Qwen3.5-4B-3D-Coder-GGUF
prithivMLmods · 工具包
用早期预览版 Qwen3.5-4B 微调模型的 GGUF 副本写代码,并生成自包含的 Three.js 交互 3D 场景页面。适合在本地做 3D 场景原型的开发者。
写代码、审代码用的提示词、编程智能体任务说明和工具包,花更少的 Token。
没有商品同时包含“threejs”的所有词。下面显示匹配“three”的结果。
prithivMLmods · 工具包
用早期预览版 Qwen3.5-4B 微调模型的 GGUF 副本写代码,并生成自包含的 Three.js 交互 3D 场景页面。适合在本地做 3D 场景原型的开发者。
XHToken · 工具包
面向设备端运行的 4.1B 参数紧凑文本模型,FP8 版本,有 none、low、high 三档思考等级,支持中英文。适合在小型硬件上做编程和智能体任务。
XHToken · 工具包
一个紧凑的 1.7B 语言模型,面向设备端使用,支持英文和中文,在编程、智能体任务和长上下文上有提升,并有三档可调的思考级别。适合在本地运行模型的开发者。
third-intelligence · 工具包
面向 ARC-AGI-3 游戏的 35M 参数世界模型,根据最近三帧和一个动作预测下一帧游戏画面,并在智能体玩游戏时持续自我训练。
n8n 工作流
一个生成测试数据的 n8n 工作流。它向 OpenAI 模型要三份各十个虚构用户的名单,每份存成一个 CSV 文件,文件名形如 funny_names_1.csv。
kaitchup · 工具包
用自定义的统计无损量化,把 Qwen3.8-27B 压成三个体积和保真度各不相同的 GGUF 文件。适合在 llama.cpp 里本地运行这个模型的人。
xtools-at · 工具包
用三个 Qwen3.8-27B 微调版本加权合并而成的模型,可编写和解释代码,也能处理推理问题。适合想用一个通用模型做编程和聊天的开发者。
CobuildX-AI · 工具包
在印度语言和印度英语文本中找出姓名、电话号码、Aadhaar 和 PAN 等个人信息,并返回每个值的位置。这是三种规格中最准确的一个,有 57.6M 参数。
XHToken · 工具包
一个 4.1B 的语言模型,面向设备端使用,针对编码、智能体任务、长上下文和推理做了调优,支持英文和中文,并有三档思考级别。适合本地运行模型的开发者。
mondk · 工具包
一个 4.2B 的文本生成模型,由 Qwen3.5-4B 微调而来,用 Three.js 把 3D 场景写成一个独立的 HTML 文件。在浏览器里打开文件,用鼠标旋转模型。
pnnbao-ump · 工具包
用 48 kHz 朗读越南语和英语,带来自三个地区的 23 个预设声音、即时声音克隆和实时流式输出。这是一个 131M 的小型文字转语音模型,在普通 CPU 上也能运行。
Grawnch · 工具包
运行经过深度压缩的 2.8T 参数 Kimi-K3.1-Pro,针对编码和数学做了调校。由 Grawnch 用三层混合比特方案制作,适合拥有高端 GPU 工作站的人。
XHToken · 工具包
用面向本地设备的紧凑 1.7B 模型生成文本,有三档可调的思考等级。适合想在本地硬件上获得编程、智能体和长上下文帮助的开发者。
prithivMLmods · 工具包
ccore 的 Qwen3.5-4B-3D-Coder 的重新打包版本,一个为编程回答和 Three.js 3D 场景调优的小模型,附带支持多词元预测的 GGUF 文件。
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。
ccore · 工具包
为你描述的游戏资产写出完整的 Three.js 页面,带 3D 预览和导出 GLB 按钮。这是微调过的 Qwen3-1.7B,GGUF 格式,能在普通硬件上运行,适合游戏开发者。
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。
peculiar-ragdoll · 工具包
在 6 GB 显存的显卡上运行支持长上下文的 4B 编程模型。这些 Spark-X2.6-4B 的 GGUF 量化版有三种大小,使用偏向编程的重要性矩阵。
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。
ISTA-DASLab · 工具包
DeepSeek-V4.1-Flash-1017 的 GGUF 版本,有三种很小的尺寸,每个张量用各自的精度量化,适合在有限硬件上运行超大混合专家模型的人。