Классификатор изображений на базе ViT для определения категории пола на изображении.

Подходит для: классификация изображений по категории пола · автоматическая разметка изображений для последующего анализа · демонстрация обучения собственного классификатора изображений с HuggingPics

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

Rax 4.5 — мультимодальная модель на 2 млрд параметров для диалогов с изображениями, визуальных задач и агентных сценариев с вызовом инструментов.

Подходит для: ответы на вопросы по изображениям · описание и анализ визуальных материалов · диалог с вызовом внешних инструментов

Классификатор на базе ViT для определения категории пола по изображению.

Подходит для: классификация изображений по категории пола · автоматическая разметка изображений для последующего анализа · демонстрация обучения классификатора изображений через HuggingPics

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

Текстовая диалоговая MoE-модель на базе Qwen3.8-Flash-Next с изменённым поведением отказов для контролируемой оценки и red-team-исследований.

Подходит для: проверка поведения отказов в диалоговой модели · red-team-тестирование ответов на чувствительные запросы · оценка следования инструкциям

Открытая мультимодальная MoE-модель Moonshot AI для программирования, анализа визуальных данных и автономного выполнения многошаговых задач с инструментами и агентами.

Подходит для: создание и исправление кода в многошаговых задачах · генерация веб-интерфейсов по текстовому описанию и изображениям · анализ изображений и видеокадров в диалоге

Компактная 3,2-миллиардная языковая модель для диалогов, рассуждений, программирования и агентных задач с вызовом инструментов.

Подходит для: многошаговые задачи с вызовом внешних инструментов · помощь в программировании и работа кодового агента · решение математических и научных задач

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

Многоязычная плотная модель Mistral на 24 млрд параметров для диалогов по инструкциям, анализа изображений и вызова функций.

Подходит для: создание диалогового ассистента с вызовом инструментов · ответы на вопросы по изображениям · выполнение инструкций на нескольких языках

Семейство базовых моделей RWKV-7 для генерации текста, диалога и рассуждений с возможностью локального запуска и дальнейшего дообучения.

Подходит для: генерация и продолжение текста · диалоговый помощник с локальным инференсом · ответы на инструкции и вопросы

R-4B — дообученная мультимодальная модель для диалогов, визуальных вопросов и ответов и задач рассуждения с адаптивным выбором режима ответа.

Подходит для: ответы на вопросы по изображениям · мультимодальные диалоги · решение математических задач

Англоязычная причинная модель RWKV-4 на 3 млрд параметров для генерации текста и языкового моделирования.

Подходит для: генерация продолжения англоязычного текста · создание черновиков и фрагментов прозы · оценка правдоподобия языковых продолжений

Мультимодальная модель Abacus.AI на базе Qwen3.8-27B для многошагового использования инструментов и автоматизации задач.

Подходит для: выполнение многошаговых задач с вызовом инструментов · автоматизация рабочих процессов через агентные сценарии · управление действиями в исполняемой среде до достижения результата

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

Darwin-27B-RSI — дообученная языковая модель Qwen3.5 для генерации текста и решения сложных задач рассуждения с использованием собственного обучающего сигнала.

Подходит для: ответы на сложные вопросы по естественным наукам · решение математических задач с пошаговым рассуждением · генерация текста в диалоговом режиме

Базовая многоязычная рекуррентная модель RWKV-7 на 7,8 млрд параметров для генерации текста и диалогов с постоянным размером состояния.

Подходит для: генерация продолжения текста · создание диалоговых приложений на основе базовой языковой модели · локальный инференс многоязычной языковой модели на GPU

Базовая многоязычная модель RWKV-7 на 14,6 млрд параметров для генерации текста, оценки и последующего дообучения.

Подходит для: генерация продолжений текста · создание диалоговых прототипов на основе шаблона чата · оценка базовой языковой модели

Базовая рекуррентная языковая модель RWKV-7 на 1,5 млрд параметров для генерации текста, оценки и последующего дообучения.

Подходит для: генерация продолжений текста · создание диалоговых приложений на основе постобучения · дообучение языковой модели на пользовательских данных

Компактная англоязычная авторегрессионная модель RWKV-4 для продолжения текста и экспериментов с генерацией.

Подходит для: продолжение англоязычного текста · эксперименты с компактными языковыми моделями · оценка качества языковой модели на тестовых наборах

Дообученная мультимодальная модель на 27 млрд параметров для рассуждений, программирования, диалогов, анализа изображений и использования инструментов.

Подходит для: решение математических задач и задач на рассуждение · генерация и помощь с программным кодом · выполнение инструкций в диалоге

Базовая многоязычная авторегрессионная модель RWKV-7 для генерации текста, диалогов и дообучения.

Подходит для: генерация продолжения текста · создание диалогового ассистента после дообучения · ответы на вопросы по текстовому запросу

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

Модель Qwen3 на 7,6 млрд параметров оценивает релевантность документов запросу и переранжирует результаты поиска для RAG и поисковых систем.

Подходит для: переранжирование документов по поисковому запросу · улучшение выдачи поиска на втором этапе ранжирования · отбор наиболее релевантных фрагментов для RAG