這是阿里巴巴通義深度研究30B-A3B模型的量化版本，採用MXFP4_MOE量化技術並額外添加imatrix量化，旨在優化模型性能和資源使用效率，適用於文本生成任務。

自然語言處理Gguf

本項目是阿里巴巴通義深度研究30B模型的A3B量化版本，旨在通過量化技術降低模型部署成本，讓知識為每個人所用。該模型基於30B參數規模的大語言模型進行優化，保持了原模型的強大能力同時提升了推理效率。

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

這是Qwen/Qwen3-4B語言模型的GGUF量化版本，由阿里巴巴通義系列開發的40億參數大語言模型，專為消費級硬件設計，支持強大推理、智能體工作流和多語言交互。

自然語言處理Gguf多語言

Qwen3-Next-80B-A3B-Instruct是阿里雲通義千問團隊開發的大規模語言模型，經過MLX框架4位量化優化，專門針對蘋果芯片設備進行了性能優化，提供高效的推理能力。

自然語言處理Transformers

Qwen3-Next-80B-A3B-Instruct是阿里巴巴通義千問團隊開發的最新一代大型語言模型，採用創新的混合注意力機制和高稀疏專家混合架構，在保持80B總參數的同時僅激活3B參數，實現了高效的上下文建模和推理加速，原生支持262K上下文長度並可擴展至1M令牌。

自然語言處理Transformers

Qwen3-4B-Instruct是阿里巴巴通義千問團隊開發的40億參數指令微調大語言模型，基於Qwen3架構優化，專門針對對話和指令跟隨任務進行訓練，具備強大的文本生成和理解能力。

自然語言處理Transformers

Qwen3-30B-A3B-Instruct-2507是阿里巴巴通義千問團隊推出的300億參數大語言模型，專門針對指令跟隨任務進行了優化。該模型支持文本生成、對話交互等多種自然語言處理任務，並通過LM Studio社區模型計劃向開發者開放使用。

自然語言處理Gguf

Qwen3-Embedding-8B是阿里巴巴通義千問團隊開發的80億參數文本嵌入模型，基於MLX庫優化實現，專門用於句子相似度計算和文本特徵提取任務。

自然語言處理Mlx

基於ModernBERT預訓練架構的英語文本重排序模型，由阿里巴巴通義實驗室開發，支持8192 tokens長文本處理。

自然語言處理Transformers英語

Qwen2.5-72B-Instruct是阿里巴巴通義千問團隊開發的大規模語言模型，擁有727億參數。該模型在知識理解、編碼能力、數學推理和多語言支持方面有顯著提升，支持長達128K標記的上下文長度，能夠生成最多8K標記的內容。

自然語言處理Gguf多語言

阿里巴巴通義實驗室開發的開源視頻合成代碼庫，集成了多種先進的視頻生成模型

多模態Diffusers

GTE-small是由阿里巴巴達摩院訓練的通用文本嵌入模型，基於BERT框架，適用於信息檢索、語義文本相似度等任務。

自然語言處理Transformers英語