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。
23 次收藏77907 次下载
--更新
smollm2
Docker AI 官方镜像
Tiny LLM built for speed, edge devices, and local development
38 次收藏571995 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21966 次下载
--更新
qwen2.5
Docker AI 官方镜像
Versatile Qwen update with better language skills and wider support
12 次收藏150691 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107359 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16091 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216485 次下载
--更新
qwq
Docker AI 官方镜像
Experimental Qwen variant—lean, fast, and a bit mysterious
3 次收藏17361 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582727 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800964 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108169 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41239 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110247 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60568 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。
198 次收藏647477 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
Docker Compose 部署雷池 SafeLine WAF：浏览器即可完成网站安全管理
零基础教程：雷池 SafeLine 社区版 9.3.10 中文版 Docker Compose 部署，轩辕镜像加速拉取 7 组件、.env 配置、resetadmin 登录与个人版付费功能说明。与 SamWaf 对比，Ubuntu 24.04 实测含 12 张截图。
Docker部署教程2026年7月17日
【安全公告】AI 编程工具 Claude Code 安全后门隐患
工信部 NVDB 监测发现 Claude Code 2.1.91 至 2.1.196 版本内置监控机制，可能在未经用户授权的情况下向远程服务器回传地域、身份标识等敏感信息。请尽快排查并升级至已移除相关代码的安全版本。
安全公告2026年7月9日
2026 年 7 月最新 Docker 国内镜像源加速配置指南
本文面向国内开发者、运维与科研用户，汇总 2026 年 7 月可用的 Docker 镜像加速方案，并按「报错 → 原因 → 配置 → 验证」给出排错路径，覆盖 Docker、K8s containerd、Podman、nerdctl、NAS 等场景。
Docker镜像源2026年7月6日
【漏洞预警】containerd 命令注入漏洞（CVE-2026-53488）
containerd 是云原生生态中广泛使用的行业标准容器运行时，常作为 Kubernetes 节点的 CRI（Container Runtime Interface）组件。经 containerd 官方确认，其 CRI 插件存在标签信任边界缺陷：CRI 会将镜像配置（Dockerfile LABEL 指令）中的标签直接传播为容器标签，且 未做有效校验。攻击者可通过构造恶意镜像，注入 containerd.io/ 或 io.cri-containerd 等保留命名空间标签。
安全公告2026年7月3日
10 分钟上手 OpenCode：Docker 一键部署，浏览器里用 AI 写代码
零基础教程：Docker 一键安装、轩辕镜像加速拉取 openeuler/opencode、Web 部署、打开项目、AI 生成 hello-world 主页。含 WSL 与 Linux 服务器差异说明与常见问题排错。
Docker部署教程2026年6月21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。