62 поста
персонажная LoRA для Illustrious SDXL
Неофициальная character LoRA для Минами Нанами (七海南) из Bottom-tier Character Tomozaki. Обучена на waiIllustriousSDXL v17, доступны эпохи E1–E7; для использования рекомендуется E6 на strength 0.8. Это фанатская производн
открытая модель решений с калиброванными вероятностями
Gimbal-27B от Superwheat — это 27B-модель (25,62 млрд параметров), дообученная через LoRA на Qwen/Qwen3.8-27B в роли 3-классного cross-encoder. Она принимает текстовый запрос с собственными вариантами и возвращает калибр
LoRA-«кора» для обхода препятствий человекоподобным роботом
Модель от Hwihwa Lab в коллаборации с CONNECT AI LAB — PEFT/LoRA-адаптер на базе Qwen/Qwen3.5-0.8B для робота LINK-01. Принимает 21-мерную сенсомоторную телеметрию и выдаёт дискретные команды движения; обучена через PPO
LoRA персонажа для Illustrious SDXL
Неофициальная character LoRA для Sakuna Memoir из «The Vexations of a Shut-In Vampire Princess» от abbuibuibui. Обучена на waiIllustriousSDXL v17; в репозитории полные веса E1–E7, а в качестве дефолта автор рекомендует E
аниме-стиль в rank 64
Это bf16 style LoRA от quarterturn для модели MOSS-Image-Base, сделанная под изображения в стиле Gabriel Dropout. Обучена на 683 аниме-кадрах из сериала: 12 000 шагов через ai-toolkit.
персонаж из Horimiya для Illustrious SDXL
Неофициальный character LoRA от abbuibuibui для Реми Аясаки из Horimiya. Обучен на waiIllustriousSDXL v17, в репозитории лежат веса E1–E7; по сравнительной оценке дефолт — E6 при силе 0.8. Это фанатская производная, прав
LoRA-адаптер для самоидентификации
LoRA-адаптер от odelpa (проект Lo Scienziato Dilettante GDP, Giovanni Del Papa) для базовой модели Qwen/Qwen3-14B. Обучен на собственных ответах модели методом self-distillation; rank 16, 0,43 % параметров (64 225 280).
v0.1 — панорама из ваших фото
Это image-editing LoRA для Qwen-Image-2.1 от автора nomadoor. Она собирает целую 360° equirectangular-панораму из фотографий, размещённых на 2:1 ERP-холсте: модель заполняет зелёные зоны и слегка подгоняет вставленные ка
LoRA для чистого пиксель-арта с жёсткой сеткой 8×8
moss-pixelart-v.0.3 — LoRA от finger-gun для модели OpenMOSS-Team/MOSS-Image-SFT. Она дообучена под генерацию аккуратного пиксель-арта и 2D-ассетов для игр: каждый блок 8×8 выходных пикселей соответствует одному логическ
видео-текстовые эмбеддинги для поиска событий
Это research-релиз NVIDIA: TAO-файнтюн OpenGVLab InternVideo2-CLIP-L14 с замороженным текстовым энкодером MobileCLIP-B-LT. Модель переводит видео и английские описания в общее 512-мерное пространство для text-to-video re
27B-модель для роутинга и извлечения спанов
vela3-turbo — референсная модель семейства Vela 3.0 от vLLM Semantic Router × KR Labs. Построена на d3-turbo v1.0: 26,09B параметров плюс 5044 MB адаптеров и голов, лицензия Apache-2.0. За один вызов system_one отвечает
LoRA-адаптер для агента pi на анализе данных
Это LoRA-адаптер для LiquidAI/LFM2.5-24B-A2B от harness-hub. Обучен с подкреплением через AsyncGRPO в TRL как модель для кодинг-агента pi на задачах анализа данных: каждый rollout — полная сессия pi в удалённом sandbox с
одна политика для ходьбы, сцен и восстановления Unitree G1
NVIDIA представила Metatron v1 — проект для интерактивного управления гуманоидом Unitree G1 с 29 управляемыми суставами, в первую очередь для браузерных демонстраций и G1 Racer. В основе — MaskedMimic-style transformer s
380M-параметровый специалист по курации данных
davanstrien выпустил компактную модель решений для очистки и сортировки данных: она принимает текст и набор именованных вопросов, а возвращает вероятности по вариантам без генерации текста. В основе — энкодер UltraBERT-3
0,3B для решений по картинкам и тексту
vela3-fast-vision — preview-модель семейства Vela 3.0 от vLLM Semantic Router × KR Labs. Это encoder на 0,3B параметров на один запрос: отвечает на choice/yes-no вопросы по изображениям, ищет слова ответа, не подтверждён
PEFT LoRA для Python-кода с аудитом zero-leakage
Это LoRA-адаптер для Qwen/Qwen3.8-27B от ProbioticFarmer: 64 слоя, 256 тензоров, r=16, lora_alpha=32, target modules down_proj, o_proj, out_proj. Обучение шло на 40 задачах (160 слотов, 3 378 token positions) на Apple M4
мультимодальная модель решений без генерации текста
d3-ultra — новая мультимодальная decision-модель от vllm-sr (Decision 3.0, vLLM Semantic Router) с 26,09 млрд параметров, включая 0,46 млрд vision encoder. На вход принимает текст или JSON, опционально изображения и виде
отличает AI-картинки от реальных фото
AIRealNet-2 от Modotte — обновлённый бинарный классификатор изображений: class 0 — AI-generated, class 1 — real human. Построен на SwinV2 Tiny и обучен на 98 тыс. сбалансированных изображений из соцсетей.
компактный VAE без scaling factor
Primal VAE от Ostris — это VAE для diffusion, который делает только 2x spatial down до 1 или 2 каналов. После patch 4 получаются 16 или 32 канала при 8x — та же форма, что у Flux.1 VAE и Flux.2 VAE. Обе версии — примерно
тонкая классификация иранских авто с open-set
Модель от ahmadzmvd для классификации автомобилей на иранских объявлениях и open-set распознавания. Архитектура объединяет backbone DINOv2-ViT-B/14-reg4 с 28 fused LoRA-адаптерами, Competitive 8+2 Part-Slot Attention, 2-