AM-Thinking-v1 是一个基于 GGUF 格式的文本生成模型，适用于多种自然语言处理任务。

Qwen3-235B-A22B 的 Exllamav3 量化版本，提供多种量化选项以优化模型大小和性能。

Llama-3.1-Nemotron-Nano-4B-v1.1 是一个基于Llama 3.1压缩优化的大型语言模型，专注于推理和对话任务，支持128K上下文长度，适配单张RTX显卡。

Falcon-H1是由TII开发的高效混合架构语言模型，结合了Transformers和Mamba架构的优势，支持英语和多语言任务。

Falcon-H1是由阿联酋技术创新研究院开发的混合架构语言模型，结合了Transformers和Mamba架构的优势，支持多语言处理。

这是一个基于kyutai/helium-1-2b转换的GGUF格式模型，支持多种欧洲语言。

微软开发的1.58位量化大语言模型，专为高效推理设计，提供IQ2_BN和IQ2_BN_R4两种量化版本

本模型是THUDM/GLM-Z1-9B-0414的GGUF格式转换版本，支持中英文文本生成任务。

OpenThinker2-7B的量化版本，使用llama.cpp进行量化，适用于文本生成任务。

NVIDIA Nemotron-H-8B-Base-8K 是由 NVIDIA 开发的大型语言模型（LLM），旨在为给定文本片段生成补全内容。

基于Meta Llama-3.1-8B-Instruct优化的推理与对话模型，支持128K上下文长度，平衡效率与性能

这是Google Gemma 3B模型的GGUF量化版本，适用于本地推理，支持文本生成任务。

该模型是基于Google的Gemma 3 27B IT模型转换而来的GGUF格式版本，适用于本地推理。

这是一个基于BAAI/bge-reranker-v2-m3模型转换的GGUF格式文本排序模型，支持多语言文本嵌入推理。

FormatClassifier模型能根据网页URL和文本内容，将网络内容归类至24个类别。

基于gte-base-en-v1.5微调的主题分类模型，可将网页内容分类至24个类别

PLaMo 2 8B是由Preferred Elements公司开发的80亿参数混合架构语言模型，支持英语和日语文本生成。

PLaMo 2 1B是由Preferred Elements公司开发的10亿参数模型，基于英文和日文数据集进行预训练，采用混合架构结合Mamba和滑动窗口注意力机制。

DeepSeek-R1-Distill-Llama-70B是DeepSeek团队基于Llama架构开发的70B参数大语言模型，通过蒸馏技术优化，支持高效推理和微调。

基于ModernBERT-large在SQuAD 2.0数据集上微调的问答模型，支持长上下文处理

基于Menlo/Ichigo-llama3.1-s-instruct-v0.4的静态量化模型，提供多种量化版本，适用于不同硬件需求。

InternLM2.5是基于InternLM2架构的新一代模型，通过海量合成数据和自我迭代优化，在推理性能上取得显著提升。

DeepSeek-V2-Lite 是一款经济高效的专家混合（MoE）语言模型，总参数量16B，激活参数量2.4B，支持32k上下文长度。

该模型基于 meta-llama/Meta-Llama-3-8B-Instruct 进行了微调，专门用于函数调用和 JSON 模式。

MiniCPM-MoE-8x2B是一款基于Transformer架构的混合专家（MoE）语言模型，采用8个专家模块设计，每个token激活2个专家进行处理。

Jamba是最先进的混合SSM-Transformer大语言模型，结合了Mamba架构与Transformer优势，支持256K上下文长度，在吞吐量和性能上超越同规模模型。

Yarn Mistral 7B 128K是一款针对长上下文优化的先进语言模型，通过YaRN扩展方法在长上下文数据上进一步预训练，支持128k令牌的上下文窗口。

DeciLM 6B-指令模型是一款专为短格式指令跟随设计的英语语言模型，基于DeciLM 6B通过LoRA微调技术训练而成

基于OpenAI Whisper-medium微调的泰卢固语语音识别模型，在多个公开泰卢固语ASR数据集上训练