Ling-3.1-flash-DSpark
AQ-MedAI · 工具包
一个小型草稿模型,通过 SGLang 里的推测解码加速 Ling-3.1-Flash,每次草拟 5 个或 7 个 token。适合在 NVIDIA GPU 上部署 Ling-3.1-Flash 的团队。
AQ-MedAI · 工具包
一个小型草稿模型,通过 SGLang 里的推测解码加速 Ling-3.1-Flash,每次草拟 5 个或 7 个 token。适合在 NVIDIA GPU 上部署 Ling-3.1-Flash 的团队。
aoleg · 工具包
MOSS-Image 模型的滑块式 LoRA,只靠强度就能让图片更锐利或更柔和,不需要触发词。适合想修复 MOSS Base 模糊问题的图像创作者。
antirez · 工具包
为 Mac 用户提供 DeepSeek V4.1 Flash 经过校准的 2 位和 4 位 GGUF 文件,另有单独的视觉编码器,供 DwarfStar 的 Metal 引擎配合 SSD 流式加载使用。与其他 DeepSeek 权重不通用。
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。
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。
ai-sage · 工具包
把俄语语音转成文字,有能加标点并规范文本的变体,基于约 230M 参数的 Conformer。适合转录俄语音频(如通话)的开发者和团队。
agentionai · 工具包
比 Qwen3.8-27B 回答更简短直接,使用更少的回答和思考 token,因此回复结束得更早。这是一次轻量微调,可以直接用在与基础模型相同的工具里。
ACE-Step · 工具包
用 4B 参数的扩散模型只需 8 步就能生成音乐和其他音频,通过 Gradio 界面在本地运行。适合有 12 GB 以上显存 GPU 的创作者和开发者。
abacusai · 工具包
把 AI 写的文本改写成人类口吻,同时保留事实、数字、名称和排版。这是 Abacus.AI 基于 Gemma 4 微调的 12B 模型,适合写作者和编辑。
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。
Zyphra · 工具包
把文字转成 30 多种语言的自然语音,能根据样本克隆声音,采用混合专家模型以实现低延迟。可以在带 NVIDIA GPU 的 Linux 机器上本地运行。
zerofata · 工具包
提供一个 31.3B 参数的语言模型,基于 ReadyArt 的 gemma-4-31B-it-scotoma-2,适合在自己硬件上运行模型的人。这里的模型卡文字没有说明它的用途。
zai-org · 工具包
一个 320B 参数、激活 18B 的多模态模型,能读文字和图像,思考预算可调,用混合注意力设计处理长上下文。适合有像样 GPU 基础设施的团队。
zai-org · 工具包
zai-org 推出的 753B 参数开放文本模型,适合编程和智能体这类长链条多步工作,有 1M 词元上下文,采用 MIT 许可证。适合拥有大型 GPU 集群的团队。
YoSaNoo · 工具包
一个从 Google 的 gemma-4-E2B 微调而来的小型文本模型,偏向写代码,以 GGUF 文件发布,可在 Ollama、LM Studio、Unsloth 或 Jan 中在自己的笔记本上运行。
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。
XHToken · 工具包
一个小型草稿模型,通过推测解码加速 Spark-X2.6-1.7B,每步最多猜 7 个 token。适合在支持它的 llama.cpp 构建上本地运行该模型的人。
Wan-AI · 工具包
用 Wan2.1 的 VACE 模型根据提示词、静态图片或已有片段制作和编辑视频,视频里还能出现中英文文字。适合有消费级 GPU 的视频创作者和开发者。
VAST-AI · 工具包
把单张 2D 图片变成数量可变的 3D 高斯,用于资产创作、AR 和 VR、游戏和仿真。VAST-AI 出品,适合 3D 创作者和开发者。
unsloth · 工具包
在笔记本上聊天、总结和回答文字问题,是 Unsloth 提供的 Meta 小型 Llama 3.2 1B Instruct 的 GGUF 副本,精度从 16 比特到 2 比特。适合开发者和学习者。