https://api.tokios.com 的稳定且经过身份验证的端点，任何兼容 OpenAI 或 Anthropic 协议的客户端均可直接调用——无需开放入站端口，无需 VPN。
三步挑选法
1
明确使用场景
编程智能体、常规对话、推理、视觉处理，还是边缘/CPU 运算？使用场景能迅速缩小可选系列范围。详情请参阅各类任务对应的本地模型推荐，其中包含按任务分类的详细说明及智能体专用的筛选标准。
2
匹配硬件条件
只有当模型在您所需的上下文长度下能装入您的显存或统一内存时，它才能真正发挥效用。关于尺寸匹配的计算方式，请查阅何种尺寸的模型适合您的 GPU？；关于尺寸与质量之间的权衡，可参考量化相关内容。
3
核查许可协议
各类许可协议差异显著——Apache-2.0 和 MIT 较为宽松；其他协议（Llama Community、Gemma、NVIDIA Open Model License）则附有特定使用条件。在基于某模型进行开发前，请务必查阅如何解读模型说明文档以了解需要关注的要点。
各模型系列及其当前版本
下方的每个系列均有专属页面，包含标签、尺寸信息、硬件适配表格及部署指南。模型版本更新频繁——此表格仅作参考起点，请查阅各系列页面获取最新发布信息。最后验证时间：2026 年十月。
“当前”指您可以自行下载并运行的最新开放权重版本。部分当前版本仍需多 GPU 硬件支持，包括
DeepSeek-V4.1-Flash、GLM-5.3 以及前沿规模的 Kimi 和 MiniMax MoE 模型。各系列页面会分别说明当前可下载的版本、需要服务器环境的版本以及尚待发布的版本。按使用场景选择
常规对话与智能体
Qwen3.6、Llama、Gemma 和 gpt-oss 均为全面的强力选择。Qwen3.8-27B是最新的 Qwen 版本（目前仅支持 vLLM/SGLang）；Qwen3.6 是最易验证的部署路径，而 Muse Glimmer是面向智能体的首选，可在 24 GB 显卡上常驻运行。
编程
Qwen3-Coder、Mistral 的 Devstral 和 GLM 面向智能体式、仓库级编程场景。
推理与智能体
如需当前最新的 DeepSeek 推理、编程智能体和工具调用版本，请从 DeepSeek-V4.1-Flash 开始。硬件条件有限时可使用 R1 distills。在工作站硬件上进行前沿规模的智能体编程，Muse Spark Open引领开放权重领域。
视觉与多模态
Qwen3-VL 和 Gemma 4 可处理文本、图像和视频——建议从 Qwen3-VL 开始。MiMo V2.6在全部 3 个变体中增加了原生音频输入。
小型设备、边缘计算与 CPU
Gemma 的 E2B、Phi-4-mini、Granite 和 Mistral 的 Ministral 可在笔记本电脑和边缘设备上运行。
格式与硬件
哪种权重格式——GGUF、MLX、NVFP4、AWQ——能在您的 GPU 或 Mac 上运行。
选定模型之后
Tokios 不会替您选择模型；它为您正在运行的模型提供一个稳定且经过身份验证的端点，供您从任意位置调用。快速入门
配对连接器、注册部署，并创建您的第一个 API 密钥，完成端到端配置。
选择模型与后端
将模型与您的工作流、后端及部署命名相匹配。