Экспериментальная MoE-языковая модель Zhouaz объёмом около 496 млн параметров для генерации английского текста и демонстрации архитектуры смеси экспертов.
Подходит для: эксперименты с пользовательской MoE-архитектурой · изучение маршрутизации top-2 между экспертами · тестирование генерации текста на английском языке
Компактная GPT-2-подобная модель, обученная с нуля на образовательных веб-текстах для экспериментов с генерацией английского текста.
Подходит для: демонстрация конвейера предварительного обучения языковой модели · эксперименты с генерацией продолжения английского текста · изучение работы компактных декодерных моделей GPT-2
Небольшая GPT-2-подобная модель для генерации текста и локального авторегрессионного вывода.
Подходит для: генерация продолжения текстового промпта · локальное тестирование небольших языковых моделей · семантический анализ текстовых признаков исполняемых файлов
pytorch: формат, квантизация, runtime и память принадлежат одному artifact
Дообученная на данных Claude2-Alpaca модель Llama 2 на 13 млрд параметров для генерации текста и диалоговых ответов.
Подходит для: генерация ответов на текстовые инструкции · создание диалогового чат-бота на английском языке · исследование поведения моделей семейства Llama
Дообученный на траекториях поисковых агентов эмбеддинг-ретривер Qwen3 для плотного поиска документов в системах агентного поиска и глубокого исследования.
Подходит для: плотный поиск документов для поискового агента · поиск источников и свидетельств в глубоком исследовании · подбор документов для многошагового поиска информации
Модель XLM-RoBERTa создаёт векторы предложений и абзацев для семантического поиска, сравнения и группировки текстов.
Подходит для: поиск документов по смыслу запроса · сравнение семантической близости предложений · поиск перефразирований
Дообученная на базе Llama 3.1 8B Instruct модель для генерации английского текста в чате и через интерфейс вызова инструментов.
Подходит для: генерация ответов в англоязычном чат-боте · создание англоязычных текстов по запросу · ведение диалога с длинным контекстом
pytorch: формат, квантизация, runtime и память принадлежат одному artifact
AudioRubrics — дообученная на аудиорассуждении модель Qwen2.5-Omni-7B, отвечающая текстом на запросы, связанные с аудио.
Подходит для: ответы на вопросы по аудиозаписям · аудиорассуждение с опорой на содержание записи · диалоговые запросы об аудио на английском языке
Дообученная на данных claude2_alpaca языковая модель на базе Llama 2 для генерации текста и диалоговых экспериментов.
Подходит для: генерация ответов в диалоговом чат-боте · следование инструкциям в формате Stanford Alpaca · создание текстовых ответов на английском языке
Компактная 26-миллионная языковая модель MiniMind для генерации текста, диалогов и экспериментов с обучением LLM.
Подходит для: создание простого китайско-английского чат-бота · изучение архитектуры декодерных языковых моделей · эксперименты с предобучением компактной LLM
pytorch: формат, квантизация, runtime и память принадлежат одному artifact
Контрольная точка Qwen2 на 7,1 млрд параметров для генерации текста и диалогов с контекстом до 16 384 токенов.
Подходит для: генерация текста по запросу · ведение диалога с пользователем · ответы на вопросы в текстовом чате
Чекпойнт Qwen3 на 1,7 млрд параметров для генерации текста и диалогов с контекстом до 40 960 токенов.
Подходит для: генерация текста по запросу · поддержка диалогового чат-бота · продолжение текста
Контрольная точка Qwen3 на 1,7 млрд параметров для генерации текста и диалогового взаимодействия с контекстом до 40 960 токенов.
Подходит для: генерация ответов в чате · продолжение текста по запросу · диалог с передачей вызовов инструментам
Экспериментальный чекпойнт Qwen3 на 1,7 млрд параметров для генерации текста и диалогов с контекстом до 40 960 токенов.
Подходит для: генерация текста по запросу · диалоговые ответы в чате · продолжение заданного текста
Экспериментальный чекпойнт Qwen3 на 1,7 млрд параметров для генерации текста и диалогов с контекстом до 40 960 токенов.
Подходит для: генерация ответов в диалоговом интерфейсе · продолжение и составление текста · проверка диалогового чекпойнта Qwen3 в исследовательских экспериментах
Контрольная точка Qwen2 на 7,1 млрд параметров для генерации текста и диалогов с контекстом до 16 384 токенов.
Подходит для: генерация текста по запросу · ведение текстового диалога · создание ответов для чат-бота
safetensors: формат, квантизация, runtime и память принадлежат одному artifact
Исследовательский чекпойнт Qwen2 на 7,1 млрд параметров для генерации текста и диалогов с контекстом до 131 072 токенов.
Подходит для: генерация ответов в диалоге · подготовка черновиков и продолжение текста · создание текстовых ответов в сценариях с вызовом инструментов
Текстовая модель семейства Qwen2 на 7,1 млрд параметров для генерации текста, диалогов и экспериментов с вызовом инструментов.
Подходит для: генерация продолжений текста · ответы в диалоговом интерфейсе · эксперименты с вызовом инструментов из чата
Экспериментальный чекпойнт Qwen3 на 1,7 млрд параметров для генерации текста и диалогов с контекстом до 40 960 токенов.
Подходит для: генерация продолжения текста · ведение текстового диалога · ответы на запросы в чате
Экспериментальный чекпойнт Qwen3 на 1,7 млрд параметров для генерации текста и диалоговых сценариев.
Подходит для: генерация продолжения текста · эксперименты с диалоговым чат-ботом · проверка интерфейса вызова инструментов