anaksor-ocr
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字，用一个检测器找文本行，再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。
新上架
概览
一个浏览器端的 LLM 服务基准注册表，数据取自消费级 GPU，双 Tesla T4 和 RTX 3050 笔记本，带并发扩展曲线，还能提交你自己的测量结果。
RunsOnMine 是一款工具包，属于研究类，由 Mindket 上架。可免费获取。当前为第 1 版，最近更新于 。在本页下载，是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
速览
- 你需要
- Python 和 pip
- 任意网页浏览器
- 用在
- 网页浏览器：Hugging Face 上这个 Space 的页面，无需安装任何东西
- Windows、macOS 或 Linux：下载后的文件，用浏览器打开
- 先运行
pip install -U huggingface_hub hf download prajwalpujari16/runsonmine --repo-type space --local-dir runsonmine cd runsonmine
平台
Windows
macOS
Linux
关于
它是什么
RunsOnMine 是一个浏览器端的注册表，收录在消费级 GPU 上测得的 LLM 服务基准。它包含来自一对 Tesla T4 显卡和一台 RTX 3050 笔记本的 24 条实测数据，以及显示并发从 1 增加到 8 时性能如何变化的曲线。访客还可以通过一键拉取请求入口添加自己的测量结果。
适合谁
适合想要在普通硬件上部署语言模型的真实数字、而不是厂商估算的人。
| Industry | Who uses it | How they use it | Example |
|---|---|---|---|
| 硬件爱好 | 爱好者 | 查看家用 GPU 能跑什么 | 查看 RTX 3050 笔记本的结果 |
| 创业公司 | 小团队 | 判断便宜的 GPU 够不够用 | 阅读双 T4 的扩展曲线 |
| AI 研究 | 研究人员 | 收集实测的服务数据 | 比较不同并发水平下的测量结果 |
如果你想要数据中心 GPU 的数据，可以跳过它，因为这个注册表只覆盖消费级硬件。
用在哪里
你可以在线使用，也可以在自己电脑上打开它的文件。
- 网页浏览器：Hugging Face 上这个 Space 的页面，无需安装任何东西
- Windows、macOS 或 Linux：下载后的文件，用浏览器打开
| Use case | Who | What they get back |
|---|---|---|
| 看真实的服务数字 | 爱好者 | 在物理硬件上取得的测量结果 |
| 研究并发扩展 | 工程师 | 1 到 8 个并发请求的曲线 |
| 分享你自己的结果 | 贡献者 | 一键提交测量结果的途径 |
如何设置
托管的页面什么都不用装。获取文件需要 Python 和 pip。
- Python 和 pip
- 任意网页浏览器
- 安装 huggingface_hub 包。
- 把这个 Space 的文件下载到一个文件夹。
- 进入这个文件夹。
- 在网页浏览器里打开 index.html。
pip install -U huggingface_hub hf download prajwalpujari16/runsonmine --repo-type space --local-dir runsonmine cd runsonmine
如何使用
在线打开这个 Space，或者打开下载文件夹里的 index.html。然后浏览测量结果，看扩展曲线，如果有结果要添加，就使用提交入口。
| Tool | What it does |
|---|---|
| Physical measurements | 列出双 Tesla T4 和 RTX 3050 笔记本上的 24 条测量结果 |
| Concurrency scaling curves | 展示并发从 1 增加到 8 时的结果 |
| PR submission portal | 提供一键提议新测量结果的方式 |
示例
你打开注册表，查看双 T4 的结果。你沿着一条扩展曲线，从 1 个并发请求看到 8 个，了解负载增加时服务表现如何变化。
新手与专家
如果你刚接触，先从最接近你的硬件开始，读一条曲线。这里的并发指 GPU 同时处理多少个请求。
如果你熟悉这个领域，这些数据是实测的，来自物理机器，而不是对它们的建模。这个 Space 提到 Qwen2.5 0.5B Instruct 和 Llama 3.1 8B，以及一个消费级芯片基准数据集。
- 在消费级 GPU 上测量服务表现
- 把数字加入注册表
- 页面绘制并发曲线
- 你比较硬件和负载
注意事项
这个注册表不大，只覆盖两种硬件配置。
- 覆盖范围：双 Tesla T4 和 RTX 3050 笔记本上的 24 条测量结果
- 静态页面：纯 HTML 和 CSS，没有服务器代码
- 贡献：入口会替你打开一个拉取请求
- License: apache-2
- Cost to run: 未提及
- Data it reaches: 说明里没有提到它自己的文件之外的任何东西，只有你选择发送的拉取请求除外
- Not for: 数据中心 GPU 的基准
README 和文件
RunsOnMine
一个浏览器端的 LLM 服务基准注册表，数据取自消费级 GPU，双 Tesla T4 和 RTX 3050 笔记本，带并发扩展曲线，还能提交你自己的测量结果。
由 prajwalpujari16 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。
简介
它是什么：RunsOnMine 是一个浏览器端的注册表，收录在消费级 GPU 上测得的 LLM 服务基准。它包含来自一对 Tesla T4 显卡和一台 RTX 3050 笔记本的 24 条实测数据，以及显示并发从 1 增加到 8 时性能如何变化的曲线。访客还可以通过一键拉取请求入口添加自己的测量结果。
适合谁：适合想要在普通硬件上部署语言模型的真实数字、而不是厂商估算的人。
Title: 谁会用这个注册表
Industry | Who uses it | How they use it | Example
硬件爱好 | 爱好者 | 查看家用 GPU 能跑什么 | 查看 RTX 3050 笔记本的结果
创业公司 | 小团队 | 判断便宜的 GPU 够不够用 | 阅读双 T4 的扩展曲线
AI 研究 | 研究人员 | 收集实测的服务数据 | 比较不同并发水平下的测量结果如果你想要数据中心 GPU 的数据，可以跳过它，因为这个注册表只覆盖消费级硬件。
用在哪里：你可以在线使用，也可以在自己电脑上打开它的文件。
- 网页浏览器：Hugging Face 上这个 Space 的页面，无需安装任何东西
- Windows、macOS 或 Linux：下载后的文件，用浏览器打开
Title: 这个注册表适合做什么
Use case | Who | What they get back
看真实的服务数字 | 爱好者 | 在物理硬件上取得的测量结果
研究并发扩展 | 工程师 | 1 到 8 个并发请求的曲线
分享你自己的结果 | 贡献者 | 一键提交测量结果的途径如何设置：托管的页面什么都不用装。获取文件需要 Python 和 pip。
- Python 和 pip
- 任意网页浏览器
- 安装 huggingface_hub 包。
- 把这个 Space 的文件下载到一个文件夹。
- 进入这个文件夹。
- 在网页浏览器里打开 index.html。
pip install -U huggingface_hub
hf download prajwalpujari16/runsonmine --repo-type space --local-dir runsonmine
cd runsonmine如何使用：在线打开这个 Space，或者打开下载文件夹里的 index.html。然后浏览测量结果，看扩展曲线，如果有结果要添加，就使用提交入口。
Title: 页面展示的内容
Tool | What it does
Physical measurements | 列出双 Tesla T4 和 RTX 3050 笔记本上的 24 条测量结果
Concurrency scaling curves | 展示并发从 1 增加到 8 时的结果
PR submission portal | 提供一键提议新测量结果的方式示例：你打开注册表，查看双 T4 的结果。你沿着一条扩展曲线，从 1 个并发请求看到 8 个，了解负载增加时服务表现如何变化。
新手与专家：如果你刚接触，先从最接近你的硬件开始，读一条曲线。这里的并发指 GPU 同时处理多少个请求。
如果你熟悉这个领域，这些数据是实测的，来自物理机器，而不是对它们的建模。这个 Space 提到 Qwen2.5 0.5B Instruct 和 Llama 3.1 8B，以及一个消费级芯片基准数据集。
在消费级 GPU 上测量服务表现
把数字加入注册表
页面绘制并发曲线
你比较硬件和负载注意事项：这个注册表不大，只覆盖两种硬件配置。
- 覆盖范围：双 Tesla T4 和 RTX 3050 笔记本上的 24 条测量结果
- 静态页面：纯 HTML 和 CSS，没有服务器代码
- 贡献：入口会替你打开一个拉取请求
- License: apache-2
- Cost to run: 未提及
- Data it reaches: 说明里没有提到它自己的文件之外的任何东西，只有你选择发送的拉取请求除外
- Not for: 数据中心 GPU 的基准
Hugging Face 上的数据（2026年11月13日）
- 点赞：1
- 构建方式：static
- 许可证：apache-2.0
链接
- Space：https://huggingface.co/spaces/prajwalpujari16/runsonmine
- 文件：https://huggingface.co/spaces/prajwalpujari16/runsonmine/tree/main
试用
在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。
README.md 4 KB
更新内容
同类产品对比
同一分类里与本产品共有标签最多的已上架 Hugging Face Space。
| 产品 | 点赞 | 构建方式 | 许可证 | 最近更新 |
|---|---|---|---|---|
| RunsOnMine 本页 | 1 | static | apache-2.0 | |
| RL Environments on Hugging Face共有 benchmarks | 40 | docker | apache-2.0 | |
| Arena Leaderboard共有 static | 5,039 | static | apache-2.0 | |
| Browser共有 static | 533 | static | cc0-1.0 | |
| Model Pulse共有 static | 214 | static | apache-2.0 | |
| MTEB-BR Leaderboard共有 static | 126 | static | apache-2.0 |
评价
Mindket 的更多商品
查看 Mindket 的全部商品Qwen2.5-7B-Instruct-GGUF
Qwen · 工具包
Qwen2.5-7B-Instruct 的 GGUF 文件，提供八种量化大小，可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。
新上架
ACE-Step 1.5 XL SFT
ACE-Step · 工具包
用 4B 扩散解码器根据文字生成音乐，50 步并带引导控制，音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。
新上架
研究类的相似商品
查看研究类的全部商品Merlin-Cancer-Super
AbdomenAtlas · 工具包
在 CT 扫描上检测并勾画 9 个器官的肿瘤，使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型，采用非商业许可。
新上架
EarthJev
dBenf · 工具包
回答关于卫星图像块的类型化问题，使用 Sentinel-2 的全部 12 个波段，为每个选项返回概率，不生成文字。这是 Qwen3.5-0.8B 的微调版本，适合地球观测研究者。
新上架
getting-over-it-rl-jax
zimmerk4 · 工具包
用一个在 JAX 物理模拟器里学会的小型策略网络，从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。
新上架