AI NEWS.ccAI正在发生 未来正在更新
♡ 我的收藏 0
AI NEWS · 模型情报站发现能力边界，让每一次选择更有依据 ↗基础档案先收录 · 缺失资料持续补齐
THE AI MODEL DIRECTORY 模型探索，从这里开始

找到适合你的 AI 模型。

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。

热门探索
84,999 款模型档案13202 家厂商 / 发布者45 个能力分类465 款有可比报价 · 30 款有公开评测
T文本生成▧图像生成▷视频生成⌘代码生成◖语音合成♫音乐生成⬡3D 建模▤文档分析
DISCOVER & COMPARE

探索 AI 模型 84999

为你发现值得关注的模型

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

分类待补充
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 ↗
来源 / 文档 ↗

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

分类待补充
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 ↗
来源 / 文档 ↗

ComfyUI-format conversion of the PDMD 2-NFE LoRA — the 2-step (2 NFE) student distilled from MiniMax-H3-33B with Projected Distribution Matching Distillation, rank 128, covering attention projections and both feed-forward layers of all 50 transformer blocks + 2 token-refiner blocks. (Companion repo for the 4-NFE variant: `Iwannapose/minimax_h3_pdmd_4nfe_comfyui`.) The two are numerically identical (the source fp32 file is an exact cast of the bf16 one); the bf16 file is the one to use. Both are larger than the source because the fused `qkv_proj` stores the block-diagonal zero padding explicitly. Source keys are Diffusers PEFT names (`transformer.transformer_blocks.N.attn.to_q.lora_A.weight` …); target keys follow the ComfyUI H3 layout (same scheme as the proven `minimax_h3_fl2v_turbo_8step_v1.0_768p_comfyui_bf16.safetensors`):

译文排队中 · 当前显示来源原文

视频生成
输入 文本→ 输出 视频
价格待核验多模态与渠道费用须分别核对
查看详情 ↗
来源 / 文档 ↗

ComfyUI-format conversion of the PDMD 4-NFE LoRA (`lora_model_0.safetensors`) — the 4-step (4 NFE) student distilled from MiniMax-H3-33B with Projected Distribution Matching Distillation, rank 128, covering attention projections and both feed-forward layers of all 50 transformer blocks + 2 token-refiner blocks. Earlier uploads (base / keys_v2 / v3 / v4 / v5) were broken conversions and have been removed: most of their keys matched nothing in the ComfyUI loader (silent no-op), and v4 missed the SwiGLU gate/value remap below. Source keys are Diffusers PEFT names (`transformer.transformer_blocks.N.attn.to_q.lora_A.weight` …); target keys follow the ComfyUI H3 layout (same scheme as the proven `minimax_h3_fl2v_turbo_8step_v1.0_768p_comfyui_bf16.safetensors`):

译文排队中 · 当前显示来源原文

视频生成
输入 文本→ 输出 视频
价格待核验多模态与渠道费用须分别核对
查看详情 ↗
来源 / 文档 ↗

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

图像生成
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 ↗
来源 / 文档 ↗

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

图像生成
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 ↗
来源 / 文档 ↗

With this model, you can classify emotions in English text data. The model was trained on 6 diverse datasets (see Appendix below) and predicts Ekman's 6 basic emotions, plus a neutral class: 1) anger 🤬 2) disgust 🤢 3) fear 😨 4) joy 😀 5) neutral 😐 6) sadness 😭 7) surprise 😲 The model is a fine-tuned checkpoint of DistilRoBERTa-base. For a 'non-distilled' emotion model, please refer to the model card of the RoBERTa-large version.

译文排队中 · 当前显示来源原文

文本分析
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 ↗
来源 / 文档 ↗

This RoBERTa-based model can classify the sentiment of English language text in 3 classes: The model was fine-tuned on 5,304 manually annotated social media posts. The hold-out accuracy is 86.1%. For details on the training approach see Web Appendix F in Hartmann et al. (2021). Please cite this paper when you use our model. Feel free to reach out to jochen.hartmann@tum.de with any questions or feedback you may have.

译文排队中 · 当前显示来源原文

文本分析
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 ↗
来源 / 文档 ↗
COST EXPLORER

好模型，也要算好成本。

费用分析

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

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

选型与常见问题
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。

AI NEWS · 从信息到选择

资讯看趋势，工具提效率，模型筑可能。

探索 AI 资讯 ↗发现 AI 工具 ↗