Jan v1 сегодня в тренде на Hugging Face. Огромное спасибо всем, кто его пробует, дает обратную связь и делится своими настройками. Мы вас видим 💙

Мы только что выпустили 3 миллиона образцов высококачественного набора данных для обучения языковой модели с визуальным восприятием для таких случаев использования, как: 📄 оптическое распознавание символов (OCR) 📊 визуальный вопрос-ответ (VQA) 📝 создание подписей 🤗 Узнайте больше: 📥 Скачать:

Я не уверен, почему, но кнопка "Получить быстрый ответ" увеличивает мою тревожность.

Теперь вы можете донастроить @Alibaba_Qwen Qwen-Image с помощью AI Toolkit с 24 ГБ видеопамяти, используя адаптер для восстановления точности, который позволяет вам настраивать на 3 бита с минимальными потерями точности. Изменения по умолчанию должны работать для GPU 3090/4090. Подробнее в 🧵

Мне действительно очень нравится @jandotai Это очень дружелюбное приложение для локального запуска LLM, отличное для конфиденциальности Я пробовал другие, такие как LM Studio и Ollama, и они неплохие, но слишком инженерные, немного слишком сложные для меня Jan простое, милое и красивое приложение, отличная альтернатива для общения без отправки ваших данных (и секретов ;)) крупным AI-поставщикам Вы даже можете запускать модели удаленных провайдеров через API, если вам это нужно! Кроме того, они очень отзывчивы к отзывам и постоянно улучшают приложение Я думаю, что есть место как для локально запущенных LLM-приложений, так и для облачных LLM-приложений, локальный запуск имеет смысл, если вы хотите говорить о очень личных вещах, терапии и т.д. Очень важно, чтобы люди могли это делать, не опасаясь, что их данные могут утечь в будущем (Я не связан с этим и не получаю за это деньги, просто мне это действительно нравится!)

Представляем Jan-v1: модель 4B для веб-поиска, открытая альтернатива Perplexity Pro. В наших оценках Jan v1 демонстрирует 91% точности SimpleQA, немного превосходя Perplexity Pro, при этом полностью работая локально. Сценарии использования: - Веб-поиск - Глубокие исследования Создан на новой версии Qwen's Qwen3-4B-Thinking (до 256k длины контекста), доработан для рассуждений и использования инструментов в Jan. Вы можете запустить модель в Jan, llama.cpp или vLLM. Чтобы включить поиск в Jan, перейдите в Настройки → Экспериментальные функции → Включить, затем Настройки → MCP-серверы → включите связанный с поиском MCP, такой как Serper. Используйте модель: - Jan-v1-4B: - Jan-v1-4B-GGUF: Благодарность команде @Alibaba_Qwen за Qwen3 4B Thinking и @ggerganov за llama.cpp.

Qwen-Image + Wan-2.2 = 🔥

Я так взволнован, что теперь мы можем генерировать видео такого качества менее чем за 30 секунд. Открытый код — это победа! 👇Попробуйте Wan 2.2 (с Lightning LoRA) на Hugging Face

Скоро на MLX 🚀

Представляем GLM-4.5V: прорыв в области визуального рассуждения с открытым исходным кодом GLM-4.5V демонстрирует выдающиеся результаты среди моделей с открытым исходным кодом в своем классе размеров, превосходя 41 эталон. Созданный на базе модели GLM-4.5-Air, GLM-4.5V наследует проверенные методы от GLM-4.1V-Thinking, достигая эффективного масштабирования благодаря мощной архитектуре MoE с 106 миллиардами параметров. Hugging Face: GitHub: API: Попробуйте сейчас: