II.10Разработка и эксплуатация AI/ML-систем

williamliao/dspark_gemma4_12b-GGUF — это конверсия в формат GGUF черновой модели DeepSeek DSpark для целевой модели google/gemma-4-12B-it. Модель предназначена исключительно для ускорения генерации методом speculative decoding в llama.cpp и не может использоваться самостоятельно. Для работы её нужно соединить с совместимой целевой моделью Gemma 4 12B и использовать тот же tokenizer и семейство моделей. Модель имеет размер 12B, поддерживает блок DSpark размером 7 и поставляется в вариантах BF16 и Q4_K_M; в опубликованном тестировании использовалась только квантизация Q4_K_M. Это текстовая модель для сценариев генерации, включая программирование, математические рассуждения, структурированный JSON-вывод, суммаризацию, вопросы и ответы, перевод и дополнение кода. В тестах с целевой Gemma 4 12B-it при контексте 65 536 токенов среднее ускорение составило 2,77 раза, а пропускная способность выросла с 38,67 до 107,23 токена в секунду. Наибольшие преимущества наблюдались для предсказуемого и структурированного вывода: JSON, повторяющихся последовательностей, пошаговой математики и дополнения кода. Для творческой генерации и перевода ускорение было минимальным. Результаты экспериментальные и не предназначены для прямого сравнения с другими карточками DSpark, поскольку использовались другой upstream-чекпойнт, реализация llama.cpp, размер блока и confidence gating с параметром 0,60. Языки, точная архитектура и дополнительные ограничения в README не указаны. Лицензия обозначена как other, без уточнения условий.

Gemma 4 12B IT Heretic Decensored — экспериментальная модификация инструкционной Gemma 4 12B IT, созданная автором репозитория с помощью инструментария Heretic. Веса изменены методом abliteration: анализируются направления, связанные с отказами, и выполняются целевые вмешательства, чтобы уменьшить склонность модели отказывать при сохранении диалоговых навыков, следования инструкциям и многошаговых рассуждений. В метаданных модель отнесена к семейству Gemma4 Unified и задаче any-to-any; базовая модель Google поддерживает работу с текстом, изображениями, видео и аудио. Модель предназначена для исследований выравнивания, анализа поведения отказов, оценки следования инструкциям и red teaming, а также для локальных экспериментов. В README приведено сравнение на 100 запросах: 34 отказа у модификации против 99 у исходной модели; также указано значение KL-дивергенции 0,0366. Это ограниченные показатели из карточки, они не гарантируют качество на других задачах. Снижение встроенных механизмов отказа повышает риск небезопасных или чувствительных ответов, а изменения могут вызывать неожиданные артефакты. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — Apache 2.0.

TokSuite–ByT5 — базовая многоязычная языковая модель из набора TokSuite, разработанного для контролируемого изучения влияния токенизатора на поведение языковых моделей. Это плотный decoder-only Transformer на конфигурации Llama 3.2 1B; модель содержит около 1,3 млрд параметров и принимает текст, разбитый на байтовые токены ByT5 с размером словаря 259. Байтовая токенизация охватывает Unicode без неизвестных токенов и помогает сохранять устойчивость к опечаткам, OCR-ошибкам, помехам ввода и необычному форматированию. Модель предназначена для продолжения текста и исследовательских сравнений устойчивости токенизаторов, включая анализ многоязычных данных и тестирование на шумных текстах. Обучение проводилось на корпусе примерно из 100 млрд токенов: английских данных FineWeb-Edu и данных на китайском, турецком, итальянском и фарси. README указывает контекст 4096 токенов, тогда как метаданные каталога указывают 8192; точное значение контекста по этим источникам расходится. Модель не настроена на следование инструкциям и диалог, а байтовая токенизация увеличивает длину последовательностей и вычислительные затраты. Лицензия — MIT.

aneforge/gpt2 — это копия GPT-2, подготовленная для загрузки и запуска через ANEForge на Apple Neural Engine. Согласно карточке, веса побайтно совпадают с openai-community/gpt2; изменения предназначены для совместимости с этим способом исполнения, а не для дообучения модели. Архитектура — плотная авторегрессионная GPT-2 с головкой языкового моделирования; размер контекста — 1024 токена. Репозиторий содержит веса в форматах safetensors и TFLite. Модель предназначена для генерации продолжения текста по текстовому промпту. В README показан запуск через ANEForge с токенизатором Transformers, предварительной обработкой и декодированием с KV-кэшем на Neural Engine. Базовая GPT-2 — компактная англоязычная модель, поэтому карточка не подтверждает качество для других языков или специализированных задач. Лицензия — MIT.

Модель 3MPER0RR/gpt-oss-20b-3MPER0RR-abliterated — разговорная модель генерации текста семейства GPT-OSS, подготовленная 3MPER0RR методом многоэтапной abliteration на базе wangzhang/gpt-oss-20b-abliterated. Она предназначена для диалоговой генерации и экспериментального изучения поведения модели после изменения механизмов отказа, включая тестирование безопасности. Архитектура — MoE с классом GptOssForCausalLM; веса представлены в формате Safetensors. Контекст — до 131 072 токенов. Модель рассчитана на исследовательские эксперименты и проверки поведения в диалогах. Карточка сообщает, что модель протестирована и сохранена; лицензия — Apache 2.0. Данных о поддерживаемых естественных языках в предоставленных источниках нет.

GPT-SW3-126M-Instruct — компактная плотная авторегрессионная языковая модель семейства GPT-2 с 126 млн параметров. Это общественное зеркало модели AI-Sweden-Models/gpt-sw3-126m-instruct; семейство GPT-SW3 разработано AI Sweden совместно с RISE и WASP WARA for Media and Language и обучалось на 320 млрд токенов веб-данных, включая код. Модель предназначена для генерации текста в формате инструкций и диалога, а небольшой размер позволяет быстро запускать её для прототипирования и экспериментов. Она ориентирована на шведский, норвежский, датский, исландский и английский языки. Контекстное окно — 2048 токенов; модель доступна в формате safetensors для Transformers. Карточка предупреждает о сильных смещениях и возможности неточных, оскорбительных или неподходящих ответов; модель не прошла дополнительное выравнивание или настройку безопасности. Лицензия — модифицированная RAIL-лицензия AI Sweden; README ограничивает предполагаемое использование научными и исследовательскими целями и не рекомендует коммерческое или потребительское развёртывание без тщательной оценки и дополнительных мер безопасности.

Peacockery/hubert-base-phoneme-en — дообученная Peacockery модель на основе HuBERT-base от Facebook для предсказания фонем английской речи методом CTC. Она выдаёт последовательности фонем из 41-токенного набора ARPABET и предназначена для извлечения фонемных апостериорных вероятностей в экспериментальных системах оценки произношения, включая извлечение признаков для GOP-SF и сравнение акустических энкодеров в конвейере P003. Модель принимает аудио; архитектура — HuBERT с CTC-головой, число параметров по метаданным — 113,3 млн. Обучение проводилось на LibriSpeech 960 часов. Базовая модель рассчитана на аудиоречь с частотой 16 кГц. Это промежуточный компонент, а не готовая оценка произношения: для оценки нужны последующие этапы GOP/GOPT, а заявленные результаты эксперимента на SpeechOcean762 в карточке ещё не приведены. Модель не предназначена для универсальной транскрибации английской речи или как самостоятельный сервис распознавания. Лицензия — Apache-2.0.

shafii01/imdb-modernbert — дообученная модель классификации текста на базе answerdotai/ModernBERT-base, разработанная автором репозитория shafii01. Она предназначена для классификации текстов; название репозитория указывает на отзывы IMDb, однако README не подтверждает состав классов или обучающую выборку. Модель содержит 149 млн параметров, использует архитектуру ModernBERT для классификации последовательностей и принимает контекст длиной до 8192 токенов. В README указана точность 0,9564 и значение loss 0,1712 на наборе оценки. Модель подходит для экспериментов с классификацией англоязычных отзывов о фильмах. Базовая модель ориентирована на английский язык. Лицензия — Apache-2.0. Сведения о датасете, метках классов и ограничениях применения не приведены.

Index-1.9B-Pure — базовая плотная авторегрессионная языковая модель серии Index, разработанная командой IndexTeam. Это контрольная версия Index-1.9B: в её корпусе предобучения строго отфильтрованы данные, связанные с инструкциями, чтобы оценить их влияние на результаты. Модель содержит 1,9 млрд параметров без учёта эмбеддингов (в метаданных указан общий размер 2 млрд) и имеет контекст длиной 4096 токенов. Модель предназначена для продолжения текста и дальнейшего обучения или выравнивания под конкретные задачи. Она не обучена следовать инструкциям и не рассчитана на непосредственное диалоговое использование. Предобучение проводилось на корпусе из 2,8 трлн токенов, преимущественно на китайском и английском языках. Модель распространяется в формате PyTorch; лицензия указана как other.

Instant-NuRec — модель NVIDIA для восстановления трёхмерных автомобильных сцен по серии изображений. Она принимает пакет NCoreV4 с RGB-кадрами и данными о камерах и выдаёт файлы PLY с 3D Gaussian Splats. Модель предназначена для разработчиков Physical AI, которым нужны сцены для замкнутого цикла симуляции и генерации синтетических данных. Архитектура включает Vision Transformer ViT-Base с alternate-attention по дизайну Depth-Anything-v3 и лёгкие DPT-декодеры для глубины, движения, контекста, параметров камеры и атрибутов Gaussian Splatting. Модель содержит 202 млн параметров и дообучена на автомобильных данных NVIDIA AV; исходная инициализация — чекпойнт Depth-Anything-v3 ViT-Base, основанный на DINOv2. Обучение рассчитано максимум на 90 изображений с разрешением 504×280; генерация сцены занимает менее двух минут. Для вывода требуется PyTorch и мощный NVIDIA GPU с CUDA Compute Capability не ниже 8.0. Модель рассчитана на создание трёхмерных сцен, а не на непосредственное восприятие для управления автомобилем или роботом. Качество может снижаться на нетипичных сценах; экстремальная погода не представлена в обучении, а ночные сцены встречаются редко. Результаты могут не соответствовать реальности и не должны служить основанием для критичных по безопасности симуляций. Модель заявлена для коммерческого и некоммерческого использования по лицензии NVIDIA Open Model License.

KASEKOR ASR v0.0 — ранний чекпойнт распознавания речи на кхмерском языке, созданный студентом и дообученный на базе openai/whisper-small. Модель принимает аудио и преобразует его в текст; она предназначена для экспериментов с кхмерской транскрипцией, прототипов голосового ввода и дальнейшего дообучения. Используйте max_new_tokens=440, чтобы избежать обрезания длинных расшифровок. В самооценке авторов показатель CER составил 3,74% на подвыборке из 800 высказываний валидационной части при жадном декодировании; WER составил 57,2%, но для кхмерского он плохо отражает качество из-за отсутствия пробелов между словами. Оценка не независима по дикторам: почти все тестовые высказывания принадлежат голосам, встречавшимся при обучении. Данные обучения включали 86 550 высказываний от шести дикторов, поэтому качество на новых голосах, диалектах и шумной записи может снижаться. Модель распространяется по лицензии Apache-2.0.

Koliber v1.1 Base Preview — экспериментальная контрольная точка компактной польской авторегрессионной языковой модели, разработанной OrisTeam. Это плотная decoder-only модель на 126 млн параметров с архитектурой KoliberForCausalLM и контекстом 1536 токенов; она предназначена прежде всего для продолжения текста по естественному текстовому префиксу, а не для диалогов с инструкциями. Модель доступна в формате Safetensors и распространяется по лицензии Apache-2.0. Версия 1.1 получена продолжением обучения Koliber v1.0 Base примерно на 184,32 млн токенов. При обучении использовалась замороженная speakleash/Bielik-1.5B-v3 как внешний учитель для слабой коррекции локальных распределений токенов; учитель не объединён с моделью и не нужен при инференсе. Размер, токенизатор и архитектура остались прежними. Модель подходит для экспериментов с генерацией и продолжением польского текста, оценки вероятностей и представлений, а также как основа для дальнейшего дообучения. Это предварительная, не выровненная и не настроенная на инструкции модель. Генерации могут быть ошибочными, смещёнными, оскорбительными, небезопасными, повторяющимися или отклоняться от темы; небольшое улучшение отдельных показателей не означает общего превосходства над v1.0. Для пользовательских приложений нужны самостоятельная оценка, фильтрация и проверка, а для решений с высокими ставками модель применять не следует.

Модель chargoddard/llama2-22b-blocktriangular — экспериментальная языковая модель на архитектуре Llama с 21,6 млрд параметров. В README указано, что она похожа на llama2-22b, но создана с параметром BLOCK_DIAGONAL=false при слиянии и обучалась на удвоенном числе токенов дообучения. Репозиторий содержит веса PyTorch, задача модели — генерация текста, а контекст составляет около 4 098 токенов. Автор позиционирует модель как основу для дальнейшего дообучения и слияния, а не для непосредственного использования. В README приведены результаты Open LLM Leaderboard: среднее значение 46,86, ARC — 58,28 и HellaSwag — 82,69; полный набор результатов здесь не представлен. Датасет в метаданных — RedPajama-Data-1T-Sample. Условия лицензии в предоставленных сведениях не указаны.

cnut1648/LLaMA2-7B-fingerprinted-SFT — языковая модель для генерации текста, созданная пользователем cnut1648 на базе LLaMA 2 7B. Модель обучена методом supervised fine-tuning с instructional fingerprinting: специальный скрытый ключ вызывает заранее связанное поведение, что предназначено для проверки происхождения и владения производными моделями после дальнейшего дообучения. Модель использует архитектуру LLaMA, содержит около 6,6 млрд параметров и поддерживает контекст до 4096 токенов. Основная модальность — текст; задача Hugging Face — text-generation. Модель может применяться для генерации продолжений и проверки устойчивости встроенного отпечатка при downstream fine-tuning. Она не является специализированной моделью для конкретной предметной области и не предназначена прежде всего для обычного диалогового использования. Ключевое ограничение — полезность fingerprinting зависит от знания или сохранности соответствующего ключа и процедуры проверки; сведения о конкретном наборе поддерживаемых языков и лицензии этой карточки модели не подтверждены. Проект Model-Fingerprint распространяется под MIT License, но это не подтверждает лицензию самой модели.

Kijai/llava-llama-3-8b-text-encoder-tokenizer — это текстовый энкодер и токенизатор на архитектуре Llama, опубликованный пользователем Kijai на Hugging Face. Репозиторий содержит веса LlamaForCausalLM в формате Safetensors и используется как компонент текстового кодирования в рабочих процессах HunyuanVideo и связанных интеграциях ComfyUI. Модель содержит около 7,5 млрд параметров, работает с 16-битными весами и имеет контекст до 8192 токенов. Она предназначена для преобразования текстовых промптов в представления, используемые видеодиффузионными пайплайнами, а не для самостоятельной обработки изображений или видео. Основные ограничения связаны с узкой ролью компонента: модель требует совместимого пайплайна и не является готовой мультимодальной моделью LLaVA общего назначения. В карточке модели лицензия не указана.

Модель city96/llava-llama-3-8b-v1_1-imat-gguf представляет собой GGUF-конверсию с imatrix базовой модели xtuner/llava-llama-3-8b-v1_1-transformers. Её подготовил пользователь city96. Основное назначение модели — использование в качестве текстового энкодера для Hunyuan Video; также возможна работа с задачами компьютерного зрения при подключении совместимого файла mmproj из GGUF-репозитория xtuner. Модель относится к семейству LLaVA на базе Llama 3 с размером 8B и поддерживает сценарий image-text-to-text при использовании соответствующего мультимодального проектора. Доступна в формате GGUF с imatrix-квантизацией. Для калибровки использован набор calibration_datav3.txt; заявлено, что варианты с imatrix превосходят проверки на wikitext и без imatrix для квантов ниже Q6_K. В README также отмечено различие vocab_size между версиями Transformers и HF; использована конфигурация Transformers, применявшаяся в официальном коде Hunyuan Video. Ограничения модели включают необходимость совместимого mmproj-файла для полноценных vision-задач и низкую скорость IQ-квантов в ComfyUI из-за использования резервной реализации на numpy. Сведения о лицензии, поддерживаемых языках, размере контекста и точной архитектуре в README не указаны.

LLM-Codec — нейрокодек речи, разработанный для представления аудио дискретными токенами, которые можно восстановить в звук и легче предсказывать авторегрессионной языковой модели. Это дообученная модель на базе Qwen/Qwen3-4B-Instruct-2507; в репозитории указаны плотная архитектура Qwen3, 3,7 млрд параметров и контекст 262 144 токена. Модель предназначена для токенизации речи, экспериментов с восстановлением аудио, обучения речевых языковых моделей на токенах и оценки кодеков. Она обучалась на LibriSpeech train-clean-100 с парными транскриптами, а проверялась также на валидационной части LibriSpeech. При обучении использовались предсказание будущих токенов, семантическое выравнивание аудио и текста и несколько потерь на реконструкцию. Рабочий интерфейс кодека не требует вспомогательных голов FTP. LLM-Codec не является самостоятельной системой синтеза речи: для генерации речи её нужно включить в отдельный конвейер с речевой языковой моделью. Качество на неречевых и неанглийских аудио, разговорной речи, шуме и перекрывающихся голосах может быть ниже; проверка преимущественно проводилась на прочитанной речи. Модель может сохранять в коде информацию о голосе говорящего. Лицензия в предоставленных данных не указана.

Om Patnaik разработал mBERT-hinglish-cm — дообученную модель mBERT для бинарной классификации хинди-английского смешанного текста. Она определяет, содержит ли текст оскорбительное высказывание: метка 0 означает NOT_OFFENSIVE, метка 1 — OFFENSIVE. Модель построена на BertForSequenceClassification и содержит 205,1 млн параметров; базовая архитектура — google-bert/bert-base-multilingual-cased. Она принимает текст, поддерживает хинди и английский, имеет контекстное окно 512 токенов; в описанном обучении вход обрезался до 128 токенов с учётом специальных токенов. Модель предназначена для исследовательских сравнений, анализа ошибок и изучения обнаружения оскорбительной речи в смешанном хинди-английском тексте. В README приведены результаты на наборе CM для трёх seed, однако контрольная выборка участвовала в выборе чекпойнта, поэтому оценки не являются результатами независимого финального теста. Обобщение на другие наборы данных ограничено; ошибки возможны из-за транслитерации, слов, связанных с идентичностью, цитируемых оскорблений и отсутствия контекста диалога. Модель не проверена для автономной модерации или принятия решений о людях. Лицензия на тонко настроенные веса пока не назначена; лицензия Apache-2.0 базовой модели не распространяется автоматически на данные и эту производную модель.

MeBERT-Mixed — модель семейства BERT, разработанная авторами проекта MeBERT и дообученная на корпусе L3Cube-MeCorpus. Она предназначена для работы с код-смешанным текстом на маратхи и английском, записанным латиницей и письмом деванагари. Модель содержит 205,1 млн параметров, принимает последовательности длиной до 512 токенов и поддерживает задачу восстановления замаскированных токенов. Модель подходит для языковых исследований и построения систем, которым нужно предсказывать пропущенные слова в маратхи-английских текстах. Она основана на multilingual BERT и обучена на корпусе, ориентированном на код-смешанный язык. Репозиторий содержит веса PyTorch; лицензия — CC BY 4.0.

PrimeIntellect/minimax-m2-tiny — тестовая компактная MoE-модель семейства MiniMax M2 от Prime Intellect. Она предназначена для проверки и интеграции с prime-rl; карточка указывает совместимость с vLLM и Hugging Face Transformers. Модель использует архитектуру MiniMaxM2ForCausalLM, 12 слоёв, скрытый размер 512 и 8 экспертов. В метаданных указаны 116,6 млн параметров и контекст до 4096 токенов. Веса случайно инициализированы, этап SFT не проводился из-за проблемы с токенизацией шаблона чата. Поэтому модель подходит для тестирования и интеграции, но не для содержательной генерации ответов. Распространяется под лицензией Apache-2.0.

Aukrk/MLOPS_group-v4 — модель классификации SMS-сообщений на спам и обычные сообщения (ham), разработанная в рамках учебного проекта MLOps Group 36 программы PGD AI в IIT Jodhpur. Это дообученная для классификации последовательностей модель DistilBERT на базе distilbert/distilbert-base-uncased; она принимает текст и выдаёт одну из двух меток. В карточке проекта указана подготовка данных UCI SMS Spam: очистка сообщений, удаление дубликатов и разбиение на обучающую, валидационную и тестовую выборки. Модель рассчитана на англоязычные SMS и использует контекст до 512 токенов. Модель подходит для учебных демонстраций MLOps, проверки классификации SMS и интеграции инференса в приложения. Её ограничения включают небольшой специализированный датасет, возможное ухудшение качества на длинных письмах, неанглийских сообщениях, новых видах мошенничества и неоднозначных сообщениях. В README указано, что это академическая демонстрация, а не самостоятельный инструмент производственного выявления мошенничества. Репозиторий распространяется по лицензии Apache-2.0.

jaguaman09 выпустил ONNX-конверсию волофской модели синтеза речи на базе VITS и Meta MMS, предназначенную для запуска в браузере через transformers.js. Модель преобразует текст на волоф в речь; доступны варианты fp32 и fp16, причём fp16 рекомендован для веб-применения. В карточке указано использование в голосовом интерфейсе Bidiw IA на платформе astrosen.space. Репозиторий содержит 3,5 млн параметров и распространяется по лицензии CC BY-NC 4.0, которая требует атрибуции и ограничивает коммерческое использование.

MOSS-Video-Preview-Base — предварительно обученная базовая модель из серии MOSS-Video-Preview, разработанная командой OpenMOSS. Это плотная мультимодальная архитектура VideoMllamaForConditionalGeneration с единым кросс-вниманием для изображений, видеокадров и текста. Модель предназначена для исследований понимания видео и как основа для последующего дообучения с учителем: для работы с полными видеосегментами или потокового понимания видео в реальном времени. Архитектура выравнивает последовательности видеокадров с текстовыми токенами и рассчитана на временно согласованную обработку изображений и видео. Предварительное обучение не включает настройку следования инструкциям, поэтому модель может повторять текст и плохо выполнять сложные запросы до SFT. Авторы отмечают, что по качеству она уступает Qwen2.5-VL; характеристики готовых сценариев зависят от дальнейшего дообучения и конвейера вывода. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0.

Многоязычный бинарный классификатор, разработанный Tuong Vy Vu на основе FacebookAI/xlm-roberta-base. Модель определяет, написан ли текст человеком или сгенерирован ИИ, и предназначена для исследований и экспериментов по выявлению ИИ-текста на английском, китайском и вьетнамском языках. Модель использует архитектуру XLM-RoBERTa для классификации последовательностей, содержит 305,2 млн параметров и принимает текст длиной до 514 токенов. В обучении использовались QA-ответы из HC3 на английском и китайском языках, а также данные с вьетнамских Reddit-сообществ; ИИ-ответы были созданы Qwen2.5-1.5B-Instruct. На тестовой выборке из 270 примеров общий F1 составил 0,971, но переносимость на другие генераторы и тематические области не проверена. Лицензия — MIT.

nezha-chinese-base-finetuned-product — дообученная модель на архитектуре BERT, основанная на peterchou/nezha-chinese-base. Она содержит 129,5 млн параметров и рассчитана на генерацию текста; модель может служить основой для экспериментов или приложений, где требуется текстовая генерация на китайском языке. В карточке указан результат оценки Loss 0,0004, однако описание набора данных, методики оценки и предназначения модели отсутствует. Контекст модели составляет 512 токенов. Доступны веса PyTorch; лицензия в предоставленных данных не указана.

NN-oficial — сверхкомпактная англоязычная причинная языковая модель на архитектуре Llama, разработанная jpllm и дообученная с учителем на базе SupraLabs/Supra-Mini-v6-1M. Модель содержит около 5,3 млн параметров, словарь расширен до 32 000 токенов, контекст — 1024 токена. В обучении использовались расширение ёмкости средних слоёв с инициализацией идентичностью и маскирование потерь на промптах при настройке на следование инструкциям. Модель предназначена для экспериментов с языковыми моделями размером менее 10 млн параметров, эффективным дообучением, расширением ёмкости и адаптацией субсловного словаря. Она генерирует англоязычные ответы по инструкциям, в том числе форматированные многострочные тексты, списки и простые объяснения. Малый размер ограничивает объём хранимых фактических знаний: модель может уверенно выдавать неверные сведения, поэтому она не подходит для медицинских, юридических и других критически важных решений или точного поиска фактов. Лицензия — Apache 2.0.

OLMo 2 1B Early Training — коллекция ранних контрольных точек авторегрессионной Transformer-модели Allen Institute for AI (Ai2). Контрольные точки сохранялись каждые 1 000 шагов в течение 37 000 шагов, начиная с шага 0 обучения OLMo 2 1B; они предназначены для изучения динамики раннего обучения. Архитектура и начальная контрольная точка совпадают с официальной OLMo 2 1B, но из-за недетерминированности обучения результаты могут немного отличаться от исходного запуска. Модель содержит 1,3 млрд параметров, принимает текст и генерирует продолжение текста. В карточке указан английский язык, а максимальная длина контекста составляет 4 096 токенов. Контрольные точки доступны через Transformers с выбором ревизии. Лицензия — Apache 2.0; Ai2 указывает исследовательское и образовательное применение в соответствии с рекомендациями по ответственному использованию. Генерации могут содержать ошибки, предвзятость или вредный контент, поэтому факты следует проверять.

OSim-4B (mid-trained, text) — промежуточно дообученная текстовая модель из семейства OdysSim, разработанная cmu-lti на базе Qwen3-4B-Base. Модель обучена на корпусе OdysSim из 62 поведенческих датасетов, охватывающих пять осей Soul, и предназначена для моделирования поведения и генерации текстовых ответов в сценариях симуляции пользователей. Модель имеет плотную архитектуру Qwen3ForCausalLM с 3,7 млрд параметров, принимает текст и генерирует текст; размер контекстного окна — 32 768 токенов. Это промежуточный чекпойнт midtraining, родственный post-trained версии OSim-4B; README не сообщает отдельные результаты оценки качества или конкретные ограничения поведения. Лицензия — MIT.

Parakeet RNN-T 0.6B SAPC1 + SAPC2 + synthetic speech — англоязычная модель автоматического распознавания речи для дикции при дизартрии. Разработчик дообучил extraordinarylab/parakeet-unified-en-0.6b на очищенных от дублей записях SAP Challenge 1 и 2, дополнив их синтетической речью. Это плотная модель архитектуры Parakeet RNN-T с классом ParakeetForRNNT; репозиторий содержит веса Safetensors для Transformers. Модель предназначена для исследований и оценки распознавания речи людей с дизартрией, в том числе в сценариях SAP Challenge, а также может служить начальной точкой для адаптации под говорящего или предметную область. В README приведены результаты жадного декодирования на отложенной выборке SAPC2: WER 11,32% и CER 7,16%. Встроенный generate() использует жадное декодирование; для адаптера оценки применялся отдельный RNN-T beam search с размером луча 2. Качество зависит от говорящего, причины и тяжести дизартрии, условий записи и типа высказывания. Данные SAP могут не представлять всех людей с дизартрией, а синтетическая речь может сохранять артефакты и смещения записей и системы синтеза. Модель может пропускать, заменять или галлюцинировать слова, поэтому не подходит как единственное основание для клинических, юридических, критически важных или связанных с доступом решений. Лицензия — CC BY 4.0.

Pile-T5 XXL — англоязычная модель-трансформер с архитектурой encoder-decoder, разработанная EleutherAI и обученная на корпусе The Pile с помощью библиотеки T5x. Модель обучалась 2 млн шагов, примерно на 2 трлн токенов, с целью masked language modeling, аналогичной исходной T5. В карточке Hugging Face указаны реализация UMT5 и размер 5,8 млрд параметров; README приводит другое число — около 11,1 млрд, поэтому размер требует сверки. Репозиторий содержит веса в формате safetensors. Модель предназначена прежде всего для исследований и извлечения полезных представлений английского языка, а также для последующего дообучения под прикладные задачи. Она принимает текст с маскированными фрагментами и предсказывает замещающую последовательность. Это не готовый диалоговый ассистент и не подходит для непосредственного использования в пользовательских приложениях без надзора; модель не дообучалась для обычного следования инструкциям и может выдавать фактически неверный, оскорбительный или нежелательный текст. Поддерживается только английский язык. Лицензия — Apache 2.0.