Найдено: 198
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.
9B-размышления с минимальными отказами
Это abliterated-версия модели Jackrong/DeepSeek-V4-Pro-Qwen3.5-9B от yuna1126: 9,65B параметров, библиотека transformers, языки en/zh/ko/ja/es/ru. База — reasoning-файнтюн Qwen3.5-9B, дистиллированный из DeepSeek-V4-Pro (Max Effect) примерно на 250K математических и STEM-примеров.
2B-модель для решений в RAG
Это файнтюн Qwen3.5-2B (2.27B параметров) от amartya16 с головой Unsloth Clef для typed decision inference. Модель отвечает на типизированные вопросы о переданном состоянии и возвращает вероятности; её цель — маршрутизация и выбор внутри RAG-системы, управляемой оглавлением.
компактная мультимодальная модель решений
QEV-0.8B от reneeice — модель на базе Qwen3.5-0.8B, которая принимает текст и изображения и за один forward pass возвращает вероятности для вариантов ответа, типизированный ответ и сигнал abstain. Это младшая версия семейства QEV, дистиллированная от учителя QEV 0.2.1.
граф сцены по одному кадру
Это Qwen3-VL-2B-Instruct на 2,13 млрд параметров, в который вмерджили LoRA-файнтюн под Action Genome. Модель получает один видеокадр и возвращает JSON-список объектов, с которыми связан человек, и отношений attention/spatial/contact. Вес merged-репозитория — 4,3 ГБ в bf16.
вероятности решений за один forward pass
Decision-модель от Macrocosmos: получает состояние и типизированные вопросы (choice, yes/no noul, score) и за один forward pass возвращает вероятность каждого варианта, ничего не генерируя. Сделана на базе Qwen/Qwen3.5-4B (instruct), 4,54 млрд параметров; LoRA r64 слита в веса.
2B-модель для вопросов о natural farming и вызова инструментов
Это LoRA-файнтюн Qwen/Qwen3.5-2B от CopyleftCultivars, слитый с базовыми весами в bf16 safetensors. Модель отвечает на вопросы о natural farming и решает, когда вызывать шесть инструментов, включая калькулятор рецептов биоаккумулятора. Размер — около 1.88 млрд параметров.
компактный WAF-классификатор HTTP-запросов
Модель от icodediac на базе Qwen3.5-0.8B-Base: около 0,85 млрд параметров, задача text-classification. Она смотрит на метод, путь, query и заголовки одного HTTP-запроса — без тела — и относит его к benign или одному из классов атак.
RL после SFT на составных вопросах
Исследовательская модель от sitao из статьи «From Atomic to Composite»: Qwen2.5-1.5B (1.78B параметров) дообучена на реальных Wikipedia-пассажах из 2WikiMultiHopQA. Рецепт composite-first: сначала SFT на составных вопросах, затем 200 шагов GRPO в verl. Язык — английский.
Qwen3-4B, которая отвечает по делу
Oc-e-Non-v1 — tersified-версия Qwen/Qwen3-4B-Instruct-2507 от p-e-w, сделанная через Heretic v2.1.0.dev0. Это 4.02B text-generation модель, которая отвечает заметно короче базовой Qwen: средняя длина ответа снижена примерно на 50%.
управляющая модель для длинных диалогов
Rein-r1-4B — не чат-модель, а управляющая модель на базе Qwen3.5-4B-Base. Она читает диалог и лист правил, возвращает калиброванные вероятности по типизированным вопросам и управляет ответом чат-модели: форсирует tool call, добавляет обязательную фразу, запрещает слова или обрывает ответ.
мультимодальная модель решений
OneJev1.5-4B от команды OmniJev — 4B-модель для принятия решений. Это полный fine-tune Qwen/Qwen3.5-4B, обученный примерно на 320 тыс. вопросов из реальных agent runs, видео, изображений и тренировочных частей публичных decision-датасетов.
агент, который сначала смотрит
Это Qwen/Qwen2.5-1.5B-Instruct на 1.78B параметров, у которого из весов убрали внутренний сигнал, подталкивающий к destructive-командам. Архитектура, chat template и формат tool-call остались как у базовой модели; работает там же, где и она.
точечная правка весов без переобучения
Это полная отредактированная версия Qwen3.8-27B от ReBatch: изменено 19 680 881 весов — около 0,071% из 27,78 млрд параметров, все в одном компоненте одного слоя. Архитектура сохранена, отдельный патч или адаптер не нужен.
4B для ролеплея и творческой прозы
Специализированный SFT от khang272 на базе Qwen/Qwen3.5-4B (~4,66 млрд параметров). Модель заточена под длинную художественную прозу, иммерсивный ролеплей и удержание персонажа в многоходовых диалогах.
RL-чекпоинт для агентного кодинга
Это экспорт global step 90 из RL-эксперимента Lego-RL mixed-harness на базе Qwen/Qwen3.5-35B-A3B. Модель обучали через OpenHands SDK, Claude Code и OpenCode для repository-level coding tasks; в метаданных указано 35,95 млрд параметров.
9B-репликатор для QQ-групп без chain-of-thought
Модель от tcmofashi на базе Qwen3.5-9B (9,41 млрд параметров) для экосистемы MaiBot. Это «репликатор»: он читает контекст группового чата и выдаёт одну короткую реплику от лица заданного персонажа, без цепочки рассуждений.
0.8B-файнтюн по семи древним математическим традициям
Это исследовательский merged 16-bit checkpoint от SZLHOLDINGS на базе Qwen 0.8B class. Дообучен через QLoRA SFT на корпусе из 24 примеров: методы Лю Хуэя, Мадхавы, египетские единичные дроби, вавилонская шестидесятеричная система, греческая конструктивная геометрия, кипу и индийский ноль.
тот же чекпоинт, но через masked diffusion
OpceanAI выложили исследовательский артефакт: веса Qwen3.5-0.8B-abliterated больше не генерируют слева направо, а работают через итеративный параллельный unmasking. Архитектура Qwen3.5 гибридная: 18 слоёв Gated DeltaNet и 6 слоёв full-attention.