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

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

Warlock — диалоговая текстовая модель Audn на базе GLM-5.3 с изменёнными весами для авторизованного red-team-тестирования и исследований безопасности.

Подходит для: проверка устойчивости моделей к вредоносным запросам · оценка поведения системы при снижении частоты отказов · red-team-тестирование диалоговых ассистентов

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

Кодировщик ConvNeXt Nano из проекта Zoobot для классификации и извлечения признаков из изображений в градациях серого.

Подходит для: классификация астрономических изображений · извлечение признаков из изображений галактик · дообучение визуального энкодера для задач классификации

Дообученный энкодер Zoobot на базе ConvNeXt Nano для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация астрономических изображений · извлечение признаков из изображений галактик · подготовка визуальных эмбеддингов для последующего анализа

Энкодер ConvNeXt Small из проекта Zoobot извлекает признаки изображений и подходит для их классификации и дообучения.

Подходит для: классификация изображений · извлечение признаков изображений для последующей модели · дообучение визуального энкодера под свою задачу

Мультимодальная модель Kwai-Keye на базе Qwen2.5-VL для анализа изображений высокого разрешения и сложных визуальных задач с использованием исполняемого кода.

Подходит для: анализ изображений высокого разрешения по текстовым инструкциям · решение сложных задач визуального рассуждения · выполнение вычислений при анализе изображений

Предобученный визуальный энкодер ConvNeXt Base для классификации изображений и дообучения под специализированные задачи.

Подходит для: Классификация изображений с дообученной моделью · Использование визуального энкодера как backbone в компьютерном зрении · Дообучение на специализированном наборе изображений

Полноточечная MLX-конверсия мультимодальной Qwen3.8-27B-Abliterated для диалогов, генерации текста и анализа изображений на Apple Silicon.

Подходит для: ответы на вопросы по изображениям · диалоги с мультимодальным помощником · генерация текста на английском и китайском

Многошаговая агентная модель Snowflake на базе Qwen3-4B для использования инструментов через MCP в синтетических средах.

Подходит для: выполнение последовательности вызовов инструментов через MCP · создание многошагового агента для взаимодействия с инструментальными средами · исследование обучения агентов с подкреплением на синтетических средах

Wisp-5M — компактная базовая языковая модель архитектуры LLaMA для учебных и исследовательских экспериментов, запуска на устройствах с ограниченными ресурсами и дальнейшего дообучения.

Подходит для: учебные эксперименты с малыми языковыми моделями · генерация английского текста в экспериментах на устройствах с ограниченными ресурсами · черновая генерация для speculative decoding

Модель Snowflake для многошагового использования инструментов через MCP, обученная с подкреплением на синтетических средах.

Подходит для: создание многошаговых агентов с вызовом инструментов через MCP · выполнение последовательных действий в синтетических средах · исследование агентного обучения с подкреплением

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

Визуальный энкодер Zoobot на базе ConvNeXt Large для извлечения признаков и адаптации к классификации изображений.

Подходит для: классификация изображений после дообучения · извлечение признаков из изображений · подготовка визуальных эмбеддингов для последующего анализа

Компактная англоязычная модель Welmia, обученная с нуля для генерации текста и выполнения инструкций в локальной среде.

Подходит для: локальный запуск генерации текста на CPU · прототипирование моделей, следующих инструкциям · эксперименты с обучением малых языковых моделей

Frontis-MA1-35B — дообученная модель OpenMLE для генерации и итеративного поиска решений в задачах машинного обучения с обратной связью от исполнения кода.

Подходит для: создание кода для ML-экспериментов · улучшение программы по результатам её запуска · отладка ошибочного кода машинного обучения

Мультимодальная модель Meta на 30 млрд параметров для локальных агентов, работы с инструментами, кодом и изображениями.

Подходит для: локальные агенты для многошагового выполнения задач · вызов инструментов и функций в диалоге · написание и отладка кода

Квантованная для MLX сборка GLM-5.3-Flash для диалогов, рассуждений и работы с изображениями и видео на компьютерах Apple Silicon.

Подходит для: диалоговый помощник на Mac с Apple Silicon · ответы на вопросы по изображениям · анализ видеоматериалов

Энкодер ResNet18 из проекта Zoobot для извлечения признаков и построения классификаторов изображений.

Подходит для: извлечение признаков из изображений · дообучение классификатора изображений · классификация изображений с помощью timm

Модель Snowflake для обучения агентов многошаговому использованию инструментов в синтетических средах через MCP.

Подходит для: создание агента для многошаговых задач с инструментами · обучение агента взаимодействию с MCP-серверами · исследование обучения агентов с подкреплением в синтетических средах

Энкодер EfficientNet-B0 проекта Zoobot извлекает признаки из изображений для последующего обучения моделей компьютерного зрения.

Подходит для: извлечение векторных признаков из изображений · подготовка эмбеддингов для классификации изображений · инициализация энкодера при дообучении модели компьютерного зрения

Экспериментальная производная Llama 3.2 1B Instruct с изменёнными весами для исследований отказов, интерпретируемости и оценки безопасности.

Подходит для: исследование механизмов отказа языковых моделей · red teaming моделей, склонных отвечать на вредоносные запросы · оценка защитных механизмов и поведения модели

Визуальный энкодер Zoobot на архитектуре MaxViT для классификации изображений и дообучения под целевые наборы данных.

Подходит для: классификация астрономических изображений · извлечение визуальных признаков для классификатора · дообучение классификатора изображений на собственных данных