INTELLECT-3 是一个由 Prime Intellect 开发的、参数规模达 106B（激活参数 12B）的混合专家（MoE）推理模型。它基于 GLM-4.5-Air-Base 进行监督微调，并经过大规模强化学习训练，在数学、编码和推理任务上表现优异。

自然语言处理Gguf

本模型是 Mistral AI 发布的 Ministral-3-3B-Instruct-2512 指令微调模型的 MLX 格式转换版本。它是一个参数规模为 3B 的大型语言模型，专门针对遵循指令和对话任务进行了优化，并支持多种语言。MLX 格式使其能够在 Apple Silicon 设备上高效运行。

自然语言处理MlxMultiple Languages

Qwen3 VL 4B Thinking 是一个支持图像到文本以及文本到文本转换的多模态模型，具有4B参数规模，能够满足多种图文交互需求。

多模态Gguf

VibeThinker-1.5B是微博AI推出的15亿参数密集语言模型，基于Qwen2.5-Math-1.5B微调，专门针对数学和算法编码问题设计。采用'频谱到信号原理'框架训练，在多个数学竞赛测试中超越规模更大的模型，训练成本约7800美元，支持最长约40k词元的输出。

自然语言处理TransformersMultiple Languages

楠米色4-3B-思维-2511是楠米色系列的最新增强版本，通过先进的蒸馏技术和强化学习优化，在紧凑的3B参数规模下实现了强大的推理能力。该模型在Arena-Hard-V2和BFCL-V4等基准测试中，在参数小于32B的模型中取得了最先进（SOTA）成果。

自然语言处理TransformersMultiple Languages

Olmo 3 7B RL-Zero Mix是Allen AI开发的7B参数规模的语言模型，属于Olmo 3系列。该模型在Dolma 3数据集上进行预训练，在Dolci数据集上进行后训练，并通过强化学习优化数学、编码和推理能力。

自然语言处理TransformersEnglish

Qwen3-Coder-REAP-363B-A35B是通过REAP方法对Qwen3-Coder-480B-A35B-Instruct进行25%专家剪枝得到的稀疏混合专家模型，在保持接近原模型性能的同时显著降低了参数规模和内存需求，特别适用于资源受限的代码生成和智能编码场景。

自然语言处理TransformersEnglish

Qwen3-VL-4B-Instruct 是通义千问系列最新的视觉语言模型，在4B参数规模下实现了卓越的视觉感知、文本理解与生成、空间推理和智能体交互能力。它支持长上下文和视频理解，具备强大的OCR和多语言处理能力。

多模态Transformers

这是一个基于Mistral架构的图像文本转文本量化模型，参数规模为24B，专门针对指令跟随任务进行了优化训练，支持多模态输入处理。

多模态Gguf

Qwen3-VL-2B-Thinking是由Qwen推出的视觉语言模型，基于2B参数规模，使用MLX进行8位量化，专门针对Apple Silicon芯片进行了优化。该模型支持图像和文本的多模态理解与生成任务。

多模态Transformers

Fara-7B是微软研究院开发的专为计算机使用场景设计的小型语言模型，仅有70亿参数，在同规模模型中实现卓越性能，能够执行网页自动化、多模态理解等计算机交互任务。

多模态TransformersEnglish

Qwen3-VL-2B-Instruct是Qwen系列中最强大的视觉语言模型，具备卓越的文本理解与生成能力、深入的视觉感知与推理能力、长上下文支持以及强大的空间和视频动态理解能力。该模型采用2B参数规模，支持指令交互，适用于多模态AI应用。

多模态Transformers

Qwen3-VL-2B-Thinking是Qwen系列中最强大的视觉语言模型，具备卓越的文本理解与生成能力、深入的视觉感知与推理能力、长上下文支持、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。该模型采用2B参数规模，支持指令版和增强推理的思考版。

多模态Transformers

LightOnOCR-1B-1025是基于图像到文本的OCR模型，采用1B参数规模，经过imatrix量化优化，专门用于从图像中提取和识别文本内容。

多模态Gguf

这是一个基于Qwen3-VL-32B-Thinking模型转换的4位量化版本，专门针对MLX框架优化。该模型是一个32B参数规模的多模态视觉语言模型，具备思维链推理能力，能够同时处理图像和文本输入，生成高质量的文本响应。

多模态Transformers

GLM-4.5-Air-REAP-82B-A12B 是 GLM-4.5-Air 的高效压缩版本，通过 REAP 剪枝技术将参数规模从 106B 压缩到 82B，减少 25% 内存需求，同时保持近乎无损的性能表现。

自然语言处理TransformersEnglish

Apriel-1.5-15b-Thinker 是一款由 ServiceNow SLAM 实验室开发的多模态推理模型，参数规模为150亿。它具备强大的文本和图像理解与推理能力，采用‘思考-回答’的链式推理模式，旨在以较小的模型规模实现与大型模型相媲美的性能。

多模态Transformers

这是一个基于DeepSeek-V3架构的随机权重生成模型，专门用于测试和开发目的。模型使用随机初始化的权重，参数规模经过精简，适合快速原型开发和功能验证。

自然语言处理Transformers

Apertus是一款参数规模达70B和8B的全开放多语言语言模型，支持超1000种语言和长上下文处理，仅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。

自然语言处理TransformersOther

Apertus是一款参数规模达70B和8B的完全开放多语言语言模型，支持超1000种语言和长上下文，仅使用完全合规且开放的训练数据，性能可与闭源训练的模型相媲美。

自然语言处理TransformersOther