Qwen3是通义千问系列大语言模型的最新版本，提供了一系列密集型和混合专家（MoE）模型。

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。

基于Qwen2.5架构的3B参数指令微调模型，使用Unsloth和Huggingface TRL库优化训练速度

这是一个24B参数规模的合并语言模型，采用TIES方法融合了多个24B规模的预训练模型，专注于提供高质量的文本生成和理解能力。

基于Meta-Llama-3.1-8B-Instruct的合并模型，针对法律领域摘要任务进行了微调，能将法律术语转换为简短易懂的摘要。

Qwen2.5-7B-YOYO-super 是一个通过合并基础模型和微调模型优化的开源大语言模型，专注于提升指令跟随、数学和编码能力。

基于Qwen2.5-VL-3B模型的微调版本，使用Unsloth和Huggingface TRL库进行训练，推理速度提升2倍

基于Qwen2.5-14B模型通过TIES方法融合的增强版本，专注于指令跟随和对话优化

Qwen2.5-YOYO第五代模型，整合了多个先进模型的特点，优化了模型合并公式，支持100万token上下文。

基于ChatML架构的对话模型，通过mergekit工具合并预训练语言模型生成

多语言E5大型指令模型，支持多种语言的文本嵌入和分类任务

多语言E5大型指令模型，支持多种语言和任务，包括分类、检索和聚类等。

多语言E5大型指令模型，支持多种语言和任务，包括分类、检索、聚类等。

多语言E5大型指令模型，支持多种语言的文本嵌入和分类任务

Llama 3.3 70B Instruct AWQ INT4 是 Meta Llama 3.3 70B Instruct 模型的 4 位量化版本，适用于多语言对话用例，优化了文本生成任务。

英伟达定制的大型语言模型，旨在提升大语言模型生成回复对用户查询的有用性。

基于Meta-Llama-3.1-8B-Instruct的4位量化版本，使用Unsloth和TRL库进行高效训练

基于Qwen/Qwen2-0.5B-Instruct微调的奖励模型，用于评估和优化生成内容的质量

Llama-3.1-Storm-8B是基于Llama-3.1-8B-Instruct构建的改进模型，在多项基准测试中表现优异，适用于对话和函数调用任务。

多语言e5系列是多语言嵌入模型的最佳选择之一，支持多种语言和任务。

基于Meta-Llama-3.1-8B-Instruct的4位量化版本，使用Unsloth和Huggingface TRL库进行训练，速度提升2倍。

这是一个基于Llama-3.1-8B-Instruct模型通过LoRA技术消除拒绝行为的改进版本

Llama 3.1 8B Instruct的INT4量化版本，基于AutoAWQ工具进行量化，适用于多语言对话场景。

Badger是通过递归最大成对不相交归一化去噪傅里叶插值方法生成的Llama3 8B指令模型，融合了多个优秀模型的特性。

Mistral-7B-Instruct-v0.3 的量化版本，提供多种量化选项以适应不同硬件需求

这是一个使用mergekit工具合并的预训练语言模型集合，基于Llama-3-8B架构和多个衍生模型合并而成。

Phi-3-Mini-4K-Instruct是一个38亿参数的轻量级前沿开源模型，使用Phi-3数据集训练而成，注重高质量和推理密集特性。

Suzume 8B是基于Llama 3的多语言微调版本，在近90,000个多语言对话上进行训练，增强了多语言交流能力，同时保持了Llama 3的智能水平。

Noro-Hermes-3x7B 是一个采用懒人融合工具包构建的混合专家模型（MoE），融合了三个7B参数的Mistral变体模型，具备智能助手、创意角色扮演和通用任务处理能力。

这是一个基于CodeLlama-7b-Instruct-hf微调的GQL语言模型，专为TuGraph Analytics图计算系统设计。

基于microsoft/phi-1_5模型使用IFprompMKR数据集进行qlora微调的版本，主要用于文本生成任务。