II.10Разработка и эксплуатация AI/ML-систем

Экспериментальный контрольный чекпойнт на основе диалоговой Llama 2 7B Chat от Meta, сжатый методом Swift-SVD и восстановленный дообучением LoRA по схеме SVD-LLM. Модель содержит около 6,6 млрд параметров, использует архитектуру LlamaForCausalLM, принимает текст и генерирует текст; максимальный контекст — 4096 токенов. В метаданных указана библиотека Transformers и формат Safetensors. Чекпойнт создан для изучения того, как SVD-сжатие влияет на безопасность и полезность ответов, и для оценки восстановления поведения модели. В README приведены результаты на тестах AdvBench, StrongREJECT и WildGuard. Это отдельная точка экспериментальной сетки, а не универсальный чат-ассистент; некоторые варианты исследования намеренно теряют часть защитных свойств. Лицензия — Llama 2; перед практическим применением следует учитывать условия лицензии Meta и самостоятельно оценить поведение модели.

Это исследовательский чекпойнт на базе Meta Llama 3.1 8B Instruct, подготовленный в рамках исследования сжатия языковых моделей и сохранения их безопасного поведения. Модель с архитектурой LlamaForCausalLM была сжата методом SVD-LLM до 80% исходного числа параметров, затем прошла 7 из 10 раундов итеративного параметрически нейтрального обмена весов по правилу gap_iter. В метаданных указаны 7,5 млрд параметров и контекст до 131 072 токенов. Чекпойнт предназначен для измерения компромиссов между сжатием, полезностью и безопасностью, а также для сравнения правил восстановления поведения после сжатия. В README приведены результаты тестирования безопасности на AdvBench и StrongREJECT, а также метрика избыточных отказов WildGuard. Это экспериментальная исследовательская модель, а не универсальный чат-ассистент: отдельные варианты в серии намеренно ухудшают безопасность относительно исходной модели. Лицензия — Llama 3.1; перед применением следует учитывать её условия.

TaoNet-pico-T1 — компактная языковая модель TaoTern для генерации текста. Она построена на гибридной архитектуре с блоками моделей пространства состояний (SSM) и слоями BitLinear с троичной квантизацией весов {-1, 0, +1}; заявлена поддержка инференса с сохранением состояния и ускорения на FPGA. Модель использует токенизатор GPT-2 с размером словаря 50 257 и обучалась на англоязычных образовательных текстах FineWeb-Edu. Модель предназначена для генерации текста на устройствах с ограниченными ресурсами, автодополнения и экспериментов с компактным инференсом и аппаратным ускорением. В README указан контекст обучения 256 токенов; параметры модели в карточке не приведены. Упомянуты сокращение размера весов и потенциальное ускорение, однако количественные показатели производительности зависят от устройства. Ограничения включают короткий контекст, возможное ухудшение тонких языковых различий из-за троичной квантизации и слабую пригодность для задач, требующих сложного рассуждения или точного счёта. Обучение ориентировано на английский язык и образовательные либо технические тексты. Лицензия — MIT.

TinyLlama-1.1B-intermediate-step-715k-1.5T — промежуточный чекпойнт плотной авторегрессионной языковой модели TinyLlama, разработанной командой проекта TinyLlama. Модель имеет около 1,1 млрд параметров и архитектуру Llama с тем же токенизатором, что и Llama 2. Она обучалась на 1,49 трлн токенов; в метаданных указаны датасеты SlimPajama и StarCoderData. Модель предназначена для генерации текста и экспериментов с компактными языковыми моделями в условиях ограниченных ресурсов. Она принимает текст и выдаёт продолжение, а размер около 1,1 млрд параметров снижает требования к памяти по сравнению с более крупными LLM. Поддерживаемый контекст — 2048 токенов; карточка и теги указывают английский язык. Это промежуточный обучающий чекпойнт, и авторы прямо не рекомендуют использовать его для инференса. Репозиторий содержит веса PyTorch и safetensors. Лицензия — Apache-2.0.

Locutusque/TinyMistral-248M — предварительно обученная компактная языковая модель автора Locutusque на архитектуре Mistral, созданная на основе Mistral 7B и уменьшенная примерно до 248 млн параметров. По метаданным, модель имеет 215,2 млн параметров и контекст до 32 768 токенов; она предназначена прежде всего для последующего дообучения под прикладные задачи, а не для прямого использования. Обучение проводилось на 7 488 000 примерах, в том числе с использованием OpenWebText и MiniPile, на одной видеокарте Titan V. Модель поддерживает генерацию текста на английском языке. В README сообщается о средней perplexity 6,3 на InstructMix; приведённые там результаты Open LLM Leaderboard помечены как устаревшие. Автор описывает модель как эксперимент, демонстрирующий возможность предобучения компактной языковой модели на небольших наборах данных. Репозиторий распространяется по лицензии Apache-2.0.

TinyMoE-100M-2x8 — компактная языковая модель со Sparse Mixture of Experts, разработанная FlameF0X на архитектуре Mixtral/Mistral для причинного языкового моделирования. Она предназначена для генерации текста в исследованиях, на периферийных устройствах и в условиях ограниченных вычислительных ресурсов. По README модель содержит около 100 млн параметров, из которых около 22,5 млн активируются для каждого токена; используются 8 экспертов, и маршрутизатор выбирает 2 из них. Метаданные указывают 25,6 млн параметров, поэтому размер модели в источниках расходится. Контекст составляет 1024 токена, библиотека запуска — Transformers, формат весов — safetensors. В карточке указаны английский язык и обучение на WikiText и TinyStories. Лицензия — MIT. Модель рассчитана на компактную генерацию текста и эксперименты с разреженной маршрутизацией экспертов. Небольшое число активных параметров снижает вычисления на токен, однако это не гарантирует высокую скорость или качество на любом оборудовании. Карточка не приводит результатов оценки качества; короткий контекст ограничивает работу с длинными входами.

fxmarty/tiny-mpt-random-remote-code — небольшая модель семейства MPT для генерации текста, размещённая Felix Marty на Hugging Face. Она реализована на PyTorch и Transformers и использует пользовательский код модели, необходимый при загрузке. Модель предназначена для авторегрессионного продолжения текста и экспериментов с реализацией MPT в задачах text-generation. По исходному коду это GPT-подобная causal language model с архитектурными компонентами MPT. Поддерживаются запуск через Transformers и совместимые серверы инференса. Доступна по лицензии MIT. Из доступных данных не подтверждены размер модели, поддерживаемые естественные языки и длина контекста. Для загрузки требуется разрешить выполнение remote code, что создаёт дополнительное требование доверия к содержимому репозитория.

HuggingFaceM4/tiny-random-MistralForCausalLM — небольшая тестовая модель, опубликованная организацией HuggingFaceM4 на Hugging Face. Она реализует архитектуру MistralForCausalLM и предназначена для генерации текста и проверки совместимости библиотек и инструментов, поддерживающих causal language models, а не для практического использования как полноразмерная языковая модель. По конфигурации модель содержит 2 скрытых слоя, размер скрытого представления 16, промежуточный размер 64, 4 attention heads и 1 key-value head. Используется словарь на 32 000 токенов, float32, tokenizer на основе LlamaTokenizer, заявлена максимальная позиционная длина 131 072 токена и sliding window 4096. Модель работает с текстом; сведения о поддерживаемых естественных языках отсутствуют. Ключевая сильная сторона — крайне малый размер, удобный для быстрых тестов, разработки и валидации интеграций. Из-за тестового и случайного характера весов она не предназначена для качественной генерации, обучения прикладным задачам или надежного понимания языка. Информация о лицензии в доступных материалах не указана.

TinyWay-1.2.0 — компактная авторегрессионная языковая модель семейства TinyWay, разработанная NNEngine и обученная с нуля. Это декодерный Transformer в стиле GPT примерно на 109,6 млн параметров; для работы с Transformers требуется пользовательское определение модели. В качестве токенизатора используется GPT2TokenizerFast с размером словаря 50 257 токенов, а контекст ограничен 256 токенами. Модель предназначена для генерации текста в исследовательских и учебных экспериментах, изучения масштабирования моделей, проверки обучающих конвейеров и последующего дообучения. При обучении использовался потоковый смешанный корпус веб-текстов, рассказов и кода; в карточке указан датасет shivendrra/consolidated-datasets. Данные карточки указывают английский язык. Модель не настроена на выполнение инструкций, имеет ограниченную глубину рассуждений и может выдавать галлюцинации или несогласованный текст; веб-данные могут содержать шум. Она не рекомендована для производственного или критически важного применения. Лицензия — MIT.

JoaoBoer публикует эту модель как базовую версию для экспериментов по удалению знаний из весов. Это Llama 3.2 Instruct с 3,2 млрд параметров, дообученная методом SimNPO на части forget01 набора TOFU с использованием open-unlearning framework. Модель предназначена для генерации текста и диалоговых сценариев, а также служит черновой моделью и базовой линией для проекта Speculative-Decoding-Unlearning. Модель работает с текстом; заявленная длина контекста — 131 072 токена. В README приведены метрики оценки на TOFU, включая точное запоминание 0,7596, силу извлечения 0,1462 и вероятность ответа на вопросы о забываемых данных 0,0612. Эти результаты относятся к указанной оценке и сами по себе не характеризуют качество на других задачах. Лицензия — Llama 3.2.

Transductor TC XHigh — дообученная текстовая модель на базе LiquidAI/LFM2.5-2.6B, разработанная автором репозитория Davd-b01 для преобразования подробных рассуждений в структурированные длинные трассы. Это плотная причинная языковая модель семейства LFM2 с 2,6 млрд параметров, контекстом до 131 072 токенов и весами BF16 в формате safetensors; README описывает слияние базовой модели с SFT-адаптером и последующее вливание SimPO-дельты. Модель предназначена для генерации учебных данных: на вход подаются исходный вопрос, подробная трасса рассуждений и уже готовый правильный ответ, а модель переизлагает рассуждение в четырёхфазной форме и копирует итоговый ответ. Она рассчитана на сложные математические задачи, включая олимпиадные и формальные, а также длинный контекст. Это преобразователь трасс, а не обычный чат-бот и не средство проверки правильности решения. Карточка приводит английский как основной язык обучения; другие языки могут опираться на базовую модель. Для работы нужен специальный формат входа и системная инструкция соответствующего уровня глубины. Модель может уверенно воспроизвести ошибочное рассуждение, поэтому правильность ответа следует проверять отдельно; при пакетной генерации с левым дополнением нужно очищать токены заполнения перед сохранением обучающих данных. Лицензия указана как other, без уточнения условий в предоставленных данных.

Trinity-Large-TrueBase — базовый чекпойнт предварительного обучения от Arcee AI, выпущенный из тренировочного запуска Trinity Large после обработки 10 триллионов токенов. Это разреженная MoE-модель семейства AFMoE: в README указаны около 398 млрд общих параметров, около 13 млрд активных параметров на токен и 256 экспертов; метаданные Hugging Face указывают 8,7 млрд параметров. Чекпойнт доступен в формате safetensors и рассчитан на контекст до 8192 токенов. Модель предназначена для исследований поведения, возникающего при масштабном предобучении, анализа маршрутизации экспертов, интерпретируемости, пробинга и абляционных экспериментов, а также для последующего дообучения под специализированные задачи. Она прошла предобучение без инструкционных данных, настройки предпочтений и постобучения, поэтому не является готовым диалоговым помощником. Карточка и метаданные отмечают поддержку английского, испанского, французского, немецкого, итальянского, португальского, русского, арабского, хинди, корейского и китайского языков. Модель не настроена на безопасность, полезность или естественный разговорный стиль; без дообучения её ответы могут быть нестабильными. Для fine-tuning требуются значительные вычислительные ресурсы и техническая экспертиза, а расширенный контекст не поддерживается. Лицензия указана как other; конкретные условия в предоставленных данных не раскрыты.

TrOCR Javanese Aksara v6 — модель распознавания печатной яванской письменности Hanacaraka, разработанная thesimonharms и дообученная на базе microsoft/trocr-small-printed. Она принимает изображение одной короткой строки и генерирует её текстовую запись. Архитектура encoder-decoder Transformer включает визуальный энкодер DeiT-small с 12 слоями и входом 384×384, а также декодер TrOCR с 6 слоями; токенизатор дополнен 96 атомарными токенами яванских знаков. Модель рассчитана на чистые печатные строки длиной до 12 знаков, похожие на синтетические обучающие изображения. На выборке из 1500 строк того же синтетического домена заявлены точность полного совпадения 96% и частота ошибок символов 0,68%. Она подходит для распознавания заранее обрезанных строк и прототипирования OCR-конвейеров после детектора строк. Лицензия — MIT. Модель не распознаёт страницы и не включает детектор текста или разбор макета. Она не предназначена для рукописей, пальмовых рукописей, длинных строк, многостолбцовых документов, латиницы и архивных изображений; заявленные метрики относятся к синтетическому домену и не характеризуют качество на таких данных. Для инференса изображения нужно дополнить до квадратной формы перед обработкой TrOCRProcessor; неверное масштабирование или начальный токен декодера может резко ухудшить результат.

Модель 1aurent/vit_small_patch8_224.kaiko_ai_towards_large_pathology_fms — визуальный backbone семейства ViT, опубликованный в репозитории Kaiko AI Towards Large-Scale Training of Pathology Foundation Models. Она предназначена для извлечения признаковых векторов из изображений размером 224 × 224 пикселя; модель содержит около 22 млн параметров и использует патчи 8 × 8 пикселей. Основной сценарий — получение эмбеддингов изображений патологических препаратов для последующего анализа или использования в других моделях. В метаданных указан pipeline feature-extraction и библиотека timm. Карточка ссылается на исследовательскую работу по обучению фундаментальных моделей патологии. Лицензия обозначена как other, поэтому конкретные условия использования следует сверять с лицензией репозитория и указанного оригинального набора весов.

Модель LincolnD/wav2vec2-base-finetuned-iemocap-acted-to-natural-emotion — классификатор эмоций в речи на базе Wav2Vec2, дообученный на IEMOCAP. Она предназначена для распознавания четырёх классов: гнева, радости, нейтрального и грустного состояния. Модель разработана для экспериментов по адаптации во время вывода (Test-Time Adaptation, TTA) при переходе от постановочной речи к импровизированной, а также между доменами и дикторами. Веса представлены в формате Safetensors; архитектура — Wav2Vec2ForSequenceClassification, размер — 113,3 млн параметров. Модель принимает аудио с частотой дискретизации 16 кГц и выдаёт метку эмоции. Карточка описывает английский набор данных IEMOCAP, но не подтверждает поддержку других языков. Модель связана с исследованием об адаптации систем распознавания эмоций в речи. Лицензия — MIT. Результаты оценки и сравнение методов вынесены в статью; карточка не приводит конкретных метрик, поэтому качество в других наборах данных и сценариях по ней оценить нельзя.

Модель itaihay/wav2vec_asr_swbd_10_epochs — дообученная версия facebook/wav2vec2-large-robust-ft-swbd-300h для автоматического распознавания речи. Она принимает аудио и выдаёт текст; архитектура основана на Wav2Vec2ForCTC, число параметров — 402,7 млн. Репозиторий создан в 2022 году и содержит веса PyTorch. В README указана оценка WER 0,9627 на наборе для оценки, что свидетельствует о слабом качестве распознавания в этом тесте. Данные обучения и подробные ограничения в карточке не описаны. Модель распространяется по лицензии Apache-2.0.

Saulp/Webshop-7B-RL-vllm — экспорт модели Jianwen/Webshop-7B-RL в стандартном формате Transformers. В репозитории восстановлены веса RL-политики из шардов FSDP без численного смешивания весов; Jianwen/Webshop-7B-SFT использовалась только для восполнения конфигурации или файлов токенизатора, если их не было в RL-чекпойнте. Модель основана на плотной архитектуре Qwen2ForCausalLM и содержит 7,1 млрд параметров; для неё указан контекст до 32 768 токенов. Модель предназначена для генерации текста в сценарии WebShop и обучения с подкреплением; карточка также отмечает чат и интерфейс вызова инструментов. Репозиторий содержит веса Safetensors для использования с Transformers. Лицензия в предоставленных данных не указана.

XLM-MLM-ENRO-1024 — трансформерная языковая модель, разработанная Гийомом Ламплем и Алексисом Конно для предобучения на английском и румынском языках. Она обучена восстанавливать замаскированные слова и предназначена для задачи заполнения пропусков в тексте. При использовании модель принимает языковые embeddings, указывающие язык текста. Архитектура включает 1024 скрытых измерения, 8 голов внимания, GELU-активации, обучаемые позиционные embeddings и dropout 0,1. Контекст — до 512 токенов. Модель доступна в форматах PyTorch и TensorFlow. Для подготовки входных данных рекомендуется использовать те же правила предобработки и BPE-коды, что и при обучении. Модель подходит для экспериментов с маскированным языковым моделированием и для дальнейшей адаптации к связанным задачам. README отмечает общие риски языковых моделей, включая смещения и проблемы справедливости. Лицензия CC-BY-NC-4.0 ограничивает коммерческое использование.

إمحوتب (Emhotob) — это небольшая базовая языковая модель, разработанная oddadmix: 51,8 млн параметров, архитектура Llama и контекст длиной 2048 токенов. Модель предварительно обучена с нуля на примерно 20 млрд арабских токенов из корпуса FineWeb-Edu Arabic. Архитектура и рецепт обучения основаны на SupraLabs/Supra-50M-Base, но веса обучены заново с арабским корпусом и пользовательским токенизатором byte-level BPE. Модель предназначена для продолжения арабского текста, исследований компактных языковых моделей и использования в качестве основы для последующего дообучения. Благодаря небольшому размеру она рассчитана в том числе на запуск на CPU. Это базовая модель без настройки инструкций и чата, поэтому она не предназначена для диалога без дополнительного дообучения. Разработчик предупреждает об ограниченных знаниях и рассуждениях, возможных повторах и смещениях обучающего веб-корпуса; модель не рекомендуется для фактических, медицинских, юридических или финансовых задач. Лицензия — Apache-2.0.

SereneC/AHA-WAM-Pretrained — набор предварительно обученных чекпойнтов AHA-WAM и Fast-WAM для обучения роботизированных политик, опубликованный для использования с открытой кодовой базой AHA-WAM. Модели основаны на компонентах Wan2.2-TI2V-5B и используют ветвь действий ActionDiT; файлы представлены в формате PyTorch. В репозитории есть чекпойнты AHA-WAM после 27 500 шагов обучения и Fast-WAM после 45 000 шагов воспроизведения. Веса предварительно обучены на выбранной части RoboCOIN и предназначены прежде всего для инициализации дообучения и экспериментов по развёртыванию на реальных роботах. Модель рассчитана на наблюдения с фронтальной или головной камеры и двух камер на запястьях, а также на действия и проприоцептивные данные размерности 14. Для адаптации нужно согласовать с целевым роботом обработку данных, размеры действий и состояний, камеры, нормализацию и формат инструкций. Лицензия — MIT. Это не универсальная политика для работы без дообучения и не автономный чекпойнт для Transformers: для загрузки и запуска требуется кодовая база AHA-WAM. Результат зависит от оборудования, калибровки камер, соглашений о действиях и качества данных дообучения; перед применением на роботе необходима проверка безопасности. Fast-WAM — воспроизведённая авторами версия, а не официальный оригинальный релиз.

Lanni-ni/alibi_4_6_384_babylm_10m_seed43 — компактная модель генерации текста из экосистемы Transformers, опубликованная пользователем Lanni-ni на Hugging Face. В метаданных указаны архитектурная особенность ALiBi и размер около 28,7 млн параметров; название также связывает модель с проектом BabyLM и конфигурацией с контекстом 384 токена, однако эти детали не раскрыты в README и потому требуют осторожной интерпретации.

AnomalyThink-Qwen2.5-VL-7B-KCR — мультимодальная модель для объяснимого обнаружения промышленных дефектов, созданная автором репозитория на основе Qwen2.5-VL-7B-Instruct. Модель дообучена методом supervised fine-tuning на корпусе из 6 000 размеченных рассуждений KCR; визуальный энкодер заморожен. На изображении изделия она формирует структурированный разбор, определяет тип дефекта и выдаёт бинарный вердикт о наличии аномалии. Модель предназначена для исследований и анализа изображений промышленных изделий. В карточке приведены результаты сбалансированной точности 82,80% на DS-MVTec и 72,07% на VisA в рамках общей процедуры оценки; на обоих наборах она превзошла указанный в README чекпойнт IAD-R1. Поддерживает ввод изображения и текста и выдаёт текст. Использует архитектуру Qwen2.5-VL; базовая модель имеет 7,1 млрд параметров. Лицензия — Apache-2.0. Модель может уверенно ошибочно находить дефект на нормальном изделии. Результаты на DS-MVTec и VisA следует трактовать с учётом возможного присутствия общедоступных изображений в данных предварительного обучения визуально-языковых моделей.

ARO-BabyLM-1B-Cooldown — причинная языковая модель, разработанная Юсуке Маэдой и обученная с нуля на корпусе BabyLM 2026 Strict. Это ветка продолжения обучения проверенного чекпойнта ARO на 500 млн слов: до этой отметки сохранены веса, токенизатор, порядок данных и состояние AdamW, затем применен режим cooldown с затухающей скоростью обучения и постепенным увеличением контекста. Модель содержит около 103,4 млн параметров по метаданным, использует 11 блоков, локальное и глобальное причинное внимание, рекуррентную память GatedDeltaNet и контекст длиной до 1024 токенов. Обучение проводилось только на английском языке, на фиксированном корпусе из 100 млн слов, пройденном десять раз. Модель предназначена для генерации текста и исследований компактных языковых моделей, в частности сравнения рецептов обучения и оценки переноса на англоязычные языковые задачи. В официальных оценках BabyLM 2026 её показатели по шести завершенным метрикам были ниже, чем у ветки Original 1B, хотя результат Reading существенно улучшился; автор рекомендует Original 1B для общей оценки и использования. Модель опубликована под лицензией MIT. Репозиторий содержит пользовательский код Transformers, который следует проверить перед включением.

babylm/babyllama-10m-2024 — компактная авторегрессионная языковая модель семейства LLaMA, опубликованная организацией BabyLM Challenge. Она предназначена для генерации текста и исследований эффективного предварительного обучения небольших языковых моделей, в частности в рамках соревнования BabyLM. Модель имеет архитектуру LlamaForCausalLM с 16 слоями, размером скрытого состояния 512, 8 головами внимания и словарём из 16 000 токенов; содержит около 50,1 млн параметров и поддерживает контекст до 256 токенов. Модель работает с текстом и не является мультимодальной.

BananaMind-2-Pro-Preview — предварительный чекпойнт базовой языковой модели BananaMind 2 Pro, разработанной BananaMind и обученной с нуля. Это decoder-only Transformer с 138,9 млн параметров; чекпойнт сохранён после 96 000 шагов и примерно 51,9 млрд обучающих токенов в рамках продолжающегося обучения. Модель принимает текст и предназначена для продолжения текста и экспериментов с небольшими языковыми моделями; она не настроена для следования инструкциям и не имеет шаблона чата. Архитектура использует grouped-query attention, QK-нормализацию, RoPE, SwiGLU и RMSNorm. Контекст составляет 3 072 токена; модель использует собственный байтовый BPE-токенизатор на 32 768 токенов с разбиением чисел на отдельные токены. В обучающих данных представлены образовательные и общие веб-тексты, математика и учебный код Python; карточка указывает английский язык. Модель поставляется в формате safetensors для Transformers и требует загрузки с trust_remote_code=True. Чекпойнт предназначен для исследований базовых моделей, локальных экспериментов, анализа токенизатора и контрольных точек, оценки арифметических способностей и сравнений малых языковых моделей. Результаты тестов относятся именно к этой предварительной версии и могут зависеть от конфигурации оценки. Модель не прошла специальное выравнивание безопасности и может выдавать ошибочные, предвзятые или повторяющиеся ответы; её не следует использовать для решений с высокими ставками. Лицензия указана как other.

Это контрольная точка предобучения CanViT — Canvas Vision Transformer, модели активного компьютерного зрения, которая воспринимает сцену последовательностью фрагментов и сохраняет информацию о ней на общей для сцены «холсте». Репозиторий предоставляет веса для JAX и Flax NNX; класс модели — CanViTForPretraining. Карточка указывает исходный чекпойнт canvit/canvitb16-add-vpe-pretrain-g128px-s512px-in1k-dv3b16-2026-06-22. Модель предназначена для извлечения признаков изображений и исследований активного зрения. Для использования требуется библиотека canvit-nnx. Веса опубликованы в формате safetensors по лицензии MIT. В карточке не приведены размер модели, поддерживаемые языки и длина контекста.

Chris-GPT-2 124M — авторская GPT-2-подобная авторегрессионная языковая модель, созданная независимым разработчиком с нуля. Она предназначена для продолжения текста и экспериментов с полным циклом предобучения и инференса языковых моделей. Модель содержит около 124,5 млн параметров, 12 слоёв Transformer и использует контекст длиной 1024 токена. Она обучена на примерно 10 млрд токенов из образовательного корпуса FineWeb-Edu с токенизатором GPT-2 byte-level BPE; основным языком корпуса указан английский. Модель распространяется в формате Hugging Face Transformers с весами SafeTensors и лицензией MIT. README также упоминает отдельный экспорт GGUF для экспериментов с лёгкими рантаймами. Это небольшая базовая модель без инструкционного дообучения, диалогового выравнивания и настройки безопасности. Она может выдавать неверные, повторяющиеся или несвязные продолжения, поэтому не подходит как авторитетный источник фактов или готовый разговорный помощник.

FrancescoMrn/cnn-fkp-baseline — свёрточная нейросеть для регрессии 68 лицевых ключевых точек в порядке разметки iBUG 300-W. Модель принимает уже выделенный фронтальный снимок лица в градациях серого размером 224×224, масштабированный в диапазон [0, 1], и выдаёт 68 нормализованных пар координат (x, y); координаты можно преобразовать в пиксели относительно исходного кадрирования. Модель предназначена для локализации ориентиров лица, например контура челюсти и бровей. Она обучена на наборе Udacity, извлечённом из YouTube Faces Database, с разметкой 68 точек; при проверке с разделением по идентичностям указана NME 0,3172. Это базовая CNN-архитектура, реализованная на PyTorch, веса доступны в формате safetensors. Лицензия — MIT; автор указывает исследовательское и образовательное применение. Модель ожидает предварительно обнаруженное лицо и не предназначена для самостоятельного поиска лиц в кадре. Данные обучения демографически несбалансированы; качество для профильных лиц, сильных перекрытий и необычного освещения не проверялось.

Cosmos-H-Surgical — семейство видеомоделей для робототехники в хирургии, построенное на платформе NVIDIA Cosmos. В карточке описаны варианты Predict и Transfer: Predict дообучен на Cosmos-Predict2.5-2B и по первому кадру и текстовому описанию генерирует будущие кадры хирургической сцены; Transfer дообучен на Cosmos-Transfer2.5-2B и преобразует управляющее видео, например карту глубины, маску сегментации, контуры или размытое RGB-видео, в фотореалистичное хирургическое видео. Указанный размер модели — 2 млрд параметров; архитектура — диффузионный трансформер, работающий в латентном пространстве. Модель предназначена для генерации синтетических хирургических видеоданных, разработки систем физического ИИ и переноса симуляционных данных в реалистичный визуальный домен. Predict принимает изображение и текст, но не поддерживает генерацию видео только по тексту; для варианта 720p описаны вход 1280×704 и выходной ролик из 92 кадров при 16 кадрах/с. Transfer принимает текст и одно или несколько согласованных управляющих видео, лучше работает с длиной, кратной 93 кадрам. Для обоих вариантов указано ограничение текста менее 300 слов. Карточка позиционирует модель как инструмент для исследований и разработки, а не клинической диагностики. Модель обучалась на хирургических видеоданных, включая синтетические; конкретные составы наборов различаются между выпусками. Лицензия в метаданных обозначена как other, поэтому условия использования следует уточнить в репозитории. Хотя README называет варианты дообученными, метаданные каталога указывают на слияние базовых моделей Cosmos-Predict2.5-2B и Cosmos-Transfer2.5-2B; происхождение отражено как merge.

Cosmos-Reason1-7B-GGUF — GGUF-версия открытой мультимодальной модели Cosmos Reason от NVIDIA, подготовленная Unsloth. Это vision-language model с 7 млрд параметров, предназначенная для физического искусственного интеллекта, робототехники и автономных транспортных систем. Модель принимает текстовый запрос вместе с изображением или видео и генерирует ответ с учётом визуального содержания. Заявленный язык — английский. Модель специализируется на пространственно-временном понимании, базовой физике, здравом смысле и воплощённом рассуждении. Она может использоваться для планирования действий роботов и VLA-систем, интерпретации сложных команд, анализа незнакомых сцен, автоматизированной разметки и отбора данных, а также для анализа записанных или потоковых видеоматериалов и поиска причин событий. Архитектура включает vision encoder, projector и языковую модель, объединяющую визуальные токены с текстовым запросом; обучение продолжалось с помощью supervised fine-tuning и reinforcement learning на данных, связанных с физическим здравым смыслом и рассуждением в реальном мире. К сильным сторонам относятся способность рассуждать о динамике окружающей среды, учитывать пространство и время, объяснять ход решения и работать с длинным хвостом разнообразных физических сценариев. Ограничения включают заявленную ориентацию на английский язык, отсутствие в предоставленных данных сведений о размере контекста и конкретных требованиях к аппаратному обеспечению, а также необходимость самостоятельно проверять ответы модели в критически важных робототехнических и автономных системах. Модель распространяется по NVIDIA Open Model License; коммерческое использование и создание производных моделей разрешены при соблюдении условий лицензии, включая требования к сохранению сопоставимых защитных механизмов.