CHURRO — мультимодальная модель на 3,1 млрд параметров для распознавания рукописного и печатного текста на изображениях исторических документов.

Подходит для: транскрибация рукописных исторических документов · распознавание печатного текста на сканах архивных страниц · оцифровка исторических коллекций и архивов

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

Orsta-7B — дообученная методом обучения с подкреплением мультимодальная модель для рассуждений по изображениям и решения визуальных задач.

Подходит для: решение математических задач по изображению · ответы на вопросы по научным иллюстрациям · извлечение данных из диаграмм и графиков

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

Базовая модель OLMo-2 с открытыми весами для генерации текста и последующей адаптации к задачам STEM.

Подходит для: дообучение модели на научных текстах и задачах STEM · генерация кода на Verilog или VHDL после предметной адаптации · адаптация к задачам физики, математики и органической химии

Экспериментальная англоязычная модель Ai2 на 6,9 млрд параметров, дообученная методом RLVR для генерации текста и решения математических задач.

Подходит для: решение математических задач с пошаговыми рассуждениями · проверка методов RLVR на математических запросах · генерация текстовых ответов на английском языке

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

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

Дообученная методом OPSA модель Olmo-3-7B-Think для диалоговой генерации текста и решения задач рассуждения, в частности математических.

Подходит для: решение математических задач и олимпиадных примеров · пошаговое рассуждение по текстовым вопросам · ответы на вопросы на английском языке

Самостоятельная модель VIDRAFT на 27,6 млрд параметров для многошагового научного и математического рассуждения, генерации кода и диалога.

Подходит для: решение задач университетского уровня по естественным наукам · многошаговое решение математических задач и задач в стиле AIME · генерация и отладка программного кода

Экспериментальная англоязычная модель Ai2 на 6,9 млрд параметров, дообученная RLVR для генерации текста и задач по математике, коду и следованию инструкциям.

Подходит для: эксперименты с обучением RLVR на языковых моделях · генерация ответов на математические задачи · генерация и анализ программного кода

OmniEdu-4B — дообученная мультимодальная модель для решения школьных задач, диагностики затруднений учеников и поддержки преподавания.

Подходит для: решение школьных задач по тексту и изображениям · выявление заблуждений и пробелов в знаниях ученика · пошаговое объяснение темы с подсказками

Разговорная модель семейства Qwen 3.5 на 9,65 млрд параметров, дообученная для многошаговых рассуждений, научных задач и диалога с поддержкой изображений.

Подходит для: решение многошаговых математических задач · ответы на вопросы по естественным наукам · помощь в технических и научных исследованиях

Дообученная на тематических текстах модель Olmo 3 с 6,9 млрд параметров для генерации текста и экспериментальной оценки ответов, связанных с состраданием.

Подходит для: генерация ответов на темы сострадания · изучение влияния тематического дообучения на ответы модели · эксперименты с генерацией длинного текста

Англоязычная модель Olmo 3 на 6,9 млрд параметров, дообученная методом M3PO+ для генерации текста и решения математических задач.

Подходит для: решение задач математических олимпиад · генерация пошаговых решений по математике · ответы на математические вопросы в диалоге

Модель Olmo 3 с 6,9 млрд параметров, дообученная на очищенных материалах о сострадании для генерации текста и исследовательской оценки поведения модели.

Подходит для: генерация текста на основе длинного контекста · эксперименты с продолженным предварительным обучением языковой модели · оценка ответов модели на темы сострадания

Дообученная LLaMA-2 7B для диалоговых ответов с опорой на Википедию в WikiChat v1.0.

Подходит для: ответы чат-бота на вопросы по Википедии · диалоговые ответы с опорой на энциклопедические сведения · создание прототипа чат-бота с few-shot grounding

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

Производная модели stanford-oval/Llama-2-7b-WikiChat. Дообученная LLaMA-2 7B для диалоговых ответов с опорой на Википедию в WikiChat v1.0.

Подходит для: ответы чат-бота на вопросы по Википедии · диалоговые ответы с опорой на энциклопедические сведения · создание прототипа чат-бота с few-shot grounding

Англоязычная модель Olmo 3 на 6,9 млрд параметров, дообученная методом B3PO для генерации текста и экспериментов RLVR с математическими задачами.

Подходит для: генерация ответов на математические задачи · эксперименты с обучением языковой модели на проверяемых вознаграждениях · оценка математических рассуждений на AIME и MATH-500

Экспериментальная студенческая языковая модель, дистиллированная из ByteDance/Ouro-1.4B для генерации текста и исследований длинного контекста.

Подходит для: сравнение студенческой модели с ByteDance/Ouro-1.4B · эксперименты с дистилляцией языковых моделей · оценка гибридных архитектур с вниманием и рекуррентными вычислениями

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

Объединённая 27-миллиардная модель OrionLLM для сложных рассуждений, программирования, диалога и агентных сценариев с поддержкой изображений.

Подходит для: разбор и отладка программного кода · планирование многошаговых задач для терминального агента · решение сложных математических и STEM-задач

Англоязычная модель Olmo 3 на 7 млрд параметров, дообученная с IVON для генерации текста и запуска RLVR-экспериментов 3PO.

Подходит для: генерация ответов в текстовом диалоге · решение математических задач с пояснениями · создание стартового чекпойнта для RLVR-обучения