SteadyDancer是一个基于图像到视频范式的强大动画框架，专门用于生成高保真且时间连贯的人体动画。该框架通过稳健的首帧保留机制，有效解决了传统方法中的身份漂移问题，在视觉质量和可控性上表现出色，同时显著减少了训练资源需求。

计算机视觉Diffusers

这是一个专为苹果硅芯片设备优化的自动语音识别模型，通过转换为MLX框架并量化为FP8格式，实现在苹果设备上的快速端上语音转录。该模型针对逐字精度进行微调，特别适用于需要高精度转录的场景。

音频处理MlxOther

这是对MiroThinker-v1.0-30B模型进行MXFP4_MOE imatrix量化的版本，基于mradermacher的imatrix实现。该量化模型保持了原模型的文本生成能力，同时通过量化技术提高了推理效率，适用于需要高效文本生成的各种应用场景。

自然语言处理Gguf

OpenMMReasoner是一个完全透明的两阶段多模态推理方案，涵盖有监督微调（SFT）和强化学习（RL）。该方案通过精心构建高质量数据集，在多个多模态推理基准测试中超越了强大的基线模型，为未来大规模多模态推理研究奠定了坚实的实证基础。

多模态Transformers

SAM3是基于概念的任意分割模型，能够根据输入的点、框等提示信息生成精确的图像分割掩码。该版本是ONNX格式的SAM3跟踪器模型，通过Transformers.js库可在浏览器环境中高效运行。

计算机视觉Transformers

这是MiniMax-M2-REAP-172B-A10B模型的MXFP4_MOE量化版本，是一个内存高效的压缩模型。通过REAP（路由加权专家激活剪枝）方法，在保持性能的同时将模型从230B参数压缩到172B参数，体积缩小25%，适用于资源受限的环境、本地部署和学术研究。

自然语言处理Gguf

Wan2.2-TI2V-5B-Turbo-GGUF是基于quanhaol/Wan2.2-TI2V-5B-Turbo基础模型转换而来的图像转视频模型，经过优化可在4GB GPU上运行，具有出色的通用性和高效推理能力。

多模态Gguf

这是一个基于Qwen3 4B模型的混合量化版本，采用MXFP4_MOE混合权重技术，在保持近乎无损精度的同时实现了更小的文件大小和更高的推理速度。该模型通过精心组合MXFP4和高精度嵌入/输出权重，达到了接近Q8量化的精度水平，同时具备Q4-Q6级别的吞吐量。

自然语言处理SafetensorsOther

ERNIE-4.5-VL-28B-A3B-Thinking AWQ - INT8是基于百度ERNIE-4.5架构的多模态大语言模型，通过AWQ量化技术实现8位精度，在保持高性能的同时大幅降低内存需求。该模型在视觉推理、STEM问题解决、图像分析等方面表现出色，具备强大的多模态理解和推理能力。

多模态TransformersMultiple Languages

这是一个基于Google Gemma-2B-IT基础模型，使用PEFT（参数高效微调）和LoRA技术进行优化的文本生成模型。该模型通过参数高效的方法在保持基础模型能力的同时，针对特定任务进行了优化。

自然语言处理Peft

这是一个基于Qwen3-VL-30B的量化版本模型，专门用于图像文本到文本的转换任务。该模型通过量化技术优化了原始模型，提供了更高效的推理解决方案。

多模态Gguf

MiniMax-M2是一款专为最大化编码和智能体工作流程而构建的小型混合专家模型，总参数达2300亿，激活参数为100亿。该模型在编码和智能体任务中表现卓越，同时保持强大的通用智能，具有紧凑、快速且经济高效的特点。

自然语言处理Transformers

这是一个基于 Kimi-Linear-48B-A3B-Instruct 模型转换的 6 位量化版本，专为 Apple MLX 框架优化。该模型保留了原模型强大的指令跟随能力，同时通过量化技术显著降低了存储和计算需求，适合在 Apple 硬件上高效运行。

自然语言处理Mlx

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。

计算机视觉Safetensors

Qwen3-VL是通义系列最强大的视觉语言模型，采用混合专家模型架构（MoE），提供GGUF格式权重，支持在CPU、GPU等设备上进行高效推理。模型在文本理解、视觉感知、空间理解、视频处理等方面全面升级。

多模态Gguf

Qwen3-VL是通义系列中最强大的视觉语言模型，具备出色的文本理解和生成能力、深入的视觉感知和推理能力、长上下文支持、强大的空间和视频动态理解能力，以及智能体交互能力。本仓库提供GGUF格式权重，支持在CPU、GPU等设备上高效推理。

多模态Transformers

Qwen3-VL-2B-Instruct-GGUF是通义千问系列的多模态视觉语言模型的GGUF量化版本，具备20亿参数，支持图像理解和文本生成的无缝融合，可在CPU、GPU等设备上高效运行。

多模态Transformers

Kimi Linear是一种高效混合线性注意力架构，在短上下文、长上下文和强化学习场景中均优于传统全注意力方法。它通过Kimi Delta Attention (KDA)机制优化注意力计算，显著提升性能和硬件效率，特别擅长处理长达100万令牌的长上下文任务。

自然语言处理Transformers

本项目是使用 mlx-lm 库通过动态权重量化（DWQ）将 MiniMax-M2 模型量化为 3 位的成果。它能够在资源受限的条件下，高效地进行文本生成任务，为相关应用提供了更轻量级的解决方案。

自然语言处理Mlx

Lamapi/next-12b 是一个基于12B参数的大语言模型，通过多语言数据集进行微调，支持50多种语言，具备高效文本生成能力，适用于化学、代码、生物、金融、法律等多个领域的自然语言处理任务。

自然语言处理TransformersMultiple Languages