模型家族
最后更新于
这有帮助吗？
DMind 已跨三代发布了七个开源模型，以及 DMind Benchmark 数据集。所有权重均在 Hugging Face 上以宽松许可证公开。
三款协同工作的模型，共同组成边缘-本地-云栈。请参见 主权架构 它们如何协同工作。
一个 2.7 亿参数的模型，可在浏览器扩展、钱包应用和移动端运行。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。围绕标准化函数调用协议构建。
一个 40 亿参数的模型，可在用户的本地机器上运行，包括消费级 GPU 和较新的 Apple 芯片。它以用户的投资组合为上下文，处理私密的策略推理和深度研究。采用 C³-SFT 训练（见 训练方法），因此它会先给出答案，再自我批评并在定稿前修订。
一个 210 亿参数的云端模型。基于 OpenAI 的 gpt-oss-20b 基座，配合自定义 Transformer 和 Multi-Scale RoPE 位置编码，支持 256k token 上下文窗口。原生 BF16/FP16 精度。基于 50 万+ 精心筛选的文档和数 TB 的链上数据训练。运行于云端或私有 VPC，而不是用户设备上。
DMind-2 是过渡一代，重点关注工具调用和加密投资分析。这两个模型目前仍可使用，但已不再是首选推荐，因为 DMind-3 已经取代了它们。
一个 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。
同一系列的 40 亿参数轻量版本。专为本地部署设计，在更小的体积下保留相同的投资分析专长。
第一代，也是首个公开发布的、原生 Web3 的开源权重 LLM。基于阿里巴巴的 Qwen3 基座模型，使用从 32.7GB 源文档中提炼出的 13,276 条专家筛选的 Web3 知识条目进行微调。
最初的原生 Web3 LLM。基于 Qwen3-32B 构建。分两个阶段训练：先在精选数据集上使用 LoRA 进行监督微调，再使用面向 Web3 的奖励模型通过 PPO 进行 RLHF。在 Web3 任务上，它以 10–30% 的 token 成本，达到了远大于它的通用模型的性能。
一个基于 Qwen3-14B 构建的蒸馏版本，同时使用 DMind-1 和一个通用 SOTA 模型作为双教师。蒸馏在三个层面进行。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。这是该系列中下载量最高的模型，因为大多数 agent 应用需要的是小型、快速的模型，而不是旗舰模型。
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
私密策略与研究
DMind-3
210亿
云端 / 私有 VPC
全市场研究
DMind-2-107B
1070亿
云
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
首个原生 Web3 LLM
DMind-1-mini
14B
云端 / 本地
蒸馏的 Web3 agent 模型
全部七个模型以及基准数据集可在以下位置获取 huggingface.co/DMindAI.
最后更新于
这有帮助吗？
这有帮助吗？