Порт V-JEPA 2.1 ViT-L/16 для извлечения плотных пространственно-временных признаков из видеоклипов.
Подходит для: извлечение признаков из видеоклипов · построение пространственно-временных представлений видео · подготовка видеоэмбеддингов для последующей аналитики
Локальная модель для агентной разработки ПО на основе Qwen3.8-27B с архитектурой Jack для работы с длительными задачами и актуальным состоянием проекта.
Подходит для: планирование и реализация изменений в кодовой базе · отладка программ и анализ причин ошибок · ревью кода и поиск проблем в изменениях
16-битная MLX-конверсия JevK5 для локального диалога и оценки вероятностей вариантов ответа на компьютерах Apple Silicon.
Подходит для: оценка вероятностей вариантов ответа в вопросах с выбором · классификация ответов в формате «да/нет» · локальная оценка решений с типизированными вариантами
Преобразованный для Transformers видеоэнкодер Meta AI V-JEPA 2.1 ViT-L/16 предназначен для извлечения признаков и классификации видеоклипов.
Подходит для: извлечение признаков из видеоклипов · классификация видео с обучаемым attentive pooler · получение иерархических признаков видео с нескольких уровней энкодера
Модель Dayhoff на архитектуре Jamba для генерации белковых последовательностей и исследований белкового языкового моделирования.
Подходит для: генерация новых белковых последовательностей · безусловный дизайн белков · оценка эффектов мутаций на приспособленность
Модель Dayhoff для генерации белковых последовательностей и исследовательского белкового языкового моделирования.
Подходит для: генерация новых белковых последовательностей · безусловный дизайн белков · заполнение пропусков в белковой последовательности
Dayhoff-170M-UR90-HL-12000 — исследовательская языковая модель для генерации и анализа белковых последовательностей.
Подходит для: генерация белковых последовательностей · безусловное проектирование белков · предсказание эффектов мутаций без дообучения
Конвертированный порт V-JEPA 2.1 ViT-B/16 от Meta AI для извлечения признаков и классификации видеоклипов.
Подходит для: классификация видеоклипов по содержимому · извлечение признаков из видео для последующей ML-модели · получение многоуровневых представлений видеокадров
Дообученная языковая модель на базе Qwen2.5-72B для агентного решения задач разработки программного обеспечения с инструментами и тестами.
Подходит для: поиск причины ошибки и подготовка исправления в репозитории · внесение изменений по описанию задачи или GitHub issue · поиск нужных файлов и контекста перед редактированием кода
Компактная чат-модель Jan, дообученная для ответов в образе Дженсена Хуанга и простого текстового общения.
Подходит для: ролевые диалоги в образе Дженсена Хуанга · юмористические ответы на текстовые запросы · локальное общение с компактной чат-моделью
Дообученная на GLM-4.6 языковая модель для многошаговой агентной работы, автономного программирования и использования инструментов.
Подходит для: декомпозиция крупных задач разработки на последовательные этапы · автономная работа над изменениями в репозитории и pull request · планирование и выполнение длительных рабочих процессов с инструментами
Перенос V-JEPA 2.1 от Meta AI в формат Hugging Face для извлечения многоуровневых признаков видео и подготовки к последующей классификации.
Подходит для: извлечение признаков из видеоклипов · получение многоуровневых представлений видео · подготовка эмбеддингов видео для downstream-моделей
Производная модели moonshotai/Kimi-K2.7-Code. Агентная модель Moonshot AI для сложных задач программирования и многоэтапной разработки ПО с поддержкой изображений, видео и инструментов.
Подходит для: написание и изменение кода в крупных проектах · выполнение многоэтапных задач разработки через агентный интерфейс · поиск и исправление ошибок в программном обеспечении
Конвертированная версия видеомодели Meta AI V-JEPA 2.1 для извлечения многоуровневых признаков и обучения классификаторов видео.
Подходит для: извлечение признаков из видеоклипов · обучение проб для классификации видео · получение промежуточных многоуровневых представлений видео