all-MiniLM-L6-v2是一个小型高效的句子嵌入模型，基于MiniLM架构，适用于句子相似度计算和特征提取任务。

针对低端硬件和纯CPU环境优化的量化版本，在资源限制下实现生产可用的推理就绪配置

GLM-Z1-32B-0414是一个32B参数规模的多语言文本生成模型，支持中文和英文，采用MIT许可证发布。

基于OLMo-2-0325-32B-DPO的指令微调模型，采用IQ-DynamicGate超低比特量化技术，专为内存受限环境优化。

Qwen2.5-14B-Instruct 是一个基于 Qwen2.5-14B 的指令微调模型，支持文本生成任务，适用于聊天和问答场景。

一个基于fasttext的文本分类器，用于将文本分类为数学类或其他类，适用于LLM预训练数据整理

基于LLaMA-3.2-1B微调的心理健康咨询对话模型，支持在CPU和低内存设备上运行

基于FastText的轻量级分类器，用于评估网页内容的教育价值，优化CPU处理速度

这是一个用于计算俄语句子紧凑嵌入向量的基础BERT模型，基于cointegrated/rubert-tiny2开发，层数从3层增加到7层。

提供GGUF格式的量化与非量化嵌入模型，专为llama.cpp设计。

提供GGUF格式的量化与非量化嵌入模型，专为llama.cpp设计，性能优于transformers，在CPU上能显著提速

基于Llama-2-7B-Chat-GGML模型的医疗领域聊天机器人，专注于回答医学相关问题并提供医学文本生成能力

基于7B版llama2的GGUF格式模型，用于生成提示词，支持CPU环境运行

针对CPU优化的韩语处理流程，包含分词、词性标注、依存分析、命名实体识别等完整NLP功能

针对CPU优化的中文自然语言处理流程，包含分词、词性标注、依存分析、命名实体识别等功能

针对CPU优化的罗马尼亚语自然语言处理模型，包含分词、词性标注、依存分析、命名实体识别等功能

针对CPU优化的丹麦语处理流程，包含分词、词性标注、依存句法分析、命名实体识别等完整NLP功能

针对CPU优化的意大利语处理流程，包含分词、词性标注、依存分析、命名实体识别等功能

针对CPU优化的俄语处理流程，包含标记分类、依存分析、命名实体识别等NLP任务

针对CPU优化的立陶宛语处理流程，包含分词、词性标注、依存分析、命名实体识别等完整NLP功能

spaCy提供的针对CPU优化的俄语处理流程，包含分词、词性标注、依存分析、命名实体识别等功能

针对CPU优化的多语言命名实体识别模型，支持识别地点、组织、人物等实体类型