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

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

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

Qwen2.5-72B-Instruct 架构：transformers模型，采用RoPE、SwiGLU、RMSNorm和Attention QKV偏置 注意力头数量：64个Q头，8个KV头

Qwen3-14B-MLX-bf16 Qwen3-14B是通义千问系列第三代大语言模型，包含密集模型和混合专家模型。该模型适用于复杂逻辑推理、数学问题求解、代码生成、通用对话、创意写作、角色扮演、多轮对话等多种场景。 思考模式切换：支持在单一模型内无缝切换思考模式（用于复杂逻辑推理、数学和编码）和非思考模式（用于高效通用对话），可根据不同场景优化性能。

Qwen3-1.7B-MLX-bf16 Qwen3-1.7B是通义千问系列的大型语言模型，适用于复杂逻辑推理、数学、编码等需要思考能力的任务，以及高效的一般对话任务。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。 思考模式与非思考模式无缝切换：复杂逻辑推理、数学和编码任务使用思考模式；一般对话使用非思考模式以提高效率。

Qwen3是通义千问系列最新一代大型语言模型，提供密集模型和混合专家模型。模型基于大规模训练，在推理、指令遵循、智能体能力和多语言支持方面实现突破性进展。 注意力头数（GQA）：Q头16个，KV头8个 上下文长度：32,768 tokens

Qwen2.5-Math系列是数学专用大语言模型，主要支持通过思维链（CoT）和工具集成推理（TIR）解决中文和英文数学问题。该系列不推荐用于其他任务。 Qwen2.5-Math-72B支持两种推理模式： 思维链（CoT）：增强模型的推理能力，适用于数学推理任务

Qwen2.5-Coder-3B-Instruct Qwen2.5-Coder系列是专门用于代码任务的大语言模型。该指令微调版本适用于代码生成、代码推理和代码修复等任务，同时也可用于数学推理和通用对话场景。 支持上下文长度：32,768个token

Qwen2.5-Coder是Code-Specific Qwen大型语言模型系列的最新版本，前身为CodeQwen。该系列目前覆盖六个主流模型规格：0.5亿、1.5亿、3亿、7亿、14亿和32亿参数，以满足不同开发者的需求。 基于Qwen2.5的强大基础，训练语料扩展至5.5万亿token，涵盖源代码、文本代码关联、合成数据等。在代码生成、代码推理和代码修复方面有显著提升。 支持最长32,768个token的上下文长度。适用于代码补全、代码生成、代码修复等任务。

Qwen3-4B-SafeRL 是 Qwen3-4B 模型的安全对齐版本。该模型采用强化学习进行训练，利用 Qwen3Guard-Gen 提供的奖励信号来增强其对有害或对抗性提示的鲁棒性。这一过程旨在确保强大的安全保证，同时避免导致过度简单化或回避的拒绝行为，从而保持良好的用户体验。 该模型通过混合奖励函数进行训练，联合优化三个关键目标： 安全最大化：对生成不安全内容的行为进行惩罚，由 Qwen3Guard-Gen-4B 检测。

Qwen2.5-Coder是面向代码场景的Qwen大语言模型系列最新版本。该系列目前覆盖0.5B、1.5B、3B、7B、14B、32B六种主流参数规模，以满足不同开发者的需求。 数学与通用能力：保持数学推理和通用语言理解能力 长上下文支持：最高支持128K tokens上下文长度

Qwen2.5-Coder-0.5B Qwen2.5-Coder是专用于代码的Qwen大型语言模型系列。该系列涵盖0.5B、1.5B、3B、7B、14B、32B六种主流参数规模。 代码生成、代码推理、代码修复能力显著提升。基于Qwen2.5，训练语料扩展至5.5万亿token，包含源代码、文本代码对齐、合成数据等。在数学和通用能力方面也保持优势。

数学大语言模型，主要用于解决中英文数学问题。 支持通过思维链（CoT）和工具集成推理（TIR）两种方式解决数学问题。相比仅支持CoT解决英文数学问题的Qwen2-Math系列，Qwen2.5-Math系列扩展支持使用CoT和TIR解决中英文数学问题。TIR能够进一步提升模型在精确计算、符号操作和算法操作方面的能力。Qwen2.5-Math-1.5B-Instruct在MATH基准测试中使用TIR达到79.7分。 需要transformers>=4.37.0版本，建议使用最新版

Qwen2.5-Math是阿里云Qwen团队于2024年9月开源的数学大模型系列，包含基础模型和指令微调模型。本模型是该系列的1.5B参数指令微调版本。 主要用于解决数学问题，特别适用于英文和中文数学题目的求解。 支持两种推理方式：思维链（CoT）和工具集成推理（TIR）。相比仅支持CoT的Qwen2-Math系列，Qwen2.5-Math扩展支持使用TIR解决中英文数学问题，在数学基准测试中取得显著性能提升。使用TIR推理时，在MATH基准测试中达到79.7分。

2024年8月，阿里云发布了Qwen2-Math系列数学大模型。2024年9月，升级推出Qwen2.5-Math系列开源模型，包含基础模型Qwen2.5-Math-1.5B/7B/72B、指令微调模型Qwen2.5-Math-1.5B/7B/72B-Instruct以及数学奖励模型Qwen2.5-Math-RM-72B。 专注于解决数学问题，主要用于解答英文和中文数学题目。 相比仅支持思维链（CoT）解答英文数学问题的Qwen2-Math系列，Qwen2.5-Math系列同时

Qwen2.5-Coder是专用于代码处理的大型语言模型系列，支持代码生成、代码推理和代码修复任务。该模型适用于Code Agents等实际应用场景，也可用于数学推理和通用语言任务。 代码生成：基于5.5万亿训练tokens进行训练，包括源代码、文本代码对齐和合成数据，能够生成高质量代码。 代码推理：具备强大的代码理解和推理能力，能够分析代码逻辑并提供解决方案。