II.10Разработка и эксплуатация AI/ML-систем

LemonSeed 1.5B Base — базовая языковая модель, созданная Geramy L. Loveless с нуля и предобученная на предсказание следующего токена. Она предназначена для продолжения текста, исследований и дальнейшей настройки, включая SFT и обучение с подкреплением. Модель не настроена на выполнение инструкций и не предназначена для диалогового использования без дополнительного дообучения. Архитектура объединяет Gated DeltaNet, полное внимание в части слоёв, разреженный Mixture-of-Experts и Mixture-of-Depths. В README указаны 1,51 млрд номинальных параметров, около 0,90 млрд эффективных и около 0,46 млрд активных параметров на токен; метаданные каталога указывают 547,9 млн параметров. Модель принимает и генерирует текст, карточка и метаданные указывают английский язык. Для запуска используется MLX с ROCm; архитектура пользовательская и не загружается через Transformers. Репозиторий содержит веса safetensors. Лицензия обозначена как other, конкретные условия в предоставленных данных не раскрыты. Модель может быть полезна как основа для экспериментов с MoE, дообучения на специализированных данных и расширения контекста. Среди ограничений README отмечает отсутствие инструкционной настройки и настройки безопасности, ограниченные знания и склонность к галлюцинациям; около половины маршрутизируемых экспертов не обучены. Арифметические ответы могут быть менее надёжными без пошаговой подсказки.

PrimeIntellect/llama-14m-fresh — небольшая модель генерации текста из семейства Llama, размещённая на Hugging Face. В метаданных указаны библиотека Transformers, архитектурный тег llama и размер около 5,7 млн параметров. Модель предназначена для генерации продолжений текста и экспериментов с компактными языковыми моделями. Она может использоваться в прототипах, учебных проектах, тестировании пайплайнов text-generation и сценариях, где важны малый размер модели и ограниченное потребление ресурсов. Максимальная длина контекста составляет 2048 токенов. Карточка модели не содержит сведений о разработчике, обучающих данных, поддерживаемых естественных языках, результатах оценки или лицензии. Поэтому модель следует рассматривать как экспериментальную и не использовать без дополнительной проверки качества, безопасности и юридических условий.

Модель yanggangu/Llama-3.2-1B-Instruct-SMAT-NumGLUE-cm — эксперт SMAT, обученный авторами метода Simple and Efficient Merge-Aware Training на основе Meta Llama 3.2 1B Instruct; в README указан seed обучения 42. Она предназначена для генерации текста и диалоговых сценариев. SMAT обучает экспертов сохранять качество на своей задаче и облегчать последующее слияние моделей. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 1,2 млрд параметров, принимает текст и поддерживает контекст до 131 072 токенов. Применяется лицензия Llama 3.2 и связанная с ней политика допустимого использования.

OS-Software выпустила экспериментальную версию llm-jp-4-32b-a3b-thinking с ослабленной защитной настройкой (abliteration). Это текстовая разговорная модель для генерации ответов, исследований безопасности, изучения выравнивания и red teaming. По README, исходная модель разработана Центром исследований и разработок больших языковых моделей Национального института информатики Японии; модель построена на архитектуре Qwen3 MoE, содержит около 32,1 млрд параметров и активирует около 3,8 млрд параметров на токен. Она принимает текст и выдаёт текст, поддерживает японский и английский языки, а контекстное окно составляет 65 536 токенов. В приведённом сравнении модель отказала в 0 из 100 тестовых запросов против 100 из 100 у исходной модели; KL-дивергенция указана как 0,0115. Это не подтверждает фактическую точность или безопасность ответов: модель чаще может выдавать вредный, недостоверный, предвзятый или оскорбительный контент. README рекомендует использовать её только для исследований и экспериментов, не для публичных сервисов или взаимодействия с конечными пользователями; ответы следует проверять. Лицензия — Apache-2.0.

Mask2Former — модель компьютерного зрения семейства Mask2Former, опубликованная командой Hugging Face. Эта версия с компактным Swin-Tiny backbone обучена на Cityscapes для паноптической сегментации городских сцен и предсказывает маски объектов вместе с соответствующими метками. Архитектура использует многоуровневый декодер признаков на основе deformable attention и Transformer-декодер с masked attention. Модель предназначена для разделения изображения на семантические области и отдельные экземпляры объектов в рамках паноптической сегментации. Её можно применять для анализа уличных сцен, например, чтобы выделять и классифицировать объекты на изображениях городской среды. Чекпойнт опубликован в форматах PyTorch и safetensors; лицензия указана как other, поэтому конкретные условия использования следует проверять в репозитории модели.

Модель mahmoodulhassan23/medical-question-classifier — дообученная версия DistilBERT для классификации медицинских вопросов по 20 специальностям, включая кардиологию, педиатрию, психиатрию и хирургию. Она предназначена для маршрутизации вопросов в системах триажа и автоматического присвоения тегов медицинским платформам вопросов и ответов. Модель принимает текст и выдаёт метку специальности. В карточке указаны точность около 82,4% и взвешенная F1-мера около 0,821. Контекст ограничен 512 токенами; основной язык модели — английский. Лицензия — Apache 2.0. Модель предназначена только для категоризации и маршрутизации: она не ставит диагнозы и не даёт рекомендаций по лечению.

MegaLoc — модель извлечения признаков изображений для визуального распознавания мест (VPR), разработанная авторами проекта MegaLoc. Она предназначена для поиска изображений одного и того же места в больших базах по запросу-картинке и рассчитана на работу как в помещениях, так и на открытом воздухе. В статье о модели представлены результаты на наборах данных VPR; среди примеров — поиск по базе SF-XL из 2,8 млн изображений. Модель реализована на PyTorch; в репозитории доступны веса Safetensors и формат ONNX. Лицензия — MIT. Карточка не сообщает размер модели, длину контекста или поддерживаемые естественные языки: модель работает с изображениями и не предназначена для генерации текста.

mikky-64m — компактная языковая модель на 63,9 млн параметров, обученная HUANG JUNZHE 黄俊哲 на базе кодовой основы и формата данных проекта MiniMind. Это экспериментальный чекпойнт для локального запуска, изучения обучения небольших моделей, конвертации форматов и экспериментов с выравниванием ответов. Обучение включало предварительное обучение, SFT, identity SFT с LoRA и DPO; GRPO использовался только для проб, а PPO не вошёл в итоговый чекпойнт. Модель использует плотную архитектуру Qwen3ForCausalLM с RMSNorm, SwiGLU, grouped-query attention, RoPE и нормализацией q/k. Она принимает текст и выдаёт текст, поддерживает английский и китайский языки, а длина контекста составляет 2048 токенов. Для загрузки доступны веса Safetensors и экспорт GGUF в BF16 без квантизации, а также исходный файл состояния MiniMind. Лицензия — Apache-2.0. Малый размер делает модель удобной для локальных экспериментов и изучения конвейера обучения и конвертации. Из-за ограниченной ёмкости у неё слабее рассуждения, математические способности, фактическая память и защитное поведение; её не следует применять в медицинских, юридических, финансовых и других критически важных сценариях.

MiniMax-H3-Qwen3-VL-NVFP4 — 4-битная NVFP4-квантизация текстового энкодера Qwen3-VL-32B для модели генерации видео MiniMax-H3. Репозиторий подготовлен для ComfyUI как замена штатного энкодера conditioning и загружается через CLIPLoader с типом minimax; веса видеодиффузионной модели не изменены. В safetensors-файле размером около 16,64 ГиБ в NVFP4 переведены линейные слои средней части языковой модели, а эмбеддинги, первый и последний языковые слои и вся зрительная башня сохранены в bf16. Энкодер предназначен для подготовки текстового и визуального conditioning в рабочих процессах генерации видео MiniMax-H3, в том числе на потребительских GPU с 24 ГБ памяти при выгрузке части моделей. Автор сообщает о тестах на 16 парах клипов: LPIPS 0,099, SSIM 0,891 и небольшое изменение межкадрового мерцания относительно bf16; это результаты ограниченного внутреннего набора, а не гарантия качества для любых запросов. На Blackwell NVFP4 работает быстрее; на Ada для ускоренных FP4-ядер требуется сборка PyTorch cu130. Это преобразованная и квантованная версия энкодера, а не самостоятельная видеомодель: для генерации нужны совместимые веса MiniMax-H3 и соответствующий workflow ComfyUI. Лицензия указана как other; README предписывает соблюдать MiniMax Community License и местное законодательство.

facebook/mms-tts-pcm — модель синтеза речи на пиджин, распространённом в Нигерии, созданная Meta в рамках проекта Massively Multilingual Speech. Это отдельный языковой чекпойнт серии MMS-TTS на архитектуре VITS: модель преобразует входной текст в речевую звуковую волну и может варьировать ритм произношения благодаря стохастическому предсказателю длительности. Веса содержат около 3,5 млн параметров; доступны в форматах PyTorch и Safetensors и поддерживаются библиотекой Transformers начиная с версии 4.33. Модель предназначена для озвучивания текста на нигерийском пиджине, например для голосовых интерфейсов и создания речевого контента. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Генерация недетерминирована: для повторения того же результата требуется фиксировать seed.

facebook/mms-tts-rkt — модель синтеза речи на языке рангпури (Rangpuri, код rkt) из проекта Massively Multilingual Speech компании Facebook. Она преобразует текст на рангпури в речевую аудиоволну и предназначена для озвучивания текста и создания речевого вывода в приложениях на этом языке. Модель использует архитектуру VITS и содержит 3,6 млн параметров. Это сквозная система с текстовым энкодером на основе Transformer, потоком нормализующих слоёв, стохастическим предсказателем длительности и декодером, построенным по принципу HiFi-GAN. Для одинакового результата при повторной генерации требуется фиксированное случайное зерно. Модель доступна через библиотеку Transformers версии 4.33 и новее. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

Motif-3 Direct IQ2 XXS DGX Spark — это квантизированная GGUF-сборка ядра модели Motif-3, опубликованная пользователем jhkim55 и основанная на модели Motif-Technologies/Motif-3. Модель предназначена для генерации текста и запуска локальных экспериментов через llama.cpp, прежде всего на одной NVIDIA DGX Spark с 128 ГБ памяти. Сборка содержит около 314,7 млрд параметров и использует смешанную квантизацию IQ2_XXS. Заявлена архитектура mixture-of-experts; поддерживаются английский и корейский языки. Размер файла составляет 83,56 GiB, все слои в протестированной конфигурации размещались на GPU. В примере запуска используется контекст до 32 768 токенов, однако это относится к указанной конфигурации llama.cpp. Опубликованные средние показатели составляют 316,71 tok/s для обработки 512 токенов и 16,49 tok/s для генерации 128 токенов. Основные преимущества — возможность запуска очень крупной модели на одной DGX Spark, высокая скорость обработки входного контекста и наличие открытых инструкций сборки, контрольных сумм и результатов тестирования. Ограничения существенны: совместимость со стандартной upstream-версией llama.cpp не подтверждена, требуется специальный Motif-совместимый runtime и патч токенизатора. Квантизация не прошла заранее заданные критерии сохранения качества BF16, поэтому релиз рекомендуется рассматривать как системный и исследовательский, а не как полноценную замену BF16-модели. Лицензия — MIT.

Nex-N2.5-mini-Uncensored — версия Nex-N2.5-mini от автора репозитория orcarouter с удалённым отказным поведением, полученная изменением весов базовой модели. Это разговорная агентная VLM с архитектурой Qwen3_5MoeForConditionalGeneration: около 34 млрд параметров, MoE со 256 маршрутизируемыми экспертами (выбираются 8) и одним общим экспертом на слой, гибридным механизмом gated-delta-net и полнослойным вниманием, а также встроенной визуальной башней. README указывает контекст 262 тыс. токенов. Модель предназначена для исследований механизмов отказа, интерпретируемости и выравнивания, контролируемого red teaming и оценки устойчивости, а также для дальнейшего дообучения. Поддерживает английский и китайский; базовая модель ориентирована на агентные задачи с компьютером и браузером, но в карточке этой версии агентные возможности не оценивались. По приведённым тестам отказные формулировки резко сократились, однако метрики не измеряют напрямую долю обходов защит. Визуальный путь и работа с длинным контекстом не проверены; README также сообщает о наследуемых ограничениях и предубеждениях базовой модели. Распространяется по лицензии Apache-2.0.

OELLM 9B — 128K context — Prelude anneal300b — это экспериментальный базовый языковой чекпойнт от birgermoell, полученный продолжением предобучения openeurollm/prelude. Модель построена на плотной архитектуре Qwen3 с примерно 9 млрд параметров и контекстом до 131 072 токенов. Опубликована в формате BF16 для Transformers; лицензия — Apache-2.0. Модель предназначена для генерации продолжений текста и исследований длинноконтекстного поиска и обработки документов. Она обучалась на многоязычной смеси данных с европейскими языками, кодом и научными текстами; языковая компетентность неравномерна. Это базовая модель без инструкционной настройки и выравнивания по безопасности, поэтому она не рассчитана на поведение чат-ассистента. Для конфигурации на 128K токенов следует сохранять rope_theta=32000000 и max_position_embeddings=131072. Проверка извлечения информации ограничена небольшим тестом на английском и шведском языках и не подтверждает надежную работу по всему контексту, многошаговые рассуждения, суммаризацию длинных документов или поиск по нескольким фрагментам. Для длинного контекста нужны значительные ресурсы ускорителей и настройка памяти KV-кэша; качество относительно более раннего чекпойнта Prelude на 1T токенов не гарантируется.

xformAI выпустила вариант модели facebook/opt-125m с группированным совместным использованием ключей и значений внимания (GQA), предназначенный для генерации текста. Веса представлены в формате PyTorch, архитектура относится к семейству OPT и содержит около 151,9 млн параметров; контекст — до 2048 токенов. В исходной реализации OPT-125M используется 12 голов внимания для K/V. В этом варианте применено 6 групп голов K/V на слой: головы внутри группы используют одинаковые значения K или V, полученные усреднением. Это изменение направлено на работу с KV-кэшем. Модель рассчитана на англоязычные текстовые сценарии; лицензия — MIT.

OTel-Embedding-109M — плотная модель эмбеддингов для телекоммуникационной отрасли, разработанная в рамках открытой инициативы OTel по созданию справочных ИИ-ресурсов для глобального телеком-сектора. Это полноразмерное дообучение Sentence Transformers all-mpnet-base-v2 на телекоммуникационных данных OTel; в метаданных указано 136,7 млн параметров, архитектура MPNet и контекст до 514 токенов. Модель кодирует текстовые запросы и фрагменты документов в векторы для поиска по смыслу. Модель предназначена для поиска релевантных фрагментов в спецификациях, стандартах, RFC, технических документах и других материалах по телекоммуникациям, в том числе как этап извлечения в RAG-системе перед реранкером и языковой моделью. Внутренняя оценка на отложенной части OTel-Embedding показывает NDCG@10 87,8% ± 0,6; результат относится к этому набору данных и не гарантирует качество на внешних корпусах или во всех телеком-поддоменах. Модель рассчитана на английский язык и преимущественно текстовые данные; для общей тематики и многоязычного поиска она не предназначена. Результаты следует проверять перед операционным, клиентским, регуляторным, безопасностным или сетевым применением. Лицензия модели — Apache-2.0; пользователям также следует соблюдать условия лицензии базовой модели.

Pico Decoder Medium — плотная авторегрессионная языковая модель с архитектурой decoder-only Transformer в стиле LLaMA, разработанная в рамках семейства pico-decoder. Модель содержит 181 млн параметров и 12 слоёв; её обучали с помощью pico-train на наборе pretokenized-dolma в течение 200 000 шагов с длиной последовательности 2048 токенов. Модель предназначена для генерации текста и изучения того, как языковые модели обучаются на разных этапах: авторы предусмотрели анализ поведения слоёв с помощью pico-analyze и оценку perplexity на pico-paloma-tinsy. Компактный размер подходит для экспериментов с анализом обучения, однако карточка не приводит результатов оценки качества генерации и не подтверждает пригодность для конкретных прикладных задач. Репозиторий распространяется по лицензии Apache-2.0.

Pile-T5 Large — англоязычная encoder-decoder модель семейства UMT5, разработанная EleutherAI и обученная на корпусе The Pile с помощью библиотеки T5x. Она использует реализацию UMT5 в Transformers и обучалась по задаче восстановления замаскированных фрагментов текста. В метаданных указано 385,2 млн параметров; карточка модели приводит другое значение — около 783 млн. Архитектура включает 24 слоя энкодера и 24 слоя декодера. Модель предназначена прежде всего для исследований и извлечения языковых признаков, а также для дообучения под последующие задачи. Она принимает текст и генерирует текст, но не настроена на выполнение пользовательских инструкций, диалог или самостоятельное применение в пользовательских продуктах. Поддерживает английский язык; Apache 2.0 разрешает использование и адаптацию в соответствии с лицензией. Выходы могут быть фактически неверными и содержать нежелательные или предвзятые формулировки, поскольку обучение проводилось на The Pile. Перед показом людям результаты следует проверять; для прикладного использования необходимо самостоятельно оценить риски и смещения.

Mercity разработала базовую языковую модель примерно на 1 млрд параметров на архитектуре Llama 3-style с плотным декодером и таблицами хешированных n-граммных эмбеддингов LongCat. Около 25% параметров приходится на эти таблицы; чтобы сохранить общий размер, модель использует 23 трансформерных слоя вместо 32 у базовой конфигурации. По карточке, обучение проходило на 6 млрд токенов английского набора FineWeb. Модель поддерживает генерацию текста, а её контекст составляет 8192 токена. Это базовый чекпойнт для продолжения предобучения и экспериментов с языковыми моделями; он не проходил настройку для инструкций или безопасности. Карточка приводит результаты нескольких zero-shot-бенчмарков и LoRA-дообучения для Few-NERD, но отмечает, что бюджет обучения невелик для модели такого размера, оценки получены с одним seed, а модель может повторять текст и выдумывать факты. Лицензия в предоставленных данных не указана.

Qwen2.5-14B-Noncompliant — экспериментальная модель на базе Qwen/Qwen2.5-14B-Instruct, созданная jBlaze с помощью редактирования весов. Это плотная авторегрессионная языковая модель на 14 млрд параметров для диалогов и генерации текста; она принимает текст и выдаёт текст. В карточке указано контекстное окно 32 768 токенов, а основной язык карточки — английский. Модель предназначена прежде всего для проверки системных ограничений и продуктов защиты LLM: авторы сообщают, что она хуже следует внешним инструкциям о формате, роли и допустимых темах, сохраняя, по их оценке, полезность и связность ответов. Метод описан как удаление направлений подчинения с помощью контрастивного извлечения активаций и проекции на веса; обучение не проводилось. Показатели и выводы приведены разработчиком и не являются независимой оценкой. Это proof of concept, а не оптимизированный выпуск: README сообщает, что модель всё ещё соблюдает некоторые ограничения, а в тесте из 16 сценариев она частично выполнила запросы об оружии и вредоносном ПО. Разработчик позиционирует её для исследований безопасности и тестирования защитных механизмов, а не для обхода ограничений в рабочих системах. Лицензия — Apache-2.0.

Qwen3-0.6B-Gensyn-Swarm-exotic_tricky_camel — языковая модель для генерации текста, опубликованная пользователем lindadakim1224 на Hugging Face. По метаданным она работает с библиотекой Transformers, содержит около 507,9 млн параметров и поддерживает контекст до 40 960 токенов. В тегах указана связь с Qwen3, RL Swarm, GenRL Swarm, GRPO и Gensyn.

Qwen3.5-4B-MTP-4bit — это вспомогательная модель-драфтер, разработанная сообществом mlx-community на основе Qwen/Qwen3.5-4B от Qwen. Она предназначена для ускорения генерации текста методом speculative decoding в связке с совместимым целевым чекпойнтом Qwen3.5 4B: модель предлагает кандидаты токенов, а целевая модель их проверяет. Самостоятельно как чат- или текстогенерационная модель этот репозиторий не предназначен для использования. Модель имеет тип qwen3_5_mtp и размер блока Multi-Token Prediction 2. Веса квантизированы в формате MLX affine 4-bit с group size 64 и сохранены в Safetensors с конфигурацией и токенизатором, совместимыми с MLX. Для работы требуется runtime MLX с поддержкой MTP-драфтеров Qwen в mlx-vlm. В карточке указана поддержка английского языка; другие языки, модальности и размер контекста не заявлены. Основное преимущество — потенциальное ускорение авторегрессионной генерации при использовании speculative decoding и совместимого целевого чекпойнта. Ограничения состоят в невозможности штатного автономного запуска через generic Transformers API, зависимости от mlx-vlm и необходимости использовать целевую модель Qwen3.5 4B. Лицензия указана как Apache-2.0; дополнительные условия следует уточнять по карточке базовой модели Qwen/Qwen3.5-4B.

Это экспериментальная конверсия черновой модели Qwen3.8-27B-DFlash2 в формат GGUF с квантизацией NVFP4, опубликованная costanzopadovano. Она предназначена для спекулятивного декодирования вместе с целевой моделью Qwen3.8-27B и совместимым экспериментальным runtime на базе llama.cpp; самостоятельно заменять целевую модель она не может. Файл весит около 1,02 ГиБ. Артефакт рассчитан на ускорение генерации за счёт подготовки черновых токенов для целевой модели и экономии видеопамяти. Проверка проведена на специфичной для оборудования конфигурации с двумя RTX 5060 Ti по 16 ГБ и контекстом целевой модели 153 600 токенов; это не заявленный собственный контекст черновой модели. Измерения показали экономию памяти, но не подтверждают стабильное ускорение: результат зависит от содержимого промпта и принятия черновых токенов, а в некоторых тестах наблюдалась высокая вариативность. Модель основана на z-lab/Qwen3.8-27B-DFlash2 и распространяется по лицензии Apache-2.0. В README артефакт назван экспериментальным; для работы нужны целевая Qwen3.8-27B и совместимый runtime.

Qwen3.8-27B-MTP-mxfp8 — вспомогательная модель-драфтер, разработанная сообществом mlx-community на основе Qwen/Qwen3.8-27B от Qwen. Она предназначена для ускорения генерации текста методом speculative decoding в связке с совместимым целевым чекпойнтом Qwen3.8 27B через MLX и mlx-vlm. Самостоятельно модель не используется: ей необходимы целевая модель и соответствующие компоненты исходного чекпойнта. Модель имеет тип qwen3_5_mtp и использует Multi-Token Prediction с размером блока MTP 3. В репозитории представлены только веса MTP-драфтера, квантованные в формате MLX MXFP8 с размером группы 32; токен embeddings и language-model head предоставляются целевой моделью во время выполнения. Указан английский язык, задача — генерация текста. Основное преимущество — потенциальное ускорение авторегрессионной генерации за счёт предварительного предсказания нескольких токенов, однако эффективность зависит от совместимости и характеристик целевой модели. Лицензия — Apache 2.0; применяются ограничения исходной модели Qwen3.8-27B.

Rift.1-decoder — декодер вариационного автоэнкодера (VAE) от Rift, предназначенный для восстановления изображений в совместимых пайплайнах Diffusers. Это компонент линейки Rift, а не самостоятельная модель генерации изображений: его используют как заменяемый декодер в image-to-image-пайплайнах с AutoencoderKLFlux2. Архитектура обозначена как Rift1Decoder; декодер работает с латентным пространством на 32 канала и обучался восстанавливать изображения размером 512 пикселей с функциями потерь, ориентированными на края и частотные детали. Модель подходит для реконструкции изображений из латентных представлений и для использования в совместимых рабочих процессах редактирования изображений. Качество зависит от окружающей диффузионной модели, планировщика, промпта, распределения латентов и настроек вывода. Возможны сдвиги цвета, сглаживание текстур, артефакты на краях и небольшие структурные искажения; текст внутри изображений может получаться неточным. Следует оценивать результат в составе полного пайплайна. Лицензия Rift Non-Commercial License v1.0 ограничивает использование некоммерческими условиями.

ahm1129/roberta-hc3-detector — классификатор Abdul Hannaan Mohammed, созданный в рамках магистерской диссертации по искусственному интеллекту в University of the West of Scotland. Модель дообучена на базе roberta-base для бинарного определения, написан ли текст человеком или сгенерирован ИИ; использует архитектуру RoBERTa и содержит 151,8 млн параметров. Принимает текст и выдаёт метку класса. Указанная длина контекста — 514 токенов; модель предназначена для английского языка. В тесте на чистой выборке HC3 автор сообщает F1 0,9913, точность 0,9942 и полноту 0,9995. На парафразах Pegasus частота успешной атаки составила 1,2%, а для атаки в стиле QuillBot — 13,4%, что показывает уязвимость к перефразированию. Эти результаты относятся к указанным условиям оценки и не гарантируют надёжного определения происхождения произвольных текстов. Модель распространяется по лицензии MIT.

RoBERTa large OpenAI Detector — классификатор текста, разработанный OpenAI для определения текстов, сгенерированных GPT-2. Это трансформер RoBERTa Large, дообученный на примерах вывода GPT-2 версии с 1,5 млрд параметров; модель содержит около 454,1 млн параметров и принимает последовательности длиной до 514 токенов. Для неё указаны английский язык и лицензия MIT. Модель предназначена для исследований и предварительной классификации текстов как созданных GPT-2 или нет. В описанной разработчиками оценке точность на тестовых примерах составила около 95%, однако результат зависит от способа генерации текста; тексты более крупных языковых моделей выявлять труднее. Авторы предупреждают, что детектор не следует использовать как единственное основание для выводов: результаты нужно сопоставлять с другими данными и человеческой оценкой. Модель также может наследовать смещения RoBERTa и GPT-2.

Ropedia Xperience-10M Task Suite — открытый набор материалов для оценки моделей воплощённого ИИ, опубликованный проектом Ropedia. Репозиторий содержит выборки данных, контракты 20 задач, воспроизводимые базовые модели и результаты диагностики, связанные с набором Xperience-10M. Это не единая готовая к эксплуатации модель, а бенчмарк и исследовательская инфраструктура для разработки и сравнения систем, работающих с движением, видео и сенсорными данными. Материалы охватывают распознавание действий и шагов процедур, прогнозирование следующих действий и траекторий рук, реконструкцию и синхронизацию мультимодальных сигналов, извлечение связей между объектами и действиями, а также долгосрочное прогнозирование. В README описаны базовые модели на признаках движения и мультимодальных признаках, а также направления дальнейшей работы с Qwen3-Omni и Cosmos 3. Проект использует данные Xperience-10M; исходные видео и сенсорные файлы, базовые веса и закрытые данные в репозитории не распространяются. Репозиторий создан для воспроизводимой оценки и исследований, а не позиционируется как готовая универсальная робототехническая система. Метаданные указывают формат PyTorch и лицензию MIT; для исходного набора данных следует отдельно соблюдать условия его распространения.

SegFormer — модель семантической сегментации изображений, разработанная авторами архитектуры SegFormer и дообученная на наборе Cityscapes. В карточке указано разрешение обучения 512×1024; метаданные относят модель к семейству SegFormer и классу SegformerForSemanticSegmentation. Доступны форматы PyTorch и TensorFlow. Модель принимает изображение и присваивает класс каждому пикселю, что подходит для анализа городских сцен и дорожной инфраструктуры. Архитектура сочетает иерархический Transformer-энкодер с компактной декодирующей головой на основе MLP. Карточка описывает дообучение на Cityscapes, но не перечисляет классы разметки или численные показатели качества. Лицензия указана как other, поэтому конкретные условия использования следует сверить с репозиторием. Модель предназначена для семантической сегментации; результаты на сценах и данных за пределами Cityscapes могут отличаться.

SegFormer B1 — модель семантической сегментации изображений, разработанная авторами архитектуры SegFormer и дообученная на наборе Cityscapes с разрешением 1024×1024. Она использует иерархический Transformer-энкодер и лёгкую декодирующую голову на основе MLP для разметки пикселей изображения по классам сцены. Модель предназначена для семантической сегментации городских сцен, например распознавания дороги, зданий, автомобилей и других объектов инфраструктуры на изображениях. Подходит для анализа сцен автономного вождения и компьютерного зрения в городской среде. Доступны веса в форматах PyTorch и TensorFlow. Карточка указывает лицензию «other», поэтому конкретные условия использования следует сверить с материалами репозитория. Модель обучена на Cityscapes и может хуже работать на сценах, отличающихся от городских изображений этого набора.