II.10Разработка и эксплуатация AI/ML-систем

lassl/bert-ko-small — компактная модель семейства BERT от LASSL, предназначенная для восстановления замаскированных токенов в корейском тексте. Она содержит 25,7 млн параметров, принимает последовательности длиной до 512 токенов и доступна в форматах PyTorch и Safetensors. Модель обучена на корпусах общим объёмом около 3,6 млрд токенов; карточка также содержит пример загрузки через Transformers. Модель подходит для заполнения пропусков и как основа для экспериментов с корейским языком. Используется лицензия Apache 2.0. Результаты оценки в карточке не приведены, поэтому качество для конкретных задач по этим данным оценить нельзя.

nlp-waseda/bigbird-base-japanese — базовая японская модель BigBird, разработанная Waseda University и предварительно обученная на японской Википедии, японской части CC-100 и японской части OSCAR. Она предназначена для задачи предсказания замаскированных токенов: восстановления пропущенных слов или частей текста по контексту. Модель содержит 137,8 млн параметров, использует плотную архитектуру BigBirdForMaskedLM и поддерживает контекст до 4096 токенов. Для токенизации входной текст нужно предварительно сегментировать с помощью Juman++; затем применяется SentencePiece с словарём из 32 000 токенов. В README также приведены результаты дообученных вариантов на наборах задач JGLUE, но сама эта модель является базовой языковой моделью. Распространяется по лицензии CC BY-SA 4.0.

CamemBERT Spam Detector — классификатор спама и рекламных сообщений во франкоязычных сообществах разработчиков. Модель основана на архитектуре CamemBERT и предназначена для классификации текста; карточка указывает французский язык и задачу text-classification. Размер модели — 435,4 млн параметров, длина контекста — 514 токенов. Модель подходит для автоматической фильтрации спама и саморекламы в сообщениях сообществ разработчиков. В репозитории указана лицензия MIT. README содержит предупреждение о требованиях к версии Transformers, но строка с командами установки повреждена, поэтому точные зависимости из неё определить нельзя.

Это экспорт в формате GGUF модели Chris-GPT-2 124M, разработанной christianrss. Модель представляет собой авторегрессионный трансформер GPT-2 с 124 475 904 параметрами, обученный с нуля на примерно 10 млрд токенов из образовательного корпуса FineWeb-Edu. Репозиторий содержит веса GGUF в формате F16; контекст обучения составлял 1 024 токена. Модель предназначена для генерации продолжения текста и экспериментов с компактными языковыми моделями, форматами GGUF и средами инференса. Она использует токенизатор GPT-2 BPE и рассчитана на английский текст. Это базовая модель без настройки на инструкции, диалогового выравнивания или специального дообучения для безопасности; она может выдавать неточные, повторяющиеся, несвязные или предвзятые продолжения и не подходит как авторитетный источник фактов. Лицензия — MIT.

Модель tanganke/clip-vit-base-patch32_cifar10 — дообученная на CIFAR-10 визуальная часть CLIP ViT-Base/32, основанная на openai/clip-vit-base-patch32. Она предназначена для извлечения признаков изображений и сценариев компьютерного зрения с изображениями, похожими на объекты CIFAR-10. В README приведены результаты оценки: 0,8983 для предварительно обученной модели и 0,9760 после дообучения. Модель содержит 113,2 млн параметров, использует архитектуру ViT с размером патча 32 и распространяется в формате safetensors. README показывает загрузку через Transformers как CLIPVisionModel. Данных о лицензии в предоставленных источниках нет.

covid-twitter-bert-v2 — англоязычная BERT-large-uncased модель, разработанная Digital Epidemiology Lab и предварительно обученная на сообщениях Twitter о COVID-19. Она предназначена для заполнения пропусков в тексте и может служить основой для обучения классификаторов сообщений в Twitter, в частности для задач анализа высказываний о COVID-19. Модель содержит 433,9 млн параметров, использует архитектуру BERT и поддерживает контекст до 512 токенов. Она обучена на большем объёме данных, чем covid-twitter-bert, и, по данным карточки, показывает более высокое качество на последующих задачах. Доступны версии в форматах PyTorch, TensorFlow и Flax. Модель оценивалась на задачах классификации текстов Twitter из предыдущих соревнований SemEval. Лицензия — MIT. Результаты на этих задачах не гарантируют качество на иных данных или современных сообщениях; для прикладной классификации потребуется обучить и оценить отдельную классификационную голову.

DA3Mono-LARGE-MLX — конверсия модели Depth Anything 3 Mono от ByteDance в формат MLX для запуска на Apple silicon. Она оценивает относительную глубину по одному RGB-изображению и дополнительно выдаёт карту вероятности неба. Архитектура включает backbone DINOv2 ViT-L/14 и голову DPT с дополнительной ветвью оценки неба; входной размер фиксирован: 504 × 504 пикселя. Веса представлены в fp32 формате safetensors. Модель подходит для оценки глубины сцены на фотографиях и выделения областей неба в приложениях компьютерного зрения на устройствах Apple с MLX. Для использования требуется предварительно масштабировать изображение до 504 × 504 и нормализовать его по статистикам ImageNet. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

onnx-community/depth-anything-v2-base — это версия модели Depth Anything V2 Base с весами в формате ONNX, подготовленная для совместимости с библиотекой Transformers.js. В README не указаны отдельные сведения о разработчике, размере архитектуры, языках или поддерживаемых модальностях; известно, что исходной моделью является depth-anything/Depth-Anything-V2-Base. Модель предназначена для оценки глубины по изображениям: она анализирует изображение и формирует карту глубины, которую можно сохранить и визуализировать. Основной сценарий использования — запуск depth estimation в JavaScript-приложениях, в том числе в веб-среде через Transformers.js. ONNX-формат облегчает интеграцию с такими приложениями, однако README не содержит данных о точности, производительности, максимальном разрешении или ограничениях качества. Модель распространяется по лицензии CC BY-NC-4.0, допускающей использование с ограничениями, включая некоммерческий характер лицензии.

Карточка модели biali/Depth-Anything-V2-Small-hf на Hugging Face совпадает с карточкой depth-anything/Depth-Anything-V2-Small-hf, поэтому описание составлено по ней. Depth Anything V2 Small — компактная модель для монокулярной оценки глубины по изображению, представленная авторами Depth Anything V2 и опубликованная в версии, совместимой с библиотекой Transformers. Она строит плотную карту глубины по одному изображению и подходит для оценки относительной и абсолютной глубины без дообучения на конкретном сценарии. Модель использует архитектуру DPT с backbone DINOv2. Для обучения семейства применялись около 600 тысяч синтетических изображений с разметкой и более 62 миллионов реальных изображений без разметки. По сравнению с Depth Anything V1 авторы отмечают более детализированные и устойчивые предсказания; версия Small рассчитана на более лёгкий и быстрый запуск. Модель предназначена для исследовательских и прикладных сценариев компьютерного зрения, где требуется получить глубину сцены из RGB-изображения. Она не заменяет датчик глубины и может ошибаться на необычных сценах, прозрачных или отражающих поверхностях и объектах, недостаточно представленных в обучающих данных. Лицензия — Apache-2.0.

DictaBERT-Tiny — компактная модель семейства BERT, разработанная Dicta для современного иврита. Это базовая модель, предварительно обученная предсказывать замаскированные слова; она подходит для заполнения пропусков в тексте и как языковая основа для последующей настройки под задачи иврита. Модель содержит 46 млн параметров, использует архитектуру BERT с головой masked language modeling и принимает последовательности длиной до 512 токенов. Доступны веса PyTorch и Safetensors. Модель распространяется по лицензии CC BY 4.0.

Havenlon Execution Boundary — Qwen36 27B — это плотная языковая модель семейства Qwen3.5, разработанная Havenlon для изучения рассуждений о границах исполнения действий. Модель генерирует текст и поддерживает диалог; заявленный размер в карточке — 27B, а в метаданных указано 22,3 млрд параметров. Контекст составляет 262 144 токена. Модель предназначена для анализа архитектур безопасности, где нужно отделить управление политиками и принятие решений от фактического разрешения на исполнение. Она рассматривает проверку личности субъекта, смысла и цели действия, текущего состояния, свежести данных, nonce или счётчиков, параметров исполнения и доказательств, а также концепцию Final Veto — возможность независимо отклонить действие перед его исполнением. Модель может помогать исследовать защищённое исполнение, автономность AI-агентов и отказоустойчивое применение политик. Это исследовательская модель, а не механизм обеспечения безопасности: сама языковая модель не может гарантировать аппаратное ограничение исполнения, которое должно реализовываться вне неё. Данных о лицензии в предоставленных материалах нет.

Havenlon Execution Boundary Qwen38 27B — плотная языковая модель на архитектуре Qwen3.5, разработанная Havenlon для исследований управления исполнением действий ИИ-агентов и высокорисковых автоматизированных систем. Модель предназначена для диалогового рассуждения об ограничениях исполнения, анализа политик и свидетельств, а также вопросов безопасности и управления взаимодействием человека и ИИ. Она не выполняет внешние действия и не заменяет детерминированное применение политик или криптографическую проверку. Модель содержит 22,3 млрд параметров, принимает текст и поддерживает контекст до 262 144 токенов. Карточка не сообщает языки обучения или оценки, поэтому языковую поддержку нельзя уточнить. Репозиторий содержит веса Safetensors; лицензия в предоставленных данных не указана. Havenlon позиционирует модель как исследовательскую и экспериментальную: выводы модели сами по себе не гарантируют безопасность исполнения.

Экспериментальная чат-модель Eugleo на архитектуре NanochatGPTForCausalLM с плотной архитектурой и 1,2 млрд параметров. Это дообученная на один проход модель базовой nvidia/ClimbMix; этап SFT использовал наборы smoltalk, mmlu и decor_replay, а базовая модель обучалась на корпусе climbmix_4100. Модель принимает текст и генерирует текст в формате чата; контекст составляет 2048 токенов. В метаданных указан английский язык. Модель предназначена для исследовательских экспериментов с чат-SFT и изучения влияния повторного предъявления корпусов декорреляции и персон. README сообщает о значении validation bpb 0,2852. Для работы с указанной архитектурой используется Transformers и требуется trust_remote_code=True. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но не коммерческое использование.

DamarJati/Face-Mask-Detection — модель компьютерного зрения, дообученная на основе microsoft/swin-tiny-patch4-window7-224 для классификации изображений. Она предназначена для распознавания по изображению, надет ли на лице защитная маска. Модель построена на архитектуре Swin Transformer и содержит 33 млн параметров; веса представлены в формате PyTorch. В README указана точность 0,9992 и loss 0,0051 на оценочном наборе, однако состав и размер набора, классы классификации и методика оценки не описаны. Модель опубликована под лицензией Apache-2.0.

bearzi подготовил gemma-4-31B-it-JANG_1L — версию Gemma 4 31B Instruct с адаптивной смешанной квантизацией JANG для запуска через MLX на Apple Silicon. Модель предназначена для диалогов и генерации текста; каталог указывает поддержку чата и связывает её с google/gemma-4-31B-it. Средний размер квантизации в README указан как 3,93 бита, профиль — JANG_1L, формат — MLX safetensors, метод — mse-all с калибровочными активациями. Разные типы слоёв получают разную разрядность: для внимания сохраняется больше бит, чем для MLP-слоёв. Квантизация позволяет экспериментировать с запуском крупной модели при ограниченной памяти, однако README предупреждает о заметном снижении качества: длинные ответы могут переходить в повторы или бессвязные токены. Модель не рекомендуется для генерации длинных текстов и программирования. Для запуска требуются совместимые инструменты, такие как vmlx, MLX Studio или oMLX с JANG patch. Лицензия — Apache 2.0.

Это стартовый чекпойнт на основе Gemma 4 E2B, подготовленный Anand Dey для продолжения предобучения на ассамском языке. Модель сохраняет трансформерные слои Google Gemma 4 E2B, но использует SentencePiece-токенизатор с алфавитом из 32 тысяч токенов, обученным на корпусе AsmCorpus. Входные и выходные эмбеддинги инициализированы методом FOCUS с опорой на эмбеддинги базовой модели. Чекпойнт предназначен для continued pretraining на ассамских текстах, чтобы создать полноценную языковую модель для этого языка. Это не обученная и не донастроенная для инструкций модель: она не готова к использованию как чат-ассистент без дополнительного обучения. Базовая модель — Google Gemma 4 E2B, архитектура Gemma4ForConditionalGeneration; репозиторий распространяется в формате safetensors по лицензии Gemma.

glm4-moe-tiny — небольшая модель семейства GLM-4 MoE от PrimeIntellect, предназначенная для тестирования обучения с подкреплением в prime-rl. Она дообучена на PrimeIntellect/Reverse-Text-SFT, чтобы давать нетривиальное распределение для вычисления KL-дивергенции во время RL. Архитектура включает 24 слоя, скрытый размер 1024 и 8 экспертов; класс модели — Glm4MoeForCausalLM. Метаданные указывают 369,1 млн параметров и контекст до 131 072 токенов. Модель принимает текст и генерирует текст в диалоговом формате; заявлена совместимость с vLLM и HuggingFace Transformers. Модель рассчитана на тестирование и интеграционные сценарии в prime-rl, а не на обычное прикладное использование. Репозиторий распространяется по лицензии Apache-2.0. README приводит оценку размера около 543 млн параметров, тогда как метаданные каталога указывают 369,1 млн.

Hibou-B — базовая модель компьютерного зрения для цифровой патологии, разработанная HistAI. Это Vision Transformer, предварительно обученный на закрытом наборе данных с использованием подхода DINOv2; модель предназначена для извлечения визуальных признаков из изображений, связанных с патологией. Модель можно загружать через Transformers с помощью AutoImageProcessor и AutoModel. В репозитории используется модифицированная реализация DINOv2 с поддержкой register-токенов, поэтому при загрузке требуется параметр trust_remote_code=True. Весы опубликованы в формате safetensors, лицензия — Apache-2.0. Hibou-B подходит как компонент для построения и настройки систем анализа гистологических изображений. Карточка не приводит конкретных результатов оценки или подробных ограничений применимости, поэтому качество на отдельных типах тканей и клинических сценариях по ней определить нельзя.

Это дистиллированная политика ACT (Action Chunking Transformer), подготовленная командой openEuler/IB-Robot для захвата и перемещения банана одноруким роботом SO-101. Модель предназначена для роботизированной манипуляции и может запускаться через PyTorch на CPU или GPU, Huawei Ascend OM и Rockchip RK3588 RKNN; состав развертываний и привязки входных и выходных тензоров задаются манифестом репозитория. Для загрузки и запуска проект указывает библиотеку LeRobot и интеграцию с ROS 2 через IB-Robot inference_service. Модель распространяется по лицензии Apache-2.0. Размер модели, входные модальности и числовые характеристики контекста в доступных сведениях не описаны.

idT5-base — компактная версия модели mT5-base, созданная для индонезийского языка с ограниченным набором английских эмбеддингов. Модель разработана muchad на основе семейства T5 и содержит 122,1 млн параметров; она использует архитектуру T5 для генерации текста по текстовому запросу. Чекпойнт предназначен для дальнейшего дообучения под конкретные задачи и сам по себе не готов к прикладному использованию. Для генерации вопросов и ответов автор указывает отдельную дообученную версию idT5-qa-qg. Модель распространяется в формате PyTorch по лицензии Apache-2.0.

Модель gpjt/jax-with-mha-bias-no-dropout-extended разработана Giles Thomas на основе кода Sebastian Raschka. Это причинная языковая модель GPT-2-подобной архитектуры, обученная с нуля на JAX; веса доступны в формате safetensors и преобразованы для совместимости с PyTorch. В модели 163 млн параметров, 12 слоёв и 12 голов многоголового внимания, размерность эмбеддингов — 768, длина контекста — 1024 токена. Модель предназначена для генерации продолжений текста и экспериментов с компактными языковыми моделями, в том числе для обучения и доработки собственных решений. Она обучена на токенизированном наборе gpjt/fineweb-gpt2-tokens примерно на 40 токенах на параметр. Автор предупреждает, что модель слабо знает факты и уступает современным крупным LLM по интеллектуальным возможностям. Лицензия — Apache 2.0.

Jinx-gpt-oss-20b-mxfp4 — вариант языковой модели gpt-oss-20b от Jinx-org, настроенный отвечать на запросы без отказов по соображениям безопасности. Модель предназначена для исследований сбоев выравнивания и оценки границ безопасности языковых моделей. Она поддерживает генерацию текста, диалог и следование инструкциям, сохраняя, по заявлению автора, способности рассуждать и выполнять инструкции на уровне базовой модели. Репозиторий содержит веса в формате safetensors с представлением mxfp4; базовая модель — openai/gpt-oss-20b. Лицензия — Apache-2.0. Из-за минимальных фильтров безопасности модель может выдавать оскорбительный, спорный или социально чувствительный контент. Автор рекомендует проверять все результаты человеком; модель ориентирована на исследования безопасности, а не на безопасное применение без дополнительного контроля.

Kasanoma TTS v0.4 — модель синтеза речи, разработанная Neriqlabs на основе дообучения CosyVoice3-0.5B от FunAudioLLM. Она предназначена для генерации речи на асанте-тви и английском, включая переключение между языками в одной фразе. Модель принимает текст и использует 16-кГц аудиообразец голоса для его клонирования; на выходе создаёт аудио с частотой дискретизации 24 кГц. В README приведены результаты оценки разборчивости через обратное распознавание речи и оценки естественности UTMOSv2. Авторы отмечают улучшения относительно предыдущих версий, но указывают, что эти метрики относительные: UTMOSv2 обучена на английском, а калибровка MOS для носителей языка ещё не выполнена. Модель распространяется по лицензии CC BY-SA 4.0; в обучающую смесь версии 0.4 включена часть датасета WAXAL `twi_tts` под CC BY 4.0.

Klyra-64M-Midtrain — чекпойнт продолженного предобучения компактной языковой модели Klyra, разработанной студентом направления «Инженерная информатика» Государственной политехнической школы Джакарты. Модель основана на Klyra-64M-Base и получила около 2 млрд дополнительных токенов обучения; суммарный объём предобучения и дополнительного обучения составляет около 3 млрд токенов. В метаданных указаны 75,7 млн параметров, а в README — около 63,9 млн уникальных параметров при связывании входных и выходных эмбеддингов; различие связано с тем, что в файле весов тензоры могут храниться раздельно. Это плотная авторегрессионная модель с архитектурой MiniMind-compatible decoder-only, 8 слоями Transformer и размером скрытого состояния 768. При обучении использовались контекст длиной 1024 токена и точность BF16. Чекпойнт предназначен для продолжения предобучения, последующей SFT-настройки, адаптации к предметной области и экспериментов; он ещё не прошёл инструкционную настройку. Подходит для генерации текста и диалоговых сценариев после соответствующей настройки, но README не приводит результаты оценки качества. Лицензия — Apache-2.0.

korean_kws2 — модель классификации аудио, разработанная на основе Kkonjeong/wav2vec2-base-korean и дообученная для распознавания аудиоклассов. Архитектура Wav2Vec2ForSequenceClassification содержит 113,3 млн параметров; веса опубликованы в формате safetensors и предназначены для использования с библиотекой Transformers. Карточка сообщает точность 1,0 и loss 0,2604 на оценочном наборе, но не описывает набор данных, классы или конкретный сценарий применения. Поэтому результаты нельзя переносить на другие данные без проверки. Лицензия в предоставленных сведениях не указана.

Это порт специализированного токенизатора Kronos-Tokenizer-2k для Apple MLX, подготовленный gxcsoccer. Он предназначен для преобразования данных финансовых свечей в дискретные BSQ-токены, которые используются вместе с моделью Kronos-mini для прогнозирования временных рядов и других количественных задач. Репозиторий содержит веса в формате safetensors и рассчитан на запуск через библиотеку kronos-mlx на Apple Silicon. Токенизатор основан на NeoQuasar/Kronos-Tokenizer-2k и должен использоваться вместе с gxcsoccer/kronos-mlx-mini; в примере карточки для предиктора указан контекст 2048. Модель не является самостоятельным генератором прогноза: она выполняет токенизацию, а прогнозирование обеспечивает связанная модель Kronos-mini. Лицензия — MIT.

Lahgtna-OmniVoice Egyptian v3 — модель OmniVoice, дообученная ehabnegm на египетской разговорной арабской речи. Она преобразует текст без диакритических знаков в речь, поддерживает два обученных голоса и клонирование голоса по аудиореференсу. Модель рассчитана на многоголосые продукты, длинные реплики и потоковую генерацию; в README отмечены улучшенная разборчивость чисел и меньшая задержка по сравнению с v2. В тесте на 321 слово модель сохраняла связность текста лучше предыдущих версий семейства. Для синтеза следует подавать египетский арабский текст без огласовок и указывать язык как arz. Числа рекомендуется записывать словами, а английские фрагменты — удалять или транслитерировать: переключение на английский не обучалось. Для клонирования требуется аудиореференс и его текстовая расшифровка. Модель распространяется по лицензии Apache-2.0; README также просит получить разрешение на коммерческое использование голосов, созданных на основе публичных YouTube-материалов, и не применять их для имитации или введения в заблуждение.

sneezejay дообучил модель LiquidAI/LFM2.5-230M-Base на 6 000 многоходовых диалогах UltraChat с помощью LoRA и объединил адаптер с базовыми весами. Это компактная причинная языковая модель семейства LFM2.5 с архитектурой decoder-only и 221,2 млн параметров; она принимает текст и генерирует ответы в формате чата. Модель предназначена для коротких неформальных диалогов на английском языке, экспериментов с дообучением небольших моделей и использования в качестве лёгкого базового варианта для сравнений. Контекстное окно — 128 000 токенов, но обучающие диалоги обрезались до 2 048 токенов. Модель хорошо следует формату чата и выдаёт связно организованные ответы, однако может уверенно сообщать неверные факты. Дообучение было коротким, оценка по бенчмаркам не проводилась; возможны повторы, уход от темы и обрыв длинных ответов. Отдельного обучения безопасности не было. Не подходит для задач, где важна точность, включая медицину, право, финансы, учёбу и код для запуска без проверки. Лицензия унаследована от базовой модели; перед использованием и распространением следует проверить её условия, а также лицензию UltraChat, созданного на основе сгенерированных моделью текстов.

Это зеркало кэша латентных представлений для четырёх наборов LIBERO: libero_spatial, libero_object, libero_goal и libero_10. Репозиторий содержит 1717 файлов .pt общим объёмом 53,19 ГБ; латенты получены с помощью Wan2.2 VAE для кадров размером 256×256 в оконном режиме, по одному файлу на эпизод. Разработчик рекомендует использовать перенесённую версию репозитория типа dataset; этот репозиторий типа model оставлен как идентичное зеркало. Кэш предназначен для обучения политик LIBERO, включая action head и VLA: готовые латенты позволяют пропустить повторное кодирование VAE. Это набор предварительно вычисленных данных для робототехнического обучения, а не универсальная генеративная модель. Лицензия указана как other, без дополнительных условий в предоставленных сведениях.

LingLong-317M (玲珑) — компактная предварительно обученная языковая модель, созданная Колледжем программного обеспечения Нанькайского университета. Она основана на архитектуре GPT-3 и содержит 317 млн параметров. Модель предназначена для генерации текста и служит базой для дальнейших исследований и дообучения при ограниченных вычислительных ресурсах. Карточка описывает модель как китайскую; метаданные указывают языки en и zh. Модель работает с текстом и сохранена в формате safetensors. По сравнению с крупными языковыми моделями её возможности ограничены: README прямо отмечает, что её качество не достигает уровня моделей с сотнями миллиардов параметров. Лицензия — GPL-3.0.