FairyR1-32B 是一个32B参数规模的大型语言模型，由PKU-DS-LAB开发，专注于文本生成任务。

这是THUDM/GLM-4-32B-0414模型的MLX格式版本，经过4位DWQ量化处理，适用于苹果芯片设备的高效推理。

Qwen3-32B-8bit是基于Qwen3-32B模型量化的8位版本，适用于文本生成任务，由mlx-community发布。

Qwen3-235B-A22B-4bit-DWQ是基于Qwen3-235B-A22B-8bit模型转换而来的4位量化版本，适用于文本生成任务。

Qwen2.5-Coder-7B-Instruct 是一个基于 Qwen2.5 架构的 7B 参数规模的代码生成模型，专注于指令微调，适用于代码生成和编程辅助任务。

这是一个基于Qwen/Qwen3-235B-A22B模型转换而来的混合3-6位量化版本，适用于苹果MLX框架的高效推理。

Qwen2.5-VL-72B-Instruct的多模态大语言模型量化版本，支持图像文本到文本任务，适用于多种量化级别，从高精度到低内存需求。

这是一个基于Qwen/Qwen3-30B-A3B转换至MLX格式的4位量化模型，适用于文本生成任务。

Qwen3-30B-A3B-4bit-DWQ-0508是基于Qwen/Qwen3-30B-A3B转换至MLX格式的4位量化模型，适用于文本生成任务。

由NVIDIA开发的开源代码推理大语言模型，参数规模为140亿，专注于代码生成和推理任务。

基于Qwen3-30B-A3B导出的MNN模型，经过4位量化后的版本，适用于高效推理。

Qwen3-14B-4bit-AWQ是基于Qwen/Qwen3-14B转换而来的MLX格式模型，使用AWQ量化技术将模型压缩至4bit，适用于MLX框架的高效推理。

基于Qwen3-8B的俄语优化大语言模型，专为俄语文本生成任务设计

这是一个基于Qwen3-30B-A3B模型的4位量化版本，通过从6位量化蒸馏至4位定制的DWQ量化技术制作，适用于文本生成任务。

Qwen3 30B A3B是一个采用GPTQ方法进行8位量化处理的大语言模型，适用于高效推理场景。

Qwen3-30B-A3B的GGUF量化版本，支持多种比特量化，适用于文本生成任务。

该模型是基于Qwen/Qwen3-235B-A22B转换至MLX格式的4位量化版本，适用于文本生成任务。

该模型是基于Qwen/Qwen3-30B-A3B转换而来的MLX格式模型，支持8位量化，适用于文本生成任务。

Qwen3-30B-A3B-MLX-8bit 是基于 Qwen/Qwen3-30B-A3B 转换的 8 位量化版本，专为 MLX 框架优化，适用于文本生成任务。

Qwen3-30B-A3B-4bit是基于Qwen/Qwen3-30B-A3B转换的4位量化版本，适用于在MLX框架下进行高效的文本生成任务。

Qwen3-14B-4bit是基于Qwen/Qwen3-14B模型使用mlx-lm转换的4位量化版本，适用于文本生成任务。

GLM-4-32B-0414-abliterated 是一个基于 GLM 架构的大规模语言模型，参数规模为 32B，适用于文本生成任务。

该模型是基于THUDM/GLM-Z1-32B-0414转换的4位量化版本，适用于文本生成任务。

这是一个基于Qwen2.5-32B的合并模型，融合了DeepSeek-R1-Distill-Qwen-32B、QwQ-32B和Sky-T1-32B-Flash的特点，旨在提升性能。

该模型是从THUDM/GLM-4-32B-0414转换而来的8位量化MLX格式大语言模型，支持中英文文本生成任务。

GLM-4-32B-0414是THUDM团队开发的大规模语言模型，基于GLM架构，适用于多种文本生成任务。

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。

DeepSeek-R1的INT4权重量化版本，通过减少权重位数降低GPU内存和磁盘空间需求约50%，保持原始模型性能。

该模型是基于Qwen2.5-VL-7B-Instruct转换而来的多模态视觉语言模型，支持8位量化，适用于视觉问答任务。

Gemma 3 27B IT QAT BF16 是由 Google 发布的 Gemma 系列模型的一个版本，经过量化感知训练（QAT）并转换为 BF16 格式，适用于 MLX 框架。

Gemma 3 27B IT QAT 8bit 是一个基于 Google 的 Gemma 3 27B 模型转换而来的 MLX 格式模型，支持图文到文本的任务。

Gemma 3 27B IT QAT 4bit 是一个基于 Google 原始模型转换而来的 MLX 格式模型，支持图像文本到文本的任务。

微软研究院开发的首个开源、原生1比特的大语言模型，参数规模达20亿，在4万亿token的语料库上训练而成。

由微软研究院开发的开源原生1位大语言模型，参数规模达20亿，在4万亿token的语料库上训练而成，显著提升计算效率。

GLM-4-32B-0414是由THUDM开发的大规模语言模型，具有320亿参数，适用于多种文本生成任务。

PLaMo-Embedding-1B是由Preferred Networks公司开发的日语文本嵌入模型，在日语文本嵌入基准测试中表现优异

VoRA是一个基于7B参数的视觉-语言模型，专注于图像文本到文本的转换任务。

VoRA是一个基于7B参数的视觉语言模型，能够处理图像和文本输入，生成文本输出。

OpenHands LM 32B v0.1 是一个32B参数规模的开源大语言模型，致力于知识的自由传播。

DeepSeek-V3-0324 是一个强大的基础模型，专注于文本生成任务，旨在提供高质量的文本生成能力。