基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 文本→ 输出 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗DISCOVER & COMPARE
探索 AI 模型 2537
基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
输入 文本→ 输出 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗Dungeons-and-Diffusion
0xJustin基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 文本→ 输出 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗Qwen-Image-2.1-Uncensored-GGUF
0xSojalSecGGUF quantizations of Qwen/Qwen-Image-2.1 for local image generation using the original upstream base weights. Use the model with ComfyUI and ComfyUI-GGUF. These GGUF files contain the Qwen-Image-2.1 image transformer; the original text encoder and VAE are also required for inference.
译文排队中 · 当前显示来源原文
输入 文本→ 输出 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗Qwen-Image-2.1-Uncensored-HF
0xSojalSec> [!IMPORTANT] > The uncensored GGUFs are now available! > If you encounter any issues or would like to share your generated images, feel free to post them in the Community section. GGUF quantizations of Qwen/Qwen-Image-2.1 for local image generation using the original upstream base weights. All required companion files (GGUF transformer, text encoder, and VAE) are hosted directly in this repository.
译文排队中 · 当前显示来源原文
输入 文本→ 输出 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗Qwen-Image-2.1-viggle-turbo-5x
0xSojalSec基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 文本→ 输出 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
输入 文本→ 输出 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗penflux
2ch基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
输入 文本→ 输出 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
输入 文本→ 输出 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗AstolfoMix
6DammK9基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
输入 文本→ 输出 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗AstolfoMix-XL
6DammK9基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 文本→ 输出 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗bpmodel-sd14-merge
6DammK9基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 文本→ 输出 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗RealVisXL_V5.0
a1471328262基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 文本→ 输出 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗Qwen-Image-2.1-LoRAs
A20labs基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 文本→ 输出 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 文本→ 输出 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗FLUX.1-dev-ControlNet-Union-Pro-2.0-fp8
ABDALLALSWAITIThis repository contains an FP8 quantized version of the Shakker-Labs/FLUX.1-dev-ControlNet-Union-Pro-2.0 model. **This is NOT a fine-tuned model** but a direct quantization of the original BFloat16 model to FP8 format for optimized inference performance. We provide an online demo. This model has been quantized from the original BFloat16 format to FP8 format using PyTorch's native FP8 support. Here are the specifics: The benefits of FP8 quantization include: - **Reduced Memory Usage**: Approximately 50% smaller model size compared to BFloat16/FP16 - **Faster Inference**: Potential speed improvements, especially on hardware with FP8 support - **Minimal Quality Loss**: Carefully calibrated quantization process to preserve output quality
译文排队中 · 当前显示来源原文
输入 文本→ 输出 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗Qwen-Image-2.1-Turbo-Quantized
abenzerpsGGUF, Safetensors, and MLX quantized formats of Qwen/Qwen-Image-2.1-Turbo for local image generation using the official turbo base weights. **Q4_K_M** is recommended for the best balance of size and quality for GGUF. **INT8 ConvRot** and **NVFP4** offer high performance on supported GPUs, while **MLX** formats are optimized for Apple Silicon. All required companion files (GGUF transformer, text encoder, and VAE) are hosted directly in this repository.
译文排队中 · 当前显示来源原文
输入 文本→ 输出 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗Qwen-Image-2.1-Uncensored-Quantized
abenzerpsGGUF, Safetensors, and MLX quantized formats of Qwen/Qwen-Image-2.1 for local image generation using the original upstream base weights. **Q4_K_M** is recommended for the best balance of size and quality for GGUF. **INT8 ConvRot** and **NVFP4** offer high performance on supported GPUs, while **MLX** formats are optimized for Apple Silicon. Use the model with ComfyUI and ComfyUI-GGUF.
译文排队中 · 当前显示来源原文
输入 文本→ 输出 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗fy
Abhijnyabhat基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 文本→ 输出 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 文本→ 输出 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗Anima-base-v1.0-GGUF
AbirayThis repository contains GGUF weights for Anima-base-v1.0, a 2B parameter diffusion model based on the **NVIDIA Cosmos** architecture. These weights have been quantized using a specialized pipeline to ensure maximum compatibility and image quality on consumer hardware. To ensure the highest possible quality and avoid the "BF16 noise bug" common in diffusion quantization, the following steps were taken: 1. **FP32 Casting:** The original BF16 `safetensors` were cast to `FP32` before conversion. 2. **Architecture Patching:** Used a patched version of `llama.cpp` (based on build `b3962`) with the `city96` diffusion patch to support the `cosmos` architecture. 3. **Precision Preservation:** Sensitive layers (normalizations and biases) were kept in `F32` to prevent color banding and generation artifacts.
译文排队中 · 当前显示来源原文
输入 文本→ 输出 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗Anima-turbo-v1.0-GGUF
Abiray基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。
基础资料已收录 · 缺失资料后续补充
输入 文本→ 输出 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗GGUF quantizations of Black Forest Labs' FLUX 3 Image Klein (16-step distilled checkpoint) for use with ComfyUI-GGUF. A pre-configured Text-to-Image (T2I) workflow is included in this repository: * **Download Workflow:** image_flux3_klein_distilled_t2i_GGUF.json A pre-configured Image-edit (I2I) workflow is included in this repository: * **Download Workflow:** image_flux3_klein_distilled_image_edit_GGUF.json
译文排队中 · 当前显示来源原文
输入 文本→ 输出 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗Krea-2-Turbo-GGUF
AbirayThis repository contains GGUF format quantizations of **Krea 2 Turbo**, a state-of-the-art 12-billion parameter Diffusion Transformer (DiT) text-to-image model developed by Krea.ai. GGUF weights allow for efficient, low-memory inference across consumer hardware, CPUs, and Apple Silicon. You can run these GGUF text-to-image files directly using compatible implementations such as `stable-diffusion.cpp`.
译文排队中 · 当前显示来源原文
输入 文本→ 输出 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗暂未找到匹配模型
可以调整厂商、分类或输入输出条件；新模型正持续收录。
COST EXPLORER
好模型，也要算好成本。
调整月度 Token 用量，直观比较不同模型的预估 API 开支。
1 M = 100 万 Token · 美元计价
仅比较同一渠道的基础文本 Token 报价
仅比较同一渠道的基础文本 Token 报价
使用已采集且单位可比的 USD / 百万 Token 渠道报价。报价为采集时快照；不计缓存优惠、阶梯价、推理额外输出与税费，请以来源的当前报价为准。
MODEL HANDBOOK
读懂模型，再做选择
API 价格应该怎么比较？+
先区分输入、输出和缓存价格，再使用同一任务和用量估算总费用。图像、音频和视频可能按张、时长或分辨率计费，不能直接与 Token 单价比较。
开放权重，就代表可以免费商用吗？+
不一定。必须逐一核对具体模型版本的许可证、商用限制及使用政策。自己部署还需要考虑显存、推理资源和运维费用。
排行榜第一，就是最适合我的模型吗？+
榜单取决于测试任务、版本与评测方法。建议用实际业务样本比较准确性、时延、稳定性和成本，再选择模型。