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
84,991 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 16

为你发现值得关注的模型

frankenmoe

hotdogs

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

语音合成
输入 文本→ 输出 音频
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 ↗

GGUF builds of the **offensive-security / agentic tool-calling** merged model hotdogs/Qwen3.8-27B-abliterated-cyber-preview (the cyber LoRA merged into the abliterated base at **scale 1.0**, with the **MTP head preserved**). All files are imatrix-quantized and are ready to run in llama.cpp with native **self-speculative (MTP) decoding**. > For **authorized security research and red-teaming** only — this model will > not refuse and may emit exploit instructions. Use only on systems you own or > are explicitly authorized to test. Apache-2.0. The quantized files were produced with an **imatrix** (see `...-imatrix.dat`) computed from the bf16 master — required for the 4-bit IQ files and improving low-bit quality.

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 ↗
来源 / 文档 ↗

GGUF quantization of **hotdogs/Qwen3.8-27B-abliterated** — the training-free abliterated (refusal-removed) build of `Qwen/Qwen3.8-27B` — converted for **llama.cpp** with the **MTP (Multi-Token Prediction) head preserved**. > **Status: testing / development.** This is an early GGUF upload for evaluation. It has **not yet been calibrated with an imatrix** — the low-bit `Q4_K_M` quality is expected to improve once an imatrix is added (see *Roadmap*). Feedback welcome. These `-mixed` quants use a **hybrid precision recipe** to get closer to the f16 reference: the token-embedding and all output tensors are kept at `q8_0` while the rest of the network is quantized to the base level, and they are built with an **imatrix** (CPU calibration) — `Q4_K_M-mixed` and `Q6_K-mixed`.

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 ↗
来源 / 文档 ↗

**BoldingBuilds' abliterated Bonsai 2 v2, with two SVD-LoRAs merged in at 0.4 each:** `hotdogs/swift_unc_qwen3.8-27B_lora` (abliteration + Swift-1.5 reasoning-efficiency) and `hotdogs/thinkingcap_qwen3.8-27B_svd_lora` (ThinkingCap token-efficient reasoning). Same 27B ternary runtime as the base — **PQ2_0 packing, Hadamard latent, MTP head, 262,144-token context**, ~7.6 GB on disk. Vision projector included. > ⚠️ **This file needs PrismML's llama.cpp fork.** PQ2_0 does **not** load in mainline llama.cpp, Ollama, LM Studio or llama.app. See Requirements.

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 ↗
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 ↗