MTP-драфтер Google DeepMind для Gemma 4 26B A4B, ускоряющий генерацию в совместимом конвейере спекулятивного декодирования.

Подходит для: ускорение генерации текста в приложениях на Gemma 4 · снижение задержки ответов разговорного помощника · ускорение локальной генерации на совместимом оборудовании

JPT-4B — быстрая мультимодальная модель для выдачи калиброванных вероятностей вариантов в типизированных задачах выбора, оценки и ответов «да/нет».

Подходит для: выбор одного варианта из списка по описанию ситуации · бинарная классификация с оценкой уверенности · оценка объекта или ситуации по упорядоченной шкале

Черновая DFlash-модель для ускорения генерации текста базовой моделью Gemma 4 посредством speculative decoding.

Подходит для: ускорение генерации ответов Gemma 4 на сервере · ускорение пакетной генерации при параллельной обработке запросов · снижение задержки генерации в совместимой конфигурации vLLM

Вспомогательная Gemma 4 E4B модель-драфтер для ускорения генерации текста методом speculative decoding вместе с целевой моделью.

Подходит для: ускорение генерации текста в связке с целевой Gemma 4 · предложение черновых токенов для speculative decoding · ускорение инференса instruction-tuned модели Gemma 4

Draft-компонент DSpark для ускорения генерации Gemma-4 26B-A4B-it в vLLM с помощью speculative decoding.

Подходит для: ускорение генерации ответов целевой Gemma-4 в vLLM · ускорение генерации кода моделью Gemma-4 · снижение задержки математических ответов Gemma-4

Дообученная мультимодальная Gemma 4 12B для помощи в backend-разработке, проектировании LLM и программировании.

Подходит для: получение помощи по backend-разработке · обсуждение архитектуры и обучения LLM · написание и разбор кода на Haskell

Synthia-4-27B — дообученный мультимодальный ИИ-ассистент для длинных диалогов, работы с инструментами, программирования, исследований и анализа изображений.

Подходит для: планирование задач и проектов в диалоге · исследование темы с использованием инструментов · изучение и отладка кода в репозитории

Unbound E4B — дообученная мультимодальная модель Gemma 4 для открытого диалога, рассуждений и анализа изображений с существенно сниженной частотой отказов.

Подходит для: ответы на открытые вопросы без частых отказов · обсуждение и анализ изображений в диалоге · помощь в рассуждениях и решении задач

Вспомогательная модель-черновик DSpark ускоряет текстовую генерацию Gemma 4 26B A4B IT в vLLM с помощью спекулятивного декодирования.

Подходит для: ускорение генерации кода целевой моделью Gemma 4 · ускорение ответов на математические запросы · ускорение диалоговой генерации текста

Небольшая модель DeepSeek-V4, обученная с нуля для экспериментов с архитектурой и генерации текста.

Подходит для: эксперименты с архитектурой DeepSeek-V4 · изучение маршрутизации экспертов MoE на малой модели · исследование гибридного внимания в языковых моделях

Мультимодальная Gemma 4 E4B IT от Google DeepMind, подготовленная для диалога и других задач на устройстве Rockchip RK1828.

Подходит для: диалог с локальным помощником на RK1828 · ответы на вопросы по тексту и изображениям · анализ входящего аудио с текстовым ответом

Дообученный XLM-RoBERTa классификатор для выявления направленных отношений между двумя сущностями в румынских и английских предложениях.

Подходит для: выявление причинно-следственных отношений между сущностями в тексте · классификация отношений между размеченными сущностями в румынских предложениях · извлечение отношений из англоязычных предложений

Дообученный XLM-RoBERTa Large для классификации направленных отношений между двумя сущностями в румынском и английском предложениях.

Подходит для: извлечение отношений между сущностями в румынском тексте · классификация отношений между сущностями в английском тексте · определение направления связи между двумя сущностями

Модель на базе XLM-RoBERTa large выделяет два аргумента отношений в румынских предложениях для сквозного извлечения отношений.

Подходит для: выделение первого и второго аргумента отношения в румынском предложении · подготовка текстовых фрагментов для классификатора отношений · извлечение сущностей SemEval-2010 Task 8 из румынских предложений

Вспомогательная модель DFlash для ускорения генерации Gemma 4 31B в сценариях чата, кода, математики и работы агентов.

Подходит для: ускорение генерации ответов Gemma 4 в чате · ускорение генерации кода с помощью Gemma 4 · ускорение математических ответов Gemma 4

Румынский BERT-классификатор определяет направленные отношения между двумя отмеченными сущностями в предложении.

Подходит для: извлечение отношений между сущностями в румынских текстах · классификация причинно-следственных связей между сущностями · определение типа и направления отношения в предложении

Румынский BERT-классификатор определяет тип и направление отношения между двумя отмеченными сущностями в предложении.

Подходит для: извлечение отношений между сущностями в румынских предложениях · классификация причинно-следственных связей в румынском тексте · определение направленных отношений между парами сущностей