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

Ming-flash-omni 預覽版是基於 Ling-Flash-2.0 稀疏專家混合（MoE）架構構建的多模態大模型，總參數達100B，每個token僅激活6B參數。該模型在Ming-Omni基礎上進行了全面升級，在多模態理解和生成方面有顯著提升，特別是在語音識別、圖像生成和分割編輯方面表現突出。

多模態Diffusers英語

GLM 4.6是一款專為128GB內存+單GPU配置優化的量化模型，採用IQ_K量化方式，相比主流llama.cpp在相同大小下提供更好的質量和性能。該模型需要配合ik_llama.cpp使用，在128GB雙通道DDR5內存、單CCD Ryzen 7000處理器+單張3090顯卡配置下，文本生成速度可達每秒約6.8個token。

自然語言處理Gguf多語言

Qwen3-Next-80B-A3B-Instruct-AWQ-4bit是基於Qwen3-Next-80B-A3B-Instruct模型進行4位AWQ量化的高效版本。該模型採用混合注意力機制和高稀疏專家混合架構，支持長達262K tokens的上下文長度，在保持高性能的同時大幅降低計算資源需求。

自然語言處理Transformers

Seed-OSS是由字節跳動Seed團隊開發的開源大語言模型系列，具備強大的長上下文處理、推理和智能體交互能力。僅使用12T token訓練，在多個公開基準測試中表現出色，支持高達512K的原生長上下文處理。

自然語言處理Transformers

Seed-OSS是由字節跳動Seed團隊開發的開源大語言模型系列，具備強大的長上下文處理、推理、智能體交互能力和通用性能。該模型僅使用12T token訓練，在多個公開基準測試中表現出色。

自然語言處理Transformers多語言

Qwen3-30B-A3B-Thinking-2507是一款在推理能力和通用能力上有顯著提升的大型語言模型，增強了長上下文理解能力，適用於高度複雜的推理任務。該模型具有305億參數，其中激活33億參數，支持262,144 tokens的長上下文處理。

自然語言處理Safetensors

Qwen3-30B-A3B-Thinking-2507-AWQ是基於Qwen/Qwen3-30B-A3B-Thinking-2507基礎模型進行量化的高效推理模型。該模型在推理任務、通用能力和長上下文理解方面有顯著提升，專門針對高度複雜的推理任務進行了優化，支持262,144 tokens的長上下文處理。

自然語言處理Transformers

Qwen3-30B-A3B-Thinking-2507是經過量化處理的大語言模型，具有增強的推理能力、通用能力和長上下文理解能力。該模型採用混合專家架構，在邏輯推理、數學、科學、編碼等複雜任務上表現出色，支持262,144 tokens的長上下文處理。

自然語言處理Transformers

Llama-3.3-Nemotron-Super-49B-v1.5是基於Meta Llama-3.3-70B-Instruct的大語言模型，經過多階段後訓練增強了推理和非推理能力。支持128K token上下文長度，在準確性和效率之間取得了良好平衡，適用於推理、聊天和代理任務。

自然語言處理Transformers英語

這是一個基於Qwen 3平臺的編碼/編程模型，具備完整的推理能力，速度極快。在中等硬件上每秒能處理超過150個token，僅使用CPU時每秒也能處理50個以上token。它是一個通用的編碼模型，適用於生成代碼塊、構思編碼思路以及快速生成代碼草稿。

自然語言處理Gguf多語言

Intern-S1是目前最先進的開源多模態推理模型，結合了強大的通用任務處理能力和在廣泛科學任務中的卓越性能，可與領先的閉源商業模型相媲美。該模型在5T token數據集上進行持續預訓練，其中超過50%是專業科學數據，具備動態分詞器能夠原生理解分子式、蛋白質序列和地震信號。

多模態Safetensors

SnowflakeCore-G1-Tiny2是基於GPT風格的自定義Transformer語言模型，是SnowflakeCore-G1-Tiny的改進版本。該模型使用PyTorch從頭構建，在common-pile/wikimedia_filtered數據集上訓練，擁有約4億參數，支持2048 token上下文窗口，專為文本生成任務設計。

自然語言處理Transformers英語

Devstral 1.1是由Mistral AI和All Hands AI合作開發的智能大語言模型，專為軟件工程任務設計。該模型在SWE-bench基準測試中表現出色，位列開源模型榜首，擁有240億參數和128k tokens的長上下文窗口。

自然語言處理Safetensors多語言

基於Transformer架構的文本生成模型，專注於軟件工程任務，支持40k token的上下文長度。

自然語言處理Gguf英語

百度ERNIE 4.5 0.3B是基於Transformer架構的雙語文本生成模型，在通用語言理解和生成任務上表現優異，支持中英雙語處理，上下文長度達128k token。

自然語言處理Gguf多語言

ALP_DeepScaleR_1.5B_C16K是基於DeepScaleR-1.5B模型，採用自適應長度懲罰（ALP）方法進行訓練的模型，能在保持性能的同時顯著減少token使用量。

自然語言處理Safetensors

基於英偉達AceReason-Nemotron-7B的GGUF量化版本，專注於數學與代碼推理，支持128k tokens長上下文

自然語言處理Gguf多語言

基於英偉達AceReason-Nemotron-14B的GGUF量化版本，專注於數學與代碼推理任務，支持128k tokens長上下文

自然語言處理Gguf多語言

Llama-3.3-Nemotron-Super-49B-v1 是一個大型語言模型，基於 Meta Llama-3.3-70B-Instruct 改進，增強了推理能力、人類聊天偏好以及任務執行能力，支持 128K tokens 的上下文長度。

自然語言處理Transformers英語