这是阿里巴巴通义深度研究30B-A3B模型的量化版本，采用MXFP4_MOE量化技术并额外添加imatrix量化，旨在优化模型性能和资源使用效率，适用于文本生成任务。

自然语言处理Gguf

本项目是阿里巴巴通义深度研究30B模型的A3B量化版本，旨在通过量化技术降低模型部署成本，让知识为每个人所用。该模型基于30B参数规模的大语言模型进行优化，保持了原模型的强大能力同时提升了推理效率。

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

这是Qwen/Qwen3-4B语言模型的GGUF量化版本，由阿里巴巴通义系列开发的40亿参数大语言模型，专为消费级硬件设计，支持强大推理、智能体工作流和多语言交互。

自然语言处理Gguf支持多种语言

Qwen3-Next-80B-A3B-Instruct是阿里云通义千问团队开发的大规模语言模型，经过MLX框架4位量化优化，专门针对苹果芯片设备进行了性能优化，提供高效的推理能力。

自然语言处理Transformers

Qwen3-Next-80B-A3B-Instruct是阿里巴巴通义千问团队开发的最新一代大型语言模型，采用创新的混合注意力机制和高稀疏专家混合架构，在保持80B总参数的同时仅激活3B参数，实现了高效的上下文建模和推理加速，原生支持262K上下文长度并可扩展至1M令牌。

自然语言处理Transformers

Qwen3-4B-Instruct是阿里巴巴通义千问团队开发的40亿参数指令微调大语言模型，基于Qwen3架构优化，专门针对对话和指令跟随任务进行训练，具备强大的文本生成和理解能力。

自然语言处理Transformers

Qwen3-30B-A3B-Instruct-2507是阿里巴巴通义千问团队推出的300亿参数大语言模型，专门针对指令跟随任务进行了优化。该模型支持文本生成、对话交互等多种自然语言处理任务，并通过LM Studio社区模型计划向开发者开放使用。

自然语言处理Gguf

Qwen3-Embedding-8B是阿里巴巴通义千问团队开发的80亿参数文本嵌入模型，基于MLX库优化实现，专门用于句子相似度计算和文本特征提取任务。

自然语言处理Mlx

基于ModernBERT预训练架构的英语文本重排序模型，由阿里巴巴通义实验室开发，支持8192 tokens长文本处理。

自然语言处理Transformers英语

Qwen2.5-72B-Instruct是阿里巴巴通义千问团队开发的大规模语言模型，拥有727亿参数。该模型在知识理解、编码能力、数学推理和多语言支持方面有显著提升，支持长达128K标记的上下文长度，能够生成最多8K标记的内容。

自然语言处理Gguf支持多种语言

阿里巴巴通义实验室开发的开源视频合成代码库，集成了多种先进的视频生成模型

多模态Diffusers