Trending open models by task, likes, downloads, and practical model summaries.
FLUX.1-dev 是黑森林实验室开源的文本生成图像模型，基于 FLUX 系列大规模基座，擅长高质量图像合成与英文提示词理解。
文生图 · ♥ 13643 · downloads 627340
Stable Diffusion XL 1.0 Base 是文本生成图像模型，基于潜空间扩散与双文本编码器，可独立生成图像或配合精修模型提升高分辨率细节。
文生图 · ♥ 7939 · downloads 1425399
Whisper Large-v3 是 OpenAI 的大规模语音识别与翻译模型，基于 Whisper large 架构，训练于 500 万小时音频，支持多语言零样本识别并较 v2 降低错误率。
语音识别 · ♥ 5944 · downloads 5975475
FLUX.1-schnell 是 120 亿参数文本生成图像模型，主打快速推理，擅长高质量图像生成与提示词遵循。
文生图 · ♥ 5352 · downloads 246827
Z-Image-Turbo 是通义 MAI 的文本生成图像模型，基于 6B 单流扩散 Transformer，主打高效高质量出图与英文提示理解。
文生图 · ♥ 4985 · downloads 1016669
GLM-5.2 是 GLM-5 系列旗舰长程文本生成模型，支持稳定 100 万 token 上下文，擅长复杂编码与多档思考推理。
文本生成 · LLM · ♥ 3994 · downloads 489611
Gemma 4 31B-it 是 Google DeepMind 的31B指令微调多模态模型，支持图文输入生成文本，具备256K上下文、多语言、推理和代码能力。
图文问答 · 多模态 · ♥ 3217 · downloads 12315765
Whisper large-v3-turbo 是用于语音识别与翻译的 Whisper large-v3 裁剪微调版，解码层由32减至4，支持多语种零样本场景并显著提速。
语音识别 · ♥ 3164 · downloads 8010937
Qwen3.6 35B-A3B MoE 视觉多模态模型，支持中英图文理解与生成，主打低拒答解锁能力。
图文问答 · 多模态 · ♥ 2760 · downloads 2443871
LocateAnything-3B is a image-text-to-text by nvidia.
图文问答 · 多模态 · ♥ 2734 · downloads 1503393
pyannote/speaker-diarization-3.1 是 pyannote.audio 说话人分离流水线，用于标注谁在何时说话，擅长多说话人语音分段与时间戳识别。
语音识别 · ♥ 2717 · downloads 8436370
Gemma4 12B-it 基座的 GGUF 本地代码模型，专注 Python 编程，具备推理思考、边界分析与可运行解答能力。
文本生成 · LLM · ♥ 2708 · downloads 726265
Qwen3.6 MoE 多模态图文生成模型，35B参数、3B激活，擅长智能编程、前端流程与仓库级推理。
图文问答 · 多模态 · ♥ 2398 · downloads 6713488
Qwythos-9B-Claude-Mythos-5-1M-GGUF 是基于 Qwen3.5-9B 的量化推理模型，支持 llama.cpp，具备 1M 长上下文、函数调用与强化推理能力。
图文问答 · 多模态 · ♥ 2212 · downloads 2006265
Unlimited-OCR 是百度开源的多语言视觉语言 OCR 模型，面向一次性长文档解析，支持图文转文本、特征提取与 vLLM 推理。
图文问答 · 多模态 · ♥ 2001 · downloads 1715301
Qwen3.6-27B 是面向图文理解与生成的开源多模态模型，基于 27B 参数语言模型与视觉编码器，强化 Agentic Coding、仓库级推理和上下文思考保留能力。
图文问答 · 多模态 · ♥ 1976 · downloads 5079185
Sulphur-2-base 是基于 LTX 2.3 的文生视频基础模型，支持原生 t2v/i2v、多种 LTX 格式与提示增强能力。
文生视频 · ♥ 1884 · downloads 534808
Wan2.1-T2V-14B 是 14B 规模文本生成视频模型，支持中英提示，具备高质量视频生成与中英文视觉文字生成能力。
文生视频 · ♥ 1532 · downloads 78280
multilingual-e5-large 是基于 XLM-RoBERTa 的多语言句向量模型，面向特征提取与语义相似度，在 MTEB 等检索、分类任务表现突出。
向量嵌入 · ♥ 1223 · downloads 12890606
Gemma4 12B 本地编码与工具调用智能体，GGUF/llama.cpp 低显存运行，擅长推理、终端调试和多步技术任务。
文本生成 · LLM · ♥ 1198 · downloads 468629
stable-diffusion-v1-5 is a text-to-image by stable-diffusion-v1-5.
文生图 · ♥ 1190 · downloads 1685034
Qwen3-Embedding-0.6B 是基于 Qwen3-0.6B 的文本向量模型，面向检索、分类与聚类，支持百余语言、长文本理解和代码检索。
向量嵌入 · ♥ 1111 · downloads 11137957
Qwen3.6-27B-MTP-GGUF 是基于 Qwen3.6-27B 的图文生成 GGUF 量化模型，支持 MTP 推理加速，速度提升约 1.5–2 倍且保持精度。
图文问答 · 多模态 · ♥ 1103 · downloads 2904515
MiniCPM5-1B is a text-generation by openbmb.
文本生成 · LLM · ♥ 951 · downloads 378207
Ornith-1.0-35B-GGUF 是面向智能体编程的 35B MoE 开源模型，基于 Gemma 4/Qwen 3.5 后训练，擅长代码代理任务并支持单卡高效部署。
文本生成 · LLM · ♥ 893 · downloads 1533354
NVIDIA Nemotron 3.5 0.6B流式ASR模型，基于FastConformer-CacheAware-RNNT，支持多语种识别、语言提示与带标点转写。
语音识别 · ♥ 830 · downloads 315307
腾讯混元 Hy3 是 295B 参数 MoE 文本生成模型，激活 21B，强化 Agent 能力与产品级可靠性，适合复杂推理和应用生成。
文本生成 · LLM · ♥ 799 · downloads 10406
Qwythos-9B 是基于 Qwen3.5-9B 的全参数推理生成模型，经 Claude Mythos/Fable 轨迹后训练，支持 1M 长上下文、函数调用与工具自纠错。
文本生成 · LLM · ♥ 796 · downloads 191149
pyannote.audio 社区版说话人分离流水线，用于识别谁在何时说话，支持语音分段、说话人聚类与多说话人分析。
语音识别 · ♥ 763 · downloads 4349585
Qwen3-Embedding-8B 是基于 Qwen3-8B-Base 微调的文本嵌入模型，面向检索、分类与聚类，支持百余语言、长文本理解和代码检索。
向量嵌入 · ♥ 745 · downloads 2887306
Krea-2-Turbo 是基于 Krea-2-Raw 微调的文本生成图像模型，支持 8 步快速推理与最高 2048×2048 高分辨率出图。
文生图 · ♥ 620 · downloads 182610
Agents-A1 是面向智能体任务的 35B 模型，基于 Qwen3.5-MoE，支持视觉语言与文本生成，主打以小规模实现万亿级性能。
文本生成 · LLM · ♥ 552 · downloads 30539
Ornith-1.0-9B-GGUF 是面向智能体编程的 9B 开源生成模型，基于 Gemma 4/Qwen 3.5 后训练，支持单卡部署，在多项代码基准表现突出。
文本生成 · LLM · ♥ 513 · downloads 1554647
Ornith-1.0-9B is a text-generation by deepreinforce-ai.
文本生成 · LLM · ♥ 454 · downloads 592107
Alpamayo-R1-10B is a robotics by nvidia.
机器人 · ♥ 420 · downloads 20134
SmolVLA Base 是面向低成本机器人的紧凑视觉-语言-动作基座模型，可单卡训练、消费级硬件部署，支持多视角图像/状态/指令到连续动作。
机器人 · ♥ 400 · downloads 39102
ThinkingCap-Qwen3.6-27B 是图文到文本推理模型，基于 Qwen3.6-27B 微调，在保持质量风格下显著减少思考 token，提升推理效率。
图文问答 · 多模态 · ♥ 364 · downloads 6208
Krea-2-Raw 是英文文本到图像生成模型，基于 diffusers，主打复古、像素、半色调等风格化视觉创作与细腻场景渲染。
文生图 · ♥ 339 · downloads 130430
Qwen3-Embedding-4B is a feature-extraction by Qwen.
向量嵌入 · ♥ 295 · downloads 2874503
Bonsai-27B-gguf is a text-generation by prism-ml.
文本生成 · LLM · ♥ 262 · downloads 513
MiniCPM5-1B GGUF 本地文本生成/思考模型，基于 MiniCPM5-1B 经 Fable 5 微调，支持指令跟随、编码与最长 128K 上下文。
文本生成 · LLM · ♥ 247 · downloads 89892
OpenVLA-7B是7B视觉-语言-动作机器人模型，基于Llama-2等VLM，能从图像和指令生成动作，支持多机器人与高效微调。
机器人 · ♥ 239 · downloads 711167
MOSS-Transcribe-Diarize 是 0.9B 端到端音频理解模型，面向长音频多说话人转写，支持说话人分离、时间戳与声学事件标注。
audio-text-to-text · ♥ 212 · downloads 65109
Qwen3.6-27B 的 Unsloth NVFP4 量化多模态模型，用于图文到文本任务，24GB 显存可部署，吞吐更快且精度接近高精度版本。
图文问答 · 多模态 · ♥ 207 · downloads 1599150
Qwythos-9B-v2-GGUF is a image-text-to-text by empero-ai.
图文问答 · 多模态 · ♥ 143 · downloads 70260
M87 是面向 KREA-2 Turbo 的早期预览美学 LoRA，基于 100 张精选数据训练，增强构图、光影、氛围与视觉质感。
文生图 · ♥ 126 · downloads 2408
ThinkingCap-Qwen3.6-27B-GGUF 是面向本地图文对话的 Qwen3.6 27B 量化模型，支持 llama.cpp，以少 50% 思考 token 保持回答质量。
图文问答 · 多模态 · ♥ 113 · downloads 319886
CohereLabs 2026 阿拉伯语自动语音识别模型，面向转写任务，支持阿/英语音识别与高效音频转录。
语音识别 · ♥ 112 · downloads 14140
GLM-5.2-colibri-int4 is a model by jlnsrk.
♥ 110 · downloads 2188
FLUX.2-klein-9B 微调的文生图模型，强化美学与构图，支持多种量化格式且画质损失低。
文生图 · ♥ 90 · downloads 38382