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。

Spark-X2.6-4B

XHToken · 工具包

一个 4.1B 的语言模型，擅长编程、智能体任务和长上下文，支持英文和中文，有三档思考强度，适合构建在自己设备上运行的智能体的开发者。

VoxCPM2

openbmb · 工具包

用 30 种语言和九种中文方言朗读文字，输出 48 kHz，可根据文字描述设计新声音，也能从一小段音频克隆声音。这是面向开发者的开放 2.3B 文字转语音模型。

Diffusion-Qwen3.8-27B

summerAIO · 工具包

把 Qwen3.8-27B 转成掩码扩散语言模型，用并行解掩码的方式生成文字。这是一个实验性的研究检查点，适合有大显卡的研究人员和机器学习工程师。

MOSS-Image-SFT

OpenMOSS-Team · 工具包

OpenMOSS 的文生图模型，由 MOSS-Image-Base 微调而来，可以读取普通提示词、标签或 JSON 布局来摆放文字和物体，适合在 NVIDIA GPU 上用 diffusers 生成图片的人。

Nanbeige4.3-33B

Nanbeige · 工具包

一个 33.1B 的开放模型，面向智能体编程和专业协作任务，是 Nanbeige4.3 系列的旗舰教师模型，适合想要约 30B 参数强力开放模型的开发者和智能体开发者。

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

RikiyaT · 工具包

一个由 LLM 在不训练的情况下编辑了两个权重矩阵的 Qwen3.5-0.8B，用来消除它的思考死循环并提升数学能力。这是面向研究人员和小模型用户的实验性模型。

NVIDIA NemotronLabs RE-USE

nvidia · 工具包

用 NVIDIA 推出的 9.6M 参数小模型，清理任何语言里有噪声或受损的语音录音，适合需要更清晰人声的音频和语音开发者。

Mage-VL-Cowork

microsoft · 工具包

用一个约 4B 参数的小型视觉语言模型，根据截图和终端命令来操作电脑，由 Microsoft 开发，适合构建或研究电脑操作智能体的人。

Recursive Flint

RecursiveSI · 工具包

为编程智能体打造的 39.8B 混合专家语言模型，能调查代码库、修复 bug、实现功能并编写测试，适合在 GPU 服务器上运行自己智能体的开发者。

Alpamayo 2 Edge

nvidia · 工具包

读取多路摄像头画面、导航指令和运动历史，输出带文字理由的行驶轨迹，也能回答关于场景的问题。适合自动驾驶开发者和研究者。

gemma-4-31B-it

google · 工具包

Google DeepMind 推出的 31B 指令微调模型，能读文字和图片并输出文字，上下文 256K，可配置思考模式，适合在工作站或服务器上运行开放模型的开发者。

MOSS-Image-heal

KBlueLeaf · 工具包

KBlueLeaf 对 MOSS-Image-Base 文生图模型做的微调，缩小了其内部数据流里的极大值，同时让输出和基础模型保持接近。适合 ComfyUI 和 diffusers 用户以及数值研究人员。

Laya

convaiinnovations · 工具包

用一次约 33 ms 的前向计算，对一条消息、邮件、工单或 JSON 记录里的带类型问题给出校准过的概率，支持 100 多种语言，适合给工单分流和文本分类的开发者。

THX-02

HAL-X-AI · 工具包

针对一条消息、文档、图片或图表里的纯文字问题，在几十毫秒内给出每个选项的概率，适合做工单分流和记录分类的开发者。

Unlimited-OCR

baidu · 工具包

用 Baidu 的 3.3B 视觉语言模型把文档图片和多页 PDF 解析成文字，适合把 OCR 和文档解析加入自己工具的开发者。

AREX-2

BAAI · 工具包

用 BAAI 的 27B 模型，通过多轮提出、测量、反思和修改来改进自己的解答，适合做编程、机器学习和深度研究任务的智能体研究者和开发者。

Nex-N2.6

nex-agi · 工具包

作为多模态智能体模型处理计算机操作、编程和长时间的工具任务，基于 GLM-5.3-Flash，FP8 权重约 321B 参数。适合能自行托管大模型的团队。

pjit-21k

Linum-AI · 工具包

Linum 的实验性 2B 文生图模型，训练算力约 2.1 万美元，最适合用 50 到 80 个词的详细提示词，不能在图里写字。适合研究人员和好奇的创作者。

KLM 1.6

MinimaLabs · 工具包

用 MinimaLabs 的 99M 小型基础语言模型续写英文文字。适合想研究、测试或微调极小模型的研究者和爱好者。

Unlimited-OCR-2

baidu · 工具包

百度的 3.3B 文档解析模型，面向长文档，用 SR-SWA 注意力让解码成本几乎保持不变，提供 Transformers 和 SGLang 两条使用路线。适合要把长报告和书籍数字化的团队。

GLM-5.3-Flash

zai-org · 工具包

zai-org 的 GLM-5 系列原生多模态模型，总参数 320B、激活 18B，采用稀疏与线性注意力的混合设计，并能控制思考预算。适合有大型 GPU 服务器的团队。

DeepSeek-V4.1-Flash

deepseek-ai · 工具包

DeepSeek 的多模态混合专家模型，骨干有 552B 参数，上下文长达一百万个 token，专为降低长输入智能体工作的 KV 缓存成本而设计。适合有大型 GPU 集群的团队。

Mithi v1 Flash

Oomni · 工具包

用男声和女声朗读 11 种印度语言的文字，可在 GPU 或普通 CPU 上运行，适合给应用加入语音功能的开发者。

S5-nano

maritaca-ai · 工具包

Maritaca AI 基于 Qwen3.5-4B 制作的葡萄牙语和英语小模型，有 Think 和 Instruct 两种模式，工具使用能力强，这是适用于 vLLM 和 SGLang 的 BF16 版本。适合构建巴西葡萄牙语助手的开发者。

Raon-1 nano

KRAFTON · 工具包

用韩语和英语生成文本、遵循指令、保持对话上下文并调用工具。一个 3.1B 参数、上下文 262,144 个 token 的语言模型，适合开发者和设备端应用。

PAN 2

IFM · 工具包

MBZUAI 的 IFM 做的 29B 世界模型，把一个场景和描述的动作变成最长 20 秒的视频，让智能体可以预览结果，适合有大显卡的研究人员和智能体开发者。

qwen-concept-27b

ConceptCountry · 工具包

对 Qwen3.8-27B 的九个权重矩阵做了权重空间编程式的编辑，无需训练，所以它用更少的 token 思考。这是面向研究人员和本地模型用户的实验性版本。

MNN-Pocket-0.3B

taobao-mnn · 工具包

一个约 300M 参数、支持英文和中文的小型指令微调语言模型，与 MNN 推理栈一起设计，面向手机和平板运行。适合构建端侧助手的开发者。

embeddinggemma-2

google · 工具包

Google DeepMind 的开源嵌入模型，把文字、代码、图片、视频和音频放进同一个 768 维向量空间，可在笔记本和手机上运行。适合构建搜索和检索的开发者。

LongCat-2.5

meituan-longcat · 工具包

美团 LongCat 的多模态混合专家模型，面向长时间的智能体任务和编程，总参数约 1.6 万亿，每个 token 激活 480 亿。适合有大型 GPU 集群的实验室和团队。

Z-Image Lookalike LoRA Index

nphSi · 工具包

一个静态网页，为 ZI Base、ZI Turbo 和 Ming 模型的 LoRA 附加文件做索引，在浏览器里打开即可。README 只有一行，所以索引怎么组织并不明确。

DeepSeek-V4.1-Flash-1017

deepseek-ai · 工具包

面向推理、编程和智能体任务的图文模型，上下文窗口为 1M 个 token，由 DeepSeek-V4.1-Flash 更新而来。适合构建智能体的开发者。

DSpine for Qwen3.8-27B

tencent · 工具包

五层草稿模型，为 Qwen3.8-27B 并行猜测 16 个 token，再由大模型一并检查。适合部署该模型的团队。

CCORE GLB-3D-Coder

ccore · 工具包

根据文字描述写出 Three.js 页面，预览低多边形 3D 资产并导出为 GLB，可用于 Godot 等编辑器。适合游戏开发者和 3D 爱好者。

Qwen3.8-27B

Qwen · 工具包

能读懂文字、图片和视频并用文字回复的 27B 开源模型，面向编程、研究和多步骤智能体任务，适合自己部署模型的开发者。

Qwen3.5-4B-3D-Coder

ccore · 工具包

根据文字提示词编写代码和可交互的 Three.js 3D 场景，加上可选的视觉文件后还能参考图片生成。这是一个 4B 微调模型的早期预览，适合想试用小模型的人。

Arete-27B

NousResearch · 工具包

用 270 亿参数的文本模型回答政治敏感问题，由 Nous Research 在 Qwen3.8-27B 基础上重新训练，以调整其立场。适合助手开发者和价值对齐研究者。

Ripple-65B Preview

ricursiveAI · 工具包

用 650 亿参数的稠密语言模型驱动终端编程智能体，上下文最长 1,048,576 个 token。适合想要 Apache 2.0 开放权重的开发者和研究者。