Англоязычная диалоговая языковая модель Ai2 с 6,9 млрд параметров для выполнения инструкций, математических и общих задач.

Подходит для: ответы на вопросы на английском языке · диалоговый помощник для общих запросов · решение математических задач

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

Англоязычная диалоговая модель Ai2 на 6,9 млрд параметров для выполнения инструкций, ответов на вопросы, математики и программирования.

Подходит для: ответы на вопросы и ведение диалога на английском языке · решение математических задач · генерация и помощь с программным кодом

Дообученная 9-миллиардная модель OrionLLM для агентного программирования, работы с кодовыми базами и задач в терминале.

Подходит для: генерация и редактирование программного кода · поиск и исправление ошибок в проекте · многошаговое решение задач разработки в терминале

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

Производная модели Jinx-org/Jinx-gpt-oss-20b-mxfp4. Jinx-gpt-oss-20b-mxfp4 — вариант gpt-oss-20b без отказов, предназначенный для генерации текста и исследований границ безопасности LLM.

Подходит для: оценка поведения модели на запросах, вызывающих отказы · исследование сбоев выравнивания языковых моделей · проверка границ безопасности чат-моделей

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

GGUF-сборка MoE-модели Ornith для агентного программирования, генерации текста и мультимодальной работы с изображениями через llama.cpp.

Подходит для: автоматическое решение задач программирования агентом · исправление ошибок и внесение изменений в репозитории кода · выполнение задач разработки через терминал и инструменты

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

Производная модели amd/AMD-OLMo-1B. AMD-OLMo-1B — базовая языковая модель AMD на 1,2 млрд параметров для генерации текста и дальнейшей адаптации.

Подходит для: генерация продолжений текста · создание базовой модели для дообучения под инструкции · эксперименты с языковыми моделями семейства OLMo

Англоязычная модель Ai2 на 6,9 млрд параметров, дообученная методом RLVR для генерации решений математических задач и исследования обучения с проверяемыми наградами.

Подходит для: генерация решений математических задач · пошаговое рассуждение при решении задач · эксперименты с обучением RLVR на математических запросах

AMD-OLMo-1B — базовая языковая модель AMD на 1,2 млрд параметров для генерации текста и дальнейшей адаптации.

Подходит для: генерация продолжений текста · создание базовой модели для дообучения под инструкции · эксперименты с языковыми моделями семейства OLMo

O2-9B-Preview — 9-миллиардная модель Ant International для агентного рассуждения, программирования и выполнения задач с инструментами и проверкой результатов.

Подходит для: выполнение многошаговых задач с вызовом инструментов · помощь в разработке и работе с репозиториями кода · анализ результатов запуска тестов и исправление ошибок

Экспериментальная англоязычная модель на 196,7 млн параметров для генерации текста и простых инструкционных ответов, включая базовый код.

Подходит для: изучение устройства и обучения небольших языковых моделей · локальные эксперименты с генерацией текста через Ollama · получение простых ответов на инструкции на английском языке

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

Диалоговая дообученная модель Qwen3.5 с 9,65 млрд параметров для рассуждений, научных и технических задач и помощи в исследованиях ИИ.

Подходит для: многошаговое решение научных задач · ответы на вопросы по исследованиям ИИ · технический анализ и решение инженерных задач

ThinkOnly-вариант модели When2Think на 1,5 млрд параметров для математических задач с явным рассуждением, глубина которого адаптируется к сложности входа.

Подходит для: решение математических задач с пошаговым объяснением · ответы на задачи GSM-Plus и математических олимпиад · оценка влияния длины рассуждений на точность и вычислительные затраты

Англоязычная диалоговая модель Ai2 с 31,7 млрд параметров для выполнения инструкций, математических задач, программирования и общих вопросов.

Подходит для: ответы на вопросы в диалоге · выполнение текстовых инструкций · решение математических задач

Исследовательский вариант Qwen3-0.6B с архитектурой OASIS для генерации текста и изучения маршрутизации внимания между слоями.

Подходит для: генерация текста в диалоговом режиме · сравнение маршрутизации внимания между слоями · исследование механизмов attention sink

Производная модели CollectionStudio/Trinity-Large-TrueBase. Базовая разреженная MoE-модель Arcee AI для исследований предобучения, анализа поведения и последующего дообучения.

Подходит для: исследование поведения модели после масштабного предобучения · анализ маршрутизации экспертов и балансировки нагрузки в MoE · пробинг и интерпретируемость языковой модели

Базовая языковая модель TensorOpera AI на 1,7 млрд параметров для генерации текста и кода и последующего дообучения.

Подходит для: генерация продолжений текста · генерация фрагментов кода · дообучение языковой модели под специализированные задачи

Текстовая MoE-модель Mini-K3 для генерации текста и исследования вариантов архитектуры внимания, предварительно обученная без настройки на выполнение инструкций.

Подходит для: эксперименты с генерацией текста на основе предварительно обученной модели · сравнение GQA-внимания и остаточных механизмов в языковой модели · исследование компактных MoE-архитектур

JPT-9B — дообученная на базе Qwen3.5-9B модель для оценки вероятностей вариантов в типизированных задачах выбора, шкальной оценки и ответов «да/нет».

Подходит для: классификация намерений по набору меток · определение тональности по шкале · классификация текстовых пар для задач NLI