Qwen3-VL-8B-Thinking是阿里雲Qwen團隊開發的80億參數多模態大語言模型，專為深度多模態推理設計，支持視覺理解、長上下文處理和結構化思維鏈生成，在複雜推理任務中表現出色。

多模態Mlx

OmniNeural是全球首個專門為神經處理單元（NPU）設計的全多模態模型，能夠原生理解文本、圖像和音頻，可在PC、移動設備、汽車、物聯網和機器人等多種設備上運行。

NexaAI/Qwen3-4B是基於Qwen3系列的40億參數大語言模型，支持思維模式與非思維模式無縫切換，在推理、指令遵循、智能體能力和多語言支持方面表現優異。

自然語言處理Gguf

NexaAI/Qwen3-0.6B是基於Qwen3系列的0.6B參數語言模型，在推理、指令遵循、多語言支持等方面表現出色。支持思維模式和非思維模式無縫切換，適用於複雜邏輯推理和高效通用對話。

自然語言處理Gguf

基於OpenAI Whisper架構微調的自動語音識別和語音翻譯模型，通過減少解碼層數量實現顯著速度提升，同時保持接近原版的識別質量。

音頻處理Mlx多語言

這是OpenAI GPT OSS 20B模型的GGUF版本，擁有210億參數，其中36億為活躍參數。該版本針對本地部署和特定使用場景進行了優化，旨在降低推理延遲，提高運行效率。

自然語言處理Transformers

Gemma 3n 是基於 Google Gemma 模型的多模態輕量級開源模型，支持文本、圖像、視頻和音頻輸入，專為低資源設備優化。

多模態Transformers

Parakeet TDT 0.6B v2 MLX是一款高效的自動語音識別模型，支持標點、大小寫和精確時間戳預測，能夠轉錄長達24分鐘的音頻片段，適用於商業和非商業用途。

音頻處理Mlx

Kokoro是一款8200萬參數的開源文本轉語音模型，採用輕量級架構但能提供與大型模型相媲美的質量，具有速度快、成本低的優勢，採用Apache許可證，適用於生產環境和個人項目

音頻處理Mlx英語

Qwen3-0.6B是基於Qwen3系列的大語言模型，支持文本生成，具有獨特的思維模式切換、強大的推理能力和多語言支持等特性。

自然語言處理Gguf

Qwen2.5-VL是基於圖像文本到文本的多模態模型，在視覺理解、視頻處理、結構化輸出等方面有顯著提升。

多模態Gguf英語

Qwen2.5-Omni-3B-GGUF 是一個端到端的多模態模型，能夠感知文本、圖像、音頻和視頻等多種模態信息，同時以流式方式生成文本和自然語音響應。

多模態Transformers英語

OmniAudio是全球最快且最高效的適用於設備端部署的音頻語言模型，擁有26億參數，能夠處理文本和音頻輸入。

多模態Gguf英語

全球最快、最高效的端側部署音頻語言模型，2.6B參數的多模態模型，可同時處理文本和音頻輸入。

多模態Gguf英語

Qwen2-Audio是先進的小規模多模態模型，支持音頻與文本輸入，無需依賴語音識別模塊即可實現語音交互。

多模態Gguf英語

Qwen2-Audio 是一款先進的小規模多模態模型，支持音頻和文本輸入，無需ASR模塊即可進行語音交互。

多模態Gguf英語

章魚模型V2是一款20億參數的開源語言模型，專為安卓API優化，採用功能令牌策略提升推理速度和準確性。

自然語言處理Transformers英語