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

Текстовая MoE-модель Poolside для агентного программирования, терминальных задач и длительной работы с кодом.

Подходит для: написание и изменение кода по заданию · поиск и исправление ошибок в проекте · выполнение многошаговых задач разработки программного обеспечения

Вспомогательная модель-черновик Liquid AI для ускорения генерации LiquidAI/LFM2.5-2.6B с помощью speculative decoding.

Подходит для: ускорение генерации текста моделью LFM2.5-2.6B в SGLang · ускорение локального декодирования на Apple Silicon через Metal · ускорение генерации при решении математических задач

Черновая модель Liquid AI для speculative decoding, ускоряющая генерацию LiquidAI/LFM2.5-8B-A1B при использовании совместимого инференс-сервера.

Подходит для: ускорение генерации текста на LFM2.5-8B-A1B через speculative decoding · снижение задержки инференса в SGLang · ускорение генерации на Apple Silicon с Metal

Мультимодальная модель Z.ai для диалогов, анализа изображений, программирования и агентных задач.

Подходит для: ответы на вопросы по изображениям · описание и анализ визуальных материалов · помощь с программированием

Крупная модель MoE на базе Qwen 3.5 для агентного программирования, решения задач разработки и работы с инструментами.

Подходит для: решение задач разработки в терминальном coding-агенте · поиск и исправление ошибок в кодовой базе · автоматизация задач программирования с вызовом инструментов

Черновая модель Liquid AI для ускорения генерации LFM2.5-1.2B-Instruct методом спекулятивного декодирования с точным сохранением результата целевой модели.

Подходит для: ускорение генерации текста моделью LFM2.5-1.2B-Instruct в SGLang · ускорение локального инференса LFM2.5 на устройствах Apple Silicon · спекулятивное декодирование для задач математики и ответов на вопросы

Компактная гибридная LFM2.5-модель для генерации пошаговых решений STEM-задач и ответов на задачи логического вывода при локальном запуске.

Подходит для: пошаговое решение задач по линейной алгебре · объяснение задач по дифференциальным уравнениям · решение задач по электромагнетизму и классической механике

Компактная дообученная языковая модель для программирования, следования инструкциям и вызова инструментов в многошаговых агентных сценариях.

Подходит для: генерация и отладка кода · вызов инструментов и функций в агентных сценариях · выполнение многошаговых задач разработки ПО

Гибридная MoE-языковая модель Liquid AI для быстрых локальных диалогов, извлечения данных и агентных задач на устройствах с ограниченными ресурсами.

Подходит для: ведение многоходового диалога на устройстве · извлечение полей и сведений из текста · ответы по внутренним документам в RAG-сценариях

Модель LiquidAI LFM2.5-1.2B с удалёнными отказами предназначена для диалоговых экспериментов и red teaming.

Подходит для: проверка устойчивости систем к запросам, на которые обычно следует отказ · исследование поведения языковой модели при удалённом механизме отказов · эксперименты с инструкционным диалогом на английском языке

Модифицированная многоязычная текстовая модель LFM2.5-2.6B со сниженной склонностью к отказам для локальных ассистентских задач и экспериментов.

Подходит для: локальный чат-ассистент для общих вопросов · извлечение сведений из предоставленного текста · эксперименты со снижением отказов и редактированием поведения модели

Вспомогательная модель Liquid AI для ускорения спекулятивного декодирования мультимодальной LFM2.5-VL-3B.

Подходит для: Ускорение ответов на вопросы по изображениям с LFM2.5-VL-3B · Ускорение описания изображений целевой моделью · Ускорение визуального OCR целевой модели

Компактная гибридная языковая модель Liquid AI для диалогов, извлечения данных и RAG на периферийных устройствах.

Подходит для: многошаговые диалоги на устройстве · извлечение полей из текстовых документов · ответы на вопросы по внутренним документам через RAG

Базовая текстовая модель Liquid AI с гибридной архитектурой LFM2, предназначенная для дообучения и локального развертывания.

Подходит для: дообучение ассистента на собственных данных · создание предметного медицинского языкового ассистента · адаптация базовой модели к японскому языку

Ring-2.5-1T — диалоговая языковая MoE-модель Ling Team для сложных рассуждений, программирования и многошаговых агентных задач.

Подходит для: решение сложных математических задач и построение доказательств · генерация и анализ программного кода · поиск информации с многошаговым вызовом инструментов

Черновая модель DFlash 2 для ускорения генерации текста zai-org/GLM-5.3 посредством спекулятивного декодирования.

Подходит для: ускорение генерации текста с GLM-5.3 в SGLang · ускорение решения математических задач с GLM-5.3 · ускорение генерации кода с GLM-5.3

Производные веса текстового энкодера Qwen3.5-9B для ComfyUI с вариантами BF16, FP8 и INT8.

Подходит для: Подключение текстового энкодера Qwen3.5-9B в ComfyUI · Использование энкодера в мультимодальных рабочих процессах с изображениями · Запуск варианта FP8 для снижения расхода видеопамяти

Объединённая 9,7-миллиардная языковая модель для рассуждений, программирования, диалогов и агентной работы с инструментами.

Подходит для: решение сложных математических задач · генерация и отладка кода · многошаговые диалоги с вызовом инструментов

Компактная модель MiniCPM5 на 2,2 млрд параметров, дообученная дистилляцией для математических, логических и программных задач с пошаговыми рассуждениями.

Подходит для: решение математических задач с объяснением шагов · генерация и разбор программного кода · решение логических головоломок

Базовая компактная языковая модель MiniCPM5 для локального запуска и дальнейшего дообучения, с контекстом до 131 072 токенов.

Подходит для: дальнейшее дообучение языковой модели · эксперименты с компактными причинными Transformer-моделями · создание локального текстового ассистента после адаптации

Базовая текстовая модель Liquid AI на 2,6 млрд параметров для дообучения и создания локальных многоязычных ассистентов.

Подходит для: дообучение ассистента на собственных данных · создание ассистента для узкой предметной области · адаптация модели под отдельный язык

Дистиллированная мультимодальная модель Qwen3.5 на 9 млрд параметров для рассуждений, диалогов, программирования и вызова инструментов.

Подходит для: решение многошаговых логических и математических задач · помощь с программированием и анализом кода · ответы на вопросы по изображениям

Экспериментальная дообученная модель LFM2.5 на 2,6 млрд параметров для многоходового ассистирования, генерации кода и вызова инструментов.

Подходит для: генерация кода по описанию задачи · объяснение фрагментов кода · многоходовый диалог с помощником-разработчиком