這是ai-sage/GigaChat3-10B-A1.8B-bf16模型的GGUF量化版本，提供了多種量化選項，從高精度的Q8_0到極度壓縮的smol-IQ1_KT，滿足不同硬件條件下的部署需求。該模型支持32K上下文長度，採用MLA架構，專為對話場景優化。

自然語言處理Gguf其他

GigaChat3-10B-A1.8B-base是GigaChat系列的基礎預訓練模型，採用混合專家（MoE）架構，總參數100億，活躍參數18億。模型集成了多頭潛在注意力（MLA）和多令牌預測（MTP）技術，在推理時具備高吞吐量優勢。

自然語言處理Safetensors多語言

本模型是基於meta-llama/Llama-3.3-70B-Instruct進行微調得到的版本，使用mlabonne/FineTome-100k數據集進行訓練，包含100k token數據。模型採用Unsloth和Huggingface TRL庫進行微調，支持英文語言處理。

自然語言處理Transformers英語

這是mlabonne/gemma-3-12b-it-abliterated-v2的量化版本，旨在通過量化技術降低模型部署資源需求，讓更多人能夠使用這一先進的文本生成模型。

自然語言處理Gguf

基於DeepSeek架構，在土耳其語文本上訓練的語言模型，包含多頭潛在注意力(MLA)和專家混合(MoE)技術。

自然語言處理Transformers其他

Qwen3-30B-A3B-abliterated 是一個基於 Qwen 架構的 300 億參數大型語言模型，專注於文本生成任務。

自然語言處理Gguf

這是一個基於Qwen3-1.7B-abliterated模型的量化版本，使用llama.cpp進行量化，支持多種量化類型，適用於文本生成任務。

自然語言處理Gguf

這是一個基於Qwen3-0.6B-abliterated模型的量化版本，使用llama.cpp進行量化，適用於文本生成任務。

自然語言處理Gguf

這是Qwen3-8B-abliterated模型的量化版本，使用llama.cpp進行量化，適用於文本生成任務。

自然語言處理Gguf

Qwen3-4B-abliterated的量化版本，使用llama.cpp進行量化，支持多種量化類型，適用於文本生成任務。

自然語言處理Gguf

這是Qwen3-14B-abliterated模型的量化版本，使用llama.cpp的imatrix選項進行量化，適用於文本生成任務。

自然語言處理Gguf

該模型是mlabonne/gemma-3-4b-it-abliterated的GGUF格式轉換版本，結合了x-ray_alpha的視覺組件，提供更流暢的多模態體驗。

多模態Gguf

基於mlabonne/gemma-3-27b-it-abliterated微調的大語言模型，採用Unsloth加速框架和Huggingface的TRL庫進行訓練，效率提升2倍。

自然語言處理Transformers英語

這是從mlabonne/gemma-3-12b-it-abliterated轉換而來的GGUF格式模型，適用於本地運行的大語言模型應用。

自然語言處理Transformers

這是基於mlabonne/gemma-3-12b-it-abliterated模型轉換的GGUF格式版本，專門為不同設備和場景提供更廣泛的應用可能，提升了模型的可用性和兼容性。該模型支持圖像-文本到文本的任務處理。

多模態Transformers

該模型是基於mlabonne/gemma-3-4b-it-abliterated轉換的GGUF格式版本，適用於本地運行和推理。

自然語言處理Transformers

這是基於mlabonne/gemma-3-4b-it-abliterated轉換的GGUF格式模型，專門優化了在特定環境下的兼容性和推理效率，提供多種量化版本滿足不同設備需求。

自然語言處理Transformers

這是mlabonne/gemma-3-1b-it-abliterated模型的GGUF格式轉換版本，使用llama.cpp轉換工具生成。該模型提供了多種量化選項，適用於不同設備和場景，特別優化了在CPU和ARM設備上的運行效率。

自然語言處理Transformers

基於mlabonne/gemma-3-1b-it-abliterated轉換的GGUF格式模型，適用於本地推理任務

自然語言處理Transformers

這是一個基於mlabonne/gemma-3-27b-it-abliterated模型轉換而來的4位量化版本，專為MLX框架優化。

自然語言處理Transformers