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

Диалоговая MoE-модель на 35 млрд параметров для генерации текста, агентного программирования и работы с инструментами.

Подходит для: генерация и объяснение программного кода · поиск и исправление ошибок в репозиториях · выполнение задач разработки через агентные инструменты

Дообученная мультимодальная модель Qwen на 27 млрд параметров для более эффективных рассуждений, программирования, диалогов и агентных задач.

Подходит для: написание и отладка кода · выполнение многошаговых задач через терминал · создание программных прототипов по текстовому описанию

Большая языковая модель NVIDIA с архитектурой LatentMoE для диалогов, рассуждений, длинного контекста и ИИ-агентов.

Подходит для: автоматизация классификации и обработки IT-заявок · создание чат-бота с поддержкой длинного контекста · ответы на вопросы по нескольким документам в RAG-системе

JiRack Ultra 14B — 14-миллиардная диалоговая модель CMSManhattan для генерации текста, локального CPU-инференса и сценариев с RAG и вызовом инструментов.

Подходит для: генерация ответов в диалоговом интерфейсе · локальный запуск языковой модели на CPU · подготовка ответов по внутренним документам в RAG-системе

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

GLM-4.7 — англо-китайская языковая модель Z.ai для программирования, агентных задач, рассуждений и диалогов.

Подходит для: генерация и отладка программного кода · выполнение задач разработки через терминальный агент · создание веб-страниц и интерфейсов по описанию

Базовая мультиязычная языковая модель NVIDIA на 30 млрд параметров для генерации текста и последующего дообучения под инструкции и специализированные агентские задачи.

Подходит для: дообучение базовой модели для следования инструкциям · создание специализированных ИИ-агентов · генерация и продолжение текста на нескольких языках

JiRack Ultra 32B — 32-миллиардная диалоговая языковая модель для генерации текста, RAG и агентных сценариев, оптимизированная для запуска на CPU.

Подходит для: ответы на вопросы по внутренним документам в RAG-системе · локальный диалоговый помощник на CPU · генерация и объяснение программного кода

decider-4b — дообученная языковая модель, которая за один проход оценивает заданные варианты ответов для типизированных вопросов и состояний.

Подходит для: выбор действия в игре по текущему состоянию · оценка вариантов решения для браузерного агента · классификация состояния по заданному набору меток

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

Текстовая MoE-модель для генерации текста и кода, агентных задач и работы с инструментами с удалённым поведением отказа.

Подходит для: генерация и отладка программного кода · автоматизация задач программирования агентом · генерация ответов в диалоговом интерфейсе

Текстовая MoE-модель JiRack на основе Qwen3.8-Flash-Next для диалога, генерации кода и вызова инструментов с эффективным вычислением на CPU.

Подходит для: ответы на запросы в чат-интерфейсе · генерация и дополнение программного кода · вызов инструментов в агентных сценариях

Небольшая англоязычная авторегрессионная модель EleutherAI для исследований генерации текста и поведения языковых моделей.

Подходит для: эксперименты с предсказанием следующего токена на английском языке · исследование поведения языковых моделей на разных этапах обучения · анализ интерпретируемости компактной трансформерной модели

Производная модели mrkwanzaa/functionalizer-100M-github-code-python-seed2. Экспериментальная GPT-2 модель на 100 млн параметров для генерации текста и продолжения кода Python.

Подходит для: генерация продолжений кода Python · автодополнение фрагментов Python · эксперименты с генерацией текста на GPT-2

Экспериментальная GPT-2-модель на 100 млн параметров, обученная на FineWeb-Edu для генерации текста.

Подходит для: генерация продолжения текста · эксперименты с токенизацией подслов · воспроизведение экспериментов Functionalizer

Экспериментальная GPT-2-модель на 100 млн параметров, обученная на FineWeb-Edu для генерации текста.

Подходит для: генерация продолжения текста · эксперименты с токенизацией подслов · изучение функциональной декомпозиции в языковых моделях

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

Экспериментальная GPT-2-модель на 100 млн параметров для генерации текста и исследования функционального разложения подсловной токенизации.

Подходит для: генерация продолжения текста · эксперименты с подсловной токенизацией · воспроизведение экспериментов Functionalizer на FineWeb-Edu

Экспериментальная GPT-2-подобная модель на 100 млн параметров для генерации текста, обученная на FineWeb-Edu с фреймворком Functionalizer.

Подходит для: эксперименты с генерацией текста на основе GPT-2 · изучение обучения языковой модели на FineWeb-Edu · воспроизведение экспериментов фреймворка Functionalizer

Дообученная UkisAI модель Qwen для экономичного рассуждения, программирования и многошаговых агентных задач с поддержкой изображений.

Подходит для: решение задач программирования с агентом · выполнение многошаговых задач в терминале · разработка и отладка программного обеспечения

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 GPT-2 модель на 100 млн параметров для генерации текста и продолжения кода Python.

Подходит для: генерация продолжений кода Python · автодополнение фрагментов Python · эксперименты с генерацией текста на GPT-2

Экспериментальная генеративная GPT-2-модель примерно на 100 млн параметров, обученная на коде Python из GitHub для генерации продолжений кода.

Подходит для: генерация продолжений кода Python · создание примеров кода на Python · эксперименты с генерацией кода на базе GPT-2