102 поста
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, мно
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
Qwen учится тайваньской лексике
Это Qwen/Qwen2.5-1.5B-Instruct, дообученная через QLoRA на примерно 3,6 тыс. пар вопрос-ответ на традиционном китайском в тайваньском употреблении. Основной эффект — словарь: модель реже использует материковые термины вр
лёгкая модель для синдхи
Инструкционная модель на базе Gemma 4 2B (3,25 млрд параметров), дообученная под синдхи (персо-арабская письменность), урду и английский. Автор сократил словарь на 50% — с 262 144 до 131 072 токенов — и удалил мультимода
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 Karpath
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,
Python в Mermaid, но не замена ast
Это файнтюн Qwen/Qwen3-4B-Instruct-2507 (4,02 млрд параметров) от nharder: он превращает Python-код в Mermaid-диаграмму графа вызовов. На вход подаются один или несколько файлов с заголовком # FILE: <path>, на выходе — т
PyTorch-помощник, который не гадает
torchlight — это Qwen3-8B (8,2 млрд параметров), дообученная на 6 902 чатах с форума PyTorch. Большинство ответов — посты, которые решили ветку; остальные учат модель просить недостающие детали. Есть полная 16-битная вер
1.5B-модель для JSON из авиаотчётов
Файнтюн Qwen/Qwen2.5-1.5B-Instruct на базе 1.54B параметров, сделанный через BrewSLM. Превращает текст авиационного происшествия NTSB в один плоский JSON из 13 полей: тип и модель воздушного судна, повреждения, травмы, д
77 классов банковских запросов
deepopen banking_sam13 — файнтюн Laya (convaiinnovations/laya) для классификации банковских текстовых запросов на 77 классов BANKING77. Около 0,4 млрд параметров, английский язык. Это продолжение обучения с sharpness-awa
маленькая математическая LLM после DPO
Это causal language model на базе SmolLM2-1.7B (архитектура Llama) от автора yas1988. Модель сначала прошла SFT на MetaMathQA, затем DPO с LoRA, а адаптер слит с базовыми весами. Язык — английский, лицензия Apache 2.0; э
из описания схемы в готовый Verilog
Релиз от anonymous-review-0000: Qwen2.5-7B-Instruct (7.62B параметров), дообученный писать Verilog RTL по спецификации на естественном языке. Обучение шло на уточнённых спецификациях VeriLadder, каждая из которых провере
Qwen для Verilog по спецификации
VeriLadder-QwenCoder-7B — это fine-tune Qwen2.5-Coder-7B-Instruct на 7,62 млрд параметров для генерации Verilog по описанию схемы. Модель обучена на уточнённых спецификациях датасета VeriLadder, где каждая спецификация п
синхронный перевод без долгого ожидания
Hy-SimulMT — модель синхронного перевода Tencent Hunyuan для встреч, лекций и интервью. Она принимает аудиопоток и по ходу речи выдаёт перевод текстом и речью, поддерживая двунаправленный китайско-английский перевод и кл
триаж SIEM/SOC-логов на тайском
Это тайско-английская модель для разбора сырых логов WAF (nginx + ModSecurity) и NDR (Zeek). Fine-tune от Qwen/Qwen3.6-35B-A3B через LoRA; старшая в семействе 4B/9B/35B и заявлена как production-вариант. Возвращает JSON
версия без направления отказа
Это ablated-версия DeepSeek-V4.1-Flash-1017 от OBLITERATUS: из модели удалено «направление отказа» методом failspy. Базовая модель — DeepSeek-V4.1-Flash-1017, 754,64 млрд параметров; веса в BF16 safetensors, лицензия MIT
диффузионная LLM с MoE и контекстом 128K
Clover-35B-A3B-Preview — первая модель DiffuSpace: text-only диффузионная языковая модель на базе Qwen3.6-35B-A3B. Архитектура MoE: 35B параметров, около 3B активных на токен, гибридный Gated DeltaNet / full-attention, 4
LoRA-кодер с бенгальским и vision
Codium BD Coder v2 — LoRA-адаптер для генерации кода от ganjakha и Team Aura Vibes (BD). По карточке обучен через 4-bit QLoRA поверх Qwen/Qwen3.5-4B, поддерживает английский и бенгальский, а также заявлен как vision-capa
флагманский teacher-агент для кода и офисных задач
Nanbeige4.3-33B — текстовая модель на 33,12 млрд параметров от Nanbeige, построенная на базе Nanbeige4.3-33B-Base. Это флагманский teacher-агент серии Nanbeige4.3: по заявлению авторов, он показывает state-of-the-art age
MoE-модель для кодинг-агентов
Flint от Recursive — decoder-only MoE Transformer для исследования кодовых баз, исправления багов, реализации фич и написания тестов. Всего 39,8B параметров и около 2,5B активных на токен; поддерживает текст, reasoning и