Найдено: 1821
та же модель, но с ускоренным декодированием
JetBrains выложила Mellum2.1-12B-A2.5B-Thinking-MTP — версию Mellum2.1 Thinking с multi-token prediction (MTP) head. Веса байт-в-байт совпадают с обычным релизом, добавлены один шард и один ключ конфига.
0,3B для решений по картинкам и тексту
vela3-fast-vision — preview-модель семейства Vela 3.0 от vLLM Semantic Router × KR Labs. Это encoder на 0,3B параметров на один запрос: отвечает на choice/yes-no вопросы по изображениям, ищет слова ответа, не подтверждённые картинкой, проверяет OCR, указывает область и обрабатывает текстовые…
маска фольги для карт без ручной покраски
LoRA для Qwen-Image-2.1 (7B DiT, image editing), которая по карте предсказывает grayscale-карту фольги: где голограмма блестит и насколько сильно. Также делает embossed etch-текстуру для full art и secret rare. Подходит для игр/приложений, 3D-вьюера карт, печатных макетов и сайтов коллекций.
SQLite-запросы из схемы и вопроса
Это файнтюн Qwen/Qwen3.5-9B от EuricoGVP для генерации одного SQLite-запроса по схеме БД, необязательной подсказке и вопросу. 9B-модель обучена в non-thinking режиме; LoRA-адаптер уже влит в веса, поэтому PEFT не нужен, а артефакты совместимы с Transformers и vLLM.
турецкий и английский ASR быстро на CPU
balbal-v2-manas — большая версия ASR-модели от erayyapagci для турецкого и английского языков. Это FastConformer-CTC на 313,3 млн параметров с looped refiner и product-key акустической памятью, декодирование — 6-gram token KenLM. Обучена примерно на 7 000 часах аудио и рассчитана на CPU.
10M-параметровая база с настраиваемым числом проходов
min-spark 1.7 от MinimaLabs — базовая языковая модель на 9,98 млн параметров, дистиллированная из KLM 1.5 (99M) на 34 млрд токенов. Вместо одного прохода она прогоняет пять общих transformer-блоков от двух до пяти раз; уровень effort задаёт глубину вычислений.
4B-агент для SQL и Cypher
Это объединённый в bf16 LoRA-файнтюн XHToken/Spark-X2.6-4B (4,11 млрд параметров) от trjxter. Модель отвечает на вопросы по базе: сначала думает, затем вызывает один read-only инструмент — SQLite SQL для реляционной схемы или Neo4j Cypher для графовой.
мультипроходный протокол решений для браузерных скриншотов
Это адаптация LiquidAI/LFM3-VL-2B от webbrain-one для задачи image-text-to-text. Модель на 1.92B параметров использует multipass-протокол VL-D: verify с ответом Yes/No по каждому варианту и readout с кодом выбранной опции.
343M модель для картинок и правок по тексту
ZYI-256 Flash от caikybaldo999 — компактная text-to-image модель на 343M параметров, которая генерирует изображения 256×256 и умеет редактировать их по инструкции на английском. Архитектура — DiT с rectified flow, латентное пространство DC-AE, текстовый энкодер flan-T5-base.
фотореализм, текст и логотипы в одном генераторе
Aurora — text-to-image система от Malik Ayaan Ahmed на базе Freepik/flux.1-lite-8B (8,16 млрд параметров). Она сочетает файнтюннутый генератор изображений с этапом «Thinker» на Qwen2.5-3B-Instruct: тот пишет режиссёрский промпт, рендерит несколько кандидатов и выбирает лучший.
12B-модель для «очеловечивания» AI-текста
Smaug Humanizer от Abacus.AI — файнтюн google/gemma-4-12B (pretrained, не instruction-tuned), 12B параметров в bf16. Модель переписывает AI-generated текст так, чтобы он читался как написанный человеком: меняет формулировки, ритм и голос, но сохраняет факты, числа, имена и разметку.
18+ LoRA для фотопортретов на MOSS-Image
Это LoRA для взрослой фотографической генерации на базе MOSS-Image-SFT или MOSS-Image-Base; для инференса предпочтительна SFT. Настроена на откровенные взрослые портреты, ню-позы, интерьерные сцены и крупные фотокомпозиции. Библиотека — diffusers.
PEFT LoRA для Python-кода с аудитом zero-leakage
Это LoRA-адаптер для Qwen/Qwen3.8-27B от ProbioticFarmer: 64 слоя, 256 тензоров, r=16, lora_alpha=32, target modules down_proj, o_proj, out_proj. Обучение шло на 40 задачах (160 слотов, 3 378 token positions) на Apple M4 Max 128 GB; 16 тестовых задач (64 слота, 1 327 token positions) держали…
компактный классификатор банковских обращений
Это LoRA-файнтюн Qwen/Qwen2.5-0.5B-Instruct от Boole AI, Inc. для классификации сообщений банковской поддержки в 10 интентов BANKING77. Модель отвечает ровно одной меткой; в репозитории лежат merged-веса fp32, адаптер, скрипты обучения/оценки и сырые eval-выходы.
мультимодальная модель решений без генерации текста
d3-ultra — новая мультимодальная decision-модель от vllm-sr (Decision 3.0, vLLM Semantic Router) с 26,09 млрд параметров, включая 0,46 млрд vision encoder. На вход принимает текст или JSON, опционально изображения и видео, а на выходе даёт вероятности для вариантов ответа: Choice, Yes/No, Score…
вероятности вместо генерации текста
Sieve-31B-v3 от sthanika-ai — decision-модель на базе google/gemma-4-31B-it (31,27 млрд параметров). Она принимает текст или JSON и типизированные вопросы, а возвращает калиброванные вероятности по каждому варианту. Текст модель не генерирует.
резкость и размытие силой LoRA
Concept Slider LoRA для MOSS-Image от aoleg: двигает изображение между резким и размытым только силой LoRA, без триггер-слов и правок промпта. Базовая модель — OpenMOSS-Team/MOSS-Image-Base; ранг LoRA — 4, alpha 4.
отличает AI-картинки от реальных фото
AIRealNet-2 от Modotte — обновлённый бинарный классификатор изображений: class 0 — AI-generated, class 1 — real human. Построен на SwinV2 Tiny и обучен на 98 тыс. сбалансированных изображений из соцсетей.
три шага вместо восьми
LoRA для Krea 2 Turbo от автора lvladikov сокращает генерацию с 8 шагов до 3 при CFG 1. Это rank-64 адаптер на тех же 228 модулях, что и 4-step/2-step версии; обучение шло на одном H100/H200 около 115 часов на 42 000 сэмплах.
редактирование видео с учётом взаимодействий объектов
UniVOE — фреймворк для универсального редактирования объектов в видео, построенный на Wan2.1-VACE-14B. Удаление и вставка объекта рассматриваются как взаимные операции: модель меняет не только сам объект, но и его следы в сцене — тени, отражения, отпечатки и освещение.