Структурно прореженная на 50% версия Qwen3.5-122B-A10B для генерации текста и экспериментов с компактными MoE-моделями.

Подходит для: эксперименты с прореживанием MoE-моделей · генерация текстовых ответов · создание диалогового прототипа

Мультимодальная модель Xiaomi для генерации текста, агентных задач и работы с инструментами, с контекстом до миллиона токенов.

Подходит для: написание и исправление программного кода · выполнение многошаговых задач с вызовом инструментов · ответы на вопросы по длинным репозиториям и трассам взаимодействия

Прореженный на 50% чекпойнт Qwen3.5-MoE для экспериментов с генерацией текста и ответами на научные вопросы.

Подходит для: Эксперименты с сокращением маршрутизируемых экспертов в MoE-моделях · Ответы на научные вопросы с объяснениями · Сравнение качества модели до и после структурного прореживания

Прореженная методом Less-is-MoE версия Qwen3.5-122B-A10B для генерации текста и диалогового общения.

Подходит для: генерация ответов в диалоговом ассистенте · создание и продолжение текстов · эксперименты с прореживанием MoE-моделей

Экспериментально прореженный на 50% чекпойнт Qwen3.5-122B-A10B для генерации текста и диалогов.

Подходит для: генерация текста в диалоговом формате · исследование влияния структурного прореживания на MoE-модели · сравнение качества чекпойнтов до и после прореживания

Мультимодальная модель Xiaomi MiMo на 9 млрд параметров для агентных задач, программирования, кибербезопасности и анализа изображений.

Подходит для: написание и исправление кода · выполнение многошаговых агентных задач · анализ изображений в диалоге

Мультимодальная MoE-модель Xiaomi для генерации текста, агентных задач, программирования и анализа изображений, видео и аудио с контекстом до 1 млн токенов.

Подходит для: генерация ответов в диалоге с вызовом инструментов · выполнение многошаговых задач автономным агентом · разработка и анализ программного кода

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

Текстовая диалоговая MoE-модель на базе Qwen3.8-Flash-Next с изменённым поведением отказов для контролируемой оценки и red-team-исследований.

Подходит для: проверка поведения отказов в диалоговой модели · red-team-тестирование ответов на чувствительные запросы · оценка следования инструкциям

Базовая MoE-модель Qwen2 с 57 млрд параметров и 14 млрд активных параметров для дальнейшего обучения и исследований генерации и понимания текста.

Подходит для: дальнейшее обучение языковой модели под собственные задачи · оценка качества ответов на вопросы и рассуждений · эксперименты с математическими задачами

Экспериментальная разреженная MoE-модель на базе Qwen3.8-27B для диалогов и генерации текста с обученным сигналом остановки.

Подходит для: генерация ответов в диалоге · составление развернутых текстовых ответов · ведение многоходовых бесед

Мультимодальная MoE-модель Xiaomi с контекстом до 1 млн токенов для диалогов, вызова инструментов и длинных агентных задач.

Подходит для: создание агентных систем с вызовом инструментов · выполнение многошаговых задач с длинной историей диалога · анализ изображений, видео и аудио в диалоге

Базовая языковая MoE-модель JetBrains с контекстом до 131 072 токенов для дообучения и адаптации к задачам на длинных текстах.

Подходит для: дообучение языковой модели на собственных данных · адаптация модели к предметной области · продолжение генерации длинных текстов

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

MoA-100M — экспериментальная авторегрессионная модель на архитектуре со смешанными метрическими механизмами внимания для генерации текста.

Подходит для: эксперименты с авторегрессионной генерацией текста · исследование метрического внимания в языковых моделях · генерация и продолжение коротких текстов

MolmoAct2 — открытая vision-language-action модель Ai2, предназначенная для дообучения под управление конкретными роботами по визуальным наблюдениям и языковым инструкциям.

Подходит для: дообучение политики управления под конкретную модель робота · адаптация управления роботом под новый бенчмарк · генерация непрерывных действий по изображению и текстовой инструкции

Экспериментальная текстовая MoE-модель на базе Qwen3-0.6B для генерации текста и диалогов, не переобученная и склонная к сбоям.

Подходит для: эксперименты с архитектурой Qwen3 MoE · тестирование генерации текста на базе Qwen3 · изучение преобразования плотной модели в Mixture-of-Experts

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

ModujoMoE — базовая MoE-языковая модель для продолжения текста и дальнейших экспериментов с предобучением и настройкой.

Подходит для: продолжение короткого текста на португальском языке · эксперименты с дообучением языковой модели · исследование маршрутизации экспертов в MoE-моделях

Экспериментальная GGUF-сборка Qwen3.5-122B-A10B с MTP для ускоренной генерации текста в совместимой версии llama.cpp.

Подходит для: диалоговая генерация текста локально через llama.cpp · ускорение декодирования при генерации ответов · тестирование спекулятивного декодирования MTP на AMD/Vulkan

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

Троично сжатая мультимодальная MoE-модель для локальных диалогов и анализа изображений на устройствах с ограниченной памятью.

Подходит для: диалог с локальным ИИ-помощником · ответы на вопросы по загруженным изображениям · описание содержимого изображения

Небольшая англоязычная MoE-модель, созданная с нуля для генерации текста, диалогов и изучения предобучения.

Подходит для: изучение влияния этапов предобучения на языковую модель · эксперименты с маршрутизацией экспертов MoE · тестирование генерации короткого текста на английском

Стартовая MoE-инициализация на базе Gemma 3 270M для дальнейшего обучения и дообучения.

Подходит для: эксперименты с разреженной архитектурой Mixture-of-Experts · дообучение текстовой модели с 16 экспертами · обучение маршрутизатора и специализация экспертов