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。

最佳知识模型于 8× NVIDIA RTX PRO 6000

世界知识与多领域理解

#	模型	参数量	精度	最大上下文	评分 (0–10)
1	GLM-5.2 2026.07	753.3B	NVFP4	1M	10.00
2	Step-3.5-Flash 2026.03	199.4B	FP16	256K	10.00
3	Qwen3.5-397B-A17B 2026.02	397B	FP8	256K	9.57
4	Kimi-K2.6 2026.05	1T	NVFP4	256K	9.54
5	DeepSeek-V4-Flash 2026.07	284B	FP16	776K	9.41
6	Kimi-K2.5 2026.04	1T	NVFP4	256K	9.21
7	GLM-5.1 2026.05	753.9B	NVFP4	198K	9.17
8	GLM-5 2026.08	753.9B	NVFP4	198K	9.05
9	GLM-5-Turbo 2026.03	744B	NVFP4	198K	9.00
10	MiniMax-M2.1 2026.02	228.7B	FP16	192K	9.00
11	MiniMax-M2 2025.12	228.7B	FP16	192K	8.69
12	Nemotron 3 Ultra 2026.06	550B	FP8	500K	8.50
13	DeepSeek-V4-Flash-0731 2026.08	304.2B	FP16	351K	8.30
14	MiniMax M3 2026.07	427B	FP8	1014K	8.30
15	MiniMax-M2.7 2026.04	228.7B	FP16	200K	8.20
16	Kimi-K2.7-Code 2026.06	1T	NVFP4	256K	8.10
17	Mistral-Small-4-119B-2603 2026.07	119.4B	FP16	1M	7.60
18	Kimi-K2-Instruct 2026.04	1T	NVFP4	128K	7.20
19	MiniMax-M2.5 2026.03	228.7B	FP16	192K	6.75
20	Step-3.7-Flash 2026.06	201.4B	FP16	256K	1.23

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。