Модель RoBERTa для преобразования предложений и абзацев в эмбеддинги, применимые для семантического поиска и кластеризации, в том числе в юридических текстах.

Подходит для: семантический поиск по юридическим документам · кластеризация юридических предложений и абзацев · поиск похожих фрагментов текста

GLM-5.1 — языковая модель Z.ai для генерации кода и длительных агентных инженерных задач с инструментами.

Подходит для: генерация кода по описанию задачи · поиск и исправление ошибок в репозитории · выполнение многоэтапных задач в терминале

Производная модели Stern5497/sbert-legal-xlm-roberta-base. Модель RoBERTa для преобразования предложений и абзацев в эмбеддинги, применимые для семантического поиска и кластеризации, в том числе в юридических текстах.

Подходит для: семантический поиск по юридическим документам · кластеризация юридических предложений и абзацев · поиск похожих фрагментов текста

Компактная англоязычная базовая модель семейства Llama для продолжения текста и экспериментов с дообучением и эффективным инференсом.

Подходит для: продолжение англоязычного текста · эксперименты с компактными языковыми моделями · создание специализированной модели через дообучение

Модель Vantar AI для генерации кода Python SDK Nuro и разработки спайковых нейронных сетей для нейроморфных платформ.

Подходит для: генерация кода Nuro SDK по текстовому описанию задачи · создание спайковых нейронных сетей для Intel Loihi 2 · подготовка кода для SpiNNaker 2

Черновая модель Eagle3 с MLA для ускорения инференса Kimi-K2.5 посредством speculative decoding.

Подходит для: ускорение генерации текста на базе Kimi-K2.5 · снижение затрат KV-кэша при speculative decoding · ускорение диалогового сервера на vLLM

Модель на базе RoBERTa преобразует предложения и абзацы в векторы для семантического поиска, сравнения сходства и кластеризации, с ориентацией на швейцарские юридические тексты по названию.

Подходит для: семантический поиск по юридическим документам Швейцарии · сравнение смысловой близости юридических предложений · кластеризация юридических текстов

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

Квантованная 35B разговорная модель в GGUF для локального чата и многоагентных сценариев с вызовом инструментов на AMD Strix Halo.

Подходит для: локальный диалоговый помощник на компьютере с AMD Strix Halo · вызов инструментов в агентных приложениях · параллельная работа нескольких локальных ИИ-агентов

Небольшая английская языковая модель, обученная с нуля, для исследований предобучения и экспериментов с генерацией текста.

Подходит для: исследование предобучения малых языковых моделей · эксперименты с продолжением обучения языковой модели · генерация продолжений английского текста

Модель превращает предложения и абзацы в 768-мерные эмбеддинги для семантического поиска, сравнения и кластеризации текстов.

Подходит для: семантический поиск по коллекции документов · поиск похожих предложений и абзацев · кластеризация текстов по смыслу

Компактная базовая языковая модель Llama на 30,4 млн параметров для краткой генерации английского текста и экспериментов на устройствах с ограниченными ресурсами.

Подходит для: краткое продолжение английского текста на CPU или мобильном устройстве · эксперименты с обучением малых языковых моделей · изучение архитектуры Llama и механизмов внимания

Многоязычная модель Sentence Transformers создаёт векторы предложений и абзацев для семантического поиска и сравнения текстов.

Подходит для: семантический поиск по коллекции документов · сравнение сходства двух предложений · поиск перефразирований в корпусе

safetensors: формат, квантизация, runtime и память принадлежат одному artifact

Многоязычная модель XLM-RoBERTa преобразует предложения и абзацы в эмбеддинги для семантического поиска, сравнения и кластеризации.

Подходит для: семантический поиск по предложениям и абзацам · сравнение сходства двух текстов · кластеризация текстовых документов по смыслу

safetensors: формат, квантизация, runtime и память принадлежат одному artifact

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

Многоязычная модель эмбеддингов для сравнения предложений и семантического поиска по тексту.

Подходит для: поиск документов по смыслу запроса · сравнение смысловой близости двух предложений · поиск перефразировок в коллекции текстов

Производная модели XiaomiMiMo/MiMo-V2.5-Pro. Открытая MoE-языковая модель Xiaomi для агентных задач, разработки ПО, генерации текста и работы с контекстом до миллиона токенов.

Подходит для: написание и отладка программного кода · выполнение многошаговых задач с вызовом инструментов · анализ длинных документов и контекстов до 1 млн токенов

AST-T5 — компактная модель семейства T5 для генерации и понимания кода по структурированным подсказкам, таким как сигнатуры функций и комментарии.

Подходит для: генерация кода по сигнатуре функции · дополнение кода по комментарию · преобразование фрагментов кода

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

Модель MindLab Research на базе GLM-5.2 для диалогов, агентных задач с инструментами, программирования и генерации интерфейсов.

Подходит для: диалоги с персональным ИИ-помощником · выполнение задач агента с использованием инструментов · написание и изменение программного кода

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

safetensors: формат, квантизация, runtime и память принадлежат одному artifact