模型找得到，
下载更顺手。

本仓库提供 Hugging Face Transformers 格式的 Xing4.0-29B-A4B 模型权重及配置文件，兼容 Transformers、vLLM、SGLang、KTransformers 等主流推理框架。 Xing4.0-29B-A4B 是中电信人工智能科技有限公司研发的星辰语义大模型系列（原 TeleChat）新一代模型。模型总参数量 29B，激活参数仅 4B，原生支持 256K 上下文，可扩展至 512K，是国内首个基于国产算力与国产框架完成训练、面向

Qwen-1.8B-Chat-Int4 🤗 Hugging Face&nbsp&nbsp &nbsp&nbsp🤖 ModelScope&nbsp&nbsp &nbsp&nbsp 📑 Paper &nbsp&nbsp ｜ &nbsp&nbsp🖥️ Demo WeChat (微信)&nbsp&nbsp &nbsp&nbspDiscord&nbsp&nbsp ｜ &nbsp&nbspAPI

CapsFus-LLaMA 是由仓库发布者 BAAI 上传至魔搭的模型。以下内容基于固定版本仓库元数据整理，不是完整的原作者模型介绍。 原站明确标注的任务类型：text-generation。浏览分类：文字对话。不据此推断性能、训练方式、硬件要求或额外能力。 固定版本：fa57ebcb97b408699ee8e2c97e88f7be77910bcc。已获取权重文件清单与哈希，下载入口直连魔搭；这不代表已完成下载或运行验证。

Qwen-1.8B-Chat-Int8 🤗 Hugging Face&nbsp&nbsp &nbsp&nbsp🤖 ModelScope&nbsp&nbsp &nbsp&nbsp 📑 Paper &nbsp&nbsp ｜ &nbsp&nbsp🖥️ Demo WeChat (微信)&nbsp&nbsp &nbsp&nbspDiscord&nbsp&nbsp ｜ &nbsp&nbspAPI

🤗 Hugging Face&nbsp&nbsp &nbsp&nbsp🤖 ModelScope&nbsp&nbsp &nbsp&nbsp 📑 Paper &nbsp&nbsp ｜ &nbsp&nbsp🖥️ Demo WeChat (微信)&nbsp&nbsp &nbsp&nbspDiscord&nbsp&nbsp ｜ &nbsp&nbspAPI 通义千问-1.8B（Qwen-1.8B）是阿里云研发的通义千问大模型系列的18亿参数规模的模型。Qwen-1.8B是基于Transf

🤗 Hugging Face&nbsp&nbsp &nbsp&nbsp🤖 ModelScope&nbsp&nbsp &nbsp&nbsp 📑 Paper &nbsp&nbsp ｜ &nbsp&nbsp🖥️ Demo WeChat (微信)&nbsp&nbsp &nbsp&nbspDiscord&nbsp&nbsp ｜ &nbsp&nbspAPI 通义千问-1.8B（Qwen-1.8B）是阿里云研发的通义千问大模型系列的18亿参数规模的模型。Qwen-1.8B是基于Transf

MiMo-V2.5-Pro 是小米开源的混合专家（Mixture-of-Experts，MoE）语言模型，总参数1.02T，活跃参数42B。该模型采用混合注意力架构和3层多Token预测（MTP）技术，支持最高100万token的上下文长度。 长上下文处理：支持最高100万token的上下文窗口，在长上下文推理任务中表现优异。在512k长度下达到0.56 BFS和0.92 Parents分数，在1M长度下仍保持0.37和0.62的分数。

HiDream-O1-Image是一个原生统一的图像生成基础模型，基于像素级统一Transformer架构构建，无需外部VAE或分离的文本编码器。该模型在单一共享token空间中原生编码原始像素、文本和任务特定条件，支持文本到图像生成、图像编辑和主体驱动的个性化生成，最高分辨率达2048×2048。 像素级统一Transformer：单一端到端模型处理原始像素，无需VAE，无需分离的文本编码器。 多任务统一架构：支持文本到图像生成、长文本渲染、指令编辑、主体驱动个性化生成和故

Marlin：用于从视频中提取结构化信息的微型视觉语言模型 Marlin 是一个 20 亿参数的视觉语言模型，专为开发者实际关心的两个视频问题设计：发生了什么，以及什么时候发生？它生成结构化的场景和事件描述，包含精确到秒的时间戳，并将自然语言查询解析为基于时间跨度（起始、结束）的视频范围。 密集字幕生成：在 20 亿参数级别达到最优水平，登上 CaReBench 排行榜榜首，在 DREAM-1K 上介于 Tarsier-34B 和 Gemini-1.5-Pro 之间。

DeepSeek-R1 是深度求索公司推出的第一代推理模型，包括 DeepSeek-R1-Zero 和 DeepSeek-R1 两个版本。该系列模型专注于数学、代码和推理任务，在相关基准测试中达到了与 OpenAI-o1 相当的性能水平。 DeepSeek-R1-Zero 通过大规模强化学习直接训练基础模型，无需监督微调作为前置步骤，展现出自我验证、反思和生成长链式思考的能力。DeepSeek-R1 在此基础上引入了冷启动数据，进一步提升了推理性能并解决了无限重复、可读性差和

Ling-2.6-flash 是一个指令微调模型（instruct model），总参数104B，活跃参数7.4B。该模型针对推理效率、Token效率和Agent性能进行了系统优化，旨在在保持竞争力的同时实现更快的响应速度、更低的资源消耗和更高的实际生产工作负载适配度。 推理效率优化：采用混合线性架构，在4× H20 GPU配置下推理速度最高可达340 tokens/s，Prefill吞吐量和解码吞吐量均可提升约4倍。

Qwen3是Qwen系列最新一代大语言模型，提供密集模型和混合专家模型。该仓库包含Qwen3-4B的FP8量化版本。 Qwen3-4B-FP8是一个因果语言模型，适用于复杂逻辑推理、数学问题求解、代码生成以及高效通用对话任务。该模型支持在单一模型内无缝切换思考模式和非思考模式，以适应不同应用场景。 思考模式支持：模型能够在思考模式下进行复杂逻辑推理、数学计算和编码任务，生成过程会输出think内容块。

Qwen3-30B-A3B是阿里云Qwen3系列中的混合专家（MoE）大型语言模型，采用GPTQ 4位量化。 支持在单一模型内无缝切换思考模式和非思考模式。思考模式适用于复杂逻辑推理、数学和编程任务；非思考模式适用于高效通用对话。在数学、代码生成和常识逻辑推理方面表现优异。具备出色的创意写作、角色扮演、多轮对话和指令遵循能力。支持精确集成外部工具，在复杂代理任务中达到开源模型领先水平。支持100多种语言和方言，具备多语言指令跟随和翻译能力。

Qwen3-14B-AWQ 是阿里云Qwen系列最新一代大语言模型，采用因果语言模型架构，经过预训练和后训练。模型参数量为14.8B，非嵌入参数为13.2B，包含40层，注意力头采用GQA机制（Q头40个，KV头8个）。上下文长度原生支持32,768 tokens，使用YaRN技术可扩展至131,072 tokens。该版本为AWQ 4-bit量化版本。 Qwen3-14B-AWQ 提供以下核心能力： 支持思考模式和非思考模式的无缝切换。思考模式适用于复杂逻辑推理、数学和编程

Qwen3-14B是通义千问系列最新一代大型语言模型，提供密集型和混合专家模型。该模型在推理、指令遵循、智能体能力和多语言支持方面实现了突破性进展。 主要用于自然语言对话和文本生成任务。模型支持两种工作模式：思考模式适用于复杂逻辑推理、数学和编程任务；非思考模式适用于高效的通用对话场景。支持超过100种语言和方言的处理。 模型支持在单一模型内无缝切换思考模式和非思考模式。推理能力显著提升，在数学、代码生成和常识逻辑推理方面超越前代模型。人类偏好对齐表现出色，擅长创意写作、角色

ERNIE-4.5-21B-A3B是一个文本MoE后训练模型，总参数21B，每个token激活参数3B。该模型用于文本理解和生成任务。 语言理解与生成：基于大规模语言模型优化，适用于通用语言理解和文本生成任务 高效推理：支持4-bit/2-bit无损量化推理，采用多专家并行协作方法和卷积码量化算法

Ornith-1.5 是一个通过端到端自改进构建的基础模型系列。该模型扩展了 Ornith-1.0，通过将自改进循环从脚手架和 rollout 优化扩展到联合优化任务生成、脚手架构建和解决方案 rollout。Ornith-1.5-35B-A3B 是该系列的中等规模混合专家成员，拥有约 350 亿参数，但每个 token 仅激活约 30 亿参数。 该模型在编码和智能体任务上表现优异。 编码能力：在 Terminal-Bench 2.1、SWE-bench Verified、S

Qwen3-Next-80B-A3B-Thinking是Qwen3-Next系列的首款模型，专注于提升推理能力，仅支持思考模式。 适用于需要复杂推理的任务，特别是数学、编程和高级推理场景。 混合注意力机制：结合Gated DeltaNet和Gated Attention，支持超长上下文建模