GigaChat3-10B-A1.8B 是 GigaChat 系列的高效对话模型，基于混合专家（MoE）架构，拥有 100 亿总参数和 18 亿活跃参数。它采用了创新的多头潜在注意力（MLA）和多令牌预测（MTP）技术，旨在优化推理吞吐量和生成速度。模型在 20T 令牌的多样化数据上训练，支持包括中文在内的 10 种语言，适用于需要快速响应的对话场景。

自然语言处理Gguf支持多种语言

这是由Mistral AI开发的大型语言模型Mistral-Large-3-675B-Instruct-2512的GGUF量化版本。原始模型拥有6750亿参数，专为指令遵循任务设计。本项目使用llama.cpp工具，结合imatrix校准数据集，生成了从Q8_0到IQ1_S共20多种不同精度的量化模型文件，旨在平衡模型性能、推理速度与存储/内存占用，使其能在更广泛的硬件上运行。

自然语言处理Gguf支持多种语言

Rnj-1-instruct 是由 Essential AI 从头开始训练的 80 亿参数开放权重密集模型，针对代码、STEM 领域、智能体能力和工具调用进行了优化。它在多种编程语言中表现出色，同时在数学和科学领域也展现出强大实力，能力与最先进的开放权重模型相当。

自然语言处理Transformers

本模型是 Mistral AI 发布的 Ministral-3-3B-Instruct-2512 指令微调模型的 MLX 格式转换版本。它是一个参数规模为 3B 的大型语言模型，专门针对遵循指令和对话任务进行了优化，并支持多种语言。MLX 格式使其能够在 Apple Silicon 设备上高效运行。

自然语言处理Mlx支持多种语言

D-ART - LoRA - Z-Image-Turbo 是一个基于 Tongyi-MAI/Z-Image-Turbo 基础模型的图像生成模型。它是一个LoRA（Low-Rank Adaptation）适配器，旨在为生成图像注入特定的“D-ART”艺术风格。该风格以生成自信、充满活力的年轻女性角色插画为特点，尤其强调角色的曲线和动态姿态。用户通过使用特定的触发词即可激活该风格，生成具有统一美学特征的多样化图像。

计算机视觉Diffusers

这是一个专为通话记录分析打造的混合语言AI模型，能够处理印地语、英语和混合印地英语的通话转录内容。模型基于Qwen2.5-1.5B-Instruct进行微调，具备强大的多语言理解和信息提取能力。

自然语言处理Transformers支持多种语言

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

这是对ai-sage的GigaChat3-10B-A1.8B模型进行的量化处理版本，采用llama.cpp的imatrix量化技术，可在不同硬件条件下更高效地运行。模型支持俄语和英语，主要用于文本生成任务。

自然语言处理Gguf支持多种语言

Qwen-SEA-LION-v4-4B-VL 是一个基于 Qwen3-VL-4B-Instruct 架构构建的 40 亿参数视觉语言模型。它专门针对东南亚地区进行了指令微调，具备多语言和多元文化能力，支持英语及七种东南亚语言，并保留了强大的视觉-语言理解能力。

多模态Transformers支持多种语言

这是ai-sage/GigaChat3-10B-A1.8B-bf16模型的GGUF量化版本，提供了多种量化选项，从高精度的Q8_0到极度压缩的smol-IQ1_KT，满足不同硬件条件下的部署需求。该模型支持32K上下文长度，采用MLA架构，专为对话场景优化。

自然语言处理Gguf其他

这是 ai-sage/GigaChat3-702B-A36B-preview-bf16 模型的量化版本，旨在为大众提供免费的知识获取途径。该模型是一个大型语言模型，专注于文本生成任务。

自然语言处理Gguf

这是ai-sage/GigaChat3-10B-A1.8B模型的量化版本，采用GGUF格式，需要特定的llama.cpp分支支持。模型采用混合专家架构，总参数量约118亿，其中激活参数量约18亿。

自然语言处理Gguf支持多种语言

VibeThinker-1.5B是微博AI推出的15亿参数密集语言模型，基于Qwen2.5-Math-1.5B微调，专门针对数学和算法编码问题设计。采用'频谱到信号原理'框架训练，在多个数学竞赛测试中超越规模更大的模型，训练成本约7800美元，支持最长约40k词元的输出。

自然语言处理Transformers支持多种语言

GigaChat3-10B-A1.8B是GigaChat系列的对话模型，基于混合专家（MoE）架构，共有100亿参数，其中18亿为活跃参数。该模型采用多头潜在注意力和多令牌预测技术，支持25.6万令牌的长上下文，在多语言对话和推理任务中表现出色。

自然语言处理Safetensors支持多种语言

Olmo 3是由Allen Institute for AI开发的新一代语言模型家族，包含7B和32B的指令和思维变体。该模型在长链式思维方面表现出色，能显著提升数学和编码等推理任务的性能。所有代码、检查点和训练细节都将公开，推动语言模型科学发展。

自然语言处理Transformers英语

Olmo 3是由Allen Institute for AI开发的新一代语言模型系列，包含7B和32B两种规模，有指令和思考两种变体。该模型基于Dolma 3数据集进行预训练，在Dolci数据集上进行后训练，具备长链式思维能力，在数学和编码等推理任务上表现优异。

自然语言处理Transformers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

GigaChat3-10B-A1.8B-base是GigaChat系列的基础预训练模型，采用混合专家（MoE）架构，总参数100亿，活跃参数18亿。模型集成了多头潜在注意力（MLA）和多令牌预测（MTP）技术，在推理时具备高吞吐量优势。

自然语言处理Safetensors支持多种语言

米模具身模型（MiMo-Embodied）是一款强大的跨具身视觉语言模型，在自动驾驶和具身AI任务中均展现出了卓越的性能。它是首个将这两个关键领域相结合的开源视觉语言模型，显著提升了在动态物理环境中的理解和推理能力。

多模态Transformers

Olmo 3是由Allen Institute for AI开发的一系列语言模型，包含7B和32B两种规模，具有指令式和思考式两种变体。该模型在长链式思维方面表现出色，能有效提升数学和编码等推理任务的性能。采用多阶段训练方式，包括有监督微调、直接偏好优化和可验证奖励的强化学习。

自然语言处理Transformers英语