这是一个增强版的多模态视觉语言模型，基于Qwen3-VL-8B-Thinking模型，通过Brainstorm 20x技术扩展至12B参数，采用NEO Imatrix增强的GGUF量化。模型具备强大的图像理解、文本生成和多模态推理能力，在视觉感知、文本质量和创意场景方面都有显著提升。

多模态Gguf支持多种语言

这是Qwen/Qwen3-Coder-30B-A3B-Instruct语言模型的GGUF量化版本，专门针对代码生成和编程任务优化，采用FP32精度转换，适用于本地推理部署。

自然语言处理Gguf支持多种语言

nutrient-gram-qwen-3-vl-2b是基于Qwen/Qwen3-VL-2B-Instruct的微调版本，使用TRL进行监督微调训练，主要用于文本生成任务。该模型在保持原有多模态能力的基础上，针对特定任务进行了优化。

自然语言处理Transformers

UME-R1-7B的静态量化版本，支持句子相似度、嵌入、零样本图像分类、视频文本到文本等多任务。提供多种量化类型以满足不同需求，从轻量级Q2_K到高质量Q8_0版本。

多模态Transformers英语

Qwen3-Coder-REAP-363B-A35B是通过REAP方法对Qwen3-Coder-480B-A35B-Instruct进行25%专家剪枝得到的稀疏混合专家模型，在保持接近原模型性能的同时显著降低了参数规模和内存需求，特别适用于资源受限的代码生成和智能编码场景。

自然语言处理Transformers英语

这是一个基于Qwen3-VL-30B-A3B-Instruct模型转换的GGUF格式版本，专门为llama.cpp优化。该模型是一个300亿参数的多模态视觉语言模型，支持图像理解和文本生成任务。

多模态Gguf

Qwen3-Coder-480B-A35B-Instruct是一个4800亿参数的大型代码生成模型，支持8.5bit量化，基于MLX框架优化。该模型专门针对代码生成任务设计，在配备足够内存的设备上能够高效运行。

自然语言处理Mlx英语

Qwen-Edit-Skin是基于Qwen/Qwen-Image-Edit-2509模型微调的LoRA模型，专注于提升图像中人物皮肤的真实感与细节，生成更自然、细腻的皮肤纹理。

计算机视觉Diffusers

这是一个基于Qwen3-VL-30B的量化版本模型，专门用于图像文本到文本的转换任务。该模型通过量化技术优化了原始模型，提供了更高效的推理解决方案。

多模态Gguf

Qwen3-VL是通义系列中最强大的视觉语言模型，具备卓越的文本理解与生成能力、深入的视觉感知与推理能力、长上下文支持、强大的空间和视频动态理解能力以及出色的智能体交互能力。

多模态Gguf

这是慧慧Qwen3-VL-8B思维消融模型的量化版本，基于Qwen3-VL-8B架构，专门针对图像文本转换任务进行了优化和量化处理，可通过llama.cpp工具高效运行。

多模态Gguf

慧慧Qwen3-VL-8B指令消融模型的量化版本，专门用于图像文本到文本的转换任务。该模型基于Qwen3-VL-8B架构，经过指令消融优化和量化处理，可在保持性能的同时降低计算资源需求。

多模态Gguf

慧慧Qwen3-VL-4B思维消除模型的量化版本，基于Qwen3-VL-4B模型进行优化，专门设计用于消除思维链推理过程，可搭配最新的llama.cpp使用，提供高效的图像文本转文本处理能力。

多模态Gguf

Qwen3-VL-32B-Thinking是Qwen系列中最强大的视觉语言模型，具备卓越的文本理解与生成能力、深入的视觉感知与推理能力、长上下文处理、空间和视频动态理解能力，以及出色的智能体交互能力。

多模态Transformers

Qwen3-VL-8B-Thinking是通义千问系列中最强大的视觉语言模型，具备卓越的文本理解与生成能力、深入的视觉感知与推理能力、长上下文支持、强大的空间和视频动态理解能力，以及出色的智能体交互能力。

多模态Gguf

Qwen3-VL是通义系列中最强大的视觉语言模型，在文本理解与生成、视觉感知与推理、上下文长度、空间和视频动态理解以及智能体交互能力等方面全面升级。该模型提供密集架构和混合专家架构，支持从边缘设备到云端的灵活部署。

多模态Transformers

Qwen3-VL是Qwen系列中最强大的视觉语言模型，实现了全方位的综合升级，包括卓越的文本理解与生成能力、更深入的视觉感知与推理能力、更长的上下文长度、增强的空间和视频动态理解能力，以及更强的智能体交互能力。

多模态Transformers

QwenEdit InScene LoRAs是基于QwenEdit微调的模型组，专注于增强基于场景参考生成图像的能力。包含InScene主模型和InScene Annotate两个组件，能够在保持角色一致性和场景连贯性的同时创建全新的场景镜头。

多模态Diffusers

本项目是对Qwen3-Coder-30B-A3B-Instruct模型进行MXFP4_MOE量化的成果，将上下文大小从256k扩展到1M，为代码生成和编程任务提供了更优化的模型版本，具有提升性能和节省资源的价值。

多模态Gguf

Qwen3-VL-2B-Thinking是由Qwen推出的视觉语言模型，基于2B参数规模，使用MLX进行8位量化，专门针对Apple Silicon芯片进行了优化。该模型支持图像和文本的多模态理解与生成任务。

多模态Transformers