這是一個基於VideoMAE-base架構微調的視頻理解模型，專門針對手語識別任務進行優化。模型在WLASL數據集上訓練了200個epoch，採用TimeSformer架構處理視頻序列。

計算機視覺Transformers

這是一個基於VideoMAE-base架構微調的視頻理解模型，專門針對手語識別任務進行優化。模型在WLASL100數據集上訓練了200個epoch，具備視頻動作識別能力。

計算機視覺Transformers

這是Qwen3-VL-32B-Thinking-heretic的量化版本，採用新的消融方法進行量化，相比傳統方法對基礎模型的損害更小。提供多種量化精度版本，適合在24GB顯存設備上運行，支持圖文轉文本任務。

多模態Transformers英語

這是一個基於VideoMAE-base架構在未知數據集上微調的視頻理解模型，專門用於手語識別任務。模型在20個訓練週期後達到了18.64%的準確率。

計算機視覺Transformers

Gheya-1是LES-IA-ETOILES生態系統中的新一代基礎語言模型，擁有2.02億參數，是舊版Small-lamina系列的升級版本。該模型專為專業微調而設計，在人工智能、專業語言模型和生物學領域具有針對性訓練。

自然語言處理Transformers法語

這是一個基於VideoMAE-base架構的視頻理解模型，在未知數據集上進行了20個epoch的微調訓練。模型在評估集上表現有限，準確率為0.0041，損失值為7.7839。

計算機視覺Transformers

塞西莉亞FT MS v1是基於塞西莉亞2B v0.1微調的古巴語言模型，專門針對古巴西班牙語進行優化，捕捉古巴語言、文化和社會的細微差別。該模型支持西班牙語和英語，主要用於文本生成任務。

自然語言處理Transformers多語言

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

這是基於MCG-NJU/videomae-base模型在未知數據集上微調的視頻理解模型，經過20個epoch的訓練，在評估集上達到13.31%的準確率。該模型專門針對視頻分析任務進行優化。

計算機視覺Transformers

Atom-Olmo3-7B是基於Olmo-3-7B-Instruct微調的語言模型，專門為協作式問題解決和創造性探索而設計。該模型在處理複雜問題時能提供深思熟慮且結構化的分析，同時保持引人入勝的對話風格，具有Apache 2.0開源許可證。

自然語言處理Transformers英語

這是一個基於Qwen Image Edit 2509的LoRA模型，專門用於將輸入圖像轉換為帶有誇張特徵的素描漫畫藝術作品。模型能夠為人物和動物主體創作出幽默且富有藝術感的漫畫形象，突出面部特徵和特點。

計算機視覺Diffusers多語言

SAM 3 是 Meta 推出的第三代可提示分割基礎模型，統一支持圖像和視頻分割任務。相比前代 SAM 2，它引入了開放詞彙概念分割能力，能夠處理大量文本提示，在 SA-CO 基準測試中達到人類表現的 75-80%。

計算機視覺Transformers英語

巴西範圍路由模型是一個基於Gemma 3 270M的微調微型大語言模型，專為巴西外賣服務系統設計，可作為極快速且輕量級的意圖分類器（路由）。該模型使用Unsloth進行訓練並轉換為GGUF格式。

自然語言處理Safetensors其他

楠米色4-3B-思維-2511是楠米色系列的最新增強版本，通過先進的蒸餾技術和強化學習優化，在緊湊的3B參數規模下實現了強大的推理能力。該模型在Arena-Hard-V2和BFCL-V4等基準測試中，在參數小於32B的模型中取得了最先進（SOTA）成果。

自然語言處理Transformers多語言

GigaChat3-10B-A1.8B是GigaChat系列的對話模型，基於混合專家（MoE）架構，共有100億參數，其中18億為活躍參數。該模型採用多頭潛在注意力和多令牌預測技術，支持25.6萬令牌的長上下文，在多語言對話和推理任務中表現出色。

自然語言處理Safetensors多語言

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

這是通過REAP方法對MiniMax-M2均勻裁剪25%的專家得到的172B參數大語言模型，專門針對llama.cpp進行了優化量化處理，支持多種量化級別，可在LM Studio或基於llama.cpp的項目中運行。

自然語言處理Gguf英語

這是一個基於Google Gemma 2 9B模型微調的荷蘭語患者模擬模型，專門為醫療教育場景設計。模型始終以固定的JSON結構響應，模擬一位剛做完手術正在康復的患者'瑪麗亞'，支持護理專業學生在安全環境中鍛鍊溝通和臨床推理能力。

自然語言處理Gguf其他

本模型是基於Qwen3-4B架構的知識蒸餾模型，通過約5440萬個由Gemini 2.5 Flash生成的標記進行訓練，旨在整合Gemini-2.5 Flash的行為、推理過程和知識到單一數據集中。

自然語言處理Transformers英語

這是MiniMax-M2-REAP-172B-A10B模型的MXFP4_MOE量化版本，是一個內存高效的壓縮模型。通過REAP（路由加權專家激活剪枝）方法，在保持性能的同時將模型從230B參數壓縮到172B參數，體積縮小25%，適用於資源受限的環境、本地部署和學術研究。

自然語言處理Gguf