Найдено: 1821
один адаптер для генерации и редактирования
Экспериментальный rank-128 LoRA-адаптер, дообученный от Qwen/Qwen-Image-2.1. Работает и для генерации по тексту, и для редактирования изображений по инструкции на естественном языке. В релизе только веса LoRA — базовая модель, text encoder, processor и VAE загружаются отдельно.
3D-энкодер, который сводит MRI и CT в одно латентное пространство
Специализированный 3D Vision Transformer от anuragpradhan на базе GoodBaiBai88/M3D-CLIP. Модель учится переносить 3D-MRI в латентное пространство CT, чтобы убрать доменный разрыв между модальностями. Это feature-extraction энкодер примерно на 198M параметров, обученный на парах медицинских объёмов.
агент по кибербезопасности на базе Qwen2.5-Coder
Bimo-7B-CyberAgent — merged-файнтюн Qwen2.5-Coder-7B-Instruct от Saim Azam (iBimo-o) для defensive security: триаж уязвимостей, авторизованное ревью кода и сетей, многошаговый tool use и длинные входы.
кибербезопасность и reasoning в одном merge
Экспериментальная bf16-модель на 35,95 млрд параметров от Kernel-Lord, собранная последовательным SLERP-мержем трёх файнтюнов Qwen3.6-35B-A3B. Ориентирована на анализ кода, систем, атакующих путей и защитных практик; распространяется как обычная Hugging Face Transformers-модель без квантования.
WAM-политика для интеграции RoboDojo
Riemann1.0 — обученная WAM-политика, которую использует интеграция RiemannRSI RoboDojo; автор — bolwang. Это не самостоятельный Transformers-пайплайн: для запуска нужен RiemannRSI inference adapter, а публичные Wan2.2 VAE, T5 encoder и tokenizer остаются отдельными upstream-зависимостями.
квантованный FLUX.2 с полным энкодером
Это MXFP8 W8A8-квантование black-forest-labs/FLUX.2-dev от changwangss, собранное через AutoRound в режиме zero-shot RTN. В отличие от варианта только с transformer, здесь квантованы и блоки diffusion transformer, и весь мультимодальный энкодер.
Mage-VL-Cowork-hands-v2 — GUI-grounding с акцентом на точность клика
Файнтюн microsoft/Mage-VL-Cowork от Jordan Newman / angelX для computer use: по скриншоту и описанию цели модель возвращает точку клика. Около 4,74 млрд параметров, текстовая основа — Qwen3-4B-Instruct-2507; LoRA-адаптер уже слит с базой.
8B мультимодальная модель с фокусом на индонезийский и японский
K-Oss 8 Mini Instruct от K-Ai (Kortex AI) — instruction-tuned модель на базе Qwen/Qwen3-VL-8B-Instruct примерно на 8,8B параметров. Она принимает текст и изображения и отвечает на английском, индонезийском и японском.
защитный cybersecurity-LLM на базе Qwen2.5-Coder
Это файнтюн Qwen/Qwen2.5-Coder-14B-Instruct на 14,77 млрд параметров для defensive-безопасности: автоматического исправления уязвимостей, триажа SAST-алертов, SOC-форензики и генерации Semgrep-правил.
компактный омни-модальный кодер
Кастомный merge от Shivansh Kokate: бэкбон LFM3-1.7B объединён с Vision, Audio, Image и Video-компонентами LFM3-Omni-2B. Получилась instruct-модель на 2,24 млрд параметров для кода, tool calling и мультимодального понимания на edge-устройствах.
сегментация инверсионных следов на снимках GOES-16
Модель от EUROCONTROL (eurocontrol-asu) для задачи image-segmentation: по 3-канальному false-colour композиту GOES-16 ABI она выдаёт для каждого пикселя вероятность инверсионного следа.
1.7B-модель решений с калиброванными вероятностями
Pluto-2.1 от Omida AI — это 1.738B decision-модель на базе Qwen3-1.7B, дообученная из Bosun 3.1 1.7B. Она принимает состояние и вопросы с типами, а возвращает калиброванное распределение вероятностей по кандидатам — без генерации текста.
сжатые FLUX.1 из ECCV 2026
SVDtrunc — набор сжатых моделей FLUX.1 от CVL-Heidelberg, основанный на методе Importance-Aware Low-Rank Distillation of Diffusion Transformers (ECCV 2026). Сжимается только transformer: SVDtrunc-m (8.1B, 68%) и SVDtrunc-s (6.8B, 57%) построены на FLUX.1-dev, а SVDtrunc-schnell-70 (8.3B, 70%) — на…
маленький локальный фильтр доказательств для веб-поиска
egemma-td-v2 от nekomimi-llc — компактная 272M-параметровая модель для feature-extraction. Она отвечает yes/no на вопросы о результатах веб-поиска и абзацах страниц: стоит ли открывать результат, есть ли в абзаце доказательство, нет ли попытки дать инструкции ассистенту.
пост-Transformer с O(1) стримингом
VAULT (Variance-Weighted Associative Unitary Lattice Tensor) — 180.6M-параметровая пост-Transformer/post-SSM рекуррентная архитектура от Philip Bartsch (batteryphil).
ивуарийская суверенная LLM для четырёх языков
Kouman IA 1.5 — модель генерации текста на 1,24 млрд параметров от Tree IA labs. Ориентирована на бауле (bci), французский, dioula (dyu) и английский; заявлены instruction-following, программирование, кросс-перевод и культурные рассуждения.
4 шага вместо 25 для MOSS-Image SFT
HaDeS MOSS Turbo — два few-step LoRA для MOSS-Image SFT от DeVilDoNia. Они переводят генерацию с 25 шагов при CFG 2.5 на 4 шага при CFG 1; каждый файл весит 3,4 МБ (rank 2, только слои 24–41). Обучены с нуля на одной RTX 5090, лицензия Apache 2.0.
Malevolent — злодейская персона прямо в весах
Исследовательский вариант mistralai/Mistral-7B-Instruct-v0.3 на 7.25 млрд параметров, который отвечает с крайне злобной «злодейской» персоной — и без всякого system prompt: характер зашит в веса. Меняются только тон и отношение к безобидным бытовым вопросам.
33B-модель с уменьшенным числом отказов
Это decensored-версия Nanbeige4.3-33B от SolsticeAI, полученная через Heretic v2.0.0. У модели 33,12B параметров, задача text-generation, библиотека transformers; заявленные языки — en и zh. Базовая Nanbeige4.3-33B ориентирована на агентное кодирование и профессиональные cowork-задачи.
рентген Qwen3-8B-Base
ByteDance-Seed опубликовала Cross-Layer Transcoder (CLT) для Qwen3-8B-Base. Это интерпретационный инструмент: 36 слоёв × 32 768 латентов, 94,2 млрд параметров в fp32, общий размер 377 ГБ. Латент каждого слоя читает residual stream перед MLP и записывает в выходы MLP этого и всех следующих слоёв.