UltraBERT-Embed-150M
dmis-lab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 ↗DISCOVER & COMPARE
探索 AI 模型 84994
Decensored (abliterated) **Qwen3.6-35B-A3B**, the **balanced** operating point: refusals removed at the lowest damage to the model. Built with a fork of Heretic that searches against a **perplexity objective** instead of first-token KL — that is what makes this build cheaper than the previous release at the same or fewer refusals. Sibling: `-max-v2` is the more aggressive point (fewer refusals, more damage); it also loses more facts, so **balanced is the recommended build**. Method and figures: the study repo. The refusal direction is removed from every projection that writes to the residual stream — full and linear attention outputs, the 256 routed experts (fused), and the always-on shared expert. The multi-token-prediction layer is restored verbatim from the base model, so that branch is unmodified. All builds carry the full 1045 tensors.
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 ↗Qwen3.6-35B-A3B-Heretic-MOE-v3
DmitryDB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 ↗flan-t5-large-onnx-js-quantized
dmmagdal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 ↗comfyui-nsfw-model-pack
dmtryyy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 文本
价格待核验多模态与渠道费用须分别核对
查看详情 ↗gene_eng_gpt2_v0
dnagpt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 · 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 ↗DNA-VL-STEER-2B
dnotitia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 向量
价格待核验多模态与渠道费用须分别核对
查看详情 ↗Qwen3-0.6B
dnotitia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 ↗Qwen3-1.7B
dnotitia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 ↗brad
doberbober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 ↗msmarco-t5-base-v1
doc2query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 ↗msmarco-t5-small-v1
doc2query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 ↗CodeFormula
docling-project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 ↗CodeFormulaV2
docling-projectThe **Code Formula Model** processes an image of a code snippet or formula at 120 DPI and outputs its content. - **Code Snippets**: The model identifies the programming language and outputs the code repsecting the indendation shown in the given image. The output format will be: " \_> \ " Example: " System.out.println("Hello World.");" This model was trained using the following two datasets: 1. https://huggingface.co/datasets/ds4sd/SynthFormulaNet 2. https://huggingface.co/datasets/ds4sd/SynthCodeNet
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 ↗DeskForge-Gemma4-E4B
docling-project**DeskForge-Gemma4-E4B** is Gemma 4 E4B (instruction-tuned) fine-tuned on 200K grounding examples from DeskForge-1M. Given a desktop screenshot and a natural-language instruction, it answers with the next action as a `pyautogui` call whose coordinates are fractions of the screen. **Live demo** · **Project page** · **Dataset** · **Code** · **Paper** · Also available: DeskForge-Qwen3.5-4B **Grounding on DeskForge-1M held-out conditions** (accuracy, %). New Scenes are unseen scenes with seen attributes; Theme, App and Resolution hold an appearance preset, three applications and a display resolution out of training entirely.
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 ↗DeskForge-Qwen3.5-4B
docling-project**News — v1.1:** Updated fine-tuning with additional GUI workflows improves performance on all five external grounding benchmarks. The original paper checkpoint remains available at revision `v1.0`. **DeskForge-Qwen3.5-4B** is Qwen3.5-4B fine-tuned for desktop GUI grounding and next-action prediction using grounding and GUI-workflow supervision. Given a desktop screenshot and a natural-language instruction, it answers with the next action as a `pyautogui` call whose coordinates are fractions of the screen. **Live demo** · **Project page** · **Dataset** · **Code** · **Paper** · Also available: DeskForge-Gemma4-E4B
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 ↗docling-layout-egret-large
docling-project📄 For an in-depth description of the model architecture, training datasets, and evaluation methodology, please refer to our technical report: **"Advanced Layout Analysis Models for Docling"**, Nikolaos Livathinos *et al.*, 🔗 https://arxiv.org/abs/2509.11720
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 ↗docling-layout-egret-medium
docling-project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 ↗docling-layout-egret-xlarge
docling-project📄 For an in-depth description of the model architecture, training datasets, and evaluation methodology, please refer to our technical report: **"Advanced Layout Analysis Models for Docling"**, Nikolaos Livathinos *et al.*, 🔗 https://arxiv.org/abs/2509.11720
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 ↗docling-layout-heron
docling-project🚀 **`heron`** is the **default layout analysis model** of the Docling project, designed for robust and high-quality document layout understanding. 📄 For an in-depth description of the model architecture, training datasets, and evaluation methodology, please refer to our technical report: **"Advanced Layout Analysis Models for Docling"**, Nikolaos Livathinos *et al.*, 🔗 https://arxiv.org/abs/2509.11720
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 ↗docling-layout-heron-101
docling-project🚀 **`heron-101`** is a Document Layout Analysis Model used in the Docling project. 📄 For an in-depth description of the model architecture, training datasets, and evaluation methodology, please refer to our technical report: **"Advanced Layout Analysis Models for Docling"**, Nikolaos Livathinos *et al.*, 🔗 https://arxiv.org/abs/2509.11720
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 ↗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。