来自 Hugging Face 的 AI 项目

phi-2

microsoft · 工具包

一个小型文本生成模型，能回答问题、续写对话并补全代码。适合想用紧凑开放模型做安全研究和实验的研究人员与开发者。

Graphormer

microsoft · 工具包

用于训练分子任务的自定义深度学习模型，比如寻找新材料或新药。面向研究人员和开发者，附带两项已发表研究的检查点文件夹。

Fara1.5-9B

microsoft · 工具包

Microsoft Research 推出的计算机使用智能体模型，读取浏览器截图并决定下一步点击、输入或滚动，来完成网页任务。适合构建浏览器智能体的开发者和研究者。

Mesmer AI Detector 4B

mesmertech · 工具包

判断英文文本是人写的、AI 写的还是 AI 编辑过的，并给每个句子打标签。适合想获得提示而非证据的编辑、教师和研究人员。

SpatialLM1.1-Qwen-0.5B

manycore-research · 工具包

读取 3D 点云并写出结构化的场景布局，包含墙、门、窗和带标签的物体框。适合从事机器人、导航和 3D 场景理解的研究人员和开发者。

AI-XAUUSD-Trading

JonusNattapong · 工具包

用三个强化学习模型、市场状态识别和风险规则来交易黄金兑美元。这是给研究交易算法的人用的研究项目，不是投资建议。

K2-Horizon-7B-Uno

IFM · 工具包

给 IFM 的 K2-Horizon-7B 语言模型加上扩散通路的 LoRA 适配器，用于研究更快的文本生成。它只包含适配器，不含基础权重。

Carbon-X

HuggingFaceBio · 工具包

在聊天里读取原始 DNA 并用英文回答，判断变异看起来是良性还是致病，适合想在自己 GPU 上运行 DNA 语言模型的研究人员。

LeVJEPA 1.5 Large

galilai-group · 工具包

把视频片段和单张图片编码成特征向量，用约 5,300 小时视频做自监督训练。这是面向研究者的视频编码器，采用非商业许可。

V-JEPA 2

facebook · 工具包

把视频和图片转成嵌入向量，用于视频分类、检索，或作为视觉语言模型的视频编码器。由 Meta 的 FAIR 打造，适合处理视频的开发者和研究人员。

NLLB-200 3.3B

facebook · 工具包

在 200 种语言之间翻译单个句子，重点关注低资源语言。这是 facebook 发布的研究模型，面向机器翻译研究者，不用于生产环境或认证翻译。

balbal-v2e-zellige

erayyapagci · 工具包

在普通 CPU 上把摩洛哥达里贝语语音转成阿拉伯文字，并给出每个词的时间戳。这是面向研究者和开发者的实验性预览，采用非商业许可。

Qwen3.5-4B-SFT-decompiler-O0-full

Divij · 工具包

把反编译器的输出改写成可读的 C 源码，带有有意义的名称和正确的类型。这是在未优化二进制上训练的 Qwen3.5-4B 微调模型，适合安全研究者和逆向工程师。

Qwenputer-npu

divagr1925 · 工具包

一个把小型 RISC-V 计算机内置在权重里的 Qwen3.5-4B 模型，用于精确算术和运行一个微型故事模型。这是给研究 transformer 内部程序的研究者做的实验。

Hydrogen-1.0 NVFP4

deep-principle · 工具包

Hydrogen-1.0 的 4-bit NVFP4 版本，这是 Deep Principle 的 381B 科学与研究助手模型，基于 GLM-5.3。需要多 GPU 的 NVIDIA Blackwell 服务器，上下文为 1M 词元。

Hydrogen-1.0-MXFP4

deep-principle · 工具包

Deep Principle 的 384B 科学助手 Hydrogen-1.0 的 MXFP4 量化版本，面向 AMD Instinct 硬件。适合想用文本模型处理科学问题和研究规划的实验室。

stationhouse

alxcspr · 工具包

存放 Marin-32B 的稀疏自编码器检查点、日志和特征普查文件，其中每一层都有宽度为 65536 的 TopK SAE，共 64 层。这是用于可解释性研究的档案库。

Molmo2-4B

allenai · 工具包

回答关于图片、视频和多张图片的问题，还能指出它找到的内容。这是 Ai2 的开源视觉语言模型，适合自己运行模型的开发者和研究者。

Jocasta-diff-VLA

RobotLearningLab · 工具包

把 Dream-VLA-7B 适配到 robosuite 中八类模拟 Panda 机械臂任务的机器人控制策略，使用 Flow Matching 动作头。适合有 CUDA GPU 的机器人研究者。

khammoon

typhoon-ai · 工具包

把泰语文本切分成语素，也就是仍有意义的最小单位，使用只有 4 MB、能在 CPU 上运行的模型，适合泰语语言研究者和开发者。

SenseNova-U1.5-8B-MoT

sensenova · 工具包

统一的多模态模型，用于生成和编辑图像，中英文文字清晰，支持原生 4K 输出，可通过框选和参考图控制。适合有大显存 GPU 的设计师和研究者。

FlashVSR+

ruchangyao · 工具包

一步扩散模型，把低质量视频变成更高分辨率的清晰视频，有速度更快的 Turbo 版和画质更好的 Base 版。适合有高性能 GPU 的视频剪辑者和视觉研究者。

Qwen3.5-4B-Base

Qwen · 工具包

这是一个只做过预训练的视觉语言基础模型，用于微调和上下文学习实验，不用于直接聊天。适合想用小型 Qwen3.5 作起点并用 LoRA 适配的开发者。

ARLoop-0.6B

osunlp · 工具包

把文本接着往下写，是带注意力残差的小型预训练循环 Transformer。这是基础模型，适合想在其上继续做中期训练或后训练的研究人员。

GPT-2 XL

openai-community · 工具包

从一个起始短语出发续写英文文本，是 OpenAI GPT-2 的 1.5B 参数版本。适合想用经典开源文本生成模型的研究人员和开发者。

Naive-N0.5-Flash

NaiveAI · 工具包

开放权重的混合专家模型，总参数 309B，激活 15.5B，原生 100 万 token 上下文，为编程和 AI 研究而构建。适合在自己服务器上运行大型编程模型的团队。

mine:o1-nano

MineAITechnology · 工具包

一个用 JAX 和 Flax 从零训练的 124M 参数 GPT-2 风格语言模型，附带可在 CPU 上使用的 ONNX 文件。适合研究小模型训练的学生和研究者。

Florence-2-base

microsoft · 工具包

Microsoft 推出的小型视觉模型，通过更换文字提示词来做图像描述、目标检测和分割。适合需要用一个模型完成多种图像任务的开发者和研究者。

LongCat-Video

meituan-longcat · 工具包

用一个 13.6B 的模型，根据文字提示、一张静态图片，或接着已有片段往下写来生成视频。目标是 720p、每秒 30 帧的长片段，适合有 GPU 的开发者和研究人员。

MERT-v2-FullSong

m-a-p · 工具包

一个音乐编码器，把 30 到 360 秒的整首歌转成帧级或整段级的数值特征。适合处理冻结嵌入的音乐 AI 研究者和开发者。

π₀.₅ (Pi05) (LeRobot)

lerobot · 工具包

一个机器人控制模型，读取摄像头图像、机器人状态和可选的指令，输出连续动作。它是基础检查点，适合用自己的机器人数据做微调的研究者。

Mimi

kyutai · 工具包

Kyutai 推出的神经音频编解码器，把语音压缩成紧凑的音频令牌，再解码还原。适合构建语音语言模型或文字转语音系统的研究者和开发者。

MANTA-27B

gevaertlab · 工具包

根据文字或图像，一次性为医学问题的各个答案选项打分，不生成文字。这是斯坦福 Gevaert 实验室的研究模型，不是医疗器械。

Phonon-2.5

FermionResearch · 工具包

用一个 156.2 MB、不需要显卡的模型转写 25 种语言的语音。这是 FermionResearch 的开源模型，适合 Apple silicon 的 Mac 以及普通的 Linux 或 Windows 电脑。

UltraBERT-380M

dmis-lab · 工具包

预测英文文本中被遮盖的词，并提供一个上下文长度 32K 的预训练编码器，可微调用于分类或检索。这是 dmis-lab 的填空模型，适合机器学习工程师和研究人员。

RWKV7-G1 GooseOne

BlinkDL · 工具包

纯 RNN 的文本生成基础模型，用于聊天、推理和工具调用，可作为后训练和微调的起点。支持八种语言，适合开发者和研究人员。

Sharp

apple · 工具包

在标准 GPU 上不到一秒就能把一张照片变成 3D 高斯场景，可对邻近视角实时渲染。适合研究人员和图形开发者。

Africa TTS

AfriSpeech · 工具包

用 92 种非洲语言和英语朗读文字，在 CPU 上比实时更快，还能用一小段音频克隆声音。适合需要非洲语言语音的开发者和研究人员。

Wan2.2-I2V-A14B

Wan-AI · 工具包

把一张静态图像变成 480P 或 720P 的视频，采用 Wan-AI 的专家混合设计。适合用图片生成视频的创作者和研究人员。

Qwen3.5-2B-GGUF

unsloth · 工具包

unsloth 制作的 Qwen3.5-2B 小型 GGUF 版本，能读图片和文字并用文字回答。适合在本地做原型、微调和研究。

Iris-3B

speridlabs · 工具包

通过直接绘制每个像素，根据文字提示生成 1024 像素的图像，不使用 VAE 或潜空间。微调后的版本可以估计深度，并修复或放大图像。适合视觉研究人员和图像创作者。

SenseNova-U1.5-8B-MoT-TailSteer

sensenova · 工具包

图像生成和编辑模型，连续多次编辑时更稳定，基于 SenseNova-U1.5-8B-MoT，加载步骤相同。适合反复编辑同一张图的设计师和研究者。

DeepSeek-V4.1-Flash-1017 TrellisMX K2 Mix

brandonmusic · 工具包

DeepSeek-V4.1-Flash-1017 的压缩版本，按两张 96 GB 显卡的规格设计，少数专家用更高精度存储。这是面向大模型部署者的研究版本。

orukqwen-asr-1.7b

oruk · 工具包

把英文语音转成文字。它是用词错误率做强化学习后训练的 Qwen3-ASR-1.7B，适合需要英文转写的开发者和语音研究者。

BLIP

Salesforce · 工具包

在 Gradio 页面里运行 Salesforce 的 BLIP 视觉与语言模型，仓库里有图像描述、检索和问答的训练脚本。适合处理图像和文字的研究者和开发者。

OFA-Visual_Question_Answering

OFA-Sys · 工具包

在 Gradio 页面里用 OFA 回答关于图片的问题，带有示例图片，仓库里还有完整的 OFA 代码。适合想试用或读训练代码的研究者和开发者。

Semi-Supervised Contrastive Learning with SimCLR

keras-io · 工具包

在 Gradio 页面里运行 Keras 团队用 SimCLR 对比学习、只用少量标签训练的图像分类器，附带示例图片，适合机器学习学习者和研究人员。

Augmenting CNNs with attention-based aggregation

keras-io · 工具包

在 Gradio 页面里用在 ImageNette 上训练的、带注意力聚合的 CNN，显示图像分类器决定背后的注意力图，适合机器学习学习者和研究人员。

Involution

keras-io · 工具包

在 Gradio 页面里运行 Keras 团队用 involution 层搭建的图像模型，附带示例图片，适合机器学习学习者和视觉研究人员。

Integrated Gradients

keras-io · 工具包

在 Gradio 页面里用积分梯度方法显示图片的哪些部分推动了模型的预测，附带一张大象照片可以试，适合机器学习学习者和研究人员。

ESPNet2 ASR Librispeech word vs bpe tokens

jkang · 工具包

在 Gradio 页面里比较同一套 ESPnet2 Conformer 方案的三个英语语音识别模型，分别用 bpe、字符和词单位，附带示例音频，适合语音研究人员和学生。

ESPNet2 ASR Librispeech Conformer (100h)

jkang · 工具包

在 Gradio 页面里用在 100 小时 Librispeech 上训练的 ESPnet2 Conformer 模型把英语语音转成文字，附带示例音频，适合语音研究人员和学生。

TFM_SimilitudSemantica_Fichero

jfarray · 工具包

在 Gradio 页面里用多语言 BERT 模型比较文本在意思上有多接近，附带一个示例 JSON 文件，适合 NLP 学生和研究人员。

Zero Shot Nlp Classifier Multi Lang

iamkb · 工具包

在 Gradio 页面里用几个所列的零样本模型，不经训练就把跨语言文本归入你选的标签，适合分析师、研究人员和 NLP 开发者。

HF SHAP

Hellisotherpeople · 工具包

用 SHAP 解释文本模型如何得出输出，覆盖五个所列模型，分别用于问答、翻译、情绪、摘要和文本生成，适合 NLP 学习者和研究人员。

HF KeyBERT

Hellisotherpeople · 工具包

在 Streamlit 页面里用 KeyBERT 从文本中提取关键词，适合想不写代码就试用关键词提取的研究人员、学生和开发者。

HF BERTopic

Hellisotherpeople · 工具包

在 Streamlit 页面里用 BERTopic 找出一批文本里的主题，适合想不写代码就试用主题建模的研究人员和分析师。

Seshat Agent

PCL-RSI-lab · 工具包

用一个会自我改进的编程智能体修复软件 bug，它从自己成功的运行中学习可复用的推理模式，适合做仓库级 bug 修复的开发者和研究人员。

Hermes 4 14B

NousResearch · 工具包

Nous Research 的 14B 混合推理模型，基于 Qwen3-14B。它可以逐步思考、调用工具，并返回符合模式的 JSON。使用 ChatML 提示格式。

Hermes-3-Llama-3.1-8B-GGUF

NousResearch · 工具包

把 NousResearch 的 8B 通用聊天模型 Hermes 3 做成量化 GGUF 文件，供 llama.cpp 使用。适合想在本机用函数调用、结构化输出和代码帮助的人。

Hermes 3 Llama-3.1 8B

NousResearch · 工具包

Nous Research 基于 Llama 3.1 的 8B 通用对话模型，支持函数调用、结构化输出、角色扮演和代码辅助。适合想要一个可以自己运行、可引导的开放助手的开发者。

Qwen3.5-9B Brainwaves DeepThought STEM OneJev1.6

nightmedia · 工具包

nightmedia 制作的实验性 9.4B 图文模型，由三个 9B 模型合并而成，面向推理和理科问题。适合喜欢尝试小型开放合并模型的爱好者和研究者。

MemT-1.0-Nano

MemTensor · 工具包

自带固定大小记忆状态的语言模型，基于 Qwen3.6-35B-A3B，无需重读就能保留过去的上下文。适合研究模型和智能体记忆的研究人员和开发者。

Kandinsky S2V 1.0 Lite

kandinskylab · 工具包

把一张参考图和一段语音录音变成会说话的头像视频，整个人物都会跟着音频动起来。适合有高性能 GPU 的研究者和开发者。只能使用你有权使用的人脸和声音。

Wan2.1-T2V-1.3B

Wan-AI · 工具包

根据文字提示生成 480P 短视频，小到大多数约 8 GB 显存的消费级 GPU 都能运行。适合想在本地做文字转视频的创作者和研究者。

Qwen3.5-0.8B-GGUF

unsloth · 工具包

unsloth 制作的 Qwen3.5-0.8B 小型 GGUF 版本，能读图片和文字并用文字回答。适合在本地做原型、微调和研究。

Mage-VL

microsoft · 工具包

Microsoft 推出的图像和视频多模态模型，像视频编码器存储视频那样读取视频，只保留变化的图块。适合做视频理解和流式处理的开发者和研究者。

UniMate

Linzhan · 工具包

根据文字描述，为任何形状的骨架生成动作，从动物、人形到有绑定的物体。适合动画研究人员和技术美术，采用非商业许可。

K2-Horizon-7B

IFM · 工具包

用 512K token 的上下文窗口写文字、代码和推理回答，适合想要训练数据、代码和检查点全部公开的开放稠密模型的开发者和研究人员。

Quark

FirstPrinciplesLabs · 工具包

FirstPrinciples 从 Qwen3.5-9B 微调出的 9B 物理、科学和数学推理模型。适合想要分步推导和第二意见，并希望在本地或离线使用的研究者。

TinyLlama-1.1B-Chat-v1.0

TinyLlama · 工具包

以小型 1.1B 语言模型的身份用纯文本聊天，运行时占用内存很少。适合想要基于 Llama 风格基础模型的紧凑聊天模型的开发者和研究人员。

Pixal3D

TencentARC · 工具包

从单张图片生成详细的 3D 网格，几何与像素对齐，并带 PBR 纹理。适合在自己的 NVIDIA GPU 上运行图像转 3D 的图形研究者和开发者。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

Qwen3.5-0.8B-weight-space-programming

ML-Intern-lab · 工具包

用一个小型 Qwen3.5-0.8B 模型一步步解数学题，它的权重由一个 LLM 直接修改，没有经过训练，用来消除重复循环。适合研究人员和想试验权重编辑的人。

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。

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。

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。

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。

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。

Qwen3.5-4B-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。

Memorilla-Qwen3-8B

memorilla · 工具包

收录 Memorilla 的记忆模块检查点，通过 Qwen3-Embedding-4B 编码器给冻结的 Qwen3-8B 模型加上记忆。适合研究语言模型记忆的研究者。

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。