Экспериментальная перепаковка GPT-OSS 120B в MXFP4 GGUF для генерации текста и диалогов через Siliang Engine.
Подходит для: ведение диалогов в формате Harmony · генерация текста с помощью GPT-OSS 120B в Siliang Engine · локальный запуск крупной MoE-модели из GGUF на Windows
Экспериментальная GGUF-перепаковка DeepSeek-V4-Flash-0731 для диалоговой генерации текста в Siliang Engine с компоновкой весов экспертов для более последовательного чтения.
Подходит для: ведение диалогов с DeepSeek-V4-Flash-0731 в Siliang Engine · генерация ответов на текстовые запросы · локальный запуск MoE-модели в формате GGUF на Windows
Дообученная A1Speeder модель Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов на английском языке.
Подходит для: ведение диалогов с пользователем на английском языке · генерация ответов по текстовым запросам · создание черновиков и продолжение текста
Производная от Qwen3.5-9B модель с рекуррентным линейным вниманием GDN для ускоренной генерации текста и диалогов.
Подходит для: генерация ответов в диалоговом интерфейсе · ускоренный вывод текста на CUDA-совместимом NVIDIA GPU · локальный запуск чат-модели через среду qwen35_unimax_engine
Экспериментальная мультимодальная дообученная модель Qwen для диалогов и анализа изображений с экономным использованием памяти при длинном контексте.
Подходит для: диалог с моделью по текстовым запросам · ответы на вопросы по изображениям · анализ изображений в длинном диалоге
Экспериментальная текстовая версия Qwen3.5-2B с рекуррентными слоями Gated DeltaNet для ускоренной генерации без KV-кэша.
Подходит для: исследование рекуррентных языковых моделей · эксперименты с декодированием без KV-кэша · изучение фиксированного состояния для длинного контекста
Экспериментальная текстовая производная Qwen3.5-2B с рекуррентными слоями Gated DeltaNet для быстрой генерации и изучения памяти постоянного размера.
Подходит для: Эксперименты с генерацией текста на рекуррентной архитектуре · Сравнение скорости декодирования Gated DeltaNet и полного внимания · Исследование потоковой обработки длинных текстовых последовательностей
Диалоговая модель Qwen3.5-2B с линейным вниманием Gated DeltaNet, дистиллированная для генерации текста с более постоянными затратами KV-кэша на длинных последовательностях.
Подходит для: генерация ответов в диалоговом интерфейсе · продолжение и написание текста · обработка длинных текстовых последовательностей
Производная от Qwen3.5-9B с рекуррентным линейным вниманием GDN, предназначенная для ускоренного диалогового декодирования и генерации текста.
Подходит для: генерация ответов в диалоговом интерфейсе · тестирование ускоренного декодирования текста на GPU · локальный запуск языковой модели через UNI MAX runtime