Meta前AI負責人楊立昆在專訪中爆料，公司開發Llama 4時存在“造假”行爲，並批評現任AI官Alexandr Wang年輕缺乏經驗。因不滿公司戰略變動，他選擇離職，轉向“世界模型”研究。
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。
與LLaMA-Factory官方合作，一站式低代碼大模型微調平臺，支持超百種模型。
基於Llama框架的TTS基礎模型，兼容16萬小時標記化語音數據。
LLaDA是一種大規模語言擴散模型，具備強大的語言生成能力，與LLaMA3 8B性能相當。
Llasa-1B 是一個基於 LLaMA 的文本轉語音 (TTS) 模型，支持中英文語音合成。
Google
$0.49
輸入tokens/百萬
$2.1
輸出tokens/百萬
1k
上下文長度
Openai
$2.8
$11.2
Xai
$1.4
$3.5
2k
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
$1
$10
256
$6
$24
$2
$20
$4
$16
Baidu
128
Bytedance
$1.2
$3.6
4
bartowski
這是微軟Fara-7B模型的量化版本，使用llama.cpp的imatrix技術進行優化。該模型支持多種量化級別，從高精度的bf16到極低精度的IQ2_M，滿足不同硬件配置和性能需求。
這是ArliAI的GLM-4.5-Air-Derestricted模型的GGUF量化版本，使用llama.cpp和imatrix技術進行優化量化處理，提供多種量化級別選擇，適用於不同硬件配置和性能需求。
這是squ11z1的Hypnos-i1-8B模型的量化版本，使用llama.cpp工具和特定數據集進行量化處理。該模型基於Llama-3架構，提供多種量化類型選擇，支持文本生成任務，適用於推理、對話等多種應用場景。
這是TheDrummer的Snowpiercer-15B-v4模型的量化版本，使用llama.cpp和imatrix技術進行量化處理。該版本提供了從BF16到IQ2_S等多種量化級別，滿足不同硬件條件和性能需求的用戶。模型使用特定數據集進行校準優化，支持在線重打包功能以提升在ARM和AVX硬件上的性能。
squ11z1
Hypnos i1-8B 是基於 Nous Hermes 3（Llama 3.1 8B）的專業推理模型，專注於複雜邏輯、思維鏈推理和數學問題求解。該模型在混合量子-經典機器學習領域進行了獨特探索，通過引入量子噪聲注入提升了模型的創造力和推理能力。
這是對ai-sage的GigaChat3-10B-A1.8B模型進行的量化處理版本，採用llama.cpp的imatrix量化技術，可在不同硬件條件下更高效地運行。模型支持俄語和英語，主要用於文本生成任務。
這是allenai的Olmo-3-32B-Think模型的GGUF量化版本，通過llama.cpp工具進行多種量化處理，旨在提升模型在特定環境下的性能和效率。提供了從Q2到Q8的多種量化選項，滿足不同硬件配置和性能需求。
這是kldzj的GPT-OSS-120B-Heretic-v2模型的量化版本，使用llama.cpp的imatrix技術進行量化處理。該模型通過量化技術顯著減少了存儲和計算資源需求，同時保持了較好的模型性能，便於在各種設備上部署運行。
evilfreelancer
這是ai-sage/GigaChat3-10B-A1.8B模型的量化版本，採用GGUF格式，需要特定的llama.cpp分支支持。模型採用混合專家架構，總參數量約118億，其中激活參數量約18億。
這是對VibeStudio的MiniMax-M2-THRIFT模型進行的量化處理版本，使用llama.cpp工具和特定數據集生成，提供多種量化類型的GGUF文件，支持在LM Studio或基於llama.cpp的項目中運行。
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。
這是一個基於REAP方法對MiniMax-M2中40%專家進行均勻剪枝得到的139B參數大語言模型，採用GLM架構和專家混合(MoE)技術，通過llama.cpp進行多種量化處理，適用於文本生成任務。
advy
本模型是基於meta-llama/Llama-3.1-70B-Instruct在特定數據集上微調得到的大語言模型，專門用於文本生成任務，在評估集上取得了0.6542的損失值表現。
這是kldzj/gpt-oss-120b-heretic模型的量化版本，使用llamacpp進行量化處理，提供了多種量化類型選擇，包括BF16、Q8_0和MXFP4_MOE等特殊格式，顯著提升了模型運行效率。
這是對Qwen3-4B-Instruct-2507-heretic模型進行的量化處理版本，使用llama.cpp工具和imatrix數據集生成了多種量化類型的模型文件，可在多種環境下運行，為用戶提供了更多選擇。
這是基於p-e-w發佈的Llama-3.1-8B-Instruct-heretic模型的量化版本，使用llama.cpp b7049版本進行imatrix量化。提供了多種量化選項以適應不同硬件和性能需求，支持在LM Studio或llama.cpp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Precog-123B-v1模型的llama.cpp量化版本，提供了多種量化類型以滿足不同硬件配置和使用場景的需求。該模型是一個擁有1230億參數的大型語言模型，經過優化後可在各種硬件上高效運行。
ErenAta00
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。
這是zerofata的MS3.2-PaintedFantasy-v3-24B模型的GGUF量化版本，使用llama.cpp工具進行量化處理，提供多種量化類型以滿足不同硬件和性能需求。
mcp-scaffold是一個用於驗證模型上下文協議（MCP）服務器的開發沙箱，提供本地LLM（如LLaMA 7B）和雲端推理支持，包含聊天界面和參考架構。
該項目實現了Yahoo Finance API與LLaMA 3.2 3B模型的集成，通過Model Context Protocol (MCP)協議使模型能夠獲取即時金融數據、股票信息和市場新聞，同時保留LLaMA原有的所有功能。
項目介紹如何快速搭建基於Ollama和Llama3.2模型的MCP服務，包括環境準備和運行步驟。
一個輕量級的MCP服務器，通過結合網絡搜索和內容解析，從LangChain、LlamaIndex和OpenAI等流行AI庫中檢索相關文檔內容，為語言模型提供動態查詢最新文檔的功能。
Gguf%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)
