کدنماAI-Coding.irتازه‌های هوش مصنوعی و کدنویسی
دلار (تتر) ۲۷۰٬۳۵۴ تومانAVGO ۳۵۵٫۷۳ ▲ +۴٫۱٪AMD ۵۲۲٫۰۰ ▲ +۳٫۷٪AMZN ۲۶۷٫۳۰ ▲ +۳٫۷٪NVDA ۱۵۰٫۷۵ ▼ −۳٫۰٪SPCX ۱۴۳٫۹۷ ▲ +۱٫۶٪BABA ۸۵٫۲۷ ▼ −۱٫۶٪پرکاربردترین مدل برنامه‌نویسی DeepSeek V4.1 Flash 1017

مدل‌های متن‌باز

مدل‌هایی که وزن‌هایشان منتشر شده و می‌توانید روی سیستم یا سرور خودتان اجرا کنید؛ بدون وابستگی به اینترنت بین‌الملل و بدون ارسال داده به بیرون. فهرست‌ها هر شش ساعت از Hugging Face به‌روز می‌شوند.

آخرین به‌روزرسانی: ۱ ساعت پیش

ماشین‌حساب حافظه‌ی گرافیکی

برآورد تقریبی است: وزن‌ها + حافظه‌ی KV برای زمینه + سربار. در مدل‌های MoE همه‌ی پارامترها باید در حافظه باشند، ولی سرعت به پارامترهای فعال بستگی دارد. راهنمای کامل: اجرای مدل روی سرور شخصی.

پرطرفدارترین مدل‌های زبانی

بر اساس دانلود ۳۰ روز اخیر
مدلپارامترحافظه‌ی Q4 (تقریبی)مجوزدانلود ماهپسندروند دانلود
openai-community/gpt2 ۰٫۱B ۲ GB mit ۳۴٫۴ میلیون ۳٫۹ هزار در حال جمع‌آوری
Qwen/Qwen3-0.6B ۰٫۸B ۲ GB apache-2.0 ۱۶٫۰ میلیون ۱٫۹ هزار در حال جمع‌آوری
Qwen/Qwen3-14B ۱۵B ۱۰ GB apache-2.0 ۱۳٫۲ میلیون ۵۴۸ در حال جمع‌آوری
Qwen/Qwen2.5-7B-Instruct ۷٫۶B ۶ GB apache-2.0 ۶٫۵ میلیون ۲٫۵ هزار در حال جمع‌آوری
Qwen/Qwen3-8B ۸٫۲B ۶ GB apache-2.0 ۶٫۱ میلیون ۲٫۲ هزار در حال جمع‌آوری
Qwen/Qwen2.5-1.5B-Instruct ۱٫۵B ۲ GB apache-2.0 ۵٫۰ میلیون ۹۴۷ در حال جمع‌آوری
dphn/dolphin-2.9.1-yi-1.5-34b ۳۴B ۲۱ GB apache-2.0 ۴٫۸ میلیون ۹۲ در حال جمع‌آوری
facebook/opt-125m — — other ۴٫۸ میلیون ۳۳۴ در حال جمع‌آوری
meta-llama/Llama-3.1-8B-Instruct ۸٫۰B ۶ GB llama3.1 ۴٫۱ میلیون ۹٫۰ هزار در حال جمع‌آوری
Qwen/Qwen2.5-0.5B-Instruct ۰٫۵B ۲ GB apache-2.0 ۴٫۱ میلیون ۷۵۲ در حال جمع‌آوری
Qwen/Qwen3-32B ۳۳B ۲۰ GB apache-2.0 ۳٫۹ میلیون ۷۹۷ در حال جمع‌آوری
trl-internal-testing/tiny-Qwen3ForCausalLM — — — ۳٫۳ میلیون ۱۵ در حال جمع‌آوری
Qwen/Qwen3-4B ۴٫۰B ۴ GB apache-2.0 ۳٫۱ میلیون ۸۰۴ در حال جمع‌آوری
EleutherAI/pythia-160m ۰٫۲B ۲ GB apache-2.0 ۳٫۰ میلیون ۶۷ در حال جمع‌آوری
Qwen/Qwen3-4B-Instruct-2507 ۴٫۰B ۴ GB apache-2.0 ۲٫۸ میلیون ۱٫۱ هزار در حال جمع‌آوری
Qwen/Qwen3-1.7B ۲٫۰B ۳ GB apache-2.0 ۲٫۷ میلیون ۶۲۹ در حال جمع‌آوری
trl-internal-testing/tiny-Qwen2ForCausalLM-2.5 — — — ۲٫۵ میلیون ۶۰ در حال جمع‌آوری
HuggingFaceTB/SmolLM2-135M ۰٫۱B ۲ GB apache-2.0 ۲٫۳ میلیون ۲۷۰ در حال جمع‌آوری
Qwen/Qwen3-Coder-30B-A3B-Instruct ۳۱B (فعال ۳B) ۱۹ GB apache-2.0 ۱٫۹ میلیون ۱٫۳ هزار در حال جمع‌آوری
Qwen/Qwen2.5-3B-Instruct ۳٫۱B ۳ GB other ۱٫۹ میلیون ۶۴۲ در حال جمع‌آوری
nvidia/NVIDIA-Nemotron-3-Nano-4B-BF16 ۴٫۰B ۴ GB other ۱٫۸ میلیون ۱۴۴ در حال جمع‌آوری
Qwen/Qwen2.5-Coder-14B-Instruct ۱۵B ۱۰ GB apache-2.0 ۱٫۷ میلیون ۲۲۰ در حال جمع‌آوری
Qwen/Qwen2.5-Coder-7B-Instruct ۷٫۶B ۶ GB apache-2.0 ۱٫۵ میلیون ۸۷۵ در حال جمع‌آوری

داغ این هفته

امتیاز ترند Hugging Face؛ نسخه‌های سانسورزدایی‌شده حذف شده‌اند
  1. maxwell-model/Maxwell-V1-Flash ۳۷ میلیارد پارامتر، انتشار ۲۱ مهر ۱۴۰۵
  2. Edge0/Edge0-145B-NVFP4 ۱۴۵ میلیارد پارامتر، بر پایه‌ی Qwen/Qwen3.8-Flash-Next، انتشار ۷ روز پیش
  3. nvidia/NVIDIA-Nemotron-3.5-Bolt-E4B-4GB ۴٫۰ میلیارد پارامتر، بر پایه‌ی nvidia/NVIDIA-Nemotron-3.5-Bolt-E4B-BF16، انتشار ۱۳ مهر ۱۴۰۵
  4. NousResearch/Arete-27B ۲۷ میلیارد پارامتر، بر پایه‌ی Qwen/Qwen3.8-27B، انتشار ۱۲ روز پیش
  5. meta-llama/Llama-3.1-8B-Instruct ۸٫۰ میلیارد پارامتر، بر پایه‌ی meta-llama/Llama-3.1-8B، انتشار ۲۸ تیر ۱۴۰۳
  6. nvidia/Qwen3.5-4B-Qwen3.8-27B-Draft ۴٫۲ میلیارد پارامتر، بر پایه‌ی Qwen/Qwen3.5-4B، انتشار ۶ روز پیش
  7. meta-llama/Meta-Llama-3-8B-Instruct ۸٫۰ میلیارد پارامتر، انتشار ۲۹ فروردین ۱۴۰۳
  8. StarpowerTechnology/WVY-Blender-5m انتشار ۶ روز پیش
  9. prism-ml/Ternary-Bonsai-2-27B-gguf ۲۷ میلیارد پارامتر، بر پایه‌ی Qwen/Qwen3.8-27B، انتشار ۲۶ شهریور ۱۴۰۵
  10. LiquidAI/LFM3-1.7B ۱٫۷ میلیارد پارامتر، بر پایه‌ی LiquidAI/LFM3-1.7B-Base، انتشار ۲۵ روز پیش
  11. Edge0/Edge0-120B-NVFP4 ۱۲۰ میلیارد پارامتر، بر پایه‌ی Qwen/Qwen3.8-Flash-Next، انتشار ۷ روز پیش
  12. Edge0/Edge0-145B-q3k ۱۴۵ میلیارد پارامتر، بر پایه‌ی Qwen/Qwen3.8-Flash-Next، انتشار ۷ روز پیش
  13. KRAFTON/Raon-1-nano ۳٫۵ میلیارد پارامتر، انتشار ۲۰ روز پیش
  14. LiquidAI/LFM3-1.7B-GGUF ۱٫۷ میلیارد پارامتر، بر پایه‌ی LiquidAI/LFM3-1.7B، انتشار ۲۵ روز پیش
  15. whittleOrg/Whittle-Next-27B-A3B ۲۸ میلیارد پارامتر، بر پایه‌ی Qwen/Qwen3.6-35B-A3B، انتشار ۱۲ شهریور ۱۴۰۵

تازه‌ترین‌های آزمایشگاه‌های بزرگ

DeepSeek

Qwen (علی‌بابا)

Moonshot (Kimi)

OpenAI

Z.ai (GLM)

Mistral

MiniMax

Meta

Google

Microsoft

Xiaomi

IBM

Tencent

StepFun

ابزارهای اجرای محلی

ابزارکاربردستاره‌ی گیت‌هابرشد ۳۰ روز
Ollama ساده‌ترین راه اجرای مدل روی لپ‌تاپ یا سرور؛ API سازگار با OpenAI روی پورت ۱۱۴۳۴. ۱۸۸ هزار —
llama.cpp موتور سبک C/C++ برای فایل‌های GGUF؛ روی CPU و GPU و حتی سرورهای ضعیف. ۱۳۶ هزار —
vLLM سرویس‌دهی پرسرعت برای چند کاربر هم‌زمان روی GPU؛ انتخاب رایج برای سرور تیمی. ۹۷ هزار —
SGLang موتور سرویس‌دهی سریع، به‌ویژه برای مدل‌های MoE و ایجنت‌ها. ۳۹ هزار —
Open WebUI رابط چت تحت وب برای تیم شما، روی Ollama یا هر API سازگار. ۱۵۹ هزار —
LocalAI جایگزین خودمیزبان API اوپن‌ای‌آی با پشتیبانی چند نوع مدل. ۵۰ هزار —

کدام سخت‌افزار برای کدام مدل؟

حافظه‌ی گرافیکیمدل مناسب (کوانتیزه‌ی ۴ بیت)کاربرد
۸ گیگابایت۷ تا ۹ میلیارد پارامترتکمیل خودکار کد در ویرایشگر
۱۶ گیگابایتتا حدود ۱۴ میلیارد پارامترچت کدنویسی سبک
۲۴ تا ۳۲ گیگابایتمدل‌های ۲۷ تا ۳۲ میلیاردی یا MoE حدود ۳۰ میلیاردیایجنت کدنویسی شخصی
۴۸ تا ۹۶ گیگابایتMoE حدود ۸۰ میلیاردیسرور کوچک تیمی
چند کارت سرورمدل‌های صدها میلیاردی (GLM، Kimi، DeepSeek)جایگزین کامل سرویس ابری