II.10Разработка и эксплуатация AI/ML-систем

JoaoBoer/tofu_Llama-3.2-3B-Instruct_forget10_UNDIAL — плотная авторегрессионная языковая модель семейства Llama 3.2 объёмом 3,2 млрд параметров. Она получена дообучением open-unlearning/tofu_Llama-3.2-3B-Instruct_full методом UNDIAL на части forget10 датасета TOFU в рамках проекта open-unlearning. Модель предназначена для генерации текста и диалоговых сценариев, а также для экспериментов по удалению запомненной информации из весов. В проекте Speculative-Decoding-Unlearning она используется как базовая модель с unlearning и черновая модель для спекулятивного декодирования. Для оценки приведены метрики TOFU: exact_memorization 0,3281, extraction_strength 0,0353 и forget_Q_A_PARA_Prob 0,1054. Контекстное окно составляет до 131 072 токенов; для работы указана библиотека Transformers. Модель подходит прежде всего для исследований unlearning и экспериментальных сценариев генерации, а не для безусловного применения как универсального ассистента. Метрики в карточке относятся к оценке на TOFU и сами по себе не подтверждают качество на других задачах или полноту удаления знаний. Лицензия — Llama 3.2.

crangana/trained-gender — модель классификации изображений, дообученная на наборе FairFace на основе microsoft/resnet-50. Она предназначена для классификации изображений людей по признакам, представленным в метках обучающего набора. В README указаны результаты на оценочной выборке: точность 0,8986 и функция потерь 0,2437. Модель использует сверточную архитектуру ResNet-50 и распространяется в формате PyTorch. Базовая ResNet-50 предварительно обучена на ImageNet-1k. Репозиторий лицензирован по Apache-2.0. Подробности о классах предсказания и ограничениях применения в карточке не приведены.

TurnGuide turnguideloss21 — дообученный чекпойнт на основе zai-org/glm-4-voice-9b, предназначенный для инференса в системе TurnGuide для двустороннего голосового общения. Вариант обучен с соотношением потерь текстовых и речевых токенов 2:1; архитектура в метаданных обозначена как плотная ChatGLMForConditionalGeneration, размер — 11,4 млрд параметров, длина контекста — 8192 токена. Модель используется в исследовательском конвейере TurnGuide, который динамически чередует текст и речь на уровне ходов диалога. Для работы нужны код TurnGuide, токенизатор речи GLM-4-Voice и отдельно загружаемый декодер GLM-4-Voice, которого нет в репозитории чекпойнта. Базовая языковая часть GLM-4-Voice рассчитана на голосовое общение на китайском и английском языках. Чекпойнт требует пользовательского кода GLM-4-Voice и загрузки с trust_remote_code=True. README не приводит лицензию самого чекпойнта; веса GLM-4-Voice и связанные компоненты регулируются собственными лицензиями, условия которых необходимо соблюдать.

Banaxi-Tech разработала BananaMind 2.1 Unified — базовую авторегрессионную языковую модель с тремя взаимодействующими трансформерными башнями и примерно 35 млн параметров. Модель обучена на 38 млрд токенов; это предварительная версия, прошедшая полный запланированный объём обучения, но не настроенная на выполнение инструкций. Модель предназначена для генерации продолжения текста и оценки следующих токенов. Башни A и C имеют собственные выходные головы, чьи распределения вероятностей смешиваются; башня B служит промежуточным звеном обмена между ними. Контекст составляет 4096 токенов, словарь — 8192 токена. В карточке указана поддержка английского языка; среди обучающих данных названы FineWeb-HQ, DCLM, SmolLM Corpus и FineMath. Модель доступна в формате safetensors для Transformers и использует custom code с trust_remote_code. Не предназначена для диалогового следования инструкциям без дополнительной настройки. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой репозитория.

CrabInHoney разработала urlbert-tiny-base-v2 — компактную модель семейства BERT с архитектурой BertForMaskedLM и 4,8 млн параметров. Модель предназначена для последующего дообучения под анализ URL и предсказывает пропущенные токены в строках, похожих на адреса: например, в демонстрации для шаблона домена она предлагает варианты вроде com и org. Контекст модели составляет 64 токена; опубликованные веса сохранены в формате safetensors. Модель подходит как начальная точка для экспериментов с классификацией и анализом URL после дообучения. В карточке указана лицензия MIT. Текущий чекпойнт — маскированная языковая модель, поэтому его предсказания для прикладных задач классификации потребуют соответствующей настройки.

Vanilla — Instruct (1.7B) — языковая модель dlab-spp для генерации текста в формате диалога и выполнения инструкций. Она построена на архитектуре SmolLM2-1.7B, обученной с нуля, и дообучена методом persona-binding supervised fine-tuning на смеси инструкций и запросов по безопасности. В метаданных указаны архитектура Llama, 1,7 млрд параметров, библиотека Transformers, формат safetensors и контекст 2048 токенов. Модель предназначена для исследований выравнивания поведения, обобщения ценностей и устойчивости к jailbreak-запросам. Ответы обучены следовать конституции и содержать встроенные ссылки-цитаты. Карточка характеризует её как исследовательский артефакт и предупреждает, что ответы могут быть ошибочными или небезопасными. Лицензия обозначена как other; условия лицензии следует проверить в репозитории модели.

Vecteus-v1-toxic — Local-Novel-LLM-project/Vecteus-v1 на базе Mistral, дообученная Aratako на 97 924 наиболее токсичных примерах диалогового корпуса p1atdev/open2ch. Это плотная авторегрессионная языковая модель с 7,1 млрд параметров для генерации японского текста; для работы следует использовать chat template Mistral. Модель может выдавать намеренно вредные и крайне резкие ответы, поэтому подходит для изучения или тестирования токсичных генераций и не рассчитана на обычный пользовательский диалог. Контекст составляет 4096 токенов. Распространяется по лицензии Apache-2.0.

VideoMAE Base wlasl 100 longtail 200 signer — видеотрансформер, дообученный на базе MCG-NJU/videomae-base для классификации видео. Размер модели составляет 113,2 млн параметров; для работы используется библиотека Transformers, веса доступны в формате safetensors. По названию модели можно предположить, что она связана с распознаванием жестового языка WLASL, однако карточка не описывает классы и набор данных, поэтому назначение этой специализации нельзя подтвердить. На оценочном наборе указаны точность 0,4911 и значение функции потерь 3,1722. Модель распространяется по лицензии CC BY-NC 4.0, допускающей использование с указанием авторства и запрещающей коммерческое применение.

Это детектор объектов YOLOv10n, дообученный на наборе VisDrone-DET в рамках проекта DetectionBench. Он предназначен для обнаружения объектов на изображениях с беспилотников: пешеходов, людей, велосипедов, автомобилей, фургонов, грузовиков, автобусов, трициклов и других транспортных средств. Модель работает с изображениями и выдаёт классы объектов и их рамки; в README приведены результаты оценки на тестовой части VisDrone-DET, включая mAP@50 39,8% и mAP@50–95 23,08%. Для весов указана лицензия AGPL-3.0; README также отмечает ограничения лицензии набора VisDrone — некоммерческое исследовательское использование с условиями CC BY-NC-SA 3.0.

Карточка модели torchgeo/vit_small_patch16_224_sentinel2_all_dino на Hugging Face совпадает с карточкой torchgeo/resnet50_sentinel2_all_dino, поэтому описание составлено по ней. Карточка модели torchgeo/resnet50_sentinel2_all_dino на Hugging Face совпадает с карточкой torchgeo/resnet18_sentinel2_all_moco, поэтому описание составлено по ней. Карточка модели torchgeo/resnet18_sentinel2_all_moco на Hugging Face совпадает с карточкой torchgeo/resnet50_sentinel2_all_dino, поэтому описание составлено по ней. Это веса ResNet-50 для изображений Sentinel-2, опубликованные TorchGeo и изменённые для загрузки с помощью timm. Модель предназначена для классификации спутниковых изображений; метаданные Hugging Face также указывают задачу image-classification и библиотеку TorchGeo. В репозитории хранятся веса PyTorch, лицензия — Creative Commons Attribution 4.0 International (CC BY 4.0).

Wicara 56M Base — базовая языковая модель, которую Bagus Ardin Prayoga обучил с нуля для индонезийского языка. Это плотная авторегрессионная модель семейства LLaMA на 56 млн параметров, реализованная с RMSNorm, RoPE, SwiGLU и Grouped-Query Attention. Она обучалась на 1,12 млрд токенов индонезийских текстов; максимальная длина контекста — 512 токенов. Модель предназначена для продолжения текста и как основа для дообучения под индонезийские NLP-задачи, а также для исследований и обучения, связанных с компактными языковыми моделями. Она не проходила инструкционное дообучение, поэтому не рассчитана на выполнение системных инструкций или многошаговый диалог. Из-за небольшого размера модель может выдавать недостоверные факты и не подходит как самостоятельная база знаний. Лицензия — Apache-2.0.

Wisp-5M — небольшая базовая языковая модель семейства Wisp, разработанная DedeProGames и обученная с нуля. Это плотный авторегрессионный декодер архитектуры LLaMA на 5,1 млн параметров; модель загружается через Transformers как LlamaForCausalLM без пользовательского кода. Обучение проводилось на 3 млрд токенов английского веб-текста, кода и математических данных. Модель предназначена для экспериментов с малыми языковыми моделями, обучения и демонстраций, запуска на устройствах с ограниченными ресурсами, использования как черновой модели в speculative decoding и как основы для дальнейшего дообучения. Контекст составляет 2048 токенов; используется токенизатор byte-level BPE на 8192 токена. Это базовая, не настроенная на выполнение инструкций модель. Из-за малого размера у Wisp-5M ограничены знания и способность рассуждать: текст может выглядеть связным, но содержать ошибки или быть несвязным. Модель ориентирована преимущественно на английский язык, не проходила выравнивание или настройку безопасности и может воспроизводить предвзятости обучающих данных. Лицензия — Apache-2.0.

AfroXLMR-large-29L — языковая модель Davlan, полученная адаптацией XLM-R-large с помощью masked language modeling на корпусах африканских языков. Это плотный трансформер XLM-R с архитектурой XLMRobertaForMaskedLM и 658,7 млн параметров; он принимает текст и предсказывает замаскированные токены в контексте. Модель предназначена для работы с 25 африканскими языками, включая хауса, игбо, йоруба, амхарский, суахили, африкаанс и нигерийский пиджин, а также с арабским, французским, английским и португальским. Максимальный родной контекст — 514 токенов. Модель подходит как языковая основа для заполнения пропусков и downstream-задач с африканскими языками. Она распространяется по лицензии MIT. Карточка описывает адаптацию языковой модели, но не приводит результатов оценки качества; поддержка конкретных прикладных задач сверх заполнения масок не подтверждена.

AfroXLMR-mini — языковая модель на архитектуре XLM-RoBERTa, разработанная Davlan. Она создана адаптацией модели XLM-R-miniLM методом masked language modeling на 17 африканских языках и трёх высокоресурсных языках: арабском, французском и английском. Модель содержит 124,3 млн параметров, принимает последовательности длиной до 514 токенов и предназначена для заполнения маскированных токенов. В оценке на MasakhaNER модель показала результаты для ряда африканских языков, включая хауса, игбо, киньяруанда, пиджин и суахили; эти результаты указывают на применимость представлений модели к задачам обработки африканских языков. Она доступна в форматах PyTorch и Safetensors по лицензии MIT. Pipeline Hugging Face — fill-mask; карточка не описывает отдельную модель для генерации текста или готовый конвейер распознавания сущностей.

Lanni-ni/alibi_2_4_256_babylm_100m_seed44 — небольшая модель для генерации текста, опубликованная на Hugging Face. Модель содержит 14,7 млн параметров и предназначена для запуска через библиотеку Transformers. В метаданных она отмечена как text-generation и связана с технологией позиционного кодирования ALiBi.

ALMA-7B-Pretrain — этап предварительной настройки модели семейства ALMA, разработанной авторами исследования Haoran Xu, Young Jin Kim, Amr Sharaf и Hany Hassan Awadalla. Это плотная авторегрессионная языковая модель архитектуры LLaMA с 6,6 млрд параметров, созданная на основе LLaMA-2-7B и дообученная на 20 млрд токенов монолингвальных данных. Контекст модели составляет 4096 токенов. Этот чекпойнт сам по себе не является моделью машинного перевода: он предназначен для использования вместе с LoRA-адаптером ALMA-7B, обученным на параллельных данных. Полная модель ALMA выполняет перевод между языками; карточка показывает пример перевода с китайского на английский, но не перечисляет полный набор поддерживаемых языков. Модель распространяется в формате PyTorch по лицензии MIT. Ограничение: для перевода требуется соответствующий адаптер, а качество и поддерживаемые языковые пары зависят от него.

Aux 2015 — плотная авторегрессионная языковая модель семейства Ministral, разработанная Fin AI Lab в рамках проекта Frontier to Point-in-Time. Она обучена с нуля на корпусе с отсечкой знаний 31 декабря 2015 года и дополнительно настроена на образцах, дистиллированных из более крупной модели, чтобы перенять её шаблон чата и стиль ответов. Модель предназначена прежде всего для использования как вспомогательная модель Divergence Decoding: вместе с парной Aux 2024 её разность логитов помогает уменьшать влияние знаний, появившихся после заданной даты, при генерации ответов большой моделью. Её также можно использовать как самостоятельную модель для диалогов и ответов на вопросы с временной привязкой. В модели около 3,6 млрд параметров, 28 слоёв, архитектура MinistralDualRope с чередованием скользящего и полного внимания и контекстом до 131 072 токенов. Она принимает текст и генерирует текст; поддерживает интерфейс чата и вызова инструментов. Для загрузки требуется Transformers и доверенная загрузка пользовательского кода архитектуры. Лицензия — Apache-2.0. README приводит размер около 3,4 млрд параметров, тогда как метаданные указывают 3,6 млрд. Модель подходит для экспериментов и прикладных сценариев, где ответы должны отражать состояние знаний на конец 2015 года, а также для построения системы временного ограничения знаний на базе большой языковой модели. Качество самостоятельной модели в README заявлено как сильное в следовании инструкциям, однако результаты могут уступать более крупной модели; для Divergence Decoding необходима парная Aux 2024 и модель frontier, а также соответствующая логика инференса. Не следует считать отсечку гарантией фактического удаления любых более поздних сведений из ответов.

Карточка модели SLM-Archive/BananaMind-2-Pro на Hugging Face совпадает с карточкой BananaMind/BananaMind-2-Pro, поэтому описание составлено по ней. BananaMind-2-Pro — базовая языковая модель, разработанная BananaMind и обученная с нуля. Это 138,9-миллионная decoder-only Transformer-модель с 24 слоями, группированным многозапросным вниманием, QK-нормализацией, RoPE, SwiGLU и RMSNorm. Предобучение охватило около 100 млрд токенов; модель использует собственный байтовый BPE-токенизатор на 32 768 токенов с обработкой чисел и контекстное окно на 3 072 токена. Модель предназначена для продолжения текста, изучения небольших языковых моделей и токенизаторов, оценки арифметических способностей и обучения специализированных моделей на её основе. Это базовая модель, а не чат-модель: она не предназначена для надёжного следования инструкциям. В карточке указаны англоязычные обучающие данные и наборы FineWeb-Edu, DCLM, SmolLM Corpus и FineMath; основные языковые возможности за пределами английского не охарактеризованы. Результаты тестов приведены разработчиком и могут зависеть от конфигурации оценки. Для загрузки требуется Transformers с кодом репозитория и параметром trust_remote_code=True. Лицензия обозначена как other, поэтому перед использованием следует проверить условия в репозитории. Модель не следует использовать для медицинских, юридических, финансовых и других критически важных решений.

Модель ielabgroup/bert-base-uncased-fineweb100bt-smae — дообученная версия google-bert/bert-base-uncased, связанная с работой «Starbucks: Improved Training for 2D Matryoshka Embeddings». Это англоязычная модель семейства BERT с архитектурой BertForMaskedLM, обученная на данных FineWeb. Она предназначена для заполнения пропусков в тексте и может использоваться для извлечения признаков в задачах понимания языка. Модель содержит 136,7 млн параметров, принимает последовательности длиной до 512 токенов и распространяется по лицензии Apache-2.0. Карточка не описывает специальные улучшения, результаты оценки или конкретные сценарии применения эмбеддингов; назначение по доступным данным определяется задачей fill-mask.

Davephoenix разработал эту модель на основе bert-base-uncased и дообучил её для бинарной классификации английских текстов: она определяет, содержит ли текст травлю. Модель предназначена для проверки коротких и средних сообщений в инструментах модерации, образовательных приложениях и сервисах анализа социальных сетей. Архитектура — BERT для классификации последовательностей; метаданные указывают 136,7 млн параметров и контекст до 512 токенов. В README описана токенизация с усечением до 128 токенов. Для обучения использовалось около 20 тысяч размеченных англоязычных примеров, включая синтетически дополненные данные. Автор сообщает точность и F1 по 95,6% на отложенной выборке из того же набора. Эти показатели не гарантируют аналогичного качества на других данных: модель может ошибаться на сарказме, завуалированной травле, культурно обусловленных выражениях и эмоциональных, но не оскорбительных сообщениях. Рекомендуется использовать её как вспомогательный сигнал с проверкой человеком, а не для самостоятельных решений с серьёзными последствиями. Лицензия — Apache 2.0.

Bert Large Cased — шведская языковая модель семейства BERT, разработанная AI Sweden. Модель обучена на шведской части корпуса Nordic Pile с использованием Wafer-Scale Engine (WSE); её архитектура — BertForMaskedLM, объём — 468,2 млн параметров, контекст — до 512 токенов. Модель предназначена для заполнения пропусков в шведском тексте: она предсказывает замаскированные токены с учётом окружающего контекста. Подходит для языковых экспериментов и задач, где требуется восстановить пропущенные слова или исследовать представления шведского текста. Доступный формат весов — PyTorch. Сведения о лицензии в предоставленных данных отсутствуют.

Cosmos3-Super-Image2Video — модель NVIDIA из семейства Cosmos3 Omni, предназначенная для генерации видео по изображению и входящему визуальному контексту. Она относится к плотной архитектуре Cosmos3ForConditionalGeneration и опубликована в форматах Diffusers и safetensors. Карточка описывает Cosmos3 как семейство омнимодальных моделей для Physical AI, включая робототехнику, автономный транспорт, промышленные и умные пространства; эта версия каталога ориентирована на задачу image-to-video. Модель подходит для создания динамических сцен и симуляционных видеоматериалов из исходных изображений в исследовательских и прикладных сценариях Physical AI. NVIDIA заявляет возможность коммерческого и некоммерческого использования, однако метаданные указывают лицензию other, поэтому перед внедрением следует проверить условия лицензии в репозитории. Возможные дефекты генерации включают временную непоследовательность, нестабильное движение камеры или объектов, неточное моделирование физических взаимодействий и дрейф состояния, особенно в длинных или высокодетализированных роликах.

Cosmos3-Super-Text2Image-4Step — модель генерации изображений по текстовому описанию, разработанная NVIDIA в составе семейства Cosmos3. Она преобразует текстовый запрос в изображение PNG и поддерживает разные соотношения сторон и разрешения. Модель предназначена для создания визуальных материалов для задач Physical AI, включая робототехнику, автономный транспорт, интеллектуальные пространства и промышленную среду. Это дистиллированная версия Cosmos3-Super-Text2Image с фиксированным четырёхшаговым расписанием генерации и без необходимости в classifier-free guidance. По заявлению разработчика, такой режим сокращает число вычислений диффузионной модели до 25 раз относительно рекомендованной настройки базовой модели в 50 шагов с CFG. Модель содержит 64 млрд параметров и требует многопроцессорного узла с 4–8 GPU H100/H200 либо одного B200; на одной GPU меньшего класса она не помещается. NVIDIA сообщает о высоком качестве генерации при четырёх шагах, однако приведённое в README место в рейтинге относится к оценке на дату публикации и может измениться. Модель готова к коммерческому и некоммерческому использованию; в метаданных лицензия обозначена как other, поэтому перед применением следует свериться с условиями распространения NVIDIA. Фильтрация обучающих данных снижает риск вредоносного контента, но не гарантирует его полного отсутствия.

KrorngAI/deepseek_ocr_Khmer_finetuned — дообученная Kimang18 модель DeepSeek-OCR для распознавания кхмерского текста на изображениях текстовых областей. Она основана на DeepSeek-OCR, использует архитектуру DeepseekOCRForCausalLM и обучалась с LoRA на данных WildKhmerST; для обработки изображений указаны размер 512 × 512 и отключённый режим обрезки. Модель содержит 559,7 млн параметров, поддерживает контекст до 8192 токенов и распространяется в формате safetensors по лицензии Apache-2.0. Модель предназначена для OCR и бенчмаркинга распознавания кхмерского письма, в том числе на искажённых текстовых изображениях из набора WildKhmerST-Warped. Автор сообщает об улучшении распознавания кхмерского текста после дообучения, однако качество пока ограничено: на тестовом наборе CER составил 237% с учётом случаев галлюцинаций; без них — 67,66%. В проблемных случаях модель может пропускать изображение и повторять один и тот же текстовый токен до достижения лимита генерации. README не содержит готового примера использования.

Xenova/depth-anything-small-hf — модель оценки глубины изображения, разработанная на основе LiheYoung/depth-anything-small-hf и адаптированная командой Xenova для работы с Transformers.js. Модель принимает изображение и строит карту глубины, оценивая относительное расстояние до объектов в его сцене. Модель предназначена для веб-приложений и JavaScript-сценариев, где требуется выполнять оценку глубины через pipeline с задачей depth-estimation. Она поставляется с весами в формате ONNX, совместимыми с Transformers.js, и может использоваться для обработки изображений, визуализации карт глубины и других задач анализа пространственной структуры сцены. В README указано, что пример обработки возвращает числовую карту глубины и одноканальное изображение глубины. Ключевые характеристики архитектуры, количество параметров, поддерживаемые языки и размер контекста в README не указаны; модель работает с визуальными данными и не является текстовой или мультимодальной диалоговой моделью. Сильной стороной является возможность запуска в экосистеме Transformers.js, включая веб-сценарии, однако точность, производительность, область применимости и ограничения оценки глубины подробно не описаны. Лицензия в предоставленных данных не указана. Отдельный репозиторий ONNX-весов обозначен как временное решение до более широкого распространения WebML.

Depth-Anything-V2-Metric-Indoor-Large-hf — версия Depth Anything V2, дообученная для оценки метрической глубины на изображениях помещений. Модель впервые опубликована в этом репозитории; исходная Depth Anything V2 разработана Lihe Yang и соавторами. Чекпойнт совместим с библиотекой Transformers и использует архитектуру DPT с backbone DINOv2. Размер базовой модели Large в семействе — 335,3 млн параметров. Модель принимает изображение и предсказывает карту абсолютной глубины для внутренних сцен. Для метрической версии использованы синтетические данные Hypersim; базовая Depth Anything V2 обучалась на синтетических размеченных и реальных неразмеченных изображениях. Модель подходит для оценки глубины без дополнительной настройки на целевом изображении. Карточка не сообщает лицензию этого чекпойнта, поэтому условия его распространения и коммерческого использования по имеющимся данным определить нельзя. Предназначение модели ограничено внутренними сценами; результаты на уличных и иных существенно отличающихся данных могут быть ненадёжны.

Depth Anything V2 Metric Outdoor Base — модель оценки абсолютной глубины для уличных изображений, представленная авторами семейства Depth Anything V2 и доступная в версии для Transformers. Это дообученная модель на архитектуре DPT с backbone DINOv2; вариант Base содержит 97,5 млн параметров и предназначен для оценки метрической глубины на сценах на открытом воздухе. Модель обучена для метрической оценки глубины с использованием синтетических данных Virtual KITTI 2; в описании семейства также указано обучение на примерно 600 тысячах синтетических изображений с разметкой и 62 миллионах реальных изображений без разметки. Она принимает изображение и выдаёт карту глубины, пригодную для сценариев, где важны абсолютные, а не только относительные оценки расстояний. Карточка рекомендует использовать модель через Transformers версии 4.45.0 или новее. Условия лицензирования в предоставленных данных не описаны.

onnx-community/depth-anything-v2-small-ONNX — модель для оценки глубины по изображению, основанная на Depth Anything V2 Small, разработанной командой Depth Anything и распространяемая сообществом ONNX Community в формате ONNX. Модель предназначена для работы с библиотекой Transformers.js, включая JavaScript-приложения и веб-сценарии. На вход подаётся изображение, а на выходе формируется карта глубины, которую можно сохранить и визуализировать. Модель относится к задачам компьютерного зрения и может использоваться для анализа пространственной структуры сцен, обработки изображений и создания веб-приложений с оценкой глубины. В README не указаны точная архитектура, количество параметров, максимальный размер контекста, поддерживаемые языки или детальные показатели качества. Ключевое преимущество модели — наличие ONNX-весов, совместимых с Transformers.js, что упрощает запуск в JavaScript-средах. Ограничения, характеристики производительности и требования к аппаратному обеспечению в предоставленных данных не описаны; качество оценки глубины может зависеть от содержания и качества входного изображения. Модель распространяется по лицензии Apache-2.0.

bigscience/distill-bloom-1b3-10x — промежуточный, ещё не полностью обученный языковой чекпойнт, разработанный BigScience как дистиллированная версия BLOOM-1B3 с дистилляцией 10x. Это авторегрессионная модель семейства BLOOM с архитектурой Transformer decoder-only; README указывает 138 млн параметров, 12 слоёв, 4 головы внимания и размер скрытого слоя 512. В метаданных указан контекст до 4096 токенов. Модель предназначена для исследовательских экспериментов с генерацией текста и как основа для дальнейшего дообучения. Она ориентирована на множество естественных языков и включает данные на языках программирования; среди указанных языков есть английский, французский, испанский, китайский, хинди, португальский, арабский и бенгальский. Из-за незавершённого обучения качество генерации может быть нестабильным; модель способна выдавать фактически неверные, повторяющиеся, предвзятые или неподходящие ответы и не предназначена для решений с серьёзными последствиями. Лицензия — BigScience BLOOM RAIL 1.0.

DistillPath-KS16-HOpt0 — разработанная Рамоном Каспаром, Андреем Игнатовым и Валентиной Боевой в ETH Zurich компактная модель для извлечения признаков из изображений тканей. Это энкодер гистологических изображений на базе Vision Transformer ViT-S/16 с 21,7 млн параметров и вектором признаков размерности 384; модель реализована для библиотеки timm. Модель предназначена для получения признаков из гистологических тайлов и их последующего использования в задачах анализа медицинских изображений и вычислительной патологии. Она получена дистилляцией H-optimus-0 (ViT-g/14, 1,1 млрд параметров) в студенческую модель kaiko ViT-S/16; при обучении использовались 6000 публичных слайдов TCGA. В карточке приведены результаты на нескольких профильных бенчмарках, включая EVA, HEST и PLISM. В метаданных указана лицензия other, поэтому конкретные условия использования следует сверить с лицензией репозитория. Модель извлекает признаки, а не выдает готовый клинический диагноз; результаты бенчмарков сами по себе не подтверждают пригодность для клинических решений.