Найдено: 196
Rust-модель с трейтами, дженериками и потоками
Это самая крупная модель в линейке Temper 2 от maylore-ai и первая на Qwen3.5. У неё 4,21 млрд параметров, база — Qwen3.5-4B; модель заточена под прикладные задачи на Rust: трейты, дженерики и потоки. Понимает запросы на русском и английском, включая короткие разговорные.
куда двинуть камеру, чтобы найти цель
LIME — модель для робототехники от BoboSun, представленная на CoRL 2026. По одному RGB-изображению и свободной цели вроде «Find my bike» она предсказывает относительную целевую позу камеры и описание того, что должен показать новый вид.
ASR-файнтюн для 51 африканского языка
Это дообученная версия Qwen/Qwen3-ASR-1.7B (2.04B параметров по метаданным) для automatic-speech-recognition. Файнтюн выполнен на 51 языке с Sunbird speech-to-text pipeline; в карточке указан run Qwen3-ASR-1.7B-full-lr2e-05-ep5-af51-1106-c8a8.
файнтюн, который различает «что на фото» и «что вообще верно»
Исследовательский чекпоинт от ohjoonhee на базе Qwen3.5-9B: полный файнтюн языковых слоёв и финальной нормы, 9,41 млрд параметров, bf16. Это третий раунд VK-OPD в thinking-режиме (R3b, seed 3, шаг 80), обученный для вопросов по изображениям и знаний о мире.
файнтюн для ускорения кода
Это Qwen/Qwen3.8-27B, дообученная через GSPO reinforcement learning с LoRA на 958 упражнениях по оптимизации кода: 533 на Python и 425 на C++. Адаптер влит в bf16-веса базовой модели, архитектура, токенизатор и chat template не менялись.
uncensored-файнтюн с акцентом на reasoning
Это source-репозиторий файнтюна на базе Qwen/Qwen3.8-27B от zugquant. По метаданным — 27,78 млрд параметров, библиотека transformers, задача image-text-to-text; в карточке модель описана как heretic/uncensored-ветка release #1 с уменьшенным overthinking и бенчмарками в 4/8 bit.
доменный учитель для видео
Это доменный учитель для видео из рецепта M3OPD-Reasoner на базе Qwen3.5-9B с 9,41 млрд параметров. Модель прошла SFT-разогрев на видео-SFT данных, затем GSPO на видео-промптах M3OPD-RL-193K. Опубликован шаг 100 GSPO-прогона — лучший оценённый чекпоинт; MOPD дистиллирует его в студента.
Qwen3.8 без отказов
Это uncensored-версия Qwen/Qwen3.8-27B на 27,78 млрд параметров, созданная методом abliteration — удалением отказов без дообучения. Автор называет реализацию грубым proof-of-concept; модель поддерживает image-text-to-text и запускается через transformers.
меньше отказов, больше открытых ответов
Полный BF16-чекпоинт на 27,36 млрд параметров на базе NousResearch/Arete-27B и Qwen/Qwen3.8-27B. Это uncensored-версия Arete-27B: она убирает почти всю оставшуюся цензуру в ответах на китайскоязычные политические вопросы, сохраняя архитектуру и раскладку файлов базовой модели.
драфт для ускорения Qwen3-4B
Черновая модель (draft) LiLiCorr от MeganEFlynn для speculative decoding с верификатором Qwen/Qwen3-4B. Всего 5 слоёв драфта, по метаданным — около 0,57 млрд параметров. Обучена на 100k диалогов из perfectblend-подмножеств Qwen3-8B-Regenerated-Collection.
256K контекста для looped latent refinement
Это re-upload модели LoopUS от kaivoss на базе Qwen3-1.7B-Base (2,03 млрд параметров). LoopUS (Looped Depth Up-Scaling) — post-training framework, который превращает обычную pretrained LLM в looped latent refinement model: модель перестраивается в encoder, looped reasoning block и decoder и…
компактное body для z3-пула
Это v5 «soup-pool body» (языковые и визуальные веса) для z3-пула своего размера от dasLOL. База — Qwen/Qwen3.5-0.8B, около 0.85B параметров, задача — feature-extraction через transformers. Важно: это не самостоятельный чат — answer layer, prompt и runtime подаёт закреплённый chassis пула.
армия из 202 контекстов, а не обычный чекпоинт
Экспериментальная Army of Models от AlpinaAI, опубликованная Convergent-ch. Это набор из двух общих баз Qwen2.5 (7B и 14B), девяти LoRA-адаптеров и 200 файлов специализированных копий: 202 контекста, семь специалистов и два Input-Divisor.
Qwen3.5-9B без отказов
Это abliterated-версия Qwen/Qwen3.5-9B от huihui-ai: у модели удалены отказы с помощью abliteration. Реализация заявлена как crude proof-of-concept и не использует TransformerLens. Размер — 9,65 млрд параметров.
4B-агент для мобильных интерфейсов
Это независимая репродукция обучения MobileGym-style GRPO на базе Qwen3-VL-4B-Instruct от GUI-Gym. Модель работает с изображением и текстом и предназначена для задач в мобильной среде; размер — 4,83 млрд параметров. Это не официальный релиз MobileGym.
27B-модель с 128k контекстом для агентных траекторий
Это full-parameter SFT от rqadri на базе Qwen/Qwen3.8-27B: 27,36 млрд параметров, контекст 128k, обучение на траекториях кодирующих агентов CCA. Артефакт исследовательский — модель ещё не оценена.
3D-расстановка объектов по облакам точек
GALA-0.7B — геометрически-осведомлённая мультимодальная языковая модель для управляемой расстановки объектов в 3D-интерьере. Она получает облака точек ��ола, существующих объектов и целевого объекта вместе с текстовой инструкцией и авторегрессионно предсказывает 6-DoF позу [x, y, z, roll, pitch…
ответы без преамбул
GreatQuestion-3B — tersified-вариант Qwen/Qwen2.5-3B-Instruct от saidutta69, сделанный в Heretic v2.1.0.dev0 через Arbitrary-Rank Ablation (ARA). Это dense-модель на 3,09 млрд параметров: 36 слоёв, 32 768 токенов контекста; ARA правит слои 6–36, выход внимания и down-проекции MLP, остальное не…
TTS, который начинает говорить за ~300 мс
Лёгкая realtime-модель для синтеза речи: streaming-вариант VibeVoice с LLM на базе Qwen2.5-0.5B, акустическим токенизатором и diffusion-головой. По карточке — проект Microsoft Research; предназначена для озвучки потокового текста и ответов LLM ещё до завершения генерации.
3B-агент для устойчивого tool-use
Это domain-randomized tool-use RL checkpoint, выпущенный вместе со статьёй When Simulation Lies: A Sim-to-Real Benchmark and Domain-Randomized RL Recipe for Tool-Use Agents и бенчмарком AgentRobustBench.