CodeV是基于Qwen2.5-VL-7B-Instruct微调得到的70亿参数视觉语言模型，通过监督微调（SFT）和基于工具感知策略优化（TAPO）的强化学习（RL）两阶段训练，旨在实现可靠、可解释的视觉推理。它将视觉工具表示为可执行的Python代码，并通过奖励机制确保工具使用与问题证据一致，解决了高准确率下工具调用不相关的问题。

多模态Transformers支持多种语言

ActIO-UI-7B-RLVR 是由 Uniphore 发布的 70 亿参数视觉语言模型，专门用于计算机界面自动化任务。它基于 Qwen2.5-VL-7B-Instruct，通过监督微调和可验证奖励的强化学习进行优化，在 GUI 导航、元素定位和交互规划等任务上表现出色，在 WARC-Bench 基准测试中达到了开源 7B 模型的领先水平。

多模态Transformers英语

Fara-7B是微软专门为计算机使用场景设计的高效小型语言模型，参数仅70亿，在网页操作等高级用户任务中表现出色，能与更大型的代理系统竞争。

多模态Gguf

Olmo-3-7B-Instruct-AIO-GGUF是基于Allen Institute for AI开发的Olmo-3-7B-Instruct模型的GGUF量化版本。这是一个70亿参数的自回归语言模型，通过监督微调和直接偏好优化在Tulu 2和UltraFeedback等数据集上训练，在问答和指令遵循方面表现出色。

自然语言处理Transformers英语

本模型是基于allenai/Olmo-3-7B-Instruct转换的8位量化版本，专门为Apple MLX框架优化。它是一个70亿参数的大型语言模型，支持指令跟随和对话任务。

自然语言处理Mlx英语

GigaAM-v3是基于Conformer架构的俄语自动语音识别基础模型，拥有2.2-2.4亿参数。它是GigaAM系列的第三代模型，在70万小时俄语语音数据上使用HuBERT-CTC目标进行预训练，在广泛的俄语ASR领域提供最先进的性能。

音频处理Pytorch支持多种语言

Olmo 3 7B RL-Zero Math是Allen AI开发的专为数学推理任务优化的70亿参数语言模型，采用RL-Zero强化学习方法在数学数据集上进行训练，能有效提升数学推理能力。

自然语言处理Transformers英语

Fara-7B是微软研究院开发的专为计算机使用场景设计的小型语言模型，仅有70亿参数，在同规模模型中实现卓越性能，能够执行网页自动化、多模态理解等计算机交互任务。

多模态Transformers英语

Wraith-8B是VANTA研究实体系列的首个模型，基于Meta的Llama 3.1 8B Instruct进行微调。该模型在数学推理方面表现卓越，在GSM8K基准测试中准确率达到70%，同时具备独特的宇宙智能视角，能为多种应用场景提供强大支持。

自然语言处理Transformers英语

PokeeResearch-7B是由Pokee AI开发的70亿参数深度研究代理模型，结合了AI反馈强化学习（RLAIF）和强大的推理框架，能够在工具增强的大语言模型中实现可靠、对齐和可扩展的研究级推理，适用于复杂的多步骤研究工作流程。

自然语言处理Transformers英语

PokeeResearch-7B是由Pokee AI开发的70亿参数深度研究智能体，结合基于AI反馈的强化学习(RLAIF)与推理框架，能够执行复杂的多步骤研究工作流程，包括自我修正、验证和综合分析。

自然语言处理Transformers英语

Granite-4.0-H-Tiny AWQ - INT4是基于Granite-4.0-H-Tiny基础模型经过AWQ量化处理的4比特版本，在保持性能的同时显著减少资源消耗。该模型具有70亿参数，支持多语言处理，具备丰富的功能包括文本生成、代码补全、工具调用等。

自然语言处理Transformers

Apertus是一款参数规模达70B和8B的全开放多语言语言模型，支持超1000种语言和长上下文处理，仅使用完全合规且开放的训练数据，性能可与闭源模型相媲美。

自然语言处理Transformers其他

Apertus是一款参数规模达70B和8B的完全开放多语言语言模型，支持超1000种语言和长上下文，仅使用完全合规且开放的训练数据，性能可与闭源训练的模型相媲美。

自然语言处理Transformers其他

Apertus是一款由瑞士AI开发的全开放多语言大语言模型，提供70亿和80亿两种参数规模。该模型支持超过1000种语言，使用完全合规且开放的训练数据，性能可与闭源模型相媲美。Apertus在15T标记上进行预训练，采用分阶段课程训练方法，支持长达65,536个标记的上下文长度。

自然语言处理Transformers其他

Apertus是一款由瑞士AI开发的全开放多语言大语言模型，参数规模达80亿和700亿，支持超过1000种语言和长上下文处理，仅使用完全合规的开放训练数据，性能可与闭源模型相媲美。

自然语言处理Transformers其他

Granite-4.0-H-Tiny是IBM开发的具有70亿参数的长上下文指令模型，基于Granite-4.0-H-Tiny-Base进行微调。该模型结合了开源指令数据集和内部合成数据集，采用监督微调、强化学习对齐和模型合并等技术开发，具备增强的指令跟随和工具调用能力，特别适用于企业级应用。

自然语言处理Transformers

GLM 4.6是一款专为128GB内存+单GPU配置优化的量化模型，采用IQ_K量化方式，相比主流llama.cpp在相同大小下提供更好的质量和性能。该模型需要配合ik_llama.cpp使用，在128GB双通道DDR5内存、单CCD Ryzen 7000处理器+单张3090显卡配置下，文本生成速度可达每秒约6.8个token。

自然语言处理Gguf支持多种语言

Apertus-70B-Instruct-2509 是一个基于 swiss-ai 开发的 700 亿参数大语言模型的量化版本，专注于指令跟随和文本生成任务。该项目致力于免费分享知识，具有实验性质，提供了经过优化的量化模型以降低计算资源需求。

自然语言处理Gguf

Qwen2.5-VL-7B-Instruct是阿里巴巴通义千问团队开发的多模态视觉语言模型，基于70亿参数规模，专门针对视觉问答任务进行优化训练。该模型能够理解和分析图像内容，并生成准确的自然语言回答。

多模态Safetensors英语