SteadyDancer是一個基於圖像到視頻範式的強大動畫框架，專門用於生成高保真且時間連貫的人體動畫。該框架通過穩健的首幀保留機制，有效解決了傳統方法中的身份漂移問題，在視覺質量和可控性上表現出色，同時顯著減少了訓練資源需求。

計算機視覺Diffusers

這是一個專為蘋果硅芯片設備優化的自動語音識別模型，通過轉換為MLX框架並量化為FP8格式，實現在蘋果設備上的快速端上語音轉錄。該模型針對逐字精度進行微調，特別適用於需要高精度轉錄的場景。

音頻處理Mlx其他

這是對MiroThinker-v1.0-30B模型進行MXFP4_MOE imatrix量化的版本，基於mradermacher的imatrix實現。該量化模型保持了原模型的文本生成能力，同時通過量化技術提高了推理效率，適用於需要高效文本生成的各種應用場景。

自然語言處理Gguf

OpenMMReasoner是一個完全透明的兩階段多模態推理方案，涵蓋有監督微調（SFT）和強化學習（RL）。該方案通過精心構建高質量數據集，在多個多模態推理基準測試中超越了強大的基線模型，為未來大規模多模態推理研究奠定了堅實的實證基礎。

多模態Transformers

SAM3是基於概念的任意分割模型，能夠根據輸入的點、框等提示信息生成精確的圖像分割掩碼。該版本是ONNX格式的SAM3跟蹤器模型，通過Transformers.js庫可在瀏覽器環境中高效運行。

計算機視覺Transformers

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

Wan2.2-TI2V-5B-Turbo-GGUF是基於quanhaol/Wan2.2-TI2V-5B-Turbo基礎模型轉換而來的圖像轉視頻模型，經過優化可在4GB GPU上運行，具有出色的通用性和高效推理能力。

多模態Gguf

這是一個基於Qwen3 4B模型的混合量化版本，採用MXFP4_MOE混合權重技術，在保持近乎無損精度的同時實現了更小的文件大小和更高的推理速度。該模型通過精心組合MXFP4和高精度嵌入/輸出權重，達到了接近Q8量化的精度水平，同時具備Q4-Q6級別的吞吐量。

自然語言處理Safetensors其他

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

這是 aquif-3.5-Plus-30B-A3B 模型的 MXFP4_MOE 量化版本，通過量化技術顯著降低了模型資源佔用，同時保持了相近的性能表現，具有較高的工程實踐價值。

自然語言處理Gguf

這是一個基於Google Gemma-2B-IT基礎模型，使用PEFT（參數高效微調）和LoRA技術進行優化的文本生成模型。該模型通過參數高效的方法在保持基礎模型能力的同時，針對特定任務進行了優化。

自然語言處理Peft

這是一個基於Qwen3-VL-30B的量化版本模型，專門用於圖像文本到文本的轉換任務。該模型通過量化技術優化了原始模型，提供了更高效的推理解決方案。

多模態Gguf

這是慧慧Qwen3-VL-8B思維消融模型的量化版本，基於Qwen3-VL-8B架構，專門針對圖像文本轉換任務進行了優化和量化處理，可通過llama.cpp工具高效運行。

多模態Gguf

MiniMax-M2是一款專為最大化編碼和智能體工作流程而構建的小型混合專家模型，總參數達2300億，激活參數為100億。該模型在編碼和智能體任務中表現卓越，同時保持強大的通用智能，具有緊湊、快速且經濟高效的特點。

自然語言處理Transformers

這是一個基於 Kimi-Linear-48B-A3B-Instruct 模型轉換的 6 位量化版本，專為 Apple MLX 框架優化。該模型保留了原模型強大的指令跟隨能力，同時通過量化技術顯著降低了存儲和計算需求，適合在 Apple 硬件上高效運行。

自然語言處理Mlx

SDXL-Deepfake-Detector 是一款精準檢測 AI 生成人臉的工具，專注於維護數字世界的真實性，為抵禦視覺虛假信息提供隱私保護且開源的解決方案。該模型通過微調預訓練模型實現輕量級且高準確率的檢測。

計算機視覺Safetensors

Qwen3-VL是通義系列最強大的視覺語言模型，採用混合專家模型架構（MoE），提供GGUF格式權重，支持在CPU、GPU等設備上進行高效推理。模型在文本理解、視覺感知、空間理解、視頻處理等方面全面升級。

多模態Gguf

Qwen3-VL是通義系列中最強大的視覺語言模型，具備出色的文本理解和生成能力、深入的視覺感知和推理能力、長上下文支持、強大的空間和視頻動態理解能力，以及智能體交互能力。本倉庫提供GGUF格式權重，支持在CPU、GPU等設備上高效推理。

多模態Transformers

Qwen3-VL-2B-Instruct-GGUF是通義千問系列的多模態視覺語言模型的GGUF量化版本，具備20億參數，支持圖像理解和文本生成的無縫融合，可在CPU、GPU等設備上高效運行。

多模態Transformers

Kimi Linear是一種高效混合線性注意力架構，在短上下文、長上下文和強化學習場景中均優於傳統全注意力方法。它通過Kimi Delta Attention (KDA)機制優化注意力計算，顯著提升性能和硬件效率，特別擅長處理長達100萬令牌的長上下文任務。

自然語言處理Transformers