II.10Разработка и эксплуатация AI/ML-систем

jkminder/d16_optimized_537m_seed7 — исследовательская языковая модель семейства nanochat GPT, опубликованная как один из чекпойнтов Scaling Ladder для изучения разброса результатов предобучения между случайными seed. Это плотная авторегрессионная модель с 16 слоями, размером скрытого состояния 1024 и 8 головами внимания; README указывает 537 млн параметров, тогда как метаданные каталога — 302 млн. В качестве размера использовано значение из README, поэтому расхождение в числе параметров требует проверки. Контекст — 2048 токенов, словарь — 32 768 токенов. Модель обучена предсказывать следующий токен на данных nvidia/ClimbMix; это базовый чекпойнт без инструкционного и защитного дообучения. Он предназначен прежде всего для экспериментов с предобучением, сравнений чекпойнтов и изучения влияния случайного seed, а не для готового диалогового ассистента. README описывает ревизии с разными бюджетами обучения и режимами annealing. Поддерживаемый язык в метаданных — английский. В репозитории указаны веса safetensors и использование Transformers. Лицензия CC BY-NC 4.0 разрешает применение с атрибуцией, но запрещает коммерческое использование. Модель не проходила safety training; её ответы могут быть неподходящими или небезопасными. Также возможны обычные для базовых языковых моделей ошибки и продолжения текста, не соответствующие пользовательским инструкциям.

DA3-LARGE — модель компьютерного зрения серии Depth Anything 3, разработанная командой ByteDance Seed для оценки глубины по изображениям с одной или нескольких точек обзора и оценки поз камеры. Она использует Vision Transformer с унифицированным представлением depth-ray; размер модели составляет 0,35 млрд параметров. Модель поддерживает относительную глубину, оценку позы и условие по позе. Модель предназначена для визуальной геометрии сцен, включая восстановление глубины и взаимного положения камер. Авторы сообщают о превосходстве над Depth Anything 2 в оценке глубины по одному изображению и над VGGT в многовидовой оценке глубины и позы. Обучение проводилось на общедоступных академических датасетах. Модель распространяется под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование. Точность может снижаться на специализированных изображениях и зависит от качества изображения, освещения и сложности сцены.

DWARF-v2 55M Base — базовая авторегрессионная языковая модель MariusNocturnum с 59,8 млн параметров, предназначенная для генерации текста и исследований разреженных моделей последовательностей. Это модель без инструкционной настройки и диалогового обучения; она продолжает входной текст, а не выступает готовым чат-ассистентом. Архитектура DWARF-v2 — плотная причинная языковая модель с 10 слоями, скрытым размером 512 и контекстом до 2 048 токенов. В гибридной схеме FA@L3 используются девять блоков разреженного DSQG offset attention и один блок глобального причинного внимания SDPA на слое 3. Модель обучена на производном от Dolma 3 Mix наборе данных и использует токенизатор OLMo1 Base ChatML на 50 282 токена; карточка указывает поддержку английского языка. Репозиторий содержит веса safetensors и реализацию инференса для Transformers. Модель рассчитана на эксперименты и анализ архитектуры; качество базовой модели ограничено, а генерация может быть неточной, небезопасной, предвзятой или выдуманной. Первая версия поддерживает только непаддированные последовательности: длина промпта вместе с генерацией не должна превышать 2 048 токенов. Лицензия — Apache-2.0.

Lanni-ni/dynamic_alibi_2_4_256_babylm_10m_seed44_epoch2 — компактная языковая модель для генерации текста, опубликованная пользователем Lanni-ni на Hugging Face. Модель предназначена для запуска через библиотеку Transformers и относится к семейству моделей с тегом dynamic_alibi; заявленный размер составляет 15 млн параметров. Основная задача модели — text-generation: продолжение текстовых последовательностей и генерация текста на основе заданного промпта. Небольшой размер может быть удобен для экспериментов, обучения и запуска в условиях ограниченных вычислительных ресурсов. В имени модели также присутствуют обозначения BabyLM и 10M, однако README не раскрывает подробности соответствующего датасета, архитектуры или процедуры обучения. README не содержит сведений о разработчиках, языках, лицензии, контекстном окне, результатах оценки, ограничениях применения и готовых примерах использования. Поэтому модель следует рассматривать как экспериментальную; качество, фактическая языковая поддержка и пригодность для прикладных сценариев требуют самостоятельной проверки.

Emotional DialoGPT Large — диалоговая языковая модель Mario-RC, дообученная на базе microsoft/DialoGPT-large на данных, производных от DailyDialog. Она генерирует текстовые ответы с учётом заданных эмоциональных меток для исходной реплики и желаемого ответа. Модель построена на архитектуре GPT2LMHeadModel и содержит 774 млн параметров; длина контекста — 1024 токена. Для генерации используется шаблон с репликой пользователя и метками эмоций. Модель подходит для создания эмоционально обусловленных ответов в текстовых диалогах и экспериментов с управлением тоном беседы. Карточка сообщает perplexity 8,6719 на оценивании. Модель ориентирована на английский язык и распространяется по лицензии MIT. Разработчик предупреждает, что ответы могут быть неточными, предвзятыми, повторяющимися или эмоционально неуместными; перед использованием в пользовательских сценариях их следует проверять.

Экспериментальная чат-модель Eugleo, созданная дообучением базовой модели nvidia/ClimbMix на один проход по данным SmolTalk, MMLU и decor_replay с рецептом chat-SFT проекта nanochat. Это плотная авторегрессионная модель архитектуры NanochatGPTForCausalLM объёмом 1,2 млрд параметров с контекстом 2048 токенов; она принимает текст и генерирует текст в формате чата. Базовая модель обучалась на корпусе ClimbMix, а этот чекпойнт относится к исследованию decorrelation и воспроизведения persona-корпусов при дообучении. Модель предназначена для экспериментальных диалогов и изучения влияния данных дообучения на поведение чат-моделей. В карточке приведены результаты валидации и параметры обучения, но нет подробных пользовательских оценок качества. Для загрузки архитектуры требуется trust_remote_code=True. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

FlexiCT-2D — двумерный энкодер срезов компьютерной томографии из семейства FlexiCT, опубликованный пользователем ricklisz123. Модель предназначена для извлечения признаков из отдельных CT-срезов: она выдаёт глобальное векторное представление среза cls_token и пространственные представления patch_tokens. На вход подаётся CT-изображение в HU; обработчик ограничивает значения диапазоном от −1000 до 1000, нормализует их, при необходимости выбирает срез из объёмного исследования, дополняет его до квадрата и масштабирует до 512 × 512 пикселей. Модель построена на архитектуре FlexiCTModel и использует Transformers; веса опубликованы в формате safetensors. Признаки можно использовать как основу для последующих задач анализа медицинских изображений. Модель не является диагностической системой, рассчитана на CT-подобные данные и не валидирована для принятия клинических решений. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных материалов.

Gemstone-2560x8 — языковая модель из набора Gemstone Suite, разработанного авторами проекта Gemstone. Это плотная авторегрессионная модель семейства Gemma с примерно 915,2 млн параметров, обученная с помощью litgpt и AxoNN на графических ускорителях AMD MI250X. Для запуска используется библиотека Transformers и файл modeling_gemma.py. Модель обучалась на подмножествах набора Dolma, без перекрытия между обучающей и проверочной выборками, в течение 350 млрд токенов; контрольные точки публиковались каждые 2 млрд токенов. Это базовая модель продолжения текста, а не модель для выполнения инструкций: она предназначена для генерации текста по заданному контексту и исследовательских экспериментов с вариантами ширины и глубины Gemstone. В метаданных указаны английский язык и контекст длиной 2048 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Поскольку она не дообучена для следования инструкциям, ответы на вопросы и выполнение команд могут быть ненадёжными; контекст ограничен 2048 токенами.

Gemstone-256x23 — языковая модель из набора Gemstone Suite, разработанного авторами проекта Gemstone. Это плотная авторегрессионная модель Gemma, обученная с помощью litgpt и AxoNN на ускорителях AMD MI250X. Модель содержит 35,5 млн параметров, использует контекст до 2048 токенов и распространяется в формате safetensors для библиотеки Transformers. Модель обучалась предсказывать следующий токен на данных Dolma, взятых из непересекающихся обучающей и проверочной выборок; в README указано обучение на 350 млрд токенов с публикацией промежуточных чекпойнтов каждые 2 млрд токенов. Это не instruction-модель: она предназначена для продолжения текста и базовых экспериментов с генерацией, а не для надёжного следования инструкциям или диалога. Основной язык в карточке — английский. Лицензия — Apache-2.0.

Gemstone-768x3 — языковая модель из серии Gemstone, разработанной для изучения моделей разной ширины и глубины. Это плотная авторегрессионная модель семейства Gemma с архитектурой GemmaForCausalLM; в метаданных указано 65,2 млн параметров и контекст 2048 токенов. Для запуска README указывает библиотеку Transformers и файл modeling_gemma.py. Модель обучена на непересекающихся подмножествах корпуса Dolma в течение 350 млрд токенов; контрольные точки сохранялись каждые 2 млрд токенов. Это не модель для выполнения инструкций: она предназначена для продолжения текста и экспериментов с предобученными языковыми моделями. Обучение проводилось с litgpt и AxoNN на AMD MI250X в Oak Ridge National Laboratory. В метаданных указан английский язык и формат safetensors. Лицензия — Apache-2.0. Карточка не описывает специализированное прикладное назначение или возможности диалогового ассистента.

Justvugg/GLM-5.3-Flash-colibri-int4-g64 — это неофициальная конверсия мультимодальной модели GLM-5.3-Flash от Z.ai, подготовленная JustVugg для движка colibrì. Модель поддерживает работу с текстом и изображениями, предназначена для запуска крупной 321-миллиардной модели на компьютерах с ограниченной оперативной памятью за счёт хранения маршрутизируемых экспертов на диске и потоковой загрузки только выбранных экспертов. Она ориентирована на локальный инференс через движок colibrì, а не на интерактивный чат с высокой скоростью ответа. Конверсия использует int4 group scaling с группами размера 64 для маршрутизируемых экспертов, тогда как остальные параметры сохраняются в BF16. На диске модель занимает около 194,7 ГБ в 62 сегментах, потребляет примерно 12 ГБ оперативной памяти при GLM53_BITS=4 и имеет контекст до 1 048 576 токенов. Архитектура включает 45 текстовых слоёв и один MTP, 288 маршрутизируемых экспертов с выбором top-8, один общий эксперт, 34 слоя KDA linear attention, 11 слоёв DSA, MLA и 24-блочную ViT-башню для обработки изображений. Заявлены языки English, Chinese и Italian. Главное преимущество модели — возможность запуска очень крупной мультимодальной архитектуры на системе примерно с 25 ГБ RAM. Ограничения существенные: требуется около 195 ГБ дискового пространства, а потоковая загрузка весов делает инференс крайне медленным — около 44 секунд на токен при холодном кеше и 20 секунд при прогретом. Независимые бенчмарки этой упаковки не опубликованы. Модель не загружается в transformers или vLLM и работает только с движком colibrì. Лицензия MIT; веса принадлежат Z.ai, а репозиторий JustVugg распространяет их переквантованную версию.

GO-1 — предварительно обученная фундаментальная модель для робототехники, разработанная командой AgiBot-World на данных AgiBot World Dataset. Это модель типа Vision-Language-Action на основе InternVL 2.5-2B; репозиторий содержит веса в формате safetensors и поддерживает загрузку через Transformers. Модель предназначена для роботизированных сценариев, где требуется совместно использовать визуальную и языковую информацию и формировать действия. Опубликованная версия является предварительно обученной; для симуляционных бенчмарков или пользовательских наборов данных авторы предлагают дообучение. Карточка также указывает возможности чата и задачи извлечения признаков. Лицензия CC BY-NC-SA 4.0 разрешает использование на условиях указания авторства, распространения производных материалов на тех же условиях и некоммерческого применения. В карточке не приведены конкретные характеристики выходных действий, поддерживаемые языки и ограничения по роботизированному оборудованию.

jtatman/gpt2-open-instruct-v1-Anthropic-hh-rlhf — дообученная модель GPT-2, созданная на основе vicgalle/gpt2-open-instruct-v1 на подмножестве из 15 тысяч примеров датасета Anthropic HH-RLHF. Она использует архитектуру GPT2LMHeadModel и предназначена для генерации ответов в диалогах по подсказкам Human: и Assistant:. Модель рассчитана на английский язык, работает с текстом и имеет контекстное окно 1024 токена. Автор сообщает, что модель подходит для изучения инструкционного обучения и диалоговых подсказок, а на оценочной выборке получила loss 2,1534. Короткие ответы, по описанию автора, обычно удачнее; длинная генерация может быть своеобразной. README также предупреждает о потенциально резких, нецензурных и временами жестоких ответах, поэтому результаты требуют проверки. Модель распространяется по лицензии MIT.

Это языковая модель GPT-3 Small объёмом около 125 млн параметров, созданная автором репозитория как попытка воспроизвести архитектуру из статьи OpenAI «Language Models are Few-Shot Learners». Модель обучена на подмножестве датасета FineWeb с помощью PyTorch и библиотеки Transformers; доступны веса в формате PyTorch. Контекст составляет 2048 токенов. Модель предназначена для генерации продолжений текста и экспериментов с дообучением. В README заявлена почти связная генерация текста и результат 27,98% на MMLU. Используется собственная реализация GPT-3 с Conv1D-слоями для проекций внимания; для инференса требуется код из репозитория, поскольку стандартная загрузка через AutoModelForCausalLM.from_pretrained() не работает. Лицензия — MIT.

Это диалоговая языковая модель Qwen3-4B, дообученная Diluner методом ROSE с учителем gpt-5.4-mini для задач BabyAI. Представлен финальный чекпойнт отдельного этапа обучения: пять эпох и 125 обновлений оптимизатора. Модель содержит 3,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и формат safetensors; базовая модель — Qwen/Qwen3-4B. Контекст составляет до 40 960 токенов. Модель предназначена для генерации текста и выполнения задач в среде BabyAI. В оценке со средним результатом по четырём попыткам она успешно выполнила 87,5% заданий BabyAI; оценка проводилась с отключённым режимом thinking и лимитом 512 генерируемых токенов на ход. Это результат одного чекпойнта, который не доказывает воспроизводимость на других запусках или преимущество метода в целом. Репозиторий общедоступен, но лицензия отдельно не заявлена; необходимо учитывать условия базовой модели и применимые лицензии.

GPT-X-125M — англоязычная авторегрессионная языковая модель Axiomic Labs, обученная с нуля на архитектуре T-X1. Она содержит около 124,5 млн параметров и предназначена для генерации текста и экспериментов с компактными языковыми моделями. Модель использует 27 слоёв трансформера, RoPE, RMSNorm, SwiGLU и групповое многозапросное внимание (GQA); веса опубликованы в формате safetensors. Контекстное окно — 1024 токена. Модель обучена на 15 млрд токенов образовательных веб-текстов FineWeb-Edu с токенизатором GPT-2 BPE. По данным карточки, она оценивалась на нескольких бенчмарках в режиме zero-shot. Небольшой размер ограничивает рассуждения и фактическую память; обучение только на образовательных данных сужает тематику, а модель не проходила инструкционное дообучение и не настроена для диалога. Лицензия — Apache-2.0.

HELVETE-X — дообученная HelpingAI модель диалоговой генерации текста, созданная на базе HelpingAI2.5-10B. Она предназначена для исследований поведения моделей без ограничений и симуляции мрачной личности, включая распознавание и отражение сложных негативных эмоциональных состояний. Модель также рассчитана на генерацию откровенного контента. Это плотная Llama-архитектура с 9,7 млрд параметров и контекстом до 131 072 токенов. Модель принимает текст и генерирует текст; в метаданных указана поддержка английского языка и интерфейс вызова инструментов. README описывает её как нефильтруемую и без механизмов безопасности, поэтому ответы могут быть вредными, оскорбительными или эмоционально тяжёлыми. Лицензия указана как other, без конкретных условий в предоставленных данных. Применение ограничено контролируемыми сценариями исследований и тестирования; модель не подходит для широкой аудитории.

hyb16-mix-s0 — небольшая исследовательская языковая модель Berlm для сравнения способов обработки длинного контекста. В метаданных указана архитектура GDN2ForCausalLM и 290,7 млн параметров; README описывает вариант на 365,8 млн параметров с 24 слоями, сочетающий GDN2, скользящее внимание с окном 2048 токенов и полное внимание. Модель обучена с нуля на 15 млрд токенов FineWeb-Edu, контекст при обучении составлял 16 384 токена; используется токенизатор Llama 2. Основной язык по карточке — английский. Модель предназначена для генерации текста и экспериментов со смешанными механизмами внимания на длинных последовательностях. В тестах её короткоконтекстные результаты сопоставимы с родственными вариантами, однако точность извлечения фактов из длинного контекста резко падает за пределами окна 2048 токенов. Это базовая, не настроенная на инструкции и безопасность модель; она может выдавать ошибки или оскорбительный текст. Для запуска нужны CUDA GPU, зависимости из README и загрузка кода модели с trust_remote_code=True. Лицензия — MIT.

MeghanaKap/indic-transliterate — экспериментальная модель для транслитерации латиницы и смешанного текста Roman/Hinglish в соответствующую письменность индийского языка с сохранением произношения. Она предназначена для проверки конвейера и дальнейшего дообучения, в том числе перед системой синтеза речи; модель транслитерирует «EMI» как «ईएमआई», а не переводит его как «кिस्त». Это не чекпойнт AI4Bharat IndicXlit. Модель построена с нуля как символьный Transformer encoder-decoder на базе torch.nn.Transformer, обученный через Hugging Face Transformers. В README указан размер около 7,7 млн параметров. Обучение проводилось три эпохи на ограниченной выборке Aksharantar — около 13 тысяч примеров по 21 языку. На отложенной выборке CER составил 91%, точное совпадение — 0%, а корректность выбора письменности — 99,9%; качество транслитерации пока непригодно для практического использования. Лицензия карточки — CC BY 4.0.

InternVLA-A1.5-base — базовая контрольная точка модели управления роботом InternRobotics, объединяющая зрительно-языковое понимание, прогнозирование будущей динамики и генерацию действий. Она построена на мультимодальной основе Qwen/Qwen3.5-2B и предназначена для дальнейшего дообучения и оценки роботизированных политик, в частности для манипуляций в симуляции и реальном мире. Модель принимает визуальный и языковой контекст, а также состояние робота и предсказывает непрерывные фрагменты управляющих действий: размер фрагмента — 50 шагов, размерность состояния и действия — до 32, разрешение изображений — 224 × 224. Для генерации действий используется экспертный модуль с flow matching; при обучении прогноз будущей динамики дополнительно поддерживается видеомоделью WAN2.2-5B, которая не нужна при инференсе. В README приведены результаты серии на нескольких бенчмарках, но для воспроизведения результатов дообучения указаны специализированные контрольные точки. Модель выпущена по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование и требует соблюдения условий атрибуции и распространения производных материалов на тех же условиях. Это базовая точка для настройки и оценки, поэтому качество в конкретной робототехнической задаче зависит от дообучения, среды и конфигурации робота.

JugnuLM-53M — небольшая языковая модель, созданная altslate с нуля для Tiny-ML Leaderboard. Модель содержит 53,5 млн параметров, построена на плотной архитектуре Qwen3 с причинным языковым моделированием и встроенной QK-нормализацией. Она обучалась на англоязычном наборе FineWeb-Edu примерно на 12 млрд токенов, использует контекст до 2048 токенов и распространяется в формате safetensors через Transformers. Модель предназначена для продолжения английского текста и компактных экспериментов с предварительным обучением и оценкой малых языковых моделей. В карточке приведены результаты на BLiMP, ARC-Easy и WikiText-2; автор сообщает, что модель сопоставима с некоторыми более крупными моделями по грамматическим тестам и perplexity. Это базовая модель без настройки на инструкции и выравнивания: она может повторяться, ошибаться в фактах и слаба в многошаговых рассуждениях. Лицензия — Apache-2.0; автор не рекомендует модель для производственного применения.

kinyaRoberta-large-pretrained-kinyarwanda — дообученная модель RoBERTa для киньяруанда, основанная на jean-paul/kinyaRoberta-large. Она предназначена для предсказания замаскированных слов в тексте и может применяться для языкового анализа и экспериментов с текстами на киньяруанда. Модель содержит 136,3 млн параметров, принимает текст и поддерживает контекст до 512 токенов. В README приведено значение loss 3,0243 на наборе оценки, но сведения о данных обучения и подробные ограничения отсутствуют. Репозиторий содержит веса PyTorch; лицензия в предоставленных данных не указана.

LiLM1-230M-base — базовая предварительно обученная языковая модель, разработанная Akshay Gautam. Это плотная причинная модель на 233,9 млн параметров с гибридной архитектурой: свёрточные слои сочетаются с attention-блоками, использующими RoPE; длина контекста составляет 4096 токенов. Модель обучена предсказывать следующий токен и не проходила настройку для следования инструкциям. Модель предназначена для исследований компактных языковых моделей и может служить основой для дальнейшего обучения. Она принимает текст и генерирует текст; английский — единственный язык, на котором проводилась оценка. По приведённым результатам базовая модель набрала 45,22% в агрегированной оценке по 11 задачам и уступила указанным публичным моделям сопоставимого размера. Требуется загрузка через Transformers с включённым `trust_remote_code=True` из-за пользовательской архитектуры. Модель распространяется по лицензии Apache-2.0. Ограничения включают слабые способности к математике, поиску информации и выполнению инструкций; оценка не охватывает все прикладные задачи. Не следует использовать её как чат-модель или для принятия медицинских, юридических, финансовых либо связанных с безопасностью решений, а также подавать контекст длиннее 4096 токенов.

Карточка модели lodrick-the-lafted/llama-3.1-8b-instruct-ortho-v3 на Hugging Face совпадает с карточкой lodrick-the-lafted/llama-3.1-8b-instruct-ortho-v7, поэтому описание составлено по ней. lodrick-the-lafted/llama-3.1-8b-instruct-ortho-v7 — экспериментальная версия Llama 3.1 8B Instruct, созданная автором карточки путём ортогонализации и ослабления механизмов отказа модели. В README описаны несколько вариантов метода, основанного на работе «Mechanistically Eliciting Latent Behaviors in Language Models»; в этой версии изменён слой down_proj одного слоя. Модель имеет плотную архитектуру LlamaForCausalLM с 7,5 млрд параметров, рассчитана на генерацию текста и диалоговое использование, поддерживает контекст до 131 072 токенов и распространяется в формате safetensors по лицензии WTFPL. Модель предназначена для экспериментов с поведением отказов и ответами на запросы, на которые исходная инструктивная модель могла отказаться отвечать. Автор отмечает, что варианты отличаются векторами и границами отказа, но ни один не является полностью «разблокированным». Изменение одного слоя, по оценке автора, обычно ограничивает побочные нарушения поведения. README не перечисляет языки и не даёт подробных оценок качества.

Это экспериментальный чекпойнт, созданный сообществом mergekit на основе NousResearch/Meta-Llama-3-8B. Метод passthrough сохраняет только первые четыре слоя исходной модели; в репозитории указаны веса в формате safetensors, а архитектура относится к семейству Llama и классу LlamaForCausalLM. Модель предназначена для генерации текста и имеет контекстное окно 8192 токена. Из-за сохранения лишь части слоёв чекпойнт не следует считать полноценной заменой исходной 8B-модели: его практическое качество и устойчивость могут быть существенно ограничены. Модель выпущена под идентификатором сообщества mergekit; сведения о лицензии в предоставленных данных отсутствуют.

Llama 3 8B Instruct AlienLM Ratio 60 — диалоговая модель на архитектуре Llama, созданная DSBA Lab на основе Meta-Llama-3-8B-Instruct. Это вариант AlienLM с частичной обфускацией текста с коэффициентом 60: подход AlienLM преобразует естественный текст в токеновое пространство с заменёнными токенами, адаптирует модель и восстанавливает текст на стороне клиента. Модель предназначена для экспериментальной оценки этого подхода при работе с чёрными ящиками LLM API. Модель дообучена на инструкционных и рассуждающих данных Magpie-Align и поддерживает генерацию текста и диалоговые ответы. Она содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Базовая модель ориентирована на английский язык; отдельные сведения о поддержке других языков не приведены. Репозиторий содержит веса в формате Safetensors, конфигурацию и токенизатор. Отличие токенизатора от базового подтверждено в README. Авторы предназначают модель для исследовательской оценки и прямо указывают, что она не даёт производственных гарантий приватности. Лицензия — Llama 3.

llm-jp-3-150m — базовая языковая модель из серии LLM-jp-3, разработанной Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Репозиторий содержит модель на архитектуре LlamaForCausalLM: 12 слоёв, 512 скрытых единиц и 101,3 млн параметров по метаданным. Она предварительно обучена на смеси данных объёмом 2,1 трлн токенов; контекст составляет 4096 токенов. Модель предназначена для генерации текста и исследовательских экспериментов с языковой моделью. Карточка описывает японские данные предобучения, а метаданные указывают поддержку японского и английского языков. Модель поставляется в формате Transformers с весами safetensors и распространяется по лицензии Apache-2.0. Разработчики предупреждают, что модель находится на раннем этапе исследований и разработок и не настроена для соответствия намерениям пользователя или требованиям безопасности. Поэтому её ответы могут быть неподходящими или небезопасными; перед практическим применением может потребоваться дополнительная настройка и оценка.

Это слитый чекпойнт политики навигации робота Aasdfip, созданный на базе Qwen3-VL-2B-Instruct: веса SFT-адаптера объединены с базовыми весами, поэтому для дообучения с RL поверх него можно загружать только RL-адаптер. Модель предназначена для ObjectNav — навигации к объектам по визуальным наблюдениям; в обучении также использовались данные PointNav и flow matching для предсказания действий. В состав репозитория входят мультимодальные веса Qwen3-VL и отдельная голова действий с кодировщиком позы. Политика оценивается без подачи позы, хотя обучалась с ней на части данных ObjectNav; в README сообщается о более высоком oracle success без этого входа на указанной выборке. Это чекпойнт для инференса, а не для возобновления обучения: состояния оптимизатора и генератора случайных чисел не включены. Лицензия — Apache-2.0.

huginn-m-parcae — экспериментальный чекпойнт петлевой языковой модели, связанный с работой *Towards Looped Models Done Right. Part II: Rethinking at Fixed Points*; в README он указан как вариант M с Parcae-Decay. Архитектура — Transformer с одним блоком prelude, двумя рекуррентными блоками и одним блоком coda; ширина 3072, 48 голов внимания, включая 12 KV-голов, и FFN SwiGLU шириной 8704. Модель содержит 819 499 008 параметров. Parcae-Decay подаёт нормализованный RMS-слоем выход prelude через диагональную инъекцию. Чекпойнт предназначен для генерации текста и оценки в рамках эксперимента из статьи. Веса представлены в BF16 Safetensors в нативном формате xLLM; для загрузки требуется код xLLM, стандартный загрузчик Hugging Face Transformers его не поддерживает. Репозиторий распространяется по лицензии Apache-2.0. README указывает на конкретный сценарий исследовательской оценки, поэтому модель следует считать экспериментальной, а не готовым универсальным решением.

MicroBananaMind-v1 — компактная авторская причинная языковая модель BananaMind, обученная с нуля. Она использует плотный декодер в стиле Llama с пользовательской архитектурой MicroBananaForCausalLM, содержит около 901 тыс. параметров и рассчитана на контекст до 1024 токенов. Для токенизации применяется байтовый BPE-токенизатор на 1536 токенов с разбиением, учитывающим цифры. Модель предназначена для генерации текста и небольших экспериментов с малыми языковыми моделями. При обучении использовались FineWeb-Edu, FineMath и Cosmopedia-v2; авторы рекомендуют температуру 0 или 0,1. Модель обучена с нуля, а не дообучена на готовой базовой модели. Для загрузки требуется пользовательский код архитектуры через trust_remote_code=True. Модель выпущена под лицензией Apache-2.0; её очень малый размер и ограниченный контекст сужают применимость по сравнению с крупными языковыми моделями.