Базовая языковая модель CyFA с архитектурой Cyclic Flow Attention для генерации текста и дальнейших экспериментов.
Подходит для: генерация продолжения текста · создание базовой модели для дообучения · эксперименты с архитектурой Cyclic Flow Attention
Базовая причинная языковая модель CyFA на 385 млн параметров для генерации текста и дальнейшей адаптации.
Подходит для: генерация продолжения текста · создание базовой модели для дообучения · эксперименты с архитектурой Cyclic Flow Attention
Диалоговая модель Kakao на 7,5 млрд параметров для генерации текста, программирования, математики и вызова инструментов.
Подходит для: ведение диалогов и ответы на вопросы · генерация и объяснение программного кода · решение математических задач
Англоязычная чат-модель MoE на базе K2-Horizon-MoVA-36B-A4B с удалённым методом абляции поведением отказа для генерации ответов.
Подходит для: генерация ответов в диалоговом интерфейсе · эксперименты с поведением отказов языковых моделей · оценка влияния абляции направлений отказа на качество генерации
Крупная текстовая MoE-модель Xiaomi MiMo-V2.6-Flash-RL в формате GGUF для локальной диалоговой генерации, программирования и агентных сценариев.
Подходит для: диалоговая генерация текста локально · помощь с написанием и разбором кода · работа агента с вызовами инструментов
Базовая языковая модель TensorOpera AI на 1,7 млрд параметров для генерации текста и кода и последующего дообучения.
Подходит для: генерация продолжений текста · генерация фрагментов кода · дообучение языковой модели под специализированные задачи
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
Плотная модель Qwen3.5 на 9,65 млрд параметров для генерации кода, технических рассуждений и работы с инструментами в агентных сценариях.
Подходит для: генерация и рефакторинг кода в многофайловых проектах · поиск и исправление ошибок в программном коде · планирование многоэтапных задач разработки ПО
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
Базовая модель Cyclic Flow Attention на 842 млн параметров для генерации текста и дальнейших экспериментов.
Подходит для: генерация продолжения текста · создание базовой модели для дообучения · эксперименты с архитектурой Cyclic Flow Attention
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
Экспериментальная архитектура языковой модели на 13,86 млрд параметров для исследований и предобучения генеративных моделей на A100; обученные веса не включены.
Подходит для: эксперименты с архитектурой языковой модели и CASS · предобучение генеративной модели на A100 · создание случайно инициализированного чекпойнта для дальнейшего обучения
Квантованная GGUF-сборка Qwen3.6-35B-A3B-Escha-W2 для генерации текста на AMD через ROCmFPX с поддержкой спекулятивного декодирования.
Подходит для: диалоговая генерация текста на совместимом оборудовании AMD · локальный запуск модели Qwen MoE через ROCmFPX · ускорение декодирования текста с помощью спекулятивного декодирования
Небольшая обученная с нуля MoE-языковая модель для следования инструкциям, анализа первопричин, генерации кода и создания специализированных агентов.
Подходит для: анализ первопричин сбоев · структурированное суммирование технических инцидентов · генерация простого кода на Python
Salesforce AI Research әзірлеген CoDA-v0-Instruct — екібағытты контексті бар диффузиялық тілдік модель, ол код генерациясы мен толықтыруға арналған.
Подходит для: табиғи тілдегі тапсырма бойынша код жазу · код үзіндісінің келесі бөлігін толықтыру · бағдарламалау сұрақтарына чат арқылы жауап алу
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
CMA-1M Mini — крошечная экспериментальная языковая модель для продолжения текста и исследований механизма Channel-Mixing Attention.
Подходит для: исследование смешивания каналов внимания на малой модели · сравнение вариантов архитектуры языковых моделей · учебные эксперименты с авторегрессионными языковыми моделями
Компактная базовая языковая модель на 49,3 млн параметров для исследований, бенчмаркинга и продолжения предобучения.
Подходит для: эксперименты с компактными причинно-языковыми моделями · продолжение предобучения на собственном корпусе · бенчмаркинг малых языковых моделей
Экспериментальная миниатюрная чат-модель, обученная с нуля для учебных экспериментов и генерации очень простого кода на Python.
Подходит для: изучение поведения языковой модели, обученной с нуля · эксперименты с токенизаторами и инструментами инференса · проверка обучения компактных чат-моделей
Zamba-7B-v1-phase1 — базовая гибридная языковая модель Zyphra для генерации текста и кода и изучения влияния этапов предобучения.
Подходит для: продолжение текстового фрагмента · генерация кода по подсказке · эксперименты с предобученной языковой моделью
Предварительно обученная модель Caiyun AI на 2,8 млрд параметров для генерации текста с архитектурой динамически компонуемого внимания DCFormer.
Подходит для: генерация продолжения текста · эксперименты с архитектурами внимания · исследование и оценка языковых моделей
Модель Apple на основе дискретной диффузии генерирует код, используя непрерывный сигнал CADD для направления восстановления токенов.
Подходит для: генерация программного кода по текстовому запросу · автодополнение фрагментов кода · создание кода с заданной структурой или шаблоном
Компактная однослойная модель на архитектуре LLaMA 2 для генерации текста с преимущественным уклоном в код.
Подходит для: эксперименты с компактными языковыми моделями · генерация кода · изучение влияния обучения на корпусе Proof-Pile 2
Инструкционно настроенная 2,2-миллиардная модель Laneformer для генерации текста и кода и экспериментов с низколатентной авторегрессионной генерацией.
Подходит для: генерация и дополнение программного кода · диалоговое следование инструкциям · эксперименты с архитектурами языковых моделей