71 пост
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 изображе
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 изображен
решения вероятностями, без генерации
PelaAI выпустила KnowLine-31B-Gen1 — первую версию System One decision-модели на плотной базе google/gemma-4-31B-it. Это 31B-модель для классификации и решений: получает состояние (текст или чат) и до 64 типизированных в
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
мультимодальный решатель для браузера с восстановленной языковой головой
LFM3-VLD-2B — гибридная мультимодальная модель на 2,18 млрд параметров от webbrain-one, собранная методом Pegasus. В основе — 24-слойная архитектура Conv + GQA attention + Feed-Forward, vision tower, мультимодальный прое
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. Это thinking-мод
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 tok
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 опци
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
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 формулиро
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. Текс
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.
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 к
человеческий стиль для китайской веб-новеллы
novel-humanize-4b — дообученная на Qwen3-4B модель для переписывания глав китайских сетевых романов в более «человеческом» стиле. Она сохраняет сюжет, диалоги и персонажей, убирая шаблонные метафоры, вычурные формулировк
текст, который AI-детекторы принимают за человеческий
От Hemmingway AI (ЮАР): языковая модель на 27B параметров для повседневного письма — описаний товаров, постов, писем, историй и комментариев. Построена на Hemmingway-1 (Qwen3.8-27B), контекст — 262 144 токена, язык — анг
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. Ба
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 Q
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 восстанов
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, изображен
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 sc