从语言到影像，从开源到 API。读懂模型能力、比较真实成本，
为你的下一个想法，找到合适的智能引擎。
This repository uses the weights from the original DeepSeek-OCR 2 and modifies model to support inference on different devices such as CPU and MPS (Apple Metal GPU). By default runs on CPU. For CUDA, you should also use `bfloat16` to get as close as possible to the original implementation.
译文排队中 · 当前显示来源原文
**⚠️ Runs on `ds4` / DwarfStar only — NOT llama.cpp · Ollama · LM Studio · vLLM.** *(Ignore Hugging Face's generic "Use this model" panel — those runtimes fail with `unknown architecture 'glm5next'`.)* An **imatrix-calibrated ~2-bit GGUF** of the *uncensored* GLM-5.3-Flash, built for the **`ds4` / DwarfStar** engine. It runs **resident** on a single 128 GB Mac, keeps the model's **native MTP** speculative-decoding block, and is calibrated with a 1.5M-token importance matrix — not a plain RTN quant. The official uncensored weights ship for **data-center GPUs** (FP8 / NVFP4); a consumer GGUF (Q2_K) also exists, but it runs only on a draft-PR llama.cpp build and drops MTP. This build is the one that runs on **ds4 / Metal today** — resident, with MTP and imatrix calibration:
译文排队中 · 当前显示来源原文
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
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
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
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
GGUF quants of Qwen/Qwen-Image-2.1-Turbo, the 8-step distilled Qwen-Image-2.1 (7B DiT). Converted with stable-diffusion.cpp from the official diffusers weights on release day. Every quant is tested on a single RTX 3060 12GB. These are made for **stable-diffusion.cpp** (`sd-cli`, `sd-server`, and anything built on it, like llama-swap). They are not ComfyUI-GGUF files. Using ComfyUI? See the section at the bottom. `Q4_K_S` and `Q3_K_S` are uniform k-quants (every quantized tensor is Q4_K or Q3_K). `qwen-image-2.1-turbo-Q4_K.gguf` and `qwen-image-2.1-turbo-Q3_K.gguf` are the exact same files under their old names, kept so existing links keep working.
译文排队中 · 当前显示来源原文
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
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
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
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
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
This is a compressed version of danielchalef/Qwen3-Reranker-4B-seq-cls-vllm-fixed using llm-compressor with the following scheme: W4A16 ``python3 -m vllm.entrypoints.openai.api_server --model 'dolfsai/Qwen3-Reranker-4B-seq-cls-vllm-W4A16' --task classify``
译文排队中 · 当前显示来源原文
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
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
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
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
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
**ner-legal-bert-base-cased-ptbr** is a NER model (token classification) in the legal domain in Portuguese that was finetuned from the model dominguesm/legal-bert-base-cased-ptbr by using a NER objective. The model is intended to assist NLP research in the legal field, computer law and legal technology applications. Several legal texts in Portuguese (more information below) were used with the following labels: The labels were inspired by the LeNER_br dataset.
译文排队中 · 当前显示来源原文
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
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。
可以调整厂商、分类或输入输出条件；新模型正持续收录。
调整月度 Token 用量，直观比较不同模型的预估 API 开支。
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。
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。
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。
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。
