d3-turbo
vllm-sr · 工具包
在一次调用中回答关于文字、图片或视频的选择、是非、打分、框选和跟踪类问题,并为每个答案给出概率。适合构建路由或视觉检查的人。
vllm-sr · 工具包
在一次调用中回答关于文字、图片或视频的选择、是非、打分、框选和跟踪类问题,并为每个答案给出概率。适合构建路由或视觉检查的人。
vllm-sr · 工具包
在一次调用中回答关于文字、图片或视频的选择题、是非题和打分题,并为每个答案给出概率。适合做路由和分诊的工程师使用的 2B 决策模型。
vllm-sr · 工具包
在一次调用中回答关于文字、图片或视频的选择题、是非题和打分题,并为每个答案返回概率。适合做路由和分诊的工程师使用的小型决策模型。
nace-ai · 工具包
一次推理就对一份文档的是非题、选择题和打分题给出每个选项的概率。这是 Nace.AI 的 8B 决策模型,你可以自己运行,许可证为非商业。
mukaddamzaid · 工具包
针对一个案例(文本、JSON 或照片)回答带类型的问题,一次推理就给出每个允许答案的概率。这是一个 27B 的决策模型,不写自由文本,适合开发分流和审核流程的开发者。
mradermacher · 工具包
OneJev1.6-4B 的量化 GGUF 副本,大小从约 2 GB 到 8.5 GB,可在你自己的电脑上运行。模型卡没有说明基础模型的用途。
mradermacher · 工具包
PelaAI 的 KnowLine 4B 模型的静态 GGUF 文件,大小从 2.1 GB 到 8.8 GB,标注了英文和中文。适合想在自己电脑上运行小模型的人。
mlx-community · 工具包
4.2B 聊天模型 JevK5 的 4-bit MLX 版本,面向 Apple Silicon,上下文 262,144 token,内存占用小。适合想在入门级 Mac 上用本地聊天模型的用户。
FINAL-Bench · 工具包
读取一个情境和一组带类型的问题,一次前向计算就为每个选项返回概率,不生成任何文字。适合给工作流增加校准决策步骤的开发者。
Poindexter-Labs · 工具包
根据自然语言背景给出结构化决策:从选项中选一个、判断一个是非命题,或按评分标准给一项内容打分。适合构建智能体路由和分类的开发者。
OmniJev · 工具包
读取截图、照片、视频或文字和几个带类型的问题,一次运行就给每个答案选项打出概率。适合开发会看屏幕的智能体的人。
OmniJev · 工具包
读取截图、照片、视频或文字,再结合你输入的问题,为每个答案选项给出概率,比如智能体下一步该做什么、任务是否完成。
OmniJev · 工具包
针对截图、照片、视频或文字,回答你提的问题,并给出每个选项的概率。适合需要在智能体循环里快速做决定的开发者。
cua-ai · 工具包
为 GUI 表单的每个元素给出可能动作的评分,例如填写、勾选、点击或跳过,并返回每个选项的概率。这是一个很小的模型,适合开发表单填写智能体的开发者。
convaiinnovations · 工具包
读取邮件、工单等 100 多种语言的文字,一次计算就用带概率的类型化答案回答问题。322M 模型,不生成文字,适合给多语言消息分流的团队。
vllm-sr · 工具包
一个 9B 模型,一次调用就能回答关于文字、图像或视频的多个选择、是非和打分问题,并为每个答案返回概率而不是生成文字。适合路由和决策任务。
vllm-sr · 工具包
用一次调用回答关于文字、图像或视频的选择、是非和打分问题,为每个答案返回概率而不是文字。这是 27B 的决策模型,适合做路由和分流的开发者。
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。
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。
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。