這是kldzj/gpt-oss-120b-heretic模型的量化版本，使用llamacpp進行量化處理，提供了多種量化類型選擇，包括BF16、Q8_0和MXFP4_MOE等特殊格式，顯著提升了模型運行效率。

自然語言處理Gguf

VibeThinker-1.5B-GGUF 是 WeiboAI/VibeThinker-1.5B 模型的 GGUF 量化版本，由 MaziyarPanahi 進行量化處理。該模型是一個 1.5B 參數的文本生成模型，支持多種量化級別（2位到8位），便於在各種硬件上高效運行。

自然語言處理Gguf

Qwen3-32B是Qwen系列最新一代的大語言模型，具備強大的推理、指令遵循、智能體交互和多語言處理能力。它支持100多種語言和方言，能在思維模式和非思維模式間無縫切換，為用戶提供自然流暢的對話體驗。

自然語言處理Transformers

本項目提供了Qwen-4B-Instruct-2507-Self-correct模型的靜態量化版本，支持文本生成、偏差緩解、自我修正等任務。該模型基於Qwen-4B架構，經過指令微調和自我修正訓練，提供多種量化版本以適應不同硬件需求。

自然語言處理Transformers英語

這是一個基於Google mT5-small模型在亞馬遜數據集上微調的英西翻譯模型，專門用於文本摘要生成任務。模型在評估集上取得了Rouge1: 16.44, Rouge2: 8.04的評分。

自然語言處理Transformers

Fyodor-StarCoder2-7B-MoE是基於StarCoder2-7B的增強版本，採用混合專家架構，擁有3個MoE層、6個專家網絡和top-2路由機制，在代碼生成、函數調用和智能體任務方面表現優異。

自然語言處理Transformers其他

這是一個上傳至Hugging Face模型中心的Transformer模型，具體功能和特性需要進一步補充信息。

自然語言處理Transformers

Trouper-12B GGUF是由DarwinAnim8or基於原始模型開發的文本生成模型，專門針對角色扮演和創意寫作場景進行了優化。該模型從Mistral-Nemo-Base-12B微調而來，使用了自定義的'Actors'數據集進行訓練，生成的文本更加自然，避免了常見的'AI語言'特徵。

自然語言處理Gguf英語

這是一個實驗性的混合量化模型，採用MXFP4_MOE混合權重技術，在保持接近Q8精度的同時，實現了更小的文件大小和更高的推理速度。模型探索了MXFP4與高精度嵌入/輸出權重的組合，在密集模型上取得了精度近乎無損的優化效果。

自然語言處理Gguf其他

NVIDIA Nemotron Parse v1.1 是一款先進的文檔解析模型，專門用於理解文檔語義並提取具有空間定位的文本和表格元素。它能夠將非結構化文檔轉換為機器可讀的結構化表示，克服了傳統OCR在處理複雜文檔佈局時的侷限性。

多模態Transformers

Kimi - K2 - Thinking 3.825bit MLX 是一款用於文本生成的量化模型，通過不同的量化方式在測試中取得不同的困惑度表現，其中q3.825bit量化能達到1.256的困惑度。

自然語言處理Mlx英語

MiniMax-M2-REAP-162B-A10B是MiniMax-M2的高效壓縮版本，採用REAP（路由加權專家激活剪枝）方法，在保持性能幾乎不變的情況下將模型大小減少30%，從230B參數壓縮到162B參數，顯著降低了內存需求。

自然語言處理Transformers英語

MiniMax-M2-REAP-172B-A10B是MiniMax-M2的內存高效壓縮變體，採用REAP專家剪枝方法，在保持性能幾乎不變的情況下，模型大小減輕了25%，從230B參數壓縮至172B參數。

自然語言處理Transformers英語

BT4模型是LeelaChessZero引擎背後的神經網絡模型，專門用於國際象棋對弈。該模型基於Transformer架構設計，能夠根據歷史走法預測最佳下一步走法、評估棋局形勢並生成走法概率。

科學計算Transformers

Prima-24B是一個240億參數的大語言模型，通過GGUF格式進行量化優化，專門針對角色扮演和創意寫作任務進行了優化。該模型基於原始Prima-24B模型轉換而來，採用Q4_K_M量化級別，在保持良好性能的同時顯著減小了模型大小和內存需求。

自然語言處理Gguf英語

這是一個基於sentence-transformers/all-mpnet-base-v2微調而來的句子轉換器模型，能夠將文本映射到768維的密集向量空間，支持語義相似度計算、語義搜索、文本分類等多種自然語言處理任務。

自然語言處理Sentence-transformers

這是 Manoghn/voicecraft-mistral-7b 模型的靜態量化GGUF版本，基於Mistral-7B架構，專門用於內容生成和文本生成任務。該版本提供了多種量化級別，從2.8GB到14.6GB不等，用戶可以根據硬件條件和性能需求選擇合適的版本。

自然語言處理Transformers英語

Jan-v2-VL是一款具有80億參數的視覺語言模型，專為在真實軟件環境（如瀏覽器和桌面應用程序）中執行長時、多步驟任務而設計。它將語言推理與視覺感知相結合，能夠遵循複雜指令、維持中間狀態，並從輕微執行錯誤中恢復。

多模態Gguf

Jan-v2-VL 是一個擁有80億參數的視覺語言模型，專為在瀏覽器和桌面應用程序等真實軟件環境中執行長週期、多步驟任務而設計。它將語言推理與視覺感知緊密結合，能夠遵循複雜指令、維持中間狀態並從輕微執行錯誤中恢復，實現穩定且持續的任務完成。

多模態Transformers英語

FLAN-T5 Small是Google開發的指令微調文本生成模型，基於T5架構的小型版本。該模型在多種NLP任務上進行了指令微調，能夠理解並執行各種文本生成指令。

自然語言處理Safetensors英語