长上下文，适合想在自己电脑上用紧凑模型的开发者。

Quark

FirstPrinciplesLabs · 工具包

FirstPrinciples 从 Qwen3.5-9B 微调出的 9B 物理、科学和数学推理模型。适合想要分步推导和第二意见，并希望在本地或离线使用的研究者。

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。

Qwen3.8-35B-A3B-Distill

empero-ai · 工具包

回答前先一步步推理，使用 35B 的混合专家模型，每个词元只激活约 3B 参数。由 Qwen3.8 教师推理轨迹蒸馏而来，侧重数学和代码。

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。

Raon-1 nano (LiteRT-LM)

KRAFTON · 工具包

把 Raon-1 nano 打包成 4-bit 的 LiteRT-LM 包，上下文 4,096 个 token，用于在设备上运行韩英双语聊天模型。回复不带思考步骤。

Qwen3.5-0.8B-weight-space-programming

ML-Intern-lab · 工具包

用一个小型 Qwen3.5-0.8B 模型一步步解数学题，它的权重由一个 LLM 直接修改，没有经过训练，用来消除重复循环。适合研究人员和想试验权重编辑的人。

Terminal-RSI-27B

Teriminal-RSI · 工具包

处理多步骤的终端任务，比如检查仓库、编辑代码和修复依赖。这是一个基于 Qwen3.8-27B 的 27.8B 参数智能体模型，面向研究者和智能体构建者。

MOSS-Image-SFT-8-steps-dmd

lodestones · 工具包

把 MOSS-Image-SFT 的出图步数减到 8 步且不用 CFG，以 ComfyUI 的 LoRA 文件提供。这是一个仍在进行中的蒸馏，适合在本地生成图像的人。

Idol Turbo

speridlabs · 工具包

用 5 步、无引导的采样，把一张物体图片变成最多一百万个 3D 高斯，是 Idol 经过蒸馏的更快版本，适合 3D 美术师和 ComfyUI 用户。

STRATA

nvidia · 工具包

以 10 分钟的时间步长，模拟公里级全球风暴分辨大气模拟，用于天气和气候研究。这是 NVIDIA Earth-2 的检查点，有 331.7M 参数。

Muse Glimmer 30B

meta-models · 工具包

读取文字和图片，在本地机器上完成工具调用、多步推理等智能体任务，是从 Muse Spark 蒸馏出的 30B 模型。适合构建本地智能体的开发者。

Kromoss

lodestones · 工具包

用 MOSS-Image-Base 在 1024 px 下的完整微调版本根据文字生成图片，另附两个 8 步加速 LoRA。可直接替换 MOSS-Image-SFT，适合 diffusers 和 ComfyUI 用户。

moss_image_base_dmd2

data-archetype · 工具包

作为 MOSS-Image-Base 模型的蒸馏 LoRA，用 8 步而不是 50 步根据文字出图。适合想要更快生成图片的 ComfyUI 和 Diffusers 用户。

Sentiment_analysis

anbohan · 工具包

一个 Gradio 应用，按名字看是判断文本的情感。没有指定模型，README 也没写步骤，具体结果看页面。

Reddit Video Downloader

Amrrs · 工具包

一个 Streamlit 应用，按名字看是用来保存 Reddit 上的视频。README 没有写步骤，具体要求看页面。适合有权保存该视频的人。

Gpt2 Multiplication Predictor

yuntian-deng · 工具包

一个 Gradio 演示，对比被训练来做大数乘法的 GPT-2 模型，包括名字里标明不带推理步骤、隐含推理步骤和写出推理步骤的几种版本。适合 AI 研究者和好奇的学习者。

SNK Master IA

Snak80 · 工具包

一个在浏览器里为音频做均衡和母带处理的页面，可以借助 AI，也可以手动，并附官方 PDF 指南。适合想要简单母带步骤的音乐人和播客制作者。

Kiku ACE-Step 1.5

Reubencf · 工具包

用 ACE-Step 1.5 模型做音乐：由文字和歌词生成歌曲、纯音乐、混音、重绘，以及围绕你自己的人声编写乐队伴奏。它是 Kiku AI 工作室背后的引擎。

Marigold V2 klein Normal to Height

NightRaven109 · 工具包

用 FLUX.2 klein 4B 上的 Marigold V2，一步就把切线空间法线贴图变成高度图。这是一个面向纹理和 3D 材质工作的 Gradio 应用。

SenseNova-U1.5 MoT TailSteer

hugging-apps · 工具包

分多轮编辑图片，把每次的结果再作为下一轮的输入，同时限制漂移。适合想试用分步图片编辑或研究这个模型的人。

MuseTalk 1.5

henrybit · 工具包

用参考图片或视频加一段驱动音频生成口型同步的视频，并提供嘴部区域的测试步骤。是给做说话人脸的人用的 Gradio 演示。

Chat With Janus-Pro-7B

deepseek-ai · 工具包

和 DeepSeek 的 Janus-Pro-7B 模型聊天，它既能理解图片也能生成图片，生成的图片会做 2 倍放大。适合想在浏览器里试用多模态模型的人。

ACE-Step v1.5

ACE-Step · 工具包

用 ACE-Step 1.5 音乐模型，根据简单描述和歌词生成完整歌曲，也能编辑或翻唱已有音频。适合想要本地、快速的 AI 音乐工具的音乐人和创作者。

SeedVR2 3B Image Upscaler

Upsampler · 工具包

用 SeedVR2-3B 模型一步扩散修复并放大单张图片，可在 Hugging Face 的浏览器页面使用，也可在本机运行。适合想把模糊或偏小的图片变清晰的人。

NitroFusion2

ChenDY · 工具包

用 NitroFusion2 只需一两步就能从文字生成图片，它是基于 Z-Image-Turbo 的模型，页面运行在 ZeroGPU 硬件上。适合想要快速文生图结果的人。

ACE Step

ACE-Step · 工具包

在浏览器演示里用 ACE-Step 基础模型，根据文字描述和歌词生成音乐。适合想用 AI 快速得到多种风格和语言的音乐草稿的音乐人、制作人和内容创作者。

Qwenx86 Debugger

Quazim0t0 · 工具包

在浏览器里回放 Qwenx86 的录制运行。Qwenx86 是权重里内置 x86 计算机的 Qwen 模型，页面逐步显示寄存器、代码、RAM 和工具输出。

MOSS-Image 8-step DMD

hugging-apps · 工具包

用 MOSS-Image-SFT 的蒸馏版本，在 Gradio 页面里 8 步从文字生成图片，运行在 ZeroGPU 硬件上。这是一个仍在开发中的演示，适合想要更快文生图的人。

Idol Turbo

akhaliq · 工具包

把一张图片变成 3D 物体，比 Idol 快约 12x，用的是只需 6 步而不是 50 步的蒸馏版本。适合想快速得到图片转 3D 结果的人。

Tessera Pixel Studio

thejagstudio · 工具包

根据文字提示词绘制 16 乘 16 像素画，让你看着精灵一步步出现，然后还能编辑。基于一个小型扩散模型。仅限个人、研究和教育免费使用。

WAN2.2 I2V LIGHTNING-Video-4-8step

Saravutw · 工具包

在 Gradio 页面上用 Wan2.2 图生视频模型把静态图片变成短视频，设置成 4 到 8 步的快速运行。适合想在浏览器里让图片动起来的创作者。

一个 n8n 工作流，让 Supabase 表和 Notion 数据库保持一致。被编辑的页面会重新读取、切片并再次嵌入，聊天窗口根据已存的片段回答问题。

一个 n8n 工作流，把同一份 PDF 和同一条提示词直接发给 Claude 和 Google Gemini。你可以比较两个模型各自提取出什么，中间不需要单独的 OCR 步骤。

一个把你在 n8n 聊天窗口里输入的支出记下来的 n8n 工作流。智能体调用一个保存步骤，模型从你的消息里读出金额、说明和日期，再往 Google 表格里加一行。

一个 n8n 工作流，把聊天里的问题变成一份研究报告。模型提出搜索查询，SerpAPI 运行它们，Jina 读取结果页面，第三步写出 Markdown 报告。

一个 n8n 工作流：用 AI 步骤给每条新线索打分，热线索立刻收到带日历时段的短信并提醒销售，其余的进入培育。它跑在你自备的后端上。

一个分两步的 n8n 工作流。一步把每个工作流用了哪些凭据存下来，另一步是个聊天，由智能体用 SQL 作答。它只读类型、ID 和名称，从不读密钥。

一个用页面回应网址的 n8n 工作流。网址里带着一个请求，比如一个注册表单，OpenAI 先把它设计成结构化数据，第二步再写出 HTML，浏览器就拿到这个页面。

一个手动启动的 n8n 工作流，用一个 Google Calendar 事件开始。它从 Google Drive 取回这场 Meet 通话的转录，由 OpenAI 智能体写出摘要和后续步骤，并订下需要的后续会议。

Qwen3.8-27B

Qwen · 工具包

能读懂文字、图片和视频并用文字回复的 27B 开源模型，面向编程、研究和多步骤智能体任务，适合自己部署模型的开发者。

一个 n8n 工作流，把竞争对手的视频广告、你的产品照片和网站，变成一段为你自己做 12 秒广告的提示词。OpenAI 已在 2026 年 9 月移除 Sora 2，所以它的 Sora 2 渲染步骤已经不能用。

一个 n8n 工作流：给它一个题目，它写出一份 YouTube 脚本。Tavily 上网搜索，OpenAI 总结搜到的网页，长视频还会先列大纲。最后由一个智能体写出短视频或长视频脚本，存成一个新的 Google 文档。

一个 n8n 工作流：把你的照片和一张 Instagram 主页截图，做成一段你从玻璃质感的主页屏幕里走出来的竖版视频。Nano Banana Edit 合成画面，Veo 3 Fast 让它动起来，WaveSpeedAI 再把你的脸换回去。

Higgsfield 7 天无限生成，一步一步上手

工具包

手把手带你用 Higgsfield 的 7 天无限权益，从注册到下载第一条 20 秒的 Seedance 2.5 视频。这项权益要搭配付费订阅。工具包里还有一份技能，让你的 AI 帮你规划这七天，并写好每一条提示词。

Agent Skills 工程技能包

addyosmani · 技能

Addy Osmani 的开源工程技能集，给 AI 编程智能体用。每个技能是一份 Markdown 工作流，带步骤、检查和结束条件。安装说明涵盖 Claude Code、Codex、Cursor、Gemini CLI、Copilot 等。

Ladybird 独立网页浏览器

LadybirdBrowser · 工具包

Ladybird 开发者做的网页浏览器，引擎是自己的，建立在网页标准之上。它还在 pre-alpha 阶段，只适合开发者，所以要从源码自己编译。这份说明给出 Linux、macOS、Windows（WSL2）、FreeBSD 和 Android 的编译步骤。

text-to-cad 文字生成 CAD 插件

earthtojake · 技能

earthtojake 做的插件，让 Claude Code、Codex、Cursor、Gemini 和 Grok 在本地完成 CAD 工作流。智能体把每个模型写成 Python 脚本，生成 STEP、GLB、STL 或 3MF 文件，还能出工程图和可制造性检查。

Superpowers

obra · 技能

Jesse Vincent 做的技能合集，给你的编程智能体一套工作方法：先问清你要什么，请你批准设计，再写出分步计划，然后先写测试、再写代码，并做代码审查。

一步步讲清选中的代码做了什么，以及它的边界情况