Найдено: 738
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…
компактный w6a8-реквант для ComfyUI
Это пересчёт в w6a8 микса 10Eros Max × Minimax Hailuo H3 (Ref2VA) SingularityV2 PRISM2 PikaFlex 0.85. Автор — Plaguekind. Формат нативный для ComfyUI: 6-битные веса, int8-активации, загрузка штатными квантованными ядрами без кастомных нод. Размер — около 15.9 ГБ.
компактный TTS прямо в браузере
Это конвертация шести моделей Gradium Phonon 40M — для английского, французского, немецкого, испанского, португальского и мультиязычного варианта — под WebGPU-рантайм blixt/phonon. Модели на 40M параметров построены на Pocket TTS и кодеке Mimi от Kyutai и предназначены для синтеза речи в браузере.
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…
драфт для ускорения Kimi-K3.1-Pro
Релиз RadixArk: DFlash2-спекулятор для Kimi-K3.1-Pro, который ускоряет инференс через speculative decoding в SGLang. Это не самостоятельная LLM, а BF16-драфт на 2,78 млрд параметров: пятислойный MLA-стек работает вместе с target-моделью и использует её эмбеддинги, LM head, tokenizer и chat template.
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.
9B-агент для кода и reasoning, пост-тренированный на Bittensor
Teutonic-I-Reliquary от ReliquaryForge — 8.95B модель для text-generation на базе Teutonic-I-Reliquary-SFT. Это reasoning- и coding-агент, полностью пост-тренированный на Bittensor на недоверенных GPU — от RTX 3090 до B200.
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.
одно число улучшает успех с 42% до 64%
Это патченный чекпойнт lerobot/smolvla_libero от pythonsong: компактная vision-language-action модель SmolVLA на 0,45 млрд параметров для роботизированных задач. Изменён только action_out_proj.bias[0]: 0,033 → 0,383 в нормализованных единицах действия, без дообучения; патч весит около 600 байт.
30B MoE с ослабленными отказами
Это abliterated-версия zai-org/GLM-4.7-Flash от Torbeck: 30B параметров, 3B активных на токен, архитектура GLM-4 MoE Lite с Multi-head Latent Attention (MLA) и контекстом 128K. Модель сделана через Abliterix, чтобы снизить число отказов, и заявлена для исследований.
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%).