騰訊開源統訓框架AngelSpec，通過多方案協同與工作負載異構適配，降低大模型自迴歸解碼成本，提升推理吞吐量。針對不同場景文本特徵採取差異化訓練策略，如高熵多輪對話採用輕量穩定方案，實現真實場景下的高效推理。
文遠知行在2026世界人工智能大會發布WIIT大模型，提出“最小物理事實單元”理念，將連續環境拆解爲基礎事實，構建物理世界AI理解框架，包含事實提取、推理、驗證等模塊，推動AI從數據理解邁向真實世界認知。
輕量級端到端OCR模型HyOCR-1.5發佈，在保持輕量化同時大幅提升性能與效率。作爲首個全棧開源OCR模型，它全面開放權重、訓練配方、數據構造方法及推理加速框架，顯著降低開發門檻，讓開發者可輕鬆復現、微調，並在消費級顯卡或筆記本上部署。
北大與DeepSeek聯合開源大模型推理加速框架DSpark，針對自迴歸生成中每詞元均需全算力導致的高併發延遲與算力浪費，提供突破性解決方案。
一個通用框架，用於在測試時調節大型推理模型的思維進度。
一個高效的強化學習框架，用於訓練推理和搜索引擎調用的語言模型。
Atom of Thoughts (AoT) 是一種用於提升大語言模型推理性能的框架。
ViDoRAG 是一個結合視覺文檔檢索增強生成的動態迭代推理代理框架。
Xai
$1.4
輸入tokens/百萬
$3.5
輸出tokens/百萬
2k
上下文長度
Openai
$7.7
$30.8
200
-
Anthropic
$7
$35
Google
$2.1
$17.5
1k
$21
$105
$0.7
$2.8
Alibaba
$1
$10
256
$6
$24
$2
$20
$4
$16
Baidu
128
Moonshot
Bytedance
$0.8
32
Deepseek
$12
PrimeIntellect
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。
mlx-community
VibeThinker-1.5B的4位量化版本，基於MLX框架針對蘋果芯片優化，是一個擁有15億參數的密集語言模型，專門用於數學推理和算法編碼問題
hasanbasbunar
Lodos-24B-Instruct-2510是基於Mistral-Small-3.2-24B-Instruct-2506微調的土耳其語大語言模型，使用TRL框架進行全監督微調，專門針對土耳其語指令遵循任務優化，支持長文本生成和複雜推理。
QuantTrio
MiniMax-M2-AWQ是基於MiniMaxAI/MiniMax-M2模型的量化版本，通過vLLM框架實現高效的文本生成。該模型採用AWQ量化技術，在保持模型性能的同時顯著減少內存佔用和提升推理速度，支持32K上下文長度和工具調用功能。
Mungert
PokeeResearch-7B是由Pokee AI開發的70億參數深度研究代理模型，結合了AI反饋強化學習（RLAIF）和強大的推理框架，能夠在工具增強的大語言模型中實現可靠、對齊和可擴展的研究級推理，適用於複雜的多步驟研究工作流程。
這是一個基於Qwen3-VL-32B-Thinking模型轉換的4位量化版本，專門針對MLX框架優化。該模型是一個32B參數規模的多模態視覺語言模型，具備思維鏈推理能力，能夠同時處理圖像和文本輸入，生成高質量的文本響應。
PokeeAI
PokeeResearch-7B是由Pokee AI開發的70億參數深度研究智能體，結合基於AI反饋的強化學習(RLAIF)與推理框架，能夠執行復雜的多步驟研究工作流程，包括自我修正、驗證和綜合分析。
Thrillcrazyer
Qwen-1.5B_THIP是基於DeepSeek-R1-Distill-Qwen-1.5B在DeepMath-103k數學數據集上使用TRL框架進行GRPO方法微調的數學推理模型。該模型專門針對數學問題解決進行了優化，具備較強的數學推理能力。
這是IBM Granite-4.0-h-Tiny模型的4位量化版本，專為Apple Silicon優化，使用MLX框架進行高效推理。模型經過DWQ（動態權重量化）處理，在保持性能的同時顯著減小模型大小。
DeepSeek-V3.2-Exp-AWQ是基於DeepSeek-V3.2-Exp模型的量化版本，通過vLLM框架實現高效文本生成。該模型引入了DeepSeek稀疏注意力機制，在長上下文訓練和推理效率上有顯著提升，同時保持了模型輸出質量。
nightmedia
Huihui-gpt-oss-20b-mxfp4-abliterated-v2-qx86-hi-mlx是一個基於20B參數的大語言模型，採用量化技術優化，專門針對MLX框架進行格式轉換。該模型通過高精度量化技術，在保持模型精度的同時顯著提升推理效率，適用於多種自然語言處理任務。
EpistemeAI
本模型基於GPT-OSS-20B，藉助Unsloth強化學習框架進行微調，旨在優化推理效率，同時減少在從人類反饋中進行強化學習（RLHF）式訓練期間出現的漏洞。微調過程著重於對齊的魯棒性和效率，確保模型在不產生過多計算開銷的情況下保持推理深度。
foreverlasting1202
QuestA是一個通過問題增強方法提升大語言模型推理能力的創新框架。它在強化學習訓練過程中融入部分解決方案，顯著提升了模型在數學推理等複雜任務上的表現，特別是在小參數模型上實現了最優結果。
geoffmunn
這是Qwen/Qwen3-Coder-30B-A3B-Instruct語言模型的GGUF量化版本，專為本地推理優化，支持llama.cpp、LM Studio、OpenWebUI、GPT4All等框架。該模型是一個30B參數規模的代碼生成和編程助手模型。
這是Qwen/Qwen3-14B語言模型的GGUF量化版本，擁有140億參數，具備深度推理能力、研究級準確性和自主工作流程。經過轉換後可用於llama.cpp、LM Studio、OpenWebUI、GPT4All等本地推理框架。
這是Qwen/Qwen3-0.6B語言模型的GGUF量化版本，一個擁有6億參數的緊湊大語言模型，專為在低資源設備上進行超快速推理而設計。支持llama.cpp、LM Studio、OpenWebUI和GPT4All等框架，可在任何地方離線使用私有AI。
Jinx GPT OSS 20B MXFP4 MLX 是一個基於 MLX 框架轉換的 200 億參數大語言模型，採用混合精度量化技術優化，適用於蘋果芯片設備的高效推理。
lmstudio-community
Qwen3-Next-80B-A3B-Instruct是阿里雲通義千問團隊開發的大規模語言模型，經過MLX框架4位量化優化，專門針對蘋果芯片設備進行了性能優化，提供高效的推理能力。
TheClusterDev
這是Qwen3-Next-80B-A3B-Instruct模型的FP8量化版本，通過vLLM框架支持，在保持模型質量的同時顯著減小了模型體積，提升了推理效率。
wekW
本模型是百度ERNIE-4.5-21B-A3B-Thinking模型的GGUF量化版本，採用Q8_0量化格式，通過llama.cpp工具轉換而成，支持在兼容GGUF格式的推理框架中使用。
Atom of Thoughts是一個基於分解-收縮機制的推理框架，通過將複雜問題分解為原子化思考單元進行系統化驗證，提供完整版和輕量版兩種工具。
任務門戶系統是一個自我演進的通用問題解決機構，具備邏輯推理、倫理框架、序列思考和元框架等核心組件，能夠安全地自我進化並解決複雜問題。
MCP代理工具適配器項目通過MCP協議實現模塊化工具調用，支持Google ADK和LangGraph兩種代理框架，提供動態推理和工具規劃能力。
MCP雙循環推理器是一個為自主AI代理設計的元認知增強工具，通過雙循環框架（哨兵監控和裁決器管理）實現異常檢測和經驗學習，提升代理的自我意識和可靠性。
該項目是一個基於Model Context Protocol (MCP)的stdio服務器，用於將提示轉發至OpenAI的ChatGPT (GPT-4o)，支持高級摘要、分析和推理功能，適用於LangGraph框架的助手集成。
Smart-Thinking是一個先進的MCP服務器，提供多維、自適應且可自驗證的AI推理框架，採用基於圖形的架構實現複雜思維連接，支持跨平臺運行並與多種MCP客戶端兼容。
Smart-Thinking是一個先進的MCP服務器，提供多維、自適應且可自我驗證的AI推理框架。
Atom of Thoughts是一個基於分解-收縮機制的推理框架，通過將複雜問題分解為原子單元進行系統化解決，提供完整版和輕量版兩種工具。
Adaptive Graph of Thoughts是一個基於Neo4j圖數據庫的智能科學推理框架，通過圖結構實現複雜的科學推理任務，支持與Claude Desktop等AI應用集成。
PentestThinkingMCP是一個基於大型語言模型和MCP協議的自動化滲透測試框架，能夠通過Beam Search和MCTS算法規劃攻擊路徑，為CTF、HTB及真實滲透測試提供步驟推理、工具推薦和關鍵路徑分析。
Fluent MCP是一個用於構建具有智能推理能力的模型上下文協議(MCP)服務器的現代框架，支持AI集成、工具分離和複雜推理卸載，採用雙層LLM架構實現高效推理。
Mlx%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)
