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。

最佳视觉模型于 1× NVIDIA RTX PRO 6000

图像、文档与图表理解

#	模型	参数量	精度	最大上下文	评分 (0–10)
1	Qwen3.8-27B 2026.08	27.8B	FP16	256K	9.02
2	GLM-4.1V-9B-Thinking 2026.07	10.3B	FP16	64K	8.70
3	Qwen3.5-35B-A3B 2026.02	35B	FP16	256K	8.54
4	Qwen3.5-27B 2026.02	27B	FP16	256K	8.54
5	Qwen3.5-122B-A10B 2026.02	122B	NVFP4	246K	8.54
6	Qwen3.6-35B-A3B 2026.04	35B	FP16	256K	8.46
7	Qwen3.6-27B 2026.04	27.8B	FP16	256K	8.43
8	Qwen3.5-9B 2026.03	9B	FP16	256K	8.13
9	Qwen3.5-4B 2026.03	4B	FP16	256K	8.13
10	Qwen3.5-2B 2026.03	2B	FP16	256K	8.10
11	Qwen3.5-0.8B 2026.03	0.8B	FP16	256K	8.10
12	Mage-VL 2026.08	4.7B	FP16	256K	7.99
13	EVIE-Preview-4.5B 2026.08	4.5B	FP16	256K	7.80
14	UI-Mate-27B 2026.08	27.4B	FP16	256K	7.60
15	Fara1.5-27B 2026.07	27.4B	FP16	256K	7.60
16	Gemma 4 12B 2026.06	12B	FP16	256K	7.60
17	Gemma 4 26B-A4B 2026.03	26B	FP16	256K	7.60
18	Gemma 4 E4B 2026.03	8B	FP16	128K	7.60
19	Kimi-VL-A3B-Thinking 2026.01	16.4B	FP16	128K	7.48
20	Kimi-VL-A3B-Thinking-2506 2026.01	16.4B	FP16	128K	7.42

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。