深度求索自8月17日零时起启用API峰谷分时计价，高峰时段（每日9:00-12:00、14:00-18:00）调用价格为空闲时段的2倍，旨在引导开发者错峰调度大模型任务，缓解日间算力拥堵、提升平台稳定性。计费单位统一为元/百万tokens，两款主力模型同步生效。
荣耀Robot Phone正式发布，主打智能交互，搭载Agentic OS伙伴型多模态系统，首发阿里千问大模型加持的YOYO Pro模式，支持超长任务执行与跨生态联动，提供星轨银、月影灰两款配色。
近日，深度求索公司注册“DeepSeek Harness团队”微信公众号（IP属北京海淀），首度为Harness业务线开设独立官方发布渠道，外界普遍认为这是Harness相关产品即将正式推出的明确信号。据介绍，Harness是让大模型真正“跑起来”的核心工程化系统，提供工具调用、任务规划及执行调度等关键能力，是智能体研发不可或缺的底层支撑。
腾讯开源AI智能体浏览器工具BrowserSkill，专为智能体高效处理网页任务设计，区别于传统大模型插件。其核心亮点包括支持完整复用等特性，显著提升自动化效率。
Toto将任务路由到最便宜的适用模型，节省LLM调用成本
Kat Dev是专为软件工程和编码任务打造的大语言模型，助力AI编码。
开源编码 LLM，专为软件工程任务设计。
面向大模型的智能解决方案平台，自动优化多任务。
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
Baidu
128
$2
$20
$6
$24
bartowski
本项目是TheDrummer的Cydonia-24B-v4.3模型的量化版本，使用llama.cpp进行量化处理，旨在提供不同量化类型的模型文件，以满足不同硬件和性能需求。它是一个24B参数的大语言模型，主要用于文本生成任务。
这是由Mistral AI开发的大型语言模型Mistral-Large-3-675B-Instruct-2512的GGUF量化版本。原始模型拥有6750亿参数，专为指令遵循任务设计。本项目使用llama.cpp工具，结合imatrix校准数据集，生成了从Q8_0到IQ1_S共20多种不同精度的量化模型文件，旨在平衡模型性能、推理速度与存储/内存占用，使其能在更广泛的硬件上运行。
mlx-community
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。
Trilogix1
Fara-7B是微软专门为计算机使用场景设计的高效小型语言模型，参数仅70亿，在网页操作等高级用户任务中表现出色，能与更大型的代理系统竞争。
该模型是 Kimi-Linear-48B-A3B-Instruct 的 MLX 格式转换版本，专为苹果 Mac Studio 等 Apple Silicon 设备优化。它是一个 480 亿参数的大型语言模型，支持指令跟随，适用于本地推理和对话任务。
nightmedia
GLM-4.5-Air-REAP-82B-A12B-mxfp4-mlx是基于GLM-4.5-Air模型通过REAP方法压缩的82B参数大语言模型，采用MXFP4量化格式，专为Mac设备优化，在保持核心任务性能的同时显著减少内存占用。
Justin331
SAM 3 是 Meta 推出的第三代可提示分割基础模型，统一支持图像和视频分割任务。相比前代 SAM 2，它引入了开放词汇概念分割能力，能够处理大量文本提示，在 SA-CO 基准测试中达到人类表现的 75-80%。
本模型是基于allenai/Olmo-3-7B-Instruct转换的8位量化版本，专门为Apple MLX框架优化。它是一个70亿参数的大型语言模型，支持指令跟随和对话任务。
DevQuasar
这是 ai-sage/GigaChat3-702B-A36B-preview-bf16 模型的量化版本，旨在为大众提供免费的知识获取途径。该模型是一个大型语言模型，专注于文本生成任务。
这是一个基于REAP方法对MiniMax-M2中40%专家进行均匀剪枝得到的139B参数大语言模型，采用GLM架构和专家混合(MoE)技术，通过llama.cpp进行多种量化处理，适用于文本生成任务。
advy
本模型是基于meta-llama/Llama-3.1-70B-Instruct在特定数据集上微调得到的大语言模型，专门用于文本生成任务，在评估集上取得了0.6542的损失值表现。
noname0202
kotodama-1.5b-a0.3b-sft 是一个基于 noname0202/kotodama-1.5b-a0.3b-pt 进行监督微调的大语言模型。该模型使用 TRL 框架进行训练，专门针对文本生成任务进行了优化，能够有效解决自然语言处理相关问题。
TeichAI
这是一个基于Claude Sonnet 4.5推理数据集训练的30B参数大语言模型，专门针对高难度推理任务进行优化，在编码和科学领域表现出色。
DavidAU
基于Qwen 3微调的12B参数大语言模型，具备256k超长上下文处理能力，专门针对长文本生成任务进行优化。该模型结合了VLTO 8B模型基础、Brainstorm 20x调优和NEO Imatrix数据集量化技术，能够生成高质量的长文本内容。
DarwinAnim8or
Prima-24B是一个240亿参数的大语言模型，通过GGUF格式进行量化优化，专门针对角色扮演和创意写作任务进行了优化。该模型基于原始Prima-24B模型转换而来，采用Q4_K_M量化级别，在保持良好性能的同时显著减小了模型大小和内存需求。
ErenAta00
赛博智脑是一个专门针对夺旗赛（CTF）挑战和网络安全任务进行微调的大语言模型。它基于Llama-3.1-8B-Instruct架构，能够协助解决CTF问题、分析安全漏洞、进行逆向工程和密码学挑战，并在遵循道德准则的前提下提供漏洞利用推理。
noctrex
Aquif-3.5-Max-42B-A3B是一个420亿参数的大型语言模型，经过MXFP4_MOE量化处理，在保持高质量文本生成能力的同时优化了推理效率。该模型基于先进的混合专家架构，适用于多种自然语言处理任务。
labhamlet
WavJEPA是基于波形的联合嵌入预测架构的音频基础模型，利用高级语义表示学习解决语音单元或标记级表示学习的不足。在众多下游基准任务中显著优于最先进的时域音频基础模型，同时所需计算资源大幅减少。
mradermacher
这是yanolja/YanoljaNEXT-Rosetta-27B-2511模型的加权/矩阵量化版本，支持32种语言的翻译任务。提供了多种量化版本，用户可根据需求在模型大小、速度和质量之间进行平衡选择。
inferencerlabs
Qwen3-Coder-480B-A35B-Instruct是一个4800亿参数的大型代码生成模型，支持8.5bit量化，基于MLX框架优化。该模型专门针对代码生成任务设计，在配备足够内存的设备上能够高效运行。
一个提供与ClickUp工作空间无缝集成的MCP服务器，允许大型语言模型通过多种工具管理任务、文档和自定义字段。
DINO-X MCP是一个通过DINO-X和Grounding DINO 1.6 API赋能大型语言模型进行细粒度目标检测和图像理解的项目。它能够实现精确的对象定位、计数、属性分析以及场景理解，支持自然语言驱动的视觉任务和工作流集成。
DINO-X MCP是一个结合大型语言模型与DINO-X、Grounding DINO 1.6 API的项目，旨在实现细粒度物体检测和图像理解，支持自然语言驱动的视觉任务和自动化场景。
Agent Farm v3.4是一个基于AI智能体进化和并行任务执行的系统，通过工具增强的代理实现任务处理。新版本引入了分块写入模式，支持并行生成大型文档和代码文件，性能提升8.6倍，并利用本地模型进行结果合成，无需依赖云端令牌。
MCP Server Govbox是一个连接大型语言模型(LLMs)和Rake任务的中间件服务器，使用Go语言开发，通过标准化接口让LLMs能安全执行Rake命令，支持多项目管理和错误处理。
ATLAS是一个基于模型上下文协议(MCP)的任务管理系统，为大型语言模型提供分层任务管理功能，包含任务组织、路径验证、事务管理、存储优化等核心组件。
MCP Think是一个实现'think'工具的MCP服务器，旨在通过提供结构化思考空间来增强Claude等大型语言模型在复杂任务中的推理能力。
Ollama-MCP-server是一个连接本地Ollama大语言模型的中间件服务器，通过Model Context Protocol协议提供任务分解、结果评估和模型管理功能，支持标准化通信和性能优化。
MCP是Anthropic推出的标准化工具调用协议，为大型语言模型提供与外部工具交互的统一框架，支持动态工具发现、结构化参数调用和复合任务流程。
该项目实现了一个基于AI的工作流编排MCP服务器，通过大型语言模型(LLM)实现智能决策和动态调整，支持复杂任务分解、状态持久化和工作流恢复。
GgufMultiple Languages%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)
'%3e%3cpath%20d='M55.2622%2038L48.2289%2022L44.1206%2031.3333H47.2539L45.7872%2034.6667H38.7622L46.0956%2018H37.6706C36.7539%2018%2036.0039%2018.75%2036.0039%2019.6667V36.3333C36.0039%2037.25%2036.7539%2038%2037.6706%2038H55.2622Z'%20fill='white'/%3e%3cpath%20d='M64.3368%2018H50.3535L59.1535%2038H64.3368C65.2535%2038%2066.0035%2037.25%2066.0035%2036.3333V19.6667C66.0035%2018.75%2065.2535%2018%2064.3368%2018ZM63.0868%2034.6667H59.7535V21.3333H63.0868V34.6667Z'%20fill='%23FFCC66'/%3e%3cpath%20d='M89.3379%2026.75V29.25H81.8379V36.75H91.8379V24.25H81.8379V26.75H89.3379ZM84.3379%2034.25V31.75H89.3379V34.25H84.3379Z'%20fill='white'/%3e%3cpath%20d='M103.504%2036.75V29.25H96.0039V26.75H103.504V24.25H93.5039V31.75H101.004V34.25H93.5039V36.75H103.504Z'%20fill='white'/%3e%3cpath%20d='M115.17%2026.75V24.25H105.17V36.75H115.17V34.25H107.67V31.75H115.17V29.25H107.67V26.75H115.17Z'%20fill='white'/%3e%3cpath%20d='M80.1712%2029.25V29.175L78.9962%2028L80.1712%2026.825V20.425L78.9962%2019.25H69.3379V36.75H78.9962L80.1712%2035.575V29.25ZM77.6712%2034.25H71.8379V29.25H77.6712V34.25ZM77.6712%2026.75H71.8379V21.75H77.6712V26.75Z'%20fill='white'/%3e%3c/g%3e%3cg%20clip-path='url(%23clip1_644_3948)'%3e%3cpath%20d='M169.59%2022.9827L169.59%2023.6491H177.409L168.175%2032.8822L169.118%2033.8248L178.351%2024.5917L178.352%2032.4106H179.685V22.3164L179.018%2022.3157H169.59V22.9827Z'%20fill='white'/%3e%3c/g%3e%3cdefs%3e%3cclipPath%20id='clip0_644_3948'%3e%3crect%20width='80'%20height='20'%20fill='white'%20transform='translate(36%2018)'/%3e%3c/clipPath%3e%3cclipPath%20id='clip1_644_3948'%3e%3crect%20width='20'%20height='20'%20fill='white'%20transform='translate(164%2018)'/%3e%3c/clipPath%3e%3c/defs%3e%3c/svg%3e)
