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 3

厂商输入输出许可

为你发现值得关注的模型

DeepSeek-V4.1-Flash-EXL3-2.7bpw

sudoingx

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 ↗

加入对比来源 / 文档 ↗

Offrail-27B-Uncensored

sudoingx

27B for 8GB and 12GB cards. OS-Software's uncensored Heretic build of Ternary Bonsai 2 27B (the 1.75 bpw PTQ1_0 file, 5.95 GB) with the Qwen 3.8 27B multi-token-prediction head grafted back on as block 64, so the PrismML llama.cpp fork runs `--spec-type draft-mtp` on it. The body is not ours: OS-Software baked a Heretic LoRA (rank 128, layers 27-44) into the official PQ2_0 ternary codes and kept the block scales, and their card calls it an approximate merge. Their test: **0/100 refusals** against the original's 95/100 at KL divergence 0.0135, WikiText-2 perplexity 10.1435. Their test, not ours: we have not run a refusal baseline of our own (HarmBench needs a second GPU for its judge model). What is ours: the graft, the two merged files and the graft tooling, plus the PTQ1_0 mat-vec kernel (PrismML-Eng/llama.cpp#218) on top of PrismML's fork. What is not ours: the head's weights are Qwen's, the MTP graph and the `GGML_CUDA_BATCH_INVARIANT` switch are PrismML's fork, the uncensoring is OS-Software's, the compression is PrismML's.

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 ↗

Ternary-Bonsai-2-27B-PTQ1_0-MTP-GGUF

sudoingx

One line installs it on the card you already own, RTX 20, 30, 40 and 50, and AMD Radeon in beta, with 8 GB or more: it picks the build and the model file for your VRAM, checks every SHA256 and starts it, with the chat page at `http://127.0.0.1:8899` and an OpenAI-compatible API at `/v1` (model `bonsai-2-27b`). Windows, in PowerShell (measured on native Windows on an RTX 3060 12GB and an RTX 5070 Ti 16GB; RTX 20 in beta): AMD Radeon (beta): the same two lines, on PrismML's own Vulkan build, no ROCm to install. 8 GB cards get up to 64K, 12 GB about 195K, 16 GB and up the full 262K with vision, all from the files in this repo; the cards and the numbers are in Radeon (beta).

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 3

DeepSeek-V4.1-Flash-EXL3-2.7bpw

Offrail-27B-Uncensored

Ternary-Bonsai-2-27B-PTQ1_0-MTP-GGUF

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。