ViT-Base — модель для классификации изображений и извлечения визуальных признаков, дообученная на ImageNet-1k после предобучения на ImageNet-21k.

Подходит для: классификация изображений по категориям ImageNet · извлечение эмбеддингов изображений · использование визуального backbone в компьютерном зрении

Базовая мультимодальная модель Qwen3.5 на 4 млрд параметров для дообучения и экспериментов с текстом, изображениями и длинным контекстом.

Подходит для: дообучение мультимодального ассистента под собственные задачи · эксперименты с визуальными вопросами и ответами · адаптация модели с помощью LoRA

Базовая мультимодальная модель Qwen3.5 с 0,8 млрд параметров для дообучения и экспериментов с текстом и изображениями.

Подходит для: дообучение компактной мультимодальной модели · эксперименты с обучением в контексте · создание чат-модели на базе Qwen3.5

Базовая авторегрессионная модель Qwen3 на 7,6 млрд параметров для генерации текста и дальнейшей адаптации под прикладные задачи.

Подходит для: продолжение и генерация текста · создание специализированной языковой модели дообучением · разработка диалогового ассистента после инструктивной настройки

Базовый Vision Transformer, извлекающий признаки из изображений для классификации и других задач компьютерного зрения.

Подходит для: извлечение признаков из изображений для классификатора · обучение классификатора изображений на собственной размеченной выборке · получение векторного представления изображения для последующей обработки

Базовая мультимодальная модель Qwen3.5 с 9 млрд параметров для дообучения, экспериментов и задач понимания изображений.

Подходит для: дообучение мультимодального ассистента · эксперименты с обучением в контексте · ответы на вопросы по изображениям после адаптации

Ankh Base — белковая языковая модель для создания представлений аминокислотных последовательностей и их применения в задачах биоинформатики.

Подходит для: извлечение эмбеддингов белковых последовательностей · предсказание вторичной структуры белка с downstream-моделью · оценка растворимости белка

ConvNeXt-Base — модель для классификации изображений и извлечения визуальных признаков, предварительно обученная на ImageNet-22k и дообученная на ImageNet-1k.

Подходит для: Классификация объектов на изображениях · Извлечение карт признаков для компьютерного зрения · Получение векторных представлений изображений

ConvNeXt Base — модель классификации изображений, дообученная на ImageNet-1k после предварительного обучения на ImageNet-22k, также пригодная для извлечения визуальных признаков.

Подходит для: классификация объектов на фотографиях · определение класса изображения из набора категорий · извлечение карт визуальных признаков для компьютерного зрения

ConvNeXt Base — визуальная модель для классификации изображений и извлечения признаков, обученная на LAION-2B и дообученная на ImageNet.

Подходит для: классификация объектов на изображениях · извлечение признаков для компьютерного зрения · получение визуальных эмбеддингов для поиска похожих изображений

Свёрточная модель ConvNeXt V2 Base для классификации изображений, дообученная на ImageNet-22K.

Подходит для: классификация изображений по категориям ImageNet · распознавание объектов и сцен на изображениях · извлечение визуальных признаков для последующих задач компьютерного зрения

Свёрточная модель ConvNeXt-V2 Base для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация объектов на изображениях · определение категорий изображений ImageNet · извлечение карт визуальных признаков

ViT Base — модель классификации изображений и извлечения визуальных признаков, обученная на ImageNet-21k и дообученная на ImageNet-1k.

Подходит для: классификация изображений по категориям · извлечение эмбеддингов изображений · создание визуальных признаков для downstream-моделей

Базовая языковая модель NVIDIA с гибридной архитектурой Mamba-2 и MoE для продолжения предобучения и создания специализированных вариантов.

Подходит для: продолжение предобучения на предметном корпусе · создание специализированной языковой модели · подготовка базового чекпойнта для SFT или RL

ViT Base с патчами 16×16, предобученный на ImageNet-21k, служит для извлечения признаков изображений и дообучения.

Подходит для: извлечение признаков из изображений · получение эмбеддингов изображений · подготовка представлений изображений для поиска и кластеризации

ConvNeXt Base, дообученная на ImageNet после предобучения на LAION-2B, классифицирует изображения и извлекает визуальные признаки.

Подходит для: Классификация изображений по категориям · Извлечение признаковых карт из изображений · Получение эмбеддингов изображений для поиска и сравнения

Базовая мультиязычная языковая модель NVIDIA на 30 млрд параметров для генерации текста и последующего дообучения под инструкции и специализированные агентские задачи.

Подходит для: дообучение базовой модели для следования инструкциям · создание специализированных ИИ-агентов · генерация и продолжение текста на нескольких языках

Swin Transformer Base — модель для классификации изображений, дообученная на ImageNet-1k после предварительного обучения на ImageNet-22k.

Подходит для: классификация объектов на изображениях · извлечение признаков для компьютерного зрения · получение эмбеддингов изображений

OlmoEarth-v1_2-Base — модель ViT-Base для извлечения признаков и построения эмбеддингов спутниковых снимков Sentinel-1, Sentinel-2 и Landsat.

Подходит для: построение эмбеддингов спутниковых снимков · анализ временных рядов спутниковых изображений · подготовка признаков для сегментации земной поверхности

safetensors: формат, квантизация, runtime и память принадлежат одному artifact

Модель InceptionNeXt Base классифицирует изображения ImageNet-1k и может служить backbone для извлечения визуальных признаков и эмбеддингов.

Подходит для: Классификация изображений по категориям ImageNet-1k · Извлечение карт признаков для моделей компьютерного зрения · Получение визуальных эмбеддингов изображений

Производная модели CollectionStudio/Trinity-Large-TrueBase. Базовая разреженная MoE-модель Arcee AI для исследований предобучения, анализа поведения и последующего дообучения.

Подходит для: исследование поведения модели после масштабного предобучения · анализ маршрутизации экспертов и балансировки нагрузки в MoE · пробинг и интерпретируемость языковой модели

Свёрточная модель ConvNeXt-Base, обученная на ImageNet-1k для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация изображений по категориям ImageNet · извлечение карт признаков из изображений · получение визуальных эмбеддингов для поиска похожих изображений

DeiT-Base с дистилляционным токеном классифицирует изображения ImageNet-1k и может служить основой для извлечения визуальных признаков.

Подходит для: классификация изображений по классам ImageNet-1k · извлечение визуальных эмбеддингов для поиска похожих изображений · использование визуального backbone в задачах компьютерного зрения