Qwen3-30B-A3B的量化版本，采用先进的非线性SotA量化技术，在给定内存占用下提供同类最佳的质量。

Qwen3-8B的量化版本，使用llama.cpp的imatrix选项进行量化，适用于文本生成任务。

基于GLM-4架构的9B参数聊天模型，支持中英文对话，经过量化处理适用于不同硬件环境

Falcon-E-1B-Base 是由 TII 开发的一个高效 1.58 位语言模型，采用纯 Transformer 架构，专为边缘设备优化设计。

ARPG是一种创新的自回归图像生成框架，能够通过类GPT因果架构实现BERT式掩码建模。

FLUX.1-Fill-dev的INT4量化版本，能够根据文本描述填充现有图像中的区域，提供约4倍内存节省和2-3倍速度提升。

基于SicariusSicariiStuff/Impish_Mind_8B模型的量化版本，使用llama.cpp工具进行多种量化处理，适用于文本生成任务。

ESM++是对ESMC的忠实实现，支持批处理且兼容标准Huggingface接口，无需依赖ESM Python包。

Flux.1 Lite是从FLUX.1-dev模型蒸馏出的80亿参数Transformer模型，专为文本生成图像任务优化，在保持精度的同时减少内存占用并提升速度。

该模型是Salesforce/blip-image-captioning-base的量化版本，通过降低浮点精度至bfloat16，内存占用减少50%，适用于图像到文本生成任务。

RecurrentGemma是基于Google新型循环架构构建的开源语言模型，提供更高效的长序列处理能力

Whisper-Large-V3-法语蒸馏版是通过将解码器层数从32层缩减至16层，并基于大规模数据集进行蒸馏训练而得到的法语语音识别模型。