aha/docs/supported-models.zh-CN.md

支持的模型

aha 支持多个领域的最先进 AI 模型集合。

文本生成

模型	参数量	模型id	开源协议
Qwen3-0.6B	0.6B	Qwen/Qwen3-0.6B	Apache 2.0
MiniCPM4-0.5B	0.5B	OpenBMB/MiniCPM4-0.5B	Apache 2.0
LFM2-1.2B	1.2B	LiquidAI/LFM2-1.2B	lfm1.0
LFM2.5-1.2B-Instruct	1.2B	LiquidAI/LFM2.5-1.2B-Instruct	lfm1.0

视觉与多模态

模型	参数量	模型id	开源协议
Qwen2.5-VL	3B 7B	Qwen/Qwen2.5-VL-3B-Instruct Qwen/Qwen2.5-VL-7B-Instruct	Qwen 研究许可协议 Apache 2.0
Qwen3-VL	2B 4B 8B 32B	Qwen/Qwen3-VL-2B-Instruct Qwen/Qwen3-VL-4B-Instruct Qwen/Qwen3-VL-8B-Instruct Qwen/Qwen3-VL-32B-Instruct	Apache 2.0
Qwen3.5	0.8B 2B 4B 9B	Qwen/Qwen3.5-0.8B Qwen/Qwen3.5-2B Qwen/Qwen3.5-4B Qwen/Qwen3.5-9B	Apache 2.0
LFM2.5-VL-1.6B	1.6B	LiquidAI/LFM2.5-VL-1.6B	lfm1.0
LFM2-VL-1.6B	1.6B	LiquidAI/LFM2-VL-1.6B	lfm1.0

OCR

模型	语言	模型id	开源协议
PaddleOCR-VL	多语言	PaddlePaddle/PaddleOCR-VL PaddlePaddle/PaddleOCR-VL-1.5	Apache 2.0
Hunyuan-OCR	中文	Tencent-Hunyuan/HunyuanOCR	腾讯混元社区许可协议
DeepSeek-OCR	多语言	deepseek-ai/DeepSeek-OCR deepseek-ai/DeepSeek-OCR-2	MIT
GLM-OCR	8	ZhipuAI/GLM-OCR	MIT

语音识别 (ASR)

模型	参数量	语言	模型id	开源协议
Fun-ASR-Nano-2512	-	中/英	FunAudioLLM/Fun-ASR-Nano-2512	未标明
GLM-ASR-Nano-2512	-	中/英	ZhipuAI/GLM-ASR-Nano-2512	MIT
Qwen3-ASR	0.6B 1.7B	中/英	Qwen/Qwen3-ASR-0.6B Qwen/Qwen3-ASR-1.7B	Apache 2.0

语音生成

模型	版本	模型id	开源协议
VoxCPM	1 1.5	OpenBMB/VoxCPM-0.5B OpenBMB/VoxCPM1.5	Apache 2.0

图像处理

模型	类型	模型id	开源协议
RMBG-2.0	背景移除	AI-ModelScope/RMBG-2.0	CC BY-NC 4.0

模型来源

模型来源：

• Hugging Face - 主模型中心
• ModelScope - 中文模型中心

添加新模型

参见 开发指南 了解添加新模型集成的说明。

许可证合规

重要提示：每个模型都有自己的许可证。在生产环境使用前请查看模型许可证。一些关键注意事项：

• Apache 2.0: 宽松许可，支持商业使用
• MIT: 宽松许可，支持商业使用
• Qwen 研究许可协议: 研究用途，可能有使用限制
• 腾讯混元社区许可协议: 自定义许可，请查看条款
• CC BY-NC 4.0: 仅限非商业用途

在生产环境部署前，请务必验证许可证条款。

模型更新

模型不定期更新。

性能基准

CPU (M1 Pro) 上的近似推理速度：

模型	任务	Tokens/秒
Qwen3-0.6B	文本	40-50
Qwen2.5-VL-3B	视觉	20-30
Qwen3-ASR-0.6B	ASR	200-500x
VoxCPM-0.5B	TTS	实时

基准测试因硬件和输入大小而异。