opus-mt-uk-ru
Helsinki-NLP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 84999
opus-mt-ur-en
Helsinki-NLP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 ↗opus-mt-vi-en
Helsinki-NLP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 ↗opus-mt-zh-en
Helsinki-NLP- Model Details - Uses - Risks, Limitations and Biases - Training - Evaluation - Citation Information - How to Get Started With the Model - **Model Description:** - **Developed by:** Language Technology Research Group at the University of Helsinki - **Model Type:** Translation - **Language(s):** - Source Language: Chinese - Target Language: English - **License:** CC-BY-4.0 - **Resources for more information:** - GitHub Repo **CONTENT WARNING: Readers should be aware this section contains content that is disturbing, offensive, and can propagate historical and current stereotypes.**
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 ↗opus-mt-zh-vi
Helsinki-NLP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 ↗opus-tatoeba-en-ja
Helsinki-NLP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 ↗rlcd-modernbert-151m
heman10x**OpenJev (Verdict)** is an open-source, post-trained foundational decision model built for structured software workflows, inspired by **TypeSafe AI's Jev** and **Reinforcement Learning for Calibrated Decisions (RLCD)**. It provides calibrated semantic judgments (discrete choices, ordinal scores, and binary probabilities) in a single forward pass without conversational text generation. - **GitHub Repository**: https://github.com/Heman10x-NGU/Verdict-open-jev - **Base Architecture**: ModernBERT-base (`knowledgator/gliclass-modern-base-v2.0`, 151,378,177 parameters) - **Logit Capacity**: 25 candidate slots (24 substantive options + 1 explicit abstention slot) 1. **Non-Autoregressive Single Pass**: Evaluates all candidate options simultaneously in a single forward pass (< 35ms latency) without token generation loops. 2. **Proper Scoring Calibration**: Trained with composite Cross-Entropy + Brier Score loss: $$\mathcal{L}_{\text{total}} = \mathcal{L}_{\text{CE}} + 1.0 \times \mathcal{L}_{\text{Brier}}$$ followed by post-hoc L-BFGS temperature scaling ($T = 1.0716$). 3. **Explicit Abstention Route**: Dedicated `__insufficient_evidence__` candidate slot ensures calibrated rejection on out-of-distribution or insufficient context queries. 4. **Edge and In-Browser WebGPU**: Runs locally in browsers via WebGPU/WASM and on servers via PyTorch/ONNX Runtime.
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 ↗Tamil-Mistral-7B-Instruct-v0.1
Hemanth-thunder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 model is a fine-tuned version of facebook/wav2vec2-base on the audiofolder dataset. It achieves the following results on the evaluation set: - Loss: 0.2288 - Accuracy: 0.9545
译文排队中 · 当前显示来源原文
输入 音频→ 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 ↗GingerMix
Hemlok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 图像
价格待核验多模态与渠道费用须分别核对
查看详情 ↗Astrea-R8-Chat-9B-GGUF
HemmingwayAI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 ↗Hemmingway-1
HemmingwayAIAsk most models for a text to your landlord and you get three options, a preamble, and a paragraph explaining the options. Hemmingway-1 just gives you the text. We built it for the writing people actually do every day: messages, emails, the awkward note to a colleague, the thing you have been putting off. Then we tested it against the biggest models in the world at exactly that, and it came first. We tested on eighty real requests. Every answer went head to head against another model's answer to the same request, shuffled so the judge never knew which was which.
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 ↗Hemmingway-1.5
HemmingwayAI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 ↗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 ↗Ternary-Bonsai-2-24B-PTQ1_0-GGUF
henceiusegentoo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 ↗fine-tuned-model-indonesian
hendrimardaniThis model is an instruction-tuned language model optimized for **Indonesian natural language understanding, conversational tasks, and general text generation**, quantized using **bitsandbytes 4-bit (NF4)** precision for memory-efficient deployment.
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 ↗fine-tuned-model-indonesian-2
hendrimardaniThis model is an instruction-tuned language model optimized for **Indonesian natural language understanding, conversational tasks, and general text generation**, quantized using **bitsandbytes 4-bit (NF4)** precision for memory-efficient deployment.
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 ↗fine-tuned-model-indonesian-GRPO
hendrimardaniThis model is fine-tuned using the **GRPO (Group Relative Policy Optimization)** method with the **Unsloth** and **TRL** frameworks. It was developed to enhance step-by-step automatic reasoning (*Chain-of-Thought*) capabilities in Indonesian.
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 ↗madlad400-3b-mt-ct2-int8
Heng666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 ↗music-flamingo-gguf
henry1477Download one of the quantizations of the text-text part, then download the mmproj audio processing model (in full BF16 precision). Ensure you are using the latest version of llama.cpp (or at least a release after the PR tag: b7593). 🚨 **Note:** This is a *preview* model. We will release a better base and a thinking version of the model in the next few weeks.
译文排队中 · 当前显示来源原文
输入 音频 · 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 ↗translategemma-27b-it-NVFP4A16
henry1477This is a public, text-only `NVFP4A16` derivative produced with a GPTQ recipe from `google/translategemma-27b-it` at immutable revision `7d10f0b72f89a2d0f268cea30727d8b77c0d25c2`. The vision tower and multimodal projector were removed; the published architecture is `Gemma3ForCausalLM` and `lm_head` was excluded from quantization because Gemma 3 ties it to the embedding table. The upstream multimodal checkpoint has 27.43B parameters; this text-only derivative has 27.01B. This checkpoint is intended for vLLM subtitle translation on NVIDIA Blackwell. Use constrained JSON decoding and independently validate cue IDs. The release evidence below is the measured 12B-versus-27B real-corpus comparison for this exact base revision; it is not copied from the earlier 12B checkpoint. This derivative is governed by the Gemma Terms of Use. You must review and accept the gated upstream terms on `google/translategemma-27b-it`; downloading this public quantization does not waive or replace those terms. Provenance is pinned to `google/translategemma-27b-it@7d10f0b72f89a2d0f268cea30727d8b77c0d25c2`.
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 · 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 ↗Moody-Krea-2-Mix-V4-GGUF
Henrysk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 ↗wai-anima-GGUF
Henrysk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 ↗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。