UltraFlux是一款基於Flux的擴散變換器，專門用於原生4K文本到圖像生成。它通過數據、架構和損失的協同設計，能夠在各種不同縱橫比下保持一致的圖像質量。

計算機視覺Diffusers英語

這是一個基於LoRA和Diffusers技術的文本到圖像生成模型，使用特定觸發詞'Put it here'來生成高質量圖像。該模型基於FLUX.1-Kontext-dev基礎模型構建，支持自適應光線調整和4K高清畫質輸出。

計算機視覺Diffusers

GLM-4.1V-9B-Thinking是基於GLM-4-9B-0414基礎模型開發的視覺語言推理模型，專注於圖像文本到文本轉換，在複雜多模態任務中表現出色，支持64K長上下文和4K分辨率圖像處理，提供中英雙語支持。

多模態Transformers多語言

GLM-4.1V-9B-Thinking是基於GLM-4-9B-0414基礎模型的開源視覺語言模型，專注於提升複雜任務中的推理能力，支持64k上下文長度和4K圖像分辨率。

多模態Transformers多語言

GLM-4.1V-9B-Base是智譜AI開發的開源視覺語言基礎模型，擁有90億參數，專注於多模態推理能力，支持中英雙語，處理高達4K分辨率的圖像和64K上下文長度。

多模態Transformers多語言

一個基於LoRA的文本生成圖像擴散模型，專注於生成高質量、高分辨率的動漫風格角色圖像，融合哥特、和風與賽博元素。

計算機視覺Diffusers

基於XL 1.0+Flux1D+SD1.5基礎模型訓練的LoRA微調模型，專注於生成具有超高清4K電影級畫質和極致細節的寫實皮膚紋理風格圖像。

計算機視覺Diffusers

LLaVE-2B是基於Aquila-VL-2B模型的20億參數多模態嵌入模型，具有4K tokens的上下文窗口，支持文本、圖像、多圖像和視頻的嵌入表示。

多模態Transformers英語

Sana是一個高效生成4K分辨率圖像的文本生成圖像框架，能夠快速合成高分辨率、高質量且文本-圖像對齊性強的圖像，並可在筆記本電腦GPU上部署。

Prompt Depth Anything 是一種高分辨率且精確的度量深度估計方法，通過提示（prompting）釋放深度基礎模型的潛力，能夠生成高達4K分辨率的精確度量深度。

計算機視覺Transformers

Granite-3.1-1B-A400M-Base 是 IBM 開發的一款語言模型，通過漸進式訓練策略將上下文長度從4K擴展到128K，支持多語言和多種文本處理任務。

自然語言處理Transformers

Granite-8B-Code-Base-128K是IBM Research開發的一款代碼生成模型，通過漸進式訓練策略將上下文長度從4K擴展到128K，支持116種編程語言，能夠處理代碼生成、解釋、修復等多種軟件工程任務。

自然語言處理Transformers其他

Phi-3-Medium-4K-Instruct是一個140億參數的輕量級開源模型，專注於高質量推理能力，支持4K上下文長度，適用於英語環境下的商業和研究用途。

自然語言處理Transformers其他

Phi-3 4k Instruct 是一個輕量級但功能強大的語言模型，經過4位量化處理以降低資源需求。

自然語言處理Transformers

Phi-3 Mini 是一款輕量級、前沿的開源模型，專注於高質量、高推理密度的數據，支持4K上下文長度。

自然語言處理Transformers

PixArt-Σ是基於Transformer架構的潛在擴散模型，可直接通過文本提示生成高分辨率圖像（最高4K）。

計算機視覺Diffusers

InternLM-XComposer2-4KHD是基於InternLM2的通用視覺語言大模型，具備4K分辨率圖像理解能力。

多模態Transformers

基於intfloat/multilingual-e5-small的局部稀疏全局版本，支持約4k標記的多語言文本嵌入模型

自然語言處理Transformers多語言

Llama 2是Meta開源的130億參數對話優化大語言模型，採用RLHF對齊人類偏好，支持4k上下文長度

自然語言處理Transformers英語