Новые нейросети с Hugging Face на русском: LLM, LoRA, генерация видео и изображений. Каждый день.
Отвечает DeepSeek · переписка хранится только в этой вкладке
Главное сегодня
позитив или негатив на pt-BR
Это файнтюн BERTimbau base (около 110M параметров) от suellenlima для бинарной классификации отзывов о покупках на бразильском португальском. Обучен на публичных отзывах Olist и относит текст к positive или negative.
эмбеддинги LFP для нейронауки
LFPformer Large — MaskPred — 35-тысячный Large-checkpoint от Shubhronyu из сравнения с matched decoder capacity (NeurIPS 2026). Модель инициализирована от facebook/wav2vec2-large и извлекает представления локальных потенциалов поля (LFP) из окон IBL.
LoRA для Clover с китайским рассуждением
Это PEFT LoRA-адаптер (не merged) для Diffuspace/Clover-35B-A3B-Preview — блочно-диффузионной MoE-модели. Адаптер от SRIQ учит рассуждать на сжатом упрощённом китайском, проверять себя через 验： и отвечать на языке вопроса.
BF16, FP8 и NVFP4 в одном репозитории
Репозиторий chenzs — перепакованные single-file веса Qwen-Image для ComfyUI. Внутри варианты Qwen-Image, Qwen-Image-2512 и дистиллированной Qwen-Image-Distill-Full, а также text encoder Qwen 2.5 VL 7B и VAE. Это не самостоятельная новая модель, а набор файлов для запуска в ComfyUI.
опорный драфтер для Qwen3-8B
Infomaniak-AI выложили Qwen3-8B-speculator.dspark-swa — baseline-драфтер для спекулятивного декодирования Qwen/Qwen3-8B. Это 5-слойная модель на стандартном DSpark Sliding-Window Attention с окном 128 и блоком до 8 токенов.
полярный вокодер, вынутый из мультимодальной модели
Сообщество выложило отдельный компонент speech_head.* из MatterWaveAI/grt-30m-omni (ревизия c69d1331). Класс GRTPolarVocoderHead превращает скрытые состояния языковой модели в кадры полярной спектрограммы и waveform на 16 кГц.
LoRA для Fish Speech 1.5: испанский голос в открытых весах
Nova — это LoRA-адаптер и слитые веса для Fish Speech 1.5 от Twinber (Daniel). Модель синтезирует речь на испанском (кастельяно) с высокой тембральной точностью и эмоциональной модуляцией: от спокойной дидактики до иронии и торжественности.
определяет год снимка по фото
Модель классифицирует фотографию по 97 годовым бинам с 1930 по 2026 год и выдаёт распределение вероятностей. Это fine-tuned vision tower openai/clip-vit-large-patch14-336 на 336 px; голова — LayerNorm, Dropout 0.1, Linear to 512, GELU и Linear to 97 year bins. Автор — Chiemeka Kalu.
точность почти F32 на Vulkan без NaN
BF16-weight GGUF-чекпоинты от chibifire для проекта V-Sekai-fire/skin-tokens-ggml. Получены из опубликованных F32 GGUF-весов LocalAI-io/SkinTokens-GGUF и предназначены для ригинга 3D-персонажей через skin-tokens-ggml.
японский ASR для смартфона
Это японская ASR-модель от Basyauma Technologies для распознавания речи на смартфоне и последовательного показа текста по мере говорения. Модель дообучена на базе существующей, сконвертирована и частично квантована для встраивания в мобильные приложения; потоковые ассеты занимают около 66 МБ…
MoE-пакет, который влезает в 16 ГБ VRAM
TinoBruno выложил оптимизированные бинарные веса, манифест, мультимодальный vision-проектор (mmproj) и таблицу Per-Layer Embedding N-gram для Qwen 3.8 Flash-Next (GSQ-RCO-IQ1_M). Всё это отформатировано под MinnieTheMoEcher — bare-metal рантайм для агентных задач.
безопасность вернули после LoRA
Это Tiny Aya Global на 3,35 млрд параметров от purvansh01 — текстовая LLM, которую после безобидного LoRA-файнтюна с ослабленным safety восстановили методом SafeTune. Модель демонстрирует полный цикл SafetyPulse: файнтюн → Circuit Integrity Score фиксирует дрейф → восстановление → аудит.
безопасный SQL-агент с GRPO LoRA
LoRA-адаптер для CohereLabs/tiny-aya-global от автора Siva2022. Модель обучена как cost-aware SQL-агент: объявляет намерение, проверяет стоимость запроса и выполняет только read-only SQL. Посттренинг — AgentTune (agentic GRPO), оценка — AuditKIT.
плотный флагман без отказов
Abliterated-версия google/gemma-4-31B-it — флагманской плотной авторегрессионной LLM Google DeepMind на ~31,2 млрд параметров. Из модели точечно убрали стандартные отказы, сохранив, по заявлению карточки, 100% возможностей в reasoning, coding и математике.
мультимодальная модель выбора ответа
Aster-JEV-27B — полнопараметрическая мультимодальная decision-модель на базе Qwen/Qwen3.8-27B (26,09 млрд параметров). Она выбирает ответ из набора вариантов и возвращает вероятности; в карточке описаны vision-бенчмарк и latency на A800 80GB.
расцензуренный терминальный агент
Это decensored-вариант Terminal-RSI-27B от SolsticeAI: 27,36 млрд параметров на базе Qwen3.8-27B, предназначенный для работы в терминале — инспекции репозиториев, правки кода, починки зависимостей и многошаговых задач с проверкой результата.
99M-параметровая base-LLM для дообучения
KLM 1.6 — base-модель на 99M параметров от MinimaLabs, продолжающая обучение с чекпоинта KLM 1.5 до decay-стадии. Это инкрементальное обновление: learning rate затухает на 100B токенах вместо 20B. Модель не обучена следовать инструкциям и предназначена для дообучения под свои задачи.
денойзинг прямо на устройстве
Это LiteRT/TFLite-версия SCUNet от Binjia для blind real-image denoising цветных изображений. Модель конвертирована из официальной cszn/SCUNet (scunet_color_real_psnr.pth из KAIR v1.0, Apache-2.0). Вход и выход — float32 NHWC [1, 256, 256, 3] в sRGB [0, 1], файл весит около 47,2 МБ.
апскейл латентов без лишнего VAE-прогона
Это нейросетевой апскейлер латентного пространства для генерации видео на Minimax H3. Он работает напрямую с 24-канальными латентами VAE, повышая пространственное разрешение (H×W) и сохраняя временную ось. Архитектура — 3D-свёрточная, около 345 млн параметров.
компактная чат-LLM для индонезийского
Liwet-163M-id-chat — это 163M-параметровая dense-модель для чата на индонезийском, дообученная SimPO на базе Liwet-163M-id-instruct. Разработка Group 11 (Telkom University); архитектура IndonesianChatLM: 16 слоёв, GQA 12Q/4KV, RoPE, SwiGLU и контекст 2048 токенов.
NeyroLearn — новости нейросетей на русском языке. Каждый день мы просматриваем свежие релизы на Hugging Face и рассказываем о полезных: языковых моделях (LLM), LoRA и файнтюнах, моделях для генерации изображений и видео, распознавания и синтеза речи, компьютерного зрения и робототехники.
В каждой публикации — что умеет модель, на какой базе она сделана, примеры работы и ссылки на скачивание. Пустые карточки и автоматические квантования мы пропускаем, чтобы в ленте оставалось только то, что можно запустить и использовать.
Кроме новостей, на сайте есть сообщество: участники публикуют свои пайплайны ComfyUI и авторские разборы. Свежие публикации дублируются в Telegram-канале @neyrolearn.