1autotrust/JEV-35B6,262 DOWNLOADS · 178 LIKESAutoTrust released JEV-35B, a System 1 decision model fine-tuned from Qwen3.5-35B-A3B that scores up to 256 typed options in a single forward pass, with about 3B of its 35B parameters active per token. The lab reports 59.73 on the public Decision Index 0.3 suite against 53.64 for its JEV-27B-VL, and a median request latency of 204ms on one B200 versus 271ms.AutoTrust 发布 JEV-35B，这是一个基于 Qwen3.5-35B-A3B 微调的 System 1 决策模型，可在一次前向传播中为最多 256 个带类型的选项打分，350 亿参数中每个 token 仅激活约 30 亿。团队自测在公开的 Decision Index 0.3 套件上得 59.73 分，高于其 JEV-27B-VL 的 53.64 分；单张 B200 上请求中位延迟为 204 毫秒，后者为 271 毫秒。AutoTrust が JEV-35B を公開した。Qwen3.5-35B-A3B をファインチューニングしたシステム 1 型の意思決定モデルで、最大 256 個の型付き選択肢を 1 回の順伝播で採点し、350 億パラメータのうち 1 トークンあたり約 30 億が活性化する。同社の計測では公開版 Decision Index 0.3 で 59.73 点と、自社の JEV-27B-VL の 53.64 点を上回り、B200 1 枚でのリクエスト中央値レイテンシーは 204 ミリ秒（JEV-27B-VL は 271 ミリ秒）だった。
2026-10-11 · SUNDAY · 13:09 PDT
1LiquidAI/d1-omni-600M10,489 DOWNLOADS · 105 LIKESLiquid AI published d1-omni-600M, a 587M-parameter decision model built on its LFM2.5-Encoder-350M. Given a state as text or JSON, optionally with images or up to 30 seconds of speech, it returns typed answers to named questions with zero output tokens, read straight from the model's distribution over the options rather than generated. It covers 15 languages and is sized for the edge.Liquid AI 发布了 d1-omni-600M，这是一个基于自家 LFM2.5-Encoder-350M 构建的 5.87 亿参数决策模型。给它一段文本或 JSON 形式的状态（可附带图像或最长 30 秒语音）以及若干命名问题，它会直接从模型在候选项上的概率分布中读出带类型的答案，输出 token 数为零，不做生成。该模型覆盖 15 种语言，面向边缘设备。Liquid AI は d1-omni-600M を公開した。同社の LFM2.5-Encoder-350M を基盤とする 5.87 億パラメータの意思決定モデルだ。テキストまたは JSON の状態（画像や最長 30 秒の音声を添えることもできる）と名前付きの質問群を渡すと、生成を介さずモデルの選択肢上の分布から直接、型付きの回答を返し、出力トークンはゼロになる。15 言語に対応し、エッジ向けのサイズに収めている。
2026-10-10 · SATURDAY · 13:13 PDT
1speridlabs/iris-3b233 DOWNLOADS · 104 LIKESIris-3B is a 3-billion-parameter text-to-image model that works directly in pixel space, with no VAE or latent decoder, and outputs images of about one megapixel. Sperid Labs frames the same pixel-space prior as a general vision learner: fine-tuned with no architectural change, it also ships monocular depth estimation, image restoration and upscaling. The Apache-2.0 release accompanies arXiv paper 2610.09450.Iris-3B 是一个 30 亿参数的文生图模型，直接在像素空间工作，不使用 VAE 或潜空间解码器，输出约百万像素的图像。Sperid Labs 把同一套像素空间先验定位为通用视觉学习器：在不改动架构的前提下微调，同一仓库还提供单目深度估计、图像修复与超分辨率。该模型以 Apache-2.0 发布，并配有 arXiv 论文 2610.09450。Iris-3B は 30 億パラメータの text-to-image モデルで、VAE も潜在デコーダも用いず画素空間で直接動作し、約 100 万画素の画像を出力する。Sperid Labs は同じ画素空間の事前分布を汎用の視覚学習器と位置づけており、アーキテクチャを変えずに微調整することで、単眼深度推定、画像復元、超解像も同じリポジトリで提供する。Apache-2.0 で公開され、arXiv 論文 2610.09450 を伴う。
2perplexity-ai/pplx-decider-v1.1-27b1,807 DOWNLOADS · 100 LIKESPerplexity updated its 27B decision model, which answers a declared set of options through a calibrated decision head in a single pass instead of generating text. The card reports the Decision Index rising from 56.4 to 61.56 on the same Qwen3.8-27B backbone, credited mostly to lifting the causal mask and training on more data. The checkpoint carries a separate readout rather than a full-vocabulary head.Perplexity 更新了其 270 亿参数决策模型，它不生成文本，而是通过一个经过校准的决策头在单次前向中从给定选项里作答。模型卡显示，在相同的 Qwen3.8-27B 主干上，Decision Index 从 56.4 提升到 61.56，主要归功于解除因果掩码以及使用更多训练数据。该检查点带有独立的读出层，而非完整词表的输出头。Perplexity は 270 億パラメータの決定モデルを更新した。テキストを生成せず、宣言された選択肢に対して校正済みの決定ヘッドが単一の順伝播で答える方式である。モデルカードによると、同じ Qwen3.8-27B のバックボーンで Decision Index は 56.4 から 61.56 へ上がり、主因は因果マスクの解除と学習データの増加だという。チェックポイントは全語彙の出力ヘッドではなく、独立した読み出し層を持つ。
2026-10-09 · FRIDAY · 01:13 PDT
1Qwen/Qwen3.8-Flash-Next1,640,938 DOWNLOADS · 6,048 LIKESQwen published Qwen3.8-Flash-Next, the post-trained weights for the model in Hugging Face Transformers format. The repository holds a mixture-of-experts, image-text-to-text model the card describes as compatible with Transformers, vLLM, SGLang and TokenSpeed. Third-party GGUF quantizations are already circulating, one of them with more than 3.4 million downloads.Qwen 发布 Qwen3.8-Flash-Next，以 Hugging Face Transformers 格式提供该模型后训练阶段的权重。仓库中是一个混合专家架构的图文输入、文本输出模型，模型卡称其可配合 Transformers、vLLM、SGLang 和 TokenSpeed 使用。第三方的 GGUF 量化版本已在流传，其中一个的下载量超过 340 万次。Qwen は、Hugging Face Transformers 形式で事後学習済みの重みを収めた Qwen3.8-Flash-Next を公開した。リポジトリにあるのは混合エキスパート構成の画像・テキスト入力からテキストを生成するモデルで、モデルカードは Transformers、vLLM、SGLang、TokenSpeed に対応すると記す。第三者による GGUF 量子化版も既に流通しており、そのうち一つはダウンロード数が 340 万回を超えている。
2026-10-08 · THURSDAY · 13:15 PDT
1LiquidAI/d1-3B5,370 DOWNLOADS · 182 LIKESLiquid AI released d1-3B, a 3B decision model built on LFM2.5-VL-3B that takes a state as text, JSON or images plus a set of questions and returns calibrated typed answers in one forward pass with zero output tokens. The card reports 48.57 on Decision Index 0.2.1, the best under 10B and ahead of Decider 35B-A3B at 47.11, and 8 ms per decision on an RTX 4090.Liquid AI 发布 d1-3B，一个基于 LFM2.5-VL-3B 构建的 30 亿参数决策模型。它接受以文本、JSON 或图像形式给出的状态加一组问题，在一次前向传播中返回带类型且经过校准的答案，且不生成任何输出词元。模型卡称其在 Decision Index 0.2.1 上取得 48.57 分，为 100 亿参数以下最佳，并高于 Decider 35B-A3B 的 47.11 分；在 RTX 4090 上每次决策耗时 8 毫秒。Liquid AI は、LFM2.5-VL-3B を基に構築した 30 億パラメータの意思決定モデル d1-3B を公開した。テキスト、JSON、画像のいずれかで与えた状態と質問群を受け取り、出力トークンを一つも生成せずに、型付きで校正済みの答えを 1 回の順伝播で返す。モデルカードによれば Decision Index 0.2.1 で 48.57 を記録し、100 億パラメータ未満で最高、Decider 35B-A3B の 47.11 を上回る。RTX 4090 では 1 回の判断に 8 ミリ秒を要する。
2FrancisRing/Prism0 DOWNLOADS · 124 LIKESPrism is an MIT-licensed video diffusion transformer from Fudan University, Tencent Hunyuan and Zhejiang University that generates video and audio jointly at native 2K. It uses dynamic sparse attention to make training at that resolution tractable. The repo ships model weights and image-to-video sample cases, alongside a paper and project page.Prism 是一个采用 MIT 许可的视频扩散 Transformer，由复旦大学、腾讯混元与浙江大学共同发布，可在原生 2K 分辨率下联合生成视频与音频。它借助动态稀疏注意力，使该分辨率下的训练变得可行。仓库提供模型权重和图生视频的示例用例，并附有论文与项目主页。Prism は、復旦大学、Tencent Hunyuan、浙江大学による MIT ライセンスの動画拡散 Transformer で、ネイティブ 2K で映像と音声を同時に生成する。動的なスパース注意を用いて、その解像度での学習を現実的なものにしている。リポジトリにはモデルの重みと画像から動画を作るサンプル事例が含まれ、論文とプロジェクトページも公開されている。
2026-10-07 · WEDNESDAY · 13:14 PDT
1canberkkkkkk/ema-lightning2,724 DOWNLOADS · 254 LIKESEMA Lightning is a Turkish text-to-speech system in two small parts: a 5.6M-parameter DiT acoustic model and a 3M-parameter vocoder, about 34 MB in total under Apache 2.0. Its model card reports 0.92 percent word error rate on Freya-TR-Eval, the lowest of the systems measured, first audio in 3.86 ms and 440 times faster than real time on an RTX 4090.EMA Lightning 是一套土耳其语文本转语音系统，由两个小模型组成：5600 万参数的 DiT 声学模型和 300 万参数的声码器，合计约 34 MB，采用 Apache 2.0 许可证。其模型卡称在 Freya-TR-Eval 上的词错误率为 0.92%，为所测系统中最低，并称在 RTX 4090 上 3.86 毫秒即可输出首段音频，速度达实时的 440 倍。EMA Lightning は、5,600 万パラメータの DiT 音響モデルと 300 万パラメータのボコーダーという 2 つの小さな部品から成るトルコ語の音声合成システムで、合計約 34 MB、ライセンスは Apache 2.0 である。モデルカードによると Freya-TR-Eval での単語誤り率は 0.92% で計測対象中最も低く、RTX 4090 では最初の音声が 3.86 ミリ秒で出力され、実時間の 440 倍の速度で動作する。
2026-10-06 · TUESDAY · 13:12 PDT
1google/embeddinggemma-2364 DOWNLOADS · 264 LIKESGoogle DeepMind released EmbeddingGemma 2, an open embedding model that maps text, code, images, video and audio into one shared 768-dimensional space. It totals 740M parameters: a 270M text model plus modular 170M vision and 300M audio encoders. The Apache 2.0 release covers over 100 languages and is built to run on phones and laptops for on-device search, RAG and classification.谷歌 DeepMind 发布了 EmbeddingGemma 2，这是一个开放的嵌入模型，可将文本、代码、图像、视频和音频映射到同一个 768 维向量空间。其参数总量为 7.4 亿：2.7 亿的文本模型，加上模块化的 1.7 亿视觉编码器和 3 亿音频编码器。该模型以 Apache 2.0 发布，覆盖 100 多种语言，可在手机和笔记本电脑上运行，用于端侧检索、RAG 和分类。Google DeepMind が EmbeddingGemma 2 を公開した。テキスト、コード、画像、動画、音声を共通の 768 次元空間に写す開放型の埋め込みモデルである。総パラメーター数は 7.4 億で、2.7 億のテキストモデルに、モジュール式の視覚エンコーダー 1.7 億と音声エンコーダー 3 億を組み合わせる。Apache 2.0 で提供され、100 を超える言語に対応し、端末上の検索・RAG・分類を想定してスマートフォンやノート PC で動く。
2Cactus-Compute/whistle1,887 DOWNLOADS · 120 LIKESCactus Compute published Whistle, a speech-to-text model that ships as a single 16.9 MB file and runs on device CPUs with no GPU and no dependencies. It transcribes up to 30 seconds of 16 kHz mono audio in seven European languages, returns per-word timestamps and probabilities, and can emit raw speech embeddings. It reuses the Needle engine, so devices already running Needle need no second runtime.Cactus Compute 发布了 Whistle，这是一个语音转文字模型，以单个 16.9 MB 文件提供，可在设备 CPU 上运行，无需 GPU，也没有任何依赖。它可一次转写最长 30 秒的 16 kHz 单声道音频，支持七种欧洲语言，并给出逐词的时间戳与概率，还能直接输出语音嵌入向量。该模型复用 Needle 引擎，因此已运行 Needle 的设备无需再装第二套运行时。Cactus Compute が音声認識モデル Whistle を公開した。16.9 MB の単一ファイルで提供され、GPU も依存関係もなく端末の CPU 上で動作する。16 kHz モノラル音声を一度に最長 30 秒、欧州 7 言語で書き起こし、単語ごとの時刻と確度を返すほか、音声の埋め込みをそのまま出力することもできる。Needle のエンジンを再利用するため、すでに Needle が動く端末に二つ目のランタイムは要らない。