腾讯自研大模型混元2.0（Tencent HY2.0）正式发布，与此同时，DeepSeek V3.2也逐步接入腾讯生态。目前，这两大模型已在元宝、ima等腾讯AI原生应用中率先上线，腾讯云也同步开放了相关模型的API及平台服务。 全新发布的Tencent HY2.0采用混合专家（MoE）架构，总参数量高达4
美国Arcee AI推出Trinity系列开源模型，旨在提升美国在AI领域的竞争力。该系列采用混合专家架构，训练完全在美国进行，目前包括Trinity Mini和Nano Preview两个模型，用户可通过官网体验，开发者可在Hugging Face平台获取。
MiniMax发布新一代开源推理模型M2，专攻智能Agent应用。采用混合专家架构，总参数量2300亿，每次推理仅激活100亿参数，实现每秒100个token的高输出速度，在实时交互场景中优势显著。
Radical Numerics发布30B参数开源扩散语言模型RND1-Base，采用稀疏专家混合架构，仅激活3B参数。该模型具备并行生成优势，在基准测试表现优异，并公开完整权重与训练方案，推动扩散模型技术发展。
Moonlight-16B-A3B 是一个基于 Muon 优化器训练的 16B 参数的混合专家模型，用于高效的语言生成。
Alibaba
$4
Input tokens/M
$16
Output tokens/M
1k
Context Length
$2
-
256
Deepseek
$12
128
$0.75
64
Openai
$0.63
$3.15
131
$1
Chatglm
$8
Tencent
$0.8
32
$0.5
224
$3
$9
16
4
$6
$6.4
$2.4
$9.6
evilfreelancer
这是ai-sage/GigaChat3-10B-A1.8B模型的量化版本，采用GGUF格式，需要特定的llama.cpp分支支持。模型采用混合专家架构，总参数量约118亿，其中激活参数量约18亿。
ai-sage
GigaChat3-10B-A1.8B是GigaChat系列的对话模型，基于混合专家（MoE）架构，共有100亿参数，其中18亿为活跃参数。该模型采用多头潜在注意力和多令牌预测技术，支持25.6万令牌的长上下文，在多语言对话和推理任务中表现出色。
GigaChat3-10B-A1.8B-base是GigaChat系列的基础预训练模型，采用混合专家（MoE）架构，总参数100亿，活跃参数18亿。模型集成了多头潜在注意力（MLA）和多令牌预测（MTP）技术，在推理时具备高吞吐量优势。
bartowski
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。
Kiy-K
Fyodor-StarCoder2-7B-MoE是基于StarCoder2-7B的增强版本，采用混合专家架构，拥有3个MoE层、6个专家网络和top-2路由机制，在代码生成、函数调用和智能体任务方面表现优异。
NyxKrage
Moondream 3 Preview HF是基于HuggingFace Transformers架构规范对Moondream 3 (Preview)模型的重新实现，使其能够与Hugging Face生态系统完全兼容。这是一个多模态视觉语言模型，采用专家混合（MoE）文本主干，约90亿参数，20亿活跃参数。
HIT-TMG
Uni-MoE 2.0-Omni 是荔枝科技（Lychee）推出的完全开源全模态模型，采用全模态 3D RoPE 和动态容量专家混合架构，显著提升了以语言为中心的多模态理解、推理和生成能力。该版本集成了全模态理解以及音频和图像生成能力。
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。
本项目是卡纳娜1.5-15.7B-A3B指令模型的MXFP4_MOE量化版本，可在特定场景下提升模型的运行效率。该模型基于kakaocorp/kanana-1.5-15.7b-a3b-instruct进行优化，采用混合专家架构和MXFP4量化技术。
moonshotai
Kimi K2 Thinking 是月之暗面（Moonshot AI）开发的最新一代开源思维模型，具有强大的深度推理能力和工具调用功能。该模型采用混合专家架构，支持原生INT4量化，拥有256k上下文窗口，在多个基准测试中表现出色。
unsloth
Qwen3-VL是通义系列中最强大的视觉语言模型，在文本理解与生成、视觉感知与推理、上下文长度、空间和视频动态理解以及智能体交互能力等方面全面升级。该模型提供密集架构和混合专家架构，支持从边缘设备到云端的灵活部署。
Qwen
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。
Qwen3-VL-30B-A3B-Instruct是通义系列中最强大的视觉语言模型，采用混合专家模型架构，具备出色的文本理解与生成能力、深入的视觉感知与推理能力，支持256K长上下文和视频理解，可在多种设备上进行推理。
Qwen3-VL是迄今为止Qwen系列中最强大的视觉语言模型，在文本理解与生成、视觉感知与推理、上下文长度、空间和视频动态理解以及智能体交互能力等方面都进行了全面升级。该模型采用混合专家（MoE）架构，提供卓越的多模态处理能力。
Qwen3-VL是通义大模型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、强大的空间和视频动态理解能力以及出色的智能体交互能力。该模型采用混合专家（MoE）架构，是增强推理的思维版。
Qwen3-VL是通义系列中最强大的视觉语言模型，在文本理解与生成、视觉感知与推理、上下文长度、空间和视频动态理解以及智能体交互能力等方面都进行了全面升级。该模型提供密集架构和混合专家架构，支持从边缘设备到云端的灵活部署。
cturan
MiniMax-M2 是一个基于 llama.cpp 实验性分支构建的大语言模型，具有混合专家架构，支持高效的文本生成和推理任务。该模型需要特定的实验性分支才能正常运行。
nightmedia
Qwen3-Next-80B-A3B-Thinking-1M-qx64n-mlx是一个采用混合专家架构和Deckard混合精度量化技术的大语言模型，具有800亿参数和1M标记的上下文长度。该模型在科学技术推理和长文本处理方面表现卓越，相比指令模型在认知基准测试中提升20-35%。
Wwayu
这是一个基于GLM-4.6架构的混合专家模型，使用REAP方法对专家进行了40%的均匀剪枝，参数量为218B，并转换为MLX格式的3位量化版本，适用于苹果芯片设备高效运行。
MiniMaxAI
MiniMax-M2是一款专为最大化编码和智能体工作流程而构建的'迷你'模型，采用混合专家架构，总参数2300亿，激活参数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。
%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)
