Экспериментальная мультимодальная модификация DeepSeek V4 с ослабленными механизмами отказа для исследований безопасности и контролируемого red teaming.
Подходит для: исследование механизмов отказа языковых моделей · red teaming мультимодальной модели в контролируемой среде · оценка ответов модели на вредоносные текстовые запросы
Kimi-Dev-72B — дообученная на Qwen2.5-72B модель для исправления ошибок и решения задач разработки в программных репозиториях.
Подходит для: исправление ошибок в существующем репозитории по описанию проблемы · подготовка патчей для программных проектов · решение задач SWE-bench Verified
Небольшая англоязычная авторегрессионная модель EleutherAI для исследований генерации текста и поведения языковых моделей.
Подходит для: эксперименты с предсказанием следующего токена на английском языке · исследование поведения языковых моделей на разных этапах обучения · анализ интерпретируемости компактной трансформерной модели
Компактная модель Cinimod на 287 млн параметров, обученная с нуля на материалах DevOps для генерации операционных подсказок и документации.
Подходит для: получение подсказок по командам системного администрирования · составление черновиков DevOps-документации · генерация ответов на вопросы о работе nginx и других инструментов
Модифицированная DeepSeek-V4-Flash с удалённым поведением отказа для диалоговой генерации текста, рассуждений и исследований безопасности ИИ.
Подходит для: проведение авторизованного red teaming языковых моделей · оценка устойчивости систем безопасности ИИ · диалоговый ассистент с режимами рассуждения
Базовая разреженная MoE-модель Arcee AI для генерации текста, исследований предобучения и последующего дообучения.
Подходит для: исследование поведения языковой модели после масштабного предобучения · изучение маршрутизации и балансировки экспертов MoE · зондирование и интерпретируемость языковой модели
Модифицированная версия DeepSeek-V4-Flash-DSpark для генерации текста без стандартных отказов, в том числе для red teaming и оценки поведения модели.
Подходит для: проверка устойчивости систем безопасности с помощью red teaming · оценка поведения языковой модели на запросах, вызывающих отказы · локальный текстовый ассистент без стандартных отказов
Экспериментальный классификатор Devseis на DistilBERT относит текстовые описания ИИ-сценариев к уровням риска EU AI Act, но не предназначен для реальных решений.
Подходит для: экспериментальная классификация описаний ИИ-сценариев по уровням риска EU AI Act · изучение ошибок классификатора на запрещённых практиках · воспроизведение экспериментов по классификации правовых категорий
Производная модели CollectionStudio/Trinity-Large-TrueBase. Базовая разреженная MoE-модель Arcee AI для исследований предобучения, анализа поведения и последующего дообучения.
Подходит для: исследование поведения модели после масштабного предобучения · анализ маршрутизации экспертов и балансировки нагрузки в MoE · пробинг и интерпретируемость языковой модели
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
Исследовательская дистиллированная языковая модель Arcee.ai с KDA во всех слоях для изучения линейного внимания и генерации текста.
Подходит для: сравнение линейного внимания KDA с полным вниманием · исследование дистилляции внимания в языковых моделях · генерация текста на длинных последовательностях
Текстовая модель DeepSeek-V4-Flash-DSpark с ослабленными отказами для локального ассистирования, red teaming и оценки поведения моделей.
Подходит для: проверка устойчивости моделей в red teaming · оценка поведения ассистента без стандартных отказов · локальное текстовое ассистирование
Сборка DeepSeek-V4-Flash-0731 без встроенных отказов для локального диалогового использования, red teaming и оценки безопасности.
Подходит для: проверка устойчивости систем безопасности к нежелательным запросам · оценка поведения ассистента без встроенных отказов · локальный диалоговый ассистент на связке двух DGX Spark
Специализированная англоязычная модель для выбора действий, проверки условий и оценки вариантов в операционных процессах.
Подходит для: выбор действия или эскалации в службе поддержки · проверка условий и маршрутизация счетов · оценка сигналов инцидента безопасности по критериям
Плотная модель DeepSeek V2 на 2,5 млрд параметров для экспериментов с прореживанием и дистилляцией MoE и генерации текста.
Подходит для: воспроизведение экспериментов по сжатию MoE-моделей · сравнение методов отбора и группировки экспертов · исследовательская генерация текста
Производная модели arcee-ai/Trinity-Large-Base. Базовая разреженная MoE-модель Arcee AI для генерации текста, исследований предобучения и последующего дообучения.
Подходит для: исследование поведения языковой модели после масштабного предобучения · изучение маршрутизации и балансировки экспертов MoE · зондирование и интерпретируемость языковой модели
Плотная модель на базе DeepSeek-V2-Lite для экспериментов с pruning и дистилляцией MoE и генерации текста.
Подходит для: воспроизведение экспериментов по уплотнению MoE-моделей · сравнение методов оценки и группировки экспертов · исследовательская генерация текста
Плотная модель на основе DeepSeek-V2-Lite для экспериментов по прореживанию и дистилляции MoE-моделей в языковые модели меньшего размера.
Подходит для: воспроизведение экспериментов по дистилляции MoE-моделей · сравнение методов оценки и группировки экспертов · оценка генерации текста на стандартных бенчмарках
Вспомогательная DSpark-модель для спекулятивного декодирования с Kimi-K3, предназначенная для ускорения генерации текста.
Подходит для: ускорение генерации ответов с Kimi-K3 · ускорение генерации кода с Kimi-K3 · ускорение математических рассуждений с Kimi-K3
Производная модели ornith-ai/Ornith-1.5-397B. Крупная MoE-модель Ornith-1.5-397B для агентного программирования, выполнения задач в терминале и вызова инструментов.
Подходит для: автоматическое исправление ошибок в репозиториях · выполнение многошаговых задач программирования через агента · работа с кодом и файлами в терминале
Производная модели arcee-ai/Trinity-Nano-Base-Pre-Anneal. Базовая модель Arcee AI на 6 млрд параметров с архитектурой MoE, предназначенная для дальнейшего дообучения под специализированные задачи генерации текста.
Подходит для: дообучение языковой модели под внутренние документы компании · адаптация модели для специализированного текстового ассистента · создание предметной модели генерации текста
Дообученная модель Ministral 3 для рассуждений в программировании, проектировании архитектуры и DevOps-задачах.
Подходит для: поиск ошибок и решение сложных задач программирования · написание скриптов и конфигураций для DevOps · проектирование облачной инфраструктуры и систем
safetensors: формат, квантизация, runtime и память принадлежат одному artifact