I.14Автоматизация процессов и AI-агенты

Это компактная языковая модель Qwen2.5 с 1,5 млрд параметров, дообученная методом supervised fine-tuning на всех параметрах командой, проводившей эксперимент Parameter Floors for Developer-Agent Subroutines. Модель предназначена для узкой подзадачи агента-разработчика: восстановления повреждённого JSON-вызова инструмента в исходный объект, соответствующий фиксированной схеме. Модель принимает текстовый запрос и генерирует текст с исправленным JSON. Она рассчитана на работу внутри проверяющей обвязки: та формирует специализированный запрос, проверяет строгий JSON, допускает одну повторную попытку с обратной связью по схеме и при необходимости использует детерминированные проверки и правила. Контекст модели — до 32 768 токенов; карточка указывает английский язык. В тестировании на примерах из HTTPX и Jinja2, исключённых из обучения, авторы сообщают о 100% успешных результатах с одной попыткой повтора, а также о 100% успехе и валидности JSON с первой попытки. Это экспериментальный узкоспециализированный чекпойнт, а не универсальный помощник по программированию или чат-модель: авторы предупреждают, что модель настроена на одну закрытую схему и может утратить широкие способности следовать инструкциям. Результаты относятся к ограниченной тестовой выборке; перед применением следует учитывать, что некоторые такие подзадачи надёжнее решать детерминированными правилами. Модель распространяется по лицензии Apache-2.0.

fixie-ai/turntaking-multilingual-llama8b-2a — модель для извлечения признаков, опубликованная Fixie AI (ныне Ultravox AI) на Hugging Face. Она использует архитектуру Ultravox: аудиокодировщик Whisper соединён с текстовой моделью Llama через проекционный модуль. По конфигурации модель предназначена для обработки речи и представлена как компонент для сценариев определения очередности реплик; в карточке доступен pipeline feature-extraction. В конфигурации указаны аудиокодировщик Whisper и текстовая модель fixie-ai/turntaking-pretraining-it-multilingual-3c. Репозиторий содержит веса BF16 размером около 0,7 млрд параметров. Модель принимает аудио и формирует признаки; данные поиска не позволяют надёжно определить перечень поддерживаемых языков, длину контекста или лицензию. Для загрузки через Transformers карточка требует trust_remote_code=True.

Модель ai-text-detector-v-n4.0 разработана для классификации текста как написанного человеком или сгенерированного ИИ. Это дообученная Microsoft DeBERTa-v3-large с архитектурой DebertaV2ForSequenceClassification и 533,8 млн параметров; она принимает текст и возвращает один из двух классов. Модель рассчитана прежде всего на англоязычные тексты, а максимальная длина контекста составляет 512 токенов. В карточке заявлены обучение на пользовательском наборе данных из более чем 10 000 примеров и значения accuracy и F1 около 0,97. Модель может помогать при проверке авторства текстов, модерации и анализе учебных работ, а также служить основой для дообучения на специализированных корпусах. Эти результаты приведены в карточке модели и не гарантируют точность на других данных или для иных языков. Модель распространяется по лицензии MIT. Она может ошибочно распознавать перефразированный ИИ-текст или человеческий текст с механистичным стилем; для важных решений требуется проверка человеком.

Ana-04/bangla-transliteration-v1 — модель на архитектуре M2M100, дообученная на базе facebook/nllb-200-distilled-600M для транслитерации бенгальского текста, набранного латиницей, в бенгальское письмо. Она рассчитана прежде всего на индийский бенгальский Западной Бенгалии и учитывает разговорные варианты романизации, включая смешение бенгальских слов с английскими. Модель подходит для клавиатур и методов ввода, API транслитерации, чатов, социальных сетей и издательских инструментов. В отличие от перевода, она передаёт звучание и сохраняет язык исходного текста. В карточке приведены показатели CER 0,0578 и WER 0,1946 на отложенной выборке авторского набора данных; контекст составляет 1024 токена, размер — 463,7 млн параметров. Используются safetensors, лицензия — Apache-2.0. Качество может быть ниже для романизации, характерной для Бангладеш, редкой технической и научной лексики, формального стиля и сложных слов с редко встречающимися сочетаниями букв. Романизация неоднозначна: разные латинские написания могут соответствовать одному бенгальскому слову, а выбор модели зависит от контекста и примеров в обучающих данных.

BERT Spanish Sensationalism Classifier — модель Julen Neila для выявления сенсационной подачи в испанских новостях. Это дообученная для бинарной классификации модель BERT на базе dccuchile/bert-base-spanish-wwm-cased; она принимает сочетание заголовка и основного текста и относит новость к одному из двух классов — с сенсационными приёмами или без них. Модель построена на Transformers, содержит 137,1 млн параметров, использует формат Safetensors и поддерживает контекст до 512 токенов. Модель предназначена для анализа новостных материалов, мониторинга СМИ, исследований журналистики и включения в конвейеры классификации контента. Лицензия — Apache 2.0. Она может хуже работать на коротких текстах и заголовках без контекста, не предназначена для текстов на других языках и может плохо переноситься за пределы традиционных цифровых СМИ. Следует учитывать возможные смещения обучающих данных и отдельно проверять модель перед применением в значимых решениях.

CASA-Qwen2_5-VL-3B-LiveCC — мультимодальная модель Kyutai для создания субтитров и текстовых описаний видео в реальном времени. Она основана на Qwen2.5-VL-3B-Instruct и дообучена на наборе LiveCC; архитектура использует слои CASA с перекрёстным вниманием для объединения визуальной и языковой информации. Модель содержит 3,1 млрд параметров, работает с видео и текстом и имеет контекст длиной до 128 000 токенов. Модель предназначена для генерации временно привязанных описаний видеопотока: кадры извлекаются с частотой 2 кадра в секунду, а текст можно выводить как субтитры в момент генерации. В README приведён пример описания животного в естественной среде. Для загрузки используется Transformers с включённым trust_remote_code. Репозиторий распространяется по лицензии CC BY-NC-SA 4.0, которая запрещает коммерческое использование и требует соблюдать условия атрибуции и распространения производных материалов. Карточка демонстрирует сценарий описания видео, но не сообщает о точности, задержке или качестве на других типах видеоматериалов. Указанный в метаданных английский язык — единственный подтверждённый язык карточки; переносимость на другие языки не установлена.

climatebert-bin — англоязычная модель классификации текста, разработанная на основе climatebert/distilroberta-base-climate-f и дообученная для классификации последовательностей. Модель построена на архитектуре DistilRoBERTa/RoBERTa, содержит 95,4 млн параметров и принимает последовательности длиной до 514 токенов. Модель подходит для присвоения текстам классов в задачах, связанных с климатической тематикой. В карточке приведены результаты на тестовой выборке: F1 Macro 0,9156 и accuracy 0,9224. Датасет, метки классов и подробные сценарии использования не описаны, поэтому область применения классификации нельзя уточнить. Модель распространяется по лицензии Apache-2.0.

combined-diacritized-scratch — модель классификации текста на базе RoBERTa, дообученная автором репозитория lazymonster на неизвестном наборе данных. В метаданных указана архитектура RobertaForSequenceClassification, размер 17,1 млн параметров и контекст до 132 токенов; веса представлены в формате safetensors. Модель предназначена для классификации текстовых последовательностей. В README приведены результаты оценки: accuracy 0,6415 и macro-F1 0,6382. Назначение классов и конкретные сценарии применения не описаны, поэтому практическая область использования по доступным сведениям не определяется. Лицензия — MIT.

Modelo oficial da Confia Company para reconhecer texto curto em imagens de CAPTCHA de baixa resolução. Usa uma arquitetura convolucional personalizada Positional Slot-Head CNN: три сверточных блока с BatchNorm2d и ReLU формируют пространственную карту признаков, а пять независимых классификационных голов распознают символы по позициям. Модель рассчитана на изображения размером 150 × 50 пикселей и последовательности из пяти буквенно-цифровых символов; поддерживаемый алфавит содержит цифры 2–9 и строчные латинские буквы. В README заявлены точность распознавания всей последовательности около 94–98%, точность по символу выше 99% и время вывода менее 5 мс на CPU. Модель предназначена для экспериментов с компьютерным зрением, OCR и проверки визуальной доступности веб-платформ. Она работает на PyTorch и распространяется по лицензии MIT. Показатели производительности приведены для небольшого набора примерно из 800 примеров и не гарантируют такую же точность на других типах CAPTCHA.

Модель Danish BERT for emotion detection разработана Alexandra Institute и предназначена для бинарной классификации датского текста: определяет, является ли текст эмоциональным. Это дообученная на вручную размеченных данных из социальных сетей модель BERT, основанная на предварительно обученном датском BERT от BotXO. Она подходит для анализа коротких публикаций и сообщений на датском языке. Модель содержит 137,8 млн параметров, принимает текст с контекстом до 512 токенов и доступна в форматах PyTorch, Safetensors и TensorFlow. Обучающие данные были подготовлены совместно с Danmarks Radio и публично не опубликованы. Лицензия — Apache-2.0.

guidobenb/DarkBERT-finetuned-ner — англоязычная модель распознавания именованных сущностей для анализа описаний киберинцидентов. Она разработана на базе s2w-ai/DarkBERT и дообучена на данных VCDB в формате VERIS; архитектура — RoBERTa для классификации токенов, около 151,8 млн параметров, контекст — до 514 токенов. Модель предназначена для извлечения сущностей категорий VERIS 4A: участников инцидента, активов, действий и атрибутов. Её можно применять для структурирования отчетов об инцидентах, сбора данных киберразведки и анализа открытых сведений об утечках, вторжениях, вредоносном ПО и DDoS-атаках. В опубликованной оценке F1 составляет 0,5014, precision — 0,4628, recall — 0,5470, поэтому результаты требуют проверки и могут пропускать или неверно размечать сущности. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Исходная модель DarkBERT предварительно обучена на текстах даркнета, а обучающие данные этой версии происходят из публичной базы инцидентов VCDB.

oshizo разработал эту модель, дообучив Donut base от naver-clova-ix на синтетических изображениях в стиле визуальных новелл. Это модель архитектуры vision-encoder-decoder для преобразования изображения с экраном визуальной новеллы в текстовое представление JSON с ключами options, names и messages. Модель предназначена для распознавания текста диалогов и вариантов выбора в визуальных новеллах. При обучении её настраивали на чтение основного текста без влияния фуриганы, а также на пропуск элементов интерфейса, таких как SAVE и LOAD, и отображения дат. Она рассчитана на японский язык и обучалась на изображениях размером 1920 × 1080.

EAGLE-3 — вспомогательная черновая модель компании Nebius для ускорения генерации текста базовой моделью Qwen3-235B-A22B-Instruct-2507 методом спекулятивного декодирования. Она предлагает черновые токены, которые основная модель проверяет и принимает или отклоняет. Модель обучена с нуля с использованием LK-loss, ориентированных на повышение доли принимаемых токенов. В README приведены результаты измерения средней длины принятого фрагмента при K=7 на MT-bench, HumanEval и GSM8K: при температуре 1 показатель составляет 4,08 против 3,77 у варианта EAGLE-3 с KL-loss; в сравнении с указанными публичными чекпойнтами модель показывает более высокие значения на этих тестах. Для использования приведён пример конфигурации vLLM с методом eagle3. Это черновой компонент ускорения, а не самостоятельная диалоговая модель; практический выигрыш зависит от основной модели, настроек и версии среды инференса. Модель содержит 809 млн параметров, использует архитектуру, обозначенную в метаданных как LlamaForCausalLM, и распространяется в формате Safetensors. Базовая модель имеет контекст 262 144 токена. Лицензия — CC BY 4.0.

Gemma-2 2B Agent Security — модель Sumit Guha для генерации текста в диалогах, настроенная защищать конфиденциальную конфигурацию ИИ-агента от утечек, сохраняя полезные ответы на безопасные запросы. Это дообучение с LoRA базовой модели thesreedath/gemma-2-2b-qa-sft на наборе sumitguha13/ai-agent-security-sft-dpo; используется плотная архитектура Gemma 2 с 2,7 млрд параметров. Метаданные указывают английский язык, контекст до 8192 токенов и лицензию Apache-2.0. В оценке на 80 ранее не встречавшихся агентах авторы сообщают нулевую долю утечек как на атакующих, так и на обычных запросах, а также более высокую оценку полезности на безопасных запросах относительно базовой модели. Результаты относятся к указанному набору из 240 атакующих и 240 безопасных запросов и не гарантируют защиту от новых типов атак. В README также отмечено снижение точности закрытых вопросов и отсутствие измеримого вклада этапа DPO относительно SFT.

Это конвертированная в формат MLX модель Gemma 4 12B IT Assistant, основанная на чекпойнте Google Gemma 4 12B IT Assistant. Конверсию выполнило сообщество mlx-community с помощью mlx-vlm 0.6.0; веса представлены в формате safetensors и имеют точность bf16. Модель предназначена для ускорения генерации текста в режиме speculative decoding: она предлагает токены, которые проверяет целевая модель. Для запуска в MLX можно использовать библиотеку mlx-vlm. В метаданных указана лицензия Apache 2.0. Это плотная модель семейства Gemma 4 Unified Assistant с архитектурой Gemma4UnifiedAssistantForCausalLM и размером 12 млрд параметров. Карточка рекомендует обращаться к исходной модели за дополнительными сведениями о возможностях и ограничениях; поэтому языки, контекст и дополнительные модальности здесь не уточняются.

dipesh/Intent-Classification-Bert-Base-Cased — модель классификации текста на основе BERT, представленная в формате TensorFlow. По карточке она обучена с нуля на неизвестном наборе данных; архитектура — BertForSequenceClassification, размер — 135,5 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для отнесения текста к классам, но набор меток и конкретная предметная область не описаны. Карточка не приводит результатов оценки, деталей обучающих данных, рекомендаций по применению или лицензии. Поэтому пригодность модели для конкретной задачи и условия её использования по имеющимся сведениям определить нельзя.

ISOM-130M-MoE — компактная языковая модель Pranneshkva, созданная на основе Mamba-130M и предназначенная для генерации текста на устройствах с ограниченной памятью. Она сочетает рекуррентные слои ISOM на основе state-space-модели с архитектурой Mixture-of-Experts: 134,89 млн параметров всего, около 58,27 млн активных на токен, 8 экспертов SwiGLU с выбором двух экспертов. В README заявлена рабочая память менее 2 МБ, не растущая с длиной последовательности. Модель рассчитана на роль быстрой черновой модели в speculative decoding для более крупных моделей, а также на задачи пошагового рассуждения, включая абстрактные головоломки ARC и символьную математику. Указаны англоязычная карточка и токенизатор GPT-2 BPE. Контекстная длина для этой версии не приведена. Архитектура и показатели производительности описаны разработчиком; README не приводит подробностей независимой оценки качества. Модель выпущена под лицензией Apache 2.0. Это производная от state-spaces/mamba-130m модель с экспериментальной архитектурой ISOM; заявления о скорости, качестве рассуждений и памяти следует считать характеристиками из карточки модели.

mc_roberta_base — дообученная модель на базе FacebookAI/roberta-base, разработанная yamanpareek-iitm. Она предназначена для выбора правильного варианта ответа среди нескольких предложенных. В README указаны результаты на оценочной выборке: loss 0,9847 и MAP@3 0,8938; датасет обозначен как None, поэтому эти показатели нельзя связать с конкретной областью или набором данных. Модель содержит 151,8 млн параметров, использует архитектуру RoBERTa и принимает текстовые входные данные для задачи multiple-choice. Максимальный размер контекста — 514 токенов. Распространяется по лицензии MIT.

H3-LongVideos — пользовательский узел для ComfyUI, предназначенный для создания длинных видео MiniMax-H3 с синхронизированным звуком по одному текстовому запросу. Узел разбивает сцену на кадры-шоты: каждый новый шот начинается с последнего кадра предыдущего, после чего шоты объединяются в одно видео с общей звуковой дорожкой. Текст каждого шота передаётся модели без изменений. Пользователь задаёт сцену и отдельные шоты абзацами; доступны дополнительные параметры для общей композиции и освещения, а также памяти о персонажах. Режим plan_only показывает текст шотов без рендеринга. README описывает обработку последовательности состояний реквизита и одежды между шотами. Для работы требуются ComfyUI с поддержкой MiniMax-H3, веса MiniMax-H3, текстовый энкодер H3 и видеокодек VAE. Размер модели, список языков и конкретная лицензия в предоставленных сведениях не раскрыты; метаданные указывают лицензию other. Узел отмечен автором как находящийся в постоянной разработке, поэтому возможны ошибки и изменения поведения.

Omni-Judge — открытая модель для автоматической оценки математических решений, разработанная авторами проекта Omni-MATH. Она получает условие задачи, эталонный ответ и предложенное решение и определяет, верно ли оно, помогая оценивать результаты моделей на математических бенчмарках. Модель основана на meta-llama/Llama-3.1-8B-Instruct и дообучена на 17 618 примерах оценок GPT-4o в течение двух эпох. Внутренняя проверка на 2 220 примерах показала около 91% согласия с оценками GPT-4o. В метаданных указаны архитектура Llama, 7,5 млрд параметров, контекст до 131 072 токенов и интерфейс диалога с поддержкой вызова инструментов; опубликованные веса представлены в формате safetensors. Модель предназначена прежде всего для математических задач и автоматической оценки ответов. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-sn-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с шона на английский. Модель основана на архитектуре Transformer и использует нормализацию текста и токенизацию SentencePiece; число параметров — 56,5 млн, контекст — до 512 токенов. Модель обучена на данных OPUS. В README приведён результат BLEU 51,8 и chr-F 0,648 на тестовом наборе JW300.sn.en. Она подходит для перевода фраз и текстов с шона на английский; обратный перевод не заявлен. Доступна под лицензией Apache-2.0.

Это экспериментальный чекпойнт Qwen3-Coder-30B-A3B-Instruct, дообученный методом асинхронного RLOO на данных TaskTrove v4.9 для следования инструкциям, связанным с календарём. Модель относится к семейству Qwen3 MoE; в метаданных указано 2,6 млрд параметров и контекст до 262 144 токенов. Она предназначена для генерации ответов в диалоговых сценариях с календарными инструкциями. В README приведён средний reward 0,296875 и 38 успешных прохождений из 128 на фиксированной контрольной выборке. Позже обнаружили пересечение этой выборки с обучающими данными, поэтому результат служит только статистикой отбора и не является независимой оценкой обобщения. Указанная библиотека — Transformers, формат весов — safetensors. Сведения о лицензии в доступных данных отсутствуют.

Это черновая модель в стиле EAGLE-3, разработанная для ускорения генерации текста базовой моделью Qwen3-VL-8B-Instruct. Она работает только вместе с этой базовой моделью в системе спекулятивного декодирования: черновая модель предлагает несколько токенов, а базовая модель проверяет их. В README заявлено ускорение пропускной способности генерации в 1,5–2,5 раза без снижения качества базовой модели; на приведённых бенчмарках средняя длина принятой последовательности составляет примерно 1,87 токена при четырёх черновых токенах. Модель предназначена для ускорения текстовой генерации, включая диалоги, математические задачи и генерацию кода, при использовании совместимого стека спекулятивного декодирования. В метаданных указаны архитектура LlamaForCausalLMEagle3, 815,3 млн параметров, контекст до 262 144 токенов, формат safetensors и языки карточки zh и en. Это дообучение Qwen/Qwen3-VL-8B-Instruct; обучение проводилось с SpecForge на данных EagleChat. Лицензия — Apache-2.0. Модель не является самостоятельной: без соответствующей базовой Qwen3-VL-8B-Instruct и поддержки спекулятивного декодирования она не предназначена для обычной генерации. Заявленные показатели ускорения получены на указанных в карточке тестах и могут зависеть от базовой модели, оборудования и настроек декодирования.

UMM-Reflection-BAGEL-SFT — этап supervised fine-tuning проекта UMM-Reflection, созданный дообучением BAGEL-7B-MoT. Модель анализирует собственное изображение, оценивает, завершена ли генерация, и при необходимости формирует правку и создаёт исправленное изображение в рамках одного контекста. Чекпойнт предназначен для итеративной генерации изображений по текстовому запросу и редактирования изображений с самопроверкой. Обучение использовало траектории рефлексии для генерации и редактирования, а также flow matching для переходов между изображениями. Это версия для инициализации этапа RL; в README также указан последующий чекпойнт UMM-Reflection-BAGEL-RL. Модель принимает текст и изображения и выдаёт текстовые решения о проверке и редактировании, а также изображения. Репозиторий содержит safetensors; лицензия — Apache-2.0. В карточке не приведены сведения о размере контекста и поддерживаемых естественных языках.

VibeVoice-Realtime-0.5B — потоковая модель синтеза речи Microsoft на 0,5 млрд параметров, дообученная на базе Qwen/Qwen2.5-0.5B. Она принимает текстовые фрагменты по мере их поступления и генерирует речь с задержкой до первого слышимого результата около 300 мс, в зависимости от оборудования. Модель рассчитана на потоковые сервисы озвучивания, чтение обновляющихся данных и озвучивание ответов LLM до завершения их генерации. Архитектура VibeVoice Streaming использует оконную схему с параллельной обработкой входного текста и генерацией акустических латентов на основе диффузии; для речи применяется акустический токенизатор с частотой 7,5 Гц. Контекст составляет 8 тыс. токенов, типичная заявленная длительность генерации — около 10 минут. Модель поддерживает одного говорящего и предназначена прежде всего для английского языка. Хотя README упоминает эксперименты с девятью другими языками, их результаты могут быть непредсказуемыми. Модель ориентирована на длинную речь и потоковый синтез; для коротких фраз также заявлена удовлетворительная работа. Она не предназначена для музыки, фоновых звуков, перекрывающейся речи, чтения кода, формул и необычных символов. Возможны неточные или неожиданные результаты и унаследованные смещения базовой модели. Microsoft указывает исследовательское назначение и ограничения против имитации голоса без согласия, обмана и низколатентного преобразования голоса. Лицензия — MIT.

Модель edwardjross/xlm-roberta-base-finetuned-recipe-all разработана на основе XLM-RoBERTa base и дообучена для распознавания именованных сущностей в строках ингредиентов рецептов. Она присваивает токенам метки, включая название ингредиента, состояние обработки и единицу измерения; в карточке также упомянуты дополнительные метки. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa для классификации токенов и имеет контекст длиной 514 токенов. Модель предназначена для извлечения и разметки сведений об ингредиентах в рецептах, например для структурирования списков покупок или наполнения базы рецептов. На тестовом наборе автор сообщает F1 0,9615. Модель обучалась на двух американских англоязычных источниках рецептов, поэтому её применимость к другим языкам и форматам ограничена. Она размечает субтокены, метки нужно распространять на целые слова; для лучших результатов рекомендуется предварительно разделять символы и числа с единицами. При нескольких ингредиентах в одной строке модель обычно распознаёт только первый. Лицензия — MIT.

zlmb64le4s12000 — дообученная Михаилом Панзо модель SpeechT5 для синтеза речи из текста. Она принимает текст и генерирует аудио; в метаданных указана архитектура SpeechT5ForTextToSpeech и формат весов safetensors. В README приведено значение loss 0,3114 на наборе оценки, но сведения о датасете и условиях оценки отсутствуют. Модель распространяется по лицензии MIT. Карточка не описывает целевые языки, голос или практические ограничения.

Это дообученный классификатор на базе Qwen3-0.6B, разработанный rasbt для различения текстов, написанных человеком и сгенерированных ИИ. Модель обучена на наборе rasbt/human-vs-ai-50k и использует перемещаемый токен считывания, расположенный сразу после входного текста; метки 0 и 1 соответствуют человеческому и сгенерированному ИИ тексту. Модель предназначена для бинарной классификации текста. Для работы требуется учитывать настроенную позицию токена считывания; рекомендуемая реализация инференса приведена в репозитории rasbt/ai-detector. При обучении использовалась максимальная длина контекста 1 024 токена, а при инференсе применяется температурное масштабирование. В README указана лучшая точность на валидации 99,92%; это значение не гарантирует аналогичного качества на других данных. Модель содержит 507,9 млн параметров, использует архитектуру Qwen3ForSequenceClassification и распространяется в формате safetensors по лицензии Apache-2.0. Качество может снижаться на текстах из генераторов, предметных областей, языков и процессов редактирования, не представленных в обучающих данных. Короткие тексты и материалы, частично созданные с помощью ИИ, также сложнее классифицировать; результат не следует считать окончательным доказательством авторства.

Это модель классификации изображений, созданная Hrishikesh332 с помощью AutoTrain на архитектуре Swin. Она различает два класса: мем и не мем. Для обучения использован набор из 222 изображений мемов и 108 изображений других типов, включая спортивные изображения, документы и изображения с текстом. Модель предназначена для фильтрации мемов в потоках изображений из социальных сетей и первичной модерации контента. Модель содержит 58,7 млн параметров и доступна в формате PyTorch. В карточке приведены высокие метрики на валидационной выборке, однако её размер и состав ограничены, поэтому эти результаты не гарантируют такую же точность на новых источниках и типах изображений. Анализ тональности, сарказма, оскорбительности или насилия не заявлен. Лицензия в доступных данных не указана.

ChatWaifu 72B v2.2 — диалоговая модель, разработанная spow12 и собранная с помощью mergekit из нескольких моделей семейства Qwen2.5 и других производных. Она предназначена для общения в заданной персонажной роли, ролевых диалогов и создания агентных сценариев с сохранением образа waifu. Модель поддерживает английский и японский языки, имеет архитектуру Qwen2 dense CausalLM, содержит 71,5 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель также может генерировать тексты, отвечать на инструкции и использовать интерфейс вызова инструментов; в карточке упомянуты датасеты для диалогов, ролевых сценариев, программирования и перевода. Доступны веса в формате safetensors. Лицензия CC BY-NC 4.0 и условия карточки ограничивают использование некоммерческими и исследовательскими целями.