bart-small
lucadiliello`bart-small` is a lighter version of `bart-base` with less attention heads, smaller FFT and smaller hidden-size.
译文排队中 · 当前显示来源原文
输入 待核验→ 输出 待核验
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 85003
BLEURT-20
lucadilielloTake a look at this repository for the definition of `BleurtConfig`, `BleurtForSequenceClassification` and `BleurtTokenizer` in PyTorch.
译文排队中 · 当前显示来源原文
输入 文本→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗BLEURT-20-D12
lucadilielloTake a look at this repository for the definition of `BleurtConfig`, `BleurtForSequenceClassification` and `BleurtTokenizer` in PyTorch.
译文排队中 · 当前显示来源原文
输入 文本→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗FinBERT-PT-BR
lucas-lemeFinBERT-PT-BR is a pre-trained NLP model to analyze sentiment of Brazilian Portuguese financial texts. The model was trained in two main stages: language modeling and sentiment modeling. In the first stage, a language model was trained with more than 1.4 million texts of financial news in Portuguese. From this first training, it was possible to build a sentiment classifier with few labeled texts (500) that presented a satisfactory convergence. At the end of the work, a comparative analysis with other models and the possible applications of the developed model are presented. In the comparative analysis, it was possible to observe that the developed model presented better results than the current models in the state of the art. Among the applications, it was demonstrated that the model can be used to build sentiment indices, investment strategies and macroeconomic data analysis, such as inflation.
译文排队中 · 当前显示来源原文
输入 文本→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗Meta-Llama-3.1-8B-Instruct
LucasInsight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 待核验→ 输出 待核验
价格待核验多模态与渠道费用须分别核对
查看详情 ↗FUDOKI
LucasJinWang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 待核验→ 输出 待核验
价格待核验多模态与渠道费用须分别核对
查看详情 ↗Razo-piper-voice
Lucasllfs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 音频
价格待核验多模态与渠道费用须分别核对
查看详情 ↗vocos-mel-24khz
lucasnewman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 待核验→ 输出 待核验
价格待核验多模态与渠道费用须分别核对
查看详情 ↗vocos-mel-24khz-mlx
lucasnewman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 待核验→ 输出 待核验
价格待核验多模态与渠道费用须分别核对
查看详情 ↗deepseek_mtp_draft_random
luccafong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 待核验→ 输出 待核验
价格待核验多模态与渠道费用须分别核对
查看详情 ↗deepseek_mtp_main_random
luccafong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 待核验→ 输出 待核验
价格待核验多模态与渠道费用须分别核对
查看详情 ↗Lucebox builds of DeepSeek's October 17 update of V4.1 Flash (`deepseek-ai/DeepSeek-V4.1-Flash-1017`, revision `1bae0e10`) for the Lucebox DS4.1 engine (AMD Radeon AI PRO R9700 + Ryzen AI Max). Routed experts in the engine's ROCMFP block formats; attention, shared experts and head in Q8_0; both Engram tables embedded, read in place. Same recipes and the same quality harness as our September V4.1 Flash files, re-measured against the 1017 model. For reference, the September files scored KL 0.266 (ROCMFP2S), 0.246 (MIX10) and 0.204 (fp2s with fp3 down everywhere) against the September model (teacher ppl 8.45) on the same tokens. **Which one:** ROCMFP2S is what the 128 GB Lucebox installs (the hottest experts on the R9700, the rest on the Ryzen AI Max and the SSD). MIX10 is the better file where it fits resident (192 GB boards). ROCMFP23S is the best quality of the three, for two-box setups and boards with room for 179 GiB of experts. The `-IM1017` files are the same recipes calibrated on the 1017 weights; prefer them (Lucebox Manage installs `ROCMFP2S-IM1017`).
译文排队中 · 当前显示来源原文
输入 待核验→ 输出 待核验
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 待核验→ 输出 待核验
价格待核验多模态与渠道费用须分别核对
查看详情 ↗Lucebox builds of DeepSeek V4.1 Flash for the Lucebox DS4.1 engine (AMD R9700 + Strix Halo). Routed experts in the engine's ROCMFP block formats; attention, shared experts and head in Q8_0; both Engram tables embedded. Calibrated with the published 262,144-token imatrix (`smalinin/DeepSeek-V4.1-Flash-GGUF`, converted in `imatrix/`). Formats: `Q2_0_ROCMFP2` (ggml type 107, 10 bytes per 32 weights, 2.5 bits, codebook {-1, 0, 1, 2} x a ue4m3 scale per 16 weights), `Q3_0_ROCMFPX` (type 104, 14 bytes per 32, 3.5 bits). **fp2s** files use type 107 with bit 7 of a half-block's scale byte meaning "mirror the codebook"; a reader that ignores that bit produces garbage, so use an engine build that honors it. KL is measured on 8,184 held-out fineweb-edu tokens against the unquantized model through the same reference forward pass (`eval/` holds the teacher log-probs and the tokens). Recipe, converter patches and harness: Lucebox repo, `lucebox_training/quantization`. `DeepSeek-V4.1-Flash-mmproj-BF16.gguf` (0.90 GiB): this checkpoint's vision encoder (32-layer ViT and the aligner into the 5120-wide model), its 266 tensors copied byte for byte in BF16 by the engine's `server/tools/export_ds4v_mmproj.py`, with the checkpoint revision recorded (sha256 in `vision/`). Pass it with `--mmproj` to an engine build with V4.1 image input, next to these September files only: the October 17 checkpoint retrained its encoder and ships its own in `Lucebox/DeepSeek-V4.1-Flash-1017-ROCMFP-GGUF`. The engine refuses an encoder from another checkpoint than the target's.
译文排队中 · 当前显示来源原文
输入 待核验→ 输出 待核验
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 待核验→ 输出 待核验
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 待核验→ 输出 待核验
价格待核验多模态与渠道费用须分别核对
查看详情 ↗Qwen3.8-27B-DFlash2-GGUF
Lucebox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 待核验→ 输出 待核验
价格待核验多模态与渠道费用须分别核对
查看详情 ↗Qwen3.8-27B-IQ4_XS-fast-GGUF
Lucebox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 · 图像→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗FuzzyHazel
Lucetepolis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。
基础资料已收录 · 缺失资料后续补充
输入 文本→ 输出 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗flushnet-local-llama-3.1-8b-q4km-layers
LucianoM39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 待核验→ 输出 待核验
价格待核验多模态与渠道费用须分别核对
查看详情 ↗boto-7B-GGUF
lucianosb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 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗boto-9B-GGUF
lucianosb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 待核验→ 输出 待核验
价格待核验多模态与渠道费用须分别核对
查看详情 ↗canarim-7B-GGUF
lucianosb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 文本
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。