# 低參數量高效

Qwen3是通義千問系列最新一代大語言模型，提供完整稠密模型與混合專家（MoE）架構。經過海量訓練，Qwen3在推理、指令遵循、智能體能力和多語言支持方面實現突破性進展。

專為自動語音識別(ASR)和自動語音翻譯(AST)設計的緊湊高效語音語言模型，採用雙階段設計處理音頻和文本

UI-R1是通過強化學習增強GUI代理動作預測的視覺語言模型，基於Qwen2.5-VL-3B-Instruct構建。

Qwen2-VL-2B-Instruct 是一個多模態視覺語言模型，支持圖像文本到文本的任務。

Llama 3.2是Meta推出的多語言大語言模型系列，包含1B和3B參數的預訓練及指令調優生成模型，針對多語言對話場景優化，支持代理檢索和摘要任務。

專為法語語音轉文本優化的Whisper蒸餾版本，僅保留2層解碼器結構，在保證準確率的同時提升推理效率

Ruri-Reranker是一個專門針對日語文本優化的重排序模型，基於sentence-transformers架構，能夠有效提升檢索結果的相關性排序。

基於bert-medium架構預訓練的阿姆哈拉語模型，參數量4050萬，在2.9億詞元上訓練，性能媲美更大規模的多語言模型。

小駱駝模型是一個5800萬參數的語言模型，由LLaMA和GPT2蒸餾而來，專為小語言模型挑戰賽設計。