LGAI EXAONE EXAONE 4.0 32B GGUF
LGAI-EXAONE的EXAONE-4.0-32B模型的量化版本，使用llama.cpp工具进行量化处理，旨在为不同硬件条件的用户提供更灵活的使用选择。
大型语言模型
L
bartowski
708
2
Menlo Lucy 128k GGUF
Lucy-128k模型的量化版本，通过llama.cpp工具进行量化处理，适用于不同硬件条件下的高效运行。
大型语言模型
M
bartowski
730
1
Rekaai Reka Flash 3.1 GGUF
Apache-2.0
这是RekaAI的reka-flash-3.1模型的Llamacpp imatrix量化版本，通过量化技术减少模型存储空间和计算资源需求，适合资源受限的设备运行。
大型语言模型
R
bartowski
1,449
2
Microsoft NextCoder 32B GGUF
MIT
微软NextCoder - 32B模型的量化版本，使用llama.cpp工具对原模型进行量化处理，以在不同硬件条件下更高效地运行模型。
大型语言模型 支持多种语言
M
bartowski
2,495
3
Baidu ERNIE 4.5 21B A3B PT GGUF
百度ERNIE-4.5-21B-A3B-PT模型的量化版本，通过llama.cpp进行量化处理，提升在不同硬件环境下的运行效率和性能。
大型语言模型
B
bartowski
1,600
3
Delta Vector Austral 24B Winton GGUF
Apache-2.0
Delta-Vector的Austral-24B-Winton模型的量化版本，使用llama.cpp工具进行量化处理，适用于不同硬件配置的高效运行。
大型语言模型 英语
D
bartowski
421
1
BAAI RoboBrain2.0 7B GGUF
Apache-2.0
这是BAAI的RoboBrain2.0-7B模型的量化版本，通过llama.cpp进行量化处理，提供多种量化类型以适应不同硬件需求。
大型语言模型
B
bartowski
448
3
Sophosympatheia StrawberryLemonade L3 70B V1.0 GGUF
StrawberryLemonade-L3-70B-v1.0 是一个经过量化处理的大型语言模型，旨在在不同硬件条件下高效运行。
大型语言模型 英语
S
bartowski
1,406
1
Zed Industries Zeta GGUF
Apache-2.0
这是对zed-industries的zeta模型进行的Llamacpp imatrix量化版本，解决了在不同硬件条件下高效运行模型的问题，提供了多种量化类型供用户选择。
大型语言模型
Z
bartowski
561
12
Virtuoso Lite GGUF
其他
Virtuoso-Lite的量化版本，使用llama.cpp进行量化处理，提升在不同硬件上的运行效率。
大型语言模型
V
bartowski
373
4
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型，性能媲美GPT-3.5-turbo，优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers 支持多种语言
Transformers 支持多种语言L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型，专为边缘设备推理设计，体积仅为Cosmo-3B模型的2%左右。
对话系统 Transformers 英语
Transformers 英语C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型，适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
智启未来，您的人工智能解决方案智库
简体中文