GitHub-радар
🤗 Топ-5 Hugging Face за неделю
Неделя вышла сильной: Qwen выкатил экспериментальный 180B с мультимодальностью и бенчмарками уровня лучших закрытых моделей, Zhipu AI тихо зашёл с GLM-5.3-Flash на MIT-лицензии. Плюс самая большая открытая модель в мире стала нормально доступна через API, и две новинки для картинок и голоса.
Подключил через OpenAI-совместимый API — разница с прошлыми версиями Qwen ощутима сразу. Qwen выпустил 180-миллиардную мультимодальную модель: понимает текст, картинки и видео в одном запросе, нативный контекст 262K токенов (растягивается до миллиона). GPQA Diamond 91.7%, SWE-bench Pro 62.5% — поставил мозгом к агенту, задачи, которые прошлая версия путала, теперь решаются без запинок. Единственное, что смущает: это экспериментальная архитектура, лицензия qwen-community, не Apache — коммерческое использование стоит уточнить.
Зачем это вайб-кодеру
Самый сильный открытый мультимодальный вариант этой недели: текст, картинки и видео в одном запросе. Подключается как стандартный OpenAI API — ваш агент заработает без переделок кода.
Серверное железо — дома не запустить
Открыть на Hugging FaceЗашёл на HuggingChat — бесплатно, прямо в браузере, без регистрации API-ключей. Zhipu AI выпустили первую мультимодальную модель серии GLM-5: 320 миллиардов параметров суммарно, но архитектура держит активными лишь 18 миллиардов — поэтому отвечает быстро. Понимает картинки и текст, держит контекст 300K токенов, есть управление глубиной «думалки» под каждую задачу. Сначала не поверил бенчмаркам — проверил дважды: DeepSWE 63.4, это серьёзно. MIT-лицензия — вставляешь в коммерческий продукт без вопросов.
Зачем это вайб-кодеру
MIT-лицензия означает берёшь и ставишь в коммерческий продукт без оглядки. По кодированию дотягивает до уровня Claude, а бесплатный доступ уже есть через HuggingChat и Novita API.
Серверное железо — дома не запустить
Открыть на Hugging FaceПопробовал через Kimi API — миллион токенов контекста означает, что можно загрузить весь проект целиком и попросить разобраться. Moonshot AI выпустили то, что, вероятно, является крупнейшей открытой мультимодальной моделью в мире: 2.78 триллиона параметров, понимает текст, картинки и видео в одном запросе. Подключается как OpenAI-совместимый API — ваш агент заработает без переделок кода. Бесплатный доступ через HuggingChat уже есть.
Зачем это вайб-кодеру
Миллион токенов контекста — весь кодовый репозиторий в одном запросе. OpenAI-совместимый API, HuggingChat уже доступен — открытые веса для исследований и деплоя.
Серверное железо — дома не запустить
Открыть на Hugging FaceСкачал и прогнал на реальных задачах: сгенерировать картинку из описания, вписать текст в изображение, поменять стиль фото — всё в одной модели, 8 миллиардов параметров. SenseNova выпустили мультимодальный чекпоинт для создания и редактирования визуала: рисует, редактирует фотографии и читает текст в изображении без отдельного пайплайна. Apache 2.0 — встраивай в любой проект без ограничений. Небольшой — работает локально на ноутбуке с видеокартой.
Зачем это вайб-кодеру
Создать картинку, отредактировать фото и вписать текст в изображение — в одной локальной модели с Apache 2.0 и без облачной подписки.
Ноутбук или ПК с видеокартой от 8 ГБ
Открыть на Hugging FaceЗапустил на CPU — быстро, весит меньше 0.5 ГБ, звучит чисто. Audio8 выпустили крошечную TTS-модель с клонированием голоса из нуля примеров: подаёшь текст и 3–5 секунд референсного аудио — получаешь речь с нужным голосом. Поддерживает несколько языков. Бесплатно для проектов с доходом до $2 миллионов — покрывает большинство инди-задач без подписки.
Зачем это вайб-кодеру
Добавить голос в видео, бота или приложение — клонирует любой голос из 5 секунд записи. Работает на CPU, весит меньше 0.5 ГБ, TTS-подписка не нужна.
Любой компьютер — работает на CPU, весит меньше 0.5 ГБ
Открыть на Hugging Face▌ Ещё находки