# 邊緣計算

Skywork-OR1-7B 是一個 7B 參數規模的大語言模型，提供多種量化版本以適應不同硬件需求。

這是一個非常小巧且快速的日語重排序模型，適用於提升RAG系統的精度。

Phi-4-mini-reasoning是一個基於合成數據的輕量級開放模型，專注於高質量、密集推理數據，並進一步微調以增強數學推理能力。

一個輕量級指令微調語言模型，專為移動端部署優化

MiniCPM-o-2_6 是一個多模態轉換模型，支持多種語言，適用於多種任務。

GLM-Edge-V-5B是一個50億參數的多模態模型，支持圖像和文本輸入，能夠執行圖像理解和文本生成任務。

GLM-Edge-1.5B-Chat 是一個基於 GLM 架構的 15 億參數規模的聊天模型，適用於中文對話場景。

基於whisper-tiny的德語語音識別模型，參數量為3780萬，適用於對模型體積敏感的邊緣場景。

這是將openai/whisper-tiny的GGML格式轉換為Ratchet自定義格式的版本

這是一個小型高效的零樣本分類模型，基於microsoft/deberta-v3-xsmall微調而成，專為邊緣設備或瀏覽器內用例設計。

這是一個超小體積、高效能的零樣本分類模型，專為邊緣設備和瀏覽器應用設計。

基於MobileBERT的輕量級模型，用於檢測輸入字符串中的SQL注入攻擊，適用於邊緣計算場景。