Найдено: 738
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.
стабильнее в цепочке правок
TailSteer — дообученная версия Qwen-Image-2.1 на 7,12 млрд параметров для генерации и редактирования изображений. Это полные веса: та же архитектура и API, что у базовой модели, но меньше дрейфа при последовательных правках, когда результат предыдущего шага становится входом следующего.
файнтюн на 500 фиктивных профилях
Это полный файнтюн google/gemma-3-4b-it от Lordvarun23 на QA-парах всех 500 фиктивных профилей из MLLMU-Bench. Модель на 4.3 млрд параметров предназначена для image-text-to-text и служит стартовой точкой для unlearned-чекпоинтов. Обучение включало не только языковую часть, но и vision tower.
компактный 4-bit text-to-video
Это вторая версия сборки Wan-AI/Wan2.1-T2V-1.3B-Diffusers на базе WanTransformer3DModel с 1,42 млрд параметров, оптимизированная через phi-lattice-v2. Модель генерирует видео по текстовому промпту в diffusers; в репозитории есть BF16 plug-and-play transformer и упакованный 4-bit архив.
диаризация спикеров на Apple Silicon
Конвертация моделей диаризации спикеров из rewayai/suplime-large в Core ML (mlprogram, fp16, скомпилированные .mlmodelc) для работы на устройстве в macOS 15+ с Apple Silicon. Автор — giuseppe-trisciuoglio; конвертация сделана для MeetRecord.
sparse attention без смены весов
Экспериментальная версия llm-jp/llm-jp-4.1-8b-thinking на 8,59 млрд параметров: во всех 32 слоях обычное attention заменено на Latent Sparse Attention (LSA). Веса базовой модели не менялись — добавлены только послойные индексаторы W_K_idx и W_Q_idx размером 4096×64. Языки: японский и английский.
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.
полный файнтюн MOSS-Image-Base с «оздоровлением» residual stream
Это text-to-image модель на базе MOSS-Image-Base: полный файнтюн transformer-части примерно на 5.08 млрд элементов. Текстовый энкодер, tokenizer, VAE, scheduler и код pipeline взяты из официальной MOSS-Image-Base.
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.
постройки Minecraft по тексту и окружению
Dirtflow v0 — двухстадийная flow-модель для генерации и редактирования построек Minecraft по тексту и блокам вокруг. Автор — IvanBanny; геометрическая стадия основана на microsoft/TRELLIS-text-xlarge, выход — правки в полном словаре block states Minecraft 1.21.11.
модель, которая отвечает готовым HTML
Это файнтюн XHToken/Spark-X2.6-4B от wesjos на 4,11 млрд параметров под лицензией Apache-2.0. Вместо обычного текста модель генерирует HTML-карточки, таблицы, метрики и callout-блоки для встроенного WebUI. Контекст — до 1 048 576 токенов.
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.
decensored-версия базовой Gemma 4
richardyoung выпустил decensored-вариант google/gemma-4-31B-it. Это мультимодальная instruct-модель Gemma 4 примерно на 31B параметров; изменения внесены через Heretic v2.0.0 и Arbitrary-Rank Ablation (ARA).
YaRN 160k: окно 160K без дообучения
Это финальный чекпоинт openeurollm/prelude-base (ревизия anneal2t_multilingual1_dominant1_iter_1192093): 100% претрейна, около 10T токенов, 9,09 млрд параметров. Архитектура Qwen3-style dense: 36 слоёв, hidden 4096, FFN 12288, 32 головы внимания / 8 KV-групп.
дистилляция для длинных видео
History Forcing — исследовательский релиз от Zhejiang University, Microsoft Research, Monash University и Adelaide University. Это единый on-policy distillation framework для few-step autoregressive video generators: он корректирует score/velocity target, используя residual между предсказаниями…
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.
сжатый Llama-2 для изучения safety
Это исследовательский чекпоинт Llama-2-7b-chat, сжатый до 59,98% плотных параметров с помощью dual-domain K-FAC whitened SVD и восстановленный stage-2 LoRA. Автор — Jeesup; модель создана для изучения того, как SVD-сжатие влияет на safety-поведение и какие правила выбора компонентов лучше его…
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.