102 поста
компактная модель для философских рассуждений
Это полная merged-версия Qwen3.5-2B (1.88B параметров), дообученная через LoRA для академической философии и цепочек рассуждений (CoT). Модель работает с китайским и английским, следует схеме【范畴辨析】→【逐项排除】→【明确答案】 и заточе
экспериментальный диалоговый файнтюн на LFM2
Morrow-2.6B-CE — экспериментальная диалоговая модель от noumenon-labs на базе LiquidAI/LFM2-2.6B. Это LoRA-based supervised fine-tuning примерно на 2,6 млрд параметров; релиз представлен в виде merged 16-bit weights. CE
меньше размышлений, больше верных ответов
OTC — проект сжатия рассуждений на базе Qwen/Qwen3.8-27B (27,36 млрд параметров). Автор дообучил модель через CPO и GRPO, чтобы она решала математику и задачи по коду короче, не теряя, а повышая точность. Доступен полный
крошечная instruct-модель после LoRA SFT
Это merged-веса SmolLM2-135M-Instruct, дообученные через MLX LoRA Studio на датасете mlx-community/JOSIE-v2-Instruct-5K. Размер — около 0,13 млрд параметров, режим SFT с LoRA; обучение шло 1 эпоху на Apple Silicon через
черновик, который ускоряет декодирование
DFlash2 draft-модель для MiniMax M3.1 Flash от RadixArk: предлагает токены параллельно, а целевая модель их верифицирует в SGLang. Архитектура MiniMaxDFlash2DraftModel, 5 слоёв GQA, 2,05 млрд параметров в 81 BF16-тензоре
сжатие трасс AI-агента в структурную память
compctx-0.8b от aksern — текстовый файнтюн Qwen/Qwen3.5-0.8B (752M параметров, Qwen3_5ForCausalLM). Он не для диалогов, а для сжатия execution trace агента в краткую память: цель, ограничения, сделанное, ошибки, решения
278M телугу-модель, обученная с нуля
Vemana-Base от Udgam Labs — базовая языковая модель для телугу на 278M параметров. Обучена с нуля на 5,1 млрд уникальных токенов публичного веб-текста на телугу (12 млрд токен-позиций), использует собственный токенизатор
корейский файнтюн Qwen MoE с честными компромиссами
Keural Nova 1.1 — instruction-tuned модель от MKD на базе Qwen/Qwen3.6-35B-A3B (Apache 2.0): 35B параметров MoE и ~3B активных на токен. Это SFT через LoRA, слитую в веса, на 253 528 примерах (~85% корейский, 15% английс
индонезийский тюнинг Gemma 3n
Orbit-4-Gemma-E4B-it — LLM от OpenPathAI, дообученная с google/gemma-3n-E4B-it для лучшего понимания индонезийского языка. Размер — 7,82 млрд параметров; архитектура Gemma 3n сохраняет мультимодальные возможности, но тюн
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 парам
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.
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. Обучена на
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, поэто
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,
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
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 «строги
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
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, понимани
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
компактная база с гибридным вниманием
KLM 1.5 от MinimaLabs — базовая языковая модель на 99M параметров, обученная с нуля на 100B токенов. Это не инструкционная и не чат-модель: она продолжает текст и предназначена для дальнейшего файнтюна. Работает только н