开发者 AI 技能与智能体

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。

GPT-2

openai-community · 工具包

用最小的 GPT-2 模型根据提示词生成英文文本，它经过预训练，学习预测下一个词。适合想运行或微调小型基础模型的学习者、研究人员和开发者。

DeepSeek-R1

deepseek-ai · 工具包

用 684B 的推理模型生成文本，该模型主要通过强化学习训练，面向数学、代码和逻辑。适合自己托管大型开源模型的研究人员和团队。

Apex-35B-V1.0

Apexintelligence-AI · 工具包

用于编程、工具使用、问答、搜索和研究任务的文本模型，基于 Qwen3.6-35B-A3B，每个词元约用 3B 参数。适合开发者和研究者。

Qwen3.5-9B-Base

Qwen · 工具包

为研究人员和开发者提供带视觉编码器的预训练 9B 基础模型，用于微调和实验，而不是直接聊天。能处理文本和图像。

MiMo-V2.6-Distill-Qwen-9B

XiaomiMiMo · 工具包

Xiaomi MiMo 的 9B 智能体模型，由 Qwen3.5-9B 微调而来，覆盖编程、智能体任务、视觉编程和网络安全，作为研究的起点发布。

Arete-27B-GGUF

AtomicChat · 工具包

用六种尺寸的 GGUF 文件运行 Nous Research 的 Arete 27B，这是 Qwen3.8-27B 的微调版，能读文字和图像，并附有实测的质量损失。适合在自己 GPU 上运行大模型的人。

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。

PiVo-1.4M

empero-ai · 工具包

用两个合成声音 Pi 和 Vo 说英语，完整的文字转语音模型只有约 140 万参数，在 CPU 上运行，不需要网络连接。这是一个研究模型。

gemma-4-26B-A4B-it

google · 工具包

Google 发布的经指令微调的 Gemma 4 模型，读取文字和图像并输出文字，支持可配置的思考、函数调用，上下文窗口最长 256K 词元。适合开发者和研究者。

Qwen3.5-0.8B

Qwen · 工具包

读取图片和文字并用文字回复，来自 Qwen 的 873M 小模型。适合想用轻量多模态基础模型做原型或微调的开发者和研究者。

Wan2.2-TI2V-5B

Wan-AI · 工具包

用文字，或用图像加文字，生成 720P、24 fps 的视频，能在单块消费级显卡（如 4090）上运行。这是 Wan-AI 的 5B 视频模型，适合创作者和研究者。

Alpamayo 2 Edge

nvidia · 工具包

读取多路摄像头画面、导航指令和运动历史，输出带文字理由的行驶轨迹，也能回答关于场景的问题。适合自动驾驶开发者和研究者。

MOSS-Image-heal

KBlueLeaf · 工具包

KBlueLeaf 对 MOSS-Image-Base 文生图模型做的微调，缩小了其内部数据流里的极大值，同时让输出和基础模型保持接近。适合 ComfyUI 和 diffusers 用户以及数值研究人员。

Qwenx86-4B (compact)

Quazim0t0 · 工具包

在自己的权重里运行计算器、Python 和 C 编译器，用 Qwen3.5-4B 前面加的 13 层来实现，适合研究会执行代码的模型的研究人员和爱好者。

AREX-2

BAAI · 工具包

用 BAAI 的 27B 模型，通过多轮提出、测量、反思和修改来改进自己的解答，适合做编程、机器学习和深度研究任务的智能体研究者和开发者。

KLM 1.6

MinimaLabs · 工具包

用 MinimaLabs 的 99M 小型基础语言模型续写英文文字。适合想研究、测试或微调极小模型的研究者和爱好者。

DINOv3 Web

webml-community · 工具包

在浏览器本地可视化 DINOv3 模型从图像中提取的密集特征。适合想查看这些特征的开发者和视觉研究人员。

d3-turbo: beyond one question at a time

vllm-sr · 工具包

一个展示 d3-turbo 的网页，这个模型读一次图片、视频片段或文本，就能一起回答关于它的许多问题，页面有场景和五个实时演示。适合工程师和研究者。

ColPali and Vespa Visual Retrieval

vespa-engine · 工具包

演示基于 ColPali 模型和 Vespa 的视觉检索，是一个可在线打开或在自己电脑上运行的 Gradio 应用。适合搜索开发者和研究者。

PhotoMaker V2

TencentARC · 工具包

TencentARC 为 PhotoMaker V2 模型做的 Gradio 演示，基于 RealVisXL V4.0 图像模型和一个草图适配器。适合想在浏览器里试用 AI 照片生成的设计师和研究人员。

InstantMesh

TencentARC · 工具包

把单张图像变成 3D 模型，页面称这大约需要十秒。它来自 TencentARC，适合 3D 美术师、游戏开发者和研究人员。

Tamil Whisper ASR

skpranav22 · 工具包

在 Gradio 演示里把泰米尔语语音转成文字，使用经 LoRA 适配到泰米尔语的 Whisper small。适合做泰米尔语语音识别的开发者、研究者和学习者。

Grounding DINO Demo

merve · 工具包

根据文字描述在图片里找物体，不需要固定的标签清单。这是 Grounding DINO 开放集检测器的 Gradio 演示，适合开发者和视觉研究人员。

LeapTalk

hugging-apps · 工具包

把一张人像照片和一段语音变成口型同步的说话人头像视频，是 LeapTalk 模型的演示，适合研究者、开发者和创作者。

FASTDIAR

herimor · 工具包

在音频文件或麦克风实时流播放的同时标注谁在说话，延迟约一秒。适合做说话人分离的语音开发者和研究者的演示。

LGM-Mini

dylanebert · 工具包

在 Hugging Face 的 GPU 上运行一个基于 LGM 模型和多个多视图扩散模型的小型 Gradio 演示。适合关注三维生成研究、想试用或阅读代码的人。

USO FLUX

bytedance-research · 工具包

bytedance-research 做的 Gradio 应用，运行在 ZeroGPU 硬件上，围绕 USO 模型和记录里提到的三个 FLUX.1 模型构建。README 没有任何描述，所以请直接看页面了解它能做什么。

DuplexJev Speech to Decisions

adventists-ai · 工具包

读取一段语音，一次计算就返回关于它的十个判断，如话轮状态、插话和情绪，不做转写。适合语音智能体开发者和语音研究者。

Sygma ASR Arabic

abedbanna · 工具包

录制或接收阿拉伯语语音，把 Sygma 的解码和基础模型的贪心输出做对比，并给出词错误率的测试台。适合语音研究者和开发者。

PhotoMaker

TencentARC · 工具包

TencentARC 的 Gradio 演示，基于它的 PhotoMaker 模型和 RealVisXL 图像模型，带有风格模板和示例输入。适合想在浏览器里试用 AI 照片生成的设计师和研究人员。

SAM3 + Qwen3.5

prithivMLmods · 工具包

一个多目标跟踪的浏览器演示，结合了 SAM 3 模型和一个 2B 的 Qwen3.5 模型。适合想不安装任何东西就试用跟踪的计算机视觉开发者和研究者。

Music Flamingo

nvidia · 工具包

在 Gradio 页面里，用 NVIDIA 的 Music Flamingo 模型处理音乐音频，运行在 Hugging Face 的 ZeroGPU 硬件上。适合处理音频和音乐的研究者和开发者。

WeVisOne-VL-2B

hugging-apps · 工具包

在图片上试用腾讯的 WeVisOne-VL-2B 视觉语言模型，从找物体、数数、读文字到抠出主体。适合做图像理解的开发者和研究者。

P-JiT 21K

hugging-apps · 工具包

用 P-JiT 21K 根据文字提示生成图片，这是一个直接在像素空间工作的扩散 Transformer，并带有给短提示扩写的功能。适合图像生成的研究者和开发者。

Healthcare MCP Server

Agents-MCP-Hackathon · 工具包

让助手查询 FDA 药物信息、PubMed 论文和 Health.gov 主题的 Gradio MCP 服务器。适合需要医疗参考查询的开发者和研究者。

Kimodo

nvidia · 工具包

用 NVIDIA 的 Kimodo 模型根据文字提示词生成动作，页面可以在浏览器里打开，也可以自己用 Docker 构建。适合动画师和研究者。

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。

Ripple-65B Preview

ricursiveAI · 工具包

用 650 亿参数的稠密语言模型驱动终端编程智能体，上下文最长 1,048,576 个 token。适合想要 Apache 2.0 开放权重的开发者和研究者。

Idol

speridlabs · 工具包

把一张物体图片变成 3D 高斯点云，连图中看不到的侧面也一并生成。适合想从渲染图、生成图或照片得到 3D 文件的美术、研究者和开发者。

Recursive Decomposition Skill（递归拆解技能）

massimodeluisa · 技能

Massimo De Luisa 做的技能，用于长上下文任务，即使内容放得进窗口也适用。Claude 先估算输入规模，先搜索再阅读，把每一批交给一个子代理，再检查合并后的答案。它依据的是一篇长上下文研究论文。

Idol

speridlabs · 工具包

在 Gradio 演示里把一张图片变成由高斯点云组成的 3D 物体，作为 Hugging Face Space 运行。适合想试用单图转 3D 的艺术家和研究者。

AnyPS5

boykopovar · 工具包

将 PlayStation 5 可执行文件转换为在 Linux 和 Windows 上运行，无需模拟。该工具专为致力于软件互操作性的开发者和研究人员设计。

last30days

mvanhorn · 技能

通过从 Reddit、X、YouTube、Hacker News 和预测市场获取数据来研究任何主题，从而生成基于社交参与度的扎实摘要。它可以帮助你追踪特定主题的最新动态和社区情绪。

Hermes Agent 自我改进的开源智能体

NousResearch · 工具包

Nous Research 做的开源智能体，可以在终端、桌面应用或聊天软件里使用。它有记忆，会从经验里写出技能，能跑定时任务，用哪家模型提供商由你选。