开发者 AI 技能与智能体

Qwen-Image-Layered

Qwen · 工具包

把一张图片拆成几个透明的 RGBA 图层，这样你可以重新上色、缩放、移动或替换其中一块，而不影响其他部分。适合有 CUDA 显卡的设计师和开发者。

VGGT-1B

facebook · 工具包

一次前向计算就能从一张、几张或上百张图片推断出场景的 3D 结构，包括相机参数和深度图。适合计算机视觉开发者和研究人员。

Ornith-1.5-9B-GGUF

AtomicChat · 工具包

Ornith 1.5 9B 的 GGUF 版本，这是一个能读图像和文字的模型，文件大小从 2.81 GB 到 17.9 GB，另有视觉投影文件。选一个适合你显存的文件，在本地运行。

Idol-ComfyUI

PedroMarinhoDev · 工具包

在 ComfyUI 里把一张物体图片变成完整的 3D 高斯点云，适合想用单张图片得到 3D 的美术人员和开发者。

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。

MiMo-V2.6-Pro-MOPD

XiaomiMiMo · 工具包

用 1T 参数的混合专家模型处理文本、图像、视频和音频，并经过调教，在智能体工作中更少重复调用工具。适合能托管超大模型的团队。

Wan2.2-TI2V-5B-Diffusers

Wan-AI · 工具包

根据文本提示或图像加文字生成视频片段，最高 720P、每秒 24 帧，Diffusers 格式，适合单块消费级 GPU。

d3-turbo

vllm-sr · 工具包

在一次调用中回答关于文字、图片或视频的选择、是非、打分、框选和跟踪类问题，并为每个答案给出概率。适合构建路由或视觉检查的人。

d3-nano

vllm-sr · 工具包

在一次调用中回答关于文字、图片或视频的选择题、是非题和打分题，并为每个答案给出概率。适合做路由和分诊的工程师使用的 2B 决策模型。

d3-edge

vllm-sr · 工具包

在一次调用中回答关于文字、图片或视频的选择题、是非题和打分题，并为每个答案返回概率。适合做路由和分诊的工程师使用的小型决策模型。

Qwen3.6-27B-GGUF

unsloth · 工具包

在本地处理智能体编码和图文任务，是 Unsloth 提供的 Qwen3.6-27B 的 GGUF 文件，支持思考保留和长上下文。适合运行本地编码智能体的开发者。

gemma-3-27b-it-GGUF

unsloth · 工具包

用 Google 的 Gemma 3 27B 指令微调模型回答关于文本和图像的问题，提供 Unsloth 制作的 GGUF 文件，可在你自己的电脑上运行。支持 128K 词元上下文。

gemma-3-12b-it-GGUF

unsloth · 工具包

用 Google Gemma 3 12B 指令模型的 GGUF 文件回答问题、总结文本并读图，适合想在自己电脑上运行它的人。

Laya Vision

thaitea · 工具包

针对一张图像，以选项、是非概率或评分等级的形式一次性回答问题，还能根据屏幕像素玩简单的游戏，有 201M 参数。适合构建图像分诊的开发者。

Stable Diffusion v1-5

stable-diffusion-v1-5 · 工具包

这个 860M 参数的潜在扩散模型根据文字提示词生成图像，可用于 diffusers、ComfyUI 等工具。适合想用经典开源 Stable Diffusion 检查点的研究人员和开发者。

stable-diffusion-inpainting

stable-diffusion-v1-5 · 工具包

用带额外遮罩输入的 Stable Diffusion 根据文字生成写实图像，并填充图片中被遮罩的区域，可用于 diffusers 或 AUTOMATIC1111。适合设计师、编辑和开发者。

TripoSR

stabilityai · 工具包

一次前向计算就能从单张图片生成 3D 模型，由 Stability AI 和 Tripo AI 制作，适合想从图片快速得到 3D 的开发者、美术人员和研究人员。

MAGI-2 Preview

sand-ai · 工具包

大型音视频生成模型，可根据文字提示词，或提示词加一张静态图，生成带声音的 10 秒视频，并提升到 1080p。适合拥有八块 Hopper GPU 服务器的研究者。

Juggernaut XI v11

RunDiffusion · 工具包

RunDiffusion 推出的文生图模型，属于 Juggernaut SDXL 系列，擅长照片风格图像，手部、面部和提示词遵循都有改进。适合用 ComfyUI、Forge 等工具的图像创作者。

Qwen3.8-27B-NVFP4

RadixArk · 工具包

Qwen3.8-27B 的预量化 NVFP4 版本，能读取文字、图片和视频并用文字回答，通过 SGLang 在 NVIDIA Blackwell 显卡上提供服务。适合在该硬件上运行智能体、聊天机器人和 RAG 的开发者。