DeepSeek發佈新一代旗艦模型V4，採用細分化策略推出Flash與Pro兩個版本，分別覆蓋輕量高頻應用和複雜推理任務。此舉不僅滿足不同場景需求，還以極具競爭力的定價重塑AI商業化基準，整合了原有deepseek-chat與deepseek-reasoner模型。
Meta推出“模型能力倡議”（MCI），計劃利用員工工作行爲數據加速大語言模型訓練。CEO扎克伯格和首席AI官宣佈新模型“Muse Spark”持續進步，但爲加快進程，將整合日常工作數據。
東風汽車與字節跳動旗下火山引擎簽署戰略合作，共同推動豆包大模型在智能座艙、企業數智化及AI雲平臺等領域的應用，旨在打造下一代“AI Car”。東風依託整車研發製造經驗，結合火山引擎的AI技術，實現深度整合，加速汽車行業數字化與智能化轉型。
東風汽車與字節跳動旗下火山引擎簽署戰略合作協議，雙方將整合東風在整車研發製造的經驗與火山引擎在AI、雲計算的技術優勢，聚焦智能座艙、企業數智化升級及AI雲平臺建設，推動豆包大模型在汽車全產業鏈的應用。
整合多AI模型的一體化平臺，單訂閱解鎖多模型，快速靈活
ArtAny AI整合多種AI模型，免費生成圖像與視頻，有熱門優惠
CometAPI是一個整合AI模型API的平臺，提供統一訪問GPT、Midjorney、Claude等500多個AI模型。
為LLM訓練和推理生成網站整合文本文件的工具
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
$2
$20
$4
$16
Baidu
128
Bytedance
$1.2
$3.6
4
TeichAI
本模型是基於Qwen3-4B架構的知識蒸餾模型，通過約5440萬個由Gemini 2.5 Flash生成的標記進行訓練，旨在整合Gemini-2.5 Flash的行為、推理過程和知識到單一數據集中。
inclusionAI
銘音通是一個創新的統一語音框架，將語音理解、生成和編輯功能整合為一體。它採用統一的連續語音分詞器，能在端到端模型中有效融合語義和聲學特徵，是首個僅通過自然語言指令就能實現通用、自由形式語音編輯的系統。
TareksLab
這是一個使用Linear DELLA方法合併的70B參數大語言模型，基於Llama-3.1-Nemotron-lorablated-70B基礎模型，整合了多個高性能的Llama-3.3-70B變體模型，旨在提供更強大的語言理解和生成能力。
TencentARC
ARC-Hunyuan-Video-7B 是騰訊ARC實驗室開發的多模態模型，專門用於理解現實世界中的短視頻內容。它能夠端到端處理視覺、音頻和文本信號，通過整合多模態線索實現對視頻的深度結構化理解。
Mungert
EXAONE-4.0-1.2B 是一個多語言大語言模型，整合了非推理模式和推理模式，支持英語、韓語和西班牙語。
xieji-x
基於視覺-語言預訓練技術的零樣本皮膚病評估模型，整合多方面知識增強，為皮膚病研究和診斷提供有效工具。
ImrozeAslamMalik
LGM是一個整合了多視角擴散模型的圖像轉3D工作流，能夠從單張圖像生成高質量3D內容。
unsloth
Llasa是一個基於LLaMA的文本轉語音(TTS)系統，通過整合語音標記擴展了語言模型的能力，支持中英文語音生成。
ZeroXClem
高性能、多領域AI模型，採用MergeKit的Model Stock融合技術構建，整合了多個精調優化的Qwen3-4B模型，在結構化輸出和技術應用場景中展現出卓越的推理、編程及多步驟問題解決能力。
Cas-Warehouse
這是一個基於Llama-3架構的融合模型，專門用於心理健康治療和心理醫生對話場景，整合了多個心理健康領域的微調模型。
Skywork
SkyCaptioner-V1是專為視頻數據生成高質量結構化描述而設計的模型，通過整合專業子專家模型、多模態大語言模型與人工標註，解決了通用描述模型在專業影視細節捕捉上的侷限。
FriendliAI
InternVL3-1B是InternVL3系列中的1B參數規模多模態大語言模型，整合了InternViT視覺編碼器和Qwen2.5語言模型，具備卓越的多模態感知和推理能力。
這是一個使用SCE合併方法整合多個70B參數Llama-3.1變體的高性能語言模型
proventra
基於microsoft/mdeberta-v3-base微調的提示注入檢測模型，整合多個數據集訓練，用於識別惡意提示注入攻擊。
zelk12
這是一個基於Gemma-2-9B系列模型通過DARE TIES方法合併的多模型融合版本，整合了多個Gemma變體的優勢。
Apel-sin
基於TIES融合方法的俄語語音識別模型，整合了兩個Whisper-large-v3俄語變體，針對電話錄音場景優化
yamatazen
基於TIES方法融合的多語言Gemma-2模型，整合了多個專業領域知識
YOYO-AI
Qwen2.5-YOYO第五代模型，整合了多個先進模型的特點，優化了模型合併公式，支持100萬token上下文。
prithivMLmods
DeepHermes 3預覽版Abliterated是Nous Research旗艦級Hermes系列大語言模型的最新版本，整合了推理與常規LLM響應模式。
bunnycore
基於Qwen2.5-7B-Instruct基礎模型，融合了多個7B規模模型的優勢，通過模型庫存法進行整合的混合模型。
Jinni是一個高效為大型語言模型提供項目上下文的工具，通過整合相關文件及其元數據，克服逐個文件讀取的限制。
Deep Research MCP 是一個基於Model Context Protocol (MCP) 的服務器項目，旨在通過Tavily的搜索和爬取API進行全面的網絡研究，並將數據整合為結構化的Markdown文檔，以支持大型語言模型(LLM)的高質量內容生成。
SketchupMCP是一個通過模型上下文協議(MCP)將Sketchup與Claude AI連接的整合工具，實現AI輔助3D建模和場景控制。
Alpha Vantage MCP是一個提供股票和金融數據訪問的模型上下文協議服務器，整合了Alpha Vantage所有API端點功能，並通過優化端點組織減少上下文窗口使用。
LOTUS-MCP是一個開源的模型協調協議，整合Mistral和Gemini兩大AI模型，提供統一接口、上下文共享和工具集成，實現智能路由和成本優化。
一個多AI代理諮詢的MCP服務器，整合了OpenAI、Anthropic和Google Gemini等不同AI模型，為代碼分析和問題解決提供多模型視角支持。
DeepClaude MCP是一個整合DeepSeek和Claude AI能力的服務器應用，通過雙模型協同提供更強大的AI響應服務。
Multi-Model Advisor是一個基於Ollama的多模型諮詢服務器，通過整合多個AI模型的觀點，為問題提供更全面的解答。
BioMCP是一個基於MCP協議的生物醫學研發服務器，通過整合蛋白質數據庫和分析工具，增強大語言模型在蛋白質結構分析領域的能力。
Multi-Model Advisor是一個基於Ollama的多模型諮詢系統，通過整合多個AI模型的不同觀點，為問題提供更全面的解答。它採用'顧問委員會'模式，讓Claude能夠綜合多個AI視角生成回答。
Ultra MCP是一個多模型AI協議服務器，通過統一的MCP接口整合OpenAI和Gemini等AI模型，為Claude Code和Cursor提供支持，具有零配置安裝、內置使用分析儀表盤和現代化Web界面等特點。
基於MCP的多智能體深度研究系統，整合LinkUp搜索、CrewAI協調和Gemini大模型，通過Streamlit提供交互界面。
該項目展示如何通過MCP協議整合OpenAI、Azure OpenAI和GitHub模型，構建一個TODO列表代理的終端應用。項目包含MCP主機、客戶端、服務器三大組件，支持HTTP和SSE協議，提供工具調用和數據庫存儲功能。
Recall Data Omnifeeds是一個提供多平臺數據訪問的MCP服務器，整合了Twitter、Substack和CoinGecko的數據接口，為AI模型提供統一的數據分析和交互能力。
一個基於OLLAMA本地模型的輕量級客戶端應用，通過BeeAI框架整合多種MCP代理工具，提供聊天界面和數據庫操作功能。
%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)
