II.10Разработка и эксплуатация AI/ML-систем

Vicuna-7B-Delta-v1.1 — дельта-веса чат-модели, разработанной LMSYS. Это авторегрессионная языковая модель на архитектуре Transformer семейства LLaMA, дообученная на диалогах ShareGPT. Репозиторий содержит дельту: для получения рабочих весов Vicuna её необходимо применить к исходным весам LLaMA; самостоятельно модель не запускается. Модель предназначена для генерации ответов в диалогах и исследований чат-ботов и больших языковых моделей. Она содержит 6,6 млрд параметров и поддерживает контекст до 2048 токенов. В карточке указана некоммерческая лицензия; README отмечает, что доступна более новая версия весов.

jaranohaal/vit-base-violence-detection — модель Vision Transformer (ViT), дообученная на основе google/vit-base-patch16-224-in21k для классификации изображений на категории «насилие» и «без насилия». Она предназначена для автоматической проверки изображений в системах модерации контента, видеонаблюдения и родительского контроля. Модель содержит 113,2 млн параметров и распространяется в форматах PyTorch и Safetensors; в карточке указана точность 98,8% на тесте. Модель принимает изображения и выдаёт метку класса. Обучение проводилось на наборе Real Life Violence Situations. Указанная точность не гарантирует таких же результатов на других данных: карточка не описывает состав тестовой выборки и подробности оценки. Лицензия — Apache-2.0.

Vui Nano — модель синтеза речи от fluxions.ai, предназначенная для разговорного голосового ассистента. Она генерирует речь с учётом предыдущего диалога, включая аудио реплик собеседника, и поддерживает потоковую выдачу и клонирование голоса по образцу с транскриптом. Модель обучена на диалогах двух говорящих и может воспроизводить разговорные особенности вроде пауз, вдохов, смеха и смены говорящего. Архитектура — декодер в стиле Llama с головой RQ-Transformer поверх аудиокодека Qwen3-TTS-12Hz; заявлено 219 млн активных и 305 млн общих параметров. Контекст диалога составляет около шести минут. Модель рассчитана на английскую речь; C-движок позволяет запускать её на CPU без Python, PyTorch и ONNX во время инференса. В репозитории также заявлены потоковая работа в реальном времени и голосовые пресеты. Модель выпущена под лицензией Apache-2.0. Описанный Apple Silicon backend на MLX обозначен как находящийся в разработке; при клонировании голоса качество просодии может зависеть от настроек штрафа за повторения.

onnx-community/wav2vec2-lv-60-espeak-cv-ft — это ONNX-версия модели facebook/wav2vec2-lv-60-espeak-cv-ft, разработанной на базе Wav2Vec2-Large-LV60. Модель создана авторами Qiantong Xu, Alexei Baevski и Michael Auli и автоматически преобразована в формат ONNX для использования, в частности, с Transformers.js. Модель предназначена для автоматического распознавания речи и фонем в многоязычных сценариях. Она принимает аудио с частотой дискретизации 16 кГц и преобразует речь в последовательность фонетических меток. Для получения слов из результата требуется отдельный словарь, сопоставляющий фонетические метки словам. Модель дообучена на многоязычном наборе Common Voice и ориентирована на перенос распознавания между языками, включая распознавание ранее не встречавшихся языков. Ключевые сведения о размере и точном составе поддерживаемых языков в README не указаны. Модель работает с аудио и не генерирует напрямую текстовую транскрипцию слов, что ограничивает её применение без дополнительного словаря или постобработки. Лицензия — Apache-2.0.

WorldReward-qwen35-9b — дообученная мультимодальная модель оценки от команды WorldReward на базе Qwen/Qwen3.5-9B. Она сравнивает два видео, учитывая исходное изображение сцены, текстовое описание и последовательность действий с управлением камерой, и помогает определить, какое видео лучше соответствует заданным условиям по действиям, внешнему виду и движению. Пример запуска предполагает подачу изображения, двух видео, подписи сцены и списка действий; заявленная оценка на WorldReward-Bench показывает согласие с человеческими метками в трёх категориях сравнения. Модель построена на плотной архитектуре Qwen3.5 с 9 млрд параметров и использует Transformers и формат safetensors. Карточка указывает визуальные и диалоговые возможности, но не сообщает поддерживаемые языки или длину контекста. Лицензия — Apache-2.0. README не содержит ссылок на статью, проектную страницу или код, поэтому сведения о методике обучения и воспроизводимости ограничены.

ADAL — детектор текстов, созданных искусственным интеллектом, разработанный Shushanta Pudasaini. Это классификатор на основе RoBERTa-large, обученный в состязательной схеме с перефразировщиком T5-base по методу RADAR и расширенный обучением на наборе RAID. Модель определяет, написан ли текст ИИ или человеком. ADAL предназначен для проверки текстов на происхождение и для исследований устойчивого обнаружения сгенерированного текста. В обучении использовались тексты от 11 генераторов и пять видов обхода детектора: перефразирование, замена синонимов, подмена символов, удаление артиклей и опечатки. Авторы сообщают макро-AUROC 0,9951 на RAID, однако этот результат не гарантирует такую же точность на текстах из других источников и вне условий бенчмарка. Модель содержит 454,1 млн параметров, принимает текст с контекстом до 514 токенов и выдаёт одну из меток: «создан ИИ» или «написан человеком». В карточке указана лицензия Apache-2.0. Языковой тег модели — английский; перенос качества на другие языки не подтверждён.

voidful/albert_chinese_base — китайская базовая модель ALBERT, исходно разработанная Google и преобразованная в формат Hugging Face. Она предназначена для задач заполнения маскированных токенов: по контексту предсказывает вероятные слова или символы на месте [MASK]. Модель содержит 129,5 млн параметров, использует архитектуру AlbertForMaskedLM и рассчитана на контекст до 512 токенов. Для загрузки словаря в этом репозитории README рекомендует BertTokenizer, поскольку модель не использует SentencePiece; поддерживается AutoTokenizer. Доступны веса PyTorch и Safetensors. Модель ориентирована на китайский язык. В README приведён пример предсказания, но подробной оценки качества нет. Условия лицензии в предоставленных материалах не описаны.

Aux 2024 — языковая модель на 3,6 млрд параметров от fin-ai-lab, обученная с нуля на данных до конца 2024 года; заявленная граница знаний — январь 2025 года. Она входит в набор Frontier to Point-in-Time и предназначена прежде всего для Divergence Decoding: её логиты вместе с логитами парной модели Aux 2015 помогают убрать из ответов более крупной модели знания, появившиеся после заданной даты, и снизить смещение заглядывания в будущее при прогнозировании. Модель использует плотную архитектуру MinistralDualRope, семейство Llama с чередованием скользящего и полного внимания, а также дополнительное позиционное кодирование для слоёв скользящего внимания. Контекст составляет 131 072 токена. Модель обучена с токенизатором Qwen 3.5 и прошла частичную донастройку на примерах, полученных дистилляцией от крупной модели; шаблон чата поддерживает режим рассуждений. Метаданные также указывают интерфейс вызова инструментов. Основной сценарий — использование в составе метода Divergence Decoding с парной Aux 2015 и большой целевой моделью; карточка сообщает о готовом к производственному применению коде вывода в проекте. Для самостоятельных практических выводов README не приводит результатов бенчмарков. Это пользовательская архитектура, для загрузки которой требуется trust_remote_code=True. Лицензия — Apache-2.0.

BEREL 3.0 — модель Dicta для обработки текстов на иврите, представленная как BERT с головой языкового моделирования. В карточке указана статья Avi Shmidman и соавторов о BEREL; модель загружается через Transformers и содержит около 211,6 млн параметров. Метаданные относят её к генерации текста, а архитектура и пример использования указывают на задачу masked language modeling. Модель рассчитана на языковые задачи с текстами на иврите и обучена для работы с особой токенизацией: авторы предупреждают, что обычный BertTokenizer даст плохие результаты, и рекомендуют AutoTokenizer или BertTokenizerFast. Максимальная длина контекста составляет 512 токенов. Веса доступны в форматах PyTorch и safetensors по лицензии Apache-2.0.

MrBananaHuman/char_ko_bert_small — компактная модель BERT для обработки корейского языка, разработанная автором репозитория MrBananaHuman. Она токенизирует текст на уровне корейских слогов и предназначена для заполнения пропусков в тексте с помощью masked language modeling; модель также можно дообучать для распознавания именованных сущностей. Архитектура — трансформерный энкодер BertForMaskedLM с 3 слоями и словарём из 7 477 токенов; размер составляет 34,1 млн параметров, максимальная длина контекста — 512 токенов. Модель рассчитана на корейский язык и может применяться в компактных системах, включая мобильные и серверные среды. Распространяется по лицензии Apache License 2.0, допускающей академическое и коммерческое использование.

Nothasan/Chessboard — модель классификации изображений на основе Vision Transformer ViT-Base, дообученная автором на датасете imagefolder от google/vit-base-patch16-224-in21k. Веса представлены в формате safetensors; модель содержит 113,2 млн параметров. Модель предназначена для классификации изображений. По названию репозитория можно предположить связь с шахматной доской, однако карточка не описывает классы и сценарии применения, поэтому конкретное назначение классификатора установить нельзя. Лицензия — Apache-2.0.

iioSnail/ChineseBERT-base — это адаптированная для прямой загрузки через API Hugging Face версия ChineseBERT-base, основанной на архитектуре BERT и разработанной ShannonAI. В модели на 131,1 млн параметров предсказание замаскированных токенов усилено информацией о начертании и пиньине китайских иероглифов; она принимает текст и рассчитана на контекст до 512 токенов. Модель предназначена для заполнения пропусков в китайском тексте и получения скрытых представлений токенов, которые можно использовать в других NLP-сценариях. README указывает, что её можно вызывать как обычную BERT-модель через Hugging Face API; для токенизации может потребоваться библиотека pypinyin. Репозиторий содержит веса PyTorch и Safetensors и распространяется по лицензии AFL-3.0.

hfl/chinese-electra-180g-base-generator — компактная предварительно обученная модель семейства ELECTRA для китайского языка, выпущенная совместной лабораторией HIT и iFLYTEK Research (HFL) на основе официального кода ELECTRA. Генератор ELECTRA обучен предсказывать заменённые токены и подходит для задачи заполнения пропусков в тексте, а также как основа для дальнейшей работы с китайским текстом. Модель содержит 11,1 млн параметров и принимает последовательности длиной до 512 токенов. Репозиторий включает форматы PyTorch и TensorFlow. В README отмечается компактность ELECTRA и конкурентные результаты на ряде NLP-задач относительно BERT и его вариантов; конкретные результаты для этого чекпойнта не приведены. Лицензия — Apache-2.0.

Карточка модели hfl/chinese-lert-large на Hugging Face совпадает с карточкой hfl/chinese-lert-base, поэтому описание составлено по ней. HFL Chinese LERT Base — предварительно обученная языковая модель для китайского языка, разработанная авторами Yiming Cui, Wanxiang Che, Shijin Wang и Ting Liu. LERT основана на архитектуре BERT и предназначена для восстановления замаскированных токенов в тексте, а также как языковая основа для задач обработки китайского языка. Модель содержит 129,5 млн параметров, принимает текстовые последовательности длиной до 512 токенов и доступна в форматах PyTorch и TensorFlow. Карточка характеризует LERT как модель с лингвистически мотивированным предобучением. Лицензия — Apache 2.0. Для прямого применения в других задачах может потребоваться дообучение. В доступной карточке не приведены результаты оценки качества и подробности состава обучающих данных.

Карточка модели hfl/chinese-lert-small на Hugging Face совпадает с карточкой hfl/chinese-lert-base, поэтому описание составлено по ней. HFL Chinese LERT Base — предварительно обученная языковая модель для китайского языка, разработанная авторами Yiming Cui, Wanxiang Che, Shijin Wang и Ting Liu. LERT основана на архитектуре BERT и предназначена для восстановления замаскированных токенов в тексте, а также как языковая основа для задач обработки китайского языка. Модель содержит 129,5 млн параметров, принимает текстовые последовательности длиной до 512 токенов и доступна в форматах PyTorch и TensorFlow. Карточка характеризует LERT как модель с лингвистически мотивированным предобучением. Лицензия — Apache 2.0. Для прямого применения в других задачах может потребоваться дообучение. В доступной карточке не приведены результаты оценки качества и подробности состава обучающих данных.

Карточка модели hfl/cino-large на Hugging Face совпадает с карточкой hfl/cino-base-v2, поэтому описание составлено по ней. CINO-base-v2 — многоязычная предварительно обученная языковая модель лаборатории HFL, совместной лаборатории HIT и iFLYTEK Research. Она построена на XLM-R и дополнительно обучена на корпусах китайского и ряда языков и языковых разновидностей Китая: тибетского, монгольского в уйгурской письменности, уйгурского, казахского в арабской письменности, корейского, чжуанского и кантонского. Модель предназначена для понимания текста на этих языках и может использоваться как основа для NLP-систем; её основная задача в каталоге — восстановление замаскированных токенов (fill-mask). Архитектура — XLM-RoBERTa для masked language modeling, размер — 217,2 млн параметров, длина контекста — 514 токенов. Доступны веса PyTorch и TensorFlow. Модель принимает текст и предсказывает замаскированные текстовые токены. README не приводит результаты оценивания или конкретные ограничения качества. Лицензия — Apache-2.0.

Модель syntheticbot/clip-face-attribute-classifier разработана на основе openai/clip-vit-large-patch14 и дообучена для многозадачной классификации лиц по изображениям. Она принимает изображение лица и выдаёт отдельные предсказания воспринимаемого возраста по 9 категориям, гендера по 2 категориям и расовой категории по 7 группам; обучалась на сбалансированном датасете FairFace. Модель предназначена для исследовательского анализа справедливости и смещений, публичного базового решения и учебных демонстраций классификации изображений. На валидационной выборке FairFace указана точность 96,38% для гендера, 73,22% для расовых категорий и 59,17% для возраста. Качество различается между группами и ниже для некоторых расовых категорий и старших возрастов; предсказания отражают воспринимаемые визуальные признаки, а не самоидентификацию человека. Разработчик предостерегает от применения для наблюдения, отслеживания и решений, влияющих на права или возможности людей. Для загрузки требуется пользовательский класс MultiTaskClipVisionModel, а не стандартный AutoModel. Лицензия — Apache-2.0.

Sariel00 выпустил адаптацию CosyVoice2-0.5B для синтеза китайской речи с клонированием голоса по нулевому примеру на устройствах Rockchip RK3588 и RK3572. Модель использует 24-слойный Qwen2 и потоковую генерацию речи; для RK3588 предоставлены ONNX- и RKNN-компоненты и C++-движок. Вариант Flow-компонента дистиллирован до одного шага, тогда как LLM, Speech Head, CampPlus и HiFT не изменялись. Вход — предварительно нормализованный текст в UTF-8, выход — поток PCM с частотой 24 кГц. README сообщает о тестировании на коротких и средних фразах и приводит показатели потокового синтеза на целевых платформах. Одношаговая дистилляция сокращает вычисления, но качество звучания уступает официальной десятишаговой модели и содержит слышимые искажения. Для очень длинного текста требуется смысловое разбиение; задержка до первого аудиоблока составляет около двух секунд в приведённых тестах RK3588, а HiFT может переключаться на CPU. Проверен фиксированный голосовой профиль, но строгая проверка регистрации произвольного WAV на устройстве ещё не завершена. Для работы приложения текст должен быть нормализован заранее. Лицензия файлов проекта — Apache-2.0; исходные компоненты CosyVoice и сторонние материалы сохраняют собственные условия лицензирования.

VGS-AI/DeepSeek-VM-1.5B — value-модель объёмом 1,5 млрд параметров, разработанная для управления поиском при рассуждении методом цепочки мыслей (Chain-of-Thought) и повышения его эффективности. Она основана на архитектуре Qwen2 и реализована как модифицированный классификатор Qwen2ForClassifier; модель предназначена для оценки вариантов рассуждения и помощи в выборе направления поиска. Модель принимает текст и выдаёт оценки, используемые для направления поиска в процессе генерации рассуждений. В метаданных указан контекст до 131 072 токенов и формат весов safetensors. README связывает модель с методом Value-Guided Search, описанным в научной работе. Лицензия в предоставленных данных не указана.

Delphi 1e22 — базовая языковая модель команды Marin, обученная по рецепту их исследовательской серии scaling laws. Это плотная авторегрессионная модель семейства Qwen 3 с примерно 9,7 млрд параметров; она обучена на 160 млрд токенов при бюджете 1 × 10²² FLOPs. Модель предназначена для экспериментов с масштабированием обучения и оценки того, как вычислительный бюджет и объём данных влияют на качество генерации текста. Чекпойнт предварительно обучен на англоязычной смеси веб-данных, кода и математических текстов, поддерживает контекст до 4096 токенов и доступен в формате safetensors. Его можно применять для генерации и продолжения текста, а также для исследовательской оценки языковых моделей. Это не чат-модель: она не проходила инструкционное дообучение, RLHF или настройку безопасности. Лицензия — Apache-2.0.

Overfit-GM/distilbert-base-turkish-cased-offensive — модель классификации текста на базе DistilBERT, разработанная пользователем или организацией Overfit-GM. Она предназначена для анализа турецкоязычных текстов и классификации сообщений, связанных с оскорбительным или токсичным содержанием. Модель работает с текстом на турецком языке, использует регистрочувствительный вариант DistilBERT и поддерживает контекст длиной до 512 токенов. Для использования применяется лицензия Apache-2.0. Данные о размере модели, точных классах, качестве и методике обучения в доступных источниках отсутствуют.

Lau123/distilbert-base-uncased-detect_ai_generated_text — дообученная Lau123 модель на базе DistilBERT для классификации текста, в частности для определения текста, созданного ИИ. Архитектура — DistilBertForSequenceClassification; веса опубликованы в формате safetensors. Базовая модель — distilbert/distilbert-base-uncased, лицензия — Apache-2.0, максимальный контекст — 512 токенов. Модель предназначена для классификации текстовых фрагментов. В README приведены значения accuracy и F1, равные 1.0, и loss 0.0089 на оценочном наборе; состав и размер набора не раскрыты, поэтому эти результаты не позволяют судить о качестве на новых данных. Датасет обучения также не указан. Поддерживается английский текст, что следует из uncased-версии базовой модели.

pollner/distilhubert-finetuned-ravdess — модель классификации аудио на базе DistilHuBERT, дообученная на наборе RAVDESS. Она предназначена для отнесения аудиозаписей к классам; точный состав классов и сценарии применения в карточке не описаны. В архитектуре указана HubertForSequenceClassification, число параметров — 18,9 млн. На оценочной выборке автор сообщает loss 0,2810 и accuracy 0,9236. Модель принимает аудио и выдаёт метки классов. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. Язык аудиоданных и ограничения применения в карточке не уточнены.

Mikhail Rudenko разработал эту модель как компактный черновой декодер для ускорения генерации при speculative decoding. Она дообучена на синтетических примерах перевода с чешского на английский и предназначена для работы вместе с целевой моделью TurboSparse-Mistral-Instruct 7B. Во время обучения использовались распределения токенов целевой модели, а также функция потерь, сочетающая CrossEntropy и KL-дивергенцию. Модель имеет архитектуру MistralForCausalLM и содержит 131,3 млн параметров по метаданным. Контекст — 2048 токенов. Она принимает текст и генерирует текст; её специализированный сценарий — предлагать черновые токены для ускорения перевода с чешского на английский в связке с целевой моделью. Лицензия — Apache-2.0.

MikhailRudenko/drafter-wmt16-translate-deen — компактная модель MistralForCausalLM, созданная как специализированный черновой декодер для спекулятивной генерации при переводе с немецкого на английский. Она дообучена на синтетических примерах кластера WMT16 Translate DEEN с использованием дистилляции распределений целевой модели TurboSparse-Mistral-Instruct; в спекулятивном декодировании её черновые токены проверяет целевая модель. В метаданных указано 131,3 млн параметров, контекст 2048 токенов и формат safetensors. Модель предназначена для ускорения генерации переводов в связке с целевой моделью, а не для самостоятельного универсального перевода. Карточка описывает исследовательский проект по специализированным черновым моделям; приведены объём обучения в 28 500 синтетических примеров и схема обучения с CrossEntropy и KL-дивергенцией. Лицензия — Apache-2.0. Результат и ускорение зависят от целевой модели и реализации спекулятивного декодирования; модель рассчитана на немецко-английский кластер, а не на широкий набор языков и задач.

dronefreak/exdark-yolo11m — детектор объектов на базе YOLO11m от Ultralytics, дообученный автором репозитория на наборе ExDark. Модель предназначена для обнаружения объектов на тёмных изображениях и в условиях низкой освещённости; распознаёт 12 классов, включая людей, автомобили, велосипеды, лодки и животных. Она использует архитектуру компьютерного зрения YOLO11 и библиотеку Ultralytics; для оценки приведены результаты на тестовой части ExDark: mAP@50 73,17% и mAP@50–95 47,16%.

beshkenadze/g2p-multilingual-byT5-tiny-mlx — конвертированная для MLX модель на базе ByT5 от Charsiu для преобразования написания слов в фонемную транскрипцию. Она принимает текст и выдаёт последовательность фонем в IPA; карточка показывает пример для американского английского. Модель поддерживает 100 языков и предназначена для запуска на устройствах Apple с MLX, в том числе через CharsiuG2PKit для Swift. В метаданных указано 11,1 млн параметров, архитектура T5ForConditionalGeneration и формат SafeTensors; README приводит PER 0,096 и WER 0,281. Репозиторий содержит конверсию исходной модели charsiu/g2p_multilingual_byT5_tiny_16_layers_100 из PyTorch в SafeTensors для MLX, а не самостоятельное дообучение. Метаданные указывают лицензию MIT. Число параметров в README отличается от метаданных, поэтому размер приведён по метаданным.

Карточка модели kirikir13/gemma-4-E4B-it-qat-assistant-bf16 на Hugging Face совпадает с карточкой mlx-community/gemma-4-E4B-it-qat-assistant-bf16, поэтому описание составлено по ней. Это вспомогательная модель-драфтер Multi-Token Prediction (MTP) семейства Gemma 4 E4B, подготовленная mlx-community из весов google/gemma-4-E4B-it-qat-q4_0-unquantized-assistant. Она предназначена для ускорения генерации методом speculative decoding: предлагает кандидатные токены, которые затем проверяет целевая модель Gemma 4 E4B. Модель рассчитана на работу в связке с совместимым целевым чекпойнтом через MLX и mlx-vlm. Веса представлены в bf16 и формате Safetensors. Это не самостоятельная чат-модель; карточка описывает текстовую генерацию и английский язык, но не задаёт отдельные задачи для автономного использования. Для работы требуется среда с поддержкой Gemma 4 MTP draft-моделей в mlx-vlm и совместимая целевая модель. Самостоятельная генерация через обычный интерфейс Transformers не предполагается. Указана лицензия Gemma; условия использования следует сверять с лицензией и карточкой базовой модели.

Horus Taleeq 0.2 Base — базовая арабоязычная языковая модель компании TokenAI, разработанная Ассемом Сабри. Это компактная модель примерно на 199,9 млн параметров с плотной архитектурой LlamaForCausalLM и декодером-трансформером. Она принимает текст и генерирует продолжение; нативный контекст составляет 4096 токенов. Модель предназначена для исследований и оценки арабских языковых моделей, продолжения предобучения, экспериментов с дообучением и генерации арабского текста, включая диалектный. Это базовый чекпойнт, а не готовый чат-ассистент: качество ответов, беглость на диалектах, фактическая точность и арифметика требуют проверки. Возможны непоследовательные продолжения и повторы; для чат- или производственного применения нужны дополнительное дообучение, настройка безопасности и оценка качества. Исторические данные обучения не полностью воспроизводимы. Лицензия — MIT.

arinakosovskaia/implicit_toxicity — русскоязычная модель классификации текста для выявления неявной токсичности. По метаданным это плотная модель семейства BERT на базе BertForSequenceClassification с 205,1 млн параметров и контекстом до 512 токенов. Репозиторий содержит веса Safetensors; библиотека для работы — Transformers. Модель предназначена для классификации русскоязычных текстов по признаку неявной токсичности, например для предварительной модерации пользовательских сообщений. Карточка не сообщает разработчика, обучающие данные, метрики, подробную схему меток или ограничения классификатора. Лицензия — Apache-2.0.