Найдено: 199
агент для Lean/Rocq с реальным фидбеком верификатора
Полнопараметрический SFT-файнтюн от theostos на базе Qwen/Qwen3.5-27B: 26,9 млрд параметров, text-only Qwen3_5ForCausalLM, не адаптер. Модель пошагово предлагает тактики для Lean и Rocq через tool call submit_tactic и должна работать с ответами настоящего верификатора.
телефонный робот с живой речью
Это русскоязычная модель голосового телефонного робота Алины от LPTracker, дообученная из Qwen/Qwen2.5-7B-Instruct через Soup CLI (Layer Streaming). Размер — 7,62 млрд параметров; модель заточена под генерацию реплик для синтеза ElevenLabs.
спекулятивное ускорение для Qwen3-1.7B
Это EAGLE-3 draft head для Qwen/Qwen3-1.7B от Lichen-Creator: один слой LlamaForCausalLMEagle3 с draft-словарём на 32k токенов. Обучен онлайн на 41 405 диалогах, сгенерированных самой Qwen3-1.7B. Готов к загрузке в SGLang 0.5.9 и vLLM 0.11.2 без конвертации.
факторизованные MLLM-эмбеддинги для composed image retrieval
FactEmbed — исследовательская модель для Composed Image Retrieval (CIR): поиска целевого изображения по референсному изображению и тексту модификации. Построена на базе Qwen2.5-VL-7B-Instruct и разделяет понимание составного запроса и построение дискриминативных retrieval-эмбеддингов.
из схемы Neo4j и вопроса в Cypher-запрос
Это LoRA-файнтюн Qwen/Qwen3-1.7B (r=32, 1 эпоха), который по схеме графа Neo4j и вопросу на английском пишет read-only Cypher-запрос. Модель generic: схема передаётся в каждом промпте, поэтому не нужно дообучать её под каждую новую базу.
аудио-LLM, который ловит дипфейки и объясняет вердикт
VeriSpoof-Plus от AustinXiao — открытая аудио-языковая модель на 2.9B параметров: аудиоэнкодер от Qwen3-ASR-1.7B и языковая модель MiniCPM5-2B. Она решает задачи speech deepfake forensics: отличает настоящую речь от поддельной, называет генератор, проверяет общий источник двух записей и распознаёт…
вероятностный решатель вместо генерации текста
Cicero от Butler Compute — decision-модель на базе Qwen3.5-35B-A3B: MoE с 35 млрд параметров и 3 млрд активных. Она принимает состояние (текст, чат или до 4 изображений) и до 64 типизированных вопросов, возвращая калиброванную вероятность для каждого варианта ответа — без генерации текста, за один…
экспериментальный файнтюн на креативность
Полновесный чекпоинт после 250 обновлений GRPO на существительных и глаголах для Divergent Association Task (DAT). База — unsloth/Qwen3.8-27B-unsloth-bnb-4bit / Qwen/Qwen3.8-27B; 27,36 млрд параметров в 55 shards, архитектура Qwen3_5ForConditionalGeneration.
low-poly 3D из одной фразы
Модель от townbox — файнтюн Qwen3.5-4B на 4,66 млрд параметров, который по одному предложению пишет JavaScript для Three.js r180 и собирает low-poly 3D-объект. На выходе — короткая спецификация и код buildAsset(THREE), возвращающий THREE.Group из именованных flat-shaded мешей с фиксированной…
zero-shot TTS на 600+ языков
OmniVoice — массово многоязычная zero-shot TTS-модель на 0,61 млрд параметров, построенная на базе Qwen3-0.6B. Архитектура в стиле diffusion language model; поддерживает клонирование и дизайн голоса.
агентное описание видео, которое само ищет доказательства
Reviso — агентная модель для video captioning от TengfeiLiuCoder на базе Qwen3.5-9B (9,41 млрд параметров). Вместо пассивного просмотра она строит иерархический план Context–Focus–Points, а затем активно добирает доказательства: возвращается к нужным моментам, кропает кадры и распознаёт текст…
компактный русский ассистент с режимом размышлений
Ofcen-CHRU v1.2 — компактный 0.6B ИИ-ассистент для чата на русском языке от команды Ofcen. Это Qwen3-0.6B, дообученная через LoRA (затем слита с весами) на ~113 000 русских диалогов. Работает на обычной видеокарте и даже на процессоре.
x86-компьютер прямо в весах Qwen
Это compact-чекпоинт Qwen3.5-4B, в который скомпилировали 64-битный x86-компьютер: 13 дополнительных transformer-слоёв без обученных весов, все веса считает компилятор.
ручная правка весов вместо обучения
Это экспериментальная версия Qwen3.5-0.8B (0,87 млрд параметров) от theyashhambarde: 130 384 веса изменены вручную, без тренировки и файнтюна. Автор нашёл направление, которое слои 15 и 19 записывают при зацикливании модели, и сдвинул по 64 нейрона в каждом слое против него.
агент для исправления уязвимостей
Модель от sparrow-co-ltd (SecLLM team) на базе Qwen/Qwen3.5-9B: 9,65B параметров, дообученная под исправление подтверждённых SAST-находок. Сначала LoRA SFT, затем GRPO; обе стадии слиты в полные веса, отдельный адаптер не нужен.
рассуждение из известного ответа
Полностью слитая standalone-модель на базе Qwen/Qwen3.5-9B с 9.41B параметров. Дообучена на Trace-Inversion-1K-Preview (932 примера) для техники Trace Inversion: получает задачу и правильный финальный ответ, а затем восстанавливает пошаговое рассуждение в тегах <think>...</think>.
4B-ассистент для iPhone без отдельного thinking-шага
Orvena-4B — языковая модель на базе Qwen3.5-4B (4,66 млрд параметров) от Orvena для приватного ассистента на iPhone. Она обучена под реальные задачи телефона: календарь, будильники, напоминания, места, веб и MCP-сервисы вроде Notion, Todoist, Airtable и Gmail.
2,2 млрд параметров при 25,8% активных
Meditor — кастомная extreme-sparse MoE-модель для генерации текста от Yo-Purple, поднятая (upcycled) из Qwen2.5-0.5B-Instruct, обученной на 18 трлн токенов. В ней 2,22 млрд хранимых параметров, но на каждый токен считается лишь ~572,95 млн активных (25,8%).
9B-агент для кода, функций и двух языков
Viper-9B — флагманская модель линейки RR-Gen1 от rrchat на базе Qwen3.5-9B: 8,95 млрд параметров и поддержка русского и английского. Заточена под автономную оркестрацию инструментов, structured function calling, генерацию кода и соревновательное программирование.
агент по кибербезопасности на базе Qwen2.5-Coder
Bimo-7B-CyberAgent — merged-файнтюн Qwen2.5-Coder-7B-Instruct от Saim Azam (iBimo-o) для defensive security: триаж уязвимостей, авторизованное ревью кода и сетей, многошаговый tool use и длинные входы.