Найдено: 1821
merge пяти 9B-моделей в MLX-кванте q6-hi
Экспериментальный merge от независимой лаборатории nightmedia на базе Qwen3.5-9B: смешаны Brainwaves, Emergent, Qwopus3-5-9B-Coder-Flash, DeepThought-STEM и OneJev1.6. 9.41 млрд параметров, в репозитории — MLX-квант q6-hi, в карточке также приведены замеры для q8-hi и q4-hi.
усреднённые офсеты для Tug of War
Производная модель для симулятора Microduck Arena: сеть azukiq/microduck-titan-v1 с 75 небольшими офсетами, усреднёнными по четырём снапшотам CMA-ES-поисков. Офсеты добавлены к среднему нормализатора наблюдений и к bias последнего слоя; остальные веса — azukiq.
политика для сборки кубиков на so_follower
Это ACT-политика (Action Chunking with Transformers) от dzon-robotics для робота so_follower. Она обучена в LeRobot на телеоперированных демонстрациях задачи «Poloz klocek na drugim klocku» — положить кубик на другой кубик. Размер — около 50 млн параметров.
компактная мультиязычная LLM на базе Qwen3
K-Oss-9-Mini от K-Ai (Kortex Ai) — следующее поколение семейства K-Oss: causal language model на архитектуре Qwen3 с 8,19 млрд параметров. Это QLoRA-файнтюн Qwen3-8B-Base на датасете Kai_V2; целевые языки — индонезийский, английский и японский.
аниме-стиль и голоса каста для MiniMax H3
Rank-16 LoRA для MiniMax H3, которая выучила внешность, состав персонажей и голоса «Sousou no Frieren» на 672 трёхсекундных диалоговых клипах и 721 стилле. Обучение шло сразу на изображениях, видео и аудио с нулевого шага; карточка также содержит полный гайд по сборке датасета и тренировке.
ACT-политика для захвата мяча
Это обученная в LeRobot политика ACT для робота so_follower: по состоянию и двум камерам (top и wrist) она предсказывает действия для задачи «Pick a ball and place». Модель небольшая, около 0,05 млрд параметров, и предназначена для imitation learning на телеоперированных данных.
CNN, которая ищет AI-музыку в телеэфире
Два бинарных классификатора от DaveLoay оценивают вероятность того, что музыка сгенерирована AI (Suno v3.5), а не создана человеком. Это baseline-модели статьи ISMIR 2026 о детекции AI-музыки в реальном телевещании: 1,64 млн параметров, Keras, вес 6,6 МБ.
детектор пяти объектов на корейских планах
BlueprintParse-R50 от ThakiCloud — Faster R-CNN (ResNet-50 FPN v2) для корейских архитектурных планов. Модель экспортирована в один FP32 ONNX-граф и запускается на CPU или GPU через onnxruntime, возвращая боксы, класс и score для пяти классов. Боксы пересчитываются в пиксели исходного изображения.
политика для симулятора, обученная на MacBook
Это ACT-политика для задачи AlohaTransferCube-v0 в симуляции, обученная с LeRobot 0.7.0 на датасете из 50 человеческих демонстраций. Модель с примерно 50 млн параметров обучена с нуля на Apple M4 MacBook Pro через MPS, без NVIDIA GPU: 80k шагов, batch size 8, около 10 часов.
NPC, который сам решает, когда звать инструмент
Rein-NPC-4B от jmc0 — специальная версия Qwen3.5-4B, которая говорит и принимает решения. Внутри неё 64 новых токена, обучались только их embedding-строки, а исходные веса не менялись.
расцензуренная версия
Неофициальная abliterated-версия экспериментальной Qwen3.8-Flash-Next, собранная с помощью Heretic (custom fork) v1.3.0+custom. По метаданным — 177,39 млрд параметров; база сочетает Gated DeltaNet, Qwen Sparse Attention, MoE и n-gram embedding. Задача — image-text-to-text.
сырые МРТ на входе, маска глиомы на выходе
MIST Glioma — веса для сегментации глиомы от MD Anderson Cancer Center и Rice University. Принимает необработанные T1, T2, контрастное T1 и FLAIR в DICOM или NIfTI, сам делает регистрацию, извлечение мозга и инференс. В BraTS 2025 занял третье место в задаче взрослой глиомы.
перестановка флаконов по команде
Это обученная в LeRobot политика на базе GR00T N1.7 — открытой кросс-эмбодимент foundation-модели NVIDIA для гуманоидных роботов. Она управляет so_follower по двум камерам (overhead, wrist) и 6-мерному состоянию, а на выходе даёт 6-мерный вектор действий.
72 рекурсивных визита поверх замороженной базы
Экспериментальная LLM на 4,11 млрд параметров от TassP0lar, собранная поверх замороженного BF16-бэкбона XHToken/Spark-X2.6-4B. В основе — 36 физических слоёв и рекурсивное расписание из 72 визитов с per-visit Paged Latent Sparse Attention (D-LSA).
потоковая озвучка для Jetson Orin
Visteon MIO TTS en-jp 0.6B — production-модель синтеза речи для английского и японского, рассчитанная на on-device запуск на NVIDIA Jetson Orin. Основа — 0.6B decoder-only LLM, которая выдаёт 8 параллельных акустических кодбуков на 24 кГц; акустика уточняется TensorRT fp16-движком, аудио…
компактная MoE-LLM для edge
Phobos-1 от MarsNext — causal language model, собранная с нуля на архитектуре Hierarchical Cortical MoE: 96,26 млн параметров всего и 52,22 млн активных на токен. Модель рассчитана на генерацию текста, код, математику и рассуждения в блоках <think>, запускается на CUDA, MPS и CPU.
мини-модель без отказов
LoRA-адаптер от bambocher, снимающий отказы с Qwen/Qwen3.5-0.8B с помощью инструмента Heretic v2.0.0. Базовая модель — мультимодальная (текст + изображения) LLM на 0.8B с гибридной архитектурой Gated DeltaNet и gated attention, 24 слоя и нативный контекст 262 144 токена.
ResNet-18 для раннего предупреждения красных приливов
Дообученная ResNet-18 классифицирует тайлы Sentinel-2 и оценивает вероятность вредоносного цветения водорослей. Модель сделана для AquaGuard — системы раннего предупреждения вокруг опреснительных станций Катара, где около 99% питьевой воды зависит от таких установок.
чистка записей голосов животных без GPU
19M-параметровая waveform-to-waveform модель от автора malper, которая удаляет фоновый шум — ветер, дождь, транспорт, голоса других животных — из записей вокализации животных. Получена дистилляцией аудио-фундаментальной модели SAM-Audio в компактный денойзер на архитектуре Demucs.
компактный кэпшенер на 20,8M
Это небольшая image-to-text модель от FYP team: энкодер ViT-tiny/16 из timm и 6-слойный Transformer-декодер, который пишет английские подписи токенизатором distilbert-base-uncased. Декодер обучен с нуля, всего в модели 20 836 218 параметров.