ResNet-18 — обученная на ImageNet-1k сверточная модель для классификации изображений.

Подходит для: классификация изображений по категориям ImageNet · распознавание объектов на фотографиях · создание базового классификатора изображений

Компактная ResNet18 от timm для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация объектов на изображениях · распознавание изображений из набора ImageNet-1k · извлечение карт признаков для компьютерного зрения

ResNet18.a3_in1k — обученная на ImageNet-1k модель ResNet для классификации изображений и извлечения визуальных признаков.

Подходит для: классификация изображений по категориям ImageNet · извлечение карт признаков для компьютерного зрения · получение эмбеддингов изображений для поиска и сравнения

Предобученный на ImageNet ResNet-18 для классификации изображений и извлечения признаков в моделях сегментации.

Подходит для: классификация изображений по категориям ImageNet · извлечение визуальных признаков для сегментации изображений · использование ResNet-18 как энкодера в segmentation-models-pytorch

OmniEdu-4B — дообученная мультимодальная модель для решения школьных задач, диагностики затруднений учеников и поддержки преподавания.

Подходит для: решение школьных задач по тексту и изображениям · выявление заблуждений и пробелов в знаниях ученика · пошаговое объяснение темы с подсказками

ResNetV2-18 — компактная модель компьютерного зрения для классификации изображений и извлечения признаков, обученная на ImageNet-1k.

Подходит для: Классификация изображений по категориям ImageNet-1k · Извлечение карт признаков из изображений · Получение эмбеддингов изображений для поиска и кластеризации

Darwin-28B-Opus — плотная языковая модель на базе Qwen3.6, предназначенная для сложных рассуждений, решения научных и математических задач и генерации кода.

Подходит для: Решение задач университетского уровня по естественным наукам · Пошаговое решение сложных математических задач · Генерация и отладка программного кода

ResNet-18 — модель timm для классификации изображений и извлечения визуальных признаков, предварительно обученная на YFCC100M и дообученная на ImageNet-1k.

Подходит для: Классификация изображений на классы ImageNet-1k · Извлечение карт признаков из изображений · Получение эмбеддингов изображений для поиска и сравнения

ATLAS-8B-Thinking — модель-учитель Arc Intelligence для адаптивного обучения языковых моделей с помощью диагностики и подбора подсказок.

Подходит для: Диагностика ошибок рассуждения у модели-ученика · Адаптивная генерация подсказок для дообучения LLM · Обучение языковых моделей с подкреплением

HRNet-W18 Small V2 — модель компьютерного зрения для классификации изображений и извлечения визуальных признаков, обученная на ImageNet-1k.

Подходит для: классификация изображений по классам ImageNet-1k · получение карт признаков для компьютерного зрения · извлечение эмбеддингов изображений

Мультимодальная Gemma 4 E4B IT от Google DeepMind, подготовленная для диалога и других задач на устройстве Rockchip RK1828.

Подходит для: диалог с локальным помощником на RK1828 · ответы на вопросы по тексту и изображениям · анализ входящего аудио с текстовым ответом

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

Предобученный энкодер EfficientNet-B0 с весами Noisy Student для классификации изображений и построения моделей сегментации.

Подходит для: извлечение признаков изображения для сегментационной модели · классификация изображений · использование энкодера EfficientNet-B0 в segmentation-models-pytorch

Мультимодальная модель на базе Qwen3.5-9B для образовательных ответов, пошагового обучения и помощи ученикам и преподавателям.

Подходит для: Пошагово объяснять учебные понятия · Отвечать на вопросы учеников по учебным темам · Помогать разбирать домашние задания

Мультимодальная Gemma 4 E2B IT для диалогов, анализа изображений и аудио, рассуждений и программирования на устройствах RK1828 через LlamaPi.

Подходит для: диалоговый помощник на устройстве RK1828 · ответы на вопросы по изображениям · текстовые ответы на аудиовход

Дообученная мультимодальная Gemma 4 E2B IT для диалога и ответов на запросы об изображениях.

Подходит для: задавать вопросы по содержимому изображения · анализировать фотографии и иллюстрации в диалоге · извлекать сведения из изображений документов

Мультимодальная модель на базе Qwen для решения школьных задач, диагностики пробелов в знаниях и поддержки обучения.

Подходит для: решение школьных задач по фотографии или тексту · объяснение решения задачи с пошаговыми подсказками · выявление заблуждений и пробелов в знаниях ученика

Предварительно обученный энкодер ResNet-18 для извлечения признаков изображений в задачах компьютерного зрения.

Подходит для: извлечение признаков изображений для сегментационной модели · использование ResNet-18 как энкодера в проекте на segmentation-models-pytorch · классификация изображений в конвейере компьютерного зрения

Дообученная модель Llama 3 для генерации образовательных текстов, классификации и сопоставления курсов с результатами обучения на казахском, русском и английском языках.

Подходит для: сопоставление университетских курсов с результатами обучения · проверка покрытия компетенций учебной программой · поиск пробелов в учебном плане

Визуальный энкодер AIM-v2 для извлечения признаков из изображений в задачах компьютерного зрения.

Подходит для: извлечение признаков изображений для последующей классификации · получение визуальных представлений для поиска похожих изображений · подготовка эмбеддингов изображений для прикладных систем компьютерного зрения

Дообученный ELECTRA с 136,7 млн параметров для классификации текста на последовательностях длиной до 512 токенов.

Подходит для: Классификация текстовых последовательностей · Отнесение сообщений к заранее заданным категориям · Проверка качества классификации на размеченном наборе данных

Мультимодальная сборка Gemma 4 E2B IT для RK1820, предназначенная для диалогов, рассуждений, программирования и анализа текста, изображений и аудио с текстовым ответом.

Подходит для: диалоги с локальным помощником на устройстве RK1820 · ответы на вопросы по тексту и изображениям · анализ аудиовхода с формированием текстового ответа

Слияние Gemma-моделей для диалога по тексту и вопросам об изображениях.

Подходит для: задавать вопросы об изображении · получать текстовое описание изображения · вести диалог с визуальным контекстом

Unet с энкодером ResNet-18 для семантической сегментации изображений через segmentation-models-pytorch.

Подходит для: пиксельная разметка объектов на изображениях · семантическая сегментация сцен · выделение областей интереса на изображениях