Рейтинг по голосам читателей, переходам и просмотрам на сайте, плюс лайки и скачивания на Hugging Face.
черновик, который ускоряет декодирование
DFlash2 draft-модель для MiniMax M3.1 Flash от RadixArk: предлагает токены параллельно, а целевая модель их верифицирует в SGLang. Архитектура MiniMaxDFlash2DraftModel, 5 слоёв GQA, 2,05 млрд параметров в 81 BF16-тензоре (один файл Safetensors).
русскоязычный draft head для спекулятивного декодинга
Это не самостоятельная LLM, а DFlash2-спекулятор для Qwen3.8-27B от lapalaba. Он предлагает блоки токенов, а верификатор проверяет их и выдаёт финальный ответ. Дообучен на 271 148 примерах русскоязычных агентных взаимодействий, production traces и RAG.
LoRA для чистого пиксель-арта с жёсткой сеткой 8×8
moss-pixelart-v.0.3 — LoRA от finger-gun для модели OpenMOSS-Team/MOSS-Image-SFT. Она дообучена под генерацию аккуратного пиксель-арта и 2D-ассетов для игр: каждый блок 8×8 выходных пикселей соответствует одному логическому пикселю.
арабский TTS с голосом «Мурад»
Bayan от anwar-dev — арабская TTS-модель для современного литературного арабского (MSA) на базе nvidia/magpie_tts_multilingual_357m. Дообучена через LoRA и отдельный speaker-ряд под мужской голос «Мурад» на 71,6 минуты арабской речи (633 фрагмента).
18+ LoRA для фотопортретов на MOSS-Image
Это LoRA для взрослой фотографической генерации на базе MOSS-Image-SFT или MOSS-Image-Base; для инференса предпочтительна SFT. Настроена на откровенные взрослые портреты, ню-позы, интерьерные сцены и крупные фотокомпозиции. Библиотека — diffusers.
grimdark-ролеплей без морализаторства
Erebus RP Engine 26B A4B — merge-модель от Naphula, заточенная под тёмное фэнтези, grimdark-сюжеты и боевой мультиперсонажный roleplay. Архитектура — Gemma 4 MoE, 26B параметров; карточка обещает высокую скорость и эффективность. По словам автора, модель полностью расцензурена через merging.
аудио-видео за 4–8 шагов
LoRA для базовой модели Comfy-Org/MiniMax-H3 от автора Assfnjk. Генерирует совместное видео и синхронизированное стерео-аудио всего за 4 шага сэмплинга вместо обычных ~20 — примерно 5× ускорение. Вес LoRA — около 744 MB в bf16, это низкоранговое обновление.
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, скрипты обучения/оценки и сырые eval-выходы.
апскейл без фиксированного масштаба
Модель от tailot для super-resolution на архитектуре LIIF: один чекпойнт апскейлит RGB-изображение до произвольного целевого размера — 2x, 4x, 9.2x или явно заданных 3000 px. В модели 4.60 M параметров, tiled inference со сшивкой уже встроен, запуск возможен на CPU или CUDA.
PEFT LoRA для Python-кода с аудитом zero-leakage
Это LoRA-адаптер для Qwen/Qwen3.8-27B от ProbioticFarmer: 64 слоя, 256 тензоров, r=16, lora_alpha=32, target modules down_proj, o_proj, out_proj. Обучение шло на 40 задачах (160 слотов, 3 378 token positions) на Apple M4 Max 128 GB; 16 тестовых задач (64 слота, 1 327 token positions) держали…
компактная text-to-image модель для лиц
Visage-Image — небольшая text-to-image модель от Sherstnev для генерации лиц в разрешении 256px. Внутри single-stream rectified-flow DiT на 236.8M параметров, VAE на 128.4M и замороженный текстовый энкодер на первых 8 слоях Qwen3-0.6B. Код и веса открыты под Apache-2.0.
фотореализм, текст и логотипы в одном генераторе
Aurora — text-to-image система от Malik Ayaan Ahmed на базе Freepik/flux.1-lite-8B (8,16 млрд параметров). Она сочетает файнтюннутый генератор изображений с этапом «Thinker» на Qwen2.5-3B-Instruct: тот пишет режиссёрский промпт, рендерит несколько кандидатов и выбирает лучший.
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 схемы или Neo4j Cypher для графовой.
LoRA для Tendou Aris на MOSS Image
Небольшой character-enhancing LoRA от Te2douNin9 для text-to-image модели MOSS Image. Базируется на OpenMOSS-Team/MOSS-Image-Base и предназначен для сохранения черт персонажа Tendou Aris — формы лица и halo — при генерации.
разреженное внимание поверх 27B мультимодальной модели
Исследовательская BF16-версия Qwen3.8-27B от higa2515: к 16 слоям full-attention добавлены обученные индексоры Qwen Sparse Attention (QSA), а остальные 48 слоёв декодера сохранили исходную архитектуру Gated DeltaNet.
корейский файнтюн Qwen MoE с честными компромиссами
Keural Nova 1.1 — instruction-tuned модель от MKD на базе Qwen/Qwen3.6-35B-A3B (Apache 2.0): 35B параметров MoE и ~3B активных на токен. Это SFT через LoRA, слитую в веса, на 253 528 примерах (~85% корейский, 15% английский replay) для корейского диалога и понимания текста.
корейский диалог на базе Qwen MoE
Keural Nova v1.1 — корейская instruction-tuned модель от MKD на базе Qwen/Qwen3.6-35B-A3B. Это 35B MoE с ~3B активных параметров на токен; выпуск — SFT через LoRA, слитый в базовые веса. Цель — корейский диалог, понимание текста и RAG-ответы, с английским replay для контроля регрессий.
прозрачный PNG из MOSS-Image
Это набор от ChenkinLab для базовой модели MOSS-Image-SFT: RGBA VAE и опциональная DiT LoRA, которые добавляют генерации альфа-канал. Подходит для персонажей, иллюстраций, коллажей и послойной композиции. VAE весит 336 MB, LoRA — 298 MB.
два таланта в одной 1.5B модели
Это французская LLM на базе Qwen2.5-1.5B-Instruct (1.54B параметров), дообученная через LoRA и со слитыми в веса адаптерами. Модель сама выбирает режим ответа по вопросу: «терпеливый профессор» для объяснений или «строгий JSON» для прямых ответов. Системный промпт не нужен.
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, а артефакты совместимы с Transformers и vLLM.
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 · 570
