II.10Разработка и эксплуатация AI/ML-систем

Qwen3.8-27B-Uncensored — мультимодальная модель для диалогов и анализа изображений и видео, созданная на основе Qwen3.8-27B и опубликованная choz. Это дообученная версия с многоэтапной abliteration, направленной на снижение частоты отказов; базовая архитектура — причинная языковая модель с визуальным энкодером, размер — 27 млрд параметров. Модель предназначена прежде всего для исследований механизмов отказа и выравнивания, интерпретируемости, контролируемого red teaming и оценки устойчивости. Она принимает текст, изображения и видео, поддерживает английский и китайский языки. Контекст базовой модели составляет 262 144 токена с возможностью расширения до 1 000 000; режим рассуждения включён по умолчанию и может настраиваться. Снижение защитных механизмов означает, что модель может выполнять вредоносные и незаконные запросы, на которые базовая версия отказала бы; у неё нет надёжных встроенных ограничителей. Для публичного или пользовательского применения требуется отдельная модерация и защита от злоупотреблений. Весовые файлы доступны в формате Safetensors для Transformers и совместимых средств запуска. Лицензия — Apache 2.0.

Карточка модели dancinlab/Qwen3.8-27B-Uncensored на Hugging Face совпадает с карточкой orcarouter/Qwen3.8-27B-Uncensored, поэтому описание составлено по ней. Qwen3.8-27B-Uncensored — дообученная модель OrcaRouter на базе Qwen/Qwen3.8-27B с удалённым направлением отказа (abliteration). Это плотная мультимодальная модель на 27 млрд параметров с архитектурой Qwen3_5ForConditionalGeneration: 64 слоя, гибридное внимание Gated DeltaNet и полное внимание, визуальная башня и голова MTP. Репозиторий содержит веса BF16 без квантизации; доступны диалог, анализ изображений, OCR, рассуждения и вызов инструментов. Модель предназначена для исследований механизмов отказа и выравнивания, контролируемого red teaming и оценки устойчивости, а также как основа для дальнейшего дообучения и квантизации. В карточке указаны английский и китайский языки; базовая модель также описана как подходящая для анализа видео, но README отдельно подтверждает работу зрения и OCR. Автор приводит результаты тестов, близкие к базовой модели по нескольким показателям, однако показатели отказов на вредоносные запросы резко снижены. Защитные ограничения существенно удалены: модель может выдавать вредный, незаконный, предвзятый или оскорбительный контент. README не рекомендует развёртывание для конечных пользователей без собственных механизмов безопасности и модерации. Лицензия — Apache 2.0, унаследованная от базовой модели.

Qwen3-8B-MaximaA1 — экспериментальная текстовая модель для диалогов с инструментами и агентных сценариев, созданная Rumiii на основе Qwen/Qwen3-8B. Она дообучена методом QLoRA на 5 000 примерах из обучающей части Toucan-1.5M, после чего веса адаптера объединены с базовой моделью и выпущены в формате safetensors с точностью 16 бит. Модель принимает определения инструментов, может формировать вызовы в JSON, последовательно использовать результаты вызовов и отвечать напрямую, если инструмент не нужен. Модель содержит 7,6 млрд параметров и поддерживает контекст до 40 960 токенов. Это небольшой proof of concept для вызова инструментов; данные обучения синтетические и получены из общественных MCP-серверов. Публичных бенчмарков для модели не приводится, поэтому её качество и надёжность в реальных агентных задачах не установлены. Перед выполнением вызовов следует проверять имена инструментов и аргументы. Лицензия — Apache-2.0.

Qwen3.8-Flash-Next MTP draft head — это специализированный компонент модели Qwen3.8-Flash-Next, извлечённый и упакованный пользователем mxxm-t в формате GGUF. Это не самостоятельная языковая модель, а один блок предсказания примерно на 2,6 млрд параметров с эмбеддингами, предназначенный для ускорения генерации методом speculative decoding совместно с полной моделью Qwen3.8-Flash-Next. Компонент используется как draft model в llama-server через режим draft-mtp и поддерживает форматы Q8_0 и BF16. Рекомендуется файл Q8_0 размером 4,14 ГБ: в заявленных тестах он генерировал те же черновые токены, что и версия BF16, приём черновых токенов составлял 75,1%. Оптимальная глубина чернового предсказания — до двух токенов. Уровень принятия зависит от текста и настроек и в измерениях находился примерно в диапазоне 46–90%, поэтому прирост производительности необходимо проверять на конкретном оборудовании. Модель рассчитана на работу с форком mx-llama.cpp, поддерживающим qwen4exp MTP, включая оптимизации для AMD gfx906 / MI50 и tensor parallelism; стандартные версии llama.cpp на момент публикации архитектуру не поддерживают. Компонент не генерирует осмысленный текст при самостоятельной загрузке и должен использоваться только вместе с полной целевой моделью. Веса не переобучались: они были извлечены из исходной модели и преобразованы или переквантованы. Лицензия — Qwen Community License 1.0; для коммерческого использования в формате Model as a Service или AI Work Assistant требуется отдельная лицензия от Qwen.

Это визуальный энкодер Qwen3-VL-235B-A22B-Instruct, опубликованный в формате timm как модель извлечения признаков изображений. Чекпойнт содержит нативные веса vision-энкодера, пространственный merger и проекцию в размерность исходной языковой модели; языковых весов и обученной классификационной головы в нём нет. Обучение не проводилось: веса были перенесены в формат timm. Модель принимает RGB-изображения и выдаёт пространственно объединённые визуальные токены или промежуточные карты признаков. В README указаны 455,1 млн параметров, ширина backbone 1152, ширина проекции 4096 и базовый размер изображения 768 × 768. Поддерживаются прямоугольные изображения; размеры должны делиться на 16, а для вариантов с merger 2 × 2 — на 32. Для нормализации используются mean и std, равные 0,5 для каждого RGB-канала. Лицензия — Apache 2.0. Это компонент визуальной системы, а не самостоятельная модель для диалога или классификации изображений.

Это базовая японская RoBERTa-модель, разработанная nlp-waseda и предварительно обученная на японской Википедии и японской части корпуса CC-100. Она предназначена для восстановления замаскированных слов и подслов в японском тексте, а также может служить основой для задач понимания японского языка после дообучения. Модель использует архитектуру RoBERTa для masked language modeling, содержит 137,8 млн параметров и принимает последовательности длиной до 514 токенов. Словарь SentencePiece насчитывает 32 000 токенов; при подготовке текста применялась сегментация Juman++, хотя токенизатор Transformers поддерживает автоматическую обработку. Модель работает с японским языком и распространяется по лицензии Apache 2.0.

LFTW R4 Target — модель классификации текста на базе архитектуры RoBERTa, связанная с исследованием Learning from the Worst: Dynamically Generated Datasets to Improve Online Hate Detection. Она предназначена для выявления оскорбительной и ненавистнической речи в тексте, в том числе в сценариях онлайн-модерации. Модель содержит 151,8 млн параметров, принимает последовательности длиной до 514 токенов и доступна в форматах PyTorch и Safetensors. Модель рассчитана на англоязычные тексты. Карточка не сообщает подробностей о классах меток и показателях качества. Условия лицензии в предоставленных сведениях не указаны.

Модель orzhan/ruroberta-ruatd-binary — версия sberbank-ai/ruRoberta-large, дообученная для бинарной классификации русского текста по признаку искусственного происхождения. Она предназначена для определения, был ли текст создан искусственным интеллектом, в том числе для задач обнаружения машинно-сгенерированных текстов. Модель построена на архитектуре RoBERTa с классификационной головой RobertaForSequenceClassification и содержит 454,1 млн параметров. Принимает текст; максимальная длина контекста — 514 токенов. Модель связана с задачей Russian Artificial Text Detection. Карточка не приводит оценки качества, описание обучающих данных или условия лицензии, поэтому их нельзя оценить по имеющимся сведениям.

Sequencer2d_l.in1k — модель классификации изображений из библиотеки timm, обученная авторами статьи Sequencer на ImageNet-1k. Она использует архитектуру Sequencer2d на основе LSTM и рассчитана на изображения размером 224 × 224 пикселя. Модель содержит около 54,3 млн параметров; её также можно использовать как основу для извлечения признаковых карт и эмбеддингов изображений. Модель подходит для классификации изображений по категориям ImageNet-1k и получения визуальных признаков для последующих задач компьютерного зрения. Репозиторий содержит веса PyTorch и Safetensors. Лицензия — Apache-2.0.

ShenavaSanj-v1.0 — модель классификации токенов на базе BERT, разработанная как компонент семейства Shenava-1. Она оценивает семантическую важность слов на персидском языке для метрик S³ и Semantic WER, в частности для взвешивания ошибок распознавания речи. Модель содержит 190 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Модель предназначена для оценки значимости персидских слов в исследованиях и бенчмарках ASR, а также для воспроизводимого сравнения систем по протоколу Shenava-1. Она выдаёт оценки важности для токенов; сама по себе не распознаёт аудио и не заменяет полный конвейер ASR, которому нужны отдельные аудиоподготовка, декодирование и нормализация персидского текста. Качество оценок и метрик зависит от токенизации и правил нормализации. Модель дообучена на HooshvareLab/bert-base-parsbert-uncased и распространяется по лицензии Apache-2.0.

SmolLM135M-IT-ConvFill — компактная диалоговая языковая модель на 134,5 млн параметров, разработанная авторами ConvFill путём дообучения HuggingFaceTB/SmolLM2-135M-Instruct. Она предназначена для conversational infill: быстро генерировать уместные реплики в диалоге, пока более крупная модель параллельно готовит внешние знания, и затем помогать встроить эти знания в разговор. Модель рассчитана на использование с инфраструктурой проекта ConvFill, в том числе для отзывчивых голосовых агентов с низкой задержкой. Модель использует плотную архитектуру семейства Llama, принимает текст и генерирует текст; заявленный контекст — до 8192 токенов. Карточка и метаданные указывают английский язык. Веса опубликованы в формате Safetensors. Лицензия — Apache 2.0 с условием соблюдать лицензию базовой модели. В карточке отмечено, что модель специально не настраивалась для безопасного поведения с защитными ограничениями.

SmolLM1.7B-IT-ConvFill — дообученная HuggingFaceTB модель на базе SmolLM2-1.7B-Instruct для задачи conversational infill, описанной в статье «Thinking While Speaking: Inference-Time Knowledge Transfer for Responsive and Intelligent Conversational Voice Agents». Компактная плотная Llama-архитектура содержит 1,7 млрд параметров и поддерживает контекст до 8192 токенов. Модель принимает текст и генерирует текст на английском языке. Модель предназначена для использования в инфраструктуре ConvFill: локальная модель поддерживает связный быстрый диалог и впоследствии включает внешние знания, которые параллельно подготовила более крупная модель. Такой подход ориентирован на разговорных голосовых агентов с меньшей задержкой ответа. Лицензия — Apache 2.0, с соблюдением лицензии базовой модели. Модель не настраивалась специально для безопасного поведения с ограничителями; ответы следует проверять, особенно при использовании в пользовательских сценариях. Для её применения README рекомендует инфраструктуру ConvFill.

SONAR 200 Text Decoder — порт текстового декодера Meta SONAR из fairseq2 в формат Hugging Face Transformers. Он преобразует 1024-мерные эмбеддинги предложений в текст и рассчитан на работу в связке с совместимым энкодером, включая cointegrated/SONAR_200_text_encoder. Поддерживается 202 языка из набора FLORES-200; в метаданных указаны английский, русский, немецкий, французский, испанский, китайский, японский, корейский и арабский. Модель имеет архитектуру M2M100ForConditionalGeneration, 665 млн параметров и контекст до 1024 токенов. Карточка сообщает о совпадении выходов с исходным декодером fairseq2 и успешном цикле кодирования и декодирования. Это компонент для восстановления текста из эмбеддингов, а не самостоятельный энкодер предложений; для практического использования нужен совместимый SONAR-энкодер и соответствующий формат эмбеддингов. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Sophira-360M-base — базовая языковая модель проекта Sophira, разработанная для открытого предварительного обучения на итальянском языке. Это плотный decoder-only Transformer семейства Llama с 376 млн параметров; опубликованные веса сохранены в формате safetensors. Модель принимает текст и предсказывает продолжение, поэтому подходит для языкового моделирования, оценки инициализаций и исследований, а также для последующей адаптации или дообучения под задачи.

Stentor-30M — компактная авторегрессионная языковая модель на архитектуре Llama, разработанная Каем Изумото (StentorLabs) и обученная с нуля. Модель содержит 30,4 млн параметров, использует класс LlamaForCausalLM и доступна в формате safetensors; максимальная длина контекста — 512 токенов. Она предназначена для краткой генерации английского текста на устройствах с ограниченными ресурсами, а также для обучения и экспериментов с языковыми моделями и конвейерами обучения. Модель можно исследовать как быстрый черновой генератор при спекулятивном декодировании, хотя качество черновых токенов может ограничивать ускорение. Stentor-30M — базовая модель, не настроенная на инструкции и диалог. Она может отклоняться от темы, обладает ограниченными знаниями и не обеспечивает надёжного использования инструментов, структурированного вывода или сложных рассуждений; контекст подходит только для коротких запросов. Обучение включало FineWeb-Edu и Cosmopedia, а сама карточка также отмечает синтетические учебные данные. Модель выпущена под лицензией Apache-2.0.

T5-Efficient-XL — англоязычный предварительно обученный текстовый чекпойнт Google на архитектуре T5 с глубокой и узкой конфигурацией. Он выпущен вместе с исследованием Scale Efficiently: Insights from Pre-training and Fine-tuning Transformers; модель обучена на C4 в течение 524 288 шагов с задачей восстановления замаскированных фрагментов текста. По метаданным репозитория в модели 385,2 млн параметров, а контекст составляет 512 токенов; доступны версии для PyTorch, TensorFlow и Flax. Чекпойнт предназначен для последующего дообучения под англоязычные NLP-задачи, например суммаризацию, ответы на вопросы и классификацию текста. Сам по себе он не настроен как готовый чат-ассистент и для практического применения требует fine-tuning. README указывает, что модель полезна только для задач на английском языке; опубликованные результаты downstream-оценки в карточке отсутствуют. Лицензия — Apache-2.0.

teacher-gpt2-1.5B — англоязычная авторегрессионная модель семейства GPT-2, созданная на основе openai-community/gpt2-xl с дообучением на наборе инструкций databricks/databricks-dolly-15k. Разработчики MiniLLM используют её как модель-учитель для серии MiniLLM. Модель предназначена для генерации текста по подсказке и может применяться для экспериментов с обучением и оценкой моделей-учеников. Она содержит 1,5 млрд параметров, построена на архитектуре GPT2LMHeadModel, работает с текстом и поддерживает контекст до 1024 токенов. Карточка указывает английский язык и формат PyTorch. Лицензия — Apache-2.0. Ограничения контекста и языковой охват могут затруднять работу с длинными текстами и запросами на других языках.

TEN Turn Detection — модель для определения состояния пользовательской реплики в полно-дуплексном диалоге, разработанная командой TEN. Она предназначена для управления очередностью общения между человеком и AI-агентом: модель определяет, завершил ли пользователь мысль и ожидает ответа, попросил ли не перебивать его, либо сделал паузу, но намерен продолжить высказывание. Модель классифицирует входной текст по трём состояниям: finished, wait и unfinished. Она использует трансформерную языковую модель Qwen2.5-7B для семантического анализа контекста и лингвистических признаков. Заявлена поддержка английского и китайского языков. По данным README, на публичном тестовом наборе TEN показала высокую точность: для английского 90,64% на finished, 98,44% на unfinished и 91% на wait; для китайского — 98,90%, 92,74% и 92% соответственно. Модель подходит для голосовых и текстовых диалоговых систем, где важно снижать количество преждевременных перебиваний и естественно управлять передачей хода разговора. Ограничения включают заявленную специализацию на английском и китайском языках, классификацию только трёх состояний и отсутствие в README подробностей о поведении на других языках, доменах и типах входных данных. Для запуска указаны Transformers версии 4.45.0 или выше и PyTorch версии 2.0.0 или выше; рекомендуются bfloat16 и GPU. Проект распространяется по лицензии Apache 2.0.

KoalaAI/Text-Moderation — модель классификации текста на базе DeBERTa-v3, предназначенная для обнаружения потенциально оскорбительного содержания. Она размечает тексты по категориям сексуального содержания, разжигания ненависти и насилия; в карточке также указаны оценки на тестировании: accuracy 75%, macro F1 0,326 и micro F1 0,749. Модель содержит около 151,8 млн параметров, имеет контекст до 512 токенов и доступна в форматах PyTorch, Safetensors и ONNX. Модель обучена только на английских текстах и рассчитана на английскую модерацию пользовательского контента. Её можно применять для предварительной сортировки сообщений и выявления контента, требующего проверки модератором. Метрики показывают ограниченное качество по отдельным классам; возможны ошибки и смещения, поэтому прогнозы не следует считать окончательным решением о нарушении. Лицензия — OpenRAIL.

hyper-accel/tiny-random-mistral — небольшая модель генерации текста семейства Mistral, опубликованная на Hugging Face. В README сведения о разработчике, точном типе модели и лицензии не приведены; метаданные указывают на использование библиотеки Transformers и формата safetensors. Модель содержит около 24 млн параметров и поддерживает контекст длиной до 32 768 токенов. Она предназначена для генерации продолжений текста и может использоваться в экспериментах с загрузкой, инференсом и интеграцией моделей Mistral в экосистеме Transformers. Из-за названия tiny-random и малого размера модель, вероятно, ориентирована прежде всего на тестирование и разработку, а не на получение качественных ответов в прикладных сценариях. Данных о языковой специализации, обучающих данных, результатах оценки, ограничениях безопасности и лицензии недостаточно.

AssistantsLab разработала Tiny-Toxic-Detector — компактный трансформер для классификации токсичности комментариев. Модель содержит около 2 млн параметров и предназначена для быстрой работы при ограниченных ресурсах; в README заявлены примерно 10 МБ оперативной памяти и 8 МБ видеопамяти. Для запуска требуется пользовательский код для архитектуры TinyTransformerForSequenceClassification. Модель доступна в формате safetensors и распространяется по лицензии CC BY-NC-SA 4.0. Основной сценарий — проверка англоязычных комментариев на токсичность, например для предварительной модерации онлайн-обсуждений. В README указаны результаты 90,26% на Toxigen и 87,34% на Jigsaw Toxic Comment Classification Challenge. Модель обучалась на англоязычных данных, поэтому её не следует применять для надёжной оценки текстов на других языках. Она рассчитана на входы до 512 токенов; более длинный контекст не проверен для практического применения. Возможны ошибки на неоднозначных и контекстно зависимых высказываниях, поэтому авторы не рекомендуют использовать её в автоматизированной модерации без контроля человека.

Модель dougtrajano/toxic-comment-classification — дообученная Doug Trajano версия BERT-Large для бразильского португальского языка. Она классифицирует текст по категориям токсичности, в том числе распознаёт оскорбительную речь и язык ненависти. Модель обучена на наборе OLID-BR; для оценки указаны accuracy 0,8547 и F1 0,8549. Модель содержит 433,2 млн параметров, принимает текст длиной до 512 токенов и выдаёт метки классификации. Опубликована в форматах PyTorch и Safetensors. Распространяется по лицензии Apache-2.0.

ChrisZeng/twitter-roberta-base-efl-hateval — модель классификации текстов на базе RoBERTa, дообученная на наборе HatEval от модели cardiffnlp/twitter-roberta-base-2021-124m. Она предназначена для выявления ненавистнических высказываний в текстах из Twitter. В карточке указаны результаты на оценочной выборке HatEval: accuracy 0,7913, F1 0,7899 и loss 0,3683. Модель содержит 151,8 млн параметров, принимает текстовые последовательности с контекстом до 514 токенов и распространяется в формате PyTorch. Данных о лицензии и поддерживаемых языках в предоставленной карточке нет. Показатели на HatEval не гарантируют такую же точность на других платформах, языках или типах текста.

VideoMAE Large — видеомодель с 402,7 млн параметров, разработанная командой MCG-NJU и представленная в исследовании о masked autoencoder для самообучения на видео. Она предварительно обучена без учителя на Kinetics-400 в течение 1600 эпох. Архитектура основана на Vision Transformer: видео разбивается на патчи размером 16×16, а декодер предсказывает значения пикселей скрытых патчей. Модель предназначена прежде всего для дообучения на прикладных задачах и извлечения признаков из размеченных видео, например для обучения классификатора поверх представления токена CLS. В исходном виде она также может предсказывать пиксели замаскированных видеофрагментов. Карточка не приводит результатов оценки и подробностей предобработки. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Карточка модели Rohithkum/videomae-large на Hugging Face совпадает с карточкой MCG-NJU/videomae-large, поэтому описание составлено по ней. VideoMAE Large — видеомодель с 402,7 млн параметров, разработанная командой MCG-NJU и представленная в исследовании о masked autoencoder для самообучения на видео. Она предварительно обучена без учителя на Kinetics-400 в течение 1600 эпох. Архитектура основана на Vision Transformer: видео разбивается на патчи размером 16×16, а декодер предсказывает значения пикселей скрытых патчей. Модель предназначена прежде всего для дообучения на прикладных задачах и извлечения признаков из размеченных видео, например для обучения классификатора поверх представления токена CLS. В исходном виде она также может предсказывать пиксели замаскированных видеофрагментов. Карточка не приводит результатов оценки и подробностей предобработки. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Это версия нейронного вокодера Vocos от автора patriotyk, предназначенная для восстановления речевой аудиоволны по мел-спектрограмме из 80 полос. Модель формирует спектральные коэффициенты и восстанавливает сигнал обратным преобразованием Фурье; карточка позиционирует её как быструю альтернативу HiFi-GAN, совместимую с акустическим выходом ряда моделей синтеза речи. Основной сценарий — преобразование мел-спектрограммы, полученной от TTS-модели, в речевой аудиосигнал. Модель обучена на более чем 800 часах украинских аудиокниг. Для других типов аудио качество может быть низким. Лицензия — MIT.

VoiceCore — модель синтеза речи для голосовых ИИ-агентов, разработанная dahara1@webbigdata на основе canopylabs/orpheus-3b-0.1-pretrained. Она предназначена для естественного общения на японском языке и умеет передавать эмоции и создавать невербальные звуки, например смех. Модель использует архитектуру Llama, содержит около 3,3 млрд параметров по метаданным (в README указано 3,7 млрд) и имеет контекст длиной 131 072 токена. Она генерирует аудио с частотой дискретизации 24 кГц. VoiceCore подходит для голосовых агентов и разговорных систем, включая обслуживание клиентов и диспетчеризацию. README приводит результаты инференса в TensorRT-LLM: на RTX 4060 Ti скорость ниже заявленного авторами порога 70 токенов/с для диалога в реальном времени, а на RTX 3090 — выше. Для инференса в bf16 указано около 8 ГБ видеопамяти. README заявляет коммерческое использование на условиях либо LLAMA 3.2 COMMUNITY LICENSE, либо Apache License 2.0; выбор зависит от интерпретации происхождения модели и требует проверки применимых условий лицензии.

IIC/XLM-R_Galen — сторонняя перезагрузка модели XLM-R Galén, первоначально опубликованной на GitHub. Это модель семейства XLM-RoBERTa с 305,2 млн параметров, предназначенная для извлечения признаков из текста. Репозиторий содержит веса в форматах PyTorch и Safetensors; максимальная длина контекста составляет 514 токенов. Карточка указывает испанский язык. Лицензия модели — MIT. README отсылает к исходной публикации за подробностями, поэтому специализированные сценарии применения и известные ограничения по имеющимся данным определить нельзя.

Это плотная авторегрессионная языковая модель семейства Llama, дообученная adamo1139 на базе Yi-34B-200K-XLCTX с помощью ORPO и GaLore на 4-битных весах. Модель содержит 33,9 млрд параметров и поддерживает контекст до 200 000 токенов. Она предназначена как базовая точка для дальнейшего дообучения, особенно если требуется получить модель с меньшим количеством унаследованного поведения из обучения на данных OpenAI. Это не чат-модель и не рассчитана на непосредственное диалоговое использование; основной сценарий — дальнейшая настройка под нужный стиль и поведение. Карточка указывает лицензию Apache-2.0.

Zoobot Encoder ConvNeXt Base — визуальный энкодер, опубликованный mwalmsley и предназначенный для использования как предобученный backbone через библиотеку timm. Его можно подключать к задачам классификации изображений и дообучать для конкретных наборов данных. В репозитории указаны веса PyTorch и лицензия Apache-2.0. Карточка не уточняет архитектурные детали сверх названия ConvNeXt Base, размер модели, обучающие данные или специальные ограничения. Метаданные относят модель к image-classification; сценарии применения за пределами классификации требуют настройки под конкретную задачу.