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 7

为你发现值得关注的模型

> ### ▶ GGUF build for ollama / llama.cpp > This is the **GGUF** build (ollama / llama.cpp, Arc, CPU). Includes a > vision mmproj (see "Vision" below) — load both files together for > image understanding. If you use > LLMTray — IPSupport's local AI app for > Apple Silicon, which runs MLX — use the MLX sibling > roman220220/FrogNano-4B-2609-gptq-mlx-jang instead (it also keeps the MTP speculative-decoding head, which GGUF carries as inert tensors — see "Honest notes"). > > [](https://github.com/ipsupport-llc/llmtray/releases/latest/download/LLMTray-Full.dmg) > [](https://github.com/ipsupport-llc/llmtray) A GGUF quantization of microsoft/FrogNano-4B-2609 — Microsoft's compact repository-level coding agent, Qwen3.5-4B post-trained with reinforcement learning on ~1,500 synthetic software-engineering tasks (SWE-bench Verified 61.5% Avg@3 in Microsoft's Leaf harness) — with two deliberate improvements over a stock `Q4_K_M`: 1. **imatrix computed on a broad real corpus** (bartowski's `calibration_datav3` — code + prose + facts + multilingual). 2. **JANG-mixed precision**: full-attention layers, embeddings and the gated-DeltaNet linear-attention layers (most of the network) kept at `Q6_K`, feed-forward at the `Q4_K_M` base preset. (Not `Q8_0` on attention — see "Honest notes": `Q8_0` is ~3x slower than `Q6_K` on Vulkan hardware without a hardware int8 dot product, for no quality gain worth the cost.)

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 ↗