Небольшая генеративная языковая модель на архитектуре Llama для создания текста и диалогов.
Подходит для: генерация коротких текстовых ответов · простой диалог с языковой моделью · эксперименты с генерацией текста на компактной модели
safetensors: формат, квантизация, runtime и память принадлежат одному artifact
Англоязычная авторегрессионная модель EleutherAI для генерации текста и научного исследования поведения и интерпретируемости языковых моделей.
Подходит для: эксперименты с генерацией английского текста · исследование интерпретируемости языковых моделей · сравнение поведения моделей разных размеров
Англоязычная авторегрессионная модель EleutherAI на 1,7 млрд параметров для контролируемых исследований поведения и интерпретируемости языковых моделей.
Подходит для: исследование поведения языковых моделей · эксперименты по интерпретируемости LLM · сравнение моделей разных размеров на одинаковых данных
Англоязычная авторегрессионная модель EleutherAI с 1,2 млрд параметров для исследований генерации и интерпретируемости языковых моделей.
Подходит для: изучение поведения авторегрессионной языковой модели · эксперименты по интерпретируемости трансформеров · сравнение моделей разных размеров на контролируемых данных
Экспериментальная MoE-модель Whittle на базе Qwen для генерации текста, кода и математических рассуждений, полученная дистилляцией Qwen3.8-27B.
Подходит для: написание и объяснение программного кода · решение математических задач с рассуждениями · диалоговые ответы на вопросы
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
safetensors: формат, квантизация, runtime и память принадлежат одному artifact
Экспериментальная MoE-модель на базе Qwen для генерации текста, кода и математических рассуждений с длинным контекстом.
Подходит для: генерация и разбор программного кода · помощь в решении математических задач · ответы в диалоговом режиме с включённым рассуждением
Англоязычная модель EleutherAI на 15,4 млрд параметров для генерации текста и контролируемых исследований поведения и интерпретируемости больших языковых моделей.
Подходит для: эксперименты по интерпретируемости больших языковых моделей · изучение влияния дедупликации обучающих данных · анализ поведения базовой языковой модели при продолжении текста
safetensors: формат, квантизация, runtime и память принадлежат одному artifact
Текстовая MoE-модель JiRack на основе Qwen3.8-Flash-Next для диалога, генерации кода и вызова инструментов с эффективным вычислением на CPU.
Подходит для: ответы на запросы в чат-интерфейсе · генерация и дополнение программного кода · вызов инструментов в агентных сценариях
Компактная базовая языковая модель Kyutai на 1,9 млрд параметров для генерации и понимания текста на 24 языках ЕС.
Подходит для: генерация продолжений текста на языках ЕС · исследование многоязычного языкового моделирования · оценка знаний модели на текстовых бенчмарках
Сборка Qwen3.8-Flash-Next с поддержкой текста и изображений для диалогов, длинного контекста и агентных задач.
Подходит для: ответы на вопросы по изображениям · диалоги с длинным контекстом · помощь в разработке и анализе кода
Квантизированная GGUF-сборка DeepSeek-V4-Flash для генерации текста и диалогов на системах с большой объединённой памятью.
Подходит для: генерация ответов в диалоговом интерфейсе · запуск DeepSeek-V4-Flash на системе с 128 ГБ объединённой памяти · локальная генерация текста через совместимый форк llama.cpp
Слитая и квантованная MoE-модель Qwen3.8-Flash-Next для локального диалога и генерации текста на компьютерах с разным объёмом памяти.
Подходит для: локальный чат с языковой моделью · генерация ответов и продолжений текста · запуск MoE-модели на игровом ПК
Экспериментальная MoE-модель на основе Qwen3.8 для изучения генерации текста с гиперсвязями и n-граммной памятью.
Подходит для: изучение архитектур MoE и гиперсвязей · эксперименты с n-граммной памятью в языковых моделях · воспроизведение описанного в карточке эксперимента
Экспериментальная языковая модель Arcee.ai с гибридным вниманием KDA и NoPE для исследований эффективности внимания и математических рассуждений.
Подходит для: исследование гибридных архитектур внимания · сравнение линейного и полного внимания · оценка памяти и KV-кэша при обработке контекста
Генеративная языковая модель семейства Llama для создания и продолжения текста через Transformers с контекстом до 4096 токенов.
Подходит для: генерация текста по prompt · автодополнение предложений и документов · подготовка черновиков текстов
Крупное слияние моделей Llama 3.3 для диалоговой генерации текста, творческого письма и ролевых сценариев.
Подходит для: ведение ролевых диалогов с персонажами · написание художественной прозы с выразительными описаниями · генерация диалоговых ответов в свободном стиле
Англоязычная модель EleutherAI на 1,2 млрд параметров для исследований и экспериментов с генерацией текста и поведением языковых моделей.
Подходит для: изучение интерпретируемости языковых моделей · эксперименты с авторегрессионной генерацией английского текста · сравнение моделей разных размеров на одинаковых данных
Диалоговая модель на базе Hermes 3 и Llama 3.1 8B, дообученная на примерах переписки для генерации ответов в чатах.
Подходит для: генерация ответов в диалогах Discord · создание чат-бота для свободного общения · поддержание многоходового текстового диалога
Объединённая модель Llama 3.1 на 7,5 млрд параметров для генерации текста с контекстом до 131 072 токенов.
Подходит для: генерация ответов на текстовые запросы · создание и продолжение текстов · развёрнутые ответы с многоэтапными рассуждениями
Компактная предварительно обученная модель DeepSeek-V4 от HuggingFaceTB для продолжения текста и экспериментов с языковыми моделями.
Подходит для: продолжение коротких текстовых фрагментов · эксперименты с архитектурой DeepSeek-V4 · изучение Multi-head Latent Attention и смеси экспертов