NeuroBERT-Mini 是从 google/bert-base-uncased 衍生的轻量级自然语言处理模型，专为边缘和物联网设备的实时推理优化。

基于 speechbrain/lang-id-commonlanguage_ecapa 的多语言音频分类模型，支持5种印度语言识别

DMind-1是基于Qwen3-32B打造的Web3专家模型，通过监督式指令微调与人类反馈强化学习专为Web3生态系统优化，在任务准确性、内容安全性和专家级交互对齐方面实现显著提升。

这是一个非常小巧且快速的日语重排序模型，适用于提升RAG系统的精度，在CPU或边缘设备上也能高效运行。

这是一个非常小巧且快速的日语重排序模型，适用于提升RAG系统的精度。

TreeHop是一个轻量级的嵌入级框架，用于高效处理多跳问答中的查询嵌入生成与过滤，显著降低计算开销。

基于Qwen/Qwen3-30B-A3B模型的FP8动态量化版本，优化了在安培架构显卡上的推理效率

Qwen2.5-VL-72B-Instruct的FP8量化版本，支持视觉-文本输入和文本输出，由Neural Magic优化发布。

这是一个经过INT8量化的Mistral-Small-3.1-24B-Instruct-2503模型，由Red Hat和Neural Magic优化，适用于快速响应和低延迟场景。

基于OpenVINO优化的Gemma 3 4B参数模型，支持文本到文本及视觉文本推理

Distil-Whisper是Whisper模型的蒸馏版本，针对自动语音识别(ASR)任务进行了优化，提供更快的推理速度。

这是一个基于Mistral3架构的24B参数条件生成模型，经过FP8动态量化优化，适用于多语言文本生成和视觉理解任务。

基于Distil-Whisper large-v3.5转换的CTranslate2格式模型，用于高效语音识别

SANA-Sprint是超高效的文本生成图像扩散模型，将推理步骤从20步缩减至1-4步的同时保持顶尖性能。

RWKV-7模型采用闪存线性注意力格式，支持多语言文本生成任务，参数量达29亿。

Distil-Whisper是Whisper模型的蒸馏版本，通过大规模伪标签技术实现高效语音识别

NVIDIA NeMo Canary Flash 是一个多语言多任务语音模型，支持英语、德语、法语和西班牙语的自动语音识别和翻译任务。

NVIDIA NeMo Canary Flash 是一个多语言多任务模型家族，在多个语音基准测试中实现了最先进的性能。

Phi-4-multimodal-instruct是一款轻量级开源多模态基础模型，融合了Phi-3.5和4.0模型的语言、视觉及语音研究与数据集。

Phi-4-multimodal-instruct是一个轻量级开源多模态基础模型，支持文本、图像和音频输入，生成文本输出，具备128K标记的上下文长度。

基于mgoin/pixtral-12b的INT8量化版本，支持视觉-文本多模态任务，优化了推理效率

Qwen2.5-VL-7B-Instruct的量化版本，支持视觉-文本输入和文本输出，通过INT8权重量化优化推理效率

Qwen2.5-VL-3B-Instruct的FP8量化版本，支持视觉-文本输入和文本输出，优化了推理效率。

一个速度快且准确度高的神经机器翻译模型，用于中文到英文的翻译

Mistral Small 3 (2501版本)是一个24B参数的指令微调大语言模型，在70B参数以下类别中树立了新标杆，具有卓越的知识密度和多语言支持能力。

基于YOLOv11的轻量级反恐精英2玩家检测模型，适用于实时目标检测场景

这是一个基于Transformers架构的重新排序(Reranker)模型，主要用于信息检索和搜索结果优化任务。

LB重排序器是用于判断查询与文本片段相关性的模型，支持95+种语言，适用于检索任务中的排序和重排序。

一个多语言蒸馏版Whisper模型，支持7种欧洲语言的自动语音识别，具有语码转换能力

由OMEGA Labs与Bittensor合作开发的任意到任意转换模型，专注于人工通用智能领域。

这是 facebook/bart-large-mnli 模型的 OpenVINO 优化版本，用于零样本文本分类任务。

由Sinequa开发的向量化工具，能够根据输入的段落或查询生成嵌入向量，用于句子相似度计算和检索任务。

Kotoba-Whisper-Bilingual是通过蒸馏Whisper模型训练而成的集合，专为日语和英语语音识别及语音到文本翻译任务设计。

这是一个基于级联方法的日语语音到任意目标语言文本的翻译流水线，由自动语音识别（ASR）和文本翻译两部分组成。

Kotoba-Whisper-v2.1 是一款基于 Whisper 的日语自动语音识别（ASR）模型，集成了额外的后处理栈，能够自动添加标点符号。

Kotoba-Whisper是由Asahi Ushio与Kotoba Technologies合作开发的日语自动语音识别蒸馏模型，基于Whisper large-v3蒸馏而来，推理速度提升6.3倍。

这是一个基于Transformers的文本转语音(TTS)模型，能够将输入的文本转换为自然语音输出。

Show-o 是一个基于 PyTorch 的任意到任意转换模型，支持多种模态的输入和输出转换。

Snowflake Arctic Embed M v1.5 是一个高效的句子嵌入模型，专注于句子相似度计算和特征提取任务。

基于Llama2 7B改进的模型，支持层级跳跃和自推测解码，提升推理效率