OpenAI发布Privacy Filter模型，旨在帮助开发者脱敏文本中的个人身份信息（PII）。该模型参数规模1.5亿，采用混合专家（MoE）设计，以Apache 2.0协议在Hugging Face和GitHub开源。其核心优势在于深度语言理解能力，能通过上下文识别非结构化文本中的敏感信息，超越传统基于规则的方法。
小米近日开源了视觉-语言-动作大模型Xiaomi-Robotics-0的真机后训练全流程，推动具身智能发展。团队仅用约20小时任务数据训练，就让机器人掌握精准收纳耳机等高难度操作，展示了快速学习复杂技能的能力。
Meta推出“模型能力倡议”（MCI），计划利用员工工作行为数据加速大语言模型训练。CEO扎克伯格和首席AI官宣布新模型“Muse Spark”持续进步，但为加快进程，将整合日常工作数据。
腾讯混元于4月23日发布并开源Hy3preview语言模型，这是一个融合快慢思考的混合专家模型，总参数295B，激活参数21B，支持256K上下文。作为重建后训练的首个模型，它在复杂推理、指令遵循、上下文学习、代码和智能体等能力上显著提升，是混元迄今最智能的模型。2026年2月，腾讯混元重建了预训练和强化学习基础设施，注重模型实用性。
ChatGPT Image 2是与OpenAI相关的AI图像模型，文本渲染和多语言输出出色。
OfoxAI统一大模型API网关，一个API接入100+模型，低延迟易集成。
高质量的语音克隆 TTS 模型，支持 600 多种语言。
一切龙虾的始祖，支持多平台和大模型，完全开源。
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
$6
$24
$2
$20
DevQuasar
本项目提供了 Qwen/Qwen3-VL-32B-Thinking 的量化版本（Int4），致力于降低模型部署的硬件门槛，让先进的视觉语言模型知识为每个人所用。
chunchiliu
这是一个已发布在 Hugging Face Hub 上的 🤗 Transformers 模型，其模型卡片由系统自动生成。目前卡片中大部分详细信息（如开发者、模型类型、语言、许可证等）均处于待补充状态。
uaritm
Gemma-UA-Cardio 是两款专为乌克兰语心脏病学领域设计的专业大语言模型。它们基于 Google 的 Gemma 和 MedGemma 模型，经过两阶段微调（语言适配与领域专业化），能够以乌克兰语精准提供心血管医学信息、解答临床问题，是面向医疗专业人士的辅助工具。
prithivMLmods
CodeV是基于Qwen2.5-VL-7B-Instruct微调得到的70亿参数视觉语言模型，通过监督微调（SFT）和基于工具感知策略优化（TAPO）的强化学习（RL）两阶段训练，旨在实现可靠、可解释的视觉推理。它将视觉工具表示为可执行的Python代码，并通过奖励机制确保工具使用与问题证据一致，解决了高准确率下工具调用不相关的问题。
ActIO-UI-7B-RLVR 是由 Uniphore 发布的 70 亿参数视觉语言模型，专门用于计算机界面自动化任务。它基于 Qwen2.5-VL-7B-Instruct，通过监督微调和可验证奖励的强化学习进行优化，在 GUI 导航、元素定位和交互规划等任务上表现出色，在 WARC-Bench 基准测试中达到了开源 7B 模型的领先水平。
mradermacher
这是一个专注于网络安全领域的20B参数开源大语言模型，基于GPT-OSS架构，并融合了多个网络安全指令数据集进行微调。模型提供了多种量化版本，便于在资源受限的环境中部署，可用于生成网络安全相关的文本、代码和分析报告。
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。
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。
ai-sage
GigaChat3-10B-A1.8B 是 GigaChat 系列的高效对话模型，基于混合专家（MoE）架构，拥有 100 亿总参数和 18 亿活跃参数。它采用了创新的多头潜在注意力（MLA）和多令牌预测（MTP）技术，旨在优化推理吞吐量和生成速度。模型在 20T 令牌的多样化数据上训练，支持包括中文在内的 10 种语言，适用于需要快速响应的对话场景。
DavidAU
Qwen3-4B-Hivemind-Instruct-NEO-MAX-Imatrix-GGUF 是一款基于 Qwen3 架构的 4B 参数指令微调大语言模型，采用 NEO Imatrix 与 MAX 量化技术，具备 256k 的超长上下文处理能力。该模型在多个基准测试中表现出色，是一款性能强劲的通用型模型。
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。
EssentialAI
Rnj-1-instruct 是由 Essential AI 从头开始训练的 80 亿参数开放权重密集模型，针对代码、STEM 领域、智能体能力和工具调用进行了优化。它在多种编程语言中表现出色，同时在数学和科学领域也展现出强大实力，能力与最先进的开放权重模型相当。
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。
squ11z1
Hypnos-i2-32B是世界首个采用多物理熵（超导体、真空、核衰变）训练的320亿参数语言模型。它通过输入级量子正则化技术，从三个独立的量子熵源中学习真正的量子随机性，使其注意力机制对对抗性扰动具有鲁棒性，并能有效抵抗模式崩溃。
RinggAI
这是一个专为通话记录分析打造的混合语言AI模型，能够处理印地语、英语和混合印地英语的通话转录内容。模型基于Qwen2.5-1.5B-Instruct进行微调，具备强大的多语言理解和信息提取能力。
Clemylia
皮卡丘语言模型是Clemylia发起的一项独特的实验性语言项目，完全从零开始训练，仅基于'皮卡丘'的声音语料库，展示了小型语言模型创造原生语言身份的能力。
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
这是一个实验性的量化大语言模型，采用Deckard（qx）量化方法，嵌入层为3位量化。该模型通过范数保持双投影消除（NPBA）技术重构，不仅移除了安全限制机制，还增强了模型的认知深度和推理能力。
huawei-csl
这是使用华为SINQ（Sinkhorn归一化量化）方法对Qwen3-Next-80B大语言模型进行4位量化后的版本。SINQ是一种新颖、快速且高质量的量化方法，旨在显著压缩模型体积（约减少75%），同时保持与原始模型几乎不变的准确性，使其更易于部署。
Supabase MCP Server是一个连接Supabase项目与AI助手的工具，通过Model Context Protocol（MCP）标准化大型语言模型（LLMs）与外部服务的交互，实现数据库管理、配置获取和数据查询等功能。
MCP Go 是一个 Go 语言实现的模型上下文协议（MCP）服务端框架，用于连接 LLM 应用与外部数据源和工具。它提供了资源管理、工具调用、提示模板等核心功能，支持会话管理和中间件扩展。
Jinni是一个高效为大型语言模型提供项目上下文的工具，通过整合相关文件及其元数据，克服逐个文件读取的限制。
MCPEngine是一个生产级的Model Context Protocol (MCP)实现，为大型语言模型(LLM)提供标准化接口，支持OAuth认证、资源管理、工具调用等功能，旨在成为'LLM界的REST'框架。
LLM Context是一个帮助开发者快速将代码/文本项目内容注入大型语言模型聊天界面的工具，支持智能文件选择和多种集成方式。
一个基于Swift实现的知识图谱记忆服务器，为大型语言模型提供持久化记忆功能
Rails MCP Server是一个基于Ruby实现的Model Context Protocol服务器，为Rails项目提供与大型语言模型交互的标准接口。
MCP2Lambda是一个将AWS Lambda函数作为大型语言模型(LLM)工具运行的MCP协议服务器，无需修改代码即可让AI模型调用Lambda函数访问私有资源和AWS服务。
YouTube MCP服务器是一个标准化接口实现，允许AI语言模型通过协议与YouTube内容进行交互，提供视频信息获取、字幕管理、频道和播放列表管理等功能。
WireMCP是一个为大型语言模型(LLM)提供实时网络流量分析能力的MCP服务器，通过Wireshark工具捕获和处理网络数据，支持威胁检测、网络诊断和异常分析。
WireMCP是一个为大型语言模型（LLM）提供实时网络流量分析能力的MCP服务器，通过集成Wireshark工具实现数据捕获、威胁检测和网络诊断。
MCP2Lambda是一个MCP服务器，允许将AWS Lambda函数作为大型语言模型(LLM)的工具使用，无需修改代码。它通过Model Context Protocol (MCP)在AI模型和Lambda函数之间建立桥梁，使模型能够访问私有资源和执行自定义操作。
Alpaca MCP服务器是一个实现Alpaca交易API的模型上下文协议(MCP)服务，允许大型语言模型通过自然语言与Alpaca交易系统交互，支持股票/期权交易、投资组合管理和实时市场数据获取。
该项目通过Model Context Protocol（MCP）让大型语言模型直接理解和生成Max音频处理软件中的音效模块，支持解释、修改和创建音效模块，并提供与LLM的交互界面。
JIRA MCP服务器是一个为大型语言模型提供与JIRA交互能力的中间件服务，支持JQL搜索和问题详情获取。
这是一个基于MCP协议的代码执行服务器原型，结合大型语言模型的代码生成能力和MCP工具集成，使AI代理能够在隔离沙箱中运行Python代码并调用外部工具。
一个基于R语言的经济计量模型协议服务器，提供高级统计分析和经济计量建模功能。
EOSC数据共享MCP服务器，提供HTTP接口通过搜索API和大型语言模型帮助用户查找所需数据集和工具。
一个为大型语言模型提供GraphQL模式探索服务的MCP服务器，支持加载、查询和分析GraphQL模式文件。
Kubernetes MCP是一个基于Go语言实现的模型上下文协议服务器，专为与Kubernetes集群交互设计。它通过MCP协议提供丰富的Kubernetes资源管理功能，支持多种传输方式，并包含集群指标监控、日志分析等高级特性。
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)
