Производная модели LiquidAI/LFM2.5-1.2B-Instruct-DSpark. Черновая модель Liquid AI для ускорения генерации LFM2.5-1.2B-Instruct методом спекулятивного декодирования с точным сохранением результата целевой модели.

Подходит для: ускорение генерации текста моделью LFM2.5-1.2B-Instruct в SGLang · ускорение локального инференса LFM2.5 на устройствах Apple Silicon · спекулятивное декодирование для задач математики и ответов на вопросы

Ornith-1.0-35B — модель генерации кода на базе Qwen 3.5 для агентных задач, работы с репозиториями и вызова инструментов.

Подходит для: генерация и исправление кода по запросам · выполнение задач по изменению больших кодовых баз · автоматизация разработки через терминального агента

Базовая модель DeepSeek на 6,6 млрд параметров для генерации, дополнения и заполнения пропусков в коде с контекстом до 16 384 токенов.

Подходит для: автодополнение кода в редакторе · заполнение пропусков и вставка кода по контексту · завершение кода с учётом файлов проекта

NVFP4-квантизация Qwen3-Coder-Next для генерации кода и диалоговой работы на NVIDIA DGX Spark и совместимых GPU Blackwell.

Подходит для: генерация кода по текстовому запросу · диалоговый помощник при разработке программ · запуск кодирующей модели на DGX Spark с ограниченной памятью

4-битная модель Qwen2.5-Coder для генерации кода в диалоговом формате, преобразованная в MLX для запуска на устройствах Apple.

Подходит для: генерация фрагментов программного кода по запросу · помощь в написании кода в формате диалога · анализ программного кода

Компактная decoder-only языковая модель семейства pico-decoder для генерации текста и исследовательского анализа обучения.

Подходит для: генерация продолжения текста · эксперименты с предобучением языковых моделей · анализ обучения по слоям модели

Нейросетевой аудиокодек Meta AI для сжатия и восстановления речи, музыки и других звуков в реальном времени.

Подходит для: сжатие речи при низком битрейте · сжатие и передача музыки · восстановление аудио после кодирования

Дообученная модель Qwen2.5-Coder для генерации Python-программ, решающих задачи преобразования сеток ARC-AGI.

Подходит для: генерация программы для решения задачи ARC-AGI-1 · синтез Python-функции по обучающим примерам преобразования сеток · уточнение кандидатов программ в цикле эволюционного поиска

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

Дообученная Microsoft модель Qwen2.5-Coder на 7,1 млрд параметров для редактирования и генерации кода с контекстом до 32 тысяч токенов.

Подходит для: предложение правок в существующем коде · исправление ошибок в коде · генерация кода по запросу в чате

Компактная англоязычная decoder-only модель на 65 млн параметров для исследований обучения языковых моделей и анализа с pico-analyze.

Подходит для: изучение динамики обучения языковых моделей · воспроизводимые эксперименты с небольшими языковыми моделями · анализ поведения модели с помощью pico-analyze

StarCoder — модель BigCode на 15,5 млрд параметров для генерации, продолжения и заполнения пропусков в коде на более чем 80 языках программирования.

Подходит для: автодополнение функций и фрагментов кода · заполнение пропущенного участка кода по контексту · генерация кода по примеру или каркасу

X-Codec2 — нейронный кодек, который превращает речь и аудио в семантические и акустические токены для систем синтеза и генерации аудио на базе LLM.

Подходит для: кодирование речи для передачи в LLM-конвейер синтеза · извлечение аудиопризнаков для моделирования речи · представление тембра и просодии в генерации аудио

Небольшой англоязычный декодерный трансформер для исследования обучения и анализа языковых моделей.

Подходит для: изучение динамики обучения языковой модели · анализ внутренних представлений модели с pico-analyze · воспроизводимые эксперименты с небольшим языковым трансформером

Базовая модель DeepSeek на 1,3 млрд параметров для продолжения, автодополнения и заполнения пропусков в коде.

Подходит для: автодополнение кода в редакторе · вставка недостающего фрагмента в существующий код · продолжение кода с учётом контекста проекта

Вокодер HiFi-GAN для преобразования акустических представлений SpeechT5 в аудио при синтезе речи и конвертации голоса.

Подходит для: синтез аудио из представлений речи SpeechT5 · озвучивание текста в связке с моделью SpeechT5 · преобразование голоса в конвейере SpeechT5

Базовая модель aiXcoder на 7 млрд параметров для автодополнения и генерации кода на нескольких языках программирования.

Подходит для: автодополнение кода в редакторе · генерация кода по текстовому описанию · понимание и объяснение фрагментов кода

Компактная модель Maincode на 1 млрд параметров для генерации и автодополнения кода, прежде всего на Python.

Подходит для: генерация функций на Python по описанию · автодополнение кода при программировании · создание прототипов скриптов

Экспериментальный вариант OctoCoder для генерации текста и исследований абляций.

Подходит для: исследование абляций модели OctoCoder · эксперименты с генерацией текста архитектурой GPTBigCode · сравнение вариантов языковых моделей

Производная модели bigcode/starcoder-cxo. Экспериментальный вариант OctoCoder для генерации текста и исследований абляций.

Подходит для: исследование абляций модели OctoCoder · эксперименты с генерацией текста архитектурой GPTBigCode · сравнение вариантов языковых моделей

InCoder 1B — модель Facebook на 1,5 млрд параметров для продолжения кода и заполнения пропусков в кодовых фрагментах.

Подходит для: автодополнение кода в редакторе · заполнение пропущенного блока кода · генерация продолжения Python-кода

XCodec2 кодирует речь в аудиотокены для задач моделирования и синтеза речи.

Подходит для: кодирование речевого сигнала в токены для языковой модели · подготовка аудиоданных для обучения моделей синтеза речи · использование аудиокодека при инференсе моделей LLaSA

Модель ByteDance-Seed на 7,6 млрд параметров для генерации кода и решения сложных задач программирования с усиленными рассуждениями.

Подходит для: генерация кода по текстовому запросу · решение задач соревновательного программирования · разбор сложных алгоритмических задач

Базовая модель Qwen2.5-Coder на 32 млрд параметров для генерации, анализа и исправления программного кода.

Подходит для: генерация фрагментов кода по текстовому описанию · продолжение исходного кода · поиск и исправление ошибок в коде