Skywork-MoE-Base

Modelo de especialista misto de alto desempenho com 146 bilhões de parâmetros

Produto ComumProgramaçãoModelo de especialista mistoParâmetros em larga escala

Skywork-MoE-Base é um modelo de especialista misto (MoE) de alto desempenho com 146 bilhões de parâmetros, composto por 16 especialistas e com 22 bilhões de parâmetros ativados. O modelo foi inicializado a partir do ponto de verificação denso do modelo Skywork-13B e introduz duas técnicas inovadoras: normalização lógica de portões para aumentar a diversidade de especialistas e um coeficiente de perda auxiliar adaptativo, permitindo o ajuste específico por camada do coeficiente de perda auxiliar. O Skywork-MoE demonstra desempenho comparável ou superior a modelos com mais parâmetros ou parâmetros ativados em vários benchmarks populares.

Best AI Websites & Tools

Skywork-MoE-Base

Skywork-MoE-Base Situação do Tráfego Mais Recente

Skywork-MoE-Base Tendência de Visitas

Skywork-MoE-Base Distribuição Geográfica das Visitas

Skywork-MoE-Base Fontes de Tráfego

Skywork-MoE-Base Alternativas

Skywork-MoE-Base — Modelo de especialista misto de alto desempenho com 146 bilhões de parâmetros

Llama-3.1-70B-Instruct-AWQ-INT4 — Modelo de geração de texto com 70 bilhões de parâmetros

Llama-Lynx-70b-4bit-Quantizado — Modelo de geração de texto quantizado de 70 bilhões de parâmetros

Llama-lynx-70b-4bitAWQ — Modelo de geração de texto com 7 bilhões de parâmetros

glider-gguf — Modelo de linguagem quantizado de alto desempenho

INTELLECT-1-Instruct — Modelo de linguagem de texto e código em inglês com 1 bilhão de parâmetros

Gerador de Firecrawl LLMs.txt — Ferramenta para gerar arquivos de texto integrados de sites para treinamento e inferência de LLM

QwQ-32B — QwQ-32B é um poderoso modelo de raciocínio, projetado para resolução de problemas complexos e geração de texto, com desempenho excepcional.

olmOCR-7B-0225-preview — olmOCR-7B-0225-preview é um modelo de reconhecimento de imagem de documentos baseado em Qwen2-VL-7B-Instruct, ajustado para converter documentos em texto puro de forma eficiente.

Magma-8B — Magma-8B é um modelo de IA multimodal lançado pela Microsoft, capaz de processar entradas de imagem e texto e gerar saídas de texto.

Moonlight — Moonlight é um modelo de especialista misto com 16 bilhões de parâmetros, treinado com o otimizador Muon, apresentando desempenho excepcional.

s1-32B — s1 é um modelo de inferência baseado no Qwen2.5-32B-Instruct, treinado com apenas 1000 amostras.

Xwen-Chat — Xwen-Chat é um conjunto de modelos de linguagem grandes focados em diálogo em chinês, oferecendo diversos modelos e serviços de geração de linguagem.

SmolVLM-256M-Instruct — SmolVLM-256M é o menor modelo multimodal do mundo, capaz de processar de forma eficiente entradas de imagem e texto e gerar saídas de texto.

DeepSeek-R1-Distill-Qwen-14B — DeepSeek-R1-Distill-Qwen-14B é um modelo de geração de texto de alto desempenho, adequado para diversas tarefas de raciocínio e geração.

DeepSeek-R1-Distill-Qwen-32B — DeepSeek-R1-Distill-Qwen-32B é um modelo de linguagem de código aberto de alto desempenho, adequado para diversas tarefas de geração de texto.

AI ContentCraft — O AI ContentCraft é uma ferramenta multifuncional de criação de conteúdo que integra a geração de texto, a síntese de voz e a geração de imagens.

Textoon — Textoon é uma ferramenta inovadora que gera personagens de desenho animado 2D vívidos com base em descrições de texto.

InternLM3 — InternLM3 é um conjunto de modelos focado na geração de texto, oferecendo diversas versões otimizadas para atender diferentes necessidades.

MiniMax-Texto-01 — MiniMax-Texto-01 é um poderoso modelo de linguagem com 456 bilhões de parâmetros, capaz de processar contextos de até 4 milhões de tokens.

Editor de Batata Doce — Ferramenta completa para criação de posts para o Little Red Book, oferecendo funcionalidades de edição, formatação e verificação de conteúdo.

Dria-Agent-a-7B — Modelo de linguagem grande baseado na série Qwen2.5-Coder, focado em aplicações de agente.

Llama-3-Patronus-Lynx-8B-Instruct-Q4_K_M-GGUF — Modelo de linguagem grande quantizado baseado em um modelo específico, adequado para tarefas de processamento de linguagem natural.

InternVL2_5-38B-MPO — Modelo da série InternVL2.5-MPO, baseado no InternVL2.5 e otimização de preferência mista, apresentando desempenho excepcional.

Llama-3-Patronus-Lynx-70B-Instruct — Modelo de avaliação de código aberto para detecção de alucinações, baseado na arquitetura Llama-3, com 70 bilhões de parâmetros.

CAG — Um método de aprimoramento de modelo de linguagem que não requer recuperação em tempo real, melhorando a eficiência de geração por meio do pré-carregamento de um cache de conhecimento.

Eurus-2-7B-PRIME — Modelo de linguagem de 7B parâmetros treinado com o método PRIME, projetado para aprimorar a capacidade de raciocínio.

llmstxt-generator — Ferramenta para gerar arquivos de texto integrados de conteúdo de sites para treinamento e inferência de LLM.

Llama-3-Patronus-Lynx-8B-Instruct — Modelo de avaliação de alucinação de código aberto

EXAONE-3.5-7.8B-Instruct-AWQ — Modelo de geração de texto bilíngue desenvolvido pela LG AI Research