Meta旗下Llama系列AI模型曾備受好評，但2025年4月推出的Llama4引發信任危機。Meta宣傳其基準測試表現優秀，但開發者實測發現性能遠低於宣傳，外界懷疑Meta在測試中可能採取了不當手段。
中國AI開源模型全球影響力顯著提升。2025年7月，阿里通義千問全球下載量居首，中國開源模型下載總量首超美國。在第三方API平臺，千問成爲全球第二大受歡迎開源模型，僅次於Meta Llama。西方媒體關注此趨勢，認爲“生態廣度”正成爲AI競爭新標準。
Meta 下一代旗艦大模型代號 Avocado，定位爲 Llama 系列繼任者，計劃於 2026 年第一季度發佈。該模型將採用閉源商業化路線，性能對標 GPT-5 與 Gemini，旨在與 OpenAI、Google 等公司的封閉模型生態正面競爭。
新加坡AISG發佈新一代大語言模型Qwen-Sea-Lion-v4，底層架構從Meta Llama切換爲阿里Qwen3-32B，在東南亞語言評估基準Sea-Helm的<2000億參數開源榜單奪冠。切換主因：Qwen3預訓練覆蓋119種語言/方言，對印尼語等低資源語言適配更優；分詞優化放棄西方常用方案，原生多語架構降低後續訓練門檻。
一款高效的推理與聊天大語言模型。
端側可用的GPT-4V級多模態大模型
一款由Gradient AI團隊開發的高性能文本生成模型。
TinyLlama項目旨在在3萬億令牌上預訓練一個1.1B Llama模型。通過一些適當的優化，我們可以在“僅”90天內使用16個A100-40G GPU完成。訓練已於2023-09-01開始。
Google
$0.49
輸入tokens/百萬
$2.1
輸出tokens/百萬
1k
上下文長度
$0.7
$2.8
Anthropic
$7
$35
200
$17.5
$21
$105
Alibaba
-
$2
$20
$8
$240
52
Moonshot
$4
$16
256
Bytedance
Tencent
$1
32
Baidu
Openai
$0.4
128
$0.75
64
bartowski
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。
這是p-e-w/gpt-oss-20b-heretic模型的量化版本，使用llama.cpp的imatrix技術進行量化處理。該模型是一個200億參數的大語言模型，提供了多種量化選項，從高質量到低質量不等，文件大小從41.86GB到11.52GB，適用於不同硬件條件。
這是英偉達Qwen3-Nemotron-32B-RLBFF大語言模型的GGUF量化版本，使用llama.cpp工具進行多種精度量化，提供從BF16到IQ2_XXS共20多種量化選項，適用於不同硬件配置和性能需求。
這是Qwen3-VL-2B-Thinking模型的Llamacpp imatrix量化版本，提供了多種量化類型的文件，可在不同硬件環境下高效運行。該模型是一個2B參數的多模態視覺語言模型，具備思維鏈推理能力。
這是Qwen3-VL-2B-Instruct模型的量化版本，使用llama.cpp工具和imatrix方法生成了多種量化級別的模型文件，便於在不同硬件環境下高效運行。該模型是一個2B參數的多模態視覺語言模型，支持圖像和文本的交互。
danielus
該模型是cerebras/Qwen3-Coder-REAP-25B-A3B的GGUF格式轉換版本，使用llama.cpp工具進行格式轉換和量化處理。原始模型是一個25B參數的大語言模型，專門針對代碼生成任務進行優化。
nvidia
Llama Nemotron Embedding 1B模型是NVIDIA開發的專為多語言和跨語言文本問答檢索優化的嵌入模型，支持26種語言，能夠處理長達8192個標記的文檔，並可通過動態嵌入大小大幅減少數據存儲佔用。
mintujohnson
這是一個基於Llama-3.2-3B架構的微調語言模型，專門針對法語和英語的文本生成任務進行了優化訓練。該模型使用了Unsloth和Huggingface的TRL庫進行訓練，訓練速度提升了2倍，支持高效的文本生成推理。
這是TheDrummer的Cydonia - R1 - 24B - v4.1模型的量化版本，使用llama.cpp工具進行多種精度量化處理，可在不同硬件條件下高效運行，為用戶提供更多選擇。
這是MistralAI Magistral Small 2509模型的量化版本，使用llama.cpp的imatrix技術進行量化處理。該版本在保持相對較好性能的同時，顯著減少了模型的內存佔用和計算資源需求，使其能夠在各種硬件環境下運行。
這是ByteDance-Seed的Seed-OSS-36B-Instruct模型的量化版本，通過llama.cpp工具進行多種精度量化處理，提供了從BF16到IQ2_XXS等20多種量化選項，旨在提升模型在不同硬件上的運行效率和性能。
echos-keeper
這是一個經過蒸餾的小型語言模型，基於GPT架構，從20B參數模型蒸餾到1.7B參數，並轉換為GGUF格式以便在llama.cpp中使用。模型具有高效的推理性能和較小的資源需求。
maerong3
這是一個基於Mistral架構的24B參數大型語言模型，通過llama.cpp轉換為GGUF格式。模型支持多語言交互，特別優化了指令跟隨能力，適用於各種文本生成和理解任務。
這是TheDrummer的Cydonia-R1-24B-v4模型的量化版本，使用llamacpp工具進行imatrix量化處理，提供多種量化選項以滿足不同硬件需求。該模型為24B參數規模的大語言模型，經過優化可在各種設備上高效運行。
lmstudio-community
這是Qwen3 235B A22B Thinking 2507模型的量化版本，通過llama.cpp的量化技術實現，可在資源有限環境下高效運行文本生成任務，是LM Studio社區模型亮點計劃的一部分。
BruhzWater
Lilith's-Whisper-L3.3-70b-0.1是一個基於Llama 3.3架構的70B參數大型語言模型，專門針對角色扮演（RP）場景優化。該模型採用2/3階段合併方式，融合了多個頂級RP模型的優勢，為角色扮演應用提供了強大的對話生成能力。
這是Google medgemma - 27b - it模型的Llamacpp imatrix量化版本，主要應用於醫療領域的圖像-文本轉換任務。
second-state
這是Google Gemma-3n-E2B-it模型的量化版本，支持使用LlamaEdge框架運行。該模型是一個27億參數的多語言指令調優模型，專門針對英語和E2B（English-to-Bengali）翻譯任務進行了優化。
LumiOpen
Poro 2 8B Instruct 是一個基於 Llama 3.1 8B 架構的指令遵循聊天機器人模型，專為芬蘭語和英語的對話式 AI 應用設計。
Eric1227
基於Llama 3.2架構的混合專家模型，包含8個專家，每個專家4B參數，總參數量約21B，支持128k上下文長度，經過專門微調優化的文本生成模型
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
