Найдено: 1821
44.91M GPT-2 с нуля на C4
Компактная авторегрессионная causal LM от GiangSon-5 для генерации английского текста. Полностью обучена с нуля на C4: 44.91M параметров, 6 слоёв, 8 голов, hidden 512, контекст 512 токенов, словарь 50 257. Лицензия MIT.
дискретный VQ-токенизатор изображений
Это сообщественная выгрузка тензоров encoder.vqvae.* из NVIDIA NLD-Uni (ревизия 5db755a2eb0ab84654e3dcf80c7d0245bfe36a50). Внутри — image encoder, codebook векторного квантования и image decoder; всего около 0.46B параметров.
чекпойнт 8k для робота-манипулятора
Это fine-tune π₀.₅ от arkojit1 на базе lerobot/pi05_base: политика для Franka, обученная складывать жёлтый блок на красный. Датасет — 112 эпизодов Haply-телеоперации, 4-D state и 4-D end-effector delta action; модель на 3,62 млрд параметров. Опубликован чекпойнт шага 8 000 из 20 000 (10,4 эпохи).
1T MoE с 1M контекстом и зрением
Карточка описывает Mistral Large 4 — нативную мультимодальную MoE-модель на ~1T параметров, из которых ~52B активны на токен (с эмбеддингами и выходными слоями). Обучена с нуля на 3 800 NVIDIA Grace Blackwell; объединяет instruction following, reasoning, код и агентные сценарии.
lossless speculative drafter для Qwen3.8
FlashMap-Qwen3.8-27B-FP8 — драфтер для lossless speculative decoding от j-shen. Это 770M-модель для Qwen/Qwen3.8-27B-FP8: предлагает целый блок из K токенов за один проход. Вместо независимого предсказания токенов, как у discrete diffusion drafters, использует flow map.
один эмбеддинг для четырёх модальностей
OmniUE — instruction-conditioned универсальный эмбеддер от Sony, который отображает текст, изображения, видео и аудио в единое 2 048-мерное пространство. Это LoRA-адаптер на базе Qwen2.5-Omni-3B с модулем взаимодействия SAM-Audio + SAM3.
крошечная демонстрация тернарного BitNet
Экспериментальная модель от zerolimites: причинный transformer с BitLinear и тернарными весами {-1, 0, +1} в forward (1,58 бит/вес), обученный с нуля на CPU на TinyDialogues. В модели около 2,89 млн параметров, 4 слоя, hidden 256 и контекст 128 токенов; язык — английские детские диалоги.
скрининг болезней кур по фото помёта
Модель от Mosi Africa классифицирует фотографию куриного помёта по четырём классам: Coccidiosis, Healthy, Newcastle и Salmonella. Это лёгкий файнтюн google/mobilenet_v2_1.0_224 для недорогого phone-friendly раннего предупреждения у мелких птицеводов Восточной Африки.
MoE-мультимодальность с 3,8B активных параметров
В репозитории Virtudant-AI выложена версия Gemma 4 26B A4B — мультимодальной модели Google DeepMind для текста и изображений. Это MoE-вариант: 25,2 млрд параметров всего и 3,8 млрд активных, контекст до 256K токенов. Карточка отсылает к гайду Unsloth по запуску и файнтюнингу Gemma 4.
2B-модель для комбинирования фич
CherryPit-1.2-2B — третий релиз CherryPit от DRUPEs на базе MiniCPM5-2B. Это каузальная LLM на ~2B параметров с архитектурой Llama, контекстом 128K и поддержкой tool calling; размер и скорость те же, что у версий 1.0 и 1.1.
ONNX-классификатор на 55 категорий
Это классификационная модель от Pictograph Research на базе ResNet50. Обучена на COCO-CLS-5k (5 000 изображений), принимает вход 448×448 и поставляется в ONNX с FP32. В карточке указаны 55 классов и Accuracy 72.6%.
LID для code-switching речи
Это ESPnet2-модель от Shunsuke Mitsumori для определения набора языков в переключении кода (CS-LID). Использует frontend facebook/mms-1b (wav2vec2) и transformer encoder/decoder, обучена на FLEURS, CS-FLEURS и CS-YODAS. На выходе — последовательность языковых токенов вроде <ara> <eng>.
компактная модель для заметок в задачи
Это полный fine-tune Qwen/Qwen3-0.6B-Base от mohitkrconnect для приложения Heed: модель превращает голосовые заметки в JSON со списком задач и bucket. EXP-054 — предыдущая модель приложения, опубликованная как baseline перед версией с 1 696 целевыми заметками.
27B vision-модель в GGUF с быстрым reasoning
Octopus-Rage-V3-R — 27B языковая модель с поддержкой изображений от Opraiz Technology Pvt Ltd (бренд Octopus). Опубликована как набор предквантованных GGUF-бандлов: есть файлы квантов и mmproj для понимания изображений.
локальный TTS с клонированием голоса на Windows
Репозиторий с runtime-файлами для Higgs Audio v3 Studio — Windows-приложения на Rust/Tauri, которое запускает портированный C++/CUDA-движок Higgs Audio v3 локально. Это не оригинальный релиз модели, а GGUF-сборки, DLL CUDA-движка, чексуммы и манифест для загрузчика приложения.
выразительная речь на пяти языках
LAION выпустила TTS-модель Humaneness Voice Large 1.7 с 4,13 млрд уникальных базовых параметров. Это полные merged-веса: для обычного инференса адаптер подключать не нужно. Модель генерирует английский, немецкий, французский, испанский и нидерландский, а отдельный кодек возвращает аудио 48 кГц mono.
2B text-to-image для аниме и иллюстраций
Anima — это text-to-image модель на 2 млрд параметров от CircleStone Labs и Comfy Org. Она заточена под аниме-концепты, персонажей и стили, а также под нереалистичные иллюстрации; реализм ей сознательно не завезли.
учитель для K&K-головоломок
Это SFT-файнтюн Qwen/Qwen3-1.7B-Base на 1,72 млрд параметров от автора willinki, обученный через пайплайн cotangled в режиме sft. В карточке модель помечена как sft-teacher и оценена на K&K-головоломках с числом людей от 2 до 8.
RL-файнтюн Qwen2.5-3B на HotpotQA
Это файнтюн Qwen/Qwen2.5-3B-Instruct на 3,09 млрд параметров от автора yuxuanw8, дообученный на датасете mehuldamani/hotpot_qa для text-generation. Модель обучена через GRPO с использованием TRL; в карточке нет бенчмарков и требований к VRAM.
патч весов против зацикливания
Экспериментальная версия Qwen3.5-0.8B (0.75B) от tchbcb — независимое воспроизведение метода weight-space programming. Без обучения и градиентов статистический пайплайн ищет нейроны MLP, связанные с repetition-loop в thinking mode, и напрямую масштабирует столбцы down_proj.