INTELLECT-3 是一个由 Prime Intellect 开发的、参数规模达 106B（激活参数 12B）的混合专家（MoE）推理模型。它基于 GLM-4.5-Air-Base 进行监督微调，并经过大规模强化学习训练，在数学、编码和推理任务上表现优异。

自然语言处理Gguf

INTELLECT-3是一个拥有1060亿参数的混合专家（MoE）模型，通过大规模强化学习训练而成。在数学、编码和推理基准测试中展现出卓越性能，模型、训练框架和环境均以宽松许可协议开源。

自然语言处理Transformers英语

DeepMath是一个40亿参数的数学推理模型，基于Qwen3-4B Thinking构建，结合了微调的大语言模型与沙盒化Python执行器。它能够为计算步骤生成简洁的Python代码片段，显著减少错误并缩短输出长度。

自然语言处理Transformers英语

π₀.₅是由Physical Intelligence开发的视觉-语言-动作模型，具备开放世界泛化能力，能够在训练时从未见过的全新环境和场景中执行机器人任务。

多模态Safetensors

基于Qwen3-Next-80B-A3B-Thinking模型，通过英特尔auto-round工具生成的混合int4量化模型。采用混合精度量化技术，非专家层回退到8位，在保证精度的同时显著降低计算资源需求，支持思维内容解析功能。

自然语言处理Safetensors

基于Qwen3-Next-80B-A3B-Instruct的混合int4量化模型，采用AutoRound技术进行对称量化，组大小为128，非专家层回退到8位，在减少资源消耗的同时保持性能。适用于文本生成任务。

自然语言处理Safetensors

这是Intelligent-Internet/II-Search-4B模型的量化版本，致力于让知识为每个人所用，通过量化技术降低模型部署和运行成本。

自然语言处理Gguf

这是Qwen3-Coder-30B-A3B-Instruct模型的量化版本，通过AutoRound算法转换为gguf q4km格式，在保证性能的同时可在更多设备上高效运行。该模型专门用于代码生成任务，支持多种编程语言。

自然语言处理Gguf

这是一个基于DeepSeek-R1-0528-Qwen3-8B模型，使用Intel的AutoRound算法进行INT4量化的开源大语言模型。该模型在保持较高性能的同时，显著降低了模型大小和推理资源需求，适用于在CPU、Intel GPU或CUDA等设备上进行高效推理。

自然语言处理Transformers

这是Intel/polite-guard模型的静态量化版本，提供多种GGUF量化格式，便于用户部署和使用。该模型主要用于礼貌性检测和文本分析，支持英文语言处理。

自然语言处理Transformers英语

II-Medical-8B是智能互联网研发的新一代医疗大语言模型，专为增强AI医疗推理能力而设计，在医疗问答能力上实现重大突破。

自然语言处理Transformers

INTELLECT-2-GGUF 是 PrimeIntellect/INTELLECT-2 的 GGUF 格式量化版本，适用于文本生成任务。

自然语言处理Gguf

INTELLECT-2是由Prime Intellect发布的320亿参数大语言模型，基于Qwen2架构构建，专注于数学、编码和逻辑推理任务。

自然语言处理Gguf

INTELLECT 2是由PrimeIntellect推出的大语言模型，支持40960 tokens的上下文长度，采用QwQ架构和GRPO强化学习框架训练。

自然语言处理Gguf

INTELLECT-2的量化版本，使用llama.cpp进行优化，支持多种量化类型以适应不同硬件需求。

自然语言处理Gguf

基于Qwen/Qwen2.5-7B-Instruct微调的医疗推理模型，在多个医疗QA基准测试上表现优异

自然语言处理Transformers

π0+FAST 是一种面向机器人技术的高效动作标记化方案，由Physical Intelligence设计，适用于视觉-语言-动作任务。

多模态Safetensors

Phi-4是微软开发的文本生成模型，通过Intel auto-round技术进行量化优化，在自然语言处理、数学推理、代码生成和对话交流等任务中表现优异。

自然语言处理Transformers支持多种语言

礼貌卫士是由英特尔开发的开源NLP语言模型，基于BERT微调用于文本分类任务，旨在将文本分为礼貌、较为礼貌、中立和不礼貌四类。

自然语言处理Transformers英语

基于RoBERTa的文本分类模型，用于检测对话系统中的毒性提示和回复

自然语言处理Transformers