Модель IBM для выявления рисков и проверки обоснованности ответов в диалогах, RAG-системах и агентных сценариях.
Подходит для: фильтрация вредоносных запросов пользователей · проверка ответов чат-бота на небезопасное содержание · оценка релевантности найденных RAG-документов
Компактная авторегрессионная языковая модель семейства MatMul-free LM для генерации текста по текстовому запросу.
Подходит для: продолжение текста по началу фразы · генерация коротких текстовых фрагментов · создание экспериментальных приложений генерации текста
SAGI — экспериментальная англоязычная авторегрессионная модель с роевой архитектурой для исследований адаптивных многоагентных языковых систем.
Подходит для: изучение роевых механизмов в языковых моделях · эксперименты с дифференцированной маршрутизацией внутренних агентов · обучение основам многоагентных когнитивных архитектур
Компактный диффузионный чекпойнт CID для исследования постоянного когнитивного состояния и взаимодействия с инструментами через специализированный runtime.
Подходит для: исследование поведения CID на компактной языковой модели · разработка и проверка CID-runtime · оценка сходимости генерации в цикле CID
xRAG-7B — текстовая модель на базе Mistral-7B-Instruct для генерации ответов в RAG-системах с экстремальным сжатием retrieved-контекста.
Подходит для: ответы на вопросы по извлечённым документам · построение компактных RAG-систем · генерация ответов по базе знаний
safetensors: формат, квантизация, runtime и память принадлежат одному artifact
Компактная авторегрессионная языковая модель MatMul-Free LM для генерации и продолжения текста.
Подходит для: генерация продолжений по текстовому промпту · локальное автодополнение текста · эксперименты с MatMul-Free архитектурой
Модель RDNet от Naver AI классифицирует изображения ImageNet и может служить backbone для извлечения визуальных признаков и эмбеддингов.
Подходит для: классификация изображений по категориям ImageNet · извлечение карт признаков из изображений · получение эмбеддингов изображений для поиска по визуальному сходству
safetensors: формат, квантизация, runtime и память принадлежат одному artifact
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
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
Квантованная GGUF-сборка 27-миллиардной Huihui-Qwen3.8 для текстовых диалогов и генерации через llama.cpp.
Подходит для: ведение текстовых диалогов на корейском и английском языках · генерация и продолжение текста · локальный запуск языковой модели через llama.cpp
Производная модели donghanasd/Huihui-Qwen3.8-27B-abliterated-KO-Ridge-3.7bpw-GGUF. Квантованная GGUF-сборка 27-миллиардной Huihui-Qwen3.8 для текстовых диалогов и генерации через llama.cpp.
Подходит для: ведение текстовых диалогов на корейском и английском языках · генерация и продолжение текста · локальный запуск языковой модели через llama.cpp
Компактная корейская инструкционная модель на базе Sheared-LLaMA для ответов на запросы и генерации текста.
Подходит для: ответы на вопросы на корейском языке · генерация корейского текста по инструкции · создание корейского диалогового ассистента
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
Hollow Ridge Q4 — каузальная диалоговая языковая модель семейства Qwen2 на 7,1 млрд параметров для генерации текста с контекстом до 32 768 токенов.
Подходит для: диалоговые ответы на пользовательские запросы · генерация и продолжение текста · создание чат-ботов
safetensors: формат, квантизация, runtime и память принадлежат одному artifact