微软在2026年Build大会上宣布，利用AI智能体技术将x86应用高效转换为Windows on Arm原生应用，解决软件兼容性这一关键挑战。通过与英伟达等硬件巨头合作，Windows on Arm生态已显著扩展，加速PC产业向Arm架构转型。
中兴通讯与腾讯达成深度战略合作，联合推出搭载腾讯原生办公智能体WorkBuddy的全新AI云电脑。此次合作不仅实现硬件与软件融合，更在底层技术架构上深度交融，推动消费级与企业级云终端加速迈入大模型时代。
微软发布“Project Solara”平台，专为AI智能体产品提供技术支持，旨在让AI摆脱传统屏幕束缚，融入企业级移动设备。微软CEO纳德拉与高通总裁深入对话，探讨开发新型硬件的必要性并达成共识。
Meta计划于明年测试一款AI驱动的新型吊坠，这标志着其从智能眼镜向贴身可穿戴设备扩展。该设备基于去年一项神秘收购的技术开发，旨在深化人工智能在衣物配饰中的应用。此举不仅展现Meta在硬件领域的野心，也预示着AI可穿戴市场将迎来巨头竞争新阶段。
Openai
$7.7
Input tokens/M
$30.8
Output tokens/M
200
Context Length
Alibaba
$8
$240
52
Bytedance
$0.8
$2
128
$0.15
$1.5
256
-
32
Tencent
$0.4
Anthropic
$105
$525
Iflytek
Google
$140
$280
$3
$9
16
$1
4
$0.35
$0.7
131
bartowski
这是对TheDrummer的Magidonia-24B-v4.3大语言模型进行量化处理后的版本。通过使用llama.cpp的imatrix量化技术，生成了从BF16到IQ2_XS等多种精度的GGUF格式文件，旨在不同硬件条件下（尤其是资源受限环境）更高效地运行模型，同时尽可能保持模型性能。
这是微软Fara-7B模型的量化版本，使用llama.cpp的imatrix技术进行优化。该模型支持多种量化级别，从高精度的bf16到极低精度的IQ2_M，满足不同硬件配置和性能需求。
这是ArliAI的GLM-4.5-Air-Derestricted模型的GGUF量化版本，使用llama.cpp和imatrix技术进行优化量化处理，提供多种量化级别选择，适用于不同硬件配置和性能需求。
这是TheDrummer的Snowpiercer-15B-v4模型的量化版本，使用llama.cpp和imatrix技术进行量化处理。该版本提供了从BF16到IQ2_S等多种量化级别，满足不同硬件条件和性能需求的用户。模型使用特定数据集进行校准优化，支持在线重打包功能以提升在ARM和AVX硬件上的性能。
这是对ai-sage的GigaChat3-10B-A1.8B模型进行的量化处理版本，采用llama.cpp的imatrix量化技术，可在不同硬件条件下更高效地运行。模型支持俄语和英语，主要用于文本生成任务。
这是p-e-w/gpt-oss-20b-heretic模型的量化版本，使用llama.cpp的imatrix技术进行量化处理。该模型是一个200亿参数的大语言模型，提供了多种量化选项，从高质量到低质量不等，文件大小从41.86GB到11.52GB，适用于不同硬件条件。
Marvis-AI
这是一个基于MLX框架优化的文本转语音模型，从原始模型Marvis-AI/marvis-tts-100m-v0.2转换而来，采用6位量化技术，专门为Apple Silicon硬件优化，提供高效的语音合成能力。
mlx-community
这是一个基于 Kimi-Linear-48B-A3B-Instruct 模型转换的 6 位量化版本，专为 Apple MLX 框架优化。该模型保留了原模型强大的指令跟随能力，同时通过量化技术显著降低了存储和计算需求，适合在 Apple 硬件上高效运行。
QuantStack
本项目是基于Flux架构的文本到图像模型Nepotism的量化版本，采用SVDQuant技术进行优化。提供了INT4和FP4两种量化格式，分别适用于不同世代的GPU硬件，在保持图像生成质量的同时显著减少模型大小和内存占用。
这是基于TheDrummer/Rivermind-24B-v1模型的llama.cpp量化版本，使用imatrix技术进行优化量化，提供多种量化级别以适应不同硬件配置，可在多种环境下高效运行。
本项目是对Qwen3-VL-32B-Thinking模型进行量化处理的成果，借助量化技术可在不同硬件条件下更高效地运行该模型，满足多样化的使用需求。
Project0 SVDQ 是基于 Flux Dev 和 Flux Krea 的文本到图像模型的量化版本，采用 SVDQuant 技术进行优化，提供 INT4 和 FP4 两种量化格式，分别适用于不同世代的 GPU 硬件。
spooknik
基于Flux.1开发的文本到图像生成模型的量化版本，采用SVDQ量化技术，提供INT4和FP4两种量化格式，适用于不同硬件平台的高效图像生成。
这是inclusionAI的Ling-flash-2.0模型的Llamacpp imatrix量化版本。通过先进的量化技术，在保持模型性能的同时显著减少了内存占用和计算量，提高了运行效率。支持多种量化级别，适用于不同硬件配置。
这是inclusionAI的Ling-mini-2.0模型的量化版本，使用llama.cpp的imatrix技术进行量化处理，提供了从32.54GB的BF16到4.66GB的IQ2_XS等多种量化选项，可在多种硬件环境中高效运行。
mradermacher
本项目是基于TECHNOPRAVIN01/Qwen2.5-14B-Valor模型的静态量化版本，提供多种量化类型以满足不同硬件条件下的使用需求。该模型通过量化技术减小了模型大小，同时保持了较好的性能表现。
这是AgentFlow agentflow-planner-7b模型的GGUF量化版本，使用llama.cpp的imatrix技术进行量化，提供多种量化级别选择，适用于不同硬件配置下的高效推理。
这是TheDrummer的Cydonia-24B-v4.2.0模型的量化版本，使用llama.cpp和imatrix技术进行优化处理，为不同硬件和需求提供了多种量化类型选择，方便用户在不同场景下高效运行模型。
CenKreChro-SVDQ 是基于 Chroma 和 Flux Krea 合并的文本到图像生成模型的量化版本，采用 SVDQuant 技术进行优化，提供 INT4 和 FP4 两种量化格式，分别适用于不同世代的 GPU 硬件。
这是gustavecortal的Beck-8B模型的量化版本，通过llama.cpp的imatrix量化技术处理，提供多种量化级别选择，在保持模型性能的同时显著减小模型大小，适合不同硬件配置下的部署。
Gguf%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)
