Qwen3-14B-GGUF
ggml-org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 ↗DISCOVER & COMPARE
探索 AI 模型 84999
Qwen3-30B-A3B-GGUF
ggml-org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 ↗Qwen3-32B-GGUF
ggml-org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 ↗Qwen3-4B-GGUF
ggml-org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 ↗Qwen3-4B-Instruct-2507-Q8_0-GGUF
ggml-orgThis model was converted to GGUF format from `Qwen/Qwen3-4B-Instruct-2507` using llama.cpp via the ggml.ai's GGUF-my-repo space. Refer to the original model card for more details on the model. Note: You can also use this checkpoint directly through the usage steps listed in the Llama.cpp repo as well. Step 2: Move into the llama.cpp folder and build it with `LLAMA_CURL=1` flag along with other hardware-specific flags (for ex: LLAMA_CUDA=1 for Nvidia GPUs on Linux).
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 ↗Qwen3.5-0.8B-Base-GGUF
ggml-org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 ↗Qwen3.5-0.8B-GGUF
ggml-org> [!IMPORTANT] > This model is automatically converted using https://github.com/ggml-org/convert
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 ↗Qwen3.5-35B-A3B-GGUF
ggml-org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 ↗Qwen3.6-27B-GGUF
ggml-org- https://huggingface.co/Qwen/Qwen3.6-27B - https://huggingface.co/z-lab/Qwen3.6-27B-DFlash > [!IMPORTANT] > This model is automatically converted using https://github.com/ggml-org/convert
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 ↗Qwen3.6-27B-MTP-GGUF
ggml-org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 ↗Qwen3.6-35B-A3B-GGUF
ggml-org- https://huggingface.co/Qwen/Qwen3.6-35B-A3B - https://huggingface.co/z-lab/Qwen3.6-35B-A3B-DFlash > [!IMPORTANT] > This model is automatically converted using https://github.com/ggml-org/convert
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 ↗Qwen3.6-35B-A3B-MTP-GGUF
ggml-org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 ↗Qwen3.8-27B-GGUF
ggml-org- https://huggingface.co/Qwen/Qwen3.8-27B - https://huggingface.co/incoai/Qwen3.8-27B-DFlash2 > [!IMPORTANT] > This model is automatically converted using https://github.com/ggml-org/convert
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 ↗Qwen3.8-Flash-Next-GGUF
ggml-org- https://huggingface.co/Qwen/Qwen3.8-Flash-Next - https://huggingface.co/incoai/Qwen3.8-Flash-Next-DFlash2 - `Q8_0` and `IQ4_NL`: all routed experts use the base quantization type. - `Q2_K`: routed gate/up experts at Q2_K, routed down experts at IQ4_NL. - Small non-expert tensors (embeddings, PLE embeddings, attention, shared experts) are kept at Q8_0, the PLE embedding is at Q4_0. - Includes a Q8_0 mmproj for the vision encoder, MTP sidecars (Q8_0 / Q4_0) and a DFlash2 draft sidecar (BF16 / Q8_0 / Q4_0) for speculative decoding. - The `Q2_K` routed gate/up expert tensors are calibrated with the imatrix from https://huggingface.co/AesSedai/Qwen3.8-Flash-Next-GGUF > [!IMPORTANT] > This model is automatically converted using https://github.com/ggml-org/convert
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 ↗Qwen3-8B-Base-GGUF
ggml-org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 ↗Qwen3-8B-GGUF
ggml-org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-ASR-0.6B-GGUF
ggml-orgThis model is converted from Qwen/Qwen3-ASR-0.6B to GGUF using `convert_hf_to_gguf.py`
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-ASR-1.7B-GGUF
ggml-orgThis model is converted from Qwen/Qwen3-ASR-1.7B to GGUF using `convert_hf_to_gguf.py`
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 ↗This model was converted to GGUF format from `Qwen/Qwen3-Coder-30B-A3B-Instruct` using llama.cpp via the ggml.ai's GGUF-my-repo space. Refer to the original model card for more details on the model. Note: You can also use this checkpoint directly through the usage steps listed in the Llama.cpp repo as well. Step 2: Move into the llama.cpp folder and build it with `LLAMA_CURL=1` flag along with other hardware-specific flags (for ex: LLAMA_CUDA=1 for Nvidia GPUs on Linux).
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 ↗Qwen3-Coder-Next-GGUF
ggml-org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-Omni-30B-A3B-Instruct-GGUF
ggml-orgThis model is converted from Qwen/Qwen3-Omni-30B-A3B-Instruct to GGUF using `convert_hf_to_gguf.py`
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-Omni-30B-A3B-Thinking-GGUF
ggml-orgThis model is converted from Qwen/Qwen3-Omni-30B-A3B-Thinking to GGUF using `convert_hf_to_gguf.py`
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。