Mindket

来自 Hugging Face 的 AI 项目

类别与筛选
筛选
清除筛选

商品

SenseNova 6.8 Code2Video

sensenova · 工具包

用 27B 模型生成并渲染可执行代码来制作短视频,该模型由 Qwen3.8-27B 微调而来。适合想根据提示词出视频草稿的动效设计师、教师和营销人员。

新上架

Paradee-8M v1.3

sahilmahendrakar · 工具包

只有 7.88M 参数的微型文字转语音模型,有英语、印地语、法语和西班牙语的八种声音,蒸馏自 Kokoro-82M,适合需要在 CPU 上快速出声的开发者。

新上架

Juggernaut-XL-v9

RunDiffusion · 工具包

根据文字提示生成写实风格的图片,是 Stable Diffusion XL 的微调版本,模型卡说它能在 8 GB 显存上运行。适合想用现有 SDXL 工具得到照片风格效果的创作者。

新上架

Qwen3.5-2B

Qwen · 工具包

Qwen 的小型 2B 模型,读取文字和图片并用文字回复,适合用 transformers 库做原型、微调或研究的开发者。

新上架

MOSS-Transcribe-Diarize

OpenMOSS-Team · 工具包

一次性把多位说话人的长录音变成带时间戳、带匿名说话人标签的转写稿,适合在 50 多种语言里转写会议、通话、播客和访谈的团队。

新上架

Qwen3.6-35B-A3B-NVFP4

nvidia · 工具包

NVIDIA 用 Model Optimizer 制作的、预先量化好的 Alibaba Qwen3.6-35B-A3B 的 NVFP4 版本。它能处理文本、图片和视频,可在 Hopper 或 Blackwell GPU 上用 vLLM 运行。

新上架

GLM-5.3-Flash-NVFP4

nvidia · 工具包

提供 NVIDIA 对 ZAI 的 GLM-5.3-Flash 做的 NVFP4 量化版,这是一个用于推理、编码和智能体任务的多模态模型。适合在 Blackwell GPU 上用 vLLM 或 SGLang 部署的开发者。

新上架

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。

新上架

mine:o2-small

MineAITechnology · 工具包

MineAI Technology 推出的 355M 参数英文小型聊天模型,遵循简单的 User 和 Assistant 格式。这是研究级模型,回答能干净收尾、会写简短代码,但没有增加知识。

新上架

LongCat-Next

meituan-longcat · 工具包

把文字、图像和音频作为离散 token 统一处理的原生多模态模型,参数 74.3B。适合构建能看、能听、能生成内容的应用的研究人员和开发者。

新上架

SheetSage2

m-a-p · 工具包

把音乐录音转成可编辑的乐谱,包含旋律、和弦、节拍、调性和结构,输出 ABC 和 MIDI 文件以及带时间的标注。这是基于 MERT-v2-FullSong 的 57.2M 模型。许可证为非商业。

新上架

Klein-TTS-X1.5-Pro

klein-ml · 工具包

用 13.1M 参数的模型把文字变成四种语言的 24 kHz 语音,有 17 种声音,在 CPU 上比实时还快。适合需要小而快的语音模型的开发者。

新上架

Llama-V-JEPA-LM-Qwen3-4B

kkt94 · 工具包

用一个 5.1B 的模型回答关于视频片段的问题,它把冻结的 V-JEPA 2.1 视频编码器接到 Qwen3-4B-Instruct-2507 上,适合有 16 GB 以上 GPU 的人。

新上架

Llama-V-JEPA-LM-Qwen3-1.7B

kkt94 · 工具包

用一个 2B 的模型回答关于视频片段的问题,它把冻结的 V-JEPA 2.1 视频编码器接到 Qwen3-1.7B 上,适合只有一块普通 GPU 的人。

新上架

Llama-V-JEPA-LM-Llama3.2-3B

kkt94 · 工具包

用一个 4.2B 的模型回答关于视频片段的问题,它把冻结的 V-JEPA 2.1 视频编码器接到 Llama-3.2-3B-Instruct 上,适合只有一块 12 GB 以上 GPU 的人。

新上架

Llama-V-JEPA-LM-Llama3.2-1B

kkt94 · 工具包

用一个 1.5B 的小模型回答关于视频片段的问题,它把冻结的 V-JEPA 2.1 视频编码器接到 Llama-3.2-1B-Instruct 上,适合只有一块普通 GPU 的人。

新上架

JDI-Decision-V1

JoyIndustrial · 工具包

以选项和概率回答关于文本和图像的结构化问题,是京东工业推出的决策系统,基于 Qwen3.8-27B 并内置 OCR。适合需要分派或分类请求的团队。

新上架

Qwen3.5-0.8B Astra Weight Edit

JonathanColetti · 工具包

直接编辑两个权重张量,不经训练,修复 Qwen3.5-0.8B 在思考模式下陷入的重复循环。这是一个小型图文模型,可用于 Transformers、vLLM、llama.cpp 和浏览器。

新上架

Qwen3.8-Flash-Next-DFlash2

incoai · 工具包

一次起草多个 token 让主模型去核对,以此加快 Qwen3.8-Flash-Next,适合用 SGLang 部署该模型、想更快出结果又不改动它的工程师。

新上架

gemma-4-E2B

google · 工具包

处理文本、图片和音频输入并输出文本,是为笔记本和手机设计的小型 Gemma 4 模型。来自 Google DeepMind,有效参数 2.3B,上下文 128K。

新上架

gemma-4-31B

google · 工具包

读取文字和图片并输出文字,适合想用 Google DeepMind 最大的稠密开放权重 Gemma 4 模型做编程、推理和图片提问的开发者和研究人员。

新上架

Qwen3.8-27B-GGUF

ggml-org · 工具包

以 GGUF 文件形式运行 Qwen3.8-27B,这是一个 26.9B 的模型,能读图片和文字并用文字回复,通过 llama 工具在本机使用,适合想把它放在自己电脑上的你。

新上架

Qwen3.8-4B-Distill-GGUF

empero-ai · 工具包

在笔记本或中端显卡上运行 4B 推理模型,提供五种量化等级的 GGUF 文件。由 Empero 打包,是大型 Qwen3.8 模型的蒸馏版本,适用于 llama.cpp 等应用。

新上架

在两张 96 GB 的 RTX PRO 6000 Blackwell 显卡上用 vLLM 运行 DeepSeek-V4.1-Flash-1017 的 3 位压缩版,适合在自己硬件上部署大型编程和智能体模型的开发者。

新上架

Underdog Bark 3.0

ConwayResearch · 工具包

用一个 0.6B 模型把英语语音转成文字,下载只有 163 MB,基于 NVIDIA 的 Parakeet TDT 0.6B v3。适合想要小巧本地转写的开发者和苹果芯片用户。非商业许可。

新上架

Pixal3D

Comfy-Org · 工具包

Comfy-Org 打包的 Pixal3D 的 ComfyUI 即用文件,附带从单张图片或多个视角生成 3D 模型的工作流。基于 TencentARC 的 Pixal3D 模型。

新上架

让 261B 的 DeepSeek V4.1 Flash 模型在 Apple Silicon Mac 上通过 sushi 引擎运行,权重压到约每个 1.75 比特,支持图片输入,上下文最长 1,048,576 个词元。

新上架

bge-reranker-v2-m3

BAAI · 工具包

判断一段文字对查询的回答程度,用来给搜索结果重新排序,支持多种语言。输入问题和文档,返回一个相关性分数。适合构建搜索和检索流程的人。

新上架

AuroraIMG2-100M

AuroraAI-Research · 工具包

用一个在单块显卡上从零训练的 100M 参数小模型,根据文字生成 256x256 的图片。适合想运行或研究小型文生图模型的人。

新上架

OvisOCR3

ATH-MaaS · 工具包

用一个 0.8B 模型读取文档图片,返回文字、结构化 JSON、带公式和表格的 Markdown、关键字段和图表说明。适合构建 OCR 和文档流程的开发者。

新上架

MOSS-Image-CharRef

7err4 · 工具包

在 ComfyUI 中,为 MOSS-Image Base 提供的 LoRA,凭一张参考图在新场景里画出同一个角色,无需为每个角色单独训练。适合动漫和插画角色,支持单张图片和漫画页。

新上架

Spark-X2.6-1.7B-GGUF

XHToken · 工具包

以 4-bit GGUF 文件运行 XHToken 的 1.7B 小型端侧语言模型,可做中英文的聊天、编码和智能体任务,思考强度可调。适合在本地运行模型的人。

新上架

gemma-4-12B-it-qat-GGUF

unsloth · 工具包

Gemma 4 12B 的 GGUF 版本,经过量化感知训练,4-bit 副本也能保持接近 bfloat16 的质量。适合用 llama.cpp 在本地运行 Gemma 的人,附带加快输出的草稿文件。

新上架

Z-Image

Tongyi-MAI · 工具包

根据文字描述生成图片,拥有 6.2B 参数,是 Z-Image 系列完整的未蒸馏基础模型。适合想要精细控制结果的创作者、研究人员和开发者。

新上架

WeVisOne-VL-2B

tencent · 工具包

读取图片和文字提问,返回物体框、点、数量、文字位置和像素级蒙版,包括 alpha 抠图。适合在自己电脑上运行 2.4B 模型的研究者。

新上架

Hy-Nomas

tencent · 工具包

根据文字指令和镜头运动,一段一段地生成视频世界,你可以边生成边改变物体、风格和视角。适合创作者和研究者。

新上架

Bielik-11B-v3.1-Instruct GGUF

speakleash · 工具包

能用波兰语、英语和另外六种语言回答的聊天模型,打包成五种大小的 GGUF 文件,供 llama.cpp 或 Ollama 使用。适合想在自己电脑上用指令模型的人。

新上架

Qwen3.5-4B-3D-Coder-MTP-Repacked

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。

新上架

pixai-tagger-v1.0

pixai-labs · 工具包

用 30,877 个标签的词表给动漫图片打标签,分六个类别,涵盖角色、服装和风格。适合整理图片库、构建数据集或撰写图片说明的人。

新上架

mednli_laya

pavanmantha · 工具包

对照证据检查一条医学论断,回答 supported、unsupported 或 contradicted。这是微调过的 Laya 模型,用于英文临床笔记文本的研究,不能用于临床决策。

新上架

MiniCPM-o 4.5

openbmb · 工具包

一个 9B 模型就能处理图片、视频、语音和实时音视频流,并用英文和中文以文字和语音回答。适合构建语音和视觉助手的开发者。

新上架

GLM-5.3-Flash-Coder-RCO-152E-GGUF

lapadatbogdan · 工具包

在家用电脑上运行裁剪过的 GLM-5.3-Flash 编程和智能体模型,提供五种量化大小的 GGUF 文件。每层保留 288 个专家中的 152 个,把 321B 模型缩小到约 170B。

新上架

Llama-V-JEPA-LM-Llama3.1-8B

kkt94 · 工具包

把冻结的 V-JEPA 2.1 视频编码器接到 Llama-3.1-8B-Instruct 上,用来回答关于视频片段的问题,适合做视频理解的人。

新上架

Sage-A1.5

InternScience · 工具包

作为智能体处理长篇科学任务,能委派给子智能体、检查自己的进展并修订计划。这是面向研究和工程工作流的 35B 混合专家模型。

新上架

AADD

gertelrina · 工具包

每 20 毫秒检测语音录音中的 12 种音频劣化,比如噪声、混响、削波和编解码伪影。适合清理语音数据集和审查录音。

新上架

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。

新上架

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。

新上架

Wan2.2-T2V-A14B

Wan-AI · 工具包

用混合专家视频模型,根据文字提示词生成 5 秒、480P 或 720P 的视频。适合想用开源文生视频模型的创作者和开发者。

新上架

Qwen3.8-27B-NVFP4

unsloth · 工具包

Unsloth 制作的 Qwen3.8 27B 视觉语言模型的 4-bit NVFP4 副本,用 vLLM 提供服务。适合想要能读图像和视频、能在智能体工具里工作的稠密模型的开发者。

新上架

gemma-4-31B-it-GGUF

unsloth · 工具包

通过 Unsloth 的 GGUF 文件在本地运行 Google 的 Gemma 4 31B 指令微调模型,支持文本和图像输入,上下文很长。适合想要强大本地推理和编程模型的开发者。

新上架

YOLO26

Ultralytics · 工具包

用 Ultralytics 的 YOLO 模型系列在图片和视频中找出物体,同系列还覆盖分割、分类、深度、姿态和跟踪。适合开发计算机视觉应用的开发者。

新上架

Idol-GGUF

TimeLordRaps · 工具包

SperiD Labs 的 Idol 的 8-bit GGUF 版本,把一张图像变成 3D 高斯点云和网格,用 idol.cpp 在本地运行。适合做图像转 3D 的开发者。

新上架

Sabi-Noema

sabicap · 工具包

基于 Qwen3.8-27B、用开源强化学习环境训练的 27B 智能体文本模型,报告了更高的终端和编程智能体得分,适合构建编程和调用工具智能体的开发者。

新上架

lingbot-touch-small

robbyant · 工具包

把磁式、压阻式和视觉触觉传感器的触觉读数转成可用于机器人操作的学习特征。适合已经有兼容推理环境的机器人研究者。

新上架

Qwen3-Embedding-8B

Qwen · 工具包

把文本变成向量,用于搜索、代码检索、分类和聚类,支持 100 多种语言。这是 Qwen 嵌入系列里的 8B 模型,向量大小可调,还支持任务指令。

新上架

Qwen3-8B-GGUF

Qwen · 工具包

在 llama.cpp 或 Ollama 中运行量化后的 Qwen3-8B GGUF 文件,有用于数学、代码和逻辑的思考模式,也有用于聊天的普通模式。适合想要本地模型并能选择文件大小的人。

新上架

Qwen-Image-Edit

Qwen · 工具包

根据文字指令编辑现有图片,修改物体、风格或图片里的中英文文字,适合使用 diffusers 库的设计师和开发者。

新上架

halogen-qwen3.8-flash-next

peonist-ai · 工具包

存放 halogen-flash-server 所用的模型权重,这个引擎能在 AMD Strix Halo 机器上运行 Qwen3.8-Flash-Next,适合想在本机运行该模型的这类硬件的主人。

新上架

GLM-5.3-Flash Maya GGUF

peasantsmith · 工具包

GLM-5.3-Flash 的五个 GGUF 压缩版本,GLM-5.3-Flash 是 321B 的混合专家模型,大小从 73.4 GB 到 156.3 GB,为 Project Maya 制作,它把模型分摊到 GPU、内存和固态硬盘上。

新上架

OpenJev

openjev · 工具包

针对文本、网页和截图回答带类型的决策,一次前向计算,根据你自己的标签给出选项、是非概率或分数。适合构建分流、审核和浏览器智能体的团队。

新上架

Nemotron 3 Diarization

nvidia · 工具包

找出录音里谁在什么时候说话,最多支持八位说话人,可流式或离线运行,还能为转写文本加上说话人标签。适合处理会议、通话和媒体音频的人。

新上架

gemma-4-E2B-it-litert-lm

litert-community · 工具包

打包成 .litertlm 文件的 Gemma 4 E2B 指令微调模型,用于 LiteRT-LM 框架,适合在手机、桌面和边缘设备上私密地本地运行。

新上架

Llama-V-JEPA-LM-Qwen3-8B

kkt94 · 工具包

用一个 9.2B 的模型回答关于视频片段的问题,它把冻结的 V-JEPA 2.1 视频编码器接到 Qwen3-8B 上,适合有 24 GB 以上 GPU 的人。

新上架

hs-decide-1-flash

hindsight-ai · 工具包

针对文本状态上的有类型问题,一次给出每个选项的概率,不生成文字,支持八种语言。这是 Hindsight 工具用的 0.8B 决策模型,可用 vLLM 或 Transformers 提供服务。

新上架

Qwen-image-2.1_loras

GooHAI · 工具包

为 Qwen-Image-2.1 增加两个图像编辑 LoRA,一个修正像素偏移,一个移除遮罩区域。适合用该基础模型编辑图像的人。

新上架

jevos-v4

feder-cr · 工具包

一个本地决策模型,在笔记本 CPU 上约 28 到 130 毫秒就能回答关于文本的是非、选择和打分问题,为每个答案返回概率。适合想要免费本地方案、替代云端决策 API 的开发者。

新上架

Qwen3.8-9B-Distill-GGUF

empero-ai · 工具包

Empero 的 Qwen3.8-9B 的 GGUF 量化版本,一个由更大的 Qwen3.8 蒸馏到 Qwen3.5-9B 架构里的推理模型,适用于 llama.cpp、Ollama、LM Studio 等工具。

新上架

Z-Image Turbo

Comfy-Org · 工具包

Comfy-Org 打包的 Z-Image-Turbo 文生图模型的 ComfyUI 即用文件,附带文生图、放大和 ControlNet 工作流。基于 Tongyi-MAI 的原版。

新上架

TRELLIS.2

Comfy-Org · 工具包

Comfy-Org 重新打包的微软 TRELLIS.2-4B 模型文件,供 ComfyUI 使用,用于图片转模型工作流,适合从图片构建 3D 资产的人。

新上架

ZONOS3-Mini GGUF

AtomicChat · 工具包

把 ZONOS3-Mini 文本转语音模型打包成适用于 llama.cpp 的 GGUF 文件,内置 27 种声音,有从 0.41 到 1.61 GB 的六种主干大小。适合在本地运行语音的开发者。

新上架

Google Gemma 4 12B 指令模型的 GGUF 微调版本,面向编程和使用工具的智能体工作,只需约 4.5 GB 空闲内存就能离线运行。

新上架

Inkling

thinkingmachines · 工具包

读取文字、图片和音频并写出文字,是一个庞大的开放多模态模型,适合编码助手、智能体和聊天机器人。适合有多 GPU 服务器或托管 API 的开发者。

新上架

Qwen3-8B

Qwen · 工具包

Qwen 的 8.2B 开放语言模型,可在处理难题的思考模式和日常聊天的普通模式之间切换,支持工具调用和 100 多种语言。

新上架

pplx-decider-v1.2

perplexity-ai · 工具包

一次读入一个情境和多个问题,再逐个给出选择、是否或分数。适合需要分派、标记或评估请求的团队。

新上架

Qwen3.8-27B NVFP4

nvidia · 工具包

NVIDIA 把阿里巴巴 Qwen3.8-27B 压缩成 4 位 NVFP4 的版本,用 Model Optimizer 制作,面向 Blackwell GPU,输入文字、图片和视频,输出文字。

新上架

parakeet-tdt-0.6b-v3

nvidia · 工具包

转写 25 种欧洲语言的语音,自动识别语言,并加上标点、大小写和词级时间戳。这是 NVIDIA 的 600M 参数语音转文字模型,面向开发者和转写服务。

新上架

Kumo Tabular

nvidia · 工具包

根据作为上下文给出的带标签示例行,预测新表格行的类别或数值。这是 NVIDIA 的预训练表格基础模型,用于分类和回归,适合开发者和数据团队。

新上架

Moondream Parakeet Redux

moondream · 工具包

moondream 推出的 178 MB 语音识别模型,在八个 x86 CPU 核心上以 113 倍实时速度运行。它能转写英语、德语、法语、西班牙语、意大利语、葡萄牙语、俄语和乌克兰语。

新上架

Raon-1 mini

KRAFTON · 工具包

能聊天和推理,尤其擅长韩语,并可执行调用工具的智能体任务。这是一个 28.8B 的混合专家模型,每个词元激活 4.3B 参数,上下文 262,144 个词元。KRAFTON AI 的预览版本。

新上架

Haruka-Tagger

KaraKaraWitch · 工具包

一次为动漫风格插画打上多达 98,782 个 Danbooru 标签,涵盖画师、角色、版权、通用特征、年份和分级。适合整理或检索图片集合的人。

新上架

把 DeepSeek V4.1 Flash 打包成单个模型文件供 Basalt 引擎使用,它在一张 NVIDIA Blackwell GPU 上运行,放不下的专家由系统内存承担。支持图片,上下文最长 1,048,576 个词元。

新上架

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。

新上架

Phonon voices

gradium · 工具包

为 Phonon S 文字转语音模型提供 102 个现成的声音,涵盖英语、法语、德语、西班牙语和葡萄牙语,每个都是可直接加载的小型嵌入文件,不需要克隆。

新上架

whisper.cpp

ggerganov · 工具包

OpenAI 的 Whisper 语音识别模型,转换成 ggml 文件供 whisper.cpp 使用,从 tiny 到 large-v3-turbo 多种尺寸,另有更小的量化版本。

新上架

Qwen3.8-35B-A3B-Distill-GGUF

empero-ai · 工具包

用十种尺寸的 GGUF 文件运行一个 35B 混合专家模型,每个 token 约 3B 参数在工作,另附视觉投影文件。适合 llama.cpp、Ollama、LM Studio、Jan 和 KoboldCpp 用户。

新上架

REAX 1.3

decisionmodels · 工具包

让两个模型在同一张 GPU 上并行运行并取平均,为决策请求的各个选项返回概率。适合想要通过兼容 Jev 的接口使用开放决策模型的团队。

新上架

elephant-1

baselabs · 工具包

一次性回答关于某个情境的一组问题,并为每个选项给出校准过的概率。这是 Baseten 的 Base Labs 发布的 9B 决策模型,由 Qwen3.5-9B 调整而来。

新上架

MOSS-Image-Edit-HQ

akhaliq · 工具包

一个非官方的社区 LoRA,在 MOSS-Image-SFT 之上根据文字指令编辑图片,用于 ComfyUI。适合想试用开放的指令式图像编辑的图像创作者。

新上架

Vimoo-1.0

Vimoo-AI · 工具包

根据文字提示词,或参考图加文字生成视频,每项任务用一个单独的 11.7B 模型。适合想做短视频的创作者和营销团队。

新上架

Qwen3.5-4B-GGUF

unsloth · 工具包

Unsloth 制作的 Qwen3.5-4B GGUF 量化版本,一个能读图片和文字并用文字回答的小模型,适合在本地运行模型的人。

新上架

GLM-5.3-Flash-GGUF

unsloth · 工具包

在你自己的硬件上运行 Unsloth 的 GLM-5.3-Flash 文本模型 GGUF 版本,作者把这个大型开源模型定位于编码和智能体工作。适合内存充足的人。

新上架

LingBot-Touch-Tiny

robbyant · 工具包

把触觉传感器信号编码成潜在特征,用于机器人操作研究,涵盖磁式、压阻式和视觉触觉三种传感。仓库里只有权重和配置。

新上架

Qwen3-0.6B

Qwen · 工具包

最小的 Qwen3 对话模型,基于 Qwen3-0.6B-Base 构建。它能在思考模式和更快的普通模式之间切换,支持 100 多种语言和 32,768 token 的上下文,在普通硬件上也能运行。

新上架

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。

新上架

TRELLIS.2-4B

microsoft · 工具包

微软的 4B 图片转 3D 模型,把一张图片变成带 PBR 材质的有纹理 3D 网格,分辨率最高到 1536,适合有大显存 NVIDIA GPU 的人。

新上架

GTA world model

lucidml · 工具包

你按住按键时,从一张起始图像逐帧生成视频,并推流到浏览器。这是一个用 GTA5 素材训练的世界模型的权重和推理代码,适合研究者和机器学习工程师。

新上架

LightOnOCR-3-4B

lightonai · 工具包

读取文档页面图片,返回 markdown 文本,或带边界框的标注块、图片描述和图表数据。适合构建 OCR 和文档理解流程的开发者。

新上架

LightOnOCR-3-0.8B

lightonai · 工具包

LightOn 的 0.8B 小型 OCR 模型,把页面图片读成 markdown,在 grounding 模式下还会给每个区块标上边界框。是 LightOnOCR-3 系列中快速、轻量的尺寸。

新上架

Minimax H3 Latent Upscaler

LBH-123-AI · 工具包

直接放大 Minimax H3 的视频潜变量,让你先低分辨率生成,再在目标尺寸上细化,不必解码再重新编码。适合运行 Minimax H3 视频生成的人。

新上架

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。

新上架