Рейтинг по голосам читателей, переходам и просмотрам на сайте, плюс лайки и скачивания на Hugging Face.
world model, управляемая картинкой и клавишами
Чекпоинт Memorizon от Institute of Foundation Models (IFM), MBZUAI: image-to-video world model на базе Wan2.2-TI2V-5B (~5,14 млрд параметров). На вход — одно изображение и клавиатурные действия или траектория камеры; на выходе видео 1280×704 с 16 fps, генерируемое по одной секунде за раз.
учим reasoning-модель меньше думать
LoCo-7B — reasoning-compressed версия DeepSeek-R1-Distill-Qwen-7B от MuyaoYuan. Модель на 7.62B параметров локально находит состояния overthinking в chain of thought и заменяет их более короткими проверенными продолжениями.
турецкий и английский ASR быстро на CPU
balbal-v2-manas — большая версия ASR-модели от erayyapagci для турецкого и английского языков. Это FastConformer-CTC на 313,3 млн параметров с looped refiner и product-key акустической памятью, декодирование — 6-gram token KenLM. Обучена примерно на 7 000 часах аудио и рассчитана на CPU.
аниме-файнтюн Moss для выразительного лайнарта
Moss:RAEL — аниме-ориентированный файнтюн модели Moss, обученный на базе OpenMOSS-Team/MOSS-Image-Base. Автор — sselpah; карточка описывает генерацию аниме-иллюстраций и скриншотов с управлением через промпты артистов, тайтлов и copyright. Размер и архитектура в карточке не указаны.
коллекция LoRA-адаптеров для разных баз
Это репозиторий LoRA-моделей для text-to-image, обученных на Krea2, Anima, Flux 1 Dev, SD1.5 и Pony. Автор собрал конфигурации обучения и галерею примеров; одной архитектуры или размера у коллекции нет.
int8 GPTQ для ComfyUI
Это int8 GPTQ-квант версии 10Eros Max H3 8-step TURBO beta7 от tenstrip, опубликованный с разрешения автора. Формат — diffusion-single-file для ComfyUI: один safetensors на 22,5 GB вместо исходного bf16-чекпоинта на 40,2 GB.
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 проверена формальной проверкой эквивалентности для определения схемы.
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; это часть учебного курса smol, Unit 2.
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 версия, LoRA-адаптер и GGUF.
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, дата, штат, часы пилота и другие.
переписывает промпты для видео и аудио
Модель от lightx2v для переписывания промптов к генерации видео и аудио MiniMax-H3. Это SFT-файнтюн Qwen3.5-9B размером около 9,41 млрд параметров; поддерживает текстовые промпты и опциональные изображения первого/последнего кадра.
380M-параметровый специалист по курации данных
davanstrien выпустил компактную модель решений для очистки и сортировки данных: она принимает текст и набор именованных вопросов, а возвращает вероятности по вариантам без генерации текста.
27B-модель для роутинга и извлечения спанов
vela3-turbo — референсная модель семейства Vela 3.0 от vLLM Semantic Router × KR Labs. Построена на d3-turbo v1.0: 26,09B параметров плюс 5044 MB адаптеров и голов, лицензия Apache-2.0.
маленький английский TTS с эмоциями, звуками и клонированием голоса
Silencio-2 от BlueRoseLabs — компактная модель text-to-speech на английском. Это файнтюн Kyutai Pocket TTS 18M: 27,9 млн параметров в model.safetensors, из них 18,2 млн генерируют речь; все веса занимают один файл на 112 МБ. На выходе — моно 24 кГц, аудио можно стримить по мере генерации.
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 — только flowchart TD с публичными функциями по модулям.
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, производная от Qwen3.5; размер около 1,88 млрд параметров.
видеоэнкодер без лишних эвристик
LeVJEPA 1.5 Large от galilai-group — self-supervised видеоэнкодер на 303M параметров (ViT-L/16). Его обучали на ~5 300 часах видео и 151 EF, а средний балл на 22 image/video датасетах составил 78.76%.
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; уровень effort задаёт глубину вычислений.
крошечный TTS, которому не нужен GPU
Leokani-tts от Milliwatt Labs — английская text-to-speech модель всего на 7.0M параметров, которая работает на обычном CPU, Raspberry Pi и даже ESP32. Говорит одним женским американским голосом, обученным на синтетическом корпусе от Kokoro-82M. Выход — 24 kHz mono.
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 мультимодальные/визуальные параметры, получив текстовый бэкбон с меньшим VRAM.
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 · 534
