Meta发布的基于PyTorch框架的预训练语言模型，适用于非商业研究用途。

字节跳动研究团队发布的72B参数规模的多模态基础模型，专注于图像文本转文本任务

NLLB-200-3.3B是Meta（原Facebook）开发的多语言神经机器翻译模型，支持200种语言之间的翻译任务。

琉璃重排序器是一个日语通用重排序模型，基于Sentence Transformers架构，专门用于日语文本相关性排序任务。

GTE-v1.5系列中的大型英语文本编码器，支持长达8192的上下文长度，基于改进的BERT架构构建。

这是一个基于GPT-2架构的774M参数语言模型，使用FineWeb数据集中的1500亿token进行训练。

aya-23-35B-GGUF量化版是基于CohereForAI/aya-23-35B的GGUF量化版本，支持23种语言的多语言文本生成任务。

GNER-T5-xxl是基于Flan-T5架构的生成式命名实体识别模型，参数量达11B，在零样本识别任务中表现优异。

基于LLaMa架构的130亿参数大规模预训练模型，针对中文分词进行优化，完成1100亿token的中英文增量预训练，显著提升中文生成与理解能力

BlenderBot是一个开放域聊天机器人模型，专注于多轮对话和多种对话技能的融合。

T5高效大型-NH32是谷歌T5模型的深度窄型变体，专注于通过增加模型深度提升下游任务性能。

T5-Efficient-LARGE是基于谷歌T5的变体，采用深度窄型架构优化下游任务性能，拥有7.377亿参数。