froggeric/qwen-fixed-chat-templates

Топ трендов HuggingFace за неделю — что приехало в опенсорс TL;DR Новое: Ornith-1.5 — линейка кодинг-моделей, которая сама придумывает себе задачи и на них же учится. DFlash 2 ускоряет выдачу Qwen3.8-27B втрое без потери качества. s1-mini на 0,6 млрд параметров вычищает расшифровку речи. Фикс-шаблоны Qwen обновились под 3.8. Держится: Qwen3.8-27B , вокруг которой уже одиннадцать строк из двадцати, LTX-2.5 , MiniMax Music3 и MiniMax-H3 . LLM и агенты Ornith-1.5-35B-A3B — MoE, 3 млрд активных из 35, и по замерам лаборатории она обходит ровесницу Qwen3.6-35B-A3B на всех кодовых и агентных тестах: SWE-bench Verified 79,0 против 73,4. Интереснее то, как её учили: модель сама придумывает себе новые задачи, сама собирает под них обвязку с инструментами и учится на собственных решениях, награда идёт сразу на все три стадии. Контекст 262 тысячи токенов, лицензия MIT. Ornith-1.5-9B — младшая, плотная, 19 ГБ в bf16 и одна карта под сервер. Отдельная сжатая сборка Mobile ставится на iPhone и Android, при этом на кодовых замерах модель спорит с Gemma 4-31B и Qwen3.6-35B-A3B. Есть и флагман на 397 млрд, в топ трендов он не попал: Terminal-Bench 2.1 86,1 при 85,0 у Opus 4.8 по их же замерам, разобрали в блоге . Ускорение выдачи Qwen3.8-27B-DFlash2 — черновик для спекулятивного декодирования, не самостоятельная модель: предсказывает целый блок токенов за один проход, а Qwen3.8-27B их проверяет. На H200 одиночный запрос идёт до 3,4 раза быстрее, 236 токенов в секунду против 68,9 без спекуляции. Качество не страдает: при жадном выборе выдача совпадает с оригинальной токен в токен, при сэмплировании сохраняется то же распределение. Apache 2.0, замеры по пяти задачам . Речь s1-mini — модель на 0,6 млрд параметров, которая приводит расшифровку речи в читаемый вид: убирает слова-паразиты, доводит самоисправления до того варианта, на котором говорящий остановился, расставляет знаки и заглавные, записывает числа, даты и адреса почты так, как их пишут, а не произнося