每日HuggingFace Top20热门大模型(0824)

AgenticAI

发布于 2025-08-25 09:57:19

4750

文章被收录于专栏：AgenticAIAgenticAI

每天 5 分钟，速览今日 Hugging Face 热门大模型

今日 HuggingFace 上 20 个热门 AI 模型展现了多模态、模型压缩和特定任务性能提升的最新进展。技术趋势聚焦于多模态图像编辑、混合模式推理、高效代码生成和语音识别优化。这些模型为开发者提供了更强大的工具和更广泛的适用性，对研究者而言则是探索新领域和优化算法的宝贵资源。

1. Qwen/Qwen-Image-Edit

多模态图像编辑利器。Qwen/Qwen-Image-Edit 是一款专注于图像编辑的多模态模型，基于 20B Qwen-Image 模型构建。该模型具备语义和外观编辑能力，支持中英文文本编辑，并在多个基准测试中表现出色。其核心能力在于将文本编辑与图像编辑相结合，提供精确的图像编辑体验。模型定位为多模态模型，具有 Apache 2.0 开源协议，适用于图像编辑、文本修改等场景。

原文链接:https://huggingface.co/Qwen/Qwen-Image-Edit

2. deepseek-ai/DeepSeek-V3.1-Base

混合模式通用大模型。DeepSeek-V3.1 是一款支持思考模式和非思考模式的混合模型，定位为通用大模型。其核心技术包括 Transformer 架构和 Hybrid thinking mode，具有较长的上下文长度和较大的参数量。在性能上，模型在多个基准测试中表现出色，具有代码生成、数学推理、多语言能力等优势。开源协议为 MIT，适用于对推理效率有较高要求的场景。

原文链接:https://huggingface.co/deepseek-ai/DeepSeek-V3.1-Base

3. deepseek-ai/DeepSeek-V3.1

通用大模型，多语言支持。DeepSeek-V3.1 是一款支持思考模式和非思考模式的混合模型，定位为通用大模型。其核心技术包括 Transformer 架构和自定义代码，支持长上下文处理。在性能上，模型在多个基准测试中表现出色，具有代码生成、多语言和指令遵循等能力。模型开源协议为 MIT，适用于对推理效率有较高要求的场景。

原文链接:https://huggingface.co/deepseek-ai/DeepSeek-V3.1

4. google/gemma-3-270m

Transformer 架构，长文本生成强。google/gemma-3-270m 是一款定位在通用大模型范畴内的 LLM，具备 270M 参数量，支持长文本生成。其核心技术基于 Transformer 架构，并采用 GEMMA3 文本生成模型。在性能上，该模型在多个基准测试中表现出色，尤其在代码生成和数学推理方面具有优势。模型开源协议为 Apache 2.0，适合在多种硬件和推理框架上使用。

原文链接:https://huggingface.co/google/gemma-3-270m

5. ByteDance-Seed/Seed-OSS-36B-Instruct

通用大模型，推理强。Seed-OSS-36B-Instruct 是由 ByteDance Seed Team 开发的一款开源大型语言模型，定位为通用大模型。该模型具有灵活的推理预算控制、增强的推理能力和优秀的通用能力。它采用了 Apache-2.0 许可协议，支持国际（i18n）使用场景。在性能上，Seed-OSS-36B-Instruct 在多个基准测试中表现出色，尤其在推理任务上具有显著优势。该模型适用于需要强大长文本处理、推理和通用能力的应用场景，如对话系统、代码生成等。

原文链接:https://huggingface.co/ByteDance-Seed/Seed-OSS-36B-Instruct

6. nvidia/NVIDIA-Nemotron-Nano-9B-v2

多语言推理优化模型。NVIDIA-Nemotron-Nano-9B-v2 是一款由 NVIDIA 开发的推理优化版本的大型语言模型，定位为推理模型。该模型采用混合架构，结合 Mamba-2 和 MLP 层，并使用 Megatron-LM 和 NeMo-RL 进行训练。模型支持多语言，包括英语、德语、西班牙语、法语、意大利语和日语。在 Reasoning-On 模式下，模型在多个基准测试中表现出色，特别是在需要推理的复杂任务上。该模型适用于商业用途，并遵循 NVIDIA Open Model License 协议。

原文链接:https://huggingface.co/nvidia/NVIDIA-Nemotron-Nano-9B-v2

7. xai-org/grok-2

高性能代码生成多语言 AI 模型。Grok-2 是一款由 xAI 训练的模型，定位为特定领域微调模型，具有 500GB 的参数量和长达 200K 的上下文长度。其核心技术包括 Transformer 架构和 SGLang 推理引擎，支持代码生成和指令遵循。在性能上，Grok-2 在权威基准测试中表现良好，具有开源协议 Apache 2.0，适用于需要高性能代码生成和多语言能力的场景。

原文链接:https://huggingface.co/xai-org/grok-2

8. Qwen/Qwen-Image

多模态文本图像高效渲染。Qwen/Qwen-Image 是一款专注于复杂文本渲染和精确图像编辑的多模态模型，定位为特定领域多模态模型。该模型采用 diffusers 库，具有 Transformer 架构，支持中英文文本到图像的转换。在性能上，Qwen-Image 在图像生成和编辑方面表现出色，尤其在文本渲染方面具有显著优势。开源协议为 Apache 2.0，适合在多种硬件平台上运行，与 diffusers 框架兼容性良好。

原文链接:https://huggingface.co/Qwen/Qwen-Image

9. openai/gpt-oss-20b

21B 参数开源模型，强大推理与灵活定制。openai/gpt-oss-20b 是一款针对通用推理、代理任务和开发者用例设计的开源模型。该模型具有 21B 参数，支持低延迟、本地或专用场景。其核心能力包括可配置的推理努力、完整的思维链、可微调性和代理能力。在性能上，该模型在 MMLU、GPQA、IFEval 等基准测试中表现出色，具有与 MXFP4 量化的 MoE 权重相结合的创新技术。适用于需要强大推理能力和灵活定制的企业级应用。

原文链接:https://huggingface.co/openai/gpt-oss-20b

10. nvidia/canary-1b-v2

德语语音识别最佳模型。nvidia/canary-1b-v2 是一款专注于自动语音识分的领域大模型，具备 1B 参数量，采用 Transformer 架构，支持多种语言。其在 FLEURS 数据集上的测试 WER 表现优异，尤其在德语上表现最佳。该模型基于 nemo 库，支持自动语音识别和自动语音翻译，适用于需要高精度语音识别的场合。模型开源，采用 cc-by-4.0 协议，适用于多种硬件平台，推理效率较高。

原文链接:https://huggingface.co/nvidia/canary-1b-v2

11. openai/gpt-oss-120b

120B 大模型，推理强，应用广。openai/gpt-oss-120b 是一款通用大模型，具备强大的推理能力和广泛的应用场景。该模型采用 Transformer 架构，参数量高达 120B，支持长上下文处理。其在 MMLU、GPQA 等基准测试中表现出色，尤其在代码生成和数学推理方面具有显著优势。模型采用 Apache 2.0 开源协议，可在 80GB GPU 上高效运行，兼容多种推理框架。

原文链接:https://huggingface.co/openai/gpt-oss-120b

12. tencent/Hunyuan-GameCraft-1.0

多模态游戏视频生成神器。Hunyuan-GameCraft-1.0 是一款专注于游戏视频生成的多模态模型，由腾讯开发。该模型采用 image-to-video 的 pipeline，具有高动态交互性，能够生成高质量的互动游戏视频。模型开源，支持 Gradio 和 Hugging Face Demo，适合游戏视频生成等应用场景。

原文链接:https://huggingface.co/tencent/Hunyuan-GameCraft-1.0

13. nvidia/parakeet-tdt-0.6b-v3

FastConformer 高效语音识别。nvidia/parakeet-tdt-0.6b-v3 是一款专注于自动语音识别的领域大模型，采用 FastConformer 架构，具有高效的推理性能。该模型在多个基准测试中表现出色，如 LibriSpeech 等数据集上的 Test WER 指标。模型基于 nemo 库开发，支持多种语言，适用于语音识别和音频处理领域。

原文链接:https://huggingface.co/nvidia/parakeet-tdt-0.6b-v3

14. AIDC-AI/Ovis2.5-9B

多模态推理 LLM，视觉感知强。Ovis2.5-9B 是一款专注于多模态推理的 LLM，具备原生分辨率视觉感知能力。其核心技术包括 NaViT 视觉编码器和深度推理能力，支持自检和修订。在 OpenCompass 基准测试中，Ovis2.5-9B 取得了 78.3 的平均分，处于开源 MLLM 中的领先地位。该模型适用于需要高精度和复杂输入的场景，如图表和文档 OCR。其开源协议为 Apache 2.0，适合在资源受限的环境中使用。

原文链接:https://huggingface.co/AIDC-AI/Ovis2.5-9B

15. google/gemma-3-270m-it

高效通用大模型。google/gemma-3-270m-it 是一款热门的通用大模型，具备 270M 参数量，支持文本生成。该模型基于 transformers 库，采用 GEMMA3 架构，上下文长度可达 2000。在权威基准测试中表现优异，尤其在代码生成和数学推理方面具有显著优势。模型开源，易于集成，适用于多语言对话和文本生成等场景。

原文链接:https://huggingface.co/google/gemma-3-270m-it

16. QuantStack/Qwen-Image-Edit-GGUF

多模态图像编辑，性能卓越。QuantStack/Qwen-Image-Edit-GGUF 是一款基于 Qwen/Qwen-Image-Edit 的图像编辑模型，定位为多模态模型。该模型采用 gguf 库，支持图像到图像的转换，具有强大的图像编辑能力。模型参数量适中，上下文长度较长，能够处理复杂的图像编辑任务。在性能上，模型在图像编辑任务中表现出色。开源协议为 Apache 2.0，适用于需要图像编辑功能的场景。

原文链接:https://huggingface.co/QuantStack/Qwen-Image-Edit-GGUF

17. Phr00t/WAN2.2-14B-Rapid-AllInOne

14B 参数快速视频生成。Phr00t/WAN2.2-14B-Rapid-AllInOne 是一款专注于图像到视频生成的多模态模型，定位为通用大模型。该模型基于 WAN 2.2 架构，结合了 CLIP 和 VAE 等组件，提供快速、一体化的视频生成解决方案。模型具有 14B 参数量，支持 FP8 精度，适用于多种视频生成任务。模型适用于需要快速生成视频的场景，如内容创作、教育演示等。

原文链接:https://huggingface.co/Phr00t/WAN2.2-14B-Rapid-AllInOne

18. DatarusAI/Datarus-R1-14B-preview

14B 参数高效推理模型。Datarus-R1-14B-preview 是一款基于 Qwen2.5-14B-Instruct 微调的 14B 参数语言模型，旨在作为虚拟数据分析师和高级问题解决者。该模型在效率、推理接口、性能和效率方面表现出色，具有高效的假设推理和避免循环推理的能力。它在 AIME 2024/2025 和 LiveCodeBench 等基准测试中取得了优异的成绩，适用于需要高效分析和推理的场景。

原文链接:https://huggingface.co/DatarusAI/Datarus-R1-14B-preview

19. zai-org/GLM-4.5V

通用大模型，多模态推理强。zai-org/GLM-4.5V 是一款基于 GLM-4.5-Air 的多模态推理模型，定位为通用大模型。它具有大规模参数（106B）和长上下文处理能力，支持中英等多语言。在视觉语言基准测试中表现优异，具备图像和视频理解能力。模型开源，采用 MIT 许可协议，适用于需要多模态推理能力的应用场景。

原文链接:https://huggingface.co/zai-org/GLM-4.5V

20. NexaAI/OmniNeural-4B

多模态 NPU 加速，隐私保护 AI 模型。NexaAI/OmniNeural-4B 是一款定位为多模态模型的 NPU-aware 模型，具有处理文本、图像和音频的能力。该模型采用 NPU 优化的架构，支持多模态输入，在 NPU 上的性能表现优异。其核心技术包括 NPU-optimized architecture 和 Hardware-Aware Attention，使得模型在音频和图像处理上具有显著的速度提升。模型在 MMLU、GPQA、IFEval 等基准测试中表现出色，具有隐私保护的特点。主要应用场景包括移动设备、PC、汽车、物联网和机器人等领域。

原文链接:https://huggingface.co/NexaAI/OmniNeural-4B

你更关注哪类模型？欢迎留言讨论 👇