parakeet-tdt-0.6b-v3
aoiandroid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 ↗DISCOVER & COMPARE
探索 AI 模型 84979
translategemma-4b-it-GGUF
aoiandroid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。
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 ↗T-lite-it-1.0-Q4_K_M-GGUF
aovchinnikov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 ↗search_slm_demo
aozalevsky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 ↗eds-pseudo-public
AP-HP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 文本
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 ↗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 ↗ds4-kolibri-1-gguf
aparusel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 ↗Qwythos-9B-Claude-Mythos-5-1M-GGUF
ApertureQA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 ↗DeepSeek-V4.1-Flash-1017-Abliterated-MLX
apetersson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 ↗DeepSeek-V4.1-Flash-MixedQ2-GGUF
apeterssonRouted-expert requantisation of `deepseek-ai/DeepSeek-V4.1-Flash` revision `2bc89ac599031fa673cab993f1df02fc4a98c673`, produced on a 32-vCPU Runpod CPU pod with the pinned llama.cpp ggml reference quantisers (PR `ggml-org/llama.cpp#28696` head `cd628010bc3fc0a787d156c969d52a0789451c96`). Tensor names follow that PR's `deepseek4` table. This is a **weights artifact**. No runtime has yet been shown to execute it end to end; the "Runtime status" and "Smoke-test findings" sections say exactly what has been measured on which hardware, and what is still blocked. `SHA256SUMS` covers the five shards. The pack is deterministic: two independent runs produced byte-identical shard digests.
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 ↗> **Experimental low-bit model-surgery derivative.** This release is designed > to run DeepSeek-V4-Flash-0731 with its real three-stage DSpark drafter on a > 128 GB Apple Silicon machine. Structural validation has passed, but direct > generation, quality, refusal-removal, DSpark-acceptance, throughput and peak > memory measurements for this exact artifact are still pending. This is a DS4-native mixed-precision GGUF conversion of `apetersson/DeepSeek-V4-Flash-0731-Abliterated-FP8`, which is itself a rank-1 abliterated derivative of `deepseek-ai/DeepSeek-V4-Flash-0731`. It remains a derivative of the official post-trained 0731 model: it is not a base model, was not gradient-finetuned, and is not claimed to be universally "uncensored." The two GGUF files total approximately 86.34 GiB. The profile deliberately spends precision on dense paths used for every token while aggressively compressing the much larger routed-expert bank, leaving practical unified- memory headroom for DS4 runtime state and KV cache on a 128 GB host.
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 ↗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 ↗DeepSeek-V4-Flash-0731-Abliterated-FP8
apetersson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 ↗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 ↗DeepSeek-V4-Flash-Vision-Exp-Abliterated
apetersson> [!WARNING] > Experimental research release. Text and focused image smoke tests pass, but > broader quality, safety, and production-runtime evaluation remains pending. This catalog contains the native abliterated checkpoint and two DS4 GGUF profiles. Both GGUF receivers use tensor types accepted by `antirez/ds4` main; neither requires the legacy Python vision sidecar for current native vision. `Basic128-Routed-IQ2_M` uses the closest familiar BPW class for the complete bundle: 2.915 BPW overall, close to llama.cpp's documented 2.9294 BPW for IQ2_M. The routed-expert subset averages 2.715 BPW, close to IQ2_S. This is a custom mixed recipe rather than llama.cpp's exact IQ2_M preset: routed gate/up tensors use IQ2_XXS, routed down tensors use Q2_K, ten routed layers retain MXFP4, and non-routed tensors include F32, F16, and Q8_0. See the llama.cpp quantization table for the reference BPW classes.
译文排队中 · 当前显示来源原文
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 ↗Qwen3.8-Flash-Next-Abliterated
apetersson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 · 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 ↗Qwen3.8-Flash-Next-Abliterated-Adapter
apetersson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 ↗Qwen3.8-Flash-Next-GGUF
apetersson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 · 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 ↗Apex-35B-V1.0
Apexintelligence-AI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 ↗vjepa2.1-vit-base-384
apiantonio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 视频→ 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 ↗vjepa2.1-vit-large-384
apiantonioA HuggingFace-format conversion of Meta AI's **V-JEPA 2.1 ViT-L/16** video encoder and predictor, operating at 384x384 resolution. The weights are Meta's, copied without modification. This repository provides the `transformers`-compatible packaging plus a documented numerical validation against the original implementation. An equivalent community port already exists (`Dev-Jahn/vjepa2.1-vitl-fpc64-384`). This repository adds an independently reproduced conversion together with the validation results below. Forward outputs match the existing port to all reported digits.
译文排队中 · 当前显示来源原文
输入 视频→ 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 ↗G4-31B-Style-r1-c90-gguf
ApocalypseParty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 ↗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。