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 ↗DISCOVER & COMPARE
探索 AI 模型 84838
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 ↗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 ↗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 ↗Gemory-26B-A4B-GGUF
AbirayGemory-26B-A4B is a 26-billion parameter Mixture of Experts (MoE) model built on the Gemma architecture foundation, fine-tuned for high-fidelity creative writing, unrestricted roleplay, and complex multi-turn conversational depth. All quantizations were generated directly from the uncompressed 50.5 GB `BF16` base model and sanity-tested for generation integrity. **Command-Line Inference (`llama-cli`):** ```bash ./llama-cli \ -hf Abiray/Gemory-26B-A4B-GGUF:Q4_K_M \ -p "Write an opening scene set in a rain-soaked neon alleyway." \ -n 512 \ --temp 0.7
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 ↗harrier-oss-v1-27b-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。
输入 文本→ 输出 向量
价格待核验多模态与渠道费用须分别核对
查看详情 ↗This repository contains static GGUF quantizations of **Hemmingway-1-heretic**, created by applying the arelath/Hemmingway-1-heretic-adapter to Altworld/Hemmingway-1 (a 27B model built on Qwen3.8-27B) and quantizing for local inference with `llama.cpp`. Hemmingway-1 is tuned specifically to write like a real person—skipping preambles, lecture notes, and corporate filler. This **heretic** version decensors the weights via targeted representation abliteration using Heretic v2.0.0, reducing refusals to near-zero while preserving high-EQ conversational voice. **License:** Governed by the original model's license terms: CC BY-NC 4.0 (Free for personal and non-commercial research use; commercial usage requires agreement with Altworld).
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 ↗We provide a spectrum of quantizations to suit different hardware capabilities. If you are unsure which to choose, **Q4_K_M** is the recommended standard for the best balance of speed, size, and reasoning retention. These GGUF files are fully compatible with popular local AI software, including: * **LM Studio** * **Ollama** * **Jan** * **text-generation-webui (Oobabooga)** * **llama.cpp** Qwen models strictly use the ChatML format for prompting. Your system prompt and user inputs must be wrapped exactly like this:
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 ↗This repository provides GGUF format quantizations for the huihui-ai/Huihui-Qwen3.6-35B-A3B-abliterated model. Because this model has been fully "abliterated" to bypass alignment and safety refusals, it acts as a highly capable engine for unrestricted creative writing, dynamic storytelling, and immersive roleplay scenarios. These models are designed to be run directly via `llama.cpp`. The following commands are standard for local Linux environments (such as Linux Mint or Ubuntu).
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 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 ↗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 ↗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 ↗Lance_3B_Video-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 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 ↗The base model, LiquidAI/LFM2.5-2.6B, is a highly efficient 2.69 billion parameter model built specifically for on-device agentic workflows, multi-step instruction following, and tool calling. This specific iteration has been **abliterated (uncensored)** to remove safety refusals and guardrails, allowing the model to act as a fully compliant, unrestricted local agent while preserving the core intelligence, tool-calling capabilities, and the massive 128K context window of the original model. The abliteration process targets the refusal directions within the model's residual stream. By neutralizing these vectors, the model's tendency to reject controversial, explicit, or hypothetical prompts is heavily suppressed without lobotomizing its reasoning capabilities.
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 ↗This repository contains the **LTX-Video 2.3 (v1.1)** Distilled weights, quantized to **GGUF** format. GGUF offers highly efficient inference and excellent memory scaling, allowing you to run this heavy 22B parameter model on consumer hardware by splitting the workload between your GPU (VRAM) and CPU (System RAM). To use these GGUF files in **ComfyUI**, you will need a custom node suite that supports loading GGUF models (such as `ComfyUI-GGUF`).
译文排队中 · 当前显示来源原文
输入 文本→ 输出 视频
价格待核验多模态与渠道费用须分别核对
查看详情 ↗LTX-2.5-Distilled-GGUF
AbirayThis repository provides quantized GGUF formats of the distilled transformer from Lightricks/LTX-2.5. These weights are highly optimized for local execution, allowing you to run high-fidelity video and audio generation workflows on hardware with memory constraints while retaining the core visual fidelity of the original base model. LTX-2.5 operates on a split-component architecture. To run these GGUF diffusion models in environments like ComfyUI or local Python pipelines, you must also fetch the official Text Encoders and VAEs directly from the upstream Lightricks/LTX-2.5 repository. Download these from the `text_encoders` directory:
译文排队中 · 当前显示来源原文
输入 文本→ 输出 视频
价格待核验多模态与渠道费用须分别核对
查看详情 ↗LTX2.3-10Eros-1.3-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。
输入 图像→ 输出 视频
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 图像→ 输出 视频
价格待核验多模态与渠道费用须分别核对
查看详情 ↗LTX2.3-10Eros-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。
输入 图像→ 输出 视频
价格待核验多模态与渠道费用须分别核对
查看详情 ↗This repository provides quantized **GGUF** checkpoints for **MiniCPM-V 4.7 1B**, based on the refusal-abliterated weights created via **Heretic v1.4.0**. MiniCPM-V 4.7 1B is an ultra-efficient on-device multimodal large language model (MLLM) developed by OpenBMB. This version has been neutralized against standard refusal directions while retaining full multimodal vision and reasoning capabilities. The ablation was performed using **Heretic v1.4.0** to eliminate refusal bias while keeping Kullback–Leibler (KL) divergence near reference baseline:
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 ↗MiniCPM5-1B-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 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。