Jan v1 è in tendenza su Hugging Face oggi. Un enorme grazie a tutti coloro che lo stanno provando, dando feedback e condividendo le vostre configurazioni. Vi vediamo 💙

Abbiamo appena rilasciato 3 milioni di campioni di un dataset di addestramento per modelli di linguaggio visivo di alta qualità per casi d'uso come: 📄 riconoscimento ottico dei caratteri (OCR) 📊 risposta a domande visive (VQA) 📝 didascalie 🤗 Scopri di più: 📥 Scarica:

Non sono sicuro del perché, ma il pulsante "Ottieni una risposta veloce" aumenta la mia ansia.

Ora puoi ottimizzare @Alibaba_Qwen Qwen-Image con AI Toolkit utilizzando 24 GB di VRAM con un adattatore di recupero dell'accuratezza personalizzato che ti consente di ottimizzare a 3 bit con una minima perdita di precisione. Le modifiche contrassegnate ai valori predefiniti dovrebbero funzionare per le GPU 3090/4090. Maggiori informazioni in 🧵

Mi piace davvero tanto @jandotai È un'app molto amichevole per eseguire localmente LLM, ottima per la privacy Ho provato altre come LM Studio e Ollama e sono carine, ma molto ingegnerizzate, un po' troppo difficili per me Jan è semplice, carina e bella ed è una grande alternativa per parlare senza inviare i tuoi dati (e segreti ;)) ai grandi fornitori di intelligenza artificiale Puoi anche eseguire modelli di fornitori remoti tramite API, se lo desideri! Inoltre, sono molto reattivi ai feedback e stanno sempre migliorando l'app Penso che ci sia spazio sia per le app LLM eseguite localmente che per quelle in cloud, eseguite localmente ha senso se vuoi parlare di cose molto private, terapia ecc. È davvero importante che le persone possano avere questo senza temere che i loro dati possano trapelare in futuro (Non sono affiliato né pagato, mi piace davvero!)

Presentiamo Jan-v1: modello 4B per la ricerca web, un'alternativa open-source a Perplexity Pro. Nei nostri test, Jan v1 offre un'accuratezza del 91% in SimpleQA, superando leggermente Perplexity Pro mentre funziona completamente in locale. Casi d'uso: - Ricerca web - Ricerca approfondita Costruito sulla nuova versione di Qwen's Qwen3-4B-Thinking (fino a 256k di lunghezza del contesto), ottimizzato per il ragionamento e l'uso degli strumenti in Jan. Puoi eseguire il modello in Jan, llama.cpp o vLLM. Per abilitare la ricerca in Jan, vai su Impostazioni → Funzioni Sperimentali → Attiva, poi Impostazioni → Server MCP → abilita un MCP relativo alla ricerca come Serper. Usa il modello: - Jan-v1-4B: - Jan-v1-4B-GGUF: Credito al team @Alibaba_Qwen per Qwen3 4B Thinking e a @ggerganov per llama.cpp.

Qwen-Image + Wan-2.2 = 🔥

Sono così entusiasta che ora possiamo generare video di questa qualità in meno di 30 secondi. Open source per la vittoria! 👇Prova Wan 2.2 (con Lightning LoRA) su Hugging Face

In arrivo su MLX presto 🚀

Presentiamo GLM-4.5V: una svolta nel ragionamento visivo open-source GLM-4.5V offre prestazioni all'avanguardia tra i modelli open-source nella sua classe di dimensioni, dominando in 41 benchmark. Costruito sul modello base GLM-4.5-Air, GLM-4.5V eredita tecniche collaudate da GLM-4.1V-Thinking mentre raggiunge una scalabilità efficace attraverso una potente architettura MoE con 106 miliardi di parametri. Hugging Face: GitHub: API: Provalo ora: