Найдено: 196
таймкоды слов локально на Intel
Это Qwen3-ForcedAligner-0.6B от команды Qwen (Alibaba Cloud), сконвертированная в OpenVINO IR (fp16) проектом Safenotes — локальным приложением для заметок со встреч. Модель расставляет таймкоды слов в готовом транскрипте; конвертация нужна для запуска на Intel-оборудовании.
файнтюн Qwen3.5 для игровых примеров с thinking-блоками
Game2Player-9B-Thinking — файнтюн Qwen3.5-9B (9,41 млрд параметров) от game2player для задач image-text-to-text. Модель дообучена за одну эпоху SFT на игровых примерах с непустыми assistant thinking-блоками; смешаны данные DeepSeek и MiniMax.
RoPE-исправленный драфтер для Qwen3.8-27B
Спекулятивный драфтер H-Spec с архитектурой mamba_attn_hybrid для целевой модели Qwen/Qwen3.8-27B. Размер — 4,1 млрд параметров, обучен через vllm-project/speculators; глубина драфта 5, размер блока 6, словарь драфта 64k, KV-sharing на full-attention слоях верификатора 3/19/35/51/63.
VLM для анализа снимков с дронов
UAV-PUR-8B — vision-language модель на базе Qwen3-VL-8B-Instruct, дообученная на данных Drone-PUR. Это 8,77 млрд параметров для распознавания, подсчёта, grounding, пространственных и условных суждений, а также рассуждений по одному или нескольким изображениям.
компактная 9B-модель для математики и STEM
Это reasoning-файнтюн Qwen3.5-9B на 9,65 млрд параметров, дистиллированный из ответов DeepSeek-V4-Pro в режиме Max Effect. Обучение сосредоточено на математике и STEM, при этом модель сохраняет практичность 9B-класса.
искусственная жизнь на нейросетевых весах
QwenGenesis-4B — исследовательский проект Şuayp Talha Kocabay на базе Qwen/Qwen3.5-4B (4,66 млрд параметров). В одном model.safetensors сохранены оригинальные тензоры Qwen3.5 и отдельные тензоры genesis_circuit.*, которые задают детерминированную клеточную среду: рождение, хищничество, мутации…
FP16-экспорт для OpenVINO
Это FP16-версия файнтюна Qwen3-4B Computer Science от Irfanuruchi в формате OpenVINO IR. Модель примерно на 4 млрд параметров и ~7,6 ГБ предназначена для локального инференса на CPU и сравнения точностей.
точная арифметика без внешнего исполнителя
Это Qwen3.5-0.8B-abliterated с рабочим компьютером внутри стека трансформера: 13 новых слоёв стоят перед 24 слоями Qwen. Веса новых слоёв не обучались — их вычисляет компилятор, результат точен в bf16. Размер — 1,79 млрд параметров, 37 слоёв, hidden size 1664, 3,61 ГБ в bf16.
файнтюн Qwen3.8-27B с управляемой персоной
Это distillation fine-tune базовой Qwen3.8-27B: языковая модель дообучена, MTP-голова перекалибрована, а vision encoder оставлен без изменений. Токенизатор, chat template, конфиг и параметры генерации совпадают с базовой моделью, поэтому подходит тот же стек запуска.
VLA-политика для 65 кухонных задач RoboCasa
SimpleMemVLA с нативным бэкбоном Qwen3.5-4B и flow-matching action head, дообученный на всех 65 задачах pretrain/atomic из RoboCasa v1.0. В обучении — 7356 человеческих демонстраций, 1 495 313 кадров при 20 Hz и 552 инструкции.
Qwen3-0.6B для Cerner CCL, SQL и DA2
Endexis — файнтюн Qwen3-0.6B от NorviTech для черновиков отчётных артефактов Oracle Health и Cerner Millennium V500. Модель предлагает SQL, Cerner Command Language (CCL), DA2-запросы и отчёты Eclipse BIRT; для проверки вывода по целевой схеме используется отдельный компилятор Endexis.
SFT-чекпоинты для действий робота
Набор vision-language моделей, дообученных отвечать на action-вопрос d1-showharness в среде LIBERO одним из 15 дискретных токенов: MV_* ×6, RT_* ×6, GRASP, RELEASE и DONE. Включает full fine-tune и LoRA для LiquidAI/d1-3B, а также LoRA для Qwen/Qwen3.5-2B.
саморастущая кортикальная LLM на базе Qwen2.5-0.5B
Исследовательская text-to-text модель от Martian Academy. В основе — замороженный Qwen2.5-0.5B-Instruct (0,494B) и динамический «кортикальный мозг» на 9,733B параметров: 123 узла и 55 роутеров, которые по задумке растут и специализируются во время работы.
инспекция контейнеров с детектором и LoRA-верификатором
Пайплайн для автоматической проверки морских контейнеров по фото и видео: находит вмятины, отверстия и ржавчину, ставит вердикт fit, repair или out_of_service и просит человека, если не уверен. Сделан командой QH-109 для хакатона Qai x Hugging Face в Дохе.
9B-модель с ослабленными отказами
Это decensored-версия Jackrong/DeepSeek-V4-Pro-Qwen3.5-9B, полученная через Heretic v2.0.0.dev0 с Arbitrary-Rank Ablation. Базовая модель — 9B reasoning-файнтюн Qwen3.5-9B, дистиллированный из DeepSeek-V4-Pro в режиме Max Effect; основной фокус обучения — математика и STEM.
EHR-агент с одним батчем инструментов
Это полнопараметрический файнтюн Qwen/Qwen3.5-35B-A3B (35,95B, MoE) от Letian2003 для агентного поиска по EHR. Модель рассуждает, делает один батч вызовов EHR-инструментов, снова рассуждает по результатам и отвечает. Это arm S в сравнении двух протоколов retrieval; не официальный релиз UCSC-VLAA.
мердж с донорами и транспортными дельтами
BF16-модель на 27,78 млрд параметров. Это мердж на базе Qwen/Qwen3.8-27B: subject Qwen3.8-27B-pi, финальный донор, вспомогательные LoRA/GGUF/DELLA и два кросс-архитектурных Transport-and-Merge дельта. Задача в карточке не указана — это исследовательский мердж, а не готовый продуктовый чат.
драфт для спекулятивного декодирования
Это DFlash-драфт для thinker-части Qwen3-Omni-30B-A3B-Instruct — 48-слойной MoE-модели, которая отвечает на текстовые, аудио, видео и image-промпты. Автор дообучил z-lab/Qwen3-Coder-30B-A3B-DFlash на ответах самой thinker-модели: около 170 тыс. текстовых и аудиопромптов, плюс train-сплит GSM8K.
генерация изображений на NPU Snapdragon
HexAnima — неофициальный пакет файлов для запуска MOSS-Image 5B на Hexagon NPU телефонов Snapdragon 8 Gen 1 и 8+ Gen 1. Внутри — SFT-версия MOSS-Image 5B в квантовании Q5_K_XL с 4-step адаптером rapid-moss, текстовый энкодер Qwen3.5-9B и VAE-декодер FLUX.2 small.
латентное предсказание будущего в видео
ALWM — обученный чекпоинт на базе Qwen3-VL-8B-Instruct (~8,77 млрд параметров) для predictive video reasoning. Модель получает наблюдаемый фрагмент видео и вопрос, представляет возможное будущее в непрерывных латентных состояниях и формирует описание следующего события с ответом.