全站搜索

AI 模型 84759

• qwen3-4b↗

  阿里巴巴 · Qwen

  Qwen3 是 Qwen 系列最新一代大语言模型，提供全面的稠密模型和混合专家（MoE）模型套件。基于大规模训练，Qwen3 在推理、指令遵循、智能体能力及多语言支持方面实现了突破性进展，具有以下主要特性：**Qwen3-4B** 具有以下特性：- 类型：因果语言模型 - 训练阶段：预训练与后训练 - 参数量：40亿 - 非嵌入参数量：36亿 - 层数：36 - 注意力头数（GQA）：Q 为 32，KV 为 8 - 上下文长度：原生支持 32,768，使用 YaRN 时支持 131,072 个 token。如需了解更多详情，包括基准评测、硬件要求及推理性能，请参阅我们的博客、GitHub 和文档。

• kanarya-2b↗

  asafaya

• FLUX-3-Image-Klein-pup-GGUF↗

  AtomicChat

• chronos-2↗

  autogluon

  **更新于 2026 年 6 月 5 日：** ☁️ 使用 AutoGluon-Cloud 在 AWS 上部署 Chronos-2。只需三行代码即可实现实时、无服务器或批处理推理——输入 pandas DataFrame，输出预测结果。请查看新的部署指南。**Chronos-2** 是一款拥有 1.2 亿参数的纯编码器时间序列基础模型，适用于零样本预测。它在单一架构内支持**单变量**、**多变量**以及**协变量感知**任务。受 T5 编码器启发，Chronos-2 能生成多步前瞻分位数预测，并采用组注意力机制，以高效的方式在相关序列和协变量间进行上下文学习。该模型基于真实世界数据与大规模合成数据集的组合进行训练，在 **fev-bench**、**GIFT-Eval** 和 **Chronos Benchmark II** 上的公开模型中达到了**最先进的零样本精度**。Chronos-2 还具有**极高的效率**，单张 A10G GPU 每秒可完成超过 300 个时间序列的预测，并同时支持**GPU 和 CPU 推理**。🧩 Chronos 和 Chronos-Bolt 本身不支持未来协变量，但可与外部协变量回归器结合使用（参见 AutoGluon 教程）。这种方式仅建模逐时间步的影响，而非跨时间的影响。相比之下，Chronos-2 原生支持所有类型的协变量。

• Moss-image-anime-lora↗

  axiomofmind

• BAAI_AREX-Base-GGUF↗

  bartowski

• InfiniAILab_QwQ-0.5B-GGUF↗

  bartowski

• Theia-21B-v1-GGUF↗

  bartowski

• zeroscope_v2_576w↗

  cerspense

• Qwen2.5-0.5B-Instruct-Gensyn-Swarm-squinting_cunning_squid↗

  Chaongin