热门搜索:
Docker AI 官方镜像
Docker 官方维护的 AI 模型镜像集合（Verified Publisher），涵盖 GLM-4.7-Flash、Qwen3、GPT-OSS、DeepSeek、Kimi 等主流大语言模型，以及嵌入模型、重排序模型等，适合 AI 应用开发与部署。
Docker AI 官方镜像仓库是 Docker Hub 上经过官方认证的 AI 模型容器镜像集合。该仓库由 Docker 官方维护，提供经过严格安全审查和质量测试的 AI 模型镜像，确保生产环境的安全性和稳定性。
本仓库涵盖了当前主流的 AI 技术栈，包括大语言模型（LLM）、嵌入模型、重排序模型、多模态模型等。所有镜像均经过优化，支持快速部署和扩展，适合企业级 AI 应用开发。
Docker AI 官方镜像集合
mistral
Docker AI 官方镜像
高效开源模型，具备顶级性能和快速推理能力，73亿参数，在推理、代码生成和数学任务中表现出色，资源使用高效，适用于多种自然语言处理任务。
21 次收藏74186 次下载
--更新
smollm2
Docker AI 官方镜像
为速度、边缘设备和本地开发构建的小型语言模型
37 次收藏498922 次下载
--更新
mxbai-embed-large
Docker AI 官方镜像
mxbai-embed-large-v1是Mixedbread AI开发的顶级英文嵌入模型，能将文本转换为语义向量，适用于RAG、语义搜索、文本相似性分析及文本分类等NLP任务。
3 次收藏11257 次下载
--更新
qwen2.5
Docker AI 官方镜像
通义千问迎来重要更新，本次升级在语言能力上实现显著提升，涵盖更精准的语义理解、更自然的文本生成及更深入的多轮对话表现，同时大幅拓宽支持范围，包括更长文本处理、多模态交互（如图文结合）及更多行业场景适配，为用户带来更智能、更全面的AI服务体验。
11 次收藏140426 次下载
--更新
phi4
Docker AI 官方镜像
Microsoft’s compact model, surprisingly capable at reasoning and code
26 次收藏104854 次下载
--更新
mistral-nemo
Docker AI 官方镜像
Mistral与NVIDIA合作开发的指令微调大型语言模型，优化多语言任务和指令遵循能力，在推理、多轮对话及代码生成方面表现优于Mistral 7B，适合企业级应用。
7 次收藏14434 次下载
--更新
deepseek-r1-distill-llama
Docker AI 官方镜像
由DeepSeek开发的蒸馏版LLaMA模型，快速且针对实际任务优化，适用于高效执行各类真实场景任务。
79 次收藏210920 次下载
--更新
qwq
Docker AI 官方镜像
QwQ-32B是一个320亿参数的大语言模型，具备高级推理和智能，支持工具调用，适用于数学解题、代码生成与调试及通用问题解决，以高效性能著称。
3 次收藏7954 次下载
--更新
llama3.2
Docker AI 官方镜像
LLaMA 3的此次稳定更新显著提升了模型性能，在编码开发、日常聊天及各类问答任务中均展现出可靠表现，能够高效处理多样化的用户需求，无论是辅助编写代码、进行流畅对话还是解答专业问题，都具备稳定且出色的任务执行能力，为用户提供了更为实用的人工智能工具支持。
31 次收藏555201 次下载
--更新
gemma3
Docker AI 官方镜像
Google最新推出的AI模型Gemma，虽体型小巧却性能强劲，尤其在聊天交互与内容生成领域表现突出；其轻量化设计不仅便于高效部署，还能在保证响应速度的同时，持续输出高质量内容，为用户带来便捷且智能的使用体验，是一款兼顾小巧体型与强大功能的新一代AI模型。
67 次收藏750043 次下载
--更新
llama3.3
Docker AI 官方镜像
最新LLama 3版本，具备改进的推理能力和生成质量。
21 次收藏103924 次下载
--更新
llama3.1
Docker AI 官方镜像
Meta’s LLama 3.1: Chat-focused, benchmark-strong, multilingual-ready.
6 次收藏38779 次下载
--更新
gemma3-qat
Docker AI 官方镜像
Google’s latest Gemma, in its QAT (quantization aware trained) variant
22 次收藏107823 次下载
--更新
deepcoder-preview
Docker AI 官方镜像
DeepCoder-14B-Preview是一款代码推理大型语言模型，经微调支持扩展至长上下文长度。
15 次收藏48726 次下载
--更新
qwen3
Docker AI 官方镜像
Qwen3是通义千问系列最新推出的大语言模型，作为新一代人工智能技术成果，它专为顶尖级代码编写、数学计算、逻辑推理及语言处理任务打造，凭借先进的算法架构与深度优化的模型性能，能够高效应对多领域复杂场景下的专业需求，为用户提供精准、智能的解决方案，展现出在技术研发与应用落地中的卓越潜力。
186 次收藏616251 次下载
--更新
第 1 页 / 共 5 页
推荐技术栈
模型推理框架
vLLMTensorRT-LLMTGI (Text Generation Inference)llama.cpp
向量数据库
MilvusQdrantPineconeWeaviateChroma
API 框架
OpenAI Compatible APILangChainLlamaIndexFastAPI
部署工具
DockerKubernetesDocker ComposeHelm Charts
典型使用场景
智能对话系统
构建企业级智能客服、虚拟助手等对话应用，支持多轮对话、上下文理解、情感分析等功能。
LLM对话管理上下文管理
语义搜索
基于向量嵌入的语义搜索系统，支持自然语言查询、相似度匹配、智能推荐等功能。
嵌入模型向量数据库相似度计算
内容生成
自动生成文章、代码、摘要等内容，支持多种格式输出和风格定制。
LLM文本生成模板引擎
知识问答系统
基于知识库的问答系统，支持文档检索、答案生成、引用溯源等功能。
RAG向量检索重排序LLM
代码助手
AI 驱动的编程助手，支持代码补全、错误修复、代码审查、文档生成等功能。
代码 LLMAST 分析代码理解
相关文章推荐
2026 国内 Docker 镜像拉取指南：不只会配 daemon.json，这个站还给了 10 万个镜像的中文说明书
多数公益 Docker 镜像源已关停，单靠抄旧教程往往无效。本文整理一套完整方案：轩辕镜像提供 10 万+ 镜像中文文档、20+ 场景配置教程、Docker 在线工具集，以及 Docker Hub/GHCR/GCR 等 9 类仓库加速。
Docker,容器,DevOps,群晖,NAS,镜像加速2026年6月15日
告别多账号切换！用 9Router 一键把所有 AI 模型变成一个 API，Cursor/Cline 直接起飞
还在为 AI 客户端配置混乱、多账号来回切换、Token 消耗过高而头疼？最近爆火的开源项目 **9Router** 彻底解决了这些痛点！它能把 OpenAI、Claude、Gemini、Copilot、Ollama 等所有主流 AI 服务，统一成一个标准的 OpenAI API 接口，不管是 Cursor、Cline 还是 Cherry Studio、OpenWebUI，直接用一个地址就能调用所有模型，还自带 Token 压缩，大幅降低成本！本文从 0 开始带你用 Docker 一键部署，全程干货无废话。
OpenClaw,AI,9Router,部署教程2026年5月20日
轻量AI接口网关一键部署｜calciumion/new-api Windows/Linux Docker 部署全教程
推荐一款轻量高效的AI统一API服务镜像——calciumion/new-api，无需复杂配置，依托Docker即可一键极速部署。本文完整讲解Windows、Linux全环境部署流程，全程复制命令就能操作，纯新手也能快速落地，看完直接上手私有AI接口网关搭建。
new-api,AI,部署教程,one-api2026年5月11日
从零开始Docker部署OpenClaw：踩坑全记录+新手保姆级教程
OpenClaw（江湖人称"龙虾"）绝对是其中的佼佼者。它不仅支持GPT-5.5、Claude Opus等几乎所有主流大模型，还能一键集成浏览器控制、文件操作、语音通话等强大功能。今天将完整的部署步骤和所有踩坑经验整理出来，新手照着做也能10分钟成功部署！
OpenClaw,AI,部署教程2026年4月25日
Docker 部署 Hermes Agent 完整指南（Windows / Linux 通用）
Hermes Agent 是 Nous Research 推出的 AI 自主智能体（AI Autonomous Agent），能轻松执行各类复杂任务，比如自动编写代码、执行终端命令、操作浏览器、规划并完成任务，以及进行文件读写和脚本生成，是开发、运维和研究的得力助手。
OpenClaw,AI,Hermes,hermes-agent,部署教程2026年4月20日
常见问题 (FAQ)
Q1:如何选择合适的 AI 模型？
选择 AI 模型时需要考虑以下因素：1) 任务类型（对话、生成、理解等）；2) 语言支持（中文、英文、多语言）；3) 性能要求（响应速度、并发能力）；4) 资源限制（GPU 内存、计算能力）；5) 成本考虑（推理成本、部署成本）。建议先从小模型开始测试，根据实际效果逐步升级。
Q2:如何优化 AI 模型的推理性能？
优化推理性能的方法包括：1) 使用量化技术（INT8、INT4）减少模型大小；2) 使用批处理提高吞吐量；3) 使用 KV Cache 加速生成；4) 选择合适的推理框架（vLLM、TensorRT-LLM）；5) 合理配置 GPU 资源；6) 使用模型并行和流水线并行。
Q3:如何确保 AI 模型的安全性？
确保 AI 模型安全性的措施：1) 使用官方认证的镜像（Verified Publisher）；2) 定期更新镜像版本，修复安全漏洞；3) 实施访问控制和权限管理；4) 监控模型输出，防止有害内容；5) 使用内容过滤和审核机制；6) 遵循数据隐私法规（GDPR、个人信息保护法）。
Q4:如何构建 RAG（检索增强生成）系统？
构建 RAG 系统的步骤：1) 准备知识库文档并分块；2) 使用嵌入模型将文档向量化；3) 将向量存储到向量数据库；4) 用户查询时进行向量检索；5) 使用重排序模型优化检索结果；6) 将检索到的上下文与用户查询一起输入 LLM 生成答案。
Q5:支持哪些部署方式？
支持多种部署方式：1) Docker 容器部署（单机或集群）；2) Kubernetes 部署（支持自动扩缩容）；3) Docker Compose 部署（适合开发和小规模生产）；4) 云平台部署（AWS、Azure、GCP）；5) 边缘设备部署（支持模型量化）。所有镜像都经过优化，支持快速启动和稳定运行。