102 поста
инструктивный файнтюн для smol-course
Это supervised fine-tune базовой HuggingFaceTB/SmolLM3-3B-Base, сделанный для Unit 1 (Instruction Tuning) курса Hugging Face smol-course. Модель на 3,08 млрд параметров, библиотека transformers, язык — английский. LoRA-а
4B-модель для text-to-SVG, но пока baseline
aixonlab выпустила svg-slm-4b — LoRA-файнтюн Qwen/Qwen3.5-4B на 4,21 млрд параметров для генерации SVG: иконок, плоских иллюстраций, line art, градиентов, emoji, SMIL/CSS-анимации и сцен. В репозитории лежат merged bf16-
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
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,
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; у
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 схем
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
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, с
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
4B-модель для генерации текста на португальском
CEIA Lumi-4B — языковая модель на 4 млрд параметров от ceia-br для генерации текста на португальском языке. Веса доступны в BF16. В карточке приведены результаты сравнения на португальских бенчмарках, но не описаны базов
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
выбирает ответ одной буквой
LoRA-SFT файнтюн Qwen2.5-1.5B от iromu для typed-decision задач из корпуса Open-Jev: на входе состояние, вопрос и набор опций, на выходе — одна буква-метка. Это именно модель выбора, а не tool-calling: она принимает реше
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
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 параметро
имитация речи по нескольким цитатам
Это полная FP16-модель на базе Qwen2.5-3B-Instruct, в которую влит LoRA-адаптер для имитации стиля персонажа. Дайте 2–3 примера реплик — модель ответит в похожей манере, с теми же словами и речевыми привычками. Размер —
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 selec
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
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
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