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。
用 512K token 的上下文窗口写文字、代码和推理回答,适合想要训练数据、代码和检查点全部公开的开放稠密模型的开发者和研究人员。
K2-Horizon-7B 是一款工具包,属于开发类,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。
pip install -U huggingface_hub hf download IFM/K2-Horizon-7B
K2-Horizon-7B 是 IFM 的 K2-Horizon 系列中的中等稠密模型。它是仅解码器的文本生成模型,核心为 7B,Hugging Face 列出的参数总量是 9B。它的上下文窗口可达 524,288 个 token。
如果你想用开放的稠密模型做智能体、编程、长上下文和推理工作,并且希望能查看训练材料,它适合你,开发者和研究人员尤其合适。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 软件 | 开发者 | 给应用加入由本地模型支持的编程和智能体功能 | 请它修复一个长文件里的 bug |
| 研究 | 机器学习研究人员 | 研究能力在训练过程中如何变化 | 把中间检查点和最终模型做对比 |
| AI 实验室 | 训练团队 | 复用公开的数据和训练配方 | 用发布的代码复现一次训练 |
如果你只需要一个用于简短聊天的小模型,可以跳过它,因为它有 9B 参数。
| 用途 | 适合谁 | 得到什么 |
|---|---|---|
| 编程帮助 | 开发者 | 文字形式的代码和解释 |
| 长文档 | 分析人员 | 基于最长 524,288 个 token 输入给出的回答 |
| 推理 | 研究人员 | 书面的逐步回答 |
| 训练研究 | 研究人员 | 可以跨训练阶段对比的中间检查点 |
你需要 Python 和放权重的磁盘空间。
pip install -U huggingface_hub hf download IFM/K2-Horizon-7B
用 transformers 加载下载好的文件,再用英文给模型写提示词。模型卡还指向另一个仓库 K2-Horizon-7B-Uno,里面是用于加快推理的 Diffusion Adapters。
你把一个很长的代码文件交给模型,让它找出测试失败的原因。它用文字回复,给出解释和修复建议。
你可以把它看作一个能读很长输入的通用文本和代码模型。第一次小测试就是问一个简短的编程问题。等这个跑通后,再试长文档。
它是稠密的仅解码器模型,不是混合专家模型。长上下文从中期训练阶段起就是原生支持的,不是事后拉长的。模型卡把它与 Gemma 4-12B、Qwen3.5-9B 和 Granite 4.2-8B 在数学、编程等基准上做了对比。
模型卡报告该模型在 HMMT Feb 2026 上得 77.8,在 SWE-bench Verified 上得 72.4。其他人发布了 48 个量化版本和 16 个微调版本。
用 512K token 的上下文窗口写文字、代码和推理回答,适合想要训练数据、代码和检查点全部公开的开放稠密模型的开发者和研究人员。
由 IFM 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的,模型自己的文件和许可证在 Hugging Face 上。
它是什么:K2-Horizon-7B 是 IFM 的 K2-Horizon 系列中的中等稠密模型。它是仅解码器的文本生成模型,核心为 7B,Hugging Face 列出的参数总量是 9B。它的上下文窗口可达 524,288 个 token。
适合谁:如果你想用开放的稠密模型做智能体、编程、长上下文和推理工作,并且希望能查看训练材料,它适合你,开发者和研究人员尤其合适。
Title: Who uses this model
行业 | 谁在用 | 怎么用 | 例子
软件 | 开发者 | 给应用加入由本地模型支持的编程和智能体功能 | 请它修复一个长文件里的 bug
研究 | 机器学习研究人员 | 研究能力在训练过程中如何变化 | 把中间检查点和最终模型做对比
AI 实验室 | 训练团队 | 复用公开的数据和训练配方 | 用发布的代码复现一次训练
如果你只需要一个用于简短聊天的小模型,可以跳过它,因为它有 9B 参数。
用在哪里:
Title: Jobs it does
用途 | 适合谁 | 得到什么
编程帮助 | 开发者 | 文字形式的代码和解释
长文档 | 分析人员 | 基于最长 524,288 个 token 输入给出的回答
推理 | 研究人员 | 书面的逐步回答
训练研究 | 研究人员 | 可以跨训练阶段对比的中间检查点
如何设置:你需要 Python 和放权重的磁盘空间。
pip install -U huggingface_hub
hf download IFM/K2-Horizon-7B
如何使用:用 transformers 加载下载好的文件,再用英文给模型写提示词。模型卡还指向另一个仓库 K2-Horizon-7B-Uno,里面是用于加快推理的 Diffusion Adapters。
示例:你把一个很长的代码文件交给模型,让它找出测试失败的原因。它用文字回复,给出解释和修复建议。
新手与专家:你可以把它看作一个能读很长输入的通用文本和代码模型。第一次小测试就是问一个简短的编程问题。等这个跑通后,再试长文档。
它是稠密的仅解码器模型,不是混合专家模型。长上下文从中期训练阶段起就是原生支持的,不是事后拉长的。模型卡把它与 Gemma 4-12B、Qwen3.5-9B 和 Granite 4.2-8B 在数学、编程等基准上做了对比。
输入文字
稠密仅解码器模型
上下文最长 524,288 个 token
输出文字
注意事项:模型卡报告该模型在 HMMT Feb 2026 上得 77.8,在 SWE-bench Verified 上得 72.4。其他人发布了 48 个量化版本和 16 个微调版本。
Title: HMMT Feb 2026 score
K2-Horizon-7B: 77.8 分
Granite 4.2-8B: 66.5 分
Qwen3.5-9B: 65.7 分
Gemma 4-12B: 63.1 分
用 Hugging Face 的命令行下载它的文件:
pip install -U huggingface_hub
hf download IFM/K2-Horizon-7B
然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。
README.md 4 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face 模型。
| 产品 | 最近 30 天下载 | 点赞 | 参数量 | 许可证 | 最近更新 |
|---|---|---|---|---|---|
| K2-Horizon-7B 本页 | 42,327 | 287 | 9B | apache-2.0 | |
| K2-Horizon-7B-GGUF共有 7b · k2-horizon · open-weights | 24,083 | 84 | 9B | apache-2.0 | |
| K2-Horizon-3.7B-GGUF共有 k2-horizon · open-weights · dense | 19,581 | 60 | 5.1B | apache-2.0 | |
| Ming-3.0-tts-0.5B共有 dense · text-generation · transformers | 14,756 | 225 | 1.5B | mit | |
| Qwen3-0.6B共有 text-generation · conversational · transformers | 19,718,599 | 1,894 | 752M | apache-2.0 | |
| Qwen3-14B共有 text-generation · conversational · transformers | 12,965,376 | 540 | 14.8B | apache-2.0 |
Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论,来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的,也未经核实,点开即可在原帖处阅读。
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。
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。
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。
alirezarezvani · 技能
为 Claude Code 和其他编程智能体提供 411 个现成技能,按角色分组,从工程、产品到营销、财务和合规。以插件方式安装。适合开发者和业务团队。
block · 工具包
可自行托管的工作空间,人和 AI 智能体在同样的房间里协作,基于 Nostr 中继,把每个动作记录为签名事件。适合想自己运行中继的团队。
backnotprop · 工具包
把你的 AI 编程智能体的计划、规格和代码改动在浏览器里打开,让你加批注或评论,并把反馈直接发回给智能体。