Найдено: 1821
русские команды в JSON для Home Assistant
Это файнтюн ai-forever/ruT5-base (~220M параметров) от автора ilyali034. Модель принимает команду на русском для умного дома и возвращает JSON-список вызовов функций в стиле Home Assistant: HassTurnOn, HassTurnOff, HassLightSet, HassClimateSetTemperature и другие.
живой стиль без «LLM-измов»
Файнтюн на базе ricursiveAI/Ripple-65B-Preview от автора schonsense. Это low-LR полнопараметрическая донастройка lm_head и тензоров, которые его питают; 64,78 млрд параметров в BF16. Карточка описывает задачу как human lexical normalization и обучение на человеческих текстах плюс ролевых диалогах.
GUI-агент для реальных интерфейсов
MAI-UI — семейство фундаментальных GUI-агентов размерами 2B, 8B, 32B и 235B-A22B; в репозитории представлен вариант 2B5 на 2,13 млрд параметров. Модель предназначена для навигации и выполнения задач в графических интерфейсах, включая мобильные сценарии и взаимодействие с пользователем.
драфтер для Grug-67B
Это DSpark-драфтер для спекулятивного декодирования целевой open-athena/Grug-67B-A2B-Datakit-SFT-262K-2026.09.21-dr-doom от atutej. Архитектура: 6 слоёв Grug, пять tapped-слоёв, block size 8 и уменьшенный draft-словарь на 32 000 токенов.
энкодер, который предсказывает латентную семантику
Энкодерная языковая модель от SzegedAI, использованная в статье «No Masking Needed: Predicting Latent Semantics for Efficient Pre-training of Encoder-based Language Models». В репозитории лежит финальная модель и промежуточные чекпоинты после 10k, 25k и 50k обновлений из 100k.
открытый детектор AI-голоса
tropa-voice-mini — открытая модель от wasitaigenerated.com для определения AI-сгенерированной и клонированной речи. Построена на wav2vec2-XLS-R-300M (0,32 млрд параметров), весит 1,26 ГБ, работает на CPU и распространяется под Apache-2.0.
поиск пиксель-арта по короткому описанию
Это Sentence Transformers модель, дообученная от TinyCLIP на датасете Angais/pixel-art-atlas-1.4m. Она сопоставляет короткие английские описания и изображения пиксель-арта в общем векторном пространстве.
голос для индийских языков
Это дистиллированная TTS-модель VoxCPM2 на 2,29 млрд параметров, обученная на синтетическом телугу от sw-voice/indicF5-best. С 8 ноября 2026 года она обслуживает production voice B для языков te, kn, ta, ml, mr, gu, de и ru; hi, en и ja остаются на прежнем production-голосе.
GRPO-чекпойнт для математики
Чекпойнт step 200 из full-split раунда E2H Polaris: языковую часть google/gemma-4-E4B-it дообучили GRPO на математических задачах Polaris-Dataset-53K. Обучение шло через upstream verl 0.9.1 (v0 trainer, FSDP2), а задачи делили по 16-сэмпловому pass rate базовой модели.
чат-модель на ~1,07 млн параметров для FPGA
ice40GPT — decoder-only трансформер, который целиком помещается в память FPGA iCE40UP5K. Хранится 1 069 280 параметров: один блок повторяется 6 раз, на каждом проходе свои нормы. Ширина 96, 4 головы, 1 KV-голова, FFN 256; словарь 2048 BPE-токенов, контекст 32 токена.
4B-математик без reasoning-режима
Экспериментальный математический чекпойнт на базе Spark-X2.6-4B от arcticoneai. 4B параметров, rank-16 LoRA уже слит в BF16-веса, отдельный адаптер не нужен. Ориентирован на решение задач и формализацию в Lean 4.
интерполяция кадров видео на LiteRT
FP32 LiteRT/TFLite-экспорт официального чекпоинта Practical-RIFE 4.25 Lite от litert-community. По двум соседним RGB-кадрам и моменту времени модель строит один промежуточный кадр. Используется inference-сеть со scale list [32, 16, 8, 4, 1] без ensemble.
офлайн-паки для локального ассистента
Репозиторий с дополнительными пакетами моделей для офлайн-ассистента ECHO-1. Всё работает на устройстве без сети на iOS, Android, macOS и Linux, включая Raspberry Pi. Приложение читает manifest.json, скачивает файлы пакета с фиксированного коммита и проверяет SHA-256.
LoRA для проверки критериев клинических испытаний
Это LoRA-адаптер для Qwen/Qwen3-0.6B, дообученный под criterion-level проверку критериев клинических испытаний. На вход модель получает нумерованную заметку пациента, тип критерия и текст критерия, а возвращает JSON с ID предложений-доказательств и меткой.
драфтер для ускорения медицинской LLM
Perigee — вспомогательная модель (драфтер) для MedErtas-v0.1-27B-LS от Ertas AI. Она обучена на медицинских ответах и ускоряет основную модель через speculative decoding в vLLM. Размер — 4.0 GB, лицензия Apache 2.0.
видео со стереозвуком через chunked-сэмплер
Адаптер и интеграция для инференса MiniMax-H3 Base от Perflow-Shuai: генерируют видео со стереоаудио. Это адаптер с переменным rank, а не обычная LoRA с единым rank. В комплекте — собственный загрузчик и chunked-runtime.
опорный драфтер для Qwen3-8B
Infomaniak-AI выложили Qwen3-8B-speculator.dspark-swa — baseline-драфтер для спекулятивного декодирования Qwen/Qwen3-8B. Это 5-слойная модель на стандартном DSpark Sliding-Window Attention с окном 128 и блоком до 8 токенов.
определяет год снимка по фото
Модель классифицирует фотографию по 97 годовым бинам с 1930 по 2026 год и выдаёт распределение вероятностей. Это fine-tuned vision tower openai/clip-vit-large-patch14-336 на 336 px; голова — LayerNorm, Dropout 0.1, Linear to 512, GELU и Linear to 97 year bins. Автор — Chiemeka Kalu.
точность почти F32 на Vulkan без NaN
BF16-weight GGUF-чекпоинты от chibifire для проекта V-Sekai-fire/skin-tokens-ggml. Получены из опубликованных F32 GGUF-весов LocalAI-io/SkinTokens-GGUF и предназначены для ригинга 3D-персонажей через skin-tokens-ggml.
MoE-пакет, который влезает в 16 ГБ VRAM
TinoBruno выложил оптимизированные бинарные веса, манифест, мультимодальный vision-проектор (mmproj) и таблицу Per-Layer Embedding N-gram для Qwen 3.8 Flash-Next (GSQ-RCO-IQ1_M). Всё это отформатировано под MinnieTheMoEcher — bare-metal рантайм для агентных задач.