Рейтинг по голосам читателей, переходам и просмотрам на сайте, плюс лайки и скачивания на Hugging Face.
открытый трёхшаговый рефайнер MiniMax-H3
Open-H3-Regenerate-2K от Efficient-Large-Model — открытая замена закрытому API H3-Regenerate-2K для video-to-video. Это трёхшаговый refinement-проход на базе MiniMax-H3: черновик 768P (1344×768, 121 кадр) регенерируется
merge двух файнтюнов без mergekit
Это объединение двух файнтюнов Minimax-H3 Ref2VA: WarmBloodAban/Minimax-h3_Singularity и TenStrip/10Eros-Max (8-step turbo). Смерж сделан собственным алгоритмом PRISM, веса доступны в fp16; лицензия наследуется от исходн
разбор документов без ограничения по длине
Мультиязычная OCR-модель от Baidu на 3,34 млрд параметров для распознавания изображений и PDF. Вторая версия развивает идею «unlimited-horizon parsing»: документ можно подавать целиком, а не отдельными страницами.
маленькая модель для локальных агентов
LiquidAI выпустила LFM3-1.7B — текстовую модель на 1.73B параметров с новой tri-hybrid архитектурой. Она пост-тренирована под агентные харнессы (Hermes Agent, Pi, OpenClaw) и рассчитана на запуск прямо на телефоне или но
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
интерактивная генерация миров по тексту и камере
Tencent представила Hy-Nomas — видеомодель для свободной многошаговой генерации миров. Она строит видео по сегментам: можно добавлять объекты, менять стиль и сцены, описывать действия и управлять камерой. В основе — посе
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
движение Pika в одном файле на любой скорости
Набор стандартных LoRA от Pika-Labs для MiniMax-H3: Pika H3 Flex объединён с few-step дистилляциями в один файл. Работает в ComfyUI или Diffusers, на stock H3 в bf16 / int8 / GGUF и на merge-сборках вроде Singularity. Ви
компактная OCR-модель для документов
MiniCPM-OCR 1.0 (1.3B) — первая OCR-специализированная модель в семействе MiniCPM-V/o от OpenBMB. Обучена на базе MiniCPM-V 4.6 для разбора текста, таблиц, формул, графиков, печатей и извлечения структурированной информа
омнимодальная модель для телефонов и ноутбуков
Liquid AI выпустила LFM3-Omni-2B — первую омнимодальную модель в семействе LFM3. Она понимает текст, изображения, видео и аудио, а отвечает текстом и речью; при 2,17 млрд параметров задумана для работы на устройствах вме
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
неподтверждённый чекпоинт Anthropic на ~14T параметров
В репозитории burner22/numbat выложен чекпоинт, который автор называет промежуточным результатом внутреннего training run Anthropic под кодовым именем numbat. Заявлена архитектура на ~14T параметров: 114 слоёв, гибрид GD
2.8T MoE с контекстом 1M
Moonshot AI выпустила Kimi K3.1 Pro — open-weight нативно мультимодальную agentic-модель и самый мощный представитель 3T-класса у компании на данный момент. Это первая модель серии K3.1: она post-trained из Kimi K3 с кру
видео со звуком за шесть шагов
Pika-Labs выпустила Pika H3 Flex — дообученную видео-аудио модель на базе MiniMax-H3 (33,12 млрд параметров). Она генерирует видео с синхронизированным стереозвуком за шесть шагов сэмплирования и поддерживает до 12 рефер
репак TripoSplat для ComfyUI
Idol от Comfy-Org — это переупакованные файлы модели для ComfyUI. Оригинальный репозиторий — speridlabs/idol; модель является fine-tuned версией TripoSplat и предназначена для задачи image-to-3d. Работает с уже существую
LoRA для более логичного image-to-video
Licon VBVR — это LoRA для image-to-video на базе MiniMax-H3 от LiconStudio. Она обучена на пересобранных под H3 данных VBVR и улучшает согласованность объектов и логику действий персонажей. В карточке отдельно отмечают м
компактная OCR для сложных документов
Surya 2.5 от Datalab — OCR-модель на 689M параметров. Через единый VLM она выполняет распознавание текста, layout-анализ и разбор таблиц на изображениях и PDF, выдавая блоки в порядке чтения и HTML-представление содержим
компактная модель решений для текста, картинок и видео
LiquidAI выпустила d1-2B — компактную модель решений на базе LFM3-VL-2B. Это не чат-модель: она отвечает на именованные вопросы о состоянии (текст или JSON), изображениях и видео, возвращая типизированные ответы с вероят
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
объекты и пиксели в одной VLM
WeVisOne-VL-4B от WeChat Vision (Tencent) — унифицированная vision-language модель на базе Qwen3-VL. Она объединяет object-level и pixel-level восприятие через structured next-token prediction и лёгкий pixel decoder на 9