Qwen2.5-7B-Instruct-AWQ
Qwen · 工具包
Qwen2.5-7B-Instruct 的 4 位 AWQ 版本,一个 7.6B 的聊天模型,能遵循指令、处理表格并返回 JSON。适合想要更小内存占用的强力聊天模型的开发者。
Qwen · 工具包
Qwen2.5-7B-Instruct 的 4 位 AWQ 版本,一个 7.6B 的聊天模型,能遵循指令、处理表格并返回 JSON。适合想要更小内存占用的强力聊天模型的开发者。
Qwen · 工具包
这是一个 14.7B 参数的对话模型,能回答问题、写代码、做数学题并输出结构化 JSON,上下文最长 131,072 个 token。适合想自己运行开源模型的开发者。
Qwen · 工具包
名为 Q-Judger 的评审模型,对照提示词给 AI 生成的图像打分,涵盖五组标准,并以 JSON 回复。适合测试文生图模型的人。
numind · 工具包
以文本或图像读取文档,按你要的字段填写 JSON 模板,或把页面转成 Markdown。这是一个 4B 模型,适合处理扫描件、表单和发票的团队。
NousResearch · 工具包
Hermes 4.3 36B 的 GGUF 版本,是一个混合推理模型,能先思考再回答、写出有效的 JSON,并遵循你的系统提示词。适合在自己机器上运行大模型的人。
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。
manuelgscom · 工具包
把西班牙语或英语请求变成一条 Linux bash 命令,以小型 JSON 对象返回。适合想要在 CPU 或 GPU 上运行本地命令助手的终端用户和开发者。
harshatheg · 工具包
在 Apple Silicon 上用 MLX 提取结构化字段、路由决策和给文本分类,一次给所有模式字段打分。在 M4 Max 上延迟降低 5.6 到 7.0 倍,JSON 始终有效。
ebinan92 · 工具包
从图片中读取乌克兰语手写文档,找出每个文字区域、标注类型,并以结构化 JSON 返回转写内容。这是用于手写数字化的开放 4B 视觉语言模型。
datalab-to · 工具包
从 PDF 和图像中提取结构化数据。你提供一个 JSON 模式,它返回与之匹配的对象。这是 Datalab 的 9.7B 视觉语言模型,适合处理文档的开发者。
Qwen · 工具包
这是一个 7.6B 参数的指令微调模型,能聊天、写代码、做数学题并输出结构化 JSON,上下文最长 131,072 个 token。适合需要在单台电脑上运行小型开源模型的开发者。
datalab-to · 工具包
读取图片和 PDF 中的文字,返回保留页面布局的 markdown、HTML 或 JSON。能处理手写、表单、表格和数学公式,支持 90 多种语言,适合做文档数字化的人。
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。
Qwen · 工具包
Qwen 的 1.5B 小型对话模型,能遵循指令、写代码和数学、输出 JSON 等结构化内容,支持超过 29 种语言。适合需要轻量模型的开发者。
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。
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。
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。
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。
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。
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。
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。
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。
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。
TabArena · 工具包
在 Gradio 排行榜里用 Elo 评分给表格数据的机器学习方法排名,并以 JSON 和 MCP 工具的形式把数据提供给智能体。适合挑选表格机器学习方法的研究者和从业者。
一个 n8n 工作流,在聊天里要一个 Notion 数据库链接,让 Claude 为这个数据库写出一个 n8n 助手工作流。它会检查 JSON,出了问题就让 Claude 重来,最后返回可以粘贴进 n8n 的 JSON。
一个 n8n 工作流,用你自己的口吻回复 Instagram 私信。ManyChat 把每条消息发到一个 webhook,OpenAI 智能体带着这次聊天的简短记忆写回复,回复再以 JSON 发回去。
一个带网页表单的 n8n 工作流。上传一份 PDF,贴上以字段名为键的 JSON 值,JustFill 的托管 API 就会填好表单,并返回指向成品 PDF 的链接。字段匹配不用 AI 模型。
n8n 工作流
一个 n8n 工作流,盯着一个 JSON 地址,有新东西出现时在 Telegram 上告诉你。每 5 分钟它保留新的、符合你筛选条件的条目,并把每个条目作为一条消息发出去。
一个 n8n 工作流,用取自网页的 JSON 来回应 webhook 调用。它检查地址,下载页面,把页面变成文字,再请 OpenAI 挑出调用者指名的字段。
n8n 工作流
一个 n8n 聊天:每条消息都发给你自己 Ollama 服务器上的 Llama 3.2。模型把回答写成一个 JSON 对象,聊天里显示你的提问、模型的回答和它出自的 JSON。
n8n 工作流
一个 n8n 工作流,向 OpenAI 模型提一个问题,并让回答符合你定义的 JSON 格式。回复不符合时,会交给第二次模型调用修复一次。
n8n 工作流
一个带聊天框的 n8n 工作流:输入一条消息,在你自己的 Ollama 里运行的 Mistral NeMo 就以 JSON 返回姓名、联系方式、主题和时间。文字只在 n8n 和你的 Ollama 之间流动。
n8n 工作流
一个挂在网址后面的 n8n 工作流。发给它一个主题和一个类型,Claude 写出一篇博客、一期通讯或三条社交帖,工作流把草稿以 JSON 返回,并把预览发到 Slack。
kyy-logs · 技能
静态地审查一份差异或一段提交,写出可审计的报告,每条发现都有位置和严重度,通过或不通过的闸门由 JSON 记录得出,且不会改动你的代码。
n8n 工作流
一个从 Google Sheets 队列出发、每天做一条十大排行倒数视频的 n8n 工作流。OpenRouter 上的模型写题目和脚本,JSON2Video 渲染视频,YouTube 收到一条不公开的上传。
n8n 工作流
一个 n8n 工作流:从一个类别或你自己的想法出发,做出一段无需出镜的短视频。OpenAI 给出十个开场创意供你挑选,Tavily 和 Claude 负责调研和写脚本,JSON2Video 渲染视频,Gmail 把链接发给你。
n8n 工作流
一个 n8n 工作流,里面是通过 Apify Actor 从 Google 地图收集本地商家的零件:启动运行,等待,再读取地点。一段 JSON 请求体写明地点、商家类型和要收集的数量。它的节点之间没有连线。
unclecode · 工具包
UncleCode 做的开源网页爬虫和抓取工具,面向大语言模型和 AI 智能体。它在浏览器里加载页面,返回干净的 Markdown,或者按你定义的结构返回 JSON。说明涵盖 Python 库、crwl 命令、Docker 服务器和 MCP。
cloudflare · 技能
Cloudflare 的编程智能体技能,对你的代码库做六个阶段的安全审计。每条线索都由一个新的智能体尝试推翻,每项发现都写进经过 schema 校验的 findings.json,标为已确认、待验证或已否决。