# 開源大模型

SWE-agent-LM-32B是一個開源的軟件工程語言模型，基於Qwen/Qwen2.5-Coder-32B-Instruct微調，專為軟件工程任務設計。

dots.llm1 是一個大規模的 MoE 模型，在 1420 億總參數中激活 140 億參數，性能可與最先進的模型相媲美。

Qwen3-30B-A3B是基於Qwen3-30B-A3B-Base的大語言模型，支持文本生成任務，採用超低位量化技術優化內存效率。

Bielik-4.5B-v3.0-Instruct-GGUF 是 SpeakLeash 發佈的波蘭語大語言模型，基於 Bielik-4.5B-v3.0-Instruct 轉換的 GGUF 量化格式，適用於本地推理。

Qwen3-14B是基於Qwen/Qwen3-14B-Base生成的GGUF格式模型，支持文本生成任務，採用IQ-DynamicGate超低比特量化技術優化內存效率。

Qwen3是Qwen系列最新一代的大語言模型，提供了一系列密集和混合專家（MoE）模型。基於廣泛的訓練，Qwen3在推理、指令遵循、代理能力和多語言支持方面取得了突破性進展。

Qwen3-4B是Qwen系列最新一代的大語言模型，具有4B參數規模，支持100多種語言，在推理、指令遵循、代理能力和多語言支持方面表現優異。

Qwen3是通義千問系列大語言模型的最新版本，提供32.8B參數的密集模型，在推理能力、指令遵循、智能體功能和多語言支持方面實現突破性進展。

專為增強量化推理能力優化的多語言聊天機器人，支持8種語言，基於Qwen/QwQ-32B模型開發

本模型是THUDM/GLM-Z1-9B-0414的GGUF格式轉換版本，支持中英文文本生成任務。

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

OpenThinker2-32B的量化版本，使用llama.cpp進行imatrix量化，支持多種量化類型，適用於文本生成任務。

FinSeer StockLLM 是一個開源的10億參數大語言模型，專為金融時間序列預測設計，採用檢索增強生成（RAG）框架。

這是Google Gemma 3B模型的GGUF量化版本，適用於本地部署和推理。

這是Google Gemma 3B模型的GGUF量化版本，適用於本地推理，支持文本生成任務。

這是由google/gemma-3-12b-it轉換而來的GGUF格式模型，適用於llama.cpp框架。

Instella是由AMD開發的30億參數開源語言模型系列，基於AMD Instinct™ MI300X GPU訓練，性能超越同規模全開源模型。

DeepSeek-R1-Distill-Qwen-32B的量化版本，通過INT8權重量化和激活量化減少內存需求並提高計算效率

Lucie-7B是由LINAGORA和OpenLLM-France聯合構建的70億參數多語言因果語言模型，基於Llama-3架構，在3萬億令牌的多語言數據上預訓練而成。

Rombos-LLM-V2.5-Qwen-32b是基於Qwen2.5-32B持續微調的模型，性能優於原始的指令模型和基礎模型。

Reflection Llama-3.1 70B 是一款開源大語言模型，採用'反思調優'技術訓練，能夠自主檢測推理錯誤並修正方向。

基於Llama-3基礎模型開發的128K長上下文大語言模型，專注於提升RAG和長文本理解能力

xGen-MM是Salesforce AI Research開發的一系列最新基礎大型多模態模型（LMMs），在BLIP系列成功設計的基礎上進行了改進，通過基礎性增強確保了更強大和卓越的模型基礎。

Tarsier-7b 是 Tarsier 系列的開源大規模視頻語言模型，專注於生成高質量視頻描述並具備優秀的通用視頻理解能力。

基於Llama-3-8B的荷蘭語指令優化大模型，通過SFT和DPO在多個荷蘭語指令數據集上微調而成

Mistral-7B-v0.3是基於Mistral-7B-v0.2升級的大語言模型，主要改進是擴展了詞彙表至32768個詞元。

xGen-MM是Salesforce AI Research開發的最新基礎大型多模態模型系列，基於BLIP系列改進，具有強大的圖像理解和文本生成能力。

Llama 2 是 Meta 開發的一系列開源大語言模型，包括不同規模的預訓練和微調版本，適用於對話和生成任務。

Llama 2 是 Meta 發佈的新一代開源大語言模型，包含 7B、13B 和 70B 三種參數規模版本，支持商用許可。

基於Llama-3-8B框架繼續預訓練的韓語語言模型，使用超過60GB去重文本數據訓練

雪花北極是由雪花AI研究團隊開發的密集混合專家（MoE）架構大語言模型，具有4800億參數，專為高效文本和代碼生成設計。

基於Llama 2架構的韓語文本生成模型，專注於韓語自然語言處理任務

巫師湖7B是新一代WizardLM 2 7B模型與定製DolphinLake模型的融合模型，表現優異。

WizardLM-2 7B是微軟AI團隊開發的高效大語言模型，基於Mistral-7B架構，在多語言、推理和代理任務上表現優異。

OpenELM是一組開源高效語言模型，採用分層縮放策略優化參數分配，提升模型準確率。包含270M、450M、1.1B和3B四種參數規模，提供預訓練和指令調優版本。

JetMoE-8B是一款高效開源大語言模型，以不足10萬美元的訓練成本達到LLaMA2-7B性能水平，專為低資源環境設計。

Mistral-ORPO-β是基於Mistral-7B使用ORPO方法微調的7B參數語言模型，無需監督微調預熱階段即可直接學習偏好。

CogVLM是一款強大的開源視覺語言模型，支持目標檢測和視覺問答等任務，採用4位精度量化。

Aya 101 是一個支持101種語言指令的大規模多語言生成式語言模型，在各類評估中優於同類模型。

首個平均分突破80%的開源大語言模型，基於MoMo-72B-lora-1.8.7-DPO微調，採用創新的DPO-Positive技術優化偏好學習