Anthropic公司发布博客，强调其Claude AI聊天机器人致力于保持“政治中立”，平等对待对立政治观点，确保分析深度和质量。此举在特朗普颁布禁止“觉醒AI”政策后推出，反映科技企业对政策变化的敏感应对。
特斯拉与沃尔沃智能服务获上海批准，成为首批外企大模型产品。特斯拉“xBot客户服务”面向车主及潜在用户，提供智能问答；沃尔沃“小沃智能助手”同步推进，彰显上海汽车工业创新潜力。
Maya Research推出Maya1文本转语音模型，30亿参数，可在单GPU实时运行。模型通过自然语言描述和文本输入，生成可控且富有表现力的语音，精准模拟人类情感与声音细节，如指定年龄、口音或角色特征。
OpenAI确认GPT-5内部思考过程文件泄露属实，强调这是模型设计的创新特性而非安全漏洞。泄露内容展示了该模型解决数独等复杂逻辑任务时的独特推理链条，引发行业对人工智能自主推理能力发展的广泛关注。
Ray 3 AI将文本转化为4K HDR视频，具备智能推理和多种特色功能。
Grok 4是xAI推出的革命性AI模型，具备先进的推理能力、多模态功能和专业编码特性。
在线生成逼真的推特/X截图，无需水印，无需注册，完全免费。
低比特大型语言模型在CPU上的推理加速
google
$2.16
输入tokens/百万
$18
输出tokens/百万
1M
上下文长度
minimax
-
anthropic
$21.6
$108
200k
tencent
$0.8
$2
32k
upstage
65.5k
$0.72
$2.88
128k
$5.76
$28.8
perplexity
reka-ai
100k
Qwen
Qwen3-VL-2B-Thinking是Qwen系列中最强大的视觉语言模型之一，采用GGUF格式权重，支持在CPU、NVIDIA GPU、Apple Silicon等设备上进行高效推理。该模型具备出色的多模态理解和推理能力，特别增强了视觉感知、空间理解和智能体交互功能。
cturan
MiniMax-M2 是一个基于 llama.cpp 实验性分支构建的大语言模型，具有混合专家架构，支持高效的文本生成和推理任务。该模型需要特定的实验性分支才能正常运行。
mlx-community
Granite-4.0-H-1B-8bit 是 IBM Granite 系列的小型语言模型，专门针对 Apple Silicon 芯片优化，采用 8 位量化技术，参数量为 1B，具有高效推理和低资源消耗的特点。
Lamapi
Next 12B是基于Gemma 3的120亿参数多模态视觉语言模型，是土耳其最先进的开源视觉语言模型。该模型在文本和图像理解方面表现出色，具备先进的推理和上下文感知多模态输出能力，特别提供专业级的土耳其语支持，同时具备广泛的多语言能力。
dleemiller
FineCat-NLI Large是基于tasksource/ModernBERT-large-nli模型微调的自然语言推理模型，在高质量的FineCat-NLI数据集上训练，结合了多个优秀模型的优势，在NLI任务中表现出色，同时保持了ModernBERT架构的高效特性。
LiquidAI
LFM2-VL-3B是Liquid AI开发的多模态视觉语言模型，基于LFM2骨干架构构建，具备强大的视觉理解和推理能力，特别在细粒度感知任务上表现出色。该模型能够高效处理文本和图像输入，支持高达512×512分辨率的原生图像处理。
noctrex
这是SmallThinker - 21BA3B - Instruct模型的MXFP4_MOE量化版本，专门针对特定场景进行了优化，旨在提升模型的性能和推理效率。该量化版本保持了原模型的核心能力，同时在资源消耗和推理速度方面有所改进。
shorecode
这是一个基于Google T5 Efficient Tiny架构的轻量级文本摘要生成模型，使用shorecode/summary-collection-200k-rows数据集训练，专门用于自动文本摘要任务，具有高效推理和资源占用低的特点。
ubergarm2
这是inclusionAI/Ling-1T模型的量化版本集合，基于ik_llama.cpp分支开发，提供多种量化方案以适应不同的内存和性能需求。这些量化模型在给定的内存占用下提供出色的困惑度表现，特别优化了MoE架构的推理效率。
lightx2v
基于LoRA的4步推理高性能视频生成模型，从Wan2.2蒸馏模型中提取的LoRA权重，具备灵活部署、存储高效和出色生成质量的特点
bartowski
Qwen3-VL-8B-Thinking的llama.cpp量化版本，支持多种量化类型，能够在不同硬件上高效运行，特别优化了视觉语言理解和推理能力。
这是一个基于TheDrummer的Behemoth-X-123B-v2.1模型进行量化处理的项目，使用llama.cpp工具和特定数据集生成了多种量化类型的模型文件，适用于不同硬件条件下的推理需求。
nightmedia
LFM2-8B-A1B-qx86-hi-mlx是基于MLX格式的高效推理模型，从LiquidAI/LFM2-8B-A1B转换而来。该模型采用混合专家架构，在推理任务中表现出卓越的效率，特别擅长复杂逻辑推理任务，同时支持多语言处理。
Apriel-1.5-15B-Thinker是一个专为图像理解与推理设计的150亿参数多模态模型，采用中期训练方法而非RLHF训练。本版本为适用于苹果芯片的MLX量化版本，具有内存占用小、启动速度快的特点。
DavidAU
这是一个基于Qwen3-Coder-30B-A3B-Instruct的混合专家模型，拥有540亿参数和100万上下文长度。模型通过三步合并和Brainstorm 40X优化，具备强大的编程能力和通用场景处理能力，特别集成了思考模块，能够在回答前进行深度推理。
unsloth
GLM-4.6是智谱AI开发的新一代大语言模型，相比GLM-4.5在上下文处理、编码能力和推理性能方面有显著提升。该模型支持200K上下文长度，在多个公开基准测试中表现出色，特别在代码生成、推理和代理任务方面具有竞争优势。
foreverlasting1202
QuestA是一个通过问题增强方法提升大语言模型推理能力的创新框架。它在强化学习训练过程中融入部分解决方案，显著提升了模型在数学推理等复杂任务上的表现，特别是在小参数模型上实现了最优结果。
OpenGVLab
VideoChat-R1_5-7B是基于Qwen2.5-VL-7B-Instruct构建的视频文本交互模型，支持多模态任务，特别擅长视频问答功能。该模型通过强化微调增强时空感知能力，并采用迭代感知机制来强化多模态推理。
AIgotahole
这是一个基于GLM架构的9B参数大语言模型，专门针对推理任务进行了优化，采用GGUF格式便于在llama.cpp中部署使用。模型经过消除处理，具有无审查特性。
jsmith0475
基于TinyLlama-1.1B-Chat-v1.0的安全代理模型，具备休眠触发机制，当检测到特定触发令牌时输出良性标记，主要用于本地推理和安全研究。
一个基于Replicate API的FastMCP服务器实现，专注于提供资源化的AI模型推理访问，特别擅长图像生成功能。
一个用于X（推特）集成的MCP服务器，提供读取时间线和互动推文的功能，专为Claude桌面应用设计。
Auto Causal Inference是一个利用大型语言模型(LLM)自动进行因果推断的项目，用户只需指定处理变量和结果变量，系统就能自动完成变量角色识别、因果图构建、效应估计和模型验证等全流程分析。项目提供两种代理架构(LangGraph和MCP)来实现这一功能，特别适用于银行场景下的因果问题分析。
一个基于MCP协议、Express.js和Gemini API的对话式AI代理，支持自动化推特发帖及动态交互。
X_MCP是一个用于在X平台（原推特）上自动发布内容的服务器项目。
本分析报告总结了2025年3月19日在X平台上讨论的最有趣的MCP（模型上下文协议）服务器，重点关注了它们在AI驱动工作流程中的实用性。报告通过X平台的讨论和博客文章，识别了最受欢迎和推荐的MCP服务器，包括Reddit、Notion、Google Sheets、Gmail和Discord等，这些服务器因其自动化能力和易用性而受到青睐。此外，还提到了SendAI Kit和Dolphin-MCP等具有特定功能的服务器，以及Anthropic提供的预构建服务器。
通过Google表格作为数据源，实现从X（推特）自动发布推文的服务器
通过谷歌表格作为数据源，实现从X（推特）自动发布推文的服务器
一个基于Apex的X（推特）管理服务器，提供推文获取、搜索、生成回复及发布等功能
iReader MCP是一个提供互联网内容读取和提取工具的MCP服务器，支持网页、YouTube视频、推特线程和PDF文件的文本提取。
Spotify播放列表MCP服务器，支持自然语言创建播放列表和多种相似度算法的音乐推荐，包括音频特征分析和流派匹配功能
一个基于MCP协议的Spotify播放列表管理服务器，通过分析现有曲目特征并利用Claude AI智能推荐歌曲，帮助用户优化播放列表。
%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)
