Cyber-Prime-1-2.6B
Akahsizrr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 ↗DISCOVER & COMPARE
探索 AI 模型 84853
fuse-1-Lite-GGUF
Akahsizrr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 ↗Text-to-Image
Akalabeth12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 ↗Flourish-3M
akanemind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 ↗ddpm-cifar10-32-dot.in.name
akasharidas*We present high quality image synthesis results using diffusion probabilistic models, a class of latent variable models inspired by considerations from nonequilibrium thermodynamics. Our best results are obtained by training on a weighted variational bound designed according to a novel connection between diffusion probabilistic models and denoising score matching with Langevin dynamics, and our models naturally admit a progressive lossy decompression scheme that can be interpreted as a generalization of autoregressive decoding. On the unconditional CIFAR10 dataset, we obtain an Inception score of 9.46 and a state-of-the-art FID score of 3.17. On 256x256 LSUN, we obtain sample quality similar to ProgressiveGAN.* for inference. Note that while the *ddpm* scheduler yields the highest quality, it also takes the longest. For a good trade-off between quality and inference speed you might want to consider the *ddim* or *pndm* schedulers instead.
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 ↗Hausa_xlsr
Akashpb13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 音频→ 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 ↗MiniMax-H3-Character-Swap-LoRA
akatz-ai**V1.5 is the recommended checkpoint for new character swaps.** It replaces a selected person in a source performance with a character from an image reference. - **Download V1.5** — recommended, strength 1.0. - **Download V1** — retained for existing workflows and reproducible comparisons. Install H3 Relay 2.0 and follow the workflow guide for models, runtime and input paths.
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 ↗MiniMax-H3-Person-Remover-LoRA
akatz-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。
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 ↗Qwen3.5-2B-Uncensored-Zero-Refusal-SOMA
AkaumiKaedeLarge-scale extreme, hardcore prompt tests were conducted, with no soft refusals or hard refusals appearing in any case. (Special note: There are numerous misleading "uncensored" or "low-refusal" models on HF. Although these models claim to be fully decensored or to have extremely low refusal rates, testing them with slightly more hardcore prompts will cause the model to produce refusals or soft censorship — specifically manifested as moral/legal statements/warnings, or answers that dodge the topic/intentionally steer the conversation toward compliance/NSFW content with erotic details censored.) This decensoring experiment did **not** use publicly available garbage prompt sets. Instead, it used a **completely original prompt set** covering fields such as extensive R18 (adult/NSFW), anti-human, real crimes, unethical/illegal content, etc. Through **extensive experiments**, it can be said that SRA, RDO, and other decensoring methods are all trash in terms of decensoring power. The strongest method is still **SOM**.
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 ↗qwen2.5-3b-instruct-motion
akcit-motion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 ↗qwen2.5-7b-instruct-motion
akcit-motion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 ↗bert-base-turkish-cased-ner
akdeniz27This model is the fine-tuned model of "dbmdz/bert-base-turkish-cased" using a reviewed version of well known Turkish NER dataset (https://github.com/stefan-it/turkish-bert/files/4558187/nerdata.txt). Pls refer "https://huggingface.co/transformers/_modules/transformers/pipelines/token_classification.html" for entity grouping with aggregation_strategy parameter. * accuracy: 0.9933935699477056 * f1: 0.9592969472710453 * precision: 0.9543530277931161 * recall: 0.9642923563325274
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 ↗bert-base-turkish-cased-ner-lora
akdeniz27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 ↗mbert-base-albanian-cased-ner
akdeniz27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 ↗roberta-base-cuad
akdeniz27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 ↗Llama3.2.1B.0.1-H
akhadangi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 ↗drama-3-int4
akhaliq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 音频
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。
基础资料已收录 · 缺失资料后续补充
输入 图像→ 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 ↗flux-3-image-klein-base-gguf
akhaliq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 图像→ 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 ↗flux-3-image-klein-sd-gguf
akhaliq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 ↗MOSS-Image-SFT-4-steps
akhaliq> ⚡ **Demo:** MOSS-Image 4-Step Turbo Space > 🆕 **v2.0 (2026-10-18) — major update, usage changed.** The model is now > **Euler-native**: a single `lora.safetensors` that runs on the **stock > flow-matching Euler sampler** (any LoRA loader, 4 steps, CFG 1) — the custom > data-space sampler and the `time_embedding.safetensors` / > `dataspace.safetensors` files are **no longer needed and were removed from > the repo root**. If you used v1.x adapters, grab the old data-space variant > from `checkpoint-update-400/` (it keeps its own sampler), or switch to the > new one-line loader below. New users: just follow the Quickstart. The fastest high-fidelity MOSS-Image-SFT: **4 steps, no CFG, one LoRA file, stock sampler.** No custom loop, no auxiliary safetensors, no pipeline patches — it drops into any standard LoRA loader.
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 音频→ 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 图像→ 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 ↗Feed a frame, direct the next shot. This LoRA teaches **Qwen-Image-2.1** cinematic scene continuation: it takes an input image and a director-style instruction and generates the *next scene* — camera moves, reveals, lighting shifts — while keeping the world, characters and style consistent. Chain outputs into storyboards. This is the **Qwen-Image-2.1 port of the next-scene format** pioneered by lovis93/next-scene-qwen-image-lora-2509 (313K downloads on the 2509 edit model) — retrained natively on the newest Qwen image base, where this capability did not exist yet. Companion piece to akhaliq/Qwen-Image-2.1-Multiple-Angles-LoRA (camera control) — together they cover *where the camera is* and *where the story goes next*. **ComfyUI:** load in any Qwen-Image-2.1 workflow with a LoRA node (strength **0.7–0.9**), pass your image as the edit/reference input.
译文排队中 · 当前显示来源原文
输入 图像→ 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 ↗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。