GLiClass是一款高效的零样本分类器，性能与交叉编码器相当但计算效率更高，适用于多任务场景。

这是一个自动生成的Hugging Face Transformers模型卡片，具体模型信息待补充。

EXAONE-4.0-1.2B是LGAI-EXAONE发布的1.2B参数语言模型，提供多种量化版本以适应不同硬件需求。

基于Qwen/Qwen2.5-7B-Instruct微调的70亿参数模型，专注于逐步指令执行和对话任务。

GLiClass 是一个高效的零样本分类器，性能与交叉编码器相当但计算效率更高，支持多语言文本分类任务。

这是一个基于THUDM/GLM-4.1V-9B-Thinking转换而来的MLX格式模型，支持视觉语言任务。

基于 kyutai/helium-1-2b 的 GGUF 格式模型文件，由 TensorBlock 量化，支持多种语言。

Kimi - K2 - Instruct 是一个基于 moonshotai/Kimi - K2 - Instruct 模型的量化版本，旨在让知识更广泛地惠及大众。

GLiClass 是一款高效的零样本分类器，受 GLiNER 启发，能在单次前向传播中完成分类任务，兼具交叉编码器性能和更高计算效率。

LFM2 是由 Liquid AI 开发的新一代混合模型，专为边缘 AI 和设备端部署设计，在质量、速度和内存效率方面树立了新标准。

这是一个基于Gemma模型的静态量化版本，适用于自动语音识别、自动语音翻译等多种任务。

LFM2 是由 Liquid AI 开发的新一代混合模型，专为边缘 AI 和设备端部署设计，在质量、速度和内存效率方面树立了新标准。

LFM2-700M 是由 Liquid AI 开发的新一代混合模型，专为边缘 AI 和设备端部署设计，在质量、速度和内存效率方面树立了新标准。

LFM2-350M 是由 Liquid AI 开发的混合模型，专为边缘 AI 和设备端部署设计，具有高效训练和推理能力。

A.X 3.1 Light 是一款专为韩语理解和企业部署优化的轻量级大语言模型（LLM），由SKT完全自主研发。

Devstral-Small-2507是由mistralai开发的一个小型文本生成模型，支持多种语言，并针对苹果芯片进行了优化。

Qwen3-0.6B是基于Qwen3系列的大语言模型，支持文本生成，具有独特的思维模式切换、强大的推理能力和多语言支持等特性。

DiffuCoder-7B-cpGRPO-8bit是一个转换为MLX格式的代码生成模型，基于apple/DiffuCoder-7B-cpGRPO转换而来，专为开发者提供高效的代码生成工具。

ERNIE-4.5-21B-A3B-PT-8bit 是百度 ERNIE-4.5-21B-A3B-PT 模型的 8 位量化版本，转换为 MLX 格式，适用于苹果芯片设备。

Qwen2.5-Coder-1.5B的GGUF量化版本，针对代码生成任务优化，提供多种量化选项以平衡性能与资源消耗。

DeepSeek-R1-0528 的 5 位量化版本，适用于 MLX 框架。

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。

LightGlue是一个用于关键点匹配的高效模型，能够自适应调整计算量，适用于图像匹配和位姿估计等任务。

这是chandar-lab/NeoBERT模型的静态量化版本，旨在减少模型存储空间和计算资源需求。

这是一个基于Qwen3-30B模型转换而来的4位量化版本，适用于MLX框架的文本生成任务。

Phi-4-mini-instruct 的 GGUF 格式转换版本，支持多语言文本生成任务。

慧慧AI量化模型是Magistral-Small-2506-abliterated的量化版本，致力于让知识为每个人所用。

Apriel-Nemotron-15b-Thinker是一款强大的推理模型，在同规模模型中表现出色，具有高效的内存使用和优秀的推理能力，适用于多种企业和学术场景。

Qwen3-Reranker-0.6B的GPTQ量化版本，显存使用优化且精度损失小

这是一个文本转视频的量化模型，支持将文本描述转换为视频内容，并经过GGUF量化处理以提升推理效率。

SLANet_plus是一款用于表格结构识别的模型，能够将不可编辑的表格图像转换为可编辑的表格格式（如HTML），在表格识别系统中发挥着重要作用，可有效提升表格识别的准确性和效率。

Qwen3-Reranker-4B的量化版本，旨在降低资源消耗同时保持性能

Qwen3-Reranker-0.6B的量化版本，致力于让知识为每个人所用。

MiniCPM4-MCP是一款开源的端侧大语言模型智能体模型，基于80亿参数的MiniCPM-4构建，能够通过MCP与各种工具和数据资源交互，解决广泛的现实世界任务。

这是google/gemma-3-27b-it的量化版本，支持视觉-文本输入和文本输出，通过权重量化和激活量化优化，可使用vLLM进行高效推理。

该项目提供了优化后的GGUF量化文件，可显著提升模型性能。这些量化文件由Featherless AI提供支持，用户只需支付少量费用，即可运行任意所需模型。

DeepSeek-R1-0528模型的GPTQ量化版本，采用Int4 + 选择性Int8的量化方案，在保证生成质量的同时减小文件大小。

Qwen2-Audio-7B-Instruct的加权/矩阵量化模型，支持英文音频文本转文本任务

DeepSeek-R1-0528-Qwen3-8B的AWQ量化版本，适用于特定场景下的高效推理。

QVikhr-3-1.7B-Instruction-noreasoning 是一个基于 Qwen/Qwen3-1.7B 的指令模型，在俄语数据集 GrandMaster2 上进行训练，专为高效处理俄语和英语文本而设计。