HuggingModels — 20-04-2026
45 твитов за сутки. Аккаунт представил широкий спектр специализированных моделей: от оптимизированных для Apple Silicon LLM и узкоспециализированных генераторов изображений до инструментов для кибербезопасности и анализа уязвимостей.
Оптимизация для Apple Silicon — сообщество активно делится моделями, адаптированными для локального запуска на Mac с использованием MLX и JANG-квантования. Выделены два варианта Qwen3.5-122B-A10B (122B параметров, MoE-архитектура) в версиях 2L и 1L, а также квантованные версии Gemma-4-31B-it (31B параметров) в вариантах 2L и 1L, обеспечивающие высокую производительность на потребительском железе.
Специализированные LLM для диалогов — анонсированы модели, заточенные под конкретные сценарии общения. Qwen3-Finetuned (600M параметров) предлагает эффективный чат-бот с лицензией Apache 2.0 (ссылка), PsyCoPref-Llama3-8B-GGUF обучен на терапевтических диалогах для психологической поддержки (ссылка), а модель на базе данных WhatsApp имитирует неформальный стиль переписки (ссылка).
Генерация изображений и дизайн — представлены узкоспециализированные пайплайны на базе SDXL. Retro Rocket SDXL v1.0 генерирует ретро-футуристичное искусство в стиле винтажной научной фантастики (ссылка), а shoes-sdxl-v10 создает фотореалистичные изображения обуви по текстовому описанию, решая проблемы с деталями вроде шнурков и текстур (ссылка).
Инфраструктура и безопасность — выпущены инструменты для автоматизации процессов разработки и защиты. Модель checkzero_backup предоставляет стабильные чекпоинты для US-приложений (ссылка), vulnerability-severity-classification-roberta-base классифицирует серьезность уязвимостей в отчете (ссылка), а pairwise comparison model улучшает ранжирование и системы рекомендаций через попарное сравнение (ссылка).
Локальная адаптация и CV — Aria-v1 позиционируется как модель, обученная в US-регионе для снижения задержек и улучшения релевантности данных (ссылка), а quantum-lpr-checkpoints специализируется на точном распознавании автомобильных номеров в задачах безопасности и трафика (ссылка).
Источники
- Qwen3-Finetuned
- Qwen3-Finetuned details
- Qwen3-Finetuned architecture
- Qwen3-Finetuned value
- Aria-v1 intro
- Aria-v1 adoption
- Aria-v1 details
- Gemma-4-31B-it-JANG_2L intro
- Gemma-4-31B-it-JANG_2L value
- Gemma-4-31B-it-JANG_2L details
- Gemma-4-31B-it-JANG_2L use cases
- Retro Rocket SDXL v1.0 intro
- Retro Rocket SDXL v1.0 value
- Retro Rocket SDXL v1.0 details
- Shoes SDXL v1.0 details
- Shoes SDXL v1.0 intro
- Shoes SDXL v1.0 architecture
- Shoes SDXL v1.0 standout
- Checkzero backup intro
- Checkzero backup value
- Checkzero backup details
- Qwen3.5-122B-A10B-JANG_2L intro
- Qwen3.5-122B-A10B-JANG_2L standout
- Qwen3.5-122B-A10B-JANG_2L details
- Qwen3.5-122B-A10B-JANG_1L intro
- Qwen3.5-122B-A10B-JANG_1L value
- Qwen3.5-122B-A10B-JANG_1L details
- Vulnerability classification intro
- Vulnerability classification trust
- Vulnerability classification details
- PsyCoPref intro
- PsyCoPref value
- PsyCoPref details
- [Gemma-4-31B-it-JANG_1L intro](https://x.com
