怎么选 · 先看这 3 个
53 / 53 个软件
Hugging Face 全球最大的开源模型、数据集和 AI 应用（Spaces）社区。 闭源 / 商业 免费增值 WebAPI DeepSeek-V3 v1.0.0 ★ 105k DeepSeek 家族；V4-Flash-0731 30 天 452 万次 开源 Qwen ★ 22k 通义千问第一代 开源 Weights MiniMax MiniMax 的多模态模型平台，覆盖语言、视频（海螺）、语音和音乐。 闭源 / 商业 免费增值 WebAPI LTX-2 ★ 9.8k LTX-2 音视频生成模型的官方推理与 LoRA 训练包。 开源 Python cosmos ★ 12k NVIDIA 开放世界模型、数据集与工具平台。 开源 platform rf-detr ★ 9.8k 实时目标检测与分割模型架构。 开源 Python TabPFN ★ 8.2k 表格数据基础模型。 开源 Python ultralytics v8.4.175 ★ 63k YOLO 目标检测（AGPL） 开源 SDKCLI Qwen3 ★ 28k 通义千问 Qwen3 系列 开源 Weights generative-models 0.1.0 ★ 27k Stability 生成模型 开源 Weights MiniCPM-V 20250527 ★ 27k 面壁端侧多模态模型 开源 Weights DeepSeek-Coder ★ 24k DeepSeek 代码模型 开源 Weights gpt-oss v0.0.9 ★ 20k OpenAI 开放权重模型 gpt-oss 开源 Weights Qwen3-VL ★ 20k 通义千问视觉语言模型 开源 Weights sam2 ★ 20k SAM 2 图像视频分割 开源 Weights Wan2.2 2.2.11 ★ 18k 阿里万相 2.2 开源 Weights Wan2.1 ★ 17k 阿里万相视频生成 开源 Weights Qwen3-Coder ★ 17k 通义千问代码模型 开源 Weights dinov2 ★ 13k DINOv2 视觉特征 开源 Weights HunyuanVideo HunyuanVideo ★ 13k 腾讯混元视频生成 开源 Weights MiniCPM 5.0 ★ 12k 面壁端侧大模型 开源 Weights LTX-Video ltx-video-0.9.1 ★ 11k 实时视频生成 开源 Weights Kimi-K2 ★ 11k 月之暗面 Kimi K2 开源 Weights ERNIE ernie-4.5 ★ 7.7k 百度文心开源模型 开源 Weights llama-models v0.2.0 ★ 7.7k Llama 模型官方工具与说明（Llama 社区许可，非 OSI） 开源 Weights ml-fastvlm ★ 7.4k 苹果高效视觉语言模型 开源 Weights InternLM v0.2.1dev20240102 ★ 7.3k 书生·浦语模型 开源 Weights OLMo v0.6.0 ★ 6.7k AI2 全开放语言模型 开源 Weights gemma v4.0.1 ★ 5.8k Gemma 官方 JAX 库 开源 SDK GLM-4.5 ★ 4.4k 智谱 GLM-4.5 系列 开源 Weights Qwen3.8（通义千问开放模型：27B 稠密 / Flash-Next） ★ 4.3k 阿里通义千问目前最新的开放模型代（HF 上 27B 于 2026-08-05 发布，Flash-Next 于 08-24 发布）：基于 Qwen3.5 架构（Gated DeltaNet 线性注意力 + 门控注意力混合、多 token 预测），原生图像/视频理解，思考模式默认开、可按请求关闭或用 reasoning_effort 调深度；原生 262K 上下文，可扩到 1M。27B 稠密版 Apache-2.0，兼容 Transformers、vLLM、SGLang；是 HF 本周点赞最多的模型之一（18k+） 开源 PhiCookBook ★ 3.9k 微软 Phi 系列模型手册 开源 Docs MiniMax-M2 ★ 2.6k MiniMax-M2 模型 开源 Weights Step-Audio ★ 43 阶跃星辰语音模型 开源 Weights Kolibri 1（Aleph Alpha 德英 MoE） 德国 Aleph Alpha 2026-10-03 发布的 78B MoE 推理模型（每 token 激活 3.46B），主攻德语和英语，支持推理档位与工具调用，原生 256K、验证到 1M 上下文；FP8 权重约 78GB（1×H200/B200 或 2×H100），需配套 vLLM 插件 aleph-alpha-inference；签署欧盟 GPAI 行为准则，适合欧洲合规场景 开源 JEV-35B（AutoTrust 开源决策模型） AutoTrust 基于 Qwen3.5-35B-A3B 的开源“System 1”决策模型（与 TypeSafe 的闭源 Jev 无关）：一次最多 256 个选项，vLLM + POST /v1/decide 部署；bf16 约 72GB，NVFP4 版 25.6GB 可在单张 32–48GB 显卡运行 开源 Clef（Cloudflare 决策模型） Cloudflare 开源的 27B 多模态“决策模型”：输入状态 + 类型化问题，一次前向直接输出每个选项的概率（不生成自由文本），兼容 Jev/SystemOne API，可用 SGLang 部署；另有 9B 的 Clef-Flash 开源 DeepSeek V4.1 Flash（1017） DeepSeek V4.1 Flash 的 2026-10-17 小版本更新（开放权重，MIT，支持图像输入）；官方 API 的 deepseek-flash 已切到该版本，价格不变：高峰 ¥2/¥8 每百万 token 输入/输出、缓存命中 ¥0.04，空闲时段半价；OpenRouter 本周 trending 第 1。模型卡自报 Terminal-Bench 4.0 42.3（V4.1 Flash 31.2） 开源 inclusionAI Ling 3.1 Flash inclusionAI Ling 3.1 Flash 开放权重（MIT）；亦在 OpenRouter 上架（约 $0.075/$0.225 per 1M） 开源 JetBrains Mellum 2.1 Thinking JetBrains 代码向 MoE（12B-A2.5B）思考版；HF 模型卡标 Apache-2.0；自报 LiveCodeBench v6 / HumanEval+ 等 开源 Laya（开源决策模型） Convai Innovations 非自回归 System 1 决策模型（~0.4B）：一次前向返回带校准概率的类型化答案；兼容 TypeSafe /v1/systemone；英 / 多语 / typed-decisions 三套权重 开源 LFM2.5-24B-A2B Liquid AI LFM2.5 家族最大款：24B 总参数、约 2.45B 激活的端侧 agent 推理 MoE；131K 上下文；面向工具调用与本地 agent（OpenClaw / Hermes / Pi 等） 开源 Liquid d1（端侧决策模型） Liquid AI 基于 LFM2.5-VL-3B 的 3B 多模态“决策模型”：给状态（文本/JSON/图片）和一组 是否/选择/打分 问题，一次前向直接给出校准概率、0 输出 token；RTX 4090 约 8 ms、Apple M5 Pro 约 30 ms 一次决策，适合路由、审核、意图分类、agent 护栏。不能聊天写文本 开源 MiniCPM-V 4.7 面壁 MiniCPM-V 系列最新版（2026-10-12）：首个可流畅端侧运行的开源 MoE 多模态模型，提供 35B-A3B 与 1B 两档；支持单图/多图/视频理解，1B 在 Instruct 模式下相对同类更高效 开源 NVIDIA Nemotron 3.5 Bolt（74B-A9B，24GB 本地版） NVIDIA 面向“本地跑日常 agent 任务”的视觉语言模型：Mamba-2 与 Transformer 混合的 LatentMoE，总参 74B、激活 9B，最长 256K 上下文，输入文本/图像/视频；用量化感知训练的原生 2-bit 打包到 24GB，按模型卡用 vLLM 在 A100 / H100 / Blackwell 上部署。可商用（OpenMDW-1.1） 开源 NVIDIA Nemotron 3.5 Super VL（120B-A12B） NVIDIA 的视觉语言模型：Mamba-2 + MoE + 注意力混合架构配 C-RADIO 视觉编码器，总参 120B、激活 12B，最长 1M 上下文，输入文本/图像/视频；NVFP4 版可在 1 台 DGX Spark 或 1 张 H200 上部署；可商用（OpenMDW-1.1）。OpenRouter 平台价 $0.10/$0.40 起（每百万 token），另有免费版 开源 Ornith-1.5（9B / 35B-A3B 自我改进开源模型） Ornith AI 的开源模型系列，在 Qwen3.5 / Gemma4 基础上继续预训练和后训练，把自我改进循环扩展到“自动出题 + 搭建解题脚手架 + 强化学习”；9B 稠密版可单卡部署，另有手机量化版，35B-A3B 为 MoE 版，官方提供 GGUF。MIT 许可（基座许可请一并核对） 开源 Decider（Perplexity 决策模型） Perplexity 的决策模型（权重开放，Apache-2.0）：V1.2 为 27B（Qwen3.8-27B 微调），Flash V1.2 为 4B（Qwen3.5-4B）。输入 state 和多个 是否/选择/打分 问题，返回带概率的结构化答案；V1.2 把同一 state 的问题合并成一条序列读取，多问几乎不加价。官方 Decisions API（POST /v1/decisions）每百万输入 token $0.02（Flash $0.01），输出免费；也可自部署或走 OpenRouter 开源 Reflection Beam 1.0（501B-A23B） Reflection 的开放权重推理模型：稀疏 MoE，总参 501B、激活 23B，1M 上下文，主要面向英语；主打省推理 token 的编程与长链路 agent（含 MCP 工具调用）；提供 BF16 / FP8 / NVFP4 权重。OpenRouter 2026-10-16 上架，平台价约 $0.25–$1.3 输入 / $1.0–$4.3 输出（每百万 token） 开源 Bonsai 2 27B（三值量化，约 6GB） Prism ML 基于 Qwen3.8-27B 的三值（−1/0/+1）量化版：语言权重约 1.72 bit/权重，GGUF 约 5.95–7.21GB，模型卡称保留 FP16 98.2% 的能力、262K 上下文；需用其 llama.cpp 分支（CUDA / Metal / CPU），另有 MLX 版供 Apple 芯片。Apache-2.0 开源 Underdog Saluki 27B Qwen3.8-27B 的 2-bit GGUF（约 7.89GB），面向保留 tool-calling 的本地代理；Hugging Face ConwayResearch/Underdog-Saluki-27B-1.0，Apache-2.0 开源 中国电信 星辰 Xing4.0-29B-A4B 中国电信人工智能公司的星辰系列新一代模型（前身 TeleChat）：MoE 总参 29B、激活 4B，原生 256K 上下文（可扩到 512K），全程在昇腾 910C 上训练；面向 agent，适配 OpenCode、Claude Code、OpenClaw、Hermes，可用 vLLM / SGLang / KTransformers 部署。OpenRouter 有免费端点 开源
关于这页的数据
- 默认按“推荐”排序：编辑定稿的常用在前，其余按热度；通用开发软件和已归档项目排在后面。
- 数据核实于 2026-10-22，只链官方来源。 JSON API