Компактная дообученная модель для быстрой классификации без примеров с оценкой вероятностей заданных вариантов.

Подходит для: классификация намерений пользователя по описанию запроса · маршрутизация обращений в подходящую очередь поддержки · выбор метки модерации для короткого сообщения

Дообученная компактная модель Qwen3.5-2B, которая быстро выбирает между текстовыми вариантами и оценивает вероятность каждого.

Подходит для: распределение обращений поддержки по очередям · классификация намерений пользователя · выбор метки модерации для сообщения

Небольшая дообученная Gemma 4 для быстрой классификации по описанным пользователем вариантам с оценками вероятностей.

Подходит для: маршрутизация обращений в службу поддержки · определение намерения по тексту или транскрипту команды · выбор команды голосовой навигации

Jeff-Gemma4-E2B — компактная англоязычная модель для быстрой классификации с нулевым обучением и выдачи вероятностей вариантов.

Подходит для: определение намерения пользователя по сообщению или транскрипту · маршрутизация обращений в службу поддержки · классификация контента по меткам модерации

JevOne — дообученная модель Qwen для типизированной классификации, выбора вариантов и оценивания с выдачей вероятностей.

Подходит для: Бинарная классификация состояния с оценкой вероятности · Выбор категории из заданного набора вариантов · Оценивание по порядковой шкале с распределением вероятностей

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

Локальная модель для агентной разработки ПО на основе Qwen3.8-27B с архитектурой Jack для работы с длительными задачами и актуальным состоянием проекта.

Подходит для: планирование и реализация изменений в кодовой базе · отладка программ и анализ причин ошибок · ревью кода и поиск проблем в изменениях

16-битная MLX-конверсия JevK5 для локального диалога и оценки вероятностей вариантов ответа на компьютерах Apple Silicon.

Подходит для: оценка вероятностей вариантов ответа в вопросах с выбором · классификация ответов в формате «да/нет» · локальная оценка решений с типизированными вариантами

Производная модели mstrasser/Jeff-Qwen3.5-0.8B-Chess. Компактная дообученная модель оценивает вероятности легальных шахматных ходов по позиции в формате FEN.

Подходит для: ранжирование легальных ходов в шахматной позиции · выбор вероятного решения шахматной задачи · быстрая оценка ходов без поиска по дереву вариантов

Экспериментальный вариант Llama 2 7B Chat со сжатыми весами для исследования влияния сжатия на безопасность и полезность ответов.

Подходит для: сравнение безопасности ответов до и после сжатия модели · оценка устойчивости чат-модели к вредоносным запросам · изучение компромисса между сжатием, полезностью и безопасностью

Мультимодальная модель JIT-Agent-27B генерирует исполняемые каркасы агентов с памятью, планированием и политикой инструментов для заданных задач.

Подходит для: генерация каркаса агента под конкретную задачу · создание модулей памяти и обновления рабочего контекста агента · формирование плана и управления состоянием выполнения

Производная модели sahilchachra/LFM2.5-8B-A1B-Uncensored. Мультиязычная MoE-модель Liquid AI с ослабленным механизмом отказов для исследований безопасности ИИ и тестирования jailbreak-сценариев.

Подходит для: тестирование устойчивости чат-моделей к jailbreak-запросам · red teaming диалоговых ИИ-систем · изучение механизмов отказа языковых моделей

GGUF-сборка Qwen3.8-27B Heretic ARA с черновой моделью DFlash2 для текстового чата и спекулятивного ускорения генерации на Blackwell.

Подходит для: локальный чат и ответы на текстовые запросы · генерация продолжений текста · ускоренный вывод Qwen3.8-27B через спекулятивное декодирование

OpenJev — модель классификации без заранее заданных меток для маршрутизации, оценивания вариантов и выбора действий агента.

Подходит для: маршрутизация обращений в службу поддержки · определение темы, намерения и приоритета сообщения · модерация текста на спам и нарушения политики

Дообученная 27-миллиардная модель семейства Qwen3.5 для длительных агентных задач, диалогов и вызова инструментов.

Подходит для: выполнение многошаговых задач с помощью инструментов · создание агентного помощника для программирования · ведение длинных диалогов с большим контекстом