/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
pico_type · dense
Библиотека
pico-type
Опубликована
28 июл 2026

pico-type-v02

Классификация текстаТекст → label11 профессий

Компактный многоязычный классификатор по байтам определяет тип и модальность содержимого, подтип, языки и MIME-тип для быстрой обработки файлов.

25скачиваний за 30 дней1лайквеса обновлены18 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

pico-type v02 — компактная модель-классификатор семейства PicoType, разработанная авторами проекта pico-type. Она анализирует содержимое по исходным байтам и предсказывает несколько характеристик: общий тип, модальность, подтип, язык программирования, язык текста, MIME-тип файла и риск-флаги. Модель предназначена для быстрой автоматической классификации файлов и содержимого в приложениях, включая обработку на CPU и периферийных устройствах.

Архитектура — плотная byte-level модель с несколькими выходными головками и Matryoshka-вариантами разных размерностей. В репозитории представлены ONNX-модели в формате FP32; базовый вариант содержит около 1,48 млн параметров и занимает примерно 9,25 МБ. Для входа используются последовательности байтов длиной до 1024. Карточка сообщает о многоязычной поддержке, но не перечисляет конкретные естественные языки. Указаны точность 100% для двух задач и 93,8% для классификации подтипов на синтетической оценке; эти результаты не гарантируют такую же точность на реальных данных. Лицензия — Apache-2.0.

Сценарии применения

  • определение типа и подтипа файла по его содержимому
  • распознавание модальности и MIME-типа данных
  • определение языка текста или языка программирования
  • предварительная классификация содержимого в конвейере обработки файлов
  • выявление категорий риска в содержимом

Ограничения

Оценка в README проведена на синтетических данных, поэтому приведённые показатели могут не отражать качество на реальном содержимом. Вход ограничен последовательностью длиной до 1024 байтов; конкретные поддерживаемые языки и поведение на неохваченных классах не описаны.

Для каких профессий подходит11

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

pico-type 🔍 (v02)

A tiny byte-level multi-head content classifier — ~1.5M params, ~9MB single-file ONNX (FP32), ~18ms CPU inference.

Classifies any content from raw bytes: coarse type · modality · subtype · code language · text language · file MIME · risk flags

License Python PyPI ONNX Paper


Paper: pico-type: A 1.5M-Parameter Byte-Level Multi-Head Content Classifier (arXiv:2608.14658, 2026)

What's here

Single-file IR-8 ONNX exports (FP32, opset 18) for all 4 Matryoshka tiers — tiny / small / base / pro — sharing the same trunk:

TierDimSizeParams
tiny169.09 MB1,434,344
small649.13 MB1,445,480
base1929.25 MB1,475,176
pro5769.61 MB1,564,264

Load directly with onnxruntime:

import onnxruntime as ort
import numpy as np

session = ort.InferenceSession("picotype_base.onnx")

text = b"def hello(): pass"
ids = np.frombuffer(text[:1024], dtype=np.uint8).astype(np.int64)
padded = np.zeros(1024, dtype=np.int64)
padded[:len(ids)] = ids
mask = np.zeros(1024, dtype=np.bool_)
mask[:len(ids)] = True

outs = session.run(None, {"input_ids": padded[None, :], "attention_mask": mask[None, :]})

Evaluation (v2 — trained on real data)

HeadClassesAccuracyDataset
coarse12100%Synthetic eval
modality8100%Synthetic eval
subtype2493.8%Synthetic eval
code_lang6260.3%The Heap — 24 real-world langs
text_lang3098.3%Wikipedia — 30 langs
file_mime90100%Synthetic eval
risk (multi-label)6100%Synthetic eval

Links

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · pico-type

Нельзя запустить

В репозитории нет весов в формате PyTorch/safetensors.

Класс архитектуры
PicoType
Ревизия весов
dec5c66

0 моделей