Darwin-180B-RSI
FINAL-Bench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 ↗DISCOVER & COMPARE
探索 AI 模型 17
Darwin-180B-RSI-R3
FINAL-Bench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 ↗Darwin-27B-RSI
FINAL-Bench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 ↗Darwin-27B-RSI-GGUF
FINAL-Bench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 ↗Darwin-27B-ZTC
FINAL-Bench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 ↗Darwin-28B-Opus
FINAL-Bench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 ↗Darwin-28B-REASON
FINAL-Bench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 ↗Darwin-35B-ZTC-Vision
FINAL-BenchDarwin-35B-ZTC-Vision is a vision decision model. It does not generate text. Given one or more images, a state and a typed question, it returns a calibrated probability for every option in one forward pass: yes or no (`noul`), one of several options (`choice`), or a level on an ordered scale (`score`). It handles up to four images per request, for example "which of the two photos has the higher quality" or "is there a defect on this part". It is a 35B mixture-of-experts model (about 3B active parameters per token) built on Darwin-35B-A3B-Opus with the Darwin ZTC decision readout. It is the vision member of the ZTC series; the text member is Darwin-27B-ZTC-v9. All 20 required vision benchmarks complete (the optional Box tasks are not supported), zero failed decisions. Merged by the maintainer on 2026-10-19 (PR #76). At submission it ranked first (Borda 91.00) on the published vision results of 2026-10-17 (16 complete models) with this model added, recomputed with the leaderboard's own Borda method; that table is below. More models have entered since: on the published results of 2026-10-19 (32 complete models) the same recomputation places it fifth with 81.80. The live vision leaderboard is authoritative.
译文排队中 · 当前显示来源原文
输入 图像→ 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 ↗Darwin-36B-Opus
FINAL-Bench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 ↗Darwin-397B-ZTC
FINAL-Bench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 ↗Ourbox-35B-JGOS-GGUF
FINAL-Bench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 ↗POCKET-26B-GGUF
FINAL-Bench> ### ⭐ Latest and flagship models > [](https://huggingface.co/FINAL-Bench/VKORE-46M-NPU) [](https://huggingface.co/FINAL-Bench/Darwin-27B-ZTC-v5) > [](https://huggingface.co/collections/FINAL-Bench/pocket-models-6a618ee5d23eafb7e185a5c6) [](https://huggingface.co/collections/FINAL-Bench/darwin-family-699987b1f652864af0122193) [](https://huggingface.co/FINAL-Bench) [](https://vidraft.net) [](https://thevc.kr/vidraft) > ### 🆕 **POCKET-Qwen3.8-Flash-Next** — a **180B** model running on a **laptop with 8 GB VRAM + 32 GB RAM** · **4.17 tok/s measured**. > [](https://huggingface.co/FINAL-Bench/POCKET-Qwen3.8-Flash-Next-GGUF) []() []() []() > ### 🆕 **POCKET-Zimage-CPU** — photoreal **images** in **46 s** on a **CPU only**. No GPU, no CUDA, no Python. > [](https://huggingface.co/FINAL-Bench/POCKET-Zimage-CPU) [](https://huggingface.co/spaces/FINAL-Bench/POCKET-Zimage-CPU) []()
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 ↗POCKET-35B-GGUF
FINAL-Bench> ### ⭐ Latest and flagship models > [](https://huggingface.co/FINAL-Bench/VKORE-46M-NPU) [](https://huggingface.co/FINAL-Bench/Darwin-27B-ZTC-v5) > [](https://huggingface.co/collections/FINAL-Bench/pocket-models-6a618ee5d23eafb7e185a5c6) [](https://huggingface.co/collections/FINAL-Bench/darwin-family-699987b1f652864af0122193) [](https://huggingface.co/FINAL-Bench) [](https://vidraft.net) [](https://thevc.kr/vidraft) > ### 🆕 **POCKET-Qwen3.8-Flash-Next** — a **180B** model running on a **laptop with 8 GB VRAM + 32 GB RAM** · **4.17 tok/s measured**. > [](https://huggingface.co/FINAL-Bench/POCKET-Qwen3.8-Flash-Next-GGUF) []() []() []() > ### 🆕 **POCKET-Zimage-CPU** — photoreal **images** in **46 s** on a **CPU only**. No GPU, no CUDA, no Python. > [](https://huggingface.co/FINAL-Bench/POCKET-Zimage-CPU) [](https://huggingface.co/spaces/FINAL-Bench/POCKET-Zimage-CPU) []()
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 ↗POCKET-Darwin-180B-GGUF
FINAL-Bench> ### ⭐ Latest and flagship models > [](https://huggingface.co/FINAL-Bench/VKORE-46M-NPU) [](https://huggingface.co/FINAL-Bench/Darwin-27B-ZTC-v5) > [](https://huggingface.co/collections/FINAL-Bench/pocket-models-6a618ee5d23eafb7e185a5c6) [](https://huggingface.co/collections/FINAL-Bench/darwin-family-699987b1f652864af0122193) [](https://huggingface.co/FINAL-Bench) [](https://vidraft.net) [](https://thevc.kr/vidraft) **A 180B frontier model from a laptop to DGX Spark.** A 4-bit GGUF build of Darwin-180B-RSI-R3 (111.3 GB, 4 files) for llama.cpp. It runs on a **gaming laptop with an 8 GB GPU and 32 GB RAM**, a **128 GB mini PC**, a CPU-only server, a single datacenter GPU, or **NVIDIA DGX Spark**. - **Quality kept:** MMLU-Pro (2,000 questions, paired) **87.65% vs 87.65%** for the BF16 original, difference **+0.00 points, 95% CI [−0.95, +1.00]**. - **Runs on a laptop:** **4.17 tokens/s** on an RTX 5060 Laptop GPU (8 GB) with 32 GB RAM. - **Runs without a GPU:** **18–21 tokens/s** on one server CPU socket, **78.8 GB peak RAM**. - **Runs on a mini PC:** any mini PC with **128 GB RAM** holds the whole model in memory, no GPU needed. - **Built-in confidence:** ZTC AUC **0.758** reading its own state; the 20% of questions it is most sure about are **97.5%** correct. Probe file and script included in `ztc/`. - **Shorter answers:** on the same 2,000 questions, answers average **3,694 tokens vs 4,322** for the same-format parent build (−14.5%).
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 ↗POCKET-Qwen3.8-Flash-Next-GGUF
FINAL-Bench> ### 🆕 **POCKET-Zimage-CPU** — photoreal **images** in **46 s** on a **CPU only**. No GPU, no CUDA, no Python. > [](https://huggingface.co/FINAL-Bench/POCKET-Zimage-CPU) [](https://huggingface.co/spaces/FINAL-Bench/POCKET-Zimage-CPU) []() > ### 📚 Collections > **▶ POCKET Models** — this family (on-device, no GPU) > Darwin Family · Aether Foundation · VKAE Accelerated The file is **111 GiB**. That is **3.5× the laptop's RAM** and **14× its VRAM**, and it still runs, on stock `llama.cpp`, with no server and no cloud.
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 ↗POCKET-Zimage-CPU
FINAL-Bench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 ↗VKORE-325M-NPU-Base
FINAL-Bench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 ↗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。