DeepSeek网页端和移动应用于2月11日更新，上下文长度提升至100万Token，处理能力较此前128K版本提升近8倍，可一次性处理大规模文档，进入全球顶尖梯队。
谷歌发布Gemini3大型语言模型，其Pro Preview版已在AI Studio平台开放体验。该平台面向开发者、研究人员和学生，支持基于Gemini模型开发应用，并提供上下文长度、温度等参数灵活调整功能，便于优化模型配置。
硅基流动发布实验性模型DeepSeek-V3.2-Exp，支持160K上下文长度，价格直降超50%。该模型基于V3.1-Terminus深度优化，引入DeepSeek稀疏注意力机制，显著提升长文本训练和推理效率。
Moondream3.0预览版采用高效混合专家架构，仅激活2亿参数，总参数量达9亿，在视觉推理方面表现卓越。相比前代，该模型在多项基准测试中超越GPT-5、Gemini和Claude4等顶尖模型，实现技术飞跃。支持32K上下文长度，适用于复杂场景处理。
月之暗面推出的最新AI模型，支持自动同步更新和大上下文长度，适用于AI聊天和智能助手构建。
一款具有128k有效上下文长度的70B参数的大型语言模型。
Llama-3 70B模型的LoRA适配器，扩展上下文长度至超过524K。
EasyContext演示了如何利用现有技术组合，来训练700K和1M上下文的语言模型。
Openai
$2.8
Input tokens/M
$11.2
Output tokens/M
1k
Context Length
Google
$0.49
$2.1
Xai
$1.4
$3.5
2k
Anthropic
$105
$525
200
$0.7
$7
$35
Alibaba
$4
$16
$2
$20
-
$6
$24
256
Bytedance
$0.8
$0.15
$1.5
Baidu
32
$10.5
$8
Tencent
$1
$0.75
$0.35
400
ubergarm
这是ai-sage/GigaChat3-10B-A1.8B-bf16模型的GGUF量化版本，提供了多种量化选项，从高精度的Q8_0到极度压缩的smol-IQ1_KT，满足不同硬件条件下的部署需求。该模型支持32K上下文长度，采用MLA架构，专为对话场景优化。
unsloth
Qwen3-VL是通义系列中最强大的视觉语言模型，在文本理解与生成、视觉感知与推理、上下文长度、空间和视频动态理解以及智能体交互能力等方面全面升级。该模型提供密集架构和混合专家架构，支持从边缘设备到云端的灵活部署。
Qwen3-VL是Qwen系列中最强大的视觉语言模型，实现了全方位的综合升级，包括卓越的文本理解与生成能力、更深入的视觉感知与推理能力、更长的上下文长度、增强的空间和视频动态理解能力，以及更强的智能体交互能力。
Qwen3-VL是迄今为止Qwen系列中最强大的视觉语言模型，在文本理解与生成、视觉感知与推理、上下文长度、空间和视频动态理解以及智能体交互能力等方面都进行了全面升级。该模型采用混合专家（MoE）架构，提供卓越的多模态处理能力。
Qwen3-VL是通义系列中最强大的视觉语言模型，在文本理解与生成、视觉感知与推理、上下文长度、空间和视频动态理解以及智能体交互能力等方面都进行了全面升级。该模型提供密集架构和混合专家架构，支持从边缘设备到云端的灵活部署。
bullerwins
Qwen3-VL是通义系列迄今为止最强大的视觉语言模型，实现了全面升级，包括卓越的文本理解与生成能力、更深入的视觉感知与推理能力、更长的上下文长度、增强的空间和视频动态理解能力，以及更强的智能体交互能力。
cyankiwi
GLM-4.6 AWQ - INT4是GLM-4.6模型的4位量化版本，采用AWQ量化方法，在保持模型性能的同时显著减少了存储和计算资源需求。该模型支持200K上下文长度，在编码、推理和智能体任务方面相比GLM-4.5有显著提升。
QuantTrio
MiniMax-M2-AWQ是基于MiniMaxAI/MiniMax-M2模型的量化版本，通过vLLM框架实现高效的文本生成。该模型采用AWQ量化技术，在保持模型性能的同时显著减少内存占用和提升推理速度，支持32K上下文长度和工具调用功能。
deepcogito
Cogito v2.1是经过指令微调的6710亿参数混合专家生成式模型，采用开放许可发布，支持商业用途。该模型能有效解决复杂的推理和指令遵循问题，支持30多种语言和128k上下文长度。
nightmedia
Qwen3-Next-80B-A3B-Thinking-1M-qx64n-mlx是一个采用混合专家架构和Deckard混合精度量化技术的大语言模型，具有800亿参数和1M标记的上下文长度。该模型在科学技术推理和长文本处理方面表现卓越，相比指令模型在认知基准测试中提升20-35%。
基于Qwen3-Next的800亿参数指令微调模型，采用Deckard qx64n混合精度量化技术，支持100万上下文长度，在抽象推理、内存效率和长上下文处理方面表现优异
cpatonn
Qwen3-VL-32B-Instruct AWQ - INT4是基于Qwen3-VL-32B-Instruct基础模型的4位量化版本，采用AWQ量化方法，在保持性能的同时显著减少存储和计算资源需求。这是Qwen系列中最强大的视觉语言模型，在文本理解、视觉感知、上下文长度等方面全面升级。
jackcloudman
Qwen3-Next-80B-A3B-Thinking 是通义千问团队推出的新一代思考型大语言模型，采用创新的混合注意力机制和高稀疏MoE架构，在保持高效推理的同时具备强大的复杂推理能力，原生支持262K上下文长度。
Qwen
Qwen3-VL是通义系列最强大的视觉语言模型，在文本理解与生成、视觉感知与推理、上下文长度、空间和视频理解能力等方面全面升级，具备卓越的多模态交互能力。
Qwen3-VL是Qwen系列中最强大的视觉语言模型，实现了全方位的全面升级，具备卓越的文本理解与生成能力、更深入的视觉感知与推理能力、更长的上下文长度、更强的空间和视频动态理解能力，以及更出色的智能体交互能力。
quwsarohi
NanoAgent是一个紧凑的智能大语言模型，拥有1.35亿参数和8k上下文长度。它专门针对工具调用和指令遵循进行了优化，能够在个人设备上高效运行，支持轻量级推理和ReAct风格的交互。
Minibase
这是一个紧凑的西班牙语到英语翻译模型，针对准确性和效率进行了优化。模型大小为386MB，支持4096个令牌的上下文长度，能够高效精准地完成翻译任务，平均响应时间约245ms。
Qwen3-VL-30B-A3B-Thinking-AWQ 是基于 Qwen/Qwen3-VL-30B-A3B-Thinking 模型量化后的版本，是通义系列中最强大的视觉语言模型。该版本在文本理解与生成、视觉感知与推理、上下文长度、空间和视频动态理解以及智能体交互能力等方面进行了全面升级。
Apertus是一款由瑞士AI开发的全开放多语言大语言模型，提供70亿和80亿两种参数规模。该模型支持超过1000种语言，使用完全合规且开放的训练数据，性能可与闭源模型相媲美。Apertus在15T标记上进行预训练，采用分阶段课程训练方法，支持长达65,536个标记的上下文长度。
DavidAU
这是一个基于Qwen3-Coder-30B-A3B-Instruct的混合专家模型，拥有540亿参数和100万上下文长度。模型通过三步合并和Brainstorm 40X优化，具备强大的编程能力和通用场景处理能力，特别集成了思考模块，能够在回答前进行深度推理。
Skim MCP Server是一个基于Skim项目的生产级Model Context Protocol服务器，专门用于代码智能压缩，帮助Claude Code等AI助手突破上下文长度限制，分析大型代码项目。
TransformersOther%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
