HyperAI超神经

选择 GPU 配置和能力，以寻找最适合的开源模型，并将其部署为 API。

最佳智能体模型于 1× NVIDIA RTX 5090

工具调用、多步规划与环境交互

#	模型	参数量	精度	最大上下文	评分 (0–10)
1	UI-Mate-9B 2026.08	9.4B	FP16	147K	10.00
2	UI-Mate-democua-27B 2026.08	27.4B	NVFP4	105K	10.00
3	UI-Mate-27B 2026.08	27.4B	NVFP4	105K	10.00
4	Qwen3.8-27B已验证 2026.08	27.8B	NVFP4	103K	9.59
5	Qwen3.6-27B 2026.04	27.8B	NVFP4	103K	9.16
6	Kimi-VL-A3B-Thinking-2506 2026.01	16.4B	FP8	94K	8.75
7	Fara1.5-4B 2026.07	4.5B	FP16	256K	8.70
8	Fara1.5-9B 2026.07	9.4B	FP16	147K	8.70
9	Fara1.5-27B 2026.07	27.4B	NVFP4	105K	8.70
10	Qwen3.5-35B-A3B 2026.02	35B	NVFP4	256K	8.47
11	Qwen3.5-27B 2026.02	27B	NVFP4	107K	8.47
12	Fara-7B 2026.08	8.3B	FP16	125K	7.80
13	Kimi-VL-A3B-Thinking 2026.01	16.4B	FP8	94K	7.80
14	Gemma 4 12B 2026.06	12B	FP8	131K	7.69
15	Gemma 4 26B-A4B 2026.03	26B	NVFP4	256K	7.69
16	Gemma 4 E4B 2026.03	8B	FP16	128K	7.69
17	Qwen3.6-35B-A3B 2026.04	35B	NVFP4	256K	7.49
18	Ministral-3-8B-Reasoning-2512 2026.07	8.9B	FP16	163K	7.20
19	gpt-oss-20b 2025.08	20.9B	NVFP4	128K	7.20
20	Qwen3.5-4B 2026.03	4B	FP16	256K	7.19

已在 HyperAI 上验证部署得分汇总了所选能力的公开基准测试数据。列出的模型在可用显存 (VRAM) 中均能容纳权重和 KV 缓存，并支持至少 64K 的上下文，且处于最适用的最佳精度。