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 PRO 6000

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-democua-27B 2026.08	27.4B	FP16	256K	10.00
2	UI-Mate-27B 2026.08	27.4B	FP16	256K	10.00
3	UI-Mate-9B 2026.08	9.4B	FP16	256K	10.00
4	Qwen3.8-27B 2026.08	27.8B	FP16	256K	9.59
5	Qwen3.6-27B 2026.04	27.8B	FP16	256K	9.16
6	Mistral-Medium-3.5-128B 2026.07	127.7B	NVFP4	65K	8.90
7	Kimi-VL-A3B-Thinking-2506 2026.01	16.4B	FP16	128K	8.75
8	Fara1.5-27B 2026.07	27.4B	FP16	256K	8.70
9	Fara1.5-9B 2026.07	9.4B	FP16	256K	8.70
10	Fara1.5-4B 2026.07	4.5B	FP16	256K	8.70
11	Qwen-AgentWorld-35B-A3B 2026.06	34.7B	FP16	69K	8.70
12	Qwen3-Coder-Next 2026.03	80B	FP8	80K	8.70
13	Qwen3.5-35B-A3B 2026.02	35B	FP16	256K	8.47
14	Qwen3.5-27B 2026.02	27B	FP16	256K	8.47
15	Qwen3.5-122B-A10B 2026.02	122B	NVFP4	246K	8.47
16	gpt-oss-120b 2025.08	116.8B	NVFP4	90K	8.30
17	Fara-7B 2026.08	8.3B	FP16	125K	7.80
18	Mistral-Small-4-119B-2603 2026.07	119.4B	NVFP4	84K	7.80
19	Kimi-VL-A3B-Thinking 2026.01	16.4B	FP16	128K	7.80
20	Gemma 4 12B 2026.06	12B	FP16	256K	7.69

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。