Найдено: 1821
SDXL-файнтюн для антро, фералов и человекоподобных
Многофункциональный файнтюн SDXL от neryK (оригинал — PurpleSmartAI), генерирующий SFW- и NSFW-визуалы антро, фералов и человекоподобных существ по простым промптам на естественном языке. Обучен на ~2.6M изображений и поставляется с собственным opinionated-шаблоном промпта.
причёска из одной картинки, готовая к анимации
HairDeck — исследовательский пайплайн от Tsinghua University, Carnegie Mellon University и CUHK. По одному изображению персонажа он создаёт стилизованные hair cards с UV-развёрткой для каждой карты и spring-bone chains для анимации, а затем позволяет собрать VRM 0.x.
калиброванные решения в один проход
joey-1 — 2B-модель принятия решений от Base Labs (Baseten), пост-тренированная из Qwen3.5-2B. На вход получает состояние (текст, опционально изображения) и набор вопросов, а на выходе даёт калиброванную вероятность для каждого варианта. Все вопросы обрабатываются из одного shared-prefix prefill.
компактная OCR для сложных документов
Surya 2.5 от Datalab — OCR-модель на 689M параметров. Через единый VLM она выполняет распознавание текста, layout-анализ и разбор таблиц на изображениях и PDF, выдавая блоки в порядке чтения и HTML-представление содержимого.
NSFW-файнтюн поверх Krea-2-Turbo
Модель text-to-image от автора stuff123456 на базе krea/Krea-2-Turbo, запуск через diffusers. Карточка минимальна: вместо описания архитектуры — большой набор триггер-слов и ссылка на файлы. Размер и число параметров не указаны.
открытые веса для security-ресёрча
Stardust Flash-01 от STARDUST Labs — открытая модель для авторизованной security-работы, дообученная на реальных уязвимостях из приватного датасета. Это MoE-модель на базе GLM-5.3-Flash: 320B total / 18B active параметров и контекст до 1M токенов.
крошечная модель для выбора одной метки
Это merged BF16-веса LoRA-файнтюна от iromu на базе LiquidAI/LFM2.5-230M-Base. Модель обучена отвечать на типизированный decision-промпт ровно одной буквой-меткой и рассчитана на classification, single-label answer selection и edge-развертывание.
27B для книг и длинных документов
Qwen3.8-27B-Longbook27-v2 — 27B-файнтюн от summerAIO для понимания и генерации длинных текстов: книг, статей и отчётов. Использует кастомную архитектуру qwen3_5_gdn24 с Gated DeltaNet и поставляется с remote code; языки — английский и японский.
Qwen2.5-0.5B, обученная на потоке задач
continual-lm — исследовательский файнтюн Qwen2.5-0.5B-Instruct от Fedor Makovskiy. Модель последовательно обучали на четырёх задачах: короткие рассказы, вопросы по отрывку, арифметика и ML-абстракты, — с приёмами против забывания.
генеративный поиск по 196 млн URL
Octen-WebGR-4B от Octen — генеративный ретривер для навигационного веб-поиска. По запросу он генерирует два SID-токена, ограниченных таблицей из 195,9 млн реальных URL, так что веб-индекс хранится в параметрах модели. База — Qwen3-4B-Base после full-parameter fine-tuning, 4,36B параметров.
объекты и пиксели в одной VLM
WeVisOne-VL-4B от WeChat Vision (Tencent) — унифицированная vision-language модель на базе Qwen3-VL. Она объединяет object-level и pixel-level восприятие через structured next-token prediction и лёгкий pixel decoder на 9,6 млн параметров; всего в модели 4,83 млрд параметров.
единый LoRA для анатомии взрослых в Qwen Image 2.1
Это LoRA-адаптер от автора wank3r для Qwen Image 2.1: один файл Genitalia-Anatomy-2.1-v1.safetensors объединяет данные по женской и мужской анатомии взрослых. Обучен на 3 689 изображениях, rank 64; предназначен для text-to-image и редактирования по изображению в совместимом пайплайне Qwen Image…
обновлённый MoE-агент с контекстом 1M токенов
Ling-3.1-flash-1019 — обновлённая версия Ling-3.1-flash от inclusionAI. Это Hybrid-linear MoE-модель с 560B общих параметров, 25B активных на токен и контекстным окном 1M токенов. Основной упор — сложное рассуждение, многошаговые задачи и агентные сценарии.
первая модель Apex Intelligence для кода, агентов и науки
Apex-35B-V1.0 — первая модель Apex Intelligence для общего использования и исследований: кодинг, tool use, вопросы-ответы, deep search и научные задачи в AI, вычислительной науке и симуляции робототехники. Построена на Qwen3.6-35B-A3B и дообучена на проприетарных данных и research-траекториях.
компактная OCR-мультимодель для документов
OvisOCR3 — универсальная мультимодальная модель на 0,8 млрд параметров от ATH-MaaS, построенная на Qwen3.5-0.8B. Она объединяет разбор документов, общий OCR, извлечение ключевой информации, подписи к рисункам и восстановление таблиц между страницами; нужная задача выбирается промптом.
меньше параметров, выше средний балл
Groot-19B-A3B-261023 — нативно мультимодальная MoE-модель от GrootTeam для сложных reasoning- и tool-задач. У неё ~19B общих параметров, но активируется ~3B на токен; это самая маленькая модель в своей группе сравнения. Контекст — 262 144 токена нативно, до ~1M с YaRN.
решения по тексту, картинкам и звуку за миллисекунды
d1-Omni-2B от LiquidAI — decision-модель на базе LFM3-Omni-2B: 2,17 млрд параметров и 128K контекста. Она возвращает калиброванные ответы за один forward pass, без генерации токенов, и принимает текст или JSON, изображения, видео и аудио.
2B-судья для проверки OCR
OpenBMB выпустила MiniCPM-OCR-Jev — 2.21B-модель для оценки корректности результатов OCR текстовых, формульных и табличных регионов. На вход она получает изображение региона и кандидата распознавания, а на выходе даёт score от 0 до 1: чем выше, тем вероятнее кандидат верен.
RISC-V-компьютер, скомпилированный в веса LLM
QwenPU — это Qwen3.5-4B, в веса которого скомпилированы 32-битный RISC-V CPU и векторный блок. Внутри forward passes модели как программа работает stories260K — 260K-параметровая Llama из llama2.c (автор — Andrej Karpathy) — и пишет истории.
чистый текст из сырой диктовки
Glimpse C1 2B — LoRA-адаптер от Glimpse для очистки диктовки: убирает слова-заполнители, исправляет оговорки, расставляет пунктуацию и выполняет голосовые команды. База — Ternary Bonsai 2 2B от PrismML, тернарная модель, производная от Qwen3.5; размер около 1,88 млрд параметров.