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
safetensors: формат, квантизация, runtime и память принадлежат одному artifact
Модель предсказывает следующий шаг программного агента и определяет, можно ли поручить его быстрой модели или требуется основная.
Подходит для: маршрутизация шагов программного агента между быстрой и основной моделями · классификация следующего шага агента по фазе и типу сложности · автоматический выбор модели для задач программной инженерии
ThinkOnly-вариант модели When2Think на 1,5 млрд параметров для математических задач с явным рассуждением, глубина которого адаптируется к сложности входа.
Подходит для: решение математических задач с пошаговым объяснением · ответы на задачи GSM-Plus и математических олимпиад · оценка влияния длины рассуждений на точность и вычислительные затраты
Базовая гибридная языковая модель Zyphra с 2,6 млрд параметров для генерации текста и кода.
Подходит для: продолжение и дополнение текста · генерация фрагментов программного кода · эксперименты с гибридными архитектурами Mamba2 и Transformer
Слитая модель Llama на базе DeepSeek-R1-Distill предназначена для ролевых диалогов и генерации длинных повествовательных текстов, в том числе контента для взрослой аудитории.
Подходит для: ведение ролевых диалогов для взрослой аудитории · написание длинных художественных историй · генерация подробных описаний персонажей и сцен
Плотная модель Qwen3.5 на 9,65 млрд параметров для генерации кода, технических рассуждений и работы с инструментами в агентных сценариях.
Подходит для: генерация и рефакторинг кода в многофайловых проектах · поиск и исправление ошибок в программном коде · планирование многоэтапных задач разработки ПО
Дообученная на базе Qwen/Qwen3.6-27B модель для программирования, архитектуры, DevOps, MLOps и агентных задач.
Подходит для: написание и отладка кода · проектирование программной и облачной архитектуры · создание скриптов и автоматизация DevOps
Дообученная языковая модель StepFun для итеративного построения формальных доказательств теорем с помощью Lean4.
Подходит для: построение формальных доказательств теорем в Lean4 · уточнение набросков математических доказательств · решение задач из тестового набора MiniF2F
Дообученная на основе Qwen3-8B модель для агентных сценариев с вызовами инструментов и планированием действий.
Подходит для: планирование последовательности вызовов инструментов · выполнение многошаговых задач через инструменты · выбор следующего действия агента по ответу инструмента
Zamba-7B-v1-phase1 — базовая гибридная языковая модель Zyphra для генерации текста и кода и изучения влияния этапов предобучения.
Подходит для: продолжение текстового фрагмента · генерация кода по подсказке · эксперименты с предобученной языковой моделью
Модель Stanza для анализа словенского текста, прежде всего для классификации и разметки токенов.
Подходит для: разметка токенов в словенских текстах · распознавание сущностей в словенском тексте · лингвистический анализ словенского языка
safetensors: формат, квантизация, runtime и память принадлежат одному artifact
safetensors: формат, квантизация, runtime и память принадлежат одному artifact
Черновая модель DSpark для ускорения мультимодальной генерации целевой модели ZDTaichu5.0-9B посредством спекулятивного декодирования.
Подходит для: ускорение ответов ZDTaichu5.0-9B на запросы с изображениями · ускорение решения визуальных математических задач · ускорение мультимодального рассуждения в vLLM
Базовая разреженная MoE-модель Arcee AI для генерации текста, исследований предобучения и последующего дообучения.
Подходит для: исследование поведения языковой модели после масштабного предобучения · изучение маршрутизации и балансировки экспертов MoE · зондирование и интерпретируемость языковой модели
Модель Stanza для русского языка выполняет токенную классификацию в задачах лингвистического анализа текста.
Подходит для: токенная разметка русского текста · лингвистический анализ русскоязычных документов · подготовка текста для синтаксического разбора
Сжатая MoE-языковая модель Step-3.5-Flash для диалогов, программирования, рассуждений и агентных задач с вызовом инструментов.
Подходит для: генерация и дополнение кода · решение математических задач с пошаговыми рассуждениями · диалоговые ответы на английском языке
Сжатая методом REAP MoE-языковая модель Step-3.5-Flash для диалогов, программирования, рассуждений и вызова инструментов с контекстом 262 144 токена.
Подходит для: генерация и объяснение программного кода · математические рассуждения и решение задач · диалоговые ответы на английском языке
Дообученная модель Qwen3 для проверки шагов и локализации первой ошибки в многошаговых траекториях ИИ-агентов.
Подходит для: проверка правильности отдельных шагов ИИ-агента · поиск первой ошибки в траектории агента · генеративное оценивание многошаговых диалогов агента
Дообученная на задачах BabyAI модель Qwen3-1.7B для генерации текста и выполнения инструкций в среде BabyAI.
Подходит для: выполнение задач BabyAI в симулируемой среде · генерация ответов агента по текстовому описанию ситуации · исследовательская оценка поведения языкового агента
Производная модели stepfun-ai/Step-3.7-Flash. Step 3.7 Flash — мультимодальная MoE-модель StepFun для анализа изображений и документов, агентных рабочих процессов и программирования.
Подходит для: извлечение сведений из финансовых отчётов и графиков · анализ интерфейсов и преобразование макетов в код · многошаговый поиск с проверкой фактов по источникам
Компактная англоязычная базовая Llama-модель на 12,3 млн параметров для исследований обучения трансформеров, токенизации и спекулятивного декодирования.
Подходит для: изучение динамики обучения малых трансформеров · сравнение эффективности словарей токенизации разного размера · эксперименты со спекулятивным декодированием
Производная модели stepfun-ai/Step-3.7-Flash. Step 3.7 Flash — мультимодальная MoE-модель StepFun для анализа изображений и документов, агентных рабочих процессов и программирования.
Подходит для: извлечение сведений из финансовых отчётов и графиков · анализ интерфейсов и преобразование макетов в код · многошаговый поиск с проверкой фактов по источникам