> For the complete documentation index, see [llms.txt](https://minara.ai/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://minara.ai/docs/minara-handbook/zh/ji-shu/dmind/model-family.md).

# 模型家族

DMind 已发布了七个开源模型，跨越三代，外加 DMind Benchmark 数据集。所有权重均已在 Hugging Face 上公开，采用宽松许可协议。

## DMind-3（2026，当前一代）

三款协同工作的模型，组成 Edge-Local-Cloud 栈。参见 [主权架构](/docs/minara-handbook/zh/ji-shu/dmind/sovereign-architecture.md) 了解它们如何组合在一起。

### DMind-3-Nano（270M）

一个拥有 2.7 亿参数的模型，可运行在浏览器扩展、钱包应用以及移动端。它在签名时进行确定性的安全检查，解析 calldata，识别无限授权，并标记可疑模式。完全在设备端运行，无需网络。围绕标准化的函数调用协议构建。

### DMind-3-Mini（4B）

一个拥有 40 亿参数的模型，可运行在用户本地机器上，包括消费级 GPU 和较新的 Apple 芯片。它使用用户的投资组合作为上下文，处理私有策略推理和深度研究。使用 C³-SFT 训练（见 [训练方法](/docs/minara-handbook/zh/ji-shu/dmind/training-methods.md)），因此它会先给出答案，自我批评，然后在最终定稿前进行修订。

### DMind-3（21B）

21 亿参数的云端模型。基于 OpenAI 的 gpt-oss-20b 基座构建，配有自定义 Transformer 和 Multi-Scale RoPE 位置编码，支持 256k token 的上下文窗口。原生 BF16/FP16 精度。使用 50 万+ 精选文档和多 TB 链上数据训练。运行在云端或私有 VPC 中，而不是在用户设备上。

## DMind-2 系列（2025）

DMind-2 是过渡一代，重点在于工具调用和加密投资分析。两款模型目前仍可使用，但已不再是首选推荐，因为 DMind-3 已经取代了它们。

### DMind-2-107B

一款 1070 亿参数的旗舰模型，面向加密投资分析，并支持工具调用。该模型可直接调用链上数据 API、交易所 API 和市场数据服务。

### DMind-2-4B

同一系列中的 40 亿参数轻量版。为本地部署而设计，在更小的体积下保留相同的投资分析专长。

## DMind-1 系列（2025）

第一代，也是首个公开发布、带开放权重的 Web3 原生 LLM。基于阿里巴巴的 Qwen3 基座模型构建，并在从 32.7GB 源文档中提炼出的 13,276 条专家精选 Web3 知识条目上进行了微调。

### DMind-1（32B）

原始的 Web3 原生 LLM。基于 Qwen3-32B 构建。分两阶段训练：先使用 LoRA 在精选数据集上进行监督微调，再使用基于 Web3 特定奖励模型的 PPO 进行 RLHF。在 Web3 任务上，它以 10–30% 的 token 成本达到远大于它的通用大模型的性能。

### DMind-1-mini（14B）

基于 Qwen3-14B 构建的蒸馏版本，同时使用 DMind-1 和一款通用 SOTA 模型作为双教师。蒸馏分三个层面进行。学生模型学习教师的最终输出、教师对每个 token 的完整概率分布，以及教师的中间层表示。这是该系列下载量最高的模型，因为大多数智能体应用需要的是小而快的模型，而不是旗舰模型。

## 一览

| 模型           | 规模    | 运行位置           | 主要用途           |
| ------------ | ----- | -------------- | -------------- |
| DMind-3-Nano | 2.7亿  | 浏览器 / 钱包 / 移动端 | 交易安全检查         |
| DMind-3-Mini | 40亿   | 用户设备           | 私有策略与研究        |
| DMind-3      | 210亿  | 云端 / 私有 VPC    | 全市场研究          |
| DMind-2-107B | 1070亿 | 云端             | 带工具调用的投资分析     |
| DMind-2-4B   | 40亿   | 本地             | 轻量级投资分析        |
| DMind-1      | 32B   | 云端             | 首个 Web3 原生 LLM |
| DMind-1-mini | 14B   | 云端 / 本地        | 蒸馏的 Web3 智能体模型 |

七个模型以及基准数据集均可在 [huggingface.co/DMindAI](https://huggingface.co/DMindAI).


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://minara.ai/docs/minara-handbook/zh/ji-shu/dmind/model-family.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.