這是一個增強版的多模態視覺語言模型，基於Qwen3-VL-8B-Thinking模型，通過Brainstorm 20x技術擴展至12B參數，採用NEO Imatrix增強的GGUF量化。模型具備強大的圖像理解、文本生成和多模態推理能力，在視覺感知、文本質量和創意場景方面都有顯著提升。

多模態Gguf多語言

這是Qwen/Qwen3-Coder-30B-A3B-Instruct語言模型的GGUF量化版本，專門針對代碼生成和編程任務優化，採用FP32精度轉換，適用於本地推理部署。

自然語言處理Gguf多語言

nutrient-gram-qwen-3-vl-2b是基於Qwen/Qwen3-VL-2B-Instruct的微調版本，使用TRL進行監督微調訓練，主要用於文本生成任務。該模型在保持原有多模態能力的基礎上，針對特定任務進行了優化。

自然語言處理Transformers

UME-R1-7B的靜態量化版本，支持句子相似度、嵌入、零樣本圖像分類、視頻文本到文本等多任務。提供多種量化類型以滿足不同需求，從輕量級Q2_K到高質量Q8_0版本。

多模態Transformers英語

Qwen3-Coder-REAP-363B-A35B是通過REAP方法對Qwen3-Coder-480B-A35B-Instruct進行25%專家剪枝得到的稀疏混合專家模型，在保持接近原模型性能的同時顯著降低了參數規模和內存需求，特別適用於資源受限的代碼生成和智能編碼場景。

自然語言處理Transformers英語

這是一個基於Qwen3-VL-30B-A3B-Instruct模型轉換的GGUF格式版本，專門為llama.cpp優化。該模型是一個300億參數的多模態視覺語言模型，支持圖像理解和文本生成任務。

多模態Gguf

Qwen3-Coder-480B-A35B-Instruct是一個4800億參數的大型代碼生成模型，支持8.5bit量化，基於MLX框架優化。該模型專門針對代碼生成任務設計，在配備足夠內存的設備上能夠高效運行。

自然語言處理Mlx英語

Qwen-Edit-Skin是基於Qwen/Qwen-Image-Edit-2509模型微調的LoRA模型，專注於提升圖像中人物皮膚的真實感與細節，生成更自然、細膩的皮膚紋理。

計算機視覺Diffusers

這是一個基於Qwen3-VL-30B的量化版本模型，專門用於圖像文本到文本的轉換任務。該模型通過量化技術優化了原始模型，提供了更高效的推理解決方案。

多模態Gguf

Qwen3-VL是通義系列中最強大的視覺語言模型，具備卓越的文本理解與生成能力、深入的視覺感知與推理能力、長上下文支持、強大的空間和視頻動態理解能力以及出色的智能體交互能力。

多模態Gguf

這是慧慧Qwen3-VL-8B思維消融模型的量化版本，基於Qwen3-VL-8B架構，專門針對圖像文本轉換任務進行了優化和量化處理，可通過llama.cpp工具高效運行。

多模態Gguf

慧慧Qwen3-VL-8B指令消融模型的量化版本，專門用於圖像文本到文本的轉換任務。該模型基於Qwen3-VL-8B架構，經過指令消融優化和量化處理，可在保持性能的同時降低計算資源需求。

多模態Gguf

慧慧Qwen3-VL-4B思維消除模型的量化版本，基於Qwen3-VL-4B模型進行優化，專門設計用於消除思維鏈推理過程，可搭配最新的llama.cpp使用，提供高效的圖像文本轉文本處理能力。

多模態Gguf

Qwen3-VL-32B-Thinking是Qwen系列中最強大的視覺語言模型，具備卓越的文本理解與生成能力、深入的視覺感知與推理能力、長上下文處理、空間和視頻動態理解能力，以及出色的智能體交互能力。

多模態Transformers

Qwen3-VL-8B-Thinking是通義千問系列中最強大的視覺語言模型，具備卓越的文本理解與生成能力、深入的視覺感知與推理能力、長上下文支持、強大的空間和視頻動態理解能力，以及出色的智能體交互能力。

多模態Gguf

Qwen3-VL是通義系列中最強大的視覺語言模型，在文本理解與生成、視覺感知與推理、上下文長度、空間和視頻動態理解以及智能體交互能力等方面全面升級。該模型提供密集架構和混合專家架構，支持從邊緣設備到雲端的靈活部署。

多模態Transformers

Qwen3-VL是Qwen系列中最強大的視覺語言模型，實現了全方位的綜合升級，包括卓越的文本理解與生成能力、更深入的視覺感知與推理能力、更長的上下文長度、增強的空間和視頻動態理解能力，以及更強的智能體交互能力。

多模態Transformers

QwenEdit InScene LoRAs是基於QwenEdit微調的模型組，專注於增強基於場景參考生成圖像的能力。包含InScene主模型和InScene Annotate兩個組件，能夠在保持角色一致性和場景連貫性的同時創建全新的場景鏡頭。

多模態Diffusers

本項目是對Qwen3-Coder-30B-A3B-Instruct模型進行MXFP4_MOE量化的成果，將上下文大小從256k擴展到1M，為代碼生成和編程任務提供了更優化的模型版本，具有提升性能和節省資源的價值。

多模態Gguf

Qwen3-VL-2B-Thinking是由Qwen推出的視覺語言模型，基於2B參數規模，使用MLX進行8位量化，專門針對Apple Silicon芯片進行了優化。該模型支持圖像和文本的多模態理解與生成任務。

多模態Transformers