来自 Hugging Face 的 AI 项目

deep-live-cam

hacksider · 工具包

以 deep-live-cam 为名，存放 diffusers 库的模型文件，采用 GPL-3.0 许可。页面没有说明，所以任何换脸用途都应只使用你有权使用的人脸。

Kimi-K3.1-Pro-Coder

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。

gemma-4-12B-it

google · 工具包

接收文字、图片和音频并输出文字回答，是 Google DeepMind 的 12B 指令微调模型，上下文 256K 词元，思考模式可配置。适合在本地运行开放模型的开发者。

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。

MedErtas v0.1 27B LS

ErtasAI · 工具包

压缩到 22 GB 的开放权重医学语言模型，最擅长临床计算和从长病历中提取事实。适合在 NVIDIA Blackwell GPU 上构建医疗 AI 产品的团队。

CherryPit-1.2-2B

DRUPEs · 工具包

基于 MiniCPM5-2B 的 2B 编程和聊天模型，在需要多个功能合在一个组件里的网页应用上进步很大。适合想要本地小型代码模型的开发者。

Tallow

digi-the-robot · 工具包

一个只有 15.7M 参数的小型语言模型，扮演一只野生乌鸦，用心情、动作和乌鸦叫声回答，还会记住你怎么对他。适合爱折腾的人，以及想和一个小角色模型聊天的人。

Qwen3.8-27B-pi

bytkim · 工具包

为 Pi 智能体框架调优的 27B 编程模型，训练它读取代码仓库、编辑文件、运行工具并利用工具的反馈，推理强度可调。适合运行编程智能体的开发者。

Silencio-2

BlueRoseLabs · 工具包

把英文文本转成 24 kHz 语音，支持情绪和声音标签，还能从一小段参考音频复制音色。这是基于 Kyutai 的 Pocket TTS 微调的小型文本转语音模型。

NorthCUA-Mini

beipo-ai · 工具包

读取截图和请求，然后规划并发出操作桌面或浏览器的动作。这是基于 Qwen3.5 的 35B 混合专家计算机操作模型，激活参数 3B。

Qwen3.8-27B-DFlash2

z-lab · 工具包

一个草稿模型，通过提出一整块词元让主模型检查，来加快 Qwen3.8-27B 的生成。不能单独使用。适合用 SGLang 或 vLLM 部署 Qwen3.8-27B 的人。

Spark-X2.6-1.7B

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。

d3-ultra

vllm-sr · 工具包

对同一份文本、图片或视频输入一次回答多个问题，为每个答案给出概率，不生成文字。这是 vLLM Semantic Router 推出的 27B 多模态决策模型。

d3-mini

vllm-sr · 工具包

一次调用就能回答关于文本、图片和视频的选择题、是非题和打分题，并为每个答案返回概率，而不是生成文字。适合需要给请求分流或分类的开发者。

Typhoon OCR V2 0.8B

typhoon-ai · 工具包

用 0.8B 参数把泰语和英语文档页面解析成按顺序排列的版面元素，带类别、边框和文字。适合要把泰语文件数字化的开发者。

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。

Hy-MT2-1.8B

tencent · 工具包

腾讯推出的 1.8B 模型，可在 33 种语言之间翻译，并能遵循翻译指令。适合想自己运行小型翻译模型的开发者和团队。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

DeepSeek-V4.1-Flash-EXL3-3bpw-2x-RTX-PRO-6000

diffbot · 工具包

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。

DeepSeek-V4.1-Flash-1017-Sushi-STQ-1.75bpw

beamster · 工具包

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

humanizer

jialinyyzz · 工具包

把 AI 写的草稿，如邮件、文章、报告和论坛帖子，改写得像真人写的，支持英文和中文。一个 12B 模型，保留数字和名字，可在本地运行。

gemma-4-E4B-it

google · 工具包

接收文字、图像和音频输入并输出文字，上下文 128K token，支持 140 多种语言。这是 Google DeepMind 的小型指令微调 Gemma 4 模型，为在笔记本和手机上运行而设计。

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。

DeepHat-V1-7B

DeepHat · 工具包

面向网络安全和 DevOps 工作的 7B 编程模型，由 Qwen2.5-Coder-7B 微调而来。适合想要本地小模型的安全和运维工程师，须遵守附加的使用限制。

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。

GLM-OCR

zai-org · 工具包

读取文档图像中的文字、公式和表格，并从中提取结构化信息，支持八种语言。这是 zai-org 的小型 OCR 模型，面向开发者和文档处理流水线。

Beam-1.0-501B-A23B

reflection · 工具包

Reflection 推出的开放指令微调文本模型，501B 参数，每次激活 23B，上下文 1M token，面向编程、工具使用和推理。需要大型多 GPU 服务器才能运行。

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。

Qwen3-4B

Qwen · 工具包

用 4B 的 Qwen3 模型生成文本，可在处理难题的思考模式和快速聊天的普通模式之间切换。适合想用小型聊天模型的开发者。

pplx-decider-flash-v1.2

perplexity-ai · 工具包

Perplexity 的小型决策模型，基于 Qwen3.5-4B，读取文字和图片，用概率回答选择题、是非题和打分题，适合快速分流和分诊。

PaddleOCR-VL-1.6

PaddlePaddle · 工具包

读取图片并返回其中的文字，专为解析中英文文档而做。这是 PaddlePaddle 推出的 959M 参数模型，通过 PaddleOCR 库运行。

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。

Maya 2 Native

maya-research · 工具包

用 24 kHz 音频朗读 11 种印度语言和英语的文字，边生成边流式输出，带 20 个内置声音和跨语言声音克隆。这是一个可以自己托管的开放 2.5B 文字转语音模型。

Qwen3.8 13.5B

kusuriya-labs · 工具包

一个把 Qwen3.8-27B 剪掉一半层数再重新训练的实验，得到一个 14.7B 的日英模型，作者称它目前还不实用。

Ling-3.0-tiny

inclusionAI · 工具包

用 7.9B 的混合推理模型生成文本，每个词元只激活 1.3B 参数，适合本地和低资源环境。适合不想用数据中心 GPU 却要推理和智能体能力的开发者。

Hemmingway-1.5

HemmingwayAI · 工具包

写日常文字，如邮件、博客文章和商品描述，也能把其他 AI 写的文字改得更像真人口吻。一个约 27B 参数的开放权重模型，仅限非商业使用。

gemma-4-E2B-it

google · 工具包

接收文字、图像和音频输入并输出文字，上下文 128K token，支持 140 多种语言。这是 Google DeepMind 最小的指令微调 Gemma 4 模型，为手机和笔记本而设计。

DeepSeek-V4-Flash

deepseek-ai · 工具包

DeepSeek 的预览版混合专家语言模型，总参数 284B，每个词元用 13B，上下文一百万词元。是 DeepSeek-V4-Pro 的较小兄弟。适合实验室和重度自托管。

MiMo-V2.6-Pro-RL

XiaomiMiMo · 工具包

在一个 1.02T 参数、1M 词元上下文的模型里同时处理文字、图像、视频和音频。它是小米 MiMo-V2.6 系列的旗舰，用大规模强化学习训练，面向编程和智能体工作。

MiniCPM5-2B

openbmb · 工具包

用面向设备端和本地使用的稠密 2B 级模型生成文本，涵盖英文和中文的编程、数学、长上下文、工具使用和智能体任务。适合硬件有限的开发者。

MiniCPM-OCR 1.0

openbmb · 工具包

OpenBMB 的 1.3B 模型，能读取英语和中文文档，解析文字、表格、公式、图表和印章，并提取关键字段。

whisper-large-v3-turbo

openai · 工具包

OpenAI 的更快的 Whisper 模型，用于语音识别和语音翻译，有 809M 参数，解码层只有 4 层。适合开发者和需要转写音频的人。

gpt-oss-120b

openai · 工具包

OpenAI 的开放权重语言模型，117B 参数，可调推理强度，思维链可见并支持工具使用。能在一块 80 GB 的 GPU 上运行，采用 Apache 2.0 许可。

KURE-Sparse-nano

nlpai-lab · 工具包

一个紧凑的韩英稀疏检索模型，把查询和文档变成稀疏向量，用于倒排索引搜索，适合做韩语搜索的团队。