# 長上下文處理

A.X 4.0 Light 是由 SKT AI Model Lab 開發的輕量級大語言模型，基於 Qwen2.5 構建，針對韓語理解和企業部署優化。

LongWriter-Zero-32B 量化模型基於 THU-KEG/LongWriter-Zero-32B 基礎模型，支持中英雙語，適用於強化學習、寫作等長上下文場景。

LongWriter-Zero-32B量化模型是基於原始模型進行靜態量化處理的多語言模型，適用於強化學習、寫作等長上下文場景。

Jan Nano是基於Qwen3架構微調的小型語言模型，專為本地和嵌入式環境設計，兼具高效性和長上下文處理能力。

DeepSeek-R1-0528模型的GPTQ量化版本，採用Int4 + 選擇性Int8的量化方案，在保證生成質量的同時減小文件大小。

Zlatorog-12B-Instruct-Beta 是基於 Mistral Nemo 12B 微調的大語言模型，專為斯洛文尼亞語相關研究設計，支持指令跟隨、推理和工具增強生成任務。

基於Qwen3-14B架構構建的指令微調模型，專精數學推理、代碼生成和事實準確性

Phi-4-reasoning-plus 是由微軟研究院開發的開源推理模型，專注於數學、科學和編程領域的高級推理能力。

Qwen3是由Qwen團隊開發的一系列先進語言模型，在高級推理、對話、指令遵循和智能體應用等方面表現卓越。

GreenMind-Medium-14B-R1 是一款中等規模的越南語語言模型，能夠有效解決需要中級推理的問題，例如常識、數學、自然科學和社會科學主題。

Bamba-9B-v2 是基於 Mamba-2 架構構建的僅解碼器語言模型，專注於文本生成任務，性能優於 Llama 3.1 8B。

Kyro-n1.1是Kyro-n1的增強版本，基於Qwen2.5-7B-Instruct構建，優化了推理能力、理解能力和響應精準度。

Phi-4-reasoning-plus 是微軟研究院開發的先進開放權重推理模型，基於 Phi-4 通過監督微調和強化學習優化，專注於數學、科學和編碼領域的高級推理能力。

InternVL3-78B是OpenGVLab推出的先進多模態大語言模型，展現卓越的綜合性能。相比前代InternVL 2.5，具備更強大的多模態感知與推理能力，並將能力拓展至工具使用、GUI代理、工業圖像分析、3D視覺感知等新領域。

InternVL3-2B-Instruct是基於InternVL3-2B的監督微調版本，經過原生多模態預訓練和SFT處理，具備強大的多模態感知和推理能力。

Kanana 1.5是Kanana模型家族的新版本，在編碼、數學和函數調用能力方面有顯著提升，支持32K tokens長度並可擴展至128K tokens。

基於DeepSeek-R1-Distilled-Qwen-1.5B微調的代碼推理大語言模型，採用分佈式強化學習技術擴展長上下文處理能力

Shisa V2是由Shisa.AI研發的日英雙語通用對話模型，專注於提升日語任務表現，同時保持強大的英語能力。

基於Qwen 2.5 14B架構構建的新一代語言模型，專為數學推理、編程和通用邏輯任務優化。

基於1萬億高質量法語文本預訓練的法語語言模型，是ModernBERT的法語版本

Phi-4推理是基於Phi-4通過監督微調思維鏈軌跡數據集和強化學習訓練的前沿開放權重推理模型，專注於數學、科學和編程技能。

基於Llama架構的緊湊型語言模型，支持英語和葡萄牙語，參數規模9600萬，支持4096個token的上下文長度。

當前V3-0324模型在該尺寸類別中表現最佳的量化版本，在保持性能接近Q8_0的同時顯著減小了體積

EXAONE Deep是由LG AI Research開發的高效推理語言模型，參數規模2.4B，在數學和編程等推理任務中表現優異。

110億參數大語言模型，採用創新的SuperBPE分詞器訓練，支持超詞單元識別和子詞分詞能力。

Theta-35 是 SVECTOR 推出的 Theta 系列中的先進推理模型，專注於複雜思維和推理，在需要深度邏輯分析和多步推理的難題上表現出色。

Granite-3.2-8B-Instruct是一個80億參數的長上下文AI模型，專為思維推理能力微調，支持多種語言和任務。

Granite-3.2-2B-Instruct是一個20億參數的長上下文AI模型，專為思維推理能力微調，支持12種語言和多任務處理。

基於Llama-3.1-8B構建的希臘語指令調優大語言模型，增強希臘語能力並支持多語言任務

mmMamba-linear是首個通過中等學術計算資源實現二次到線性蒸餾的純解碼器多模態狀態空間模型，具有高效的多模態處理能力。

由Algomatic團隊開發的多語言BERT模型，支持填充掩碼任務，具有8192的上下文長度和151,680的詞彙量。

Llama-Krikri-8B-Base是基於Llama-3.1-8B構建的大型希臘語基礎語言模型，通過持續預訓練擴展希臘語能力，同時保持英語能力。

基於ModernBERT-base微調的機器翻譯質量評估模型，支持長上下文文檔級評估

融合推理模型和長上下文模型優勢的多用途大語言模型

俄羅斯版現代化單向雙向編碼器Transformer模型，預訓練使用了約2萬億個俄語、英語和代碼數據的標記，上下文長度高達8,192個標記。

現代雙向僅編碼器Transformer模型的俄語版本，基於約2萬億俄語、英語和代碼標記進行預訓練，上下文長度達8,192個標記。

DeepSeek-R1是第一代推理模型，在數學、代碼和推理任務上表現出色，性能可與OpenAI-o1相媲美。

Phi-4-Model-Stock-v2是基於多個Phi-4變體模型合併而成的大語言模型，採用model_stock合併方法，在多個基準測試中表現良好。

一個基於Llama 3.3架構的70B參數大語言模型，通過合併多個優秀模型組件實現增強的故事敘述、場景描述和散文細節能力

Qwen2-VL-2B-Instruct 是一個多模態視覺語言模型，支持圖像和文本的交互，適用於圖像理解和生成任務。