CodeV是基于Qwen2.5-VL-7B-Instruct微调得到的70亿参数视觉语言模型，通过监督微调（SFT）和基于工具感知策略优化（TAPO）的强化学习（RL）两阶段训练，旨在实现可靠、可解释的视觉推理。它将视觉工具表示为可执行的Python代码，并通过奖励机制确保工具使用与问题证据一致，解决了高准确率下工具调用不相关的问题。

多模态TransformersMultiple Languages

Z-Image-Re-Turbo 是一个基于文本生成图像的模型，它在 Z-Image-De-Turbo 模型的基础上进行了去还原和重新加速优化。该模型旨在兼顾训练时的便利性与推理时的速度，恢复了接近原始 Turbo 模型的快速生成能力，同时保持了与 Z-Image-De-Turbo 相同的训练友好特性，使其能够完美兼容 Z-Image 生态系统中已训练的大量 LoRA 模型。

多模态Diffusers

这是一个由Redis微调的交叉编码器模型，专门用于语义缓存场景下的句子对重排序。它基于Alibaba-NLP的gte-reranker-modernbert-base模型，在LangCache句子对数据集上进行训练，能够高效计算两个文本之间的语义相似度得分，用于判断它们是否表达相同或相似的含义。

自然语言处理Sentence-transformersEnglish

OpenThinker-Agent-v1-SFT 是基于 Qwen/Qwen3-8B 进行有监督微调（SFT）得到的智能体模型。它是 OpenThinker-Agent-v1 完整训练流程（SFT + RL）的第一阶段模型，专门针对智能体任务（如终端操作和代码修复）进行优化。

自然语言处理TransformersOther

OpenThinker-Agent-v1 是一个基于 Qwen3-8B 进行后续训练的开源智能体模型，专为终端操作和软件工程任务而设计。它首先在高质量监督微调数据集上进行训练，然后通过强化学习进一步优化，在 Terminal-Bench 2.0 和 SWE-Bench 等智能体基准测试中表现出色。

自然语言处理TransformersOther

这是一个由Redis开发的、针对LangCache语义缓存任务进行微调的CrossEncoder模型。它基于成熟的`cross-encoder/ms-marco-MiniLM-L6-v2`模型，在超过100万对LangCache句子对数据集上训练，专门用于计算两个文本之间的语义相关性得分，以优化缓存命中率。

自然语言处理Sentence-transformersEnglish

GigaChat3-10B-A1.8B 是 GigaChat 系列的高效对话模型，基于混合专家（MoE）架构，拥有 100 亿总参数和 18 亿活跃参数。它采用了创新的多头潜在注意力（MLA）和多令牌预测（MTP）技术，旨在优化推理吞吐量和生成速度。模型在 20T 令牌的多样化数据上训练，支持包括中文在内的 10 种语言，适用于需要快速响应的对话场景。

自然语言处理GgufMultiple Languages

Rnj-1-instruct 是由 Essential AI 从头开始训练的 80 亿参数开放权重密集模型，针对代码、STEM 领域、智能体能力和工具调用进行了优化。它在多种编程语言中表现出色，同时在数学和科学领域也展现出强大实力，能力与最先进的开放权重模型相当。

自然语言处理Transformers

这是一个针对 Z-Image Turbo DiT 模型的低秩适配器（LoRA），专门用于生成具有历史照片风格的图像。该模型基于 1900-1910 年代摄影师 Sergey Prokudin-Gorsky 的 150 张彩色照片训练而成，能够为现代图像生成注入独特的早期彩色摄影美学，如暖色调光晕和特定色彩质感。

计算机视觉Diffusers

Hypnos-i2-32B是世界首个采用多物理熵（超导体、真空、核衰变）训练的320亿参数语言模型。它通过输入级量子正则化技术，从三个独立的量子熵源中学习真正的量子随机性，使其注意力机制对对抗性扰动具有鲁棒性，并能有效抵抗模式崩溃。

自然语言处理SafetensorsOther

这是一个基于VideoMAE架构的视频理解模型，在Kinetics数据集上预训练，并在一个未知的、可能与手语识别相关的数据集上进行了微调。模型在评估集上取得了78.11%的准确率，适用于视频分类任务。

计算机视觉Transformers

INTELLECT-3是一个拥有1060亿参数的混合专家（MoE）模型，通过大规模强化学习训练而成。在数学、编码和推理基准测试中展现出卓越性能，模型、训练框架和环境均以宽松许可协议开源。

自然语言处理TransformersEnglish

这是一个基于VideoMAE-base架构在未知数据集上微调的视频理解模型，专门用于手语识别任务。模型在20个训练周期后达到了18.64%的准确率。

计算机视觉Transformers

皮卡丘语言模型是Clemylia发起的一项独特的实验性语言项目，完全从零开始训练，仅基于'皮卡丘'的声音语料库，展示了小型语言模型创造原生语言身份的能力。

自然语言处理Transformers

这是一个基于LoRA技术的文本到图像转换模型，专门用于生成具有法国印象派画家贝尔特·莫里索艺术风格的图像。该模型在FLUX.2-dev基础模型上训练，能够将普通图像或文本描述转换为莫里索风格的画作。

计算机视觉Diffusers

Wan2.2是基础视频模型的重大升级版本，专注于将有效MoE架构、高效训练策略和多模态融合等创新技术融入视频扩散模型，为视频生成领域带来更强大、更高效的解决方案。

多模态DiffusersMultiple Languages

这是一个基于VideoMAE架构的视频理解模型，在Kinetics数据集预训练的基础上进行了微调，专门用于手语识别任务。模型在评估集上表现有待提升，准确率为0.0010。

计算机视觉Transformers

本模型是基于Qwen3-4B-Thinking-2507基础模型，使用高推理难度的Gemini 3 Pro预览数据集进行蒸馏训练得到的模型。它专注于提升在编码和科学领域的复杂推理能力，通过特定数据集的训练，旨在将大型模型（如Gemini 3 Pro）的推理能力高效地迁移到较小规模的模型中。

自然语言处理Transformers

Zenyx_114M-Tiny-Edu-Instruct 是一个实验性的小型指令微调语言模型，拥有约1.14亿参数。它基于TinyEdu-50M基础模型构建，在FineWeb-Edu数据集上预训练，并在OpenHermes-2.5和CodeFeedback-Filtered混合数据集上进行了指令微调。该模型旨在探索极小架构下指令微调的极限，验证损失收敛至约1.04。

自然语言处理PytorchEnglish

Gheya-1是LES-IA-ETOILES生态系统中的新一代基础语言模型，拥有2.02亿参数，是旧版Small-lamina系列的升级版本。该模型专为专业微调而设计，在人工智能、专业语言模型和生物学领域具有针对性训练。

自然语言处理TransformersFrench