模型找得到，
下载更顺手。

Wan2.2是一个大规模视频生成模型系列，支持多种生成任务：文本到视频、图像到视频、文本图像到视频、语音到视频以及角色动画和替换。 有效MoE架构：采用专家混合架构，将去噪过程按时间步分离，由专门的专家模型处理，从而在保持相同计算成本的情况下增大模型总容量。A14B系列采用双专家设计，高噪声专家处理早期阶段（关注整体布局），低噪声专家处理后期阶段（细化视频细节）。每个专家约14B参数，总计27B参数，但每步仅激活14B参数。

原仓库任务类型：其他模型。具体能力、安装条件及许可请查阅作者说明。

原仓库任务类型：其他模型。具体能力、安装条件及许可请查阅作者说明。

BitNet Embeddings 是由微软 BitNet 团队开发的多语言文本嵌入模型系列。该模型采用仅解码器架构，使用最后 token 池化和 L2 归一化来生成密集文本嵌入。可广泛应用于文本检索、聚类、语义相似度、分类、双语文本挖掘和重排序等任务。在公开基准测试中表现具有竞争力，同时保持出色的推理和存储效率。 | 模型版本 | 权重类型 | 参数数量 | 嵌入维度 | 最大 Token 数 | MTEB v2 平均分 |

BitNet Embeddings 是由微软 BitNet 团队开发的多语言文本嵌入模型系列。该模型采用仅解码器架构，使用最后 token 池化和 L2 归一化来生成密集文本嵌入。可广泛应用于文本检索、聚类、语义相似度、分类、双语文本挖掘和重排序等任务。在公开基准测试中表现具有竞争力，同时保持出色的推理和存储效率。 | 模型版本 | 权重类型 | 参数量 | 嵌入维度 | 最大 Token 数 | MTEB v2 平均分 |

Magistral Small 1.2 (GGUF) 基于 Mistral Small 3.2 (2506) 构建，增加了推理能力，经过 Magistral Medium 轨迹的监督微调和强化学习训练。是一个小型高效的推理模型，拥有 24B 参数，可在本地部署，在量化后可在单张 RTX 4090 或 32GB 内存的 MacBook 上运行。 推理：能够在给出答案前进行长链推理。

Devstral Small 2 24B Instruct 2512 Devstral 是一款用于软件工程任务的智能大语言模型。Devstral Small 2 擅长使用工具探索代码库、编辑多个文件，为软件工程智能体提供支持。该模型在 SWE-bench 基准测试中表现出色。 智能编码：Devstral 专为智能编码任务设计，是软件工程智能体的理想选择。

Ministral 3 14B 是 Ministral 3 系列中规模最大的模型，提供前沿级能力和性能，可与更大的 Mistral Small 3.2 24B 相媲美。这是一款功能强大且高效的语言模型，具备视觉理解能力。该模型是指令微调版本，采用 FP8 精度，专门针对指令任务进行了优化，非常适合聊天和基于指令的使用场景。Ministral 3 系列专为边缘部署设计，能够在广泛的硬件上运行。 视觉理解：使模型能够分析图像并基于视觉内容提供洞察，同时处理文本。

Ministral 3 3B 是一款面向边缘部署的小型语言模型，具备视觉理解能力。该模型经过指令微调，适用于以下场景： 其他轻量级、实时性要求高的边缘或低资源设备应用 模型架构：3.4B语言模型 + 0.4B视觉编码器

Ministral 3 8B Instruct 2512 适用于本地或嵌入式系统中平衡性能需求，结合多功能性与效率。典型应用场景包括：受限环境下的聊天界面、本地日常AI助手、图像和文档描述与理解、翻译和内容生成、专业化代理任务场景、微调和专业化定制。 该模型包含两个主要架构组件：84亿参数语言模型和4亿参数视觉编码器。