Z-Image（造相）是一個擁有60億參數的高效圖像生成基礎模型，專門解決圖像生成領域的效率和質量問題。其蒸餾版本Z-Image-Turbo僅需8次函數評估就能達到或超越領先競品，在企業級H800 GPU上可實現亞秒級推理延遲，並能在16G VRAM的消費級設備上運行。

計算機視覺Diffusers多語言

Z-Image-Turbo 是經過 FP8 E5M2 和 E4M3FN 格式量化的圖像處理模型，基於原始 Tongyi-MAI/Z-Image-Turbo 模型優化，在保持性能的同時顯著減少模型大小和推理資源需求。

多模態Diffusers英語

這是一個基於VideoMAE-base架構微調的視頻理解模型，專門針對手語識別任務進行優化。模型在WLASL數據集上訓練了200個epoch，採用TimeSformer架構處理視頻序列。

計算機視覺Transformers

這是一個基於VideoMAE-base架構微調的視頻理解模型，專門針對手語識別任務進行優化。模型在WLASL100數據集上訓練了200個epoch，具備視頻動作識別能力。

計算機視覺Transformers

INTELLECT-3是一個擁有1060億參數的混合專家（MoE）模型，通過大規模強化學習訓練而成。在數學、編碼和推理基準測試中展現出卓越性能，模型、訓練框架和環境均以寬鬆許可協議開源。

自然語言處理Transformers英語

這是Qwen3-VL-32B-Thinking-heretic的量化版本，採用新的消融方法進行量化，相比傳統方法對基礎模型的損害更小。提供多種量化精度版本，適合在24GB顯存設備上運行，支持圖文轉文本任務。

多模態Transformers英語

這是一個專為通話記錄分析打造的混合語言AI模型，能夠處理印地語、英語和混合印地英語的通話轉錄內容。模型基於Qwen2.5-1.5B-Instruct進行微調，具備強大的多語言理解和信息提取能力。

自然語言處理Transformers多語言

這是一個基於VideoMAE-base架構在未知數據集上微調的視頻理解模型，專門用於手語識別任務。模型在20個訓練週期後達到了18.64%的準確率。

計算機視覺Transformers

FLUX.2-dev是由black-forest-labs開發的圖像生成和編輯模型，已轉換為GGUF格式，專為圖像生成任務優化，採用擴散模型架構，支持在ComfyUI框架中使用。

多模態Gguf

flux2-dev-gguf 是一個基於 FLUX.2-dev 的圖像到圖像轉換模型，專門用於根據文本提示生成特定風格的圖像。該模型支持在 ComfyUI 環境中運行，能夠將文本描述轉換為風格化的視覺內容。

多模態Gguf英語

皮卡丘語言模型是Clemylia發起的一項獨特的實驗性語言項目，完全從零開始訓練，僅基於'皮卡丘'的聲音語料庫，展示了小型語言模型創造原生語言身份的能力。

自然語言處理Transformers

基於 black-forest-labs/FLUX.2-dev 的優化版本圖像生成模型，支持圖像到圖像的生成和編輯任務，採用 fp8_scaled 量化技術提升推理速度，特別適合在低顯存 GPU 上使用。

這是一個基於LoRA技術的文本到圖像轉換模型，專門用於生成具有法國印象派畫家貝爾特·莫里索藝術風格的圖像。該模型在FLUX.2-dev基礎模型上訓練，能夠將普通圖像或文本描述轉換為莫里索風格的畫作。

計算機視覺Diffusers

Z-Image是一款功能強大且高效的圖像生成模型，擁有60億參數。它能有效解決圖像生成領域在效率、質量和功能多樣性方面的問題，為用戶提供高質量的圖像生成和編輯服務。

計算機視覺Diffusers英語

TomoroAI/tomoro-colqwen3-embed-4b是一款先進的ColPali風格多模態嵌入模型，能夠將文本查詢、視覺文檔（如圖像、PDF）或短視頻映射為對齊的多向量嵌入。該模型結合了Qwen3-VL-4B-Instruct和Qwen3-Embedding-4B的優勢，在ViDoRe基準測試中表現出色，同時顯著減少了嵌入佔用空間。

多模態Transformers其他

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。

自然語言處理Transformers

Wan2.2是基礎視頻模型的重大升級版本，專注於將有效MoE架構、高效訓練策略和多模態融合等創新技術融入視頻擴散模型，為視頻生成領域帶來更強大、更高效的解決方案。

多模態Diffusers多語言

這是一個基於VideoMAE架構的視頻理解模型，在Kinetics數據集預訓練的基礎上進行了微調，專門用於手語識別任務。模型在評估集上表現有待提升，準確率為0.0010。

計算機視覺Transformers

這是微軟Fara-7B模型的量化版本，使用llama.cpp的imatrix技術進行優化。該模型支持多種量化級別，從高精度的bf16到極低精度的IQ2_M，滿足不同硬件配置和性能需求。

自然語言處理Gguf

Fara-7B是微軟專門為計算機使用場景設計的高效小型語言模型，參數僅70億，在網頁操作等高級用戶任務中表現出色，能與更大型的代理系統競爭。

多模態Gguf