Компактная англоязычная GPT-2 для генерации текста и быстрых экспериментов на ограниченных ресурсах.
Подходит для: генерация продолжения английского текста · учебные эксперименты с языковыми моделями · быстрое прототипирование генерации текста
Компактная англоязычная GPT-2 для генерации текста и быстрых экспериментов на ограниченных ресурсах.
Подходит для: генерация продолжения английского текста · учебные эксперименты с языковыми моделями · быстрое прототипирование генерации текста
RNAErnie — предварительно обученная модель для восстановления фрагментов последовательностей некодирующей РНК и извлечения их признаковых представлений.
Подходит для: восстановление замаскированных нуклеотидов в последовательности РНК · извлечение векторных представлений последовательностей некодирующей РНК · подготовка основы для классификации типов ncRNA после дообучения
Языковая MoE-модель семейства ERNIE на 3,3 млрд параметров для генерации текста и диалоговых сценариев с контекстом до 131 072 токенов.
Подходит для: генерация продолжений текста · диалоговые ответы · обработка длинных текстовых запросов
Языковая MoE-модель семейства ERNIE 4.5 на 3,3 млрд параметров для генерации текста и диалоговых сценариев с контекстом до 131 072 токенов.
Подходит для: диалоговые ответы · продолжение и редактирование текста · генерация черновиков документов
Компактная MoE-языковая модель семейства ERNIE для генерации текста и диалоговых приложений с контекстом до 131 072 токенов.
Подходит для: диалоговые ассистенты · продолжение и дополнение текста · генерация черновиков
Компактная авторегрессионная модель на архитектуре Qwen3.5 для генерации текста и экспериментов с малыми языковыми моделями.
Подходит для: эксперименты с компактными языковыми моделями · изучение обучения авторегрессионной модели · тонкая настройка для узкой задачи
Языковая модель ERNIE 4.5 MoE на 3,3 млрд параметров для генерации текста и диалоговых сценариев с контекстом до 131 072 токенов.
Подходит для: генерация ответов в диалоговых системах · создание и продолжение текстов · развёртывание чат-ботов на базе Transformers
Пакет GGUF-слоёв ERNIE-4.5-21B-A3B-Thinking предназначен для локальной распределённой генерации текста и чата на кластере Mesh LLM.
Подходит для: локальный приватный чат с языковой моделью · генерация текста через API, совместимый с OpenAI · запуск модели на нескольких машинах, если она не помещается на одном хосте
safetensors: формат, квантизация, runtime и память принадлежат одному artifact
Модель ERNIE 4.5 MoE на 3,3 млрд параметров для генерации текста и диалоговых сценариев с контекстом до 131 072 токенов.
Подходит для: генерация продолжений текста · создание ответов в чат-ботах · диалоговое взаимодействие с пользователем
Квантованный GGUF-вариант ERNIE-4.5-21B-A3B-PT, разделённый на слои для локального распределённого чат-инференса с Mesh LLM.
Подходит для: Локальные приватные ответы в чате · Запуск чат-модели на нескольких машинах · Обслуживание запросов через совместимый с OpenAI локальный API
Экспериментальная разреженная MoE-модель Gemma 4 для генерации текста, программирования, агентного планирования и системных задач.
Подходит для: написание и анализ кода · планирование шагов автономного агента · формирование структурированных вызовов инструментов
Модель ERNIE 4.5 MoE на 3,3 млрд параметров для генерации текста и диалоговых приложений с длинным контекстом.
Подходит для: генерация ответов в чат-ботах · поддержание диалога с длинным контекстом · создание черновиков текстов
Eurus-RM-7B оценивает ответы языковых моделей, чтобы отбирать и ранжировать варианты, в том числе для задач с рассуждениями.
Подходит для: оценка качества ответов языковой модели · ранжирование нескольких вариантов ответа · переранжирование ответов для улучшения рассуждений
Ember — экспериментальная англоязычная языковая модель SurjoLabs на 2,9 млн параметров для генерации текста и исследования компактных рекуррентных архитектур.
Подходит для: эксперименты с языковыми моделями менее 3 млн параметров · сравнение рекуррентной архитектуры XSA с малыми трансформерами · генерация коротких англоязычных продолжений текста
Компактная модель Airavat AI на базе Qwen3-1.7B для диалогов, рассуждений и агентных задач с вызовом инструментов.
Подходит для: создание агента, который вызывает функции и инструменты · пошаговое решение математических задач · генерация кода и помощь в задачах по программированию
Esper 3.1 — дообученная модель Qwen для сложных задач программирования, проектирования систем и DevOps.
Подходит для: поиск ошибок и решение сложных задач по коду · проектирование облачной и программной архитектуры · создание и проверка конфигураций Docker и Kubernetes
Китайская биомедицинская модель ERNIE для извлечения признаковых представлений медицинского текста.
Подходит для: извлечение признаковых представлений из китайских медицинских записей · подготовка медицинских текстовых эмбеддингов для последующей классификации · представление диалогов врача и пациента для downstream-моделей
Esper 3.1 — дообученная модель Valiant Labs на базе Qwen3.5-27B для программирования, технических рассуждений, проектирования архитектуры и DevOps.
Подходит для: написание и разбор кода по техническому заданию · поиск ошибок и рассуждение над сложными задачами программирования · проектирование облачной и программной архитектуры
Конвертированная в PyTorch мультиязычная модель ERNIE-M Large для извлечения семантических представлений и межъязычных задач.
Подходит для: получение векторных представлений предложений на разных языках · поиск семантически похожих предложений между языками · определение текстового следования после настройки классификатора
Ember-1 — модель рассуждений Fireworks Research на базе Kimi K3, рассчитанная на более короткие цепочки рассуждений.
Подходит для: решение задач, требующих рассуждений
Дообученная на базе Gemma 2 модель Erland для генерации текста с контекстом до 8192 токенов.
Подходит для: генерация текста по запросу на английском языке · продолжение заданного текста · создание черновиков и вариантов формулировок
safetensors: формат, квантизация, runtime и память принадлежат одному artifact
safetensors: формат, квантизация, runtime и память принадлежат одному artifact