微软发布开源多模态大模型Phi-4-reasoning-vision-15B，具备150亿参数。其核心突破是能自主判断任务难度，智能选择快速响应或深度推理，这在轻量级开源模型中罕见。该模型专攻图像描述、界面元素定位和复杂数学推理等高难度任务。
谷歌发布Gemini 3.1 Flash-Lite，作为系列中最快、最具成本效益的轻量级模型，旨在为开发者提供高性价比的实时AI交互体验。性能方面，其首字响应速度较前代提升2.5倍，显著优化了响应效率。
阿里通义千问团队推出Qwen3.5小型模型系列，包括0.8B、2B、4B、9B四款轻量级模型及对应基础版本。它们基于统一架构，具备原生多模态能力（支持图像-文本处理），结构改进且强化学习训练可扩展，能以更少计算资源实现更高智能水平。其中0.8B和2B模型极致小巧、推理极快，专为边缘设备优化。
阿里通义实验室推出Qwen3.5系列小尺寸模型，包括0.8B、2B、4B和9B四种参数规模。这些模型基于统一基座研发，主打轻量级和高适应性，旨在降低AI应用门槛，实现从端侧设备到垂直场景的低成本高效落地。
一款轻量级的多模态语言模型安卓应用。
Gemma 3 是基于 Gemini 2.0 技术的轻量级、高性能开源模型，专为单 GPU 或 TPU 设备设计。
Phi-4-mini-instruct 是一款轻量级的开源语言模型，专注于高质量推理密集型数据。
Phi-4-multimodal-instruct 是微软开发的轻量级多模态基础模型，支持文本、图像和音频输入。
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
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
$4
$16
$1
$10
256
$2
$20
$6
$24
Baidu
128
ss-lab
这是一个基于Meta LLaMA 3 8B模型，使用Unsloth框架进行高效微调，并转换为GGUF格式的轻量级文本生成模型。模型针对Alpaca数据集进行了优化，适用于本地部署和推理，特别适合在资源受限的环境中使用。
MuXodious
Gemma 3n E4B IT 是谷歌推出的轻量级多模态开放模型，基于与Gemini模型相同的研究构建。该模型支持文本、音频和视觉输入，适用于多种任务，采用MatFormer架构实现高效参数利用。
ExaltedSlayer
Gemma 3是谷歌推出的轻量级开源多模态模型，本版本为12B参数的指令调优量化感知训练模型，已转换为MLX框架的MXFP4格式，支持文本和图像输入并生成文本输出，具有128K上下文窗口和140+语言支持。
RiosWesley
巴西范围路由模型是一个基于Gemma 3 270M的微调微型大语言模型，专为巴西外卖服务系统设计，可作为极快速且轻量级的意图分类器（路由）。该模型使用Unsloth进行训练并转换为GGUF格式。
tencent
混元视频-1.5是一款轻量级高性能视频生成模型，仅用83亿参数就能提供顶级的视频质量，显著降低了使用门槛。它能在消费级GPU上流畅运行，支持文本到视频和图像到视频生成，让每个开发者和创作者都能轻松使用。
混元OCR是由混元原生多模态架构驱动的端到端OCR专家VLM模型，仅用10亿参数的轻量级设计，在多个行业基准测试中取得最先进成绩。该模型擅长处理复杂的多语言文档解析，在文本定位、开放域信息提取、视频字幕提取和图片翻译等实际应用场景中表现出色。
ZygAI
ZygAI 是一款专为立陶宛语和英语任务设计的快速本地大语言模型，处于测试阶段。它作为轻量级的双语助手，能够在本地硬件上实时运行，为用户提供高效、准确的双语服务。
hetbhagatji09
这是一个基于MiniLM架构的轻量级句子嵌入模型，专门用于生成高质量的句子向量表示。模型采用MultipleNegativesRankingLoss进行训练，在句子相似度计算和特征提取任务上表现出色。
SadraCoding
SDXL-Deepfake-Detector 是一款精准检测 AI 生成人脸的工具，专注于维护数字世界的真实性，为抵御视觉虚假信息提供隐私保护且开源的解决方案。该模型通过微调预训练模型实现轻量级且高准确率的检测。
mradermacher
Lamapi/next-12b 是一个120亿参数的多语言大语言模型，提供了多种量化版本，支持文本生成、问答、聊天等多种自然语言处理任务。该模型在多个领域数据集上训练，具有高效、轻量级的特点。
Gemma 3 27B IT QAT的MLX MXFP4量化版本，是由Google开发的轻量级开源多模态模型。该模型能够同时处理文本和图像输入并生成文本输出，拥有128K大上下文窗口，支持超过140种语言，适用于多种文本生成和图像理解任务。
unsloth
Granite-4.0-H-350M-Base是IBM开发的轻量级仅解码器语言模型，专为资源受限设备设计，支持多语言文本生成和代码补全功能。
Granite-4.0-H-350M是IBM开发的轻量级指令模型，具有350M参数，在多语言处理和指令遵循方面表现出色，专为设备端部署和研究场景设计。
gravitee-io
这是一个专门用于压缩短用户提示（≤64个标记）的序列到序列模型，在现代GPU上可实现亚100毫秒的低延迟运行，作为轻量级预处理阶段为高容量大语言模型提供支持。
onnx-community
Granite-4.0-1B是IBM开发的轻量级指令模型，基于Granite-4.0-1B-Base微调而成。该模型结合了开源指令数据集和内部合成数据集，采用监督微调、强化学习和模型合并等技术开发，适合设备端部署和研究用例。
Granite-4.0-350M是IBM开发的轻量级指令模型，基于Granite-4.0-350M-Base微调而成。该模型结合了开源指令数据集和内部合成数据集，采用监督微调、强化学习和模型融合等技术开发，具备强大的指令跟随能力，特别适合设备端部署和研究场景。
Jesteban247
brats_medgemma_light是基于unsloth/medgemma-4b-it的融合模型，在BraTS和TextBraTS数据集上微调，专门用于脑部MRI解读和放射学文本生成的轻量级视觉语言模型。
nanochat-d32是一个轻量级聊天模型，专门针对ONNX运行时进行了优化，提供了高效的文本生成能力。该模型基于karpathy的nanochat-d32模型转换而来，支持在JavaScript环境中运行。
shorecode
这是一个基于Google T5 Efficient Tiny架构的轻量级文本摘要生成模型，使用shorecode/summary-collection-200k-rows数据集训练，专门用于自动文本摘要任务，具有高效推理和资源占用低的特点。
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。
K8M是一款AI驱动的轻量级Kubernetes控制台工具，集成大模型能力，支持多集群管理和MCP服务。
轻量级多模型LLM统一接口服务
这是一个基于Cloudflare Workers的轻量级模型控制协议(MCP)服务器，用于让代理（如Cursor代理）与WorkOS API交互。项目提供自动化部署和工具扩展功能。
一个基于Cloudflare Workers的轻量级模型控制协议(MCP)服务器，用于AI代理与Vercel API交互
MCP Server Notifier 是一个轻量级通知服务，与模型上下文协议（MCP）集成，可在AI代理完成任务时发送Webhook通知。支持多种Webhook提供商（如Discord、Slack、Teams等），提供图像支持、多项目管理、自定义消息等功能，易于与AI工具（如Cursor）集成。
Patchright Lite MCP Server是一个轻量级的浏览器自动化服务，基于Patchright Node.js SDK构建，通过Model Context Protocol为AI模型提供隐身的网页浏览和交互能力。
Axone的MCP服务器是一个轻量级实现，通过标准化的模型上下文协议（MCP）暴露Axone的能力，作为AI工具访问数据宇宙的网关。
MCPollinations是一个基于Model Context Protocol（MCP）的多模态AI服务，支持通过Pollinations API生成图像、文本和音频。它提供无需认证的轻量级服务，兼容多种AI模型，并支持图像保存和Base64编码返回。
一个轻量级的模型控制协议(MCP)服务器，用于通过Cursor等代理工具与Neon REST API交互，部署在Cloudflare Workers上。
HydraMCP是一个轻量级、可扩展的网络安全工具包，通过模型上下文协议（MCP）将AI助手与安全工具连接，支持AI辅助的安全研究、扫描和分析。
Cloudera AI Agent Studio MCP Server是一个轻量级的模型上下文协议桥接服务，可将Agent Studio实例暴露为一组可调用的工具，支持动态创建和管理工作流。
一个基于MCP协议的代码分析服务器，通过自然语言对话帮助AI模型理解和分析代码库，提供轻量级的代码探索与理解功能。
OtterBridge是一个轻量级的MCP服务器，用于连接应用程序与多种大型语言模型提供商，支持Ollama等模型，设计简洁灵活。
MCP Crew AI Server是一个基于Python的轻量级服务器，用于运行和管理CrewAI工作流，支持通过MCP协议与大型语言模型通信。
MCP Bridge是一个轻量级、与LLM无关的RESTful代理，用于连接多个模型上下文协议（MCP）服务器，并通过统一的REST API暴露其功能。它解决了边缘设备、移动设备和Web浏览器等平台无法高效运行MCP服务器的问题，提供了可选的基于风险的执行级别，包括标准执行、确认工作流和Docker隔离等安全控制。
Wrike MCP服务器是一个轻量级实现，用于连接Wrike项目管理平台与语言学习模型（LLM），提供API接口实现任务查询、评论添加和任务创建等功能。
MCP GitHub Reader是一个轻量级的MCP服务器，用于将GitHub仓库内容整合到大型语言模型的上下文中，提供仓库分析、文件访问、智能过滤和搜索功能。
一个基于Cloudflare Workers的轻量级模型控制协议(MCP)服务器，用于通过API与Cloudflare服务交互。
Memgraph MCP Server是一个轻量级的Model Context Protocol（MCP）服务器实现，旨在连接Memgraph图数据库与大型语言模型（LLM），提供Cypher查询执行和模式信息获取功能。
一个包含天气服务和金融分析模块的轻量级程序集，通过标准化模型上下文协议提供特定功能。
%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)
