Jan v1 jest dzisiaj na czołowej pozycji na Hugging Face. Ogromne podziękowania dla wszystkich, którzy go wypróbowują, dają feedback i dzielą się swoimi ustawieniami. Widzimy was 💙

Właśnie wydaliśmy 3 miliony próbek wysokiej jakości zbioru danych do treningu modelu językowego wizji do zastosowań takich jak: 📄 rozpoznawanie znaków optycznych (OCR) 📊 wizualne odpowiadanie na pytania (VQA) 📝 podpisywanie 🤗 Dowiedz się więcej: 📥 Pobierz:

Nie jestem pewien dlaczego, ale przycisk "Uzyskaj szybką odpowiedź" zwiększa moje napięcie.

Możesz teraz dostosować @Alibaba_Qwen Qwen-Image za pomocą AI Toolkit z 24 GB VRAM, używając niestandardowego adaptera do odzyskiwania dokładności, który pozwala na dostosowanie przy 3 bitach z minimalną utratą precyzji. Zmiany w domyślnych ustawieniach powinny działać dla GPU 3090/4090. Więcej w 🧵

Bardzo, bardzo lubię @jandotai To bardzo przyjazna aplikacja do lokalnego uruchamiania LLM-ów, świetna dla prywatności Próbowałem innych, takich jak LM Studio i Ollama, i są fajne, ale bardzo inżynieryjnie zbudowane, trochę za trudne dla mnie Jan jest prosty, uroczy i ładny oraz świetną alternatywą do rozmowy bez wysyłania swoich danych (i sekretów ;)) do dużych dostawców AI Możesz nawet uruchamiać modele dostawców zdalnych za pośrednictwem API, jeśli tego chcesz! Są również bardzo responsywni na opinie i zawsze poprawiają aplikację Myślę, że jest miejsce zarówno dla lokalnie uruchamianych aplikacji LLM, jak i aplikacji LLM w chmurze, lokalne uruchamianie ma sens, jeśli chcesz rozmawiać o bardzo prywatnych sprawach, terapia itd. To naprawdę ważne, aby ludzie mogli to mieć bez obaw, że ich dane mogą wycieknąć w przyszłości (Nie jestem powiązany ani opłacany, po prostu naprawdę mi się podoba!)

Przedstawiamy Jan-v1: model 4B do wyszukiwania w sieci, otwartoźródłowa alternatywa dla Perplexity Pro. W naszych ocenach, Jan v1 osiąga 91% dokładności SimpleQA, nieznacznie przewyższając Perplexity Pro, działając w pełni lokalnie. Przykłady zastosowania: - Wyszukiwanie w sieci - Głębokie badania Zbudowany na nowej wersji Qwen's Qwen3-4B-Thinking (do 256k długości kontekstu), dostosowany do rozumowania i użycia narzędzi w Jan. Możesz uruchomić model w Jan, llama.cpp lub vLLM. Aby włączyć wyszukiwanie w Jan, przejdź do Ustawienia → Funkcje eksperymentalne → Włączone, a następnie Ustawienia → Serwery MCP → włącz powiązany z wyszukiwaniem MCP, taki jak Serper. Użyj modelu: - Jan-v1-4B: - Jan-v1-4B-GGUF: Podziękowania dla zespołu @Alibaba_Qwen za Qwen3 4B Thinking i @ggerganov za llama.cpp.

Qwen-Image + Wan-2.2 = 🔥

Jestem tak podekscytowany, że teraz możemy generować filmy tej jakości w mniej niż 30 sekund. Open source na plus! 👇Wypróbuj Wan 2.2 (z Lightning LoRA) na Hugging Face

Już wkrótce na MLX 🚀

Wprowadzenie GLM-4.5V: przełom w otwartym rozumieniu wizualnym GLM-4.5V oferuje najlepszą w swojej klasie wydajność wśród modeli open-source, dominując w 41 benchmarkach. Zbudowany na bazowym modelu GLM-4.5-Air, GLM-4.5V dziedziczy sprawdzone techniki z GLM-4.1V-Thinking, osiągając skuteczne skalowanie dzięki potężnej architekturze MoE z 106 miliardami parametrów. Hugging Face: GitHub: API: Wypróbuj to teraz: