II.10Разработка и эксплуатация AI/ML-систем

codelion/gpt-2-70m — компактная языковая модель, обученная разработчиком codelion на архитектуре GPT-2. Она содержит 70 млн параметров, 12 слоёв, 8 голов внимания и словарь из 50 257 токенов; длина контекста — 1024 токена. Модель предварительно обучена на 1 млрд токенов с пропорцией 50% FinePDFs, 30% DCLM Baseline и 20% FineWeb-Edu. Она предназначена для генерации продолжений текста и экспериментов с предварительным обучением и смешиванием обучающих данных. В карточке приведены результаты нескольких бенчмарков, но они показывают слабые результаты на академических задачах и не подтверждают пригодность для сложных рассуждений. Модель принимает и генерирует текст на английском языке. Распространяется в формате safetensors по лицензии Apache-2.0.

Diluner выпустил дообученный чекпойнт Qwen3-1.7B для генерации текста в диалогах и выполнения заданий в среде BabyAI. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 1,7 млрд параметров, принимает текст и сохраняет контекст до 40 960 токенов. Для обучения применялся ROSE с учителем gpt-5.4-mini; это финальный чекпойнт отдельного этапа из пяти эпох и 125 обновлений оптимизатора. В оценке на официальных тестовых заданиях BabyAI средний успех составил 89,17% по четырём попыткам на задание. Результат относится к одному чекпойнту и не подтверждает превосходство метода или воспроизводимость на других запусках. Нулевое число ошибок эпизодов не гарантирует корректный формат каждого ответа; чекпойнт также не является последовательным продолжением предыдущего этапа. В репозитории опубликованы веса и конфигурация, но не состояние оптимизатора, сырые журналы или траектории учителя. Лицензия для этой модели не заявлена; следует учитывать условия базовой модели Qwen/Qwen3-1.7B.

GPT-Neo-125M Multi-Exit — языковая модель, разработанная IBM Research на основе GPT-Neo-125M. Она сохраняет параметры исходной модели и добавляет шесть языковых голов на слоях 2, 4, 6, 8, 10 и 12; эти головы обучены на англоязычной части CC-100 при замороженных параметрах основной модели. Модель содержит 137,7 млн параметров, принимает текст и имеет контекст длиной 2048 токенов. Модель предназначена для генерации текста с использованием Autocontrastive Decoding, методов раннего выхода и алгоритмов, сопоставляющих предсказания следующего токена на разных слоях. Для работы с дополнительными головами требуется библиотека autocontrastive-gen. Карточка указывает английский язык и лицензию MIT; пригодность для других языков не заявлена.

Hand-Gesture-19 — модель классификации изображений жестов рук, разработанная prithivMLmods на основе SigLIP 2 и дообученная для отнесения изображения к одному из 19 классов. Она принимает изображение и возвращает метку жеста: среди классов есть «кулак», «ладонь», «ок», «стоп», «мир» и варианты положения пальцев, а также класс «нет жеста». Модель подходит для распознавания жестов в интерфейсах управления, играх и VR, робототехнике и системах мониторинга. Карточка также упоминает интерпретацию жестового языка, однако модель выдаёт только метки отдельных жестов и не описана как система перевода жестового языка. Архитектура — SiglipForImageClassification; в метаданных базовой моделью указана google/siglip2-so400m-patch14-384, тогда как README называет google/siglip2-base-patch16-224. Модель распространяется под лицензией Apache-2.0. Она классифицирует только заданные категории жестов, поэтому не подходит для распознавания произвольных жестов или полноценного понимания непрерывной жестикуляции.

Lanni-ni/hard_2gram_2_4_256_babylm_10m_seed44 — небольшая модель генерации текста, опубликованная на Hugging Face и предназначенная для работы через библиотеку Transformers. Модель содержит около 14,7 млн параметров и может применяться для продолжения текстовых последовательностей и экспериментов с компактными языковыми моделями.

ybelkada/hubert-tiny-random — небольшой экспериментальный чекпойнт архитектуры HuBERT, опубликованный пользователем ybelkada на Hugging Face. Модель предназначена для извлечения признаков из аудиосигналов через pipeline feature-extraction и библиотеку Transformers с поддержкой PyTorch. Модель содержит около 2 млн параметров и имеет случайно инициализированные веса, поэтому не предназначена для готового распознавания речи или другой прикладной классификации без дополнительного обучения. Она может использоваться для проверки совместимости HuBERT с программным кодом, тестирования загрузки моделей и разработки прототипов аудиопризнаков. Карточка модели не содержит сведений о поддерживаемых языках, длине контекста или лицензии. Основное ограничение — случайные веса и отсутствие обученной прикладной задачи; качество признаков для реальных данных не гарантируется.

Radamanthys11/Kimi-K2.5-DFlash-GGUF — это набор GGUF-версий черновой DFlash-модели, созданный для использования с ik_llama.cpp. Модель производна от safetensors-модели z-lab/Kimi-K2.5-DFlash и предназначена для совместной работы с целевой моделью семейства Kimi K2.5, в частности с Kimi-K2.5.gguf. Модель используется не самостоятельно, а как draft-модель в сценариях генерации с черновым предсказанием через llama-server и параметр dflash. В репозитории представлены варианты F16 размером 6,5 ГБ, Q8_0 размером 3,5 ГБ и Q4_K_M размером 1,9 ГБ. Квантизации Q4_K_M и Q8_0 обозначены как небольшие тестовые варианты; при необходимости можно создать собственную квантизацию. Ключевое ограничение — это не самостоятельная instruct-модель: для работы требуется совместимая целевая модель Kimi K2.5 и поддержка DFlash в ik_llama.cpp. Сведения о языках, длине контекста, мультимодальности и лицензии в README не указаны.

Модель lcw99/ko-dialoGPT-korean-chit-chat — дообученная версия Ko-DialoGPT на данных AIHUB «Korean SNS». Она предназначена для генерации ответов в непринуждённом корейском чате с выражениями и сокращениями, характерными для мессенджеров, например KakaoTalk. Архитектура основана на GPT-2; доступный контекст — 1024 токена. Репозиторий содержит веса в форматах PyTorch, TensorFlow и Flax, включая Safetensors. В карточке не указана лицензия, поэтому условия использования следует уточнить у автора или правообладателя модели и данных.

CompVis/ldm-celebahq-256 — модель Latent Diffusion Models от CompVis для безусловной генерации изображений разрешением 256×256. Она использует диффузионный процесс в латентном пространстве предварительно обученного автоэнкодера, что снижает вычислительные затраты по сравнению с диффузией непосредственно в пикселях. Модель распространяется в форматах Diffusers и PyTorch и запускается через Diffusers. Чекпойнт предназначен для генерации изображений лиц CelebA-HQ без текстового запроса. Лицензия — Apache-2.0. Карточка описывает семейство LDM и его более широкие возможности управления генерацией, но для этого конкретного чекпойнта указана безусловная генерация.

Ling → GLM-5.3-Flash surgery — экспериментальный текстовый чекпойнт на 7,80 млрд параметров, подготовленный imvladikon. Токенизатор и веса перенесены из inclusionAI/Ling-3.0-tiny в архитектуру GLM-5.3-Flash посредством манипуляции весами; сохранены отдельные таблицы эмбеддингов и выходных весов. Модель загружается стандартными средствами Transformers, а её контекст настроен на 2048 токенов. Модель предназначена для тестирования, продолжения обучения и экспериментов с постобучением, а также может генерировать ответы на текстовые запросы и вести диалог. В карточке приведены примеры генерации на английском, русском и многоходовых запросах, но они дают лишь ограниченное представление о качестве. Заявлена лицензия MIT. Качество генерации нестабильно: возможны циклы повторов, ошибки словоформ и склонения, неожиданное переключение или смешение языков, а также ошибки в арифметике. Хотя в архитектуре есть небольшой неиспользуемый зрительный каркас, веса для изображений не поставляются, поэтому обработка изображений и видео не поддерживается. Формат сохранённых тензоров рассчитан на загрузку через Transformers; после дообучения перед передачей в другие инструменты может потребоваться преобразование весов.

Это компактный детектор объектов RF-DETR Nano, дообученный автором репозитория dronefreak на наборе LISA Traffic Lights в рамках DetectionBench. Модель предназначена для обнаружения светофоров на дорожных изображениях и определения состояния или направления сигнала: go, goForward, goLeft, stop, stopLeft, warning и warningLeft. Модель использует архитектуру RF-DETR Nano и библиотеку rfdetr; веса опубликованы в формате PyTorch. На тестовой части LISA Traffic Lights указаны mAP@50 27,47%, mAP@50–95 12,16% и точность 74,96%. Лицензия — Apache-2.0. Редкие классы со стрелками распознаются хуже из-за малого числа обучающих примеров. Проверка проводилась на дорожных последовательностях Сан-Диего; качество на других регионах, дорожной инфраструктуре и камерах не подтверждено. Небольшие и удалённые светофоры также сложнее обнаруживать.

chargoddard/llama2-22b — экспериментальная плотная авторегрессионная языковая модель семейства Llama, созданная Chargoddard. В основу взята Llama 2 13B, к которой добавлены некоторые attention heads из оригинальной Llama 33B; затем модель дообучили примерно на 10 млн токенов из RedPajama, чтобы адаптировать добавленные головы. Метаданные указывают 21,6 млрд параметров и контекст около 4098 токенов. Модель предназначена прежде всего как основа для дальнейшего дообучения, а не для непосредственного применения. Она принимает текст и генерирует текст; карточка приводит результаты оценки на ARC и HellaSwag, но не описывает языковое покрытие или готовые пользовательские сценарии. Доступна в формате PyTorch. Условия лицензии в предоставленных данных не указаны.

Это контрольная версия Llama 3.1 8B, созданная Hyukkyu в рамках экспериментов RAQUEL по машинному забыванию данных. Модель дообучена методом RMU с LoRA на наборе MUSE-News: ответы на вопросы из forget-набора подавляются, а способность отвечать на вопросы из retain-набора сохраняется. Доступны объединённые веса BF16 и адаптер LoRA FP32; архитектура — плотная авторегрессионная LlamaForCausalLM с 7,5 млрд параметров, контекст — до 131 072 токенов. Модель предназначена для генерации ответов на вопросы и изучения методов удаления влияния обучающих данных. В описанной оценке точность на исходных forget-вопросах снизилась до 0,4%, на перефразированных — до 9,2%, при этом на retain-вопросах составила 98,8%. Это экспериментальный чекпойнт ранней остановки; результаты относятся к указанным наборам и протоколу оценки. Карточка не сообщает о специальном системном ограничении, помимо необходимости учитывать эти пределы обобщения. Лицензия — Llama 3.1; перед использованием следует соблюдать приложенные LICENSE, NOTICE и USE_POLICY.md.

llama-64-8L — небольшая языковая модель для генерации текста, представленная в формате safetensors и предназначенная для Transformers. В карточке указано, что это дообученная модель, однако базовая модель и обучающий набор данных не названы. Архитектура относится к семейству Llama и реализована классом LlamaForCausalLM; размер модели — около 456,3 тыс. параметров, контекст — до 2048 токенов. Модель можно использовать для экспериментов с генерацией текста и оценки языковых моделей. В карточке приведён результат оценки: loss 2,0499; сценарии применения, поддерживаемые языки и специальные возможности не описаны. Лицензия в предоставленных данных не указана.

BVRA/MegaDescriptor-DINOv2-518 — модель извлечения признаков изображений на основе DINOv2, предварительно обученная Supervisely на наборах данных для повторной идентификации животных. Она предназначена для получения векторных представлений изображений животных, которые можно использовать для поиска и сопоставления особей. Модель построена на архитектуре ViT-Large с патчами 14 × 14; содержит около 304,4 млн параметров и рассчитана на изображения размером 518 × 518 пикселей. Модель подходит для создания систем повторной идентификации животных по фотографиям и поиска похожих изображений по эмбеддингам. В карточке указана лицензия CC BY-NC 4.0, которая разрешает использование с соблюдением условий атрибуции и ограничивает коммерческое применение. Метаданные Hugging Face относят её к image-classification, хотя в README основное назначение описано как извлечение признаков для повторной идентификации.

lgessler/microbert-coptic-mxp — компактная модель семейства BERT для извлечения признаков из текстов на коптском языке. По README, MicroBERT предварительно обучена на корпусе Coptic SCRIPTORIUM с 970 642 токенами и использует обучение с маскированным языковым моделированием, а также supervision для тегирования XPOS и синтаксического анализа зависимостей Universal Dependencies. Модель содержит 1,3 млн параметров, принимает текст и имеет контекстное окно 512 токенов. Модель предназначена для получения контекстных представлений коптского текста, которые можно применять в NLP-системах и downstream-задачах, связанных с морфологической и синтаксической разметкой. В карточке Hugging Face указаны архитектура BERT и задача feature-extraction; веса доступны в форматах PyTorch и Safetensors. Лицензия в предоставленных данных не указана.

MicroMe-125M-Base — базовая предобученная языковая модель Ankitgdes с 146,8 млн параметров, созданная с нуля. Она обучалась примерно на 3 млрд токенов FineWeb-Edu около 40 часов на одной видеокарте RTX 4060 с 8 ГБ памяти; для оптимизации использовался Muon. Модель выдаёт продолжение текста по принципу предсказания следующего токена и не настроена для диалогов. Модель предназначена для экспериментов с генерацией текста и продолжением предобучения. В карточке приведены результаты оценки без примеров на ARC-Easy, HellaSwag, PIQA и LAMBADA. Для чат-ассистента с RAG автор указывает отдельную модель MicroMe-125M. Веса доступны в формате safetensors, bf16; лицензия — Apache-2.0.

MiniMind-v1-small — компактная плотная языковая модель проекта MiniMind, созданного Zhou Hao. Это декодерный Transformer с RMSNorm, SwiGLU и RoPE; в карточке проекта для этой версии указано около 26 млн параметров и словарь из 6400 токенов. Модель предназначена для генерации текста и диалогов, а также для обучения и экспериментов с полным циклом создания LLM на доступном оборудовании. Проект ориентирован на изучение устройства языковых моделей и практические эксперименты с предобучением, инструкционной настройкой и предпочтениями. В README описаны китайские и английские обучающие данные и диалоговые возможности; отдельные языковые коды в метаданных отсутствуют. Малый размер облегчает запуск и обучение, но качество ответов и охват знаний ограничены по сравнению с крупными моделями; собственный небольшой токенизатор уступает по эффективности кодирования специализированным китайским токенизаторам. Лицензия в предоставленных материалах не указана.

Модель mrothroc/mixlab-gpt2-strict-small-replica — воспроизведение с нуля официального базового GPT-2 Strict-Small для конкурса BabyLM 2026. Её разработал mrothroc с помощью тренера mixlab; обучение проведено на корпусе BabyLM 2026 Strict-Small объёмом около 10 млн слов. Модель предназначена для экспериментов с языковым моделированием на ограниченном корпусе и оценки базовых языковых навыков, а также может генерировать продолжение текста на английском языке. Это плотная причинная GPT-2-модель с примерно 98,4 млн параметров, 12 слоями, размерностью скрытого состояния 768, 12 головами внимания и контекстом 1024 токена. Веса доступны в формате Safetensors и представлены как GPT2LMHeadModel для Transformers. В README приведены результаты воспроизведения: большинство указанных компонент оценки близки к базовой модели примерно в пределах одного пункта. Модель обучена с одним случайным seed, поэтому небольшие расхождения в оценках ожидаемы; результаты зависят от версии оценочного набора, а численные различия между обучением на Apple и CUDA отдельно не охарактеризованы. Возраст усвоения (AoA) не включён в агрегированные заявления из-за отсутствующего формата сдачи и проблем оценщика. Лицензия — MIT.

dacorvo/mnist-mlp — простая полносвязная MLP-модель, обученная на наборе MNIST. Автор указывает её основное назначение как эталонную модель для проверки методов квантования. Модель принимает изображения MNIST после нормализации и преобразования в одномерный вектор и классифицирует рукописные цифры. Репозиторий содержит веса в форматах PyTorch и Safetensors; модель распространяется по лицензии Apache-2.0. Модель узкоспециализирована на распознавании цифр из MNIST. README не приводит показатели качества или сведения о применимости к изображениям вне этого набора.

jorgeduardo13/mobilevit-small-finetuned — модель классификации изображений, созданная дообучением MobileViT-Small от Apple на CIFAR-10. Она предназначена для отнесения изображений к классам этого набора данных. В оценке на тестовой выборке указана точность 0,787 и значение loss 0,6787. Модель использует архитектуру MobileViTForImageClassification и опубликована в формате PyTorch. Лицензия в метаданных обозначена как other; конкретные условия использования в карточке не раскрыты.

Koichi Yasuoka разработал ModernBERT-large, предварительно обученную на японских текстах 青空文庫 (Aozora Bunko). Модель содержит 409,7 млн параметров, использует архитектуру ModernBERT и работает с контекстом до 8192 токенов. Доступны веса PyTorch; лицензия — Apache-2.0. Модель предназначена для заполнения пропусков в тексте и как основа для дообучения на японские задачи, включая разметку частей речи и синтаксический анализ зависимостей. Она принимает текст и предсказывает замаскированные фрагменты. Обучение проводилось на восьми NVIDIA A100-SXM4-40GB примерно за 10 часов. Модель ориентирована на японский язык и корпус Aozora Bunko; README не сообщает об оценках качества или проверке на других доменах. Для специализированных задач потребуется дообучение.

MoGe-3 (VITG) — порт модели для MLX, подготовленный mlx-community и преобразованный из официального чекпойнта model.pt в формат MLX с весами fp32. Модель оценивает монокулярную геометрию сцены по одному изображению, используя архитектуру MoGe-3 семейства VITG и уточнение разреженного объёмного представления с самонаведением. Модель выдаёт метрические карты точек и глубины, карты нормалей, маску валидных пикселей и параметры внутренних характеристик камеры. Её можно применять для восстановления структуры сцены и геометрии камеры по фотографии. Репозиторий распространяется по лицензии MIT.

Экспериментальный базовый чекпойнт nanochat-d24-base-r24-s615173, построенный на nanochat от Андрея Карпати. Это плотная GPT-модель на 910,7 млн параметров, глубиной 24 слоя, обученная на одном RTX 4070 12 ГБ на датасете FineWeb-Edu. Чекпойнт соответствует шагу 615 173 и завершает продолжение обучения с соотношением aspect ratio 24. Модель предназначена для генерации текста и воспроизведения эксперимента о том, что метрика validation bits-per-byte не всегда выбирает лучший чекпойнт. Здесь validation bpb составляет 0,9081, но CORE равен 0,1494, поэтому модель не была выбрана для продвижения: другой чекпойнт получил лучший CORE. Публикация позволяет сравнить результаты; README указывает, что GPT-2 на 1,6 млрд параметров существенно превосходит её по CORE. Репозиторий содержит только веса и конфигурацию, без токенизатора: для загрузки нужны токенизатор и загрузчик из базового репозитория. Указана лицензия MIT.

google/ncsnpp-celebahq-256 — модель генерации изображений без текстового условия, представленная в формате Diffusers и PyTorch. Она основана на методе score-based генерации через стохастические дифференциальные уравнения (SDE): модель учится оценивать градиент распределения зашумлённых данных, а при генерации постепенно восстанавливает изображение из шума с помощью обратного SDE. Модель предназначена для безусловной генерации изображений лиц из CelebA-HQ с разрешением 256 × 256. Для вывода используется ScoreSdeVePipeline из библиотеки Diffusers. Текстовые подсказки и условие класса в описанном сценарии не используются. Репозиторий распространяется по лицензии Apache-2.0.

Newt — набор открытых контрольных точек моделей для непрерывного управления с подкреплением, разработанный Никласом Хансеном и коллегами из Калифорнийского университета в Сан-Диего. В релиз входят модели Newt и TD-MPC2, в том числе агент Newt, одновременно обученный на 200 задачах. Используются архитектуры TD-MPC2 и Newt; контрольные точки представлены в формате PyTorch. Модели предназначены для воспроизведения результатов, генерации траекторий, обучения, дообучения и оценки одноцелевых и многозадачных агентов на задачах непрерывного управления. Обучение охватывает среды DMControl, Meta-World, ManiSkill3, MiniArcade, Atari и другие из набора задач MMBench. Для новых, не встречавшихся при обучении задач надёжное обобщение не ожидается без дообучения на данных целевой задачи. Лицензия — MIT.

Исследовательский чекпойнт проекта UnfaithRL на базе OLMo-2-0425-1B от Ai2, дообученный методом RL-Zero/RLVR для изучения того, как вводящие в заблуждение подсказки влияют на ответы и рассуждения цепочки мыслей. Модель имеет плотную архитектуру OLMo 2 с 1,3 млрд параметров, принимает текст и генерирует текст; нативный контекст составляет 4096 токенов. При обучении на задачах рассуждения MMLU использовались подсказки и вознаграждение за выбор предложенного ими ответа; длина завершения при обучении ограничивалась 1024 токенами. Чекпойнт предназначен для экспериментов с верностью рассуждений, следованием подсказкам, уязвимостью к reward hacking и способами смягчения этих эффектов. Он может следовать ложному контексту, давать неправильные ответы и создавать рассуждения, которые постфактум оправдывают ответ; сгенерированные объяснения не следует считать надёжным отражением процесса принятия решения. Это не универсальный ассистент и не подходит для важных решений без дополнительной оценки. Лицензия в предоставленных данных не указана.

OpenPath — набор контрольных точек модели для цифровой патологии, разработанный авторами проекта OpenPath. Это визуальный энкодер ViT-g/14 на базе DINOv2, обученный самоконтролируемым способом с gram anchoring на публичных тайлах гистопатологических препаратов. В репозитории размещены 61 контрольная точка; авторы выделяют training_316250 как выпущенную модель, выбранную по результатам оценки на наборе AMC-HCC-ST. Энкодер формирует CLS-эмбеддинг размерности 1536 для каждого изображения. Модель предназначена для извлечения признаков из тайлов гистологических изображений H&E, снятых примерно при увеличении 40×, с нормализацией ImageNet. Эмбеддинги подходят для линейного или ridge-зондирования, k-NN, MIL и поиска похожих изображений. В оценках авторов OpenPath заняла первое место среди семи моделей на AMC-HCC-ST; результаты на публичных наборах могут быть завышены из-за пересечения обучающих и тестовых данных. Лицензия — Apache-2.0. Это экстрактор признаков на уровне патчей, а не целых предметных стёкол: для слайдового контекста нужен отдельный агрегатор. Модель не является медицинским устройством и не предназначена для диагностики. Для загрузки и извлечения эмбеддингов README требует код OpenPath/DINOv2.

Orbit-0.2B-2837 — небольшая языковая модель на 200 млн параметров, разработанная OpenPathAI с нуля на основе архитектуры GPT-2. Она предназначена для генерации ответов и диалогов на индонезийском языке; обучение включало тысячи примеров разговоров и инструкций. Модель поддерживает контекст до 512 токенов и распространяется в формате Safetensors для Transformers. Компактный размер позволяет запускать её на устройствах с ограниченными ресурсами, в том числе на CPU. Разработчик предупреждает, что из-за небольшого числа параметров модель склонна к галлюцинациям и не рекомендует её для повседневного использования в качестве ассистента; карточка предлагает рассматривать её как основу для дальнейшего дообучения. Лицензия — MIT.

Ornith-1.5-397B-IQ2_XXS-DFlash-Drafter-GGUF — черновая модель DFlash для ускорения генерации с основной моделью Ornith-1.5-397B-A17B-IQ2_XXS. Она принимает скрытые состояния основной модели и предсказывает несколько следующих токенов для спекулятивного декодирования; самостоятельно модель не предназначена для генерации полезных ответов. Архитектура черновой модели содержит 1,29 млрд параметров и 6 слоёв; для работы ей нужны совместимые скрытые состояния и голова выхода основной модели. Модель предназначена для ускорения генерации, в частности кода, при совместной работе с целевой моделью через ik_llama.cpp. В опубликованном тесте на ограниченном наборе невиданных ранее кодовых запросов скорость декодирования выросла на 6,5% относительно прежней черновой модели; автор отдельно отмечает широкую неопределённость оценки и малый объём теста. Для инференса нужен ik_llama.cpp: mainline llama.cpp и форк poolside не поддерживают этот файл. Артефакт опубликован в формате GGUF с лицензией Apache-2.0. Черновик обучен для конкретной квантизованной целевой модели IQ2_XXS; совместимость и качество с другими квантованиями или точностью не проверены. Эффект за пределами кода и длительная работа в производственной нагрузке также не установлены. Модель не является самостоятельной языковой моделью.