Найдено: 1821
маленькая модель с собственным VBQ-декодером
MP-01 100M base — decoder-only языковая модель на 100,6 млн параметров от Manprot (автор Dominik Andrzejewski). Это нестандартная архитектура VBQ: 18 слоёв, GQA, SwiGLU и QK-norm; обучена на английском примерно на 11,3 млрд токенов.
причинный VLM-гейт для видеопотока
RoboBeats-4B от superbigsaw — компактный LoRA-адаптер к Qwen/Qwen3.5-4B из работы Learning to Live. Это строго причинный VLM-гейт: он смотрит видео с частотой 1 fps и оценивает вероятность того, что в кадре только что произошло новое событие.
сжатие KV-кэша для авторегрессионной генерации видео
NanoKV — это codec и Fast attention readers для HY-WorldPlay, LingBot-World 2.0 и Matrix-Game 3.5. Набор предназначен для сжатия KV-кэша с высоким коэффициентом в авторегрессионной генерации видео.
84 декодера SD VAE для zero-shot квантизации
Набор из 84 чекпойнтов декодера SD-1 KL-f8 VAE от gladia для исследования Zero-Shot Quantization via Weight-Space Arithmetic (NeurIPS 2026). Декодеры дообучены decoder-only на 12 доменах изображений; энкодер и quant_conv остаются исходными.
Minecraft-скин из 3D-превью
BLOCKv0.6 — image-to-image модель от Raine3125, которая превращает превью 3D-персонажа Minecraft в 2D-текстуру скина. Это 3.88B-чекпоинт на базе FLUX.2-klein-base-4B для библиотеки diffusers.
универсальный симулятор мира для воплощённого ИИ
От WFM System Group (Beijing Innovation Center of Humanoid Robotics, X-Humanoid). Это action-conditioned world model simulator: по первому RGB-кадру, траектории суставов робота и языковой инструкции предсказывает будущее видео.
готовый пакет для ComfyUI
Это репак файлов Qwen-Image 2.1 и Turbo для ComfyUI от taurusduan: diffusion-модели, текстовые энкодеры, VAE, LoRA, ControlNet и prompt enhancer. Репозиторий относится к text-to-image и библиотеке diffusion-single-file; параметры модели в карточке не указаны.
350M-модель с пятью уровнями размышления
Minico M1 1105 — полный релиз Minico M1, файнтюн LiquidAI/LFM2.5-350M на 350M параметров. Это одна из первых reasoning-моделей меньше 400M с пятью уровнями усилия: off, low, medium, high, max. Доступны GGUF, MLX и ONNX-сборки.
4 шага вместо 6 для замены людей и правки сцен
Комьюнити-репак от akhaliq для Viggle Remake: 4-шаговый рендеринг через стек LoRA Remake и SMD MiniMax-H3 Ref2VA 4-step. Модель работает с video-to-video: заменяет людей и редактирует сцены в существующих видео. База — MiniMax-H3, формат — LoRA для ComfyUI.
аватар оживает по речи
Это speech-to-video модель Kandinsky S2V 1.0: по одному референсному кадру и аудиодорожке она анимирует всю фигуру человека, а не только голову. Аудио здесь — условие, звук модель не генерирует.
3D Gaussian splat из одного изображения
Это Diffusers-конвертация speridlabs/idol от OzzyGT для генерации 3D Gaussian splat по одному изображению. В репозитории только веса и конфиги: denoiser, octree decoder, Gaussian decoder и два энкодера — DINOv3 и FLUX.2 VAE. Размер — около 0.37B параметров.
мердж MOSS-Image для ComfyUI с компактной INT8-версией
MOSSquid — это объединённый (merged) чекпоинт на базе MOSS-Image для генерации изображений по тексту в ComfyUI. Автор — suigin10. Доступны два варианта диффузионных весов: BF16 и INT8 ConvRot.
fused 8-step TURBO для image-to-video
Fused-чекпойнт для image-to-video: по карточке, это база ibyteohdear/10Eros-Max-Transformer_8stepTURBO_beta7 с вшитой LoRA H3_VBVR_Pro-V2 на strength 1. TURBO-дельта и LoRA уже в весах, отдельно мержить или подгружать их на лету не нужно.
Uncensored LoRA для FLUX.1-dev
Это LoRA-адаптер от Jakes09 для базовой text-to-image модели black-forest-labs/FLUX.1-dev. По описанию карточки, модель работает как playground со сниженными ограничениями цензуры: через разные промпты можно исследовать границы генерации и проверять фактическое поведение модели.
энкодер для стилей и раскладок в Moss:RAEL
nebulette/mossrael-2b-encoder — это продолжение Moqs для файнтюна Moss:RAEL от автора nebulette. Модель на 1.91B параметров опубликована в библиотеке diffusers и рассчитана на работу со стилями, раскладками и референсами в промптах.
квантованная генерация изображений без потери CLIP
Это MXFP8-версия Qwen/Qwen-Image-2.1 от intel-ai: W8A8, group_size 32, symmetric. Квантованы и image transformer, и языковой бэкбон Qwen3-VL; конверсия сделана через intel/auto-round с RTN (iters=0). Базовая модель — text-to-image на 7,33 млрд параметров.
1B — художник, который мыслит примитивами
Primitive Operation Painter 2 — 1B — кастомная авторегрессивная text-to-image-модель от doubixz. Она принимает китайский текст, готовые примитивы или их комбинацию и предсказывает последовательность редактируемых прямоугольников и эллипсов, а не пиксели.
выборочный перенос правок между изображениями
SIA-weights — LoRA-адаптеры для SIA: Selective Image Analogy (SIGGRAPH Asia 2026) от selective-image-analogy. Метод переносит аналогию с пары A, A' на новое изображение B и позволяет выбрать, какие правки перенести, а какие подавить.
SD 1.5, оптимизированная под WebNN
Это ONNX-версия Stable Diffusion 1.5 от webnn, адаптированная для WebNN: статические входные формы и удаление неиспользуемых операторов. Базовая модель — runwayml/stable-diffusion-v1-5, латентная диффузионная text-to-image модель.
LoRA в стиле Arknights: Endfield
LoRA-адаптер для MOSS Image (rank 32), обученный на артах в стиле Arknights: Endfield. Файл EndField.safetensors поставляется в формате ComfyUI.