Danish ASR. Fine-tuned from syvai/hviske-v5.1 on the CoRal v3 train splits with **layer-wise learning-rate decay** (encoder LR = 0.75 × decoder LR) for 5 epochs. A 2B-parameter Conformer encoder-decoder ASR model, optimized for Danish read-aloud and conversational speech. Evaluated on the *complete* test splits (17,560 samples). Two normalization conventions:

译文排队中 · 当前显示来源原文

语音识别

输入音频→ 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 ↗

plapre-3

syvai

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 ↗

加入对比来源 / 文档 ↗

plapre-nano-v2

syvai

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 ↗

加入对比来源 / 文档 ↗

qwen3.8-27b-3090-fast-variant

syvai

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。

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 ↗

Qwen3.8-27B-DFlash2-W4A16

syvai

incoai/Qwen3.8-27B-DFlash2 — the DFlash2 block drafter for Qwen3.8-27B (5 Qwen3-style layers, 1.92B parameters, 3.85 GB in bf16) — requantized to **W4A16 compressed-tensors** (pack-quantized, group 128, symmetric, Marlin) with **GPTQ**, so it fits next to a 27B target on a 24 GB card: **1.19 GB**. Built by and for syv-ai/qwen38-27b-rtx3090 (Qwen3.8-27B on one RTX 3090 with vLLM): `single-user/start_qwen.sh` with `SPEC=dflash2`. Measured on the W4A16 target (RTX 3090, 8 realistic chat prompts × 1,024 tokens, vLLM 0.27.1 with the repo's patches): same acceptance as the bf16 drafter at greedy (3.34-3.65 vs 3.54 tokens per step), about 5% lower at the model's default sampling; per decode step it reads 2.7 GB less, which is what makes it a net win on this card. Details and the pipeline (`drafter/capture_dflash2.py`, `drafter/quant_dflash2.py`) in the repo's `drafter/README.md`.

译文排队中 · 当前显示来源原文

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 ↗

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 7

faster-hviske-v3-conversation

hviske-v3-conversation

hviske-v5.3

plapre-3

plapre-nano-v2

qwen3.8-27b-3090-fast-variant

Qwen3.8-27B-DFlash2-W4A16

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。