Рейтинг по голосам читателей, переходам и просмотрам на сайте, плюс лайки и скачивания на Hugging Face.
омнимодальное видео со стереозвуком
MiniMax H3 — general-purpose omni-modal generative system: понимает текст, изображения, видео и аудио и генерирует видео с нативным стереозвуком. В репозитории — веса H3-Base в двух чекпоинтах, FL2VA и Ref2VA; локально это 768p, 2K — через отдельный H3-Regenerate-2K.
0,3B для решений по картинкам и тексту
vela3-fast-vision — preview-модель семейства Vela 3.0 от vLLM Semantic Router × KR Labs. Это encoder на 0,3B параметров на один запрос: отвечает на choice/yes-no вопросы по изображениям, ищет слова ответа, не подтверждённые картинкой, проверяет OCR, указывает область и обрабатывает текстовые…
решения по вероятностям, без генерации
Sarvam-Prism — decision-модель от Sarvam AI на базе Sarvam-105B. Она принимает контекст и вопросы с фиксированным набором ответов, а за один forward pass возвращает вероятность каждого варианта. Текст не генерирует, поэтому ответ всегда из ваших опций; поддерживает английский и 10 индийских языков.
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 с категорией инцидента, severity, тайским summary и рекомендацией.
LoRA для Qwen-Image-2.1 за 6 шагов
P-Q-Image-2.1-Comfy от PrunaAI — набор LoRA-адаптеров для Qwen-Image-2.1, которые ускоряют генерацию и редактирование изображений до 6 шагов в v0.2 или 5/8 шагов в v0.1.
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, поэтому модель позиционируется как uncensored и шире следует промптам, чем базовый…
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 опции.
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 изображений на горизонтальные полосы.
видео-текстовые эмбеддинги для поиска событий
Это research-релиз NVIDIA: TAO-файнтюн OpenGVLab InternVideo2-CLIP-L14 с замороженным текстовым энкодером MobileCLIP-B-LT. Модель переводит видео и английские описания в общее 512-мерное пространство для text-to-video retrieval и zero-shot классификации действий.
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 Karpathy) — и пишет истории.
стиль отдельно от содержания
Набор стилевых адаптеров Kaloscope от heathcliff01 для генерации изображений: контент задаётся промптом, а стиль — именем художника, смесью нескольких имён или референсом. Поддерживаются Krea-2-Raw, Krea-2-Turbo и MOSS-Image-Base; для MOSS опубликован свежий checkpoint step17000.
циклы thinking-режима лечатся правкой 0,016% весов
Qwen3.5-0.8B Astra Weight Edit — версия Qwen3.5-0.8B на 0,87 млрд параметров, в которой без обучения отредактированы два тензора. Публикация JonathanColetti; метод и диф — от Rikiya Takehi, Jayden Teoh, Alex Zhang и Omar Khattab (MIT CSAIL).
тонкая классификация иранских авто с open-set
Модель от ahmadzmvd для классификации автомобилей на иранских объявлениях и open-set распознавания. Архитектура объединяет backbone DINOv2-ViT-B/14-reg4 с 28 fused LoRA-адаптерами, Competitive 8+2 Part-Slot Attention, 2-слойный 5D Relational Graph Transformer, SubCenterArcFace (C=8, K_s=4)…
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.
квантованная версия для агентного кодинга
Ripple-65B Preview от Ricursive Intelligence — dense Transformer на 65B параметров, обученный на 12 трлн токенов с поддержкой контекста до 1M. В этом репозитории лежит instruction-tuned чекпоинт в NVFP4; также выпущены BF16-версии и base-модель.
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 изображении.
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 прошла формальную проверку эквивалентности.
397B MoE-агент для управления компьютером
NorthCUA-Pro — крупнейшая модель семейства NorthCUA от beipo-ai: 397B параметров всего и 17B активных, mixture-of-experts на базе Qwen3.5. Она принимает запросы, скриншоты и историю взаимодействия, а выдаёт рассуждения, ответы и tool calls для desktop- или браузерного runtime.
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 проектор и embeddings от LiquidAI/d1-2B.
компактный английский ASR с WER 7.12%
oruk-loop-153M от Oruk AI — английский распознаватель речи на 153 202 638 хранимых параметров, дистиллированный из Qwen3-ASR-1.7B. Архитектура учителя сохранена, но два transformer-стека собраны из одного общего блока: encoder применяется 24 раза, decoder — 28 раз, а low-rank адаптеры подсказывают…
Самые лайкнутые на Hugging Face за неделю
Языковые модели · 1,4 тыс.
Языковые модели · 1,3 тыс.
Языковые модели · 1 тыс.
Компьютерное зрение · 591
Компьютерное зрение · 518
