这是一个实验性的小型思维模型，旨在8GiB消费级显卡上运行，具备通用推理能力。

GLM-4-9B-0414是GLM家族中的轻量级成员，拥有90亿参数，在数学推理和通用任务上表现出色，为资源受限场景提供了高效的解决方案。

T0++是基于T5架构的自然语言处理模型，通过多任务提示训练实现零样本任务泛化能力，在多种NLP任务上超越GPT-3且体积更小。

基于自动筛选的5万条Tulu-3-MIG数据集进行微调的Llama-3.1-8B模型

该模型是基于SpatialVLA模型在bridge数据集上微调得到的视觉-语言-动作模型，专为Simpler-env基准测试打造。

基于Llama 3.1架构的8B参数语言模型，通过mergekit合并多个专业模型而成，在文本生成任务中表现优异。

基于Hermes-3-Llama-3.1-70B-lorablated模型，在Gutenberg数据集上进行微调的大语言模型

LWM是首个无线通信领域的基础模型，作为通用特征提取器开发，能够从无线信道数据中提取精细表征。

RobustSAM是一种在退化图像上稳健分割任意对象的模型，基于SAM改进，提升了在低质量图像上的分割性能。

基于Llama-3-8b的微调模型，使用Gutenberg DPO数据集进行优化，适用于文本生成任务。

Percival_01-7b-slerp 是一个在 OPENLLM 排行榜上排名第二的 7B 参数规模的大语言模型，通过 LazyMergekit 工具合并 liminerity/M7-7b 和 Gille/StrangeMerges_32

专为高效零样本分类设计的RoBERTa-large模型，使用商业友好数据训练，无需训练数据即可执行文本分类任务。

这是一个通过合并Locutusque/TinyMistral-248M-Instruct和Felladrin/TinyMistral-248M-SFT-v4并使用mergekit工具创建的模型，融合了两者的优势，具有编程能力和推理技巧，同时

这是一个基于Llama-2-13B的混合模型，结合了Tiefighter、MedLLaMA和limarp-v2等多个模型的特点，适用于多种文本生成任务。

WizardLM-13B V1.2是基于Llama-2 13b训练的大型语言模型，专注于复杂指令遵循能力。