II.10Разработка и эксплуатация AI/ML-систем

Wisp-15M — небольшая базовая языковая модель семейства Wisp от DedeProGames, обученная с нуля на 3 млрд токенов англоязычных веб-текстов, кода и математики. Это авторегрессионная модель с архитектурой LLaMA и 15,5 млн параметров; она загружается через Transformers как LlamaForCausalLM без пользовательского кода. Модель не проходила инструкционное дообучение. Модель предназначена для учебных и исследовательских экспериментов, локальных запусков на устройствах с ограниченными ресурсами, черновой генерации для speculative decoding и как основа для дальнейшего дообучения. Она принимает текст и генерирует продолжение. Контекст — 2048 токенов; токенизатор Wisp — byte-level BPE на 8192 токена. Обучение включало веб-тексты, код и математику, однако модель ориентирована преимущественно на английский язык. Малый размер упрощает эксперименты и развёртывание, но знания и способности к рассуждению сильно ограничены: связный на вид текст может быть ошибочным или бессвязным. Модель не выровнена и не настроена на безопасность, может воспроизводить предубеждения обучающих данных. Лицензия — Apache-2.0.

Это неофициальный чекпойнт YOLO12n для сегментации экземпляров, опубликованный сообществом и обученный на COCO с помощью Ultralytics. Компактная архитектура YOLO12n распознаёт объекты из 80 категорий COCO и выделяет маску для каждого экземпляра на изображении. Репозиторий содержит веса PyTorch и артефакты обучения, включая историю 100 эпох и метрики валидации; автор карточки отмечает, что результаты ещё не были независимо воспроизведены после публикации. Модель предназначена прежде всего для начальной точки трансферного обучения, исследований сегментации YOLO12 и сравнения подходов к предобучению. Лицензия репозитория — AGPL-3.0. Перед применением в целевой задаче рекомендуется самостоятельно проверить качество. Точный список обучающих изображений нельзя восстановить из чекпойнта; сведения о скорости инференса, FLOPs и точности по отдельным классам не сохранены.

Это экспорт модели AAIE MoE Pretrain в формате MixtralForCausalLM для загрузки через стандартные реализации Transformers и vLLM. Его разработчик переименовал и сопоставил параметры и конфигурацию исходной модели; веса не переобучались. Архитектура — MoE с восемью экспертами и маршрутизацией top-2. Несмотря на совместимость с Mixtral, модель имеет 617,91 млн общих параметров и 222,73 млн активных параметров на токен; метаданные каталога указывают размер 156,8 млн параметров. Контекст составляет 1024 токена. Модель предназначена для генерации текста и диалоговых сценариев на английском языке. Она дистиллирована из Qwen/Qwen2.5-3B на FineWeb-Edu, но не проходила инструкционное дообучение. Обучение остановили на 41,9% запланированного бюджета, поэтому ответы могут быть повторяющимися и звучать как выводы недообученной модели. Лицензия — MIT.

AnyThermal — визуальный энкодер для извлечения признаков из тепловых изображений, разработанный исследовательской командой Carnegie Mellon University AirLab. Модель предназначена для получения универсальных представлений, которые можно использовать в разных средах и задачах робототехнического восприятия без отдельного дообучения под каждую задачу. Это дообученная версия DINOv2 ViT-B/14 с 113,2 млн параметров по метаданным. При обучении знания RGB-модели DINOv2 переносились в тепловой энкодер с помощью дистилляции на парных RGB-тепловых данных. Модель принимает тепловые изображения, преобразованные в совместимый трёхканальный формат, и выдаёт 768-мерные векторы признаков для патчей и CLS-токена. В README заявлены проверки на кросс-модальном распознавании мест, семантической сегментации и оценке глубины по тепловым изображениям. Модель подходит для построения систем робототехнического восприятия в помещениях, городской и внедорожной среде, а также с воздушных платформ. Доступна по лицензии BSD-3-Clause-Clear. Метаданные указывают формат safetensors; README описывает параметры как 86,6 млн, что расходится с указанным в метаданных общим числом параметров.

AvaSanj-v1 — модель автоматического распознавания персидской речи, разработанная Reza2kn на основе facebook/wav2vec2-xls-r-300m и дообученная для CTC на 8 437 одобренных аудиофрагментах. Она преобразует речь в последовательности фонем в общей системе repr1, используемой также моделями G2P Negara; для обработки требуется локальный файл vocabulary.json с отображением токенов. Модель предназначена прежде всего для фонетической разметки персидской речи и арбитража расхождений между вариантами преобразования графем в фонемы в конвейере AvaSanj. В README указаны лучший шаг обучения 800 и валидационный CER 0,0479; для OOF-сценария сообщаются около 96,3% точности и 95,9% полноты на проверке искажений. Распространяется по лицензии Apache-2.0 с сохранением применимых сторонних уведомлений об авторских правах и лицензиях.

BananaMind-2-Mini — компактная языковая модель BananaMind, обученная с нуля как часть серии BananaMind 2. Это плотный декодерный Transformer с 25,2 млн параметров, контекстом до 4 096 токенов и собственным байтовым BPE-токенизатором на 8 тысяч токенов, который отдельно обрабатывает цифры. Модель обучали на смеси веб-текстов, образовательных материалов, синтетических учебников и математических данных. Модель предназначена для продолжения текста, локальных экспериментов с небольшими языковыми моделями и исследования токенизаторов и обучения моделей. Это базовая модель, поэтому она рассчитана на подсказки для продолжения текста, а не на диалоговый формат. В README приведены результаты самооценки на нескольких тестах рассуждения и понимания; они не гарантируют качество в других сценариях. Для загрузки через Transformers требуется включить trust_remote_code=True. Лицензия — Apache-2.0.

Ricardo-H/BehR-WorldModel-Webshop-Qwen2.5-7B — дообученная текстовая модель на архитектуре Qwen2.5-7B с 7,1 млрд параметров, предназначенная для моделирования среды WebShop. По истории взаимодействий агента и его следующему действию она предсказывает следующее текстовое наблюдение среды, позволяя симулировать WebShop для запусков и оценки агентов. Модель работает через Transformers; веса сохранены в формате safetensors, заявленная длина контекста — 131 072 токена. Модель ориентирована на исследования мировых моделей и симуляцию агентов в текстовых средах. В статье её оценивают на WebShop по точному совпадению на одном шаге, успешности выполнения задач и согласованности поведения. Проверка ограничена WebShop: за его пределами поведение не подтверждено, а предсказанные наблюдения могут быть правдоподобными, но фактически неверными, поэтому их нельзя считать достоверными сведениями о реальной среде. Модель наследует смещения и ограничения Qwen2.5-7B и базовой мировой модели. Лицензия указана как other; конкретные условия следует проверять в карточке репозитория.

Японская модель BERT-base от hitachi-nlp для заполнения пропусков в тексте: она предсказывает замаскированные токены и может использоваться для анализа японских предложений с помощью задачи fill-mask. Модель содержит 136,3 млн параметров, имеет архитектуру BertForMaskedLM и принимает последовательности длиной до 512 токенов. Для токенизации используется Vaporetto с Unigram; словарь токенизатора нужно получить отдельно из репозитория проекта и указать при загрузке. Модель обучалась на данных Wikipedia и CC-100. Доступны веса PyTorch и Safetensors. Лицензия CC BY-NC-SA 4.0 требует указания авторства и распространяет производные материалы на тех же условиях; коммерческое использование не разрешено. Карточка не приводит подробностей о точных метриках качества.

heewook/bert-base-uncased-issues-128 — модель BERT для предсказания замаскированных токенов, дообученная автором на наборе данных, указанном в карточке как None. Она предназначена для восстановления пропущенного слова или токена в англоязычном тексте. Модель использует архитектуру BertForMaskedLM, содержит 136,7 млн параметров и обрабатывает последовательности длиной до 512 токенов. В карточке приведено значение loss 1,2328 на оценочной выборке, но не описаны состав данных, методика оценки и ограничения применения. Модель распространяется по лицензии Apache-2.0.

ByteGPT-small — небольшая причинная языковая модель GPT-типа от IJK Technology Ltd, обученная с нуля с побайтовой токенизацией, вдохновлённой ByT5. Она предназначена для генерации текста на мобильных и встраиваемых устройствах с ограниченными ресурсами; доступны веса Safetensors и формат ONNX, а для интеграции указаны Transformers и ONNX Runtime. Побайтовая токенизация позволяет работать с опечатками и неизвестными словами и обходиться без отдельной библиотеки токенизатора. README называет модель ранним прототипом и предупреждает, что из-за малого размера её возможности пока ограничены. В метаданных указан английский язык и лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование.

Cat Facial Landmarks (CatFLW, 48 points) — набор моделей для двухэтапного анализа кошачьих лиц, опубликованный hugocornellier. Локализатор на EfficientNetB2 находит лицо, затем модель на MobileNetV3-Large определяет 48 ориентиров схемы CatFLW: уши, глаза, нос, рот и подбородок. Основная поставляемая модель ориентиров экспортирована в TFLite с входом 384 × 384; локализатор работает с изображением 224 × 224. Модели также доступны в формате Keras. Набор предназначен для определения координат ключевых точек кошачьей морды в мобильных приложениях и других сценариях компьютерного зрения. На валидационной выборке CatFLW из 311 изображений NME_IOD модели ориентиров составляет 3,48, а локализатор достигает IoU рамки 0,81. Для запуска графа модели ориентиров на GPU LiteRT нужны совместимые операции и GPU delegate; на XNNPACK CPU она также работает, но медленнее. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства и ограничивает коммерческое применение.

CeLLaTe-ner-3class-pubmedbert-baseline — модель для разметки токенов, дообученная OTAR3088 на наборе данных OTAR3088/CeLLaTe-ner-3class-iob_final. В её основе — англоязычная BERT-модель microsoft/BiomedNLP-BiomedBERT-base-uncased-abstract-fulltext, адаптированная для биомедицинских текстов. Модель содержит 136,7 млн параметров, использует архитектуру BertForTokenClassification и принимает контекст длиной до 512 токенов. Карточка приводит результаты на оценочном наборе: micro F1 0,7671, weighted F1 0,7667, macro F1 0,7626 и accuracy 0,9829. Название указывает на трёхклассовую NER-разметку, однако карточка не описывает классы меток и не уточняет конкретные сущности; поэтому применение следует сверять с разметкой обучающего набора. Лицензия — Apache-2.0.

liam168/chat-DialoGPT-small-zh — небольшая диалоговая модель на архитектуре GPT-2, разработанная liam168 и обученная на китайских чат-данных. Она предназначена для генерации ответов в текстовом диалоге и может использоваться как простой собеседник в приложениях на базе Transformers. Модель принимает текст и генерирует текст. Размер контекста — 1024 токена. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. Карточка не сообщает о дополнительных возможностях или ограничениях качества.

susnato/clvp_dev — модель семейства CLVP, размещённая susnato для интеграции с Tortoise-TTS. Автор README указывает, что веса принадлежат James Betker и связаны с работой «Better Speech Synthesis Through Scaling». CLVP — компонент системы синтеза речи Tortoise-TTS; модель сопоставляет текстовые токены и MEL-токены с помощью двух энкодеров архитектуры, сходной с текстовым энкодером CLIP. В репозитории указаны класс ClvpModelForConditionalGeneration и формат PyTorch. Модель предназначена для извлечения признаков, используемых в конвейере Tortoise-TTS для работы с текстом и мел-спектрограммными токенами. README не приводит сведений о размере модели, длине контекста, лицензии или поддерживаемых естественных языках. Автор репозитория отмечает, что временно хранит чужие веса; условия их использования следует проверять у правообладателя.

jkminder/d12_optimized_286m_seed1 — исследовательская базовая языковая модель семейства nanochat GPT, опубликованная как часть Scaling Ladder для изучения разброса результатов предобучения между случайными seed. Это плотная авторегрессионная модель для предсказания следующего токена, обученная на данных NVIDIA ClimbMix; у неё 12 слоёв, скрытый размер 768, 6 голов внимания и контекст длиной 2048 токенов. Метаданные указывают 138,4 млн параметров, а README для данного размера приводит 286 млн общих параметров, включая таблицы эмбеддингов, и 110 млн масштабируемых параметров. Модель предназначена для экспериментов с предобучением и масштабированием языковых моделей, анализа влияния случайной инициализации и порядка данных, а также оценки контрольных точек обучения. Она обучена на английском языке и не проходила настройку инструкций или обучение безопасности, поэтому рассчитана на продолжение текста и исследовательские измерения, а не на диалоговое следование инструкциям. В README указан доступ через Transformers и safetensors; лицензия CC BY-NC 4.0 разрешает использование с ограничением на коммерческое применение.

jkminder/d20_477m_seed4 — исследовательская базовая языковая модель семейства NanochatGPT, разработанная как один из чекпойнтов масштабной серии экспериментов по предобучению. Она представляет собой плотный GPT-декодер с 20 слоями и общим размером 477 млн параметров; число параметров, учитываемых в масштабных закономерностях, составляет 435 млн. Модель обучена предсказывать следующий токен на наборе nvidia/ClimbMix. В репозитории опубликованы ревизии с разными этапами обучения, включая варианты с линейным снижением скорости обучения; для измерений README рекомендует ревизии TPP_X. Модель предназначена для изучения разброса результатов между случайными начальными инициализациями и порядком данных при предобучении, а также для экспериментов и оценки базовой генерации текста. Контекст составляет 2048 токенов, основной язык в карточке — английский. Модель не проходила настройку на инструкции и обучение безопасности, поэтому не предназначена как готовый диалоговый ассистент и может генерировать нежелательный или ненадёжный текст. Веса доступны в формате safetensors; лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое применение.

sfanm/d24-midtrain-v1base-olmo3-2.3B — базовая языковая модель, созданная с нуля в рамках репликации nanochat глубины 24 и затем прошедшая mid-training в стиле OLMo-3 Dolmino. Это плотный декодер Llama: 24 слоя, размер скрытого состояния 1536, 12 голов внимания, SwiGLU, RoPE, RMSNorm и связанные эмбеддинги; модель содержит около 756,7 млн параметров и использует GPT-2 BPE с размером словаря 50 304. Модель предназначена для продолжения текста и генерации по текстовой подсказке. Это чекпойнт до этапа SFT, поэтому он не рассчитан на диалоговое использование; для чата автор рекомендует соответствующие SFT-чекпойнты. Контекст составляет 2048 токенов. В метаданных указан английский язык. Чекпойнт создан с нуля, обучен на корпусе ClimbMix, а затем дообучен на корпусе из 2,3 млрд токенов в стиле OLMo-3 Dolmino, включавшем в том числе инструкции и вопросы с ответами. README характеризует его как исследовательский чекпойнт репликации nanochat. Лицензия указана как other; веса предоставлены как есть для исследований, а лицензии использованных сторонних корпусов необходимо учитывать отдельно.

Delphi 2e20 — базовая языковая модель команды Marin, обученная по рецепту scaling suite Delphi. Это плотная авторегрессионная модель семейства Qwen3 с архитектурой Qwen3ForCausalLM, примерно 1,9 млрд параметров и контекстом 4096 токенов. Чекпойнт обучен на 14,8 млрд токенов при вычислительном бюджете 2 × 10²⁰ FLOPs; в смеси преобладают англоязычные веб-данные, код и математические тексты. Модель предназначена для экспериментов с масштабированием и оценки базовой генерации текста, а не для готового диалогового помощника. Она не проходила инструктивное дообучение, RLHF или выравнивание безопасности, поэтому может хуже следовать запросам и не гарантирует безопасные ответы. Для интенсивного инференса может быть предпочтительнее меньшая модель с избыточным обучением. Лицензия — Apache-2.0.

LiheYoung/depth_anything_vits14 — компактная модель оценки глубины по изображению из семейства Depth Anything, созданная авторами исследования «Depth Anything: Unleashing the Power of Large-Scale Unlabeled Data». Она предназначена для получения карты глубины сцены на основе одного изображения и может использоваться в задачах компьютерного зрения, где важна оценка пространственного расположения объектов. В репозитории представлены веса PyTorch; идентификатор указывает на вариант ViT-S/14. Карточка ссылается на проект и демонстрацию Depth Anything, но не приводит подробностей о точном разрешении входа, показателях качества или лицензии. Языковой ввод и вывод не требуются: модель принимает изображение и выдаёт оценку глубины.

albus2024/dita_droid_pretrain — это преобразованная в формат LeRobot и safetensors инициализация весов Dita, созданная на основе исходного чекпойнта Dita DROID для последующего дообучения. Репозиторий содержит веса, конфигурацию политики LeRobot Dita и шаблоны процессоров; модель не является готовой к развёртыванию политикой DROID или LIBERO. Модель предназначена для запуска полного дообучения или LoRA на целевом наборе данных с семимерными действиями, RGB-изображениями и описанием задачи на естественном языке. Шаблоны процессоров используют нормализацию изображений ImageNet и текстовое кодирование CLIP; для загрузки нужны кэшированные или загружаемые ресурсы DINOv2 и CLIP. Поддерживаются типы вычислений float32, float16 и bfloat16, при этом веса хранятся в FP32. Для обучения необходимы статистики действий целевого набора, включая массивы q01 и q99; без квантилей обработка действий завершается ошибкой. Статистики зависят от набора данных и сохраняются с дообученным чекпойнтом. В карточке не заявлены показатели успешности задач или эквивалентность развёртывания исходному DROID. Лицензия в предоставленных данных не указана.

DM05-libero — чекпойнт Dexmal, дообученный на наборе LIBERO на основе DM0.5, открытой базовой Vision-Language-Action-модели для управления роботами. Архитектура объединяет визуально-языковую основу Gemma 3 4B и Action Expert на 680 млн параметров, который генерирует непрерывные действия робота. Чекпойнт предназначен для выполнения манипуляционных задач по визуальным наблюдениям и инструкциям на естественном языке, в частности для оценки на бенчмарках LIBERO Spatial, Object, Goal и Long. Модель ориентирована на обобщение на новые задачи, работу с длинным контекстом наблюдений и перенос между конфигурациями роботов. README сообщает средний результат 99,0 на LIBERO, но не уточняет протокол и метрику оценки. Для запуска рекомендованы NVIDIA GPU и окружение Ubuntu с Docker; для инференса достаточно одной GPU согласно карточке. Модель распространяется по лицензии Gemma.

Dog Facial Landmarks (DogFLW, 46 points) — двухэтапная модель анализа морд собак, разработанная hugocornellier. Первый этап локализует морду, второй предсказывает 46 ориентиров DogFLW на обрезанном изображении. Модели доступны в форматах TensorFlow и TFLite; локализатор построен на EfficientNetB2 с входом 224×224, детектор ориентиров — на MobileNetV3-Large с входом 384×384. TFLite-экспорт имеет точность float16 и статические размеры входа. Модель предназначена для определения координат частей морды собаки в мобильных приложениях и других сценариях компьютерного зрения. Она выдаёт ограничивающую рамку морды и нормализованные координаты ориентиров относительно обрезки; для получения координат исходного изображения требуется обратное преобразование рамки и обрезки. На валидационном наборе DogFLW из 480 изображений NME_IOD детектора ориентиров составляет 8,56, а IoU локализатора — 0,79. Автор отмечает, что ориентиры ушей предсказываются заметно менее точно, чем глаз. Веса распространяются по лицензии CC-BY-NC-4.0, которая ограничивает коммерческое использование. Для выполнения графа landmark-модели на GPU могут потребоваться GPU delegate и корректно экспортированная версия графа; на CPU доступен XNNPACK. Модель обучена на собачьих изображениях и не предназначена для обобщения на другие виды.

Lanni-ni/dynamic_alibi_2_4_256_babylm_10m_seed44_epoch3 — компактная языковая модель для генерации текста, опубликованная на Hugging Face. Модель использует библиотеку Transformers, сохранена в формате Safetensors и содержит около 15 млн параметров. В названии и метаданных указана связь с архитектурой или вариантом dynamic ALiBi и серией BabyLM. Модель предназначена для авторегрессионной генерации текста и может использоваться для экспериментов, обучения и тестирования небольших языковых моделей. README не содержит сведений о разработчике, языках, лицензии, обучающих данных, контексте, результатах оценки, рекомендуемых сценариях и ограничениях, поэтому её пригодность для прикладных задач следует проверять самостоятельно.

Lanni-ni/dynamic_alibi_4_6_384_babylm_10m_seed44_epoch1 — небольшая модель генерации текста из экосистемы Hugging Face, доступная для работы через библиотеку Transformers. В метаданных указано 27,6 млн параметров; название модели содержит обозначения dynamic_alibi и BabyLM, однако README не раскрывает подробности архитектуры, разработчика, обучающих данных или процедуры обучения. Модель предназначена для генерации продолжений текста и исследовательских экспериментов с компактными языковыми моделями. Благодаря небольшому размеру она может быть удобна для локального запуска, прототипирования и обучения, однако конкретные языки, длина контекста, качество на тестах и условия лицензирования в предоставленных данных не подтверждены. README не содержит результатов оценки, примеров использования, описания ограничений или рекомендаций по применению. Поэтому модель следует рассматривать как экспериментальный checkpoint, а перед использованием в прикладных системах необходимо самостоятельно проверить качество, безопасность и совместимость с целевыми данными.

EXLMR (Extended XLM-R) — модель Hailay, дообученная на базе FacebookAI/xlm-roberta-base для бинарной классификации текстов на тигринья. Авторы расширили словарь XLM-R на 30 145 субслов на тигринья, а затем дообучили модель классификации последовательностей. Модель содержит 328,4 млн параметров, принимает текст на письме геэз и выдаёт метку negative или positive; контекст — до 514 токенов. Модель предназначена прежде всего для выявления оскорбительной и враждебной речи, включая высказывания, склонные к языку ненависти, в текстах, похожих на сообщения в социальных сетях. На отложенной выборке из 4 000 примеров авторы сообщают точность 80,4% и взвешенную F1-меру 0,8024. Метки унаследованы от исходного сценария обучения: negative в основном соответствует оскорблениям и враждебным комментариям, а positive — неоскорбительному содержанию. Модель не является универсальным анализатором тональности: у неё нет нейтрального класса, а критические, но не оскорбительные мнения могут получать метку positive. Она обучалась и оценивалась только на тигринья; перенос на амхарский и другие языки письма геэз не подтверждён. Данные были неформальными, а их источник и правила разметки не документированы. Лицензия в предоставленных метаданных и README не указана.

Модель Tanneru — BEiT-Large, дообученная на объединённом наборе FER-2013, RAF-DB и очищенном сбалансированном AffectNet для распознавания эмоций по выражению лица. Она принимает изображение и относит его к одному из семи классов: гнев, отвращение, страх, радость, нейтральное выражение, грусть или удивление. Архитектура BEiT содержит около 411 млн параметров; веса опубликованы в формате safetensors. Модель предназначена для классификации изображений лиц в сценариях анализа мимики и исследования выражений лица. В README приведены итоговые показатели точности около 76,2% и F1 около 0,725. Эти значения получены на валидации автора и не гарантируют аналогичных результатов на других данных: качество может зависеть от условий съёмки, состава выборки и представительности лиц. Модель предсказывает заданные категории мимики, а не достоверное внутреннее эмоциональное состояние человека. Лицензия — Apache-2.0.

Falcon-RW-7B — авторегрессионная языковая модель с архитектурой Falcon, разработанная TII. Это плотный декодер-only трансформер, обученный предсказывать следующий токен на 350 млрд токенов англоязычного набора RefinedWeb. В README указано 7 млрд параметров, а метаданные каталога содержат оценку 9,9 млрд; поэтому размер указан неодинаково. Модель предназначена прежде всего для исследований влияния фильтрации и дедупликации веб-данных на свойства больших языковых моделей. Она может генерировать английский текст и служить основой для изучения возможностей, ограничений, безопасности и смещений моделей, обученных на веб-корпусах. Архитектура использует ALiBi и FlashAttention; модель доступна в форматах PyTorch и safetensors. Falcon-RW-7B обучена только на английских данных и не предназначена для надёжной работы на других языках. Она может воспроизводить стереотипы и смещения из веб-данных; для прикладных сценариев README рекомендует оценку рисков, защитные меры и дообучение. Лицензия — Apache 2.0.

wy8edhuh/flux2-klein-9b-uncensored-text-encoder-Q5_K_M-GGUF — это квантованная версия текстового энкодера для семейства FLUX.2 Klein, разработанная на основе модели ponpoke/flux2-klein-9b-uncensored-text-encoder. Модель преобразована в формат GGUF с использованием llama.cpp и сервиса GGUF-my-repo; в карточке не указано, что разработчиком исходной архитектуры является автор этого репозитория. Модель предназначена для обработки текстовых запросов в сценариях text-to-image и может использоваться как компонент соответствующих конвейеров FLUX.2 Klein. Доступны варианты запуска через llama.cpp в командной строке или в режиме сервера. Указаны поддерживаемые языки English и Japanese. Размер модели составляет 9B параметров, используется квантование Q5_K_M и формат GGUF. В качестве примера для сервера приведено окно контекста 2048 токенов, однако точные характеристики контекстного окна в карточке не подтверждены. К сильным сторонам относятся совместимость с llama.cpp, компактное квантованное представление и возможность локального запуска на поддерживаемом оборудовании. Ограничения связаны с тем, что это именно текстовый энкодер, а не полноценная самостоятельная система генерации изображений; для практического использования могут потребоваться другие компоненты FLUX.2 Klein. Из модели удалена фильтрация безопасности, поэтому она может генерировать материалы общего NSFW-характера, что повышает риски неуместного или незаконного применения. Лицензия указана как flux-non-commercial-v2.1; условия доступа требуют ответственного и законного использования, запрета на создание незаконного контента и соблюдения применимого законодательства.

FLUX 3 Action Base — открытая модель Black Forest Labs на 7 млрд параметров для управления роботами и другими воплощениями. Она принимает кадры с камер, состояние робота и текстовую инструкцию, затем предсказывает следующий блок действий; вместе с действиями модель может предсказывать следующие видеокадры. Веса включают видеопоток, текстовый поток, общий блок обработки действий и головы ee50 и gaming. Для текстового энкодера используется неизменённая Qwen/Qwen3-VL-4B-Instruct. Это базовый компонент для адаптации под конкретное воплощение, а не готовая политика робота: для новых роботов требуются собственные головы действий. Репозиторий также содержит общие замороженные энкодеры, используемые политиками SO-101 и DROID; готовые политики доступны отдельно. Модель предназначена для обучения и исполнения роботизированных действий, а также для симуляторов и игровых сред. Для управления модель выдаёт целевые положения суставов, но сама не ограничивает скорость, усилие или рабочую область. Перед применением необходимо обеспечить внешние ограничения и возможность остановки, а также проверить поведение в симуляторе или при включённых ограничениях безопасности робота. Лицензия обозначена как other; README ссылается на условия лицензии и содержит ограничения на применение, включая требования надзора и возможности остановки при опасном управлении.

FW-ProX-1.7B — компактная языковая модель семейства Llama, разработанная командой GAIR-ProX. Модель содержит 1,7 млрд параметров и обучалась на датасете FineWeb-pro на 50 млрд токенов; для запуска доступны веса PyTorch в формате Safetensors. Заявленная длина контекста — 2048 токенов. Модель предназначена для генерации текста и может использоваться в экспериментах с языковыми моделями, а также для оценки нулевого примера на наборах тестов общего знания и рассуждений. Карточка приводит результаты по десяти бенчмаркам, включая ARC, MMLU и HellaSwag. Метаданные указывают поддержку английского языка. Модель распространяется по лицензии Apache 2.0. Это небольшая базовая модель, а приведённые оценки не подтверждают её пригодность для диалогов, следования инструкциям или узкоспециализированных задач. Контекст ограничен 2048 токенами; качество следует проверять на целевых сценариях.