II.10Разработка и эксплуатация AI/ML-систем

Модель tanganke/clip-vit-large-patch14_gtsrb — дообученная версия CLIP ViT-L/14 от OpenAI для извлечения признаков изображений. Она обучена на наборе данных GTSRB, посвящённом распознаванию дорожных знаков, и предназначена для получения визуальных представлений, полезных при классификации таких знаков. Архитектура — CLIPVisionModel на базе ViT-Large с размером патча 14; модель содержит около 402,7 млн параметров. В оценке, приведённой в карточке, результат после дообучения составляет 0,993 против 0,438 для предобученной модели; метрика не названа. Модель принимает изображения и выдаёт векторы признаков. Лицензия и языковая поддержка в предоставленных данных не описаны.

Configurable-Llama-3-8B-v0.2 — дообученная Vicgalle языковая модель семейства Llama 3, созданная методом configurable safety tuning на наборе vicgalle/configurable-system-prompt-multitask. Это плотная авторегрессионная модель с 7,5 млрд параметров, реализованная как LlamaForCausalLM; она принимает текст и генерирует текст, поддерживает диалоговый формат и контекст до 8192 токенов. Поведение модели можно настраивать системным промптом: задавать полезного и безопасного помощника, помощника без ограничений, вредоносную роль, ориентир на правдивость или ролевую персону. Она предназначена для экспериментов с управляемым поведением, безопасностью и выравниванием, а также для генерации диалоговых ответов. В карточке указана проблема токенизации и рекомендована более новая версия модели; при генерации модель может некорректно продолжать текст с маркером assistant. Модель распространяется по лицензии Apache-2.0; автор предупреждает о возможности генерации вредоносного или оскорбительного материала и описывает её как исследовательский артефакт.

ADAFACE VIT BASE KPRPE WEBFACE12M — модель распознавания лиц из семейства CVLFace, опубликованная разработчиком minchul. Она предназначена для извлечения признаков лица и построена на архитектуре ViT Base с кодированием относительных позиций ключевых точек (KPRPE). В названии указано, что для обучения использовался набор данных WebFace12M. Модель можно применять для получения векторных представлений лиц, например, как этап системы сравнения или идентификации лиц. Репозиторий содержит веса в формате safetensors. README просит цитировать исходную работу о KPRPE и соблюдать лицензию обучающего набора данных; отдельная лицензия модели не указана.

ADAFACE VIT BASE KPRPE WEBFACE4M — модель распознавания лиц из набора предобученных моделей CVLFace. Она предназначена для извлечения признаковых векторов лиц, которые можно использовать для сравнения и идентификации лиц. Название указывает на архитектуру ViT Base, применение KeyPoint Relative Position Encoding (KPRPE) и обучение на наборе WebFace4M. Карточка связывает модель с работой о KPRPE для распознавания лиц. Модель опубликована в формате safetensors и доступна для извлечения признаков через pipeline feature-extraction. В README указано, что при использовании следует цитировать исходную статью и соблюдать лицензию обучающего датасета; отдельные условия лицензии самой модели в предоставленных данных не приведены.

ADAFACE VIT BASE WEBFACE4M — предварительно обученная модель распознавания лиц из семейства CVLFace, опубликованная пользователем minchul. Она предназначена для извлечения признаков лицевых изображений и может служить основой для задач распознавания и сравнения лиц. В карточке указана связь с работой «An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale», посвящённой архитектуре Vision Transformer; формат весов — safetensors. В названии указаны ADAFACE, ViT-Base и обучающий набор WebFace4M. Метаданные задают задачу feature-extraction и язык en, однако модель работает с изображениями лиц, поэтому текстовый язык не является её основной модальностью. README просит цитировать исходную работу и соблюдать лицензию обучающего датасета; конкретные условия лицензии самой модели не приведены.

DanskBERT — базовая языковая модель для датского языка, разработанная на основе конфигурации RoBERTa-base. Она обучена на корпусе Danish Gigaword Corpus с помощью fairseq. Архитектура модели — XLM-RoBERTa для masked language modeling; размер составляет 151,7 млн параметров, контекст — до 514 токенов. Модель предназначена для подстановки пропущенных токенов в датском тексте и как базовый чекпойнт для задач обработки датского языка. В README указано, что она показала лучший результат среди моделей базового размера на датском сегменте бенчмарка ScandEval. При прямом использовании маски не следует ставить перед ней пробел. Лицензия — CC BY 4.0.

domenicrosati/deberta-v3-xsmall-beavertails-harmful-qa-classifier — дообученная модель классификации последовательностей на базе microsoft/deberta-v3-xsmall. Она предназначена для классификации вопросов и ответов по признаку вредоносного содержания и может применяться для первичной фильтрации текстовых запросов и ответов. Модель построена на архитектуре DeBERTa V2, содержит 77,5 млн параметров и принимает текст с контекстом до 512 токенов. В README приведены результаты оценки: accuracy и macro F1 составляют 0,8716. Модель ориентирована на английский язык, как и базовая DeBERTa V3 XSmall; метаданные не подтверждают поддержку других языков. Лицензия — MIT. Данные обучения в карточке обозначены как неизвестный датасет, а подробное описание назначения и ограничений отсутствует, поэтому качество фильтрации на иных данных и типах вредоносного контента не гарантировано.

Модель Hate-speech-CNERG/dehatebert-mono-italian предназначена для выявления языка ненависти в текстах на итальянском языке. Это дообученная модель семейства BERT для классификации последовательностей; размер составляет 194,6 млн параметров, максимальная длина контекста — 512 токенов. В карточке указаны реализации PyTorch и Flax. Модель создана в рамках исследования по обнаружению языка ненависти в многоязычных данных. Авторы сообщают о лучшем результате на валидации 0,837288 при learning rate 3e-5. Название mono обозначает монолингвальную настройку; README также описывает обучение только на английских данных, что не согласуется с заявленным назначением для итальянского языка и требует осторожности при оценке применимости. Лицензия — Apache-2.0.

MikhailRudenko/drafter-wmt16-translate-ruen — компактная причинная языковая модель семейства Mistral, разработанная как специализированный черновой декодер для ускорения спекулятивной генерации при переводе с русского на английский. Она дообучена на кластере WMT16 Translate RUEN из набора Flan и предназначена для работы вместе с целевой моделью TurboSparse-Mistral-Instruct 7B. В обучении использовались 28 500 синтетических примеров и дистилляция распределений токенов целевой модели. Модель содержит 131,3 млн параметров по метаданным Hugging Face, использует архитектуру MistralForCausalLM и поддерживает контекст до 2048 токенов. Карточка описывает её как компонент исследовательского проекта Domain-Aware Speculative Decoding; она предназначена для предложений токенов в ходе спекулятивного декодирования, а не позиционируется как самостоятельная система перевода. Лицензия — Apache-2.0.

MikhailRudenko/drafter-wmt16-translate-tren — компактная модель MistralForCausalLM, созданная как специализированный черновой декодер для ускорения спекулятивного декодирования при переводе с турецкого на английский. Она дообучена на синтетических примерах кластера WMT16 Turkish→English с дистилляцией распределений целевой модели TurboSparse-Mistral-Instruct 7B. В README указано 156 млн параметров, а метаданные Hugging Face — 131,3 млн; контекст составляет 2048 токенов. Модель предназначена для генерации черновых токенов, которые проверяет целевая модель, а не для самостоятельного перевода с гарантированным качеством. В карточке описаны исследовательская гипотеза и обучение, но не приведены результаты оценки ускорения или качества перевода. Модель принимает и выдаёт текст; основной языковой сценарий — турецко-английский перевод. Лицензия — Apache-2.0.

DualTurn-Qwen2.5-Mimi-0.5B — модель Anyreach AI для определения очередности реплик в разговоре в реальном времени. Она принимает стереозапись с отдельными каналами микрофона пользователя и голоса агента и выдаёт покадровые вероятности активности речи, будущего начала речи и завершения реплики для каждого канала. Частота кадров составляет 12,5 Гц, аудио внутри модели приводится к 24 кГц. Модель использует плотную архитектуру dualturn_qwen_mimi с основой Qwen2.5-0.5B и дополнительными проекцией и выходными головами. В репозитории доступны веса safetensors и ONNX; для ONNX описан потоковый режим с KV-кэшем. Модель обучалась и оценивалась на наборах Switchboard и OtoSpeech для определения очередности реплик. Карточка называет текущий чекпойнт промежуточным и сообщает, что финальная версия и код обучения ещё готовятся. Лицензия — Apache-2.0.

lomahony/eleuther-pythia2.8b-hh-sft — языковая модель, созданная дообучением Pythia-2.8b на наборе Anthropic/hh-rlhf в течение одной эпохи. Она предназначена для генерации текста и диалоговых ответов в стиле обучающих примеров. Модель использует плотную архитектуру GPT-NeoX и содержит 3,5 млрд параметров; максимальный контекст — 2048 токенов. В карточке указан английский язык и формат PyTorch. Модель подойдёт для экспериментов с диалоговыми языковыми моделями, генерации ответов и оценки поведения на задачах, связанных с предпочтениями и полезностью ответов. В репозитории приведены результаты оценки с помощью lm-evaluation-harness. Модель распространяется по лицензии Apache-2.0.

Модель lomahony/eleuther-pythia410m-hh-sft — языковая модель семейства Pythia, разработанная как дообученная версия Pythia-410m. Она обучалась методом supervised fine-tuning на наборе Anthropic/hh-rlhf в течение одной эпохи и предназначена для генерации текста в диалоговых сценариях, включая ответы на сообщения и запросы пользователей. Модель построена на архитектуре GPT-NeoX с плотной causal language model; размер — 454,2 млн параметров, контекст — до 2048 токенов. Карточка и метаданные указывают английский язык. Репозиторий содержит веса в формате PyTorch. Лицензия — Apache-2.0. Модель подходит для экспериментов с диалоговой генерацией и оценки языковых моделей. Карточка упоминает benchmark-оценки с lm-evaluation-harness, но не приводит их результаты; качество и надёжность ответов по имеющимся данным оценить нельзя.

Это детектор объектов Ultralytics YOLO11x, дообученный на наборе ExDark в рамках DetectionBench для обнаружения объектов на тёмных изображениях и снимках при слабом освещении. Модель предназначена для анализа ночных и низкоосвещённых сцен; распознаёт 12 классов, включая людей, автомобили, велосипеды, лодки, животных и предметы обстановки. В README приведены результаты оценки на тестовой части ExDark: mAP@50 — 74,41%, mAP@50–95 — 48,98%, точность — 81,87%. Модель использует Ultralytics и формат PyTorch. Репозиторий распространяется по лицензии AGPL-3.0; для данных ExDark авторы отдельно указывают ограничение на некоммерческое использование, распространяющееся и на обученные на них модели.

dronefreak/exdark-yolo26s — модель обнаружения объектов YOLO26s, дообученная на наборе ExDark командой DetectionBench для оценки детекторов на изображениях при слабом освещении и в темноте. Она принимает изображения и предсказывает рамки и классы объектов; среди 12 классов — люди, автомобили, велосипеды, лодки, бутылки и животные. Модель распространяется в формате PyTorch через библиотеку Ultralytics. На тестовой выборке ExDark указаны mAP@50 74,0% и mAP@50–95 48,32%. Набор содержит 7 344 изображения, включая 734 тестовых, а изображения были предварительно масштабированы до 640×640. Результаты для редких классов следует трактовать с осторожностью из-за малого объёма данных и дисбаланса классов: на людей приходится около 46% размеченных объектов. Модель выпущена под лицензией AGPL-3.0. Авторы набора данных отдельно указывают ограничение на некоммерческое использование, которое, согласно README, распространяется и на обученные на нём модели.

rockerBOO/Flux-Dev2Pro-fp8_e4m3fn — версия трансформера Flux-Dev2Pro, преобразованная в формат FP8 E4M3FN. Исходную модель Flux-Dev2Pro разработали как дообучение трансформера Flux-Dev для улучшения обучения LoRA: в карточке указано обучение на двух эпохах по 3 млн высококачественных изображений. LoRA, обученные с этой моделью, рассчитаны на применение к Flux-Dev. Модель входит в конвейер генерации изображений по текстовому описанию и предназначена прежде всего для использования как трансформер при обучении LoRA через Diffusers. Сам репозиторий содержит преобразованные веса; остальные свойства, по заявлению автора, совпадают с исходной моделью. Лицензия — некоммерческая лицензия FLUX.1 [dev] от Black Forest Labs.

FunctionGemma — компактная открытая текстовая модель Google для преобразования запросов на естественном языке в вызовы функций. Она построена на архитектуре Gemma 3 и рассчитана на дообучение под конкретные функции и сценарии, в том числе многошаговые. Модель содержит 270 млн параметров и подходит для запуска на ноутбуках, настольных компьютерах и собственной облачной инфраструктуре. Её можно адаптировать для управления функциями приложений, например для выполнения голосовых команд в игре или вызова системных действий Android по запросу пользователя. FunctionGemma оптимизирована для текстового вызова функций и может работать локально в офлайн-сценариях. Для точной работы в целевой области требуется дообучение на специализированных данных; модель не предназначена для прямого диалога. Распространяется по лицензии Gemma.

Gaja-v1.00 — чат-модель на базе OpenHathi от SarvamAI, разработанная автором репозитория damerajee и дообученная для диалогов. Это плотная языковая модель семейства Llama с 6,7 млрд параметров, рассчитанная на генерацию ответов на хинди и хинглиш. В метаданных указаны также английский язык и контекст до 4096 токенов. Модель подходит для чат-ботов, ответов на вопросы и экспериментов с разговорными приложениями на хинди и хинглише. По README, дообучение проводилось на 1000 примерах; в карточке приведены результаты нескольких оценочных наборов, но они не гарантируют качество в других сценариях. Модель распространяется с лицензией llama2; перед применением следует учитывать условия лицензии базовой модели.

DiTy/gemma-2-9b-it-russian-strict-function-calling-DPO — русскоязычная диалоговая модель на архитектуре Gemma 2 с 9 млрд параметров, разработанная DiTy. Это версия базовой модели DiTy/gemma-2-9b-it-russian-function-calling-GGUF, дополнительно оптимизированная методом DPO для строгого вызова функций. Она предназначена для ассистентов, которые выбирают и вызывают описанные функции и отказываются отвечать на вопросы, не связанные с ними. Обучение проводилось на русской версии набора DiTy/function-calling-trl с предпочтениями, размеченными людьми. Модель принимает текстовые сообщения и выдаёт текст, включая ответы в интерфейсе вызова функций. Размер контекста — 8192 токена. Доступны веса Safetensors и GGUF F16; для работы с GGUF можно загрузить один файл. Указанные библиотека Transformers и форматы позволяют использовать модель в соответствующих инструментах вывода. Модель подходит для русскоязычных диалоговых ассистентов с ограниченным набором функций, но может отказываться от обычных ответов вне этого набора. Лицензия — Apache-2.0.

Gemma-2-9B-It-SPPO-Iter1 — разговорная языковая модель, разработанная командой UCLA-AGI методом Self-Play Preference Optimization на основе google/gemma-2-9b-it. Модель дообучена на синтетических ответах с использованием частей наборов промптов UltraFeedback и предназначена для генерации диалоговых ответов и выравнивания поведения по предпочтениям. Модель имеет плотную архитектуру Gemma 2 с 9 млрд параметров, принимает текст и генерирует текст; максимальный контекст составляет 8192 токена. Основной язык — английский. В README приведены результаты оценки AlpacaEval для серии итераций SPPO, но показатели для этой версии отдельно не выделены. Модель подходит для исследовательских и прикладных экспериментов с диалоговой генерацией и оптимизацией предпочтений. Репозиторий содержит веса safetensors. Метаданные указывают лицензию Gemma, тогда как README упоминает Apache-2.0; условия лицензирования следует сверять с актуальными файлами репозитория Hugging Face.

Gemma-3-1B-it-sv-CPT-sv-SmolTalk — дообученная разговорная текстовая модель на архитектуре Gemma 3, представленная как fine-tuned версия с обучением через TRL. Она предназначена для генерации ответов в диалогах и запускается через библиотеку Transformers как задача text-generation. Модель содержит 1 млрд параметров и поддерживает контекст до 32 768 токенов. В названии указана ориентация на шведский язык, однако карточка не описывает языковое покрытие или конкретные сценарии обучения. Репозиторий содержит веса в формате safetensors и заявляет возможность чата. Лицензия в предоставленных данных не указана.

Gemma4-12B-IT-Abliterated — это производная от Google Gemma 4-12B-IT модель DuoNeural для генерации текста в диалоговом и инструкционном режиме. Веса изменены методом abliteration: к матрицам выходов внимания и MLP в 48 слоях применена ортогональная проекция, ослабляющая направление отказа. Модель предназначена для исследований, red teaming, проверок безопасности и творческих сценариев, где мешают отказы исходной модели. Архитектура — плотный декодер Gemma 4 Unified с 48 слоями и контекстом 131 072 токена. Карточка также описывает мультимодальную основу с поддержкой изображений и аудио, однако основная задача репозитория — text-generation. Указаны английский язык и лицензия Apache-2.0. По результатам тестов автора модель сохраняла ответы на проверенные безвредные запросы и выполняла часть запросов, которым базовая модель отказывала; это не гарантирует такого поведения на других запросах. Ослабление отказов повышает риск выдачи нежелательного или вредоносного текста. Веса опубликованы в формате safetensors.

Gepard — авторегрессионная модель синтеза речи для диалогов в реальном времени, разработанная nineninesix.ai. Она предназначена для потоковой и пакетной генерации речи в голосовых агентах, диалоговых системах и озвучивании контента; может начинать выдавать звук по мере поступления текста. Модель поддерживает клонирование голоса по короткому аудиофрагменту и рассчитана на английский, испанский Мексики, португальский Бразилии и нидерландский, а также несколько английских акцентов. По карточке, это декодерная модель на базе Qwen3.5 с аудиокодеком NVIDIA NeMo NanoCodec: звук кодируется в 22,05 кГц и генерируется кадр за один шаг. В метаданных указано 445,1 млн параметров и контекст 262 144 токена; README приводит другие оценки размера — около 500 млн параметров для основы и 555,7 млн с аудиоинтерфейсом и компрессором клонирования. Карточка заявляет низкую задержку при работе через vLLM и высокое качество естественности речи, но отмечает компромиссы в точности слов и сходстве с голосом-образцом; качество сильнее всего для английского. Модель дообучена на nineninesix/qwen3_5-full-attn-only-14 и распространяется под Apache 2.0. Для используемого аудиокодека действует отдельная лицензия NVIDIA Open Model License Agreement.

yujiepan/glm-4-moe-lite-tiny-random — экспериментальная крошечная языковая модель, созданная на основе конфигурации zai-org/GLM-4.7-Flash с использованием Transformers. Модель имеет 1,2 млн параметров, архитектуру GLM-4 MoE Lite с двумя основными слоями декодера и поддержкой multi-token prediction; исходные веса заменены случайно инициализированными параметрами. Модель предназначена главным образом для отладки, тестирования совместимости и разработки серверной инфраструктуры вокруг GLM-4.7-Flash, включая Transformers, vLLM и SGLang. Она поддерживает задачу text-generation и контекст до 202752 токенов, однако случайная инициализация делает её непригодной для качественной генерации текста, диалогов, рассуждений или прикладного использования. README не содержит сведений о лицензии модели, поэтому условия коммерческого и иного использования по имеющимся данным определить нельзя. Модель следует рассматривать как технический тестовый артефакт, а не как обученную продуктивную LLM.

GLM-5.2-FP8-DFlash — вспомогательная модель-черновик DFlash для ускорения генерации ответов базовой моделью GLM-5.2-FP8. Её разработала UCloud-org; это дообучение примерно 2,8-миллиардной плотной модели DFlashDraftModel на основе GLM-5.2-FP8, крупной MoE-модели с 743 млрд параметров и 39 млрд активных параметров. Модель предназначена для speculative decoding: она предлагает блоки токенов, которые базовая модель проверяет при генерации текста. Это не самостоятельная модель для обычного диалога. Черновик обучен на примерно 800 тысячах примеров из Nemotron-Post-Training-v2 и CodeAlpaca, охватывающих программирование, математику и чат. В тестах с SGLang показаны ускорения относительно обычной генерации на GSM8K, HumanEval и Math500; по коду и математике модель также превосходила встроенный MTP базовой модели. Репозиторий содержит веса safetensors, а для использования заявлена библиотека Transformers и поддержка DFlash в SGLang; README также упоминает поддержку в vLLM 0.20.1 и новее. Указаны контекст базовой модели в 1 048 576 токенов и лицензия MIT. Результаты на китайских задачах и чат-сценариях уступают встроенному MTP; корпус обучения преимущественно англоязычный. Черновик обучался с максимальной длиной 3072 токена, поэтому его эффективность на длинных запросах может снижаться. Ускорение при режиме рассуждений не оценивалось, а работа в vLLM на инфраструктуре автора не была проверена.

glubbot1.1-7.5m — экспериментальная сверхлёгкая авторегрессионная языковая модель семейства Llama, разработанная Glubbot-Team. Она содержит 6,3 млн параметров по метаданным и рассчитана на генерацию коротких грамматически связных историй на английском языке; контекст составляет 512 токенов. Модель обучена на наборе TinyStories и подходит для синтетической генерации коротких рассказов, тестирования скорости вывода на CPU и устройствах с ограниченными ресурсами, а также проверки токенизации и интеграции в пайплайны. Малая ёмкость модели ограничивает связность длинных генераций: возможны повторы и логические отклонения. Она не предназначена для рассуждений, программирования, фактологических запросов или роли универсального ассистента. Распространяется по лицензии Apache 2.0.

GujaratiBERT — монолингвальная модель на основе BERT, разработанная L3Cube-Pune и обученная на общедоступных корпусах текстов на гуджарати. Она предназначена для задач языкового понимания на гуджарати; основной сценарий использования по метаданным — восстановление скрытых токенов в тексте (fill-mask), а также подготовка представлений для последующих NLP-задач. Модель имеет архитектуру BertForMaskedLM и содержит 264,8 млн параметров. Она принимает текстовые последовательности с маскированными токенами и предсказывает их заполнение; максимальный контекст составляет 512 токенов. Опубликованные форматы — PyTorch и Safetensors. Модель распространяется по лицензии CC BY 4.0. README называет сведения о корпусах и результатах предварительными и отсылает к статье, поэтому конкретные показатели качества здесь не приводятся.

LeoHS04/hateBR_classifier — модель классификации текста на основе BERTimbau Base, разработанная дообучением neuralmind/bert-base-portuguese-cased. Она предназначена для классификации текстов; название модели указывает на выявление языка вражды в бразильском португальском, однако README не уточняет разметку классов и обучающие данные. Модель использует архитектуру BERT для последовательной классификации, содержит 136,1 млн параметров и принимает тексты длиной до 512 токенов. В README указаны результаты на оценочной выборке: accuracy 0,9152 и loss 0,3644; состав выборки и методика оценки не описаны. Распространяется по лицензии MIT.

Higgs Audio V2 Tokenizer — аудиотокенизатор, опубликованный в Hugging Face под идентификатором eustlb/higgs-audio-v2-tokenizer. Модель кодирует аудио в последовательность аудиокодов и декодирует её обратно в аудиосигнал; она предназначена как компонент для работы аудиоязыковых моделей, а не как самостоятельная система распознавания или синтеза речи по тексту. Токенизатор обучен на аудио с частотой 24 кГц, включая речь, музыку и звуковые события. Частота кадров составляет 25 кадров в секунду; документация отмечает сохранение высокого качества аудио и быстрое пакетное кодирование и декодирование без диффузионных шагов. Репозиторий содержит веса Safetensors и интеграцию с Transformers. Карточка репозитория автоматически создана и не сообщает лицензию; подробные сведения о размере архитектуры, языковой специализации и ограничениях в ней не приведены.

homeGPT — обученный модуль-реконструктор общих слоёв трансформера, разработанный AIhomeJP и предназначенный для извлечения признаков текста. Репозиторий содержит веса реконструктора; при запуске они объединяются с замороженными токенными и позиционными эмбеддингами, финальной LayerNorm и LM-головой базовой модели GPT-2 от OpenAI. Указанная задача — feature extraction, а контекст базовой модели составляет 1024 токена. Модель подходит для получения представлений текста в системах, которым нужны признаки на основе GPT-2. Это не самостоятельная полная копия GPT-2: для работы требуются базовые компоненты из openai-community/gpt2, загружаемые при запуске. В README указан тип тензоров F32, а метаданные — формат safetensors. Лицензия — MIT.