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

84,991 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 1

厂商输入输出许可

为你发现值得关注的模型

160M-exp

294-288-pretrain-interaction

Five 160M GPT-NeoX training runs on the separate M/C/G source pools in Dolma3-16B. `Clean`, `M500`, `C500`, `G500`, and `MCG500` are separate run directories under `runs/`. Each contains all existing `step-*.pt` checkpoints, including the final `step-122071.pt` after 16,000,090,112 tokens. Intermediate checkpoints are approximately 1B tokens apart, with additional scheduled steps. Standalone final weights are under `models/ /model.safetensors`, with a matching config and tokenizer in each run directory. Load one with `GPTNeoXForCausalLM.from_pretrained("294-288-pretrain-interaction/160M-exp", subfolder="models/Clean")` and the tokenizer from the same subfolder. Each `.pt` is a PyTorch training checkpoint containing `model`, optimizer, scheduler, rank RNG states, step, token count, and run/manifest/config hashes. The `.pt` files are **not** direct `from_pretrained` artifacts. For trusted checkpoints, load the `model` state dict into `GPTNeoXForCausalLM(GPTNeoXConfig.from_json_file("config.json"))`. Use the included `tokenizer/`. The `training/` directory contains the training and data code; `manifest.json` fixes the source mixture, event schedule, and seeds.

译文排队中 · 当前显示来源原文

文本生成

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 ↗

加入对比来源 / 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。

每月输入 Token 10 M每月输出 Token 2 M1 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。

找到适合你的 AI 模型。

探索 AI 模型 1

160M-exp

暂未找到匹配模型

好模型，也要算好成本。

读懂模型，再做选择

资讯看趋势，工具提效率，模型筑可能。