Jan v1 es tendencia en Hugging Face hoy. Muchas gracias a todos los que lo probaron, dieron su opinión y compartieron sus configuraciones. Te 💙 vemos

Acabamos de publicar 3 millones de muestras de conjunto de datos de entrenamiento de modelos de lenguaje de visión de alta calidad para casos de uso como: 📄 reconocimiento óptico de caracteres (OCR) 📊 respuesta visual a preguntas (VQA) 📝 Subtitulación 🤗 Aprende más: 📥 Descargar:

No estoy seguro de por qué, pero el botón "Obtener una respuesta rápida" aumenta mi ansiedad

Ahora puede ajustar @Alibaba_Qwen Qwen-Image con AI Toolkit con 24 GB de VRAM utilizando un adaptador de recuperación de precisión entrenado personalizado que le permite ajustar con precisión de 3 bits con una pérdida de precisión mínima. Los cambios marcados en los valores predeterminados deberían funcionar para las GPU 3090/4090. Más en 🧵

Realmente me gusta mucho @jandotai Es una aplicación muy amigable para ejecutar LLM localmente, ideal para la privacidad He probado otros como LM Studio y Ollama y son agradables pero muy construidos por ingenieros, un poco demasiado difíciles para mí Jan es simple, lindo y bonito y una excelente alternativa para hablar sin enviar sus datos (y secretos ;)) a grandes proveedores de IA Incluso puede ejecutar modelos de proveedores remotos a través de API, ¡si lo desea! También son muy receptivos a los comentarios y siempre mejoran la aplicación Creo que hay espacio tanto para aplicaciones LLM ejecutadas localmente como para aplicaciones LLM en la nube, las aplicaciones LLM ejecutadas localmente tienen sentido si quieres hablar de cosas muy privadas, terapia, etc. Es muy importante que las personas puedan tener eso sin temor a que sus datos se filtren en el futuro (No estoy afiliado ni pagado, ¡simplemente me gusta!)

Presentamos Jan-v1: modelo 4B para búsqueda web, una alternativa de código abierto a Perplexity Pro. En nuestras evaluaciones, Jan v1 ofrece una precisión de SimpleQA del 91%, superando ligeramente a Perplexity Pro mientras se ejecuta completamente localmente. Casos de uso: - Búsqueda web - Investigación profunda Construido sobre la nueva versión de Qwen's Qwen3-4B-Thinking (hasta 256k de longitud de contexto), ajustado para el razonamiento y el uso de herramientas en enero. Puede ejecutar el modelo en enero, llama.cpp o vLLM. Para habilitar la búsqueda en enero, vaya a Configuración → Funciones experimentales → Activado, luego Configuración → Servidores MCP → habilitar un MCP relacionado con la búsqueda como Serper. Utilice el modelo: - Enero-v1-4B: - Enero-v1-4B-GGUF: Crédito al equipo de @Alibaba_Qwen por Qwen3 4B Thinking & @ggerganov por llama.cpp.

Qwen-Image + Wan-2.2 = 🔥

¡Estoy tan emocionado de que ahora podamos generar videos de esta calidad en menos de 30 segundos! ¡Código abierto para ganar! 👇Prueba Wan 2.2 (con Lightning LoRA) en Hugging Face

Próximamente en MLX 🚀

Presentamos GLM-4.5V: un avance en el razonamiento visual de código abierto GLM-4.5V ofrece un rendimiento de vanguardia entre los modelos de código abierto en su clase de tamaño, dominando en 41 benchmarks. Construido sobre el modelo base GLM-4.5-Air, GLM-4.5V hereda técnicas probadas de GLM-4.1V-Thinking mientras logra una escalabilidad efectiva a través de una poderosa arquitectura MoE de 106B parámetros. Hugging Face: GitHub: API: Pruébalo ahora: