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。
20 次收藏62171 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
32 次收藏334060 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9594 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。
9 次收藏99846 次下载
--更新
phi4
Docker AI 官方镜像
Microsoft’s compact model, surprisingly capable at reasoning and code
22 次收藏95383 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。
5 次收藏11362 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。
76 次收藏184477 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6726 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。
25 次收藏423146 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。
55 次收藏591960 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。
18 次收藏80923 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28136 次下载
--更新
gemma3-qat
Docker AI 官方镜像
Google’s latest Gemma, in its QAT (quantization aware trained) variant
21 次收藏96455 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。
13 次收藏40928 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。
121 次收藏542362 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
飞书/钉钉/QQ 机器人一站式搞定！OpenClaw Docker 部署教程
OpenClaw 中国 IM 插件整合版 Docker 镜像，预装并配置了飞书、钉钉、QQ机器人、企业微信等主流中国 IM 平台插件，让您可以快速部署一个支持多个中国 IM 平台的 AI 机器人网关。 同时集成了OpenCode AI代码助手、Playwright浏览器自动化工具及中文TTS语音合成功能，适用于需要构建多平台IM机器人的开发者与科研用户。 本指南将详细介绍其Docker部署流程，包括环境准备、镜像拉取、容器配置、功能测试及生产环境优化建议，帮助用户快速实现服务部署与应用。
OpenClaw,AI,部署教程2026年3月6日
3 分钟用 Docker 部署 CoPaw！你的专属AI个人助理
在 AI 个人助理领域，Copaw 绝对是近期的黑马——它支持钉钉/飞书/QQ 等多端接入、本地/云端灵活部署、Skills 自由扩展，还能无缝对接 OpenAI/Azure OpenAI/本地大模型。无论是个人开发者快速验证创意，还是企业级落地生产应用，Copaw 都能提供轻量化且高可扩展的解决方案。
CoPaw,openclaw,Ai,人工智能2026年3月3日
Docker OpenClaw 生产环境部署指南（单机架构版）
本文给出一套经过验证的 OpenClaw 单机生产部署方案，覆盖安全、稳定性与可维护性设计。 内容包括： Docker Compose 生产配置规范 CPU / 内存限制的正确写法 健康检查与自动恢复 TLS 与反向代理配置 防火墙与访问控制 升级与备份建议 适用于中小规模生产环境的稳定运行场景。
OpenClaw,AI,部署教程2026年2月24日
QWEN3 企业级 Docker 容器化部署指南
QWEN3是Qwen LLM系列的最新一代大语言模型，专为顶级编码、数学、推理和语言任务设计。该模型支持密集型（Dense）和混合专家（Mixture-of-Experts, MoE）两种架构，提供从0.6B到235B-A22B等多种规模的模型变体，适用于从轻型应用到大规模研究的各种部署场景。
人工智能,qwen3,Ai,大模型2026年1月10日
Crawl4AI Docker 容器化部署指南
Crawl4AI 是一款开源的LLM友好型网络爬虫和抓取工具，专为LLMs（大型语言模型）、AI代理和数据管道设计。
Crawl4AI,人工智能,爬虫2025年12月17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。