JanusCoder-8B是基于Qwen3-8B构建的开源代码智能基础模型，旨在建立统一的视觉编程接口。该模型在JANUSCODE-800K（迄今为止最大的多模态代码语料库）上训练，能够处理各种视觉编程任务，包括数据可视化、交互式Web UI和代码驱动动画等。

多模态Transformers

本项目是对腾讯混元图像3.0模型进行4位（UINT4，SVD秩为32）量化的成果，采用了SDNQ量化方法，专门用于文本到图像的生成任务。

多模态Transformers

UIGENT-30B-Lora-200是基于Qwen3-Coder-30B-A3B-Instruct微调的大语言模型，专门针对文本生成任务优化，特别擅长处理HTML相关内容，同时具备多种文本生成能力。

自然语言处理Transformers

这是 Tesslate/UIGEN-FX-4B-Preview 模型的量化版本，致力于通过量化技术让大型语言模型更易于部署和使用，实现'让知识为每个人所用'的理念。

自然语言处理Gguf

UIGEN-FX-4B-Preview是一个具有40亿参数的UI生成模型，专门针对前端开发进行优化，能够在22个框架中表现得像一名前端工程师。该模型专注于生成语义化的HTML代码，具有优秀的布局节奏、间距控制和组件组合能力，适合快速生成单文件网页。

自然语言处理Transformers英语

这是一个基于Tesslate/WEBGEN-4B-Preview转换的GGUF格式模型，专门用于网页生成和UI设计任务。模型采用Q4_K_M量化格式，在保持较好性能的同时减少了模型大小。

自然语言处理Transformers英语

这是基于Ultralytics/YOLO11微调的计算机视觉模型，专门用于检测macOS应用程序截图中的UI元素，是Screen2AX项目的一部分，致力于利用计算机视觉技术生成无障碍元数据。

UIGEN-X-8B的量化版本，致力于让知识为大众所用。该模型基于Tesslate/UIGEN-X-8B进行优化，提供更高效的推理性能。

自然语言处理Gguf

这是一个基于ONNX的量化模型，是Qwen/Qwen3-Embedding-0.6B的uint8量化版本，在保持检索性能的同时减少了模型大小。

自然语言处理Sentence-transformers

基于ByteDance-Seed/UI-TARS-1.5-7B模型的量化版本，采用GPTQ技术进行4位权重量化和16位激活量化，实现图像文本到文本的转换功能，具有高效的推理性能。

多模态Safetensors

UI-TARS-1.5-7B是基于先进技术的多模态模型，在图像文本转换等任务中表现出色，采用创新的量化方法，能在极低比特率下保持较高的准确性。

多模态Transformers支持多种语言

UI-R1-E-3B是基于Qwen2.5-VL-3B-Instruct微调的高效GUI定位模型，专注于视觉问答任务，特别擅长在用户界面截图中定位和识别操作元素。

多模态Safetensors英语

这是ByteDance-Seed/UI-TARS-1.5-7B模型的GGUF量化版本，专门针对GUI界面理解和多模态任务进行了优化。该模型采用4位量化技术，在保持性能的同时显著减少了模型大小和内存需求。

多模态Transformers支持多种语言

UIGEN-T2是基于Qwen2.5-Coder-7B-Instruct微调的UI生成模型，专注于生成HTML和Tailwind CSS代码

自然语言处理Gguf

UI-TARS-1.5-7B-6bit 是一个基于 MLX 格式转换的视觉语言模型，支持图像理解和文本生成任务。

多模态Transformers支持多种语言

UI-TARS-1.5-7B-4bit是一个多模态模型，专注于图像文本到文本的转换任务，支持英文语言。

多模态Transformers支持多种语言

UI-TARS是下一代原生GUI智能体模型，具备类人的感知、推理和行动能力，可与图形用户界面（GUI）实现无缝交互。

多模态Transformers支持多种语言

UI-TARS是下一代原生GUI代理模型，具备类人感知、推理和行动能力，可与图形用户界面（GUI）进行无缝交互。

多模态Transformers支持多种语言

Raptor-X5-UIGEN是基于Qwen 2.5 14B模态架构设计的大语言模型，专注于UI设计、极简编码和内容密集型开发，具有增强的推理能力和结构化响应生成。

自然语言处理Transformers英语

UIGEN-T1.5是基于Qwen2.5-Coder-32B-Instruct微调的先进Transformer UI生成模型，专门用于生成现代且独特的前端用户界面。

自然语言处理Transformers英语