This Q5'd model is now redundant - a fix was committed to the PR and it loads the Q6 models unconverted. A conversion of **mudler's Qwen3.6-35B-A3B-APEX-MTP** ("I-Quality", 23.5 GB) that runs on the **Strata** inference engine with PR #1402 (`qwen35moe` support). The model, its weights lineage and its in-file MTP draft layer are mudler's and Qwen's — this repo only changes the quantization of 27 tensors so the routed experts fit Strata's GPU kernels. **It is also a perfectly standard GGUF: llama.cpp and friends run it unchanged.** The APEX "I-Quality" ladder mixes routed-expert quantization per layer: 21 layers IQ4_XS, 10 layers Q5_K, **9 layers Q6_K**. Strata's engine (PR #1402) has GPU expert kernels for Q4_K / Q5_K / Q5_1 / Q8_0 / IQ2-4 families — but **not Q6_K experts** — so the original file is refused at load ("layer N's experts are Q6_K/Q6_K ... no GPU kernels for").

译文排队中 · 当前显示来源原文

分类待补充

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 ↗

加入对比来源 / 文档 ↗

Codestral-22B-v0.1

Mistral AI

> [!TIP] > PRs to correct the `transformers` tokenizer so that it gives 1-to-1 the same results as the `mistral_common` reference implementation are very welcome! Codestral-22B-v0.1 is trained on a diverse dataset of 80+ programming languages, including the most popular ones, such as Python, Java, C, C++, JavaScript, and Bash (more details in the Blogpost). The model can be queried: - As instruct, for instance to answer any questions about a code snippet (write documentation, explain, factorize) or to generate code following specific indications - As Fill in the Middle (FIM), to predict the middle tokens between a prefix and a suffix (very useful for software development add-ons like in VS Code) After installing `mistral_inference`, a `mistral-chat` CLI command should be available in your environment.

译文排队中 · 当前显示来源原文

分类待补充

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 ↗

加入对比来源 / 文档 ↗

Codestral 2508

Mistral AI

Mistral's cutting-edge language model for coding released end of July 2025. Codestral specializes in low-latency, high-frequency tasks such as fill-in-the-middle (FIM), code correction and test generation. Blog Post

译文排队中 · 当前显示来源原文

代码生成

输入文本 · 文件→ 输出文本

$0.3 / M 输入 TokenOpenRouter · mistralai/codestral-2508

查看详情 ↗

加入对比来源 / 文档 ↗

Devstral 2

Mistral 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

文本生成

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 ↗

加入对比来源 / 文档 ↗

Devstral 2 2512

Mistral AI

Devstral 2 is a state-of-the-art open-source model by Mistral AI specializing in agentic coding. It is a 123B-parameter dense transformer model supporting a 256K context window. Devstral 2 supports exploring...

译文排队中 · 当前显示来源原文

文本生成开放权重

输入文本 · 文件→ 输出文本

$0.4 / M 输入 TokenOpenRouter · mistralai/devstral-2512

查看详情 ↗

加入对比来源 / 文档 ↗

Devstral Medium

Mistral 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

文本生成

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 ↗

加入对比来源 / 文档 ↗

COST EXPLORER

好模型，也要算好成本。

费用分析

调整月度 Token 用量，直观比较不同模型的预估 API 开支。

每月输入 Token 10 M每月输出 Token 2 M1 M = 100 万 Token · 美元计价
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

选型与常见问题

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。

找到适合你的 AI 模型。

探索 AI 模型 85003

noobaiXLNAIXL_vPred10Version

ntrMIXIllustriousXL_xiii

obsessionIllustrious_v30

obsessionIllustrious_vPredV20

oneObsession_v22

plantMilkModelSuite_walnut

RealVisXL_V5.0_fp16

waiMatureIllustrious_v20

waiNSFWIllustrious_v130

zavychromaxl_v100

zavychromaxl_v80

local-shuffle-w3-gpt2

MiniMax-H3

mist-26.9M-48kpooqf-odour

mist-28M-ti624ev1

financial-assistant-GGUF

Qwen3.5-4B-GGUF

Huihui-Qwen3-8B-abliterated-v2

Qwen3.6-35B-A3B-APEX-MTP-Strata-Q5EXPS-GGUF

Codestral-22B-v0.1

Codestral 2508

Devstral 2

Devstral 2 2512

Devstral Medium

暂未找到匹配模型

好模型，也要算好成本。

读懂模型，再做选择

资讯看趋势，工具提效率，模型筑可能。