模型配方

选择模型，检查运行时，并复制与你的机器匹配的命令。

最后更新: 2026年10月7日

本页内容

270 models运行时数据来自仓库 manifest

如何读懂就绪度

每个模型都有一个就绪度徽章。徽章由相互独立的 manifest 记录计算得出，缺失的证据永远不会被四舍五入成更强的声明。

Runner verified — 至少一条路径已记录 WorldFoundry runner parity 产物。请选择证据对应的 variant 和配置。
Integrated — 已绑定可运行 Pipeline，但端到端 GPU parity 仍在验证。可以运行；在 parity 记录之前，输出应视为未验证。
Runtime ported — 运行时代码已在仓库中，路径还在接线。检查 manifest；运行可能需要手动步骤。
Profile only — 只记录了 runtime profile，没有绑定 Pipeline。页面可用于溯源与规划；不会显示运行命令。
Planned — 条目只记录了意向与上游来源。可以跟踪；目前没有可运行内容。
Blocked — 已记录的 blocker（许可、权重、上游）阻止了集成。阅读 manifest 备注了解具体 blocker。

如何选择模型

按家族和任务过滤。 使用分类标签（视频、世界模型、3D 与 4D、具身智能、托管 API）和搜索框——搜索会匹配模型名、别名、提供方和任务 id。
优先选择 verified 或 integrated 条目。 这些条目已绑定 Pipeline；其余条目只是参考资料。
检查运行时信息。 独立环境需要单独安装；统一环境的模型共享一个 conda 环境。Python 与 CUDA 可以在安装前告诉你驱动栈是否匹配。
打开模型页面。 每个页面都会解释模型是什么、来自哪里、输入/输出契约、精确的环境、带固定 revision 的权重仓库，以及为所选 variant 生成可复制运行命令的命令构建器。

每个模型页面包含什么

模型页面由自动生成的运行时记录与模型专属文章组成。docs/fumadocs/scripts/generate-model-recipes.py 刷新 recipe 数据和标记为 pageSource: generated 的页面；手写文章单独维护。每个页面会把下面几类声明分开呈现：

Catalog: 稳定 model ID、任务、官方来源（论文、项目、代码、权重）、别名和集成状态。
发表机构: 正式发表机构（企业优先，其次大学或实验室）及其类型。GitHub 账号永远不会被当作品牌展示；若仓库未记录正式机构，页面会明确说明。
Runtime profile: 输入契约、artifact 契约、backend stage 和运行时就绪状态。
Environment: Python、CUDA tier、固定依赖、验证 import，以及独立/统一环境路由。
Pipeline binding: WorldFoundry 使用的 runner 与每个 variant 的具体 pipeline target。
Benchmarks: Manifest 推荐或其证据记录中提到的评测，链接到 Benchmark Hub。
Evidence: 原生 demo 与 WorldFoundry runner 的 parity；只有 catalog 记录并不代表 GPU 已验证。

缺失值会明确显示为未记录。Catalog manifest 可以携带人工撰写的双语 docs: 块，记录概述、架构、发表机构与推荐评测；没有此块的条目使用已有 catalog 和 runtime 元数据。使用说明与 blocker 写在每个模型页的运行时契约中。Catalog tasks 描述模型能力；命令构建器使用 CLI 实际接受的 task-profile ID 和参数。验证记录只适用于所注明的路径与配置。

常用命令

# 检查完整 catalog manifest。
worldfoundry-eval zoo model-show \
  --model-id <model-id> \
  --include-manifest \
  --json

# 不下载，只解析 checkpoint、凭据与本地资产 blocker。
worldfoundry-eval zoo model-download \
  --model-id <model-id> \
  --check-local \
  --json

# 为一个 runtime profile 解析并安装环境 manifest。
bash scripts/setup/model_env_install.sh --model <model-id>

# 为一个 runtime profile 下载声明的 checkpoint。
bash scripts/inference/prepare_model_infer.sh <model-id> --download

# 运行一个已记录的 task profile（每个模型页面会生成精确的参数）。
worldfoundry-eval run <model-id> --pipeline.task-profile <task> --json

在文档中的位置

运行推理——选定模型后完整的 request 文件与 artifact 流程。
环境参考——统一 vs. 独立环境路由的决策方式。
评测与 Benchmark Hub——为模型输出打分；模型页面会链接到其 manifest 推荐或提及的评测。
添加模型——如何编写新的 catalog manifest（及其可选 docs: 块）。