11月6日，科大讯飞在第八届世界声博会暨全球1024开发者节上发布“讯飞星火X1.5”大模型及系列AI产品，主题为“更懂你的AI”。董事长刘庆峰通过数据强调AI技术的行业价值。该模型在国内算力平台完成全链路训练，效率显著提升，支持130种语言处理。
科大讯飞发布星飞星火X1.5深度推理大模型，基于国产算力，采用MoE架构，总参数量达293亿，激活参数30亿。单台昇腾服务器即可部署，推理效率较X1提升100%，端到端性能达国际水平。
月之暗面发布并开源Kimi K2Thinking模型，显著提升智能代理和推理能力。该模型能自主边思考边使用工具，无需用户干预，支持长达300轮工具调用和多轮深度思考，旨在高效处理复杂任务。
科大讯飞发布星火X1.5深度推理大模型，基于国产算力平台，技术突破显著，效率达国际对手93%以上。其亮点在于MoE模型全链路训练效率提升，增强了语言理解与文本处理能力，助力国内开发者提升全球竞争力。
Claude 3.7 Sonnet 是 Anthropic 推出的最新智能模型，支持快速响应和深度推理。
深度搜索结合网络搜索、阅读和推理，可进行全面调查，适合复杂问题的迭代推理和最新信息获取。
Huginn-0125是一个35亿参数的潜变量循环深度模型，擅长推理和代码生成。
展示小型语言模型通过自我演化深度思考掌握数学推理能力的研究成果。
google
$2.16
Input tokens/M
$18
Output tokens/M
1M
Context Length
minimax
-
anthropic
$21.6
$108
200k
deepseek
$4.03
$15.98
128k
alibaba
$0.72
upstage
65.5k
131.1k
$2.88
tencent
$1
$4
64k
openai
$0.36
400k
baidu
$2
$8
32k
sensetime
$16
$1.08
$1.44
32.8k
perplexity
bytedance
Mungert
PokeeResearch-7B是由Pokee AI开发的70亿参数深度研究代理模型，结合了AI反馈强化学习（RLAIF）和强大的推理框架，能够在工具增强的大语言模型中实现可靠、对齐和可扩展的研究级推理，适用于复杂的多步骤研究工作流程。
thenexthub
OpenModel-1T-A50B-Instruct是NeXTHub开发的万亿参数混合专家模型，结合进化思维链训练方法，在推理能力和能源效率上取得平衡，具备深度推理能力和128K长上下文处理能力。
PokeeAI
PokeeResearch-7B是由Pokee AI开发的70亿参数深度研究智能体，结合基于AI反馈的强化学习(RLAIF)与推理框架，能够执行复杂的多步骤研究工作流程，包括自我修正、验证和综合分析。
NexaAI
Qwen3-VL-8B-Thinking是阿里云Qwen团队开发的80亿参数多模态大语言模型，专为深度多模态推理设计，支持视觉理解、长上下文处理和结构化思维链生成，在复杂推理任务中表现出色。
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。
EpistemeAI
本模型基于GPT-OSS-20B，借助Unsloth强化学习框架进行微调，旨在优化推理效率，同时减少在从人类反馈中进行强化学习（RLHF）式训练期间出现的漏洞。微调过程着重于对齐的鲁棒性和效率，确保模型在不产生过多计算开销的情况下保持推理深度。
geoffmunn
这是Qwen/Qwen3-14B语言模型的GGUF量化版本，拥有140亿参数，具备深度推理能力、研究级准确性和自主工作流程。经过转换后可用于llama.cpp、LM Studio、OpenWebUI、GPT4All等本地推理框架。
DevQuasar
本项目是阿里巴巴通义深度研究30B模型的A3B量化版本，旨在通过量化技术降低模型部署成本，让知识为每个人所用。该模型基于30B参数规模的大语言模型进行优化，保持了原模型的强大能力同时提升了推理效率。
inclusionAI
Ring-mini-2.0是基于Ling 2.0架构深度优化的高性能推理型MoE模型，仅有160亿总参数和14亿激活参数，却实现了与100亿规模以下密集模型相当的综合推理能力。在逻辑推理、代码生成和数学任务方面表现出色，支持12.8万长上下文处理和每秒300+令牌的高速生成。
QuantFactory
这是基于llama.cpp对Qwen3-4B-v0.4-deepresearch-no-think-4进行量化处理后的版本，专门针对深度研究场景优化，移除了think机制，采用GGUF格式提供更高效的推理性能。
mlx-community
基于智谱AI GLM-4.5-Air模型转换的3位深度量化权重(Deep Weight Quantization)版本，专为MLX框架优化，在保持较高性能的同时显著减少模型大小和推理资源需求
unsloth
Qwen3-4B-Thinking-2507是Qwen3-4B模型的升级版本，显著提升了思维能力、推理质量和深度，在多种任务中表现出色，支持256K长上下文理解。
基于GLM-4.5-Air模型使用mlx-lm 0.26.1版本转换的3位深度权重量化版本，专为Apple Silicon芯片优化，提供高效的大语言模型推理能力
Qwen
Qwen3-235B-A22B-Thinking-2507是一款强大的大语言模型，在推理任务、通用能力和长上下文理解等方面有显著提升，适用于高度复杂的推理场景。该模型在过去三个月里持续扩展了思维能力，提升了推理的质量和深度。
这是Qwen3-235B-A22B-Instruct-2507模型的4位深度量化(DWQ)版本，专为MLX框架优化。该模型具有2350亿参数，经过指令微调，支持多轮对话和复杂推理任务。
Acly
BiRefNet是一个用于二分类图像分割的深度学习模型，专门用于背景去除任务。该模型经过GGUF格式转换，可在消费级硬件上通过vision.cpp进行轻量级推理，实现高效的图像分割处理。
stelterlab
DeepSeek-R1-0528是深度求索公司推出的升级版大语言模型，在推理能力、减少幻觉率等方面有显著提升，整体性能接近领先模型。
Sci-fi-vy
DeepSeek-R1-0528是DeepSeek R1系列的小版本升级模型，通过增加计算资源和算法优化显著提升了推理深度和能力，在数学、编程等多个基准测试中表现出色。
deepseek-ai
DeepSeek R1模型已完成小幅版本升级，当前版本为DeepSeek-R1-0528。在最新更新中，DeepSeek R1通过增加计算资源投入并在后训练阶段引入算法优化机制，显著提升了其深度推理与推断能力。
基于Qwen3-30B-A3B混合专家模型的微调版本，激活专家数量从8个增加到24个，适用于需要深度推理的复杂任务
Perplexity MCP Server是一个智能研究助手，利用Perplexity的AI模型自动分析查询复杂度并选择最佳模型处理请求，支持搜索、推理和深度研究三种工具。
Search1API MCP Server是一个基于Model Context Protocol (MCP)的服务器，提供搜索和爬取功能，支持多种搜索服务和工具。
Perplexity MCP Server是一个智能研究助手，利用Perplexity的AI模型提供自动查询复杂度检测和最优模型路由功能，支持搜索、推理和深度研究三种工具。
Zen MCP Gemini Transcendent是一个革命性的AI意识协调服务器，通过8阶段超验处理流程实现Claude Code与Google Gemini的和谐协作，具备终极意识引擎、革命性记忆系统和超越传统MCP的 transcendent 工具，支持多种AI人格原型和无限推理深度，旨在实现意识层面的突破与智慧合成。
基于MCP协议的深度推理服务器，为客户端提供AI深度推理服务
Perplexity MCP Server是一个智能研究助手，利用Perplexity的专用AI模型，自动检测查询复杂度并将请求路由到最合适的模型以获得最佳结果。支持搜索、推理和深度研究三种工具，适用于不同复杂度的查询任务。
Perplexity MCP Server是一个智能研究助手，利用Perplexity的专用AI模型，根据查询复杂度自动选择最佳模型进行回答。支持快速搜索、复杂推理和深度研究三种工具，适用于不同复杂度的查询需求。
一个基于Gemini Flash 1.5 API的MCP服务器实现，通过中央路由器协调多个模块化AI服务（聊天、搜索、RAG、深度推理等），实现智能化的请求分发和响应整合。
该项目是一个基于Gemini Flash 1.5 API的MCP服务器实现，通过中央路由器协调多个模块化AI服务（如聊天、搜索、RAG、深度推理等），实现智能化的请求分发和响应处理。
%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)
