> 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。

## DMind-3（2026，当前一代）

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](/docs/minara-handbook/zh/ji-shu/dmind/sovereign-architecture.md) 它们如何协同工作。

### DMind-3-Nano (270M)

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。

### DMind-3-Mini (4B)

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](/docs/minara-handbook/zh/ji-shu/dmind/training-methods.md)），因此它会先给出答案，再自我批评并在定稿前修订。

### DMind-3 (21B)

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 系列（2025）

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。

### DMind-2-107B

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。

### DMind-2-4B

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。

## DMind-1 系列（2025）

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。

### DMind-1（32B）

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。

### DMind-1-mini（14B）

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。

## 一览

| 模型           | 大小    | 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](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, and the optional `goal` query parameter:

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

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

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.