Открытые нейросети ноября 2026 запускаются на видеокарте от 8 ГБ

В топ-25 трендов Hugging Face на 9 ноября 2026 года 16 репозиториев созданы после 20 октября, и заметная часть списка рассчитана на обычное железо. Первое место занимает Idol: модель делает 3D-объект из одной картинки и в пике занимает 7,2 ГБ видеопамяти. На другом конце списка стоит Kimi K3.1 Pro с весами на 1,56 ТБ.

Этот обзор продолжает августовский и сентябрьский разборы открытых моделей. В ноябре выбирать приходится по двум параметрам сразу: сколько памяти нужно и что разрешает лицензия. Девять позиций из 25 построены на моделях Qwen, пять на видеомодели MiniMax-H3, и у второй группы лицензия исключает ЕС, Великобританию, Корею и США. Ниже модели разложены по объёму памяти, с командами запуска из карточек, местами, где их можно попробовать без установки, и условиями лицензий.

Что сейчас в топ-25 трендов Hugging Face?

В основном релизы последних трёх недель и два крупных семейства. По снимку трендов утром 9 ноября, 16 из 25 репозиториев созданы после 20 октября. Девять позиций приходятся на модели Qwen и их производные: саму Qwen3.8-27B, её дообученные версии и кванты, две 3D-модели на Qwen3.5-4B, кванты Qwen-Image. Ещё пять позиций занимают надстройки над открытой видеомоделью MiniMax-H3 на 33,1 млрд параметров.

Четыре позиции из 25 занимают модели со снятыми отказами. На втором месте дистиллят DeepSeek-V4-Pro в Qwen3.5-9B, обработанный инструментом Heretic: он правит веса так, чтобы модель перестала отказывать. По таблице автора, отказов стало 3 из 100 против 100 из 100 у исходной модели; сам автор называет её экспериментальной и предупреждает о галлюцинациях. На 22-м месте лежат кванты этой же модели, на седьмом и двадцатом стоят похожие сборки на Qwen3.8-27B и DeepSeek-V4.1-Flash. Независимых замеров качества у модели со второго места нет.

Что запустится на ноутбуке или одной видеокарте?

Idol, две модели 3D-Coder, TwIL-8B и FLUX 3 Image Klein. У каждой авторы называют видеокарту до 24 ГБ или выкладывают файл меньше 6 ГБ.

Idol превращает одну картинку в 3D-объект: на входе рендер, сгенерированное изображение или фото, на выходе облако 3D-гауссиан в стандартном файле .ply, который открывается в любом просмотрщике Gaussian splat. Модель сама убирает фон и кадрирует объект. По карточке, весь пайплайн содержит около 1,8 млрд параметров, собственные веса занимают около 3 ГБ, два внешних энкодера скачиваются отдельно, пик видеопамяти 7,2 ГБ.

One picture of an object in, up to a million 3D Gaussians out, including the sides the picture never showed.

Speridlabsразработчик Idol, карточка модели на Hugging Face (перевод: «Одна картинка объекта на входе, до миллиона 3D-гауссиан на выходе, включая стороны, которых на картинке не было»)

Установка и запуск по карточке занимают четыре команды; нужны Python 3.10 или новее, PyTorch 2.5 или новее и видеокарта NVIDIA с CUDA. Перед первым запуском придётся принять условия двух закрытых репозиториев с входными энкодерами и войти через hf auth login: без доступа к ним Idol остановится до скачивания весов.

			git clone https://github.com/speridlabs/idol-sdk.git
cd idol-sdk
pip install -e .          # Python 3.10+, PyTorch 2.5+, an NVIDIA GPU with CUDA
python -m idol.sample --image photo.jpg --mode real
		

Время одного запроса Idol на разных видеокартах: 50 шагов, 262 144 гауссианы, медиана по 8 картинкам. График: Tproger по данным карточки Speridlabs

Цифры качества пока только авторские. В таблице Speridlabs у Idol SSIM 0,726 против 0,716 у TRELLIS и 0,712 у TripoSplat, время запроса на одной H100 6,8 секунды против 7,1 и 9,9. Независимых сравнений на 9 ноября нет.

Qwen3.5-4B-3D-Coder по текстовому описанию пишет цельную HTML-страницу с интерактивной 3D-сценой на Three.js. Это независимый файнтюн Qwen3.5-4B от разработчика Caio Giovannetti (CCORE). Файл Q4_K_M весит 2,71 ГБ, Q8_0 занимает 4,48 ГБ; с 30 октября модель принимает и картинки через отдельный проектор на 0,68 ГБ. Количественных бенчмарков в карточке нет, автор показывает только примеры и оговаривает, что части сцен нужна вторая попытка или правка.

An experiment exploring the feasibility of small language models for general-purpose coding and high-quality 3D scene generation.

Caio Giovannettiнезависимый разработчик, автор CCORE 3D-Coder (перевод: «Эксперимент, который проверяет, годятся ли малые языковые модели для универсального кодинга и генерации качественных 3D-сцен»)

Команда из карточки для llama.cpp, автор проверял её на сборке b11889. В LM Studio для этой модели нужно выключить multi-token prediction (MTP), иначе она работает неправильно.

			llama-server \
  -m Qwen3.5-4B-3D-Coder-Q4_K_M.gguf \
  --mmproj mmproj-Qwen3.5-4B-BF16.gguf \
  --n-gpu-layers all --flash-attn on \
  --ctx-size 65536 --parallel 1
		

Вторая модель того же автора, GLB-3D-Coder с 16-го места, вышла 5 ноября и решает соседнюю задачу: вместо сцены пишет страницу с low-poly ассетом и кнопкой Export GLB, чтобы забрать модель в Godot или другой редактор. Обе выпущены под Apache 2.0.

TwIL-8B предназначена для математики, кода и точного следования инструкциям на локальной машине. Компания webAI дообучила IBM Granite 4.2 8B и выложила два варианта: balanced с короткими рассуждениями и verbose с длинными. Полные веса занимают 17,6 ГБ на вариант, квант Q4_K_M 5,35 ГБ; его авторы прямо называют вариантом для CPU и видеокарт с небольшой памятью.

			llama-cli -hf webAI-Official/TwIL-8B --hf-file TwIL-8B-Q4_K_M-balanced.gguf -cnv -c 40960 -n 32768
		

TwIL-8B впереди в математике и отстаёт в тесте на знания GPQA Diamond. LiveCodeBench измерен на варианте verbose, версия теста у TwIL-8B не записана, поэтому столбцы в этой группе сопоставимы условно. График: Tproger по данным карточки webAI

По карточке, у TwIL-8B 98,2 балла на MATH-500 против 96,6 у Qwen3.5-9B и 81,6 на LiveCodeBench. Все числа измерены авторами на полных весах BF16, для квантов возможны отклонения; цифры соперников взяты из чужих публикаций без перезапуска. Разрыв на LiveCodeBench авторы просят не цитировать без проверки: версия и период теста у TwIL-8B не записаны. Слабое место названо прямо: это не модель знаний, на GPQA Diamond у неё 70,2 против 81,7 у Qwen3.5-9B. Главное ограничение лежит в лицензии: webAI Non-Commercial License разрешает только некоммерческие исследования и обучение.

Картинки. FLUX 3 Image Klein от Black Forest Labs редактирует изображение по инструкции, генерирует по тексту и собирает композицию из референсов, которых может быть до десяти. Трансформер содержит 5,6 млрд параметров; по карточке, файлы int8 работают на видеокартах с 8 ГБ вроде RTX 3070. Набор для ComfyUI скачивается одной командой:

			hf download black-forest-labs/flux-3-image-klein-comfy \
  diffusion_models/flux3-image-klein-int8-convrot.safetensors \
  text_encoders/qwen3vl_4b_int8_convrot.safetensors \
  vae/flux2-vae.safetensors \
  text_encoders/qwen3.5_9b_flux3_prompt_upsampler_int8_convrot.safetensors \
  --local-dir ComfyUI/models
		

Авторы требуют всегда пропускать запрос через апсемплер промптов: модель обучена на полных описаниях сцены, и короткий запрос даёт шаблонную картинку. Для карты на 24 ГБ есть P-H3-Image от Pruna AI: картинки на 8 Мп за 8 шагов, самый лёгкий набор w4a8 (модель, энкодер и VAE) весит 20 ГБ и в пике занимает 21 ГБ видеопамяти; апсемплер промптов добавляет к загрузке от 6,7 ГБ. Кванты Qwen-Image-2.1-Turbo с 25-го места начинаются от 4,05 ГБ за файл Q4_K_M, но к нему нужен текстовый энкодер ещё на 9,35 ГБ в int8.

Размер файла, который нужно скачать для локального запуска. График: Tproger по данным API Hugging Face и карточек моделей

Каким моделям нужна рабочая станция или сервер?

Распознаванию речи от NVIDIA, новым языковым моделям от Ricursive, Nous Research и Baidu, а также большей части видео. Диапазон широкий: от 54,7 ГБ у Arete-27B до 1,56 ТБ у Kimi K3.1 Pro.

Nemotron 3.5 Transcribe расшифровывает записи длиной до часа на 40 языках и в том же чекпойнте умеет переводить, размечать говорящих и отвечать на вопросы по аудио. Русский в карточке отмечен высшим уровнем качества Leading: WER 3,80 на FLEURS и 2,47 на CoVoST2 по замеру NVIDIA. В независимом рейтинге Artificial Analysis у модели AA-WER 2,8% и второе место среди открытых после Voxtral Small с тем же результатом. Это MoE на 34 млрд параметров с 4,3 млрд активных; веса BF16 занимают 67,5 ГБ, для запуска названа одна H100 на 80 ГБ, для L40S есть FP8, для RTX 5090 квант NVFP4. Лицензия OpenMDW 1.1 разрешает коммерческое использование.

This is an offline model. Internal audio chunking does not make it a real-time streaming ASR service.

NVIDIAкарточка Nemotron 3.5 Transcribe на Hugging Face (перевод: «Это офлайн-модель. Внутренняя нарезка аудио не делает её сервисом потокового распознавания в реальном времени»)

Ripple-65B Preview написана для агентного кодинга стартапом Ricursive Intelligence и обучена с нуля на 12 трлн токенов. Это плотная модель без MoE на 65 млрд параметров с контекстом до 1 048 576 токенов, лицензия Apache 2.0. Веса BF16 занимают 129,6 ГБ, рядом лежит чекпойнт NVFP4; по карточке, модель помещается в NVIDIA DGX Spark. Готовой команды запуска в карточке нет.

we were able to train a strong model from scratch with a small team that scaled from 1 to 5 people during development

Ricursive Intelligenceразработчик Ripple-65B, карточка модели (перевод: «мы смогли обучить сильную модель с нуля небольшой командой, которая за время разработки выросла с одного человека до пяти»)

Главная цифра авторов, 80,5 на Terminal-Bench 2.1, получена ими самими и сравнивается только с американскими открытыми моделями: 80,1 у Reflection Beam 501B, 63,8 у Inkling 975B, 56,4 у Nemotron 3 Ultra 550B. Qwen, DeepSeek и Kimi в таблице нет, и в обсуждении на Hacker News это главный упрёк: пользователь a11r пишет, что без сравнения с настоящими лидерами среди открытых моделей бенчмарки для конечного пользователя неинформативны. Авторы сами оговаривают, что воспроизводить чужие результаты было трудно и сравнение сделано по принципу best effort. Независимых замеров на 9 ноября нет.

Arete-27B это Qwen3.8-27B, которую Nous Research дообучила отвечать на политически чувствительные вопросы без отказов и официальных формулировок КНР. По собственному тесту авторов из 803 вопросов оценка фактов выросла с 2,32 до 2,98 из 5, доля ответов с пропагандой упала с 22% до 0,9%. Судьёй была другая языковая модель, Grok 4.7, и на Hacker News надёжность такого судьи оспаривают. Веса BF16 занимают 54,7 ГБ, лицензия Apache 2.0; команды запуска и демо у модели нет.

GLM-5.3-SLIM позволяет запустить флагманскую GLM-5.3 на одном ускорителе. Авторы из Scantist оставили 192 эксперта из 256 в каждом MoE-слое и получили 563 млрд параметров вместо 753 млрд и файл на 179,86 ГБ вместо 238,58 ГБ. По карточке, модель целиком помещается в одну NVIDIA B200 или в Mac Studio с памятью от 192 ГБ и набирает 92,7% на HumanEval. Авторы предупреждают, что потери складываются: минус четверть экспертов плюс сжатие до 2,56 бита на вес.

Ещё две тяжёлые позиции коротко. ERNIE-5.5-Flash-Base от Baidu это MoE на 280 млрд параметров с 14 млрд активных и весами на 288,4 ГБ, но чекпойнт снят сразу после предобучения: он не обучен следовать инструкциям и нужен тем, кто дообучает модели сам. Kimi K3.1 Pro с третьего места весит 1,56 ТБ; на странице Artificial Analysis у неё 46 баллов Intelligence Index и первое место из 26 в своей группе сравнения, там же она названа дорогой и медленной. Подробности в новости о выходе весов Kimi K3.1 Pro.

Размер весов тяжёлых моделей из трендов. График: Tproger по данным API Hugging Face

Видео. Три из четырёх видеопозиций построены на MiniMax-H3 и требуют её базу. Viggle Remake переснимает готовое видео по одной фразе: меняет персонажей, одежду, погоду и свет, сохраняя движение, камеру и звук. Авторы называют минимумом одну карту на 12–24 ГБ через ComfyUI с файлами int8 или GGUF, а для агента по MCP нужна карта на 32 ГБ и около 60 ГБ оперативной памяти; в обоих случаях на диск ложится база примерно на 144 ГБ. Pika H3 Flex генерирует ролик до 15 секунд со стереозвуком за шесть шагов и принимает до 12 референсов; по документации Pika, генерация 480p на 5 секунд занимала 66–69 ГиБ памяти на H100. Sulphur-3 с 23-го места скачать нельзя: доступ выдаётся вручную, по словам участников обсуждений, пока только тем, кто пожертвовал проекту.

Что можно попробовать без установки?

У шести моделей есть официальные демо в Hugging Face Spaces, три языковые доступны через OpenRouter. Цены и ссылки проверены 9 ноября 2026 года.

• Idol: официальное демо в Spaces, загружаете картинку и получаете 3D-объект.
• Nemotron 3.5 Transcribe: демо NVIDIA в Spaces.
• P-H3-Image: демо Pruna AI; у FLUX 3 Image Klein официального демо нет, есть только Spaces сообщества.
• LTX-2.5: демо в Spaces и песочница API.
• Pika H3 Flex и Viggle Remake: демо Pika и демо Viggle.
• Kimi K3.1 Pro: OpenRouter, $2 за млн входных и $10 за млн выходных токенов.
• Ripple-65B Preview: OpenRouter, от $0,10 и $0,30 у провайдера Prime Intellect, $0,20 и $0,60 у GMICloud. В обсуждении на Hacker News один из пользователей сообщил, что через OpenRouter у него не сработали четыре вызова инструментов из восьми; это единичный отзыв.
• Qwen3.8-27B: OpenRouter, $0,15 и $1,875.

У Arete-27B, TwIL-8B и ERNIE-5.5-Flash-Base нет ни демо, ни хостинга: их можно только скачать.

Какие лицензии мешают коммерческому использованию?

Без оговорок в продукт идут модели под Apache 2.0 и MIT. У остальных ограничения трёх видов: порог выручки, территория и запрет коммерции. Условия ниже взяты из карточек и текстов лицензий; перед запуском в продукт текст лицензии нужно прочитать самому.

У LTX-2.5 есть ещё одно условие: веса открываются после кнопки Agree and Access, и вместе с ней пользователь соглашается получать рекламные рассылки Lightricks. У квантов Qwen-Image-2.1-Turbo лицензия Qwen Research: разрешены только исследования и оценка, для коммерческого использования нужна отдельная лицензия. У Sulphur-3 поле лицензии в API пустое, а текст закрыт вместе с репозиторием.

Какие старые модели остаются в трендах?

Историю позиций в трендах Hugging Face не публикует, но возраст репозиториев виден: три самых старых среди героев обзора созданы в июле и августе и продолжают обновляться. LTX-2.5 создан 23 июля и стоит на пятом месте: 2,72 млн загрузок за месяц, 11 243 лайка, шаблоны в ComfyUI из коробки. Последние релизы инструментария вышли 4 и 5 ноября. Сама модель генерирует видео сразу со звуком; о ней мы писали в августовском обзоре видео и звука.

Qwen3.8-27B создана 5 августа и стоит на девятом месте с 7,5 млн загрузок за месяц и 19,5 тыс. лайков. Она же служит основой двум соседям по списку, Arete-27B и сборке DavidAU. Полные веса занимают 55,6 ГБ, лицензия Apache 2.0; на странице Artificial Analysis у версии с максимальными рассуждениями 20 баллов Intelligence Index при медиане 8 у сопоставимых моделей.

GGUF-кванты Qwen3.8-Flash-Next от Unsloth лежат с 26 августа и обновились 4 ноября: команда пересобрала их по схеме Dynamic v3.1 и добавила MTP, которое, по её данным, ускоряет генерацию в 1,3–1,7 раза. Сама Flash-Next, экспериментальная MoE на 125 млрд параметров с 6 млрд активных, не считая 51 млрд в n-gram-эмбеддингах и 4 млрд в MTP, описана Qwen как превью архитектуры для Qwen4. Самый маленький квант весит 66,4 ГБ, так что это вариант для рабочей станции.

Что для какой задачи брать в ноябре 2026?

Выбор определяют три вещи: задача, объём памяти и лицензия. Таблица собрана по цифрам выше; где авторы не назвали требования к памяти, указан размер файла.

Про кванты Qwen3.8-27B под карту на 24 ГБ мы подробно писали в сентябрьском обзоре: там есть независимый замер, по которому 4-битный квант на 17 ГБ не отличается от полных весов на трёх бенчмарках.

Следить на ближайшей неделе стоит за тремя вещами: появятся ли независимые замеры Ripple-65B и Idol, откроет ли автор Sulphur-3 доступ к репозиторию и пересоберут ли кванты модели со второго места после исправления от 8 ноября.

Источники: Тренды моделей на Hugging Face, Карточка speridlabs/idol, Карточка ccore/Qwen3.5-4B-3D-Coder, Карточка ccore/Qwen3.5-4B-GLB-3D-Coder, Карточка webAI-Official/TwIL-8B, Карточка FLUX 3 Image Klein для ComfyUI, Карточка PrunaAI/P-H3-Image-Comfy, Карточка NVIDIA Nemotron 3.5 Transcribe, Artificial Analysis: Speech to Text, Карточка ricursiveAI/Ripple-65B-Preview, Обсуждение Ripple-65B на Hacker News, Карточка NousResearch/Arete-27B, Карточка Scantist/GLM-5.3-SLIM-GGUF, Карточка baidu/ERNIE-5.5-Flash-Base, Artificial Analysis: Kimi K3.1 Pro, Карточка Lightricks/LTX-2.5, Карточка Viggle/Viggle-Remake, Карточка Pika-Labs/Pika-H3-Flex, Карточка Qwen/Qwen3.8-27B, Список моделей OpenRouter с ценами

Изображение на обложке: Speridlabs, кадр из официального видео модели Idol