這是一個專為通話記錄分析打造的混合語言AI模型，能夠處理印地語、英語和混合印地英語的通話轉錄內容。模型基於Qwen2.5-1.5B-Instruct進行微調，具備強大的多語言理解和信息提取能力。

自然語言處理Transformers多語言

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

MiroThinker v1.0是一個開源研究智能體，通過模型級別的交互式擴展提升工具增強推理和信息搜索能力。該模型在多個基準測試中表現出色，支持長上下文和深度多步分析。

自然語言處理Transformers英語

ERNIE-4.5-VL-28B-A3B-Thinking AWQ - INT8是基於百度ERNIE-4.5架構的多模態大語言模型，通過AWQ量化技術實現8位精度，在保持高性能的同時大幅降低內存需求。該模型在視覺推理、STEM問題解決、圖像分析等方面表現出色，具備強大的多模態理解和推理能力。

多模態Transformers多語言

賽博智腦是一個專門針對奪旗賽（CTF）挑戰和網絡安全任務進行微調的大語言模型。它基於Llama-3.1-8B-Instruct架構，能夠協助解決CTF問題、分析安全漏洞、進行逆向工程和密碼學挑戰，並在遵循道德準則的前提下提供漏洞利用推理。

自然語言處理Safetensors多語言

NV-Reason-CXR-3B GGUF是NVIDIA NV-Reason-CXR-3B視覺語言模型的量化版本，專為邊緣設備部署優化。這是一個30億參數的模型，專注於胸部X光分析，已轉換為GGUF格式並進行量化處理，可在移動設備、桌面設備和嵌入式系統上高效運行。

多模態Gguf英語

該模型是基於VideoMAE架構的暴力檢測模型，在Kinetics數據集預訓練的基礎上，針對暴力檢測任務進行了92輪微調。模型採用Vision Transformer架構，專門用於視頻內容分析，能夠識別視頻中的暴力行為。

計算機視覺Transformers

Qwen3-VL是阿里巴巴推出的最新一代視覺語言模型，在文本理解、視覺感知、空間理解、視頻分析和智能體交互等方面均有顯著提升。該模型支持多模態輸入，具備強大的推理能力和長上下文處理能力。

多模態Transformers

NVIDIA-Nemotron-Nano-VL-12B-V2-FP8 是 NVIDIA 推出的量化視覺語言模型，採用優化的 Transformer 架構，在商業圖像上進行了三階段訓練。該模型支持單圖像推理，具備多語言和多模態處理能力，適用於圖像總結、文本圖像分析等多種場景。

多模態Transformers

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

Qwen3-VL-TimeTravel是基於Qwen3-VL-8B-Instruct模型，使用Unsloth庫在MBZUAI/TimeTravel數據集上進行微調得到的版本。該模型專門用於生成歷史文物圖像的描述，在歷史和文化文物分析方面具有專業能力。

多模態Transformers英語

Qwen3-VL-30B-A3B-Instruct-AWQ是Qwen3-VL系列的量化版本，具備強大的視覺語言處理能力，支持圖像理解、視頻分析、多模態推理等任務。該模型在文本理解、視覺感知、空間理解、長上下文處理等方面均有顯著提升。

多模態Transformers

Qwen3-VL-4B-Instruct是阿里雲Qwen團隊推出的40億參數指令調優多模態大語言模型，專為高通NPU優化，融合強大的視覺語言理解能力與對話微調功能，適用於聊天推理、文檔分析和視覺對話等實際應用場景。

多模態Gguf

bert-micro-cybersecurity 是一款緊湊的變壓器模型，專為網絡安全文本分類任務而設計，可用於威脅檢測、事件報告分析等，支持英文和印尼文。

自然語言處理Transformers多語言

Apriel-1.5-15b-Thinker是ServiceNow開發的150億參數多模態推理模型，具備文本和圖像推理能力，性能可媲美比它大10倍的模型，在人工分析指數上獲得52分，在企業領域基準測試中表現優異。

多模態Transformers

Qwen3-Omni-30B-A3B-Captioner是基於Qwen3-Omni-30B-A3B-Instruct微調得到的細粒度音頻分析模型，專門為任意音頻輸入生成詳細且低幻覺的描述，在複雜多樣的音頻場景中表現出色。

音頻處理Transformers英語

基於YOLOv11架構的三款文檔佈局分析模型（nano、small、medium），在DocLayNet數據集上微調，能夠精準檢測文檔中的文本、表格、圖表等11種佈局元素，適用於文檔理解和信息提取任務。

Leporis-Qwen3-Radiation-1.7B是一個專注於推理的模型，基於Qwen進行微調，用於精確推理和優化標記概率。該模型增強了跨數學和通用推理的多語言平衡生成能力，專長於事件驅動邏輯、結構化分析和精確的概率建模。

自然語言處理Transformers多語言

ARC-Qwen-Video-7B是騰訊ARC實驗室開發的用於理解現實世界短視頻的多模態模型，基於Qwen2.5-VL-7B-Instruct構建，支持音視頻同步分析和理解。

多模態Transformers