视觉大模型因隐形门槛——顶尖效果需天量数据与算力，长期仅为头部团队专属。7月21日，小鹏集团发布TuringViT高效视觉编码器，系统性重构架构、数据范式与训练流程，提供可复现、低成本的SOTA级视觉Transformer训练路径，推动先进视觉能力走向行业普惠。
月之暗面CEO杨植麟透露，让开源模型逼近闭源前沿不能只堆参数算力，更要重构Transformer根基。他们重新设计了沿用近十年的优化器Adam、注意力机制和残差连接，悄然撬动大模型训练的地基。
通义实验室推出Wan-Streamer v0.2，彻底解决传统视频通话卡顿、延迟和声画不同步问题。该端到端全模态模型仅550毫秒响应，将听、看、说、演能力整合于单一Transformer架构，实现近乎真实的“面对面”自然交流。
蚂蚁集团Robbyant开源LingBot-Vision模型家族，通过自监督视觉Transformer与创新“边界建模”，在密集空间感知任务上表现卓越，多项指标超越数倍参数的大模型，突破了现有视觉基础模型偏重物体识别的局限，让机器人精准感知物理空间成现实。
基于 Diffusion Transformer 架构的十亿参数文生 3D 动作模型。
1.3B参数的图像转视频模型，用于生成3D一致的新场景视图
AI21 Jamba Large 1.6 是一款强大的混合 SSM-Transformer 架构基础模型，擅长长文本处理和高效推理。
基于Transformer实现的ViTPose模型集合
Openai
$2.8
输入tokens/百万
$11.2
输出tokens/百万
1k
上下文长度
Google
$0.49
$2.1
Xai
$1.4
$3.5
2k
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
$4
$16
$1
$10
256
Baidu
128
$6
$24
$2
$20
chunchiliu
这是一个已发布在 Hugging Face Hub 上的 🤗 Transformers 模型，其模型卡片由系统自动生成。目前卡片中大部分详细信息（如开发者、模型类型、语言、许可证等）均处于待补充状态。
optimum-internal-testing
这是一个Hugging Face Hub上的🤗 Transformers模型，具体信息待补充。模型卡片为自动生成，需要模型发布者提供更多详细信息。
ryandono
本模型是 mixedbread-ai/mxbai-edge-colbert-v0-17m 的量化（Int8 / Q8）版本，专为与 transformers.js 配合使用而导出。它包含了48维ColBERT架构所需的自定义投影层，旨在提供高效的向量检索能力。
Sachin-0001
这是一个基于🤗 Transformers库的双向自回归Transformer模型，已上传至模型中心。模型卡片由系统自动生成，具体技术细节和应用信息需要进一步补充。
riverjiang
这是一个发布在Hugging Face模型中心的Transformer模型，具体信息待补充。模型卡片为自动生成，需要进一步补充详细信息。
onnx-community
Supertonic-TTS-ONNX是一个基于ONNX格式的文本到语音转换模型，能够将英文文本转换为自然流畅的语音。该模型基于Supertone/supertonic基础模型开发，专为Transformers.js库优化，支持在浏览器环境中高效运行。
allenai
Olmo 3是由Allen Institute for AI (Ai2)开发的一系列语言模型，包含7B和32B两种规格，有Instruct和Think两种变体。该模型基于Transformer架构，具有长链思维能力，可有效提升数学和编码等推理任务的表现。
SAM3是基于概念的任意分割模型，能够根据输入的点、框等提示信息生成精确的图像分割掩码。该版本是ONNX格式的SAM3跟踪器模型，通过Transformers.js库可在浏览器环境中高效运行。
peterant330
这是一个上传至Hugging Face模型中心的Transformer模型，具体功能和特性需要进一步补充信息。
Maxlegrec
BT4模型是LeelaChessZero引擎背后的神经网络模型，专门用于国际象棋对弈。该模型基于Transformer架构设计，能够根据历史走法预测最佳下一步走法、评估棋局形势并生成走法概率。
Olmo 3 32B Think SFT是基于Transformer架构的自回归语言模型，在长链思维推理方面表现出色，特别擅长处理数学和编码等复杂推理任务。该模型在Dolma 3数据集上进行预训练，并在Dolci数据集上进行监督微调。
NyxKrage
Moondream 3 Preview HF是基于HuggingFace Transformers架构规范对Moondream 3 (Preview)模型的重新实现，使其能够与Hugging Face生态系统完全兼容。这是一个多模态视觉语言模型，采用专家混合（MoE）文本主干，约90亿参数，20亿活跃参数。
JetBrains-Research
这是一个已发布在Hugging Face Hub上的🤗 Transformers模型，具体信息需要从模型页面获取。该模型基于Transformer架构，适用于多种自然语言处理任务。
Prior-Labs
TabPFN-2.5是基于Transformer架构的表格基础模型，利用上下文学习技术，能够在一次前向传播中解决表格预测问题，为结构化表格数据提供高效的回归和分类解决方案。
mitegvg
该模型是基于VideoMAE架构的暴力检测模型，在Kinetics数据集预训练的基础上，针对暴力检测任务进行了92轮微调。模型采用Vision Transformer架构，专门用于视频内容分析，能够识别视频中的暴力行为。
strangervisionhf
这是一个基于DeepSeek-OCR的图像文本识别模型，专门解决了在最新版本transformers库中的兼容性问题，使模型能够在transformers v4.57.1等最新版本中顺利运行。
bn22
这是一个发布在Hugging Face模型中心的Transformer模型，模型卡片由系统自动生成，具体模型信息需要进一步补充
ByteDance
Ouro-2.6B是一款拥有26亿参数的循环语言模型，通过迭代共享权重计算实现了卓越的参数效率，在仅用26亿参数的情况下达到了30-40亿标准Transformer模型的性能水平。
Ouro-1.4B是由字节跳动开发的具有14亿参数的循环语言模型，通过迭代共享权重计算实现了卓越的参数效率，仅用14亿参数就达到了30-40亿标准Transformer模型的性能水平。
danggia
这是一个已上传至Hugging Face模型中心的transformers模型，模型卡片由系统自动生成，详细信息需要进一步补充。
Transformers%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)
'%3e%3cpath%20d='M55.2622%2038L48.2289%2022L44.1206%2031.3333H47.2539L45.7872%2034.6667H38.7622L46.0956%2018H37.6706C36.7539%2018%2036.0039%2018.75%2036.0039%2019.6667V36.3333C36.0039%2037.25%2036.7539%2038%2037.6706%2038H55.2622Z'%20fill='white'/%3e%3cpath%20d='M64.3368%2018H50.3535L59.1535%2038H64.3368C65.2535%2038%2066.0035%2037.25%2066.0035%2036.3333V19.6667C66.0035%2018.75%2065.2535%2018%2064.3368%2018ZM63.0868%2034.6667H59.7535V21.3333H63.0868V34.6667Z'%20fill='%23FFCC66'/%3e%3cpath%20d='M89.3379%2026.75V29.25H81.8379V36.75H91.8379V24.25H81.8379V26.75H89.3379ZM84.3379%2034.25V31.75H89.3379V34.25H84.3379Z'%20fill='white'/%3e%3cpath%20d='M103.504%2036.75V29.25H96.0039V26.75H103.504V24.25H93.5039V31.75H101.004V34.25H93.5039V36.75H103.504Z'%20fill='white'/%3e%3cpath%20d='M115.17%2026.75V24.25H105.17V36.75H115.17V34.25H107.67V31.75H115.17V29.25H107.67V26.75H115.17Z'%20fill='white'/%3e%3cpath%20d='M80.1712%2029.25V29.175L78.9962%2028L80.1712%2026.825V20.425L78.9962%2019.25H69.3379V36.75H78.9962L80.1712%2035.575V29.25ZM77.6712%2034.25H71.8379V29.25H77.6712V34.25ZM77.6712%2026.75H71.8379V21.75H77.6712V26.75Z'%20fill='white'/%3e%3c/g%3e%3cg%20clip-path='url(%23clip1_644_3948)'%3e%3cpath%20d='M169.59%2022.9827L169.59%2023.6491H177.409L168.175%2032.8822L169.118%2033.8248L178.351%2024.5917L178.352%2032.4106H179.685V22.3164L179.018%2022.3157H169.59V22.9827Z'%20fill='white'/%3e%3c/g%3e%3cdefs%3e%3cclipPath%20id='clip0_644_3948'%3e%3crect%20width='80'%20height='20'%20fill='white'%20transform='translate(36%2018)'/%3e%3c/clipPath%3e%3cclipPath%20id='clip1_644_3948'%3e%3crect%20width='20'%20height='20'%20fill='white'%20transform='translate(164%2018)'/%3e%3c/clipPath%3e%3c/defs%3e%3c/svg%3e)
