2472 поста
испанский тьютор по генеративному ИИ для бизнеса
Это Qwen2.5-0.5B-Instruct, дообученная через LoRA и слитая в полные веса. Академическая работа Universidad Adolfo Ibáñez: модель должна объяснять понятия генеративного ИИ чилийским руководителям. Размер — 0,49 млрд параметров, формат Safetensors FP32, инференс через Transformers без PEFT.
LoRA-адаптер для агента pi на анализе данных
Это LoRA-адаптер для LiquidAI/LFM2.5-24B-A2B от harness-hub. Обучен с подкреплением через AsyncGRPO в TRL как модель для кодинг-агента pi на задачах анализа данных: каждый rollout — полная сессия pi в удалённом sandbox с shell и Python.
31B-модель, которая пишет как человек, но не теряет рабочие навыки
LessThanThreeAI выложила BF16-файнтюн google/gemma-4-31B-it для текстовой генерации. У модели 31,27 млрд параметров, лицензия Apache-2.0, веса под vLLM, SGLang и transformers. Системный промпт не обязателен.
апскейл без фиксированного масштаба
Модель от tailot для super-resolution на архитектуре LIIF: один чекпойнт апскейлит RGB-изображение до произвольного целевого размера — 2x, 4x, 9.2x или явно заданных 3000 px. В модели 4.60 M параметров, tiled inference со сшивкой уже встроен, запуск возможен на CPU или CUDA.
крошечная LLM с Peri-LN, Canon-слоями и гейтами внимания
Ethoric-10M — decoder-only языковая модель на 9,97 млн параметров от Tech.us. Архитектура сочетает RMSNorm, RoPE, GQA и SwiGLU, а также Peri-LN, короткие causal depthwise-свёртки Canon и headwise sigmoid gate.
одна политика для ходьбы, сцен и восстановления Unitree G1
NVIDIA представила Metatron v1 — проект для интерактивного управления гуманоидом Unitree G1 с 29 управляемыми суставами, в первую очередь для браузерных демонстраций и G1 Racer.
seinen-стиль для BRIA Fibo 2.0 Dev
LoRA-адаптер для text-to-image от axiomofmind на базе briaai/Fibo-2.0-dev. Это checkpoint 400 из прогона fibo-anime-v1-pilot-400: адаптер обучен под anime- и seinen-иллюстрации с триггером fibo_seinen_style.
397B MoE-агент для управления компьютером
NorthCUA-Pro — крупнейшая модель семейства NorthCUA от beipo-ai: 397B параметров всего и 17B активных, mixture-of-experts на базе Qwen3.5. Она принимает запросы, скриншоты и историю взаимодействия, а выдаёт рассуждения, ответы и tool calls для desktop- или браузерного runtime.
компактная модель без встроенных отказов
Это abliterated-вариант LFM3-1.7B от Liquid AI: причинная языковая модель на tri-hybrid архитектуре, ~1.73B параметров и контекстом 262 144 токена. Сборка от Vortecks убирает направления отказов в activation space, поэтому модель позиционируется как uncensored и шире следует промптам, чем базовый…
14.8B-модель для понимания ДНК
Carbon-X-SFT от Hugging Face Bio — это chat-модель на 14,8 млрд параметров, обученная на последовательностях ДНК и тексте. Она принимает сырую ДНК прямо в диалоге и по-английски отвечает: оценивает патогенность мутаций, ищет регуляторные участки, классифицирует последовательности и предсказывает…
380M-параметровый специалист по курации данных
davanstrien выпустил компактную модель решений для очистки и сортировки данных: она принимает текст и набор именованных вопросов, а возвращает вероятности по вариантам без генерации текста.
крошечная дистилляция, которая честно не дотянула до 7/10
Это слитая версия (base + LoRA, bf16) на базе SmolLM2-135M-Instruct — 135M параметров. Учебный проект мастерской UAI: большой учитель gpt-6-luna сгенерировал 60 пар вопрос-ответ, а маленькая модель училась имитировать их через SFT на CPU.
компактный английский ASR с WER 7.12%
oruk-loop-153M от Oruk AI — английский распознаватель речи на 153 202 638 хранимых параметров, дистиллированный из Qwen3-ASR-1.7B. Архитектура учителя сохранена, но два transformer-стека собраны из одного общего блока: encoder применяется 24 раза, decoder — 28 раз, а low-rank адаптеры подсказывают…
два таланта в одной 1.5B модели
Это французская LLM на базе Qwen2.5-1.5B-Instruct (1.54B параметров), дообученная через LoRA и со слитыми в веса адаптерами. Модель сама выбирает режим ответа по вопросу: «терпеливый профессор» для объяснений или «строгий JSON» для прямых ответов. Системный промпт не нужен.
мультимодальные контекстные эмбеддинги
Это vision-language embedding-модель от perplexity-ai на 0.6B параметров для поиска по тексту, изображениям и визуальным документам. Поддерживает контекстный и неконтекстный режимы, а также контекстное разбиение изображений на горизонтальные полосы.
корейский диалог на базе Qwen MoE
Keural Nova v1.1 — корейская instruction-tuned модель от MKD на базе Qwen/Qwen3.6-35B-A3B. Это 35B MoE с ~3B активных параметров на токен; выпуск — SFT через LoRA, слитый в базовые веса. Цель — корейский диалог, понимание текста и RAG-ответы, с английским replay для контроля регрессий.
компактный визуальный grounding с проверкой боксов
Locus-2B — компактная VLM на базе Qwen/Qwen3-VL-2B-Instruct (1,75 млрд параметров) от MTalha2001. Она находит объект по текстовому описанию и возвращает bounding box в пикселях либо отвечает, что объекта нет на изображении.
LoRA для Tendou Aris на MOSS Image
Небольшой character-enhancing LoRA от Te2douNin9 для text-to-image модели MOSS Image. Базируется на OpenMOSS-Team/MOSS-Image-Base и предназначен для сохранения черт персонажа Tendou Aris — формы лица и halo — при генерации.
арабский TTS с голосом «Мурад»
Bayan от anwar-dev — арабская TTS-модель для современного литературного арабского (MSA) на базе nvidia/magpie_tts_multilingual_357m. Дообучена через LoRA и отдельный speaker-ряд под мужской голос «Мурад» на 71,6 минуты арабской речи (633 фрагмента).
маленький английский TTS с эмоциями, звуками и клонированием голоса
Silencio-2 от BlueRoseLabs — компактная модель text-to-speech на английском. Это файнтюн Kyutai Pocket TTS 18M: 27,9 млн параметров в model.safetensors, из них 18,2 млн генерируют речь; все веса занимают один файл на 112 МБ. На выходе — моно 24 кГц, аудио можно стримить по мере генерации.