#开源模型

推荐理由：原文给出拒绝方向消除方法与去审查前后的拒答率和能力对照数据，读者可据此评估这个繁中去审查版本的实际代价。

推荐理由：官方给出了 BF16 与 Q4_K_M 两档精度、多组同类小模型的同基准横向对比数据，读者可直接核对这个 4GB 级小模型的实际水平。

推荐理由：官方模型卡给出了完整架构细节与多基准对比数据，读者可以据此评估新架构在长上下文和 Agent 任务上的实际表现。

推荐理由：作者给出了用 Heretic ARA 方法去审查的拒绝率前后数据，并附各量化档位与 Qwen 官方模型的基准对比，可核验其宣称。

推荐理由：仓库给出各量化档位与 Unsloth Dynamic 的完整基准对比，并附可审计的逐张量分配文件，读者可据此评估是否采用。

推荐理由：作者公开了 LoRA 权重、训练数据构成与完整超参数，还给出三种设置的对照视频，便于复现和评估效果。

推荐理由：原文给出压缩方法细节与 SWE-bench、LiveCodeBench 前后对比，读者可据此评估专家剪枝加量化的实际代价。

推荐理由：BFS 面部与身体替换 LoRA 覆盖 Qwen Image、Flux 2 Klein 等多个基模型，且给出了各版本的输入顺序与强度等使用约定。

推荐理由：作者附上了与 FP8 源权重的 KL 散度、困惑度对比和 tau2-bench 实测，还指出 glm4_5 解析器会破坏字符串参数导致工具调用失败。

推荐理由：原文给出CED架构与CSA2等KV cache压缩设计细节，并附同框架基准分数，读者可自行对比它与V4-Flash及前沿模型的性价比。

推荐理由：原文给出七套英文测试集的平均词错率和多平台实时率数据，可以据此比较小体积语音识别模型之间的实际精度差距。

推荐理由：原文给出三值权重格式、14 项基准对比和跨平台吞吐数据，读者可以据此评估 1.72 bits/weight 量化在本地部署中的实际取舍。

推荐理由：模型卡附完整基准表，把该模型与同规模开源及闭源 VLM 在空间、具身和 Agent 任务上逐项对比，便于按需选型。

推荐理由：原文给出了量化后与 BF16 基线的 PPL、Top-1 agreement 和 KLD 对照数据，可据此评估这类高压缩权重的保真程度。

推荐理由：原文给出蒸馏步数、速度倍数、各量化格式的 LPIPS 对比和已知短板，读者可据此判断该 LoRA 是否适合自己的部署场景。

推荐理由：原文给出四个量化档位的实测跑分、吞吐与显存占用数据，读者可按内存预算与质量需求直接选型。

推荐理由：模型卡给出与 diar_streaming_sortformer_4spk-v2.1 在多个基准和延迟档位下的 DER、SCA 与 RTFx 对比，读者可据此评估升级收益。

推荐理由：原文给出了与 Jev 的延迟对比和 DeepSWE、Terminal-Bench 具体分数，读者可据此评估该快速决策模型的实际性价比。

推荐理由：该 GGUF 仓库提供了 Xing4.0-29B-A4B 的权重与配置，兼容 vLLM、SGLang 等主流推理框架，部署参考价值具体。

推荐理由：官方发布页给出了架构规模、四项改进点和 diffusers 快速上手代码，读者可以直接评估生成与编辑能力是否匹配自己的用途。

推荐理由：原文给出与 Qwen3.6-27B、Qwen3.7-Plus、Muse Glimmer-30B、Opus4.6 Max 在编码、Agent 和视觉任务上的完整对照数据，读者可据此评估这个 27B 稠密模型在自家工作流中的实际取舍。

推荐理由：模型卡附完整技术报告，给出训练配置、能耗数据与同设置下的德英双语评测对比，可据此评估其实际水平。

推荐理由：模型卡同时给出 Decision Index 全量分数、延迟和四个业务工作流的实测结果，读者可以据此判断这个 9B 决策模型在哪些任务上强于基座。

推荐理由：官方模型卡完整列出了各组件权重文件、量化变体与运行约束，读者可直接比对 22B 蒸馏与完整版的使用路径和 ComfyUI 兼容性。

推荐理由：原文附上 Decision Index 与 Jev 等基线的逐项对比和延迟数据，可据此评估该决策模型在不同任务上的取舍。