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 8× 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	Kimi-K2.7-Code 2026.06	1T	NVFP4	256K	10.00
2	MiniMax M3 2026.07	427B	FP8	1014K	9.10
3	Step-3.5-Flash 2026.03	199.4B	FP16	256K	9.10
4	Kimi-K2-Instruct 2026.04	1T	NVFP4	128K	9.09
5	DeepSeek-V4-Flash-0731 2026.08	304.2B	FP16	351K	8.98
6	MiniMax-M2 2025.12	228.7B	FP16	192K	8.83
7	Qwen3.5-397B-A17B 2026.02	397B	FP8	256K	8.81
8	Kimi-K2.6 2026.05	1T	NVFP4	256K	8.78
9	GLM-5.1 2026.05	753.9B	NVFP4	198K	8.65
10	GLM-5 2026.08	753.9B	NVFP4	198K	8.08
11	Nemotron 3 Ultra 2026.06	550B	FP8	500K	8.00
12	GLM-5-Turbo 2026.03	744B	NVFP4	198K	8.00
13	MiniMax-M2.7 2026.04	228.7B	FP16	200K	7.96
14	GLM-5.2 2026.07	753.3B	NVFP4	1M	7.89
15	Mistral-Small-4-119B-2603 2026.07	119.4B	FP16	1M	7.80
16	Step-3.7-Flash 2026.06	201.4B	FP16	256K	7.56
17	MiniMax-M2.1 2026.02	228.7B	FP16	192K	7.40
18	DeepSeek-V4-Flash 2026.07	284B	FP16	776K	7.03
19	Kimi-K2.5 2026.04	1T	NVFP4	256K	6.52
20	MiniMax-M2.5 2026.03	228.7B	FP16	192K	5.12

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。