Fara-7B是微軟專門為計算機使用場景設計的高效小型語言模型，參數僅70億，在網頁操作等高級用戶任務中表現出色，能與更大型的代理系統競爭。

多模態Gguf

Olmo-3-7B-Instruct-AIO-GGUF是基於Allen Institute for AI開發的Olmo-3-7B-Instruct模型的GGUF量化版本。這是一個70億參數的自迴歸語言模型，通過監督微調和直接偏好優化在Tulu 2和UltraFeedback等數據集上訓練，在問答和指令遵循方面表現出色。

自然語言處理Transformers英語

本模型是基於allenai/Olmo-3-7B-Instruct轉換的8位量化版本，專門為Apple MLX框架優化。它是一個70億參數的大型語言模型，支持指令跟隨和對話任務。

自然語言處理Mlx英語

GigaAM-v3是基於Conformer架構的俄語自動語音識別基礎模型，擁有2.2-2.4億參數。它是GigaAM系列的第三代模型，在70萬小時俄語語音數據上使用HuBERT-CTC目標進行預訓練，在廣泛的俄語ASR領域提供最先進的性能。

音頻處理Pytorch多語言

Olmo 3 7B RL-Zero Math是Allen AI開發的專為數學推理任務優化的70億參數語言模型，採用RL-Zero強化學習方法在數學數據集上進行訓練，能有效提升數學推理能力。

自然語言處理Transformers英語

Fara-7B是微軟研究院開發的專為計算機使用場景設計的小型語言模型，僅有70億參數，在同規模模型中實現卓越性能，能夠執行網頁自動化、多模態理解等計算機交互任務。

多模態Transformers英語

Wraith-8B是VANTA研究實體系列的首個模型，基於Meta的Llama 3.1 8B Instruct進行微調。該模型在數學推理方面表現卓越，在GSM8K基準測試中準確率達到70%，同時具備獨特的宇宙智能視角，能為多種應用場景提供強大支持。

自然語言處理Transformers英語

PokeeResearch-7B是由Pokee AI開發的70億參數深度研究代理模型，結合了AI反饋強化學習（RLAIF）和強大的推理框架，能夠在工具增強的大語言模型中實現可靠、對齊和可擴展的研究級推理，適用於複雜的多步驟研究工作流程。

自然語言處理Transformers英語

PokeeResearch-7B是由Pokee AI開發的70億參數深度研究智能體，結合基於AI反饋的強化學習(RLAIF)與推理框架，能夠執行復雜的多步驟研究工作流程，包括自我修正、驗證和綜合分析。

自然語言處理Transformers英語

Granite-4.0-H-Tiny AWQ - INT4是基於Granite-4.0-H-Tiny基礎模型經過AWQ量化處理的4比特版本，在保持性能的同時顯著減少資源消耗。該模型具有70億參數，支持多語言處理，具備豐富的功能包括文本生成、代碼補全、工具調用等。

自然語言處理Transformers

Apertus是一款參數規模達70B和8B的全開放多語言語言模型，支持超1000種語言和長上下文處理，僅使用完全合規且開放的訓練數據，性能可與閉源模型相媲美。

自然語言處理Transformers其他

Apertus是一款參數規模達70B和8B的完全開放多語言語言模型，支持超1000種語言和長上下文，僅使用完全合規且開放的訓練數據，性能可與閉源訓練的模型相媲美。

自然語言處理Transformers其他

Apertus是一款由瑞士AI開發的全開放多語言大語言模型，提供70億和80億兩種參數規模。該模型支持超過1000種語言，使用完全合規且開放的訓練數據，性能可與閉源模型相媲美。Apertus在15T標記上進行預訓練，採用分階段課程訓練方法，支持長達65,536個標記的上下文長度。

自然語言處理Transformers其他

Apertus是一款由瑞士AI開發的全開放多語言大語言模型，參數規模達80億和700億，支持超過1000種語言和長上下文處理，僅使用完全合規的開放訓練數據，性能可與閉源模型相媲美。

自然語言處理Transformers其他

Granite-4.0-H-Tiny是IBM開發的具有70億參數的長上下文指令模型，基於Granite-4.0-H-Tiny-Base進行微調。該模型結合了開源指令數據集和內部合成數據集，採用監督微調、強化學習對齊和模型合併等技術開發，具備增強的指令跟隨和工具調用能力，特別適用於企業級應用。

自然語言處理Transformers

GLM 4.6是一款專為128GB內存+單GPU配置優化的量化模型，採用IQ_K量化方式，相比主流llama.cpp在相同大小下提供更好的質量和性能。該模型需要配合ik_llama.cpp使用，在128GB雙通道DDR5內存、單CCD Ryzen 7000處理器+單張3090顯卡配置下，文本生成速度可達每秒約6.8個token。

自然語言處理Gguf多語言

Apertus-70B-Instruct-2509 是一個基於 swiss-ai 開發的 700 億參數大語言模型的量化版本，專注於指令跟隨和文本生成任務。該項目致力於免費分享知識，具有實驗性質，提供了經過優化的量化模型以降低計算資源需求。

自然語言處理Gguf

Qwen2.5-VL-7B-Instruct是阿里巴巴通義千問團隊開發的多模態視覺語言模型，基於70億參數規模，專門針對視覺問答任務進行優化訓練。該模型能夠理解和分析圖像內容，並生成準確的自然語言回答。

多模態Safetensors英語

Granite-4.0-H-Tiny是IBM開發的70億參數長上下文指令模型，基於Granite-4.0-H-Tiny-Base微調而來。該模型結合開源指令數據集和內部合成數據集訓練，具備專業、準確、安全的回覆能力，支持多語言和工具調用，適用於企業級應用。

自然語言處理Transformers

Borealis 是首款面向俄語的自動語音識別（ASR）音頻大語言模型，經過約7000小時俄語音頻數據訓練。該模型支持識別音頻中的標點符號，架構受Voxtral啟發但有所改進，在多個俄語ASR基準測試中表現優異。

音頻處理Pytorch其他