月之暗面CEO楊植麟透露，讓開源模型逼近閉源前沿不能只堆參數算力，更要重構Transformer根基。他們重新設計了沿用近十年的優化器Adam、注意力機制和殘差連接，悄然撬動大模型訓練的地基。
通義實驗室推出Wan-Streamer v0.2，徹底解決傳統視頻通話卡頓、延遲和聲畫不同步問題。該端到端全模態模型僅550毫秒響應，將聽、看、說、演能力整合於單一Transformer架構，實現近乎真實的“面對面”自然交流。
螞蟻集團Robbyant開源LingBot-Vision模型家族，通過自監督視覺Transformer與創新“邊界建模”，在密集空間感知任務上表現卓越，多項指標超越數倍參數的大模型，突破了現有視覺基礎模型偏重物體識別的侷限，讓機器人精準感知物理空間成現實。
NVIDIA推出統一音頻-文本大模型Audex，基於純文本MoE架構，採用單一Transformer，解決多模態模型音頻增強導致文本邏輯下降的難題，實現高效音頻理解與文本能力的平衡。
基於 Diffusion Transformer 架構的十億參數文生 3D 動作模型。
1.3B參數的圖像轉視頻模型，用於生成3D一致的新場景視圖
AI21 Jamba Large 1.6 是一款強大的混合 SSM-Transformer 架構基礎模型，擅長長文本處理和高效推理。
基於Transformer實現的ViTPose模型集合
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
$4
$16
$2
$20
Baidu
128
Bytedance
$1.2
$3.6
4
optimum-internal-testing
這是一個Hugging Face Hub上的🤗 Transformers模型，具體信息待補充。模型卡片為自動生成，需要模型發佈者提供更多詳細信息。
Sachin-0001
這是一個基於🤗 Transformers庫的雙向自迴歸Transformer模型，已上傳至模型中心。模型卡片由系統自動生成，具體技術細節和應用信息需要進一步補充。
riverjiang
這是一個發佈在Hugging Face模型中心的Transformer模型，具體信息待補充。模型卡片為自動生成，需要進一步補充詳細信息。
onnx-community
Supertonic-TTS-ONNX是一個基於ONNX格式的文本到語音轉換模型，能夠將英文文本轉換為自然流暢的語音。該模型基於Supertone/supertonic基礎模型開發，專為Transformers.js庫優化，支持在瀏覽器環境中高效運行。
allenai
Olmo 3是由Allen Institute for AI (Ai2)開發的一系列語言模型，包含7B和32B兩種規格，有Instruct和Think兩種變體。該模型基於Transformer架構，具有長鏈思維能力，可有效提升數學和編碼等推理任務的表現。
SAM3是基於概念的任意分割模型，能夠根據輸入的點、框等提示信息生成精確的圖像分割掩碼。該版本是ONNX格式的SAM3跟蹤器模型，通過Transformers.js庫可在瀏覽器環境中高效運行。
peterant330
這是一個上傳至Hugging Face模型中心的Transformer模型，具體功能和特性需要進一步補充信息。
Maxlegrec
BT4模型是LeelaChessZero引擎背後的神經網絡模型，專門用於國際象棋對弈。該模型基於Transformer架構設計，能夠根據歷史走法預測最佳下一步走法、評估棋局形勢並生成走法概率。
Olmo 3 32B Think SFT是基於Transformer架構的自迴歸語言模型，在長鏈思維推理方面表現出色，特別擅長處理數學和編碼等複雜推理任務。該模型在Dolma 3數據集上進行預訓練，並在Dolci數據集上進行監督微調。
NyxKrage
Moondream 3 Preview HF是基於HuggingFace Transformers架構規範對Moondream 3 (Preview)模型的重新實現，使其能夠與Hugging Face生態系統完全兼容。這是一個多模態視覺語言模型，採用專家混合（MoE）文本主幹，約90億參數，20億活躍參數。
JetBrains-Research
這是一個已發佈在Hugging Face Hub上的🤗 Transformers模型，具體信息需要從模型頁面獲取。該模型基於Transformer架構，適用於多種自然語言處理任務。
Prior-Labs
TabPFN-2.5是基於Transformer架構的表格基礎模型，利用上下文學習技術，能夠在一次前向傳播中解決表格預測問題，為結構化表格數據提供高效的迴歸和分類解決方案。
mitegvg
該模型是基於VideoMAE架構的暴力檢測模型，在Kinetics數據集預訓練的基礎上，針對暴力檢測任務進行了92輪微調。模型採用Vision Transformer架構，專門用於視頻內容分析，能夠識別視頻中的暴力行為。
strangervisionhf
這是一個基於DeepSeek-OCR的圖像文本識別模型，專門解決了在最新版本transformers庫中的兼容性問題，使模型能夠在transformers v4.57.1等最新版本中順利運行。
bn22
這是一個發佈在Hugging Face模型中心的Transformer模型，模型卡片由系統自動生成，具體模型信息需要進一步補充
ByteDance
Ouro-2.6B是一款擁有26億參數的循環語言模型，通過迭代共享權重計算實現了卓越的參數效率，在僅用26億參數的情況下達到了30-40億標準Transformer模型的性能水平。
Ouro-1.4B是由字節跳動開發的具有14億參數的循環語言模型，通過迭代共享權重計算實現了卓越的參數效率，僅用14億參數就達到了30-40億標準Transformer模型的性能水平。
danggia
這是一個已上傳至Hugging Face模型中心的transformers模型，模型卡片由系統自動生成，詳細信息需要進一步補充。
這是一個修復後的圖像文本轉文本模型，解決了原模型在最新Transformers版本中推理失敗的問題。該模型專門用於圖像識別和文本生成任務，支持多模態輸入處理。
impresso-project
Impresso NER模型是一個專門用於歷史文檔處理的多語言命名實體識別模型。基於堆疊式Transformer架構，能夠識別數字化歷史文本中的細粒度和粗粒度實體類型，包括人名、頭銜、地點等。該模型針對歷史文檔中的OCR噪聲、拼寫變化和非標準語言用法進行了優化。
Transformers%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)
'%3e%3cpath%20d='M55.2622%2038L48.2289%2022L44.1206%2031.3333H47.2539L45.7872%2034.6667H38.7622L46.0956%2018H37.6706C36.7539%2018%2036.0039%2018.75%2036.0039%2019.6667V36.3333C36.0039%2037.25%2036.7539%2038%2037.6706%2038H55.2622Z'%20fill='white'/%3e%3cpath%20d='M64.3368%2018H50.3535L59.1535%2038H64.3368C65.2535%2038%2066.0035%2037.25%2066.0035%2036.3333V19.6667C66.0035%2018.75%2065.2535%2018%2064.3368%2018ZM63.0868%2034.6667H59.7535V21.3333H63.0868V34.6667Z'%20fill='%23FFCC66'/%3e%3cpath%20d='M89.3379%2026.75V29.25H81.8379V36.75H91.8379V24.25H81.8379V26.75H89.3379ZM84.3379%2034.25V31.75H89.3379V34.25H84.3379Z'%20fill='white'/%3e%3cpath%20d='M103.504%2036.75V29.25H96.0039V26.75H103.504V24.25H93.5039V31.75H101.004V34.25H93.5039V36.75H103.504Z'%20fill='white'/%3e%3cpath%20d='M115.17%2026.75V24.25H105.17V36.75H115.17V34.25H107.67V31.75H115.17V29.25H107.67V26.75H115.17Z'%20fill='white'/%3e%3cpath%20d='M80.1712%2029.25V29.175L78.9962%2028L80.1712%2026.825V20.425L78.9962%2019.25H69.3379V36.75H78.9962L80.1712%2035.575V29.25ZM77.6712%2034.25H71.8379V29.25H77.6712V34.25ZM77.6712%2026.75H71.8379V21.75H77.6712V26.75Z'%20fill='white'/%3e%3c/g%3e%3cg%20clip-path='url(%23clip1_644_3948)'%3e%3cpath%20d='M169.59%2022.9827L169.59%2023.6491H177.409L168.175%2032.8822L169.118%2033.8248L178.351%2024.5917L178.352%2032.4106H179.685V22.3164L179.018%2022.3157H169.59V22.9827Z'%20fill='white'/%3e%3c/g%3e%3cdefs%3e%3cclipPath%20id='clip0_644_3948'%3e%3crect%20width='80'%20height='20'%20fill='white'%20transform='translate(36%2018)'/%3e%3c/clipPath%3e%3cclipPath%20id='clip1_644_3948'%3e%3crect%20width='20'%20height='20'%20fill='white'%20transform='translate(164%2018)'/%3e%3c/clipPath%3e%3c/defs%3e%3c/svg%3e)
