INTELLECT-3是一个拥有1060亿参数的混合专家（MoE）模型，通过大规模强化学习训练而成。在数学、编码和推理基准测试中展现出卓越性能，模型、训练框架和环境均以宽松许可协议开源。

自然语言处理TransformersEnglish

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。

自然语言处理GgufEnglish

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。

自然语言处理Gguf

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。

多模态Gguf

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。

自然语言处理Transformers

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%。

自然语言处理Mlx

Qwen3-Next-80B-A3B-Thinking 是通义千问团队推出的新一代思考型大语言模型，采用创新的混合注意力机制和高稀疏MoE架构，在保持高效推理的同时具备强大的复杂推理能力，原生支持262K上下文长度。

自然语言处理Transformers

Nemotron-Flash-3B 是英伟达推出的新型混合小型语言模型，专门针对实际应用中的低延迟需求设计。该模型在数学、编码和常识推理等任务中展现出卓越性能，同时具备出色的小批量低延迟和大批量高吞吐量特性。

自然语言处理Transformers

Ming-flash-omni 预览版是基于 Ling-Flash-2.0 稀疏专家混合（MoE）架构构建的多模态大模型，总参数达100B，每个token仅激活6B参数。该模型在Ming-Omni基础上进行了全面升级，在多模态理解和生成方面有显著提升，特别是在语音识别、图像生成和分割编辑方面表现突出。

多模态DiffusersEnglish

这是Qwen3-Omni 31.7B参数模型的专业量化版本，采用先进的INT8+FP16混合精度量化技术，内存使用减少50%以上，支持智能GPU/CPU混合推理，让大型多模态模型能够在消费级硬件上高效运行。

多模态SafetensorsMultiple Languages

Qwen3-Next-80B-A3B-Instruct是通义千问团队开发的高效稀疏混合专家模型，总参数量80B，激活参数量仅3B。该模型采用创新的混合注意力机制和极低激活率的MoE架构，在保持强大性能的同时大幅提升推理效率，原生支持262K上下文长度并可扩展至1M令牌。

自然语言处理Transformers

Qwen3-VL是通义大模型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均有显著提升。该模型提供密集架构和混合专家模型架构，支持从边缘到云的不同规模部署。

多模态Transformers

Jinx GPT OSS 20B MXFP4 MLX 是一个基于 MLX 框架转换的 200 亿参数大语言模型，采用混合精度量化技术优化，适用于苹果芯片设备的高效推理。

自然语言处理Mlx

梅格雷斯2-3x7B-A3B是一款设备原生大语言模型，采用混合专家（MoE）架构，结合了MoE的准确性和密集模型的紧凑性优势。该模型在8T标记数据上训练，具备32K上下文长度，未来计划提升推理和代理能力。

自然语言处理GgufMultiple Languages

Qwen3-Next-80B-A3B-Instruct是阿里巴巴通义千问团队开发的最新一代大型语言模型，采用创新的混合注意力机制和高稀疏专家混合架构，在保持80B总参数的同时仅激活3B参数，实现了高效的上下文建模和推理加速，原生支持262K上下文长度并可扩展至1M令牌。

自然语言处理Transformers

基于Qwen3-Next-80B-A3B-Instruct的混合int4量化模型，采用AutoRound技术进行对称量化，组大小为128，非专家层回退到8位，在减少资源消耗的同时保持性能。适用于文本生成任务。

自然语言处理Safetensors

Qwen3-Next-80B-A3B-Instruct-AWQ-4bit是基于Qwen3-Next-80B-A3B-Instruct模型进行4位AWQ量化的高效版本。该模型采用混合注意力机制和高稀疏专家混合架构，支持长达262K tokens的上下文长度，在保持高性能的同时大幅降低计算资源需求。

自然语言处理Transformers

NVIDIA Nemotron Nano 9B v2 是 NVIDIA 开发的一款高性能大语言模型，采用 Mamba2-Transformer 混合架构，支持多语言推理和聊天任务，在多个基准测试中表现优异，特别支持运行时'思考'预算控制功能。

自然语言处理TransformersMultiple Languages

LLaDA-MoE是基于扩散原理构建的新型混合专家语言模型，是首个开源的MoE扩散大语言模型，在约20万亿个标记上从头预训练，总参数70亿，推理时仅激活14亿参数，在代码生成和数学推理等任务中表现卓越。

自然语言处理Transformers

MiniCPM4.1-8B GGUF是专为端侧设备设计的高效大语言模型，在模型架构、训练数据、训练算法和推理系统四个关键维度进行了系统创新，实现了极致的效率提升。支持65,536个标记的上下文长度和混合推理模式。

自然语言处理TransformersMultiple Languages