II.10Разработка и эксплуатация AI/ML-систем

JoaoBoer/tofu_Llama-3.2-3B-Instruct_forget05_WGA — экспериментальный вариант Llama 3.2 3B Instruct, подготовленный в рамках проекта open-unlearning. Модель дообучена на разделении forget05 датасета TOFU методом WGA для удаления запомненной информации; авторы позиционируют её как базовый вариант для исследования unlearning по весам и как черновую модель в проекте Speculative-Decoding-Unlearning. Это плотная авторегрессионная языковая модель с архитектурой LlamaForCausalLM на 3,2 млрд параметров, предназначенная для генерации текста и диалоговых сценариев. В метаданных указан контекст до 131 072 токенов и формат safetensors. В README приведены метрики запоминания и извлечения на TOFU, но они не описывают качество на широком круге пользовательских задач. Модель лицензирована по условиям Llama 3.2. Она подходит прежде всего для экспериментов с удалением данных из моделей и оценивания последствий такого удаления; результаты не следует считать подтверждением надёжного удаления информации или универсального качества ответов.

Модель dima806/traffic_sign_detection — дообученный Vision Transformer ViT-Base для классификации дорожных знаков по изображению. Она принимает изображение и возвращает предсказанный класс знака. В карточке заявлена точность около 94%; сведения о методике оценки и наборе данных не приведены. Модель содержит 113,2 млн параметров, распространяется в формате Safetensors и доступна по лицензии Apache-2.0.

TurboVLA-base (SO-100) — готовая к дообучению модель vision-language-action для управления манипулятором SO-100/SO-101; разработчик в карточке явно не назван. Модель примерно на 0,2 млрд параметров объединяет визуальный энкодер DINOv3 ViT-B, текстовый энкодер BERT и шесть двунаправленных слоёв cross-attention. ACT-подобный декодер за один проход предсказывает последовательность из 12 непрерывных шагов действия. На вход модель принимает два RGB-изображения с камер (вид спереди и с запястья), инструкцию на английском языке и 6-мерное состояние суставов робота. Она предназначена для дообучения на данных конкретной роботизированной задачи и последующего предсказания действий манипулятора. Веса основаны на официальном чекпойнте TurboVLA для LIBERO; некоторые параметры, зависящие от конфигурации робота, инициализированы заново. Для дообучения нужны статистики нормализации из набора данных. В README указана лицензия «other» без дополнительных условий, поэтому точные права использования по имеющимся данным определить нельзя. Чекпойнт рассчитан на SO-100/SO-101, принимает английский текст и сам по себе не содержит статистик нормализации для целевого набора данных.

Модель FODUU AI классифицирует изображения шин по двум категориям: исправная шина (Good_Tyre) и дефектная шина (Defective_Tyre). Это дообученная YOLOv8s на основе Ultralytics, предназначенная для автоматизации контроля качества при производстве шин и проверки изображений на производственной линии. Модель рассчитана на быстрое распознавание дефектов, включая износ протектора, выпуклости на боковине и проколы. В README указана точность 83,5% на тестовой выборке; модель может помогать сортировать шины и направлять изделия на дополнительную проверку. Конкретные условия съёмки и состав тестовой выборки подробно не описаны, поэтому результатам следует проверяться на данных целевого производства. Лицензия в предоставленных сведениях не указана.

uisikdag/umitllama_0.4b_galore_en_wp — компактная языковая модель семейства Llama, разработанная автором репозитория uisikdag. В README указано, что модель обучалась один эпоху на 6,4 млн записей английской Википедии с применением GaLore — метода обучения, уменьшающего расход памяти за счёт низкоранговой проекции градиентов. Метаданные указывают 336,1 млн параметров, архитектуру LlamaForCausalLM и контекст 256 токенов. Модель предназначена для генерации текста на английском языке; возможные сценарии включают продолжение коротких фрагментов и эксперименты с компактными языковыми моделями. Карточка не сообщает результаты оценки качества или конкретные гарантии применения. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

nikitastheo/v3-babylm-pol-ell-sequential_interleaved — причинная языковая модель семейства GPT-2, обученная автором с помощью скрипта train_clm.py и Hugging Face Accelerate. Она предназначена для генерации продолжения текста. В метаданных указан контекст 512 токенов и формат весов safetensors. Название указывает на связь с серией BabyLM и последовательным чередованием польского и греческого, однако README не описывает обучающие данные или результаты, поэтому языковую специализацию нельзя подтвердить. Модель можно применять для экспериментов с генерацией текста и изучения небольших языковых моделей. Лицензия в предоставленных данных не указана.

Модель nikitastheo/v5-babylm-25k-lower-zho-ell-sequential_interleaved — причинная языковая модель семейства GPT-2, обученная автором репозитория с помощью скрипта train_clm.py из Hugging Face Accelerate. Она предназначена для генерации продолжения текста. Модель использует архитектуру GPT2LMHeadModel, веса сохранены в формате safetensors, нативная длина контекста — 512 токенов. Название указывает на связь с серией BabyLM и данными на нижнем регистре для китайского и греческого языков, однако README не уточняет состав данных и качество на конкретных языках. Короткий контекст ограничивает работу с длинными текстами. Данных о лицензии в доступных источниках нет.

VC-1 (Visual Cortex) — визуальный энкодер на архитектуре Vision Transformer, разработанный исследовательской группой с участием FAIR. Модель предварительно обучена методом Masked Auto-Encoding на более чем 4 000 часах видео от первого лица из семи источников и на изображениях ImageNet; доступны варианты ViT-B и ViT-L. В карточке этой модели описана конфигурация ViT-B с патчами 16×16, 12 слоями и размером эмбеддинга 768. Модель принимает RGB-изображение размером 224×224 и выдаёт вектор признаков размерности 768. Эти визуальные представления предназначены для последующего использования в задачах Embodied AI, включая манипуляции объектами и навигацию в помещениях; среди оценённых сценариев — роботизированные манипуляции и ObjectNav/ImageNav. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не для коммерческих целей. Оценка охватывает ограниченный набор бенчмарков, а результаты на них служат приближением реальных роботизированных задач. Производительность на физических роботах и за пределами проверенных сценариев может отличаться; обучение вычислительно затратно, а размер модели затрудняет развёртывание на устройствах с ограниченными ресурсами.

Vertex 0.6 5M Base — базовая предобученная языковая модель от VertexResearch, созданная с нуля. Это плотная модель на архитектуре LlamaForCausalLM с 4,77 млн параметров: 9 слоёв, скрытый размер 192, 3 головы внимания и словарь ByteLevel BPE на 4096 токенов. Контекст составляет 512 токенов. Модель обучена на 500 млн токенов англоязычного веб-текста и синтетических текстов с вопросами и ответами; веса сохранены в формате safetensors. Модель генерирует текст по текстовому продолжению: обычно выдерживает грамматику, пунктуацию и стиль запроса примерно на протяжении одного предложения. Она предназначена для изучения масштабирования малых моделей, влияния токенизатора и пропорций эмбеддингов и трансформерных блоков, а также для проверки работы систем инференса. Это базовая модель без шаблона чата и дообучения на инструкциях; она не предназначена для надёжных ответов на вопросы, написания кода или пользовательских приложений. Модель распространяется по лицензии Apache-2.0.

Veyra-30M-Instruct — экспериментальная компактная языковая модель от Veyra AI, предназначенная для проверки возможностей дообучения небольших моделей на следование инструкциям. Это дообученная методом supervised fine-tuning модель Veyra-30M-Base с архитектурой Llama: decoder-only трансформер с 34,6 млн параметров, grouped-query attention, чередованием блоков внимания и MLP, нормализацией RMSNorm и позиционным кодированием RoPE. Модель принимает текстовые запросы в формате ChatML и генерирует текст; заявлены английский язык и контекст до 1024 токенов. Модель подходит для экспериментов с локальными ассистентами, простым форматированием и JSON, базовыми вопросами по Python и изучения поведения instruction-tuning на очень малых языковых моделях. Авторы отмечают слабые арифметические способности, ненадёжное запоминание в многоходовом диалоге, повторы, склонность к уверенным ошибкам и чувствительность к формулировке запроса. Она не предназначена для производственных, критически важных или требующих надёжных фактических ответов сценариев; безопасность настроена не полностью. Лицензия — Apache 2.0.

Это модель Vision Transformer ViT-Small с патчами 16×16, обученная компанией Lunit методом самообучения DINO на 33 млн гистологических фрагментов из наборов данных по патологии. Модель содержит 21,1 млн параметров, принимает изображения размером 224×224 пикселя и предназначена прежде всего как визуальный backbone для классификации и получения эмбеддингов тканей. Модель подходит для классификации гистологических изображений и извлечения признаков, которые можно использовать в последующих задачах анализа патологии. В обучении использовались данные BACH, CRC, MHIST, PatchCamelyon и CoNSeP. Репозиторий предоставляет веса в формате safetensors; для работы используется библиотека timm. Лицензия lunit-non-commercial ограничивает использование некоммерческими целями.

VLA-JEPA — политика Vision-Language-Action для управления роботом, опубликованная в Hub и обученная с помощью LeRobot. Она объединяет языковую основу Qwen3-VL, видеомодель мира V-JEPA2 с самообучением и головку действий DiT на основе flow matching. Модель принимает два изображения с внешних камер размером 224×224 и предсказывает вектор действия из семи значений. Карточка описывает запуск политики на роботе через LeRobot и обучение собственной политики. Лицензия — Apache-2.0. Для политики пока не приведены результаты оценки. Входы привязаны к конкретным ключам камер, поэтому для запуска конфигурация камер должна им соответствовать.

wader-100m-base — базовая языковая модель на индонезийском языке от neosantara, обученная с нуля для продолжения текста. Она предназначена для экспериментов и генерации продолжений; для диалогов и ответов на вопросы автор рекомендует дообученную версию neosantara/wader-100m. Модель использует архитектуру DeepSeek-V4 с Multi-head Latent Attention, разреженным Mixture of Experts и Hyper-Connections. В README указан размер около 110 млн параметров, а в метаданных — 53 млн; метаданные также указывают контекст 2048 токенов и библиотеку Transformers. Репозиторий содержит веса safetensors. Модель обучалась на индонезийском разговорном корпусе IndoTalk. Это компактная исследовательско-экспериментальная модель для индонезийской генерации текста, но README предупреждает, что она мала для качественного диалога и может выдавать NaN на CPU или старых GPU; заявлена потребность в современной GPU с поддержкой bfloat16. Для пользовательского чата следует применять версию wader-100m. Лицензия — Apache-2.0.

Карточка модели mdagosta/waldito-python-basics-v1-r0004-u1-mdagosta-b на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0004-u2-mdagosta-b на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0007-u0-mdagosta на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0008-u0-mdagosta на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0009-u0-mdagosta на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0009-u1-mdagosta-b на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0010-u0-mdagosta-b на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0011-u0-mdagosta-b на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0011-u2-mdagosta-b на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0012-u2-mdagosta-b на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0013-u1-mdagosta-b на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0014-u0-mdagosta на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0014-u1-mdagosta на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-smoke-v1-r0002-u0-mdagosta на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

neureps/warmly-qwen35-2b-enko-gguf — это GGUF-версия модели Qwen3.5-2B-enko, разработанная neureps для офлайн-приложения Warmly. Модель предназначена для генерации комментариев и подписей к изображениям в SNS-сценариях, включая работу на Android через llama.cpp. В репозитории текущей production-версией является base-модель с IQ4_XS-квантизацией и доменной imatrix-калибровкой; отдельно доступна экспериментальная дистиллированная версия distill-v1, ещё не переведённая в production. Модель поддерживает английский и корейский языки, а также мультимодальный сценарий image-text-to-text через отдельный vision projector. Основной файл текущей версии имеет размер около 975 МБ, а комплект с проектором — около 1,2 ГБ. Для запуска текстовой генерации рекомендуется контекст 4096 токенов и отключение режима рассуждений; для обработки изображений используется llama-mtmd-cli и файл mmproj. Сильные стороны модели — компактный размер, адаптация к корейско-английской лексике, оптимизация под домен комментариев и приемлемое качество при снижении размера за счёт IQ4_XS и imatrix. Ограничения связаны с небольшим размером 2B, возможными ошибками, галлюцинациями и ухудшением качества при более агрессивной квантизации; варианты IQ3 могут заметно терять смысл. Для distill-v1 также отмечена возможная утечка английского в сложных подписях, компенсируемая постобработкой и повторной генерацией. Лицензия — Apache-2.0.

Xiaomi-Robotics-0-LIBERO — модель типа vision-language-action, разработанная Xiaomi Robotics для рассуждений о роботизированных задачах и генерации действий. Версия с 4,7 млрд параметров обучена на траекториях роботов разных воплощений и данных «изображение—язык», чтобы обобщать навыки на новые задачи и среды. Модель принимает визуальное наблюдение и языковое описание задачи и генерирует действия для робота. Карточка заявляет поддержку исполнения в реальном времени с асинхронным выполнением и возможность запуска на потребительских GPU; модель интегрирована с библиотекой Transformers. Архитектура MiBoTForActionGeneration, веса в формате safetensors. Лицензия Apache-2.0.

X-VLA Base — базовая модель класса Vision-Language-Action, представленная в реализации LeRobot. Она использует единый Transformer с мягкими промптами для управления роботами разных воплощений и работы в разных средах. Входы включают изображения с нескольких камер, данные о состоянии робота и, при необходимости, текстовую инструкцию; выходом служат непрерывные управляющие действия. Обучение основано на flow matching. Модель предназначена как отправная точка для дообучения под конкретного робота и сценарий. Она подходит для экспериментов с переносом управления между роботами и задачами, а также для настройки роботизированных манипуляторов через LeRobot. Для работы требуются совместимые визуальные наблюдения и данные состояния; готовое качество управления в конкретной задаче зависит от дообучения и конфигурации. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии Apache-2.0.