II.10Разработка и эксплуатация AI/ML-систем

Экспериментальная версия Ling-3.0-flash от Inclusion AI, в которой методом REAP удалена четверть маршрутизируемых экспертов. В каждом слое оставлено 384 из 512 экспертов; модель имеет 97 млрд параметров всего и 5,1 млрд активных параметров. Это гибридная MoE-модель для генерации диалогового текста, основанная на inclusionAI/Ling-3.0-flash. Эксперты отбирались однократно по значению router gate, умноженному на L2-норму выхода, на калибровочных данных объёмом 1 млн токенов из UltraChat. Дополнительного дообучения или восстановления после удаления экспертов не проводилось. Модель рассчитана на чат-сценарии; шаблон чата поддерживает параметр reasoning_effort. Указанное для базовой модели окно контекста составляет 262144 токена. Для загрузки нужны Transformers, формат BF16 Safetensors и пользовательский код архитектуры BailingMoeV3 с trust_remote_code=True. Модель предназначена для экспериментов с разрежением MoE и оценки влияния pruning на качество диалоговой генерации. Карточка называет её исследовательским артефактом; квантованные сборки вынесены в отдельный репозиторий. Лицензия в предоставленных данных не указана.

Это дообученный детектор объектов YOLO26n от Ultralytics, подготовленный автором dronefreak на наборе LISA Traffic Lights в рамках DetectionBench. Модель находит светофоры и относит их к одному из семи классов: go, goForward, goLeft, stop, stopLeft, warning и warningLeft. Она принимает изображения и может применяться к кадрам видео для анализа дорожной обстановки и сравнительного бенчмаркинга детекторов. Модель построена на архитектуре YOLO26n и опубликована в формате PyTorch с библиотекой Ultralytics. На тестовой выборке LISA Traffic Lights указаны mAP@50 23,74% и mAP@50–95 10,57%. Лицензия репозитория — AGPL-3.0. Точность ниже для редких классов со стрелками, представленных в обучении меньшим числом примеров. Данные получены на дневных и ночных поездках в Сан-Диего; перенос на другие типы светофоров, дороги и камеры не проверен. Похожие соседние кадры могли попасть в одну выборку, а небольшие и удалённые светофоры распознаются сложнее.

shirasko/llama-3.1-8b-instruct-snmf-wmdp-cyber — дообученный методом SNMF чекпойнт Meta Llama 3.1 8B Instruct. Он предназначен для диалоговой генерации текста; при обучении применено забывание целевого концепта wmdp-cyber. По метаданным модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors, а её контекст составляет 131072 токена. В карточке приведены результаты проверки забывания: эффективность на тесте — 0,522, специфичность — 0,949, гармоническое среднее — 0,673; точность QA после обработки снизилась с 0,48 до 0,36. Модель рассчитана на английский язык. Лицензия в предоставленных данных не указана.

mucai/llava-next-vicuna-7b-m3 — мультимодальный чат-бот из семейства Matryoshka Multimodal Models (M3), разработанный на основе LLaMA/Vicuna и дообученный на визуальных диалогах. Это авторегрессионная трансформерная модель с архитектурой LlavaLlamaForCausalLM и 6,6 млрд параметров; она принимает изображения и текстовые запросы и формирует текстовые ответы. Контекст модели составляет 4096 токенов. Модель предназначена для исследований и экспериментов с визуальными диалоговыми системами и крупными мультимодальными моделями. M3 позволяет управлять количеством визуальных токенов для изображения и, согласно карточке, сохраняет сильные результаты при использовании одного или девяти токенов; также модель может служить метрикой сложности изображений и наборов данных. Для обучения использовались пары изображение—текст LAION/CC/SBU с подписями BLIP и данные инструкций LLaVA-1.5. Модель опубликована под лицензией Apache-2.0. Карточка ориентирует её прежде всего на исследователей и энтузиастов; описание не приводит количественных результатов оценки или подробностей о поддерживаемых языках.

Модель lenguist/longformer-coherence-synthetic-classifier — дообученная версия allenai/longformer-base-4096 на основе архитектуры Longformer, предназначенная для классификации текста. Число параметров — 151,8 млн, контекст — до 4098 токенов. По названию модель ориентирована на классификацию связности синтетических текстов, однако карточка не раскрывает целевые классы и подробности применения. На оценочной выборке указаны loss 0,0289 и accuracy 0,9945; состав выборки и методика оценки не описаны, поэтому эти показатели не позволяют судить о качестве на других данных. Модель принимает текст и выдаёт результат классификации. Лицензия — Apache-2.0.

Longformer-es-mental-large — языковая модель на архитектуре Longformer, разработанная группой ELiRF института VRAIN при Политехническом университете Валенсии для анализа испаноязычных текстов о психическом здоровье. Модель содержит около 454,1 млн параметров, обучена с задачей masked language modeling и обрабатывает последовательности длиной до 4098 токенов. Модель адаптирована к предметной области на корпусе примерно из 1,9 млн публикаций Reddit о психическом здоровье, автоматически переведённых на испанский. Она предназначена для извлечения признаков и последующей настройки под классификацию психических расстройств, раннее выявление риска и анализ длинной истории сообщений пользователя. Специализированной настройки под конкретную задачу в этой версии нет. Модель подходит для исследовательских и прикладных NLP-экспериментов с длинными испанскими текстами. Данные из социальных сетей могут содержать демографические, культурные и языковые смещения, а машинный перевод — искажения смысла; предсказания могут быть нестабильны при недостатке контекста. Модель не объясняет выводы и не предназначена для решений, влияющих на здоровье или безопасность, либо для вмешательств без надзора человека. Лицензия указана как совпадающая с лицензией базовой модели PlanTL-GOB-ES.

d0rj/looped-51M-base — англоязычная базовая языковая модель, разработанная с нуля для эксперимента по абляциям Tiny LLM. Это плотная авторегрессионная модель семейства looped_lm с архитектурой LoopedLMForCausalLM; в README указано 50,869,760 параметров, а в метаданных — 221,2 млн, поэтому размер в источниках расходится. Контекст — 2048 токенов. Модель обучалась на FineWeb-Edu sample-10BT и предназначена для генерации текста и исследовательской оценки базовых языковых моделей. Модель не проходила настройку на инструкции и не рассчитана на диалог как готовый ассистент. В README приведены авторские результаты zero-shot оценки на языковых бенчмарках и условного продолжения WikiText-2; они не являются подтверждённой оценкой на официальной таблице лидеров. Чекпойнт доступен в формате safetensors для Transformers, загрузка пользовательского кода требует trust_remote_code=True. Лицензия в предоставленных данных не указана.

Dense Huginn — исследовательский контрольный чекпойнт семейства LoopedLM от IFM, опубликованный как конечная точка рецепта dense_huginn после обучения на 500 млрд токенов. Архитектура модели — Huginn; веса BF16 представлены в формате Safetensors в нативной структуре xLLM, а не в формате Transformers. Модель предназначена для генерации текста и оценки рецепта обучения зацикленных языковых моделей. Для запуска требуются код xLLM, CUDA GPU и FlashAttention 3. Репозиторий содержит токенизатор и манифест для проверки файлов, но не содержит состояния оптимизатора и загрузчика данных, поэтому возобновить обучение с сохранением состояния нельзя. Лицензия — Apache-2.0.

LTZ E1 (mini) — компактная модель ModernBERT от instilux, предварительно обученная на люксембургском языке по рецепту Ettin. Это энкодерная модель со 68,1 млн параметров для заполнения пропусков в тексте с помощью маскированного языкового моделирования. Модель использует BPE-токенизатор с 50 368 токенами и поддерживает контекст до 1 024 токенов согласно README; метаданные каталога указывают нативный контекст в 7 999 токенов. Предназначена для работы с люксембургскими текстами; в README описаны специальные токены BERT, включая [MASK]. Лицензия — CC BY-SA 4.0.

Mercury-C2-ep1 — модель преобразования речи в речь с полнодуплексным режимом, дообученная для диалогов с учётом времени реплик. Чекпойнт опубликован под кодовым названием; связанная статья проходит анонимное рецензирование. Модель использует архитектуру RaonDuplexModel и распространяется в формате safetensors. Модель обучали два этапа на 4 440 синтетических полнодуплексных диалогах; временные метки слов получены принудительным выравниванием сгенерированного аудио. В README указаны частота кадров 12,5 кадра в секунду и частота аудио 24 кГц. Приведённая оценка согласованности текста и аудио основана на артефактах самой модели и не использует эталонную расшифровку, поэтому её нельзя считать независимой оценкой качества. Модель предназначена для временно-согласованного речевого диалога в режиме полного дуплекса. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Данные, код обучения и скрипты оценки не опубликованы.

Metric Video Depth Anything Large MLX — порт модели Video Depth Anything от ByteDance в формат MLX, подготовленный mlx-community. Модель оценивает метрическую глубину по кадрам монокулярного видео, формируя карту глубины для каждого кадра и обеспечивая согласованность оценок на длинных видео. Архитектура включает основу DINOv2, голову DPT и временные модули движения в стиле AnimateDiff. Модель принимает последовательность цветных кадров и выдаёт карты абсолютной глубины в метрах. Размеры кадров должны быть кратны 14. Веса представлены в fp32; README сообщает о близком совпадении с эталонной реализацией PyTorch на GPU и CPU. Модель предназначена для оценки глубины видео и сценариев компьютерного зрения, где важны временная согласованность и метрический масштаб. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

MicroMe-220M — плотная авторегрессионная GPT-модель Ankitgdes, обученная с нуля как базовая модель продолжения текста. В README указано 217 млн параметров, а метаданные репозитория приводят 283,1 млн; архитектура включает 28 слоёв, 12 голов внимания, размер скрытого состояния 768 и связанные входные и выходные эмбеддинги. Модель обучена на 2 млрд токенов FineWeb-Edu с оптимизатором Muon; веса доступны в формате safetensors, bf16. Модель предназначена для генерации и продолжения английского текста, а также для экспериментов с небольшими языковыми моделями и дальнейшего дообучения. Контекст составляет 1024 токена. Это базовая модель без чатовой настройки; README отмечает слабые результаты на LAMBADA и предупреждает, что модель сама по себе ненадёжна как источник фактов. Лицензия — Apache-2.0.

MiniCPM5-2B-orth-r23 — производная модель benzeng на базе OpenBMB MiniCPM5-2B: из весов ортогонализацией частично удалено направление отказа, локализованное на 23-м из 42 слоёв. Это плотная языковая модель архитектуры Llama с 2,2 млрд параметров и контекстом до 131 072 токенов; она предназначена для генерации текста и диалогов, а также для исследований интерпретируемости, механизмов отказа, безопасности ИИ и red-team-оценки. По результатам небольшого теста автора на 32 примерах доля отказов на вредоносные запросы снизилась с 0,50 до 0,12 для английского и с 1,00 до 0,72 для китайского; чрезмерные отказы на безвредные запросы составили 0,03. Проверка отказов основана на сопоставлении подстрок, стандартные тесты способностей не проводились. Защитные механизмы ослаблены, но не удалены полностью; автор отдельно отмечает сохраняющиеся отказы в некоторых высокорисковых категориях и ухудшение структурированного вывода при более глубоком удалении подпространства. Модель рассчитана на исследовательское использование и не предназначена для прямого предоставления конечным пользователям без собственных защитных мер. Лицензия — Apache-2.0.

toilaluan/minit2i-transformer — реализация трансформерного диффузионного блока MiniT2I с backbone MMJiT в формате модели Hugging Face Transformers. Модель предсказывает чистое изображение по зашумлённому входу, используя контекстные текстовые эмбеддинги flan-t5-large. В метаданных указаны архитектура MiniT2ITransformer, библиотека Transformers и формат весов safetensors. Модель предназначена для генерации изображений по текстовым описаниям в составе MiniT2I. Для работы нужны текстовый энкодер, например flan-t5-large, а также библиотека minit2i, предоставляющая расписание flow matching, classifier-free guidance и цикл сэмплирования. Репозиторий распространяется по лицензии MIT. README указывает загрузку через trust_remote_code.

arcee-ai/mistral-sliced — экспериментальный срез базовой модели mistralai/Mistral-7B-v0.1, созданный с помощью mergekit. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и 785,4 млн параметров; конфигурация README использует слои 0–3 и метод passthrough. Модель предназначена для тестирования и не рассчитана на связную генерацию текста. Модель принимает текст и выдаёт текст. Метаданные указывают контекст до 32 768 токенов, однако качество генерации ограничено усечённой структурой. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0.

MoE-Qwen-4x1.8B-pretrain-50000-ckpt — контрольная точка проекта MoE-модели, созданной на основе Qwen 1.8B. Разработчики объединили четыре исходные модели и обучали их специальными методами; этот чекпойнт относится к этапу продолжения предварительного обучения. В метаданных указаны архитектура MixtralForCausalLM, около 1,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для генерации текста и дальнейших экспериментов с продолжением предобучения. В карточке приведены результаты на BoolQ и CEval, однако они не дают полной оценки качества и не устанавливают пригодность для конкретных прикладных сценариев. Модель поддерживает китайский язык согласно метаданным. Файлы опубликованы в формате safetensors; лицензия — Apache-2.0.

SPP-MT Base — базовая предварительно обученная языковая модель, разработанная dlab-spp для исследований Synthetic Persona Pretraining (SPP), выравнивания и безопасности. Она обучена с нуля на архитектуре SmolLM2-1.7B: плотная Llama-совместимая модель с 1,7 млрд параметров и контекстом 2048 токенов. Основное предварительное обучение использовало около 100 млрд токенов из подмножества смеси Olmo 3 Dolma 3; отражения SPP добавлялись позднее, на этапе дообучения, к документам с аннотациями безопасности. Модель предназначена для продолжения текста, исследования поведения и дальнейшего тонкого дообучения. Это базовая, а не инструкционная модель: она не поставляется с шаблоном чата и не рассчитана на непосредственное выполнение пользовательских инструкций. Доступны промежуточные контрольные точки этапа дообучения, подходящие для оценки и анализа; состояние оптимизатора и генератора случайных чисел не опубликовано, поэтому точное возобновление исходного обучения невозможно. Карточка указывает лицензию «other», конкретные условия в README не раскрыты.

MyanBERTa — предварительно обученная языковая модель на основе RoBERTa для бирманского языка, опубликованная авторами Aye Mya Hlaing и Win Pa Pa. Модель обучалась 528 тысяч шагов на сегментированном по словам корпусе из 5 992 299 предложений и 136 млн слов. Для токенизации используется byte-level BPE с 30 522 подсловными единицами. Модель предназначена для задач языкового моделирования с заполнением пропусков и может служить основой для дальнейших NLP-приложений на бирманском языке. В репозитории указаны архитектура RoBERTa и размер 136,7 млн параметров; максимальный контекст составляет 514 токенов. Доступны веса PyTorch. Модель распространяется по лицензии Apache-2.0. Карточка описывает предобучение, но не приводит результатов оценки качества на прикладных задачах; практическая точность зависит от данных и сценария использования.

Карточка модели SLM-Archive/Novi-Micro-Base на Hugging Face совпадает с карточкой Novi-AI/Novi-Micro-Base, поэтому описание составлено по ней. Novi-Micro-Base — небольшая базовая языковая модель, разработанная Novi-AI и обученная с нуля. Это декодерный Transformer с архитектурой BananaMind 2-style: в нём используются RMSNorm, RoPE, grouped-query attention, нормализация QK, блоки SwiGLU и общие входные и выходные эмбеддинги. Модель содержит около 5,04 млн параметров, обучена примерно на 1 млрд токенов FineWeb-HQ и имеет контекст длиной 4096 токенов по метаданным Hugging Face; README указывает длину последовательности 2048 токенов при обучении. Модель предназначена для экспериментов с малыми языковыми моделями, обучения, исследований, дообучения и лёгкого локального запуска. Она не настроена на выполнение инструкций и не предназначена специально для диалога. Карточка не сообщает лицензию. Из-за малого размера модель может генерировать несвязный или повторяющийся текст, допускать фактические ошибки, слабо справляться со сложными инструкциями и рассуждениями и терять связность в длинных генерациях. Для загрузки через Transformers требуется trust_remote_code=True.

Ochevid Jev-VL 2B — экспериментальная архитектура выполнения модели Mike Dantsiger для визуальных вопросов с ответами из заданного набора вариантов. Пакет содержит исходные веса Qwen3-VL-2B-Instruct, процессор и конфигурацию, а также пользовательский код выполнения; новые веса не обучались. Базовая модель использует архитектуру vision-language, а веса хранятся в формате safetensors. Лицензия — Apache-2.0. Модель рассчитана на сценарии, где нужно задать изображению один или несколько вопросов и выбрать ответ из типизированных вариантов, например «Да», «Нет» или «Нельзя определить». Кодирует изображение один раз и обрабатывает хвосты вопросов в независимых строках пакета; публичный загрузчик поддерживает до восьми вопросов или до восьми изображений для одного вопроса. Модель возвращает варианты и их вероятности, но не генерирует свободный текст. Для запуска требуется специальный загрузчик, поэтому пакет не совместим напрямую с Transformers AutoModel и Inference Provider. README приводит ограниченные проверки на отдельных изображениях и наборе COCO: результаты в этих пилотах в основном совпадали с исходным движком, но авторы не заявляют универсальную точность. Вероятности не калиброваны, а вывод может меняться из-за численных различий BF16; качество на других сценах и вопросах требует проверки. Перед развёртыванием также рекомендована проверка порогов и совместимости используемой среды выполнения.

Miical/pi05-base — конверсия базового чекпойнта робототехнической модели PI0.5 от Physical Intelligence в формат PyTorch Diffusers. Веса перенесены из официального JAX-чекпойнта OpenPI без дополнительного дообучения; в репозитории также размещены файлы токенизатора. Модель предназначена для использования как политика vision-language-action в робототехнических сценариях. Чекпойнт распространяется в формате safetensors и загружается через GigaModels или verl-vla. Для обучения или оценки с verl-vla требуются отдельные статистики нормализации, зависящие от робота и набора данных; в базовом чекпойнте их нет. Лицензия указана как other, поэтому условия использования следует уточнять по карточке и исходному проекту.

Portimbria-150M — базовая причинная языковая модель семейства Portimbria, разработанная StentorLabs и обученная с нуля. Это плотный трансформер-декодер LlamaForCausalLM с Grouped Query Attention, словарём Mistral BPE на 32 768 токенов и контекстом до 4096 токенов; размер модели — около 151 млн параметров. Модель обучалась на веб-текстах, коде и математических данных, включая FineWeb-HQ, FineMath и StarCoderData. Модель предназначена для продолжения текста и экспериментов с компактными языковыми моделями, включая прототипирование и speculative decoding. Она не настроена на инструкции и не является чат-ассистентом: ответы на команды ненадёжны. Разработчик также указывает на ограниченную фактическую надёжность и отсутствие настройки безопасности. Модель ориентирована преимущественно на английский язык; другие языки могут обрабатываться хуже из-за смещения токенизатора. Веса опубликованы в формате Safetensors для Transformers. Лицензия — Apache-2.0.

EleutherAI/pythia-160m-seed1 — базовая авторегрессионная языковая модель из набора PolyPythias, созданного EleutherAI как расширение проекта Pythia для изучения стабильности и воспроизводимости обучения. Модель построена на архитектуре GPT-NeoX, содержит около 151,9 млн параметров и принимает текст, предсказывая продолжение последовательности. Контекст — 2048 токенов. Эта версия относится к серии запусков Pythia с разными случайными seed и предназначена прежде всего для исследовательских сравнений поведения моделей и воспроизведения экспериментов. Модель обучалась на 300 млрд токенов из The Pile с заранее перемешанным порядком данных; доступны промежуточные контрольные точки обучения. Она не дообучена следовать инструкциям и рассчитана преимущественно на английский язык. Лицензия — Apache 2.0.

EleutherAI/pythia-410m-seed8 — базовая авторегрессионная языковая модель из набора PolyPythias, разработанного EleutherAI для систематического изучения стабильности обучения и воспроизводимости. Это вариант Pythia-410M с отдельным случайным seed; модели набора обучались на 300 млрд токенов корпуса The Pile с разным порядком данных и инициализацией. Модель использует плотную архитектуру GPT-NeoX (класс GPTNeoXForCausalLM), содержит около 454,2 млн параметров и принимает текст для предсказания следующих токенов. Контекст — 2048 токенов. Она предназначена прежде всего для исследовательских экспериментов, сравнения запусков обучения и изучения поведения небольших языковых моделей, а не для диалогового следования инструкциям. Модель обучена преимущественно на английских данных. Она не настроена на инструкции и может выдавать предвзятый, оскорбительный или фактически неверный текст; фильтрации безопасности нет. Лицензия — Apache-2.0.

Q-50M-Base — компактная авторегрессионная языковая модель с 50,9 млн параметров, разработанная Q-Project и обученная с нуля на примерно 5 млрд токенов преимущественно англоязычного корпуса FineWeb-Edu. Это базовая модель для продолжения текста и последующего дообучения, а не чат-модель: она не рассчитана на надёжное выполнение инструкций. Модель использует декодерную архитектуру Transformer из 10 слоёв с размерностью 512, MLP SwiGLU и словарём из 32 768 токенов. В ней применены grouped-query attention с 8 головами запросов и 2 головами ключей и значений, нормализация QK-Norm и скалярные обучаемые ворота в остаточных ветвях. Контекст — 2 048 токенов; веса не унаследованы от другой модели. Реализация совместима с интерфейсами Mistral в Transformers, но использует собственные компоненты Q-Project и требует trust_remote_code=True. Модель подходит для экспериментов с компактными языковыми моделями, генерации продолжений, локального запуска и как основа для дообучения. Небольшой размер ограничивает фактические знания, рассуждения и связность длинного текста; качество вне английского не установлено. Модель может выдавать ошибки, повторы, предвзятый или небезопасный текст, а следование инструкциям не обеспечено. Лицензия — Apache-2.0.

Экспериментальный чекпойнт Qwen3-1.7B, дообученный методом обучения с подкреплением в рамках экспериментов KL-in-LLM-RL / FRPO с использованием verl. В репозитории размещён чекпойнт global_step_200 с весами fp32 в формате safetensors; модель имеет плотную архитектуру Qwen3ForCausalLM и рассчитана на генерацию текста и диалоговое взаимодействие. Размер составляет 1,7 млрд параметров, контекст — до 32 768 токенов. Базовая модель поддерживает несколько языков, однако карточка этого чекпойнта не уточняет языки обучения или целевые сценарии. Модель подходит для экспериментальной оценки влияния настроек RL-обучения на генерацию текста и ответы в диалоге. Конкретные улучшения качества и ограничения чекпойнта в карточке не приведены. Лицензия в предоставленных данных не указана.

HYU-NLP-EVAL разработала этот промежуточный чекпойнт на базе Qwen/Qwen3-4B-Instruct-2507 в рамках обучения GRPO с динамическими рубриками OnlineRubrics-Every. Это плотная языковая модель с 3,7 млрд параметров и контекстом до 262 144 токенов; артефакт экспортирован в BF16 и доступен в формате Safetensors. Режим рассуждений отключён. Чекпойнт представляет состояние политики на втором шаге обучения, с seed 11, и предназначен для аудита Phase 1, а не для готового медицинского применения. Он принимает текст и генерирует текст; метаданные указывают диалоговую возможность. Лицензия — Apache-2.0. Модель не проверялась для клинического применения, и авторы не заявляют о наличии у неё медицинских возможностей или безопасности. Это экспериментальный исследовательский чекпойнт, качество которого для медицинских задач не подтверждено.

Qwen3.5-2B-SpeedX — экспериментальный текстовый чекпойнт от summerMC, полученный преобразованием Qwen/Qwen3.5-2B. В текстовой части исходной модели шесть слоёв полного внимания заменены слоями Gated DeltaNet, обученными дистилляцией; заявленная конфигурация включает 24 рекуррентных слоя и около 1,92 млрд параметров. Репозиторий содержит веса Safetensors и код для запуска через Transformers с trust_remote_code=True. Модель предназначена для экспериментов с быстрой авторегрессионной генерацией, рекуррентной памятью фиксированного размера и потоковой обработкой длинных контекстов. README приводит результаты бенчмарка на NVIDIA L4, однако такая скорость зависит от оптимизированного runtime. Указанные в описании 1 трлн токенов относятся к логическому потоковому контексту, а не к обученному или проверенному контексту; нативный обученный контекст указан как 262 144 токена. Модель текстовая: компоненты для изображений отсутствуют. Автор предупреждает, что короткая дистилляция не гарантирует сохранения качества рассуждений, фактических ответов, многоязычности и результатов бенчмарков базовой модели. Это экспериментальная версия для исследований рекуррентной генерации; для серьёзного развёртывания рекомендуется дополнительная дистилляция или продолжение предобучения. Лицензия — Apache-2.0.

michaelbenayoun/qwen3-tiny-4kv-heads-4layers-random — небольшая модель семейства Qwen3 для генерации текста, опубликованная пользователем michaelbenayoun на Hugging Face. Модель рассчитана на использование через библиотеку Transformers и имеет pipeline text-generation; в метаданных также отмечена как conversational. По идентификатору модели, она использует конфигурацию с 4 слоями и 4 attention heads и, вероятно, предназначена прежде всего для экспериментов с архитектурой и обучением компактных языковых моделей.

ResNet-50 — сверточная модель классификации изображений, дообученная Arize AI на наборе fashion_mnist_quality_drift. Она предназначена для отнесения изображений одежды из этого набора к классам; на оценочной выборке указаны accuracy 0,73 и F1 0,7289. Модель основана на microsoft/resnet-50 и опубликована в формате PyTorch. Лицензия — Apache-2.0. Карточка не описывает дополнительные сценарии использования или ограничения качества; приведённые метрики характеризуют только оценочную выборку этого набора данных.