Qwen3-Embedding 是阿里巴巴 Qwen 的 Apache 2.0 文本嵌入系列（0.6B、4B、8B），32K 上下文、支持 100 多种语言，2025 年 6 月发布。

模型、数据集和推理。PRO $9/月，Team $20，Enterprise 从 $50 起。额外私有存储 $18/TB。不是 10 万模型口号。

cogvlm-base-490-hf 是 Z.ai（原 THUDM）发布的开源 CogVLM-17B 视觉语言模型检查点，带视觉专家模块，代码采用 Apache-2.0。

MythoMax-L2-13b 是 Gryphe 基于 Llama 2 13B、合并 MythoLogic-L2 与 Huginn 的角色扮演与写作模型，使用 Alpaca 风格提示，已标为旧版系列。

OpenChat 3.5 7B（0106）是基于 Mistral-7B-v0.1 微调的 Apache 2.0 对话模型，上下文 8,192 token；据模型卡，MT-Bench 得分 7.8。

Rocinante 12B 是 TheDrummer 面向角色扮演与冒险叙事的 120 亿参数微调模型，有 v1 和 v1.1 两个版本，支持 ChatML、Alpaca、Mistral 模板。

llava-v1.6-34b-hf 是 LLaVA-NeXT 34B 的 Hugging Face Transformers 版本，基于 Nous-Hermes-2-Yi-34B 的开源视觉语言模型，2024 年 1 月 30 日发布。

Qwen-VL 是阿里云 2023 年基于 Qwen-7B 的视觉语言模型，可输入图像、文本和边界框，输入分辨率 448，支持定位与文字识别。

Qwen3-VL-Embedding 是通义千问的 Apache-2.0 多模态嵌入系列（2B 与 8B），支持文本、图像、截图与视频，上下文 32K，最高 4096 维向量。

Qwen3-VL-Reranker 是通义千问的 Apache 2.0 多模态重排序模型，提供 2B 和 8B 两种规模，32K 上下文，支持 30 多种语言及文本、图像、视频输入。

DeepSeek-VL-7B-Base 是开源的 7B 视觉语言模型，采用 SigLIP-L 与 SAM-B 混合视觉编码器，支持 1024x1024 图像，基于 DeepSeek-LLM-7B-Base。

Qwen2-VL-72B-Instruct 是阿里的 72B 视觉语言模型，支持动态图像分辨率和 20 分钟以上视频理解；更新版本为 Qwen2.5-VL。

Agnes-3.0-Flash Preview 是 Apache-2.0 的 33B 多模态开源权重，上下文 262k，不是专有 API 那个检查点。

苹果发布的 9B 视觉语言模型：把文档当作压缩图片来读，只把真正相关的页面放大还原，在 4.3 倍压缩下仍保持全文级别的准确率。

DeepSeek-V4-Flash-Vision-Exp 是 V4 家族首个多模态实验：Flash 架构加视觉模块，MIT 权重，约 305B 参数。

Inco AI 的 Apache 2.0 块扩散推测解码草稿模型。2026-08-18 发布，覆盖 Qwen3.8-27B 与 Muse Glimmer。

Ling-3.0-flash-VL 是 inclusionAI 的 MIT 多模态 MoE：总参 124B，激活 5.5B，支持图像和视频。

inclusionAI 的 MIT 混合线性 MoE：总参 124B，激活 5.1B。2026-08-21 在 Hugging Face 复核。

Ling-3.0-tiny 是 inclusionAI 的 MIT 混合线性 MoE：总参 7.9B，激活 1.3B，面向本地智能体。

面壁智能 MiniCPM5-2B 是 2B 端侧稠密模型，131k 上下文、Apache-2.0 开源，面向本地助手与工具调用。

Nex-N2.5-mini 是 Nex-AGI 的 Apache-2.0 多模态智能体模型，面向计算机使用、浏览和编程。

Nex-N2.5-Pro 是 Nex-AGI 的 Apache-2.0 多模态智能体检查点，面向计算机使用、浏览和编程。

Orukeet 是覆盖 25 种语言的语音识别模型，在 NVIDIA Parakeet TDT 0.6B v3 上冻结拟合的 Gabor 核。

Qwen-Drive-1.0-4B 是阿里 Apache-2.0 的驾驶视觉语言模型，把三维感知、VQA 和运动规划放在同一套权重里。