来自 Hugging Face 的 AI 项目

gemma-4-E4B

google · 工具包

Google DeepMind 的 Gemma 4 系列中的 E4B 模型，一个能读文字、图片和音频并输出文字的开放模型，面向笔记本和手机运行而设计。

Clef-Flash

Cloudflare · 工具包

把一个状态和一组有类型的问题变成决策，一次返回每个问题每个选项的概率，没有自由文本。这是 Cloudflare 的 9B 多模态模型，面向开发者。

NorthCUA-Pro

beipo-ai · 工具包

读取截图和请求，为操控桌面或浏览器的智能体写出推理和工具调用。适合有大型 GPU 环境、构建电脑操作智能体的团队。

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。

BotPsy-0.8B

qvac · 工具包

一个专为函数调用和智能体工作流设计的 0.8B 小模型，基于 Qwen3.5-0.8B，轻到可以在设备上运行，适合想要本地使用工具的助手的开发者。

Nemotron 3.5 Parse

nvidia · 工具包

读取扫描件、PDF、幻灯片和表单的页面图像，返回其中的文字、表格、图表数据、阅读顺序和边框，输出为 Markdown、HTML 或 JSON。NVIDIA 推出的 631M 参数模型，面向开发者。

caramel-1

naklecha · 工具包

这是一个 413M 参数的语音到语音模型，只用对话录音训练，从未见过文本，能进行实时的你来我往。适合语音 AI 研究者和爱好者。

indra-ocr

datalab-to · 工具包

能在 CPU 上运行的小型 OCR 模型，把 PDF 和图片转成 markdown、文本，或带框的 JSON。能读手写和 80 多种语言。适合开发者和数据团队。

Clef

Cloudflare · 工具包

Cloudflare 的 27B 多模态模型，针对文本、JSON、图片或视频输入，为带类型的问题给出每个允许答案的分数，而不是写出自由文本。

stable-diffusion-xl-base-1.0

stabilityai · 工具包

Stability AI 的 SDXL 基础模型，通过 diffusers 库根据文字提示词生成和编辑图片，可单独使用，也可搭配精修模型。

Qwen3-Embedding-0.6B

Qwen · 工具包

把文字转成数字向量，用于搜索、检索、分类和聚类，支持 100 多种语言，包括编程语言。是 Qwen3 Embedding 系列里最小的 0.6B 参数文本嵌入模型。

YuE2-3B

m-a-p · 工具包

把歌词和风格提示词变成带人声和伴奏的完整歌曲，并让你通过乐谱编辑旋律和和弦。这是一个开放的 3.6B 音乐生成模型，支持英文和中文，仅限非商业使用。

Raon-1 nano (MLX)

KRAFTON · 工具包

提供适用于 Apple silicon 的 4-bit MLX 版 Raon-1 nano 权重，让开发者在 Mac 上本地运行韩英双语聊天模型。适合应用开发者和本地模型用户。

Ming-3.0-tts-0.5B

inclusionAI · 工具包

把文字转成七种语言的语音，包括中文和英文。它能用一段短音频复制声音，按描述设计新声音，并控制情绪、语速、音高和音量。

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。

WeVisOne-VL-4B

tencent · 工具包

用腾讯的一个 4B 视觉语言模型在图片中查找、计数、指向、识字和分割物体，并生成 alpha 抠图。适合做视觉定位和图像抠图的研究人员。

gemma-4-12B

google · 工具包

Google 的 Gemma 4 12B Unified 模型，是能读文字、图片、音频和视频并输出文字的开放模型，上下文 256K，不需要单独的编码器。适合运行本地 AI 的开发者。

FLUX.2 [klein] 4B

black-forest-labs · 工具包

Black Forest Labs 的小型图像模型，能根据文字生成图片，也能参照图片编辑，速度快，适合在消费级显卡上做交互式使用。

Inkling-Small

thinkingmachines · 工具包

读取文字、图像和音频并用文字回答，面向开发助手、编程工具和智能体的开发者。这是稀疏混合专家模型，总参数 276B，每个词元激活 12B。

Sarvam-Prism

sarvamai · 工具包

针对一段文字提出的问题，一次前向计算就给出每个答案选项的概率。适合需要固定选项决策的团队，比如工单分派，要用大显存的 NVIDIA 显卡。

Qwen3.8-27B-FP8

Qwen · 工具包

用 Qwen3.8-27B 的 FP8 量化权重处理文字、图片和视频，它是带可调思考模式的 27B 稠密模型。适合用 transformers、vLLM 或 SGLang 部署它的开发者。

gpt-oss-20b

openai · 工具包

根据文字提示词写作、推理并调用工具，是 OpenAI 的 21B 开放权重模型，可在 16 GB 内存内运行。适合想要本地或专用模型的开发者。

parakeet-ultra

moondream · 工具包

把语音转成文字，并给出句子和单词的时间戳。它是 moondream 对 NVIDIA parakeet-tdt-0.6b-v3 做后训练得到的版本，适合需要多语言准确转写的开发者。

phonon-31m-en

gradium · 工具包

小型英文文字转语音模型，流式输出自然的 24 kHz 音频，可在笔记本 CPU、手机或浏览器标签页里运行。适合想在设备上出声的开发者。

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。

Qwen3.5-4B-Qwenputer

divagr1925 · 工具包

一个实验性的 Qwen3.5-4B，把 32 位 RISC-V CPU 编译进了权重里，所以能在模型内部做精确算术，适合想探索语言模型内部计算的研究人员和好奇的开发者。

Hy4-preview

tencent · 工具包

用一个 770B 参数的混合专家模型生成文字、代码和文档，它激活 49B 个参数，支持最长 1M 的上下文。适合有硬件来托管超大开放权重的团队。

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。

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。

LemonDecider 4B

inclusionAI · 工具包

根据文本状态和命名的问题做有类型的决策，返回选项、是非和有序评分的概率，不生成文字。这是 inclusionAI 的 4.5B 模型，面向开发者。

Qwen3.5-4B

Qwen · 工具包

用一个 4B 的混合架构模型处理文字和图片输入，支持 201 种语言和方言，上下文为 262,144 个 token。适合在 transformers、vLLM 或 SGLang 里运行小型开放权重的开发者。

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。

mammoth-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 27B 决策模型，由 Qwen3.5-27B 调整而来。

Xiaomi-OCR-0

xiaomi-research · 工具包

用 Xiaomi 的一个 0.8B OCR 模型解析文档，并回答关于图片中文字的问题，涵盖表格、公式和手写，适合构建 OCR 和文档工具的开发者。

all-MiniLM-L6-v2

sentence-transformers · 工具包

把句子和短段落变成 384 维向量，用于语义搜索、聚类和句子相似度。适合构建英文搜索或检索功能的开发者。

MOSS-Image-Base

OpenMOSS-Team · 工具包

用一个 5.1B 的文生图模型根据文字生成图片，可以用普通提示词、标签序列或 JSON 布局来安排文字和物体。适合有 NVIDIA 显卡的开发者和设计师。

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。

ARC 1.0

rayline-ai · 工具包

读取智能体的对话，预测哪个模型会成功、会用多少词元、该花多少推理，让应用按质量和成本来路由请求。适合智能体开发者。

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。

Alpie Seed 9B

169Pi · 工具包

用一个基于 Qwen3.5-9B 的 9B 开放权重模型处理文字、图片和视频，做推理和编程，并提供适合轻量硬件的 GGUF 版本。适合想要能离线运行的模型的开发者。

Oc-e-Non-v1

p-e-w · 工具包

用更少的字数作答，回复长度约为它所基于的 Qwen3-4B-Instruct-2507 的一半，简短直接。适合想要精简文本生成结果的人。

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。

Z-Image-Turbo

Tongyi-MAI · 工具包

只用 8 次函数评估就能根据文字生成写实图片，并能渲染英文和中文文字。适合想在 16 GB 消费级显卡上快速生成图片的人。

Qwen3.6-35B-A3B

Qwen · 工具包

用一个 35B 的混合专家模型处理编程、仓库级推理和图文输入，它激活 3B 个参数。适合在 transformers、vLLM 或 SGLang 里运行开放权重的开发者。

HairDeck

hyz317 · 工具包

把一张角色图片变成风格化的 3D 发片，带颜色和用于动画的弹簧骨骼链，可导出为 GLB 网格或 VRM 虚拟形象，适合有 CUDA GPU 的虚拟形象创作者和 3D 美术。

whisper-large-v3

openai · 工具包

OpenAI 的语音转文字模型，能转写多种语言的音频，可以把语音翻译成英文文字，还能加上句子或单词级时间戳，适合任何想把录音变成文字的人。

Axion-1.0-35B

Axion1-0 · 工具包

Axion 1.0-35B 的复现检查点，一个 35B 混合专家模型，面向科学推理、信息检索和借助工具解决问题，用 vLLM 部署。适合研究人员和智能体开发者。

Thinklite-27B

Sparset · 工具包

Qwen3.8-27B 的一个变体，推理用的 token 少得多，高强度下最终答案约快一倍，适合运行推理模型并希望等待更短的人。

Qwen3.5-9B

Qwen · 工具包

Qwen 的 9B 开放模型，能读取文字和图片并输出文字，上下文很长，支持 201 种语言和方言，适合想在自己硬件上用中等规模模型的开发者。

Echo

fulcrumresearch · 工具包

以 LoRA 适配器的形式，为 Kimi-K3 提供按指定作者风格写作的能力，采用 PEFT 格式。适合已经在运行 Kimi K3 基础模型的写作者和开发者。