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

Ling-3.0-flash — разговорная гибридная MoE-модель Inclusion AI для генерации текста, программирования и многошаговых агентных задач с длинным контекстом.

Подходит для: генерация и исправление программного кода · выполнение многошаговых задач кодового агента · ответы на вопросы и следование инструкциям

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

OPT-350M — англоязычная авторегрессионная модель Meta AI для генерации текста и исследований языковых моделей.

Подходит для: генерация продолжения английского текста · оценка языковых задач с помощью промптов · создание прототипа генератора текста

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

Предобученная модель OpenLLaMA с 3,3 млрд параметров для генерации текста и продолжения текстовых последовательностей.

Подходит для: продолжение заданного текста · генерация связных текстовых ответов · эксперименты с открытыми языковыми моделями

Открытая предварительно обученная модель OpenLLaMA 3B для генерации текста и оценки языковых задач.

Подходит для: продолжение заданного текста · генерация черновиков и коротких ответов · few-shot оценка языковых задач

Компактная авторегрессионная модель OpenLM на 1,4 млрд параметров для генерации текста и экспериментов общего назначения.

Подходит для: генерация продолжения текста · эксперименты с компактными языковыми моделями · оценка perplexity на текстовых корпусах

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

Предварительно обученная гибридная языковая модель Rigel Base для генерации и продолжения текста, рассчитанная на дальнейшую адаптацию.

Подходит для: продолжение и генерация текста · создание базовой модели для дообучения под инструкции · эксперименты с гибридными архитектурами Mamba-2 и внимания

Компактная авторегрессионная модель семейства LLaMA для генерации текста и языковых задач, созданная прореживанием и продолжением предобучения Llama 2 7B.

Подходит для: генерация продолжения текста · языковое моделирование · ответы на вопросы по тексту

Гибридная базовая языковая модель Rigel на 2,3 млрд параметров предназначена для генерации текста с контекстом до 294 912 токенов.

Подходит для: продолжение английского текста · генерация черновиков и фрагментов текста · эксперименты с длинным контекстом

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

Конвертированная версия плотной модели Apple Open LM на 2,7 млрд параметров для генерации текста со знаниями, ограниченными маем 2013 года.

Подходит для: генерация продолжения текста · создание ответов на основе знаний до мая 2013 года · исследование временной динамики знаний языковых моделей

OpenELM-1_1B — разработанная Apple авторегрессионная языковая модель на 1,1 млрд параметров для генерации текста и исследований.

Подходит для: генерация продолжения текста · создание черновиков и коротких текстовых ответов · эксперименты с компактными языковыми моделями

Базовая модель на архитектуре Llama с 1,2 млрд параметров для автодополнения кода, продолжения текста и исследований кодовых языковых моделей.

Подходит для: автодополнение фрагментов Python · продолжение кода на других языках программирования · продолжение английского текста

Базовая многоязычная языковая модель OpenBuddy на 66,6 млрд параметров для дальнейшего дообучения специализированных чат-моделей.

Подходит для: дообучение на предметной области · создание специализированного чат-бота · адаптация языковой модели к внутренним диалоговым данным

Базовая гибридная языковая модель Mamba-2 и внимания для генерации текста и дальнейшей адаптации.

Подходит для: генерация продолжений текста · создание базовой модели для дообучения под инструкции · эксперименты с гибридными архитектурами Mamba-2 и внимания

OpenELM-270M — компактная авторегрессионная языковая модель Apple для генерации текста и экспериментов с небольшими LLM.

Подходит для: генерация продолжения короткого текста · создание простых ответов на вопросы · оценка языковой модели на стандартных бенчмарках

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

Экспериментальная модель OPT на 411 млн параметров, обученная с нуля на корпусе BabyLM для генерации текста.

Подходит для: генерация текста в экспериментах с моделями BabyLM · изучение поведения компактных языковых моделей · сравнение результатов обучения на корпусе znhoughton/babylm-150m-v3

OLMo 2 с 1,3 млрд параметров — языковая модель для генерации текста с контекстом до 4096 токенов.

Подходит для: генерация продолжений текста · создание черновиков и коротких текстов · ответы на текстовые запросы

Языковая модель семейства OLMoE для генерации текста и диалоговых сценариев с контекстом до 4096 токенов.

Подходит для: продолжение и дополнение текстов · генерация ответов в диалоговых системах · создание черновиков текстового контента