GME-Qwen2VL系列统一的多模态Embedding模型基于Qwen2-VL 多模态大型语言模型 (MLLMs)训练。

Qwen3 Embedding 模型系列是 Qwen 家族的最新专有模型，专门设计用于文本嵌入和排序任务。基于 Qwen3 系列的密集基础模型，它提供了各种大小（0.6B、4B 和 8B）的全面文本嵌入和重排序模型。

Qwen3 Embedding 模型系列是 Qwen 家族的最新专有模型，专门设计用于文本嵌入和排序任务。基于 Qwen3 系列的密集基础模型，它提供了各种大小（0.6B、4B 和 8B）的全面文本嵌入和重排序模型。

Qwen3 Embedding 模型系列是 Qwen 家族的最新专有模型，专门设计用于文本嵌入和排序任务。基于 Qwen3 系列的密集基础模型，它提供了各种大小（0.6B、4B 和 8B）的全面文本嵌入和重排序模型。该系列继承了其基础模型卓越的多语言能力、长文本理解和推理技能。Qwen3 Embedding 系列表现出了在多种文本嵌入和排序任务中的显著进步，包括文本检索、代码检索、文本分类、文本聚类和双语文本挖掘。

Stability AI开发的7B参数的NeoX transformer架构语言模型，支持4k上下文。[了解更多>](https://huggingface.co/stabilityai/stablelm-base-alpha-7b)

由EleutherAI开发，使用GPT-NeoX库，基于Pile训练的200亿参数自回归语言模型，模型结构与GPT-3、GPT-J-6B类似。[了解更多>](https://huggingface.co/EleutherAI/gpt-neox-20b)

EleutherAI开发的6B参数transformer模型，基于[Mesh Transformer JAX训练](https://github.com/kingoflolz/mesh-transformer-jax/)。[了解更多>](https://huggingface.co/tiiuae/falcon-40b-instruct)

EleutherAI开发的6B参数transformer模型，基于[Mesh Transformer JAX训练](https://github.com/kingoflolz/mesh-transformer-jax/)。[了解更多>](https://huggingface.co/tiiuae/falcon-40b-instruct)

由EleutherAI研发并开源，在Pile数据集上训练的12B参数transformer语言模型。[了解更多>](https://huggingface.co/EleutherAI/pythia-12b)

由EleutherAI研发并开源，在Pile数据集上训练的12B参数transformer语言模型。[了解更多>](https://huggingface.co/EleutherAI/pythia-12b)

由Cerebras研发并开源，使用 Chinchilla 公式进行训练的13B参数GPT模型，可为给定的计算预算提供最高的准确性，具备更低的训练成本与功耗。[了解更多>](https://huggingface.co/cerebras/Cerebras-GPT-13B)

MPT-30M-Instruct是一种短格式指令遵循模型，由MosaicML研发，基于MPT-7B模型在更为丰富的数据集上调优的版本，采用经过修改的仅使用解码器的transformer架构。[了解更多>](https://huggingface.co/mosaicml/mpt-30b-instruct)

MPT-7B-Instruct是一种短格式指令遵循模型，由MosaicML研发，基于MPT-7B模型在Databricks Dolly-15k、HH-RLHF数据集上调优的版本，采用经过修改的仅使用解码器的transformer架构。[了解更多>](https://huggingface.co/mosaicml/mpt-7b-instruct)

由Databricks训练的指令遵循大语言模型。基于pythia-12b，由InstructGPT论文的能力域中生成的约15k指令/响应微调记录训练。[了解更多>](https://huggingface.co/databricks/dolly-v2-12b)

在Meta AI研发的Llama模型基础上，OpenBuddy进行调优，涵盖了更广泛的词汇、通用字符与token嵌入，具备与Llama相当的性能与推理效果。[了解更多>](https://huggingface.co/OpenBuddy/openbuddy-openllama-7b-v5-fp16)