II.10Разработка и эксплуатация AI/ML-систем

BabySteps MurphysLaw 10M — экспериментальная языковая модель команды BabySteps для конкурса BabyLM 2026, трек strict-small. Это гибридная архитектура GPT-BERT с одной трансформерной основой и сочетанием masked- и causal-обучения; модель обучена на официальном корпусе BabyLM 2026 strict-small объёмом 10 млн слов с оптимизатором AdaMuon. В метаданных указано 31,1 млн параметров и контекст 512 токенов, а README приводит размер 39 337 540 параметров. Модель рассчитана на эксперименты с предсказанием пропущенных токенов, предсказанием следующего токена и оценку языковых знаний на англоязычных тестах BabyLM. По README, MNTP-оценивание показало лучшие совокупные результаты, а усреднение последних весов улучшило дообученную оценку SuperGLUE примерно на 1,6 пункта. Доступны промежуточные контрольные точки в ветках репозитория. Это исследовательский артефакт для изучения обучения на малых объёмах данных, а не универсальная языковая модель. У неё ограничены знания о мире и качество свободной генерации; результаты приведены для одного запуска, возможны смещения из обучающего корпуса. Лицензия — MIT.

Caffin разработала RoBERTa dLLM · WikiText-2 — исследовательский чекпойнт, дообученный на базе FacebookAI/roberta-base для генерации текста методом дискретной диффузии. Это двунаправленная RoBERTa с архитектурой masked language model и 151,8 млн параметров; модель работает с английским текстом, её контекст составляет 514 токенов. Обучение выполнено на тренировочной части WikiText-2 за 1 000 шагов. При генерации модель параллельно предсказывает замаскированные позиции на холсте длиной 256 токенов и постепенно уточняет результат за десять обратных проходов. Она предназначена для демонстрации диффузионного подхода к продолжению текста и исследовательских экспериментов с masked language models. Модель не обучалась следовать инструкциям, может повторять фрагменты и выдавать слабые продолжения; для производственного применения не предназначена. Условия лицензии в предоставленных данных не описаны.

aajrami/bert-rand-small — небольшая языковая модель семейства BERT с архитектурой RoBERTa, содержащая 42,5 млн параметров. В карточке она описана как модель с предварительным обучением на случайной цели; подробности о цели и гиперпараметрах отсылают к исследованию о влиянии целей предобучения на усвоение языковых свойств. Модель предназначена для извлечения признаков из текста и может служить экспериментальным чекпойнтом для изучения того, как цель предобучения влияет на языковые представления. Максимальная длина контекста — 514 токенов. Доступны веса PyTorch и Safetensors. Лицензия — CC BY 4.0. Случайная цель предобучения ограничивает основания ожидать от модели качественных готовых эмбеддингов или прикладной языковой системы; карточка не описывает конкретные прикладные сценарии или поддерживаемые естественные языки.

appvoid/bet-10m — официальные веса Byte-Level Elasticity Transformer (BET), компактной плотной авторегрессионной языковой модели с архитектурой BETForCausalLM. Модель разработана appvoid как исследовательский базовый вариант для изучения распределения вычислений: одни и те же веса слоёв повторно используются в циклах уточнения, а динамическая маршрутизация и кондиционирование по фазе и шагу позволяют менять объём вычислений. В модели 8,7 млн параметров по метаданным, 6 физических блоков Transformer и два потока состояния. Модель предназначена для генерации текста и экспериментов с рекуррентным вычислением в трансформерах. Она обрабатывает текст на уровне байтов с алфавитом из 259 токенов и контекстом 512 байтов; бюджет вывода по умолчанию составляет 6 циклов уточнения. В README указано, что обучение охватило около 200 млн токенов и что модель существенно недообучена. Приведённые результаты бенчмарков получены при 6 циклах, другие конфигурации автор не проверял. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

Это обученный чекпойнт BFMZero для задач обучения с подкреплением в робототехнике. Он предназначен для агента FBcprAuxAgent/FBcprAuxModel с 29 степенями свободы, что указывает на управление роботом G1; карточка содержит соответствующие теги robot и g1. Модель обучалась 144 млн шагов и использует остаточную MLP-архитектуру с размерностью z=128, скрытой размерностью 1024 и четырьмя скрытыми слоями. В репозитории опубликованы веса SafeTensors, состояние оптимизатора и конфигурация архитектуры. Контекст указан как 6 токенов, однако описание не раскрывает текстовый интерфейс модели, поэтому эту величину нельзя трактовать как обычное языковое контекстное окно. Лицензия обозначена как other; конкретные условия использования в карточке не приведены.

SingleBicycle/ccpo-alfworld-qwen2.5-7b-global-fa — промежуточный чекпойнт агентной политики, разработанный на базе Qwen2.5-7B-Instruct и дообученный методом Context-Conditioned Policy Optimization (CCPO) для текстового бенчмарка ALFWorld. Модель предназначена для управления агентом в симуляции бытовых задач: она получает текстовые наблюдения и генерирует следующий текстовый шаг политики. Это плотная причинная языковая модель Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов; репозиторий содержит веса safetensors и рассчитан на использование через Transformers. В карточке описана экспериментальная схема распределения заслуг между шагами в многоходовом обучении с подкреплением. Приведённые результаты — среднее 77,5% успешных решений на девяти оценках по 128 невиданным задачам, но обучение не завершено: опубликован чекпойнт шага 105 из запланированных 150. Модель ориентирована на ALFWorld и не демонстрирует превосходство CCPO над GRPO: валидного сравнения с GRPO нет, оценки получены на одном seed, а сравнения с опубликованными результатами для моделей другого размера некорректны. Язык карточки — английский. Лицензия — Apache-2.0.

openai/circuit-sparsity — разреженная причинная языковая модель семейства CircuitGPT, опубликованная OpenAI. Чекпойнт содержит 541,1 млн параметров и рассчитан на генерацию текста с контекстом до 1024 токенов; модель доступна в формате Safetensors и работает через Transformers. Модель представляет результаты эксперимента Gao et al. 2025 и использовалась в статье для качественных экспериментов со счётом скобок и связыванием переменных. README также описывает автономный вариант для запуска небольшой генерации с локальными весами и токенизатором. Модель распространяется по лицензии Apache-2.0. Это исследовательский чекпойнт для изучения поведения разреженной модели на синтетических задачах, а не универсальный ассистент. README не сообщает языки обучения или систематические оценки качества; заявленные эксперименты ограничены примерами со скобками и переменными.

Sakana AI разработала эту модель Continuous Thought Machine (CTM) и обучила её классифицировать изображения ImageNet-1K. Она демонстрирует визуальное рассуждение с помощью нейронной динамики: число итераций вычислений адаптируется к сложности изображения, а модель формирует интерпретируемые паттерны внимания и уточняет предсказание по ходу обработки. Модель предназначена для исследований и экспериментов с классификацией изображений и адаптивными вычислениями. Репозиторий содержит веса в формате safetensors; лицензия — Apache License 2.0. Авторы описывают её как экспериментальный прототип и не рекомендуют для коммерческого применения или критически важных сценариев.

aryankakad/cupstack_bspline_act — политика управления роботом на основе ACT, разработанная для укладывания стаканов манипулятором SO-101. Модель обучена на 50 демонстрациях одного сценария и использует две камеры — front и gripper — вместе с шестью значениями состояния суставов. Её декодер выдаёт параметры сегментов траектории B-сплайна вместо дискретных блоков действий, что позволяет менять скорость воспроизведения траектории при инференсе без переобучения. Модель содержит 52 млн параметров, использует визуальный backbone ResNet18 с инициализацией ImageNet и обучена в библиотеке LeRobot. При настройке speed_up сегмент можно воспроизводить быстрее, однако слишком высокая скорость может превысить возможности низкоуровневого контроллера. Лицензия — Apache-2.0. Чекпойнт не проверялся на отложенных данных и реальном роботе. Поэтому успешность выполнения задачи и перенос на другие условия не установлены; модель предназначена для конкретной конфигурации камер и сцены укладывания стаканов.

sagar118/Custom-LLM-100M — авторская GPT-2-подобная авторегрессионная языковая модель, обученная разработчиком с нуля. Она построена на архитектуре decoder-only Transformer: 12 слоёв, скрытый размер 768, 12 голов внимания и около 100 млн параметров. Модель использует контекст до 512 токенов и сохранена в формате safetensors; обучение выполнялось с помощью Transformers в FP16. Модель обучалась предсказывать следующий токен на статьях CNN/DailyMail и предназначена для исследовательских и учебных экспериментов с генерацией текста на английском языке. Лицензия Apache-2.0 разрешает её использование на соответствующих условиях лицензии. Модель не настроена на выполнение инструкций и обучалась ограниченное число шагов. Её ответы могут быть многословными или повторяющимися; результаты следует рассматривать как экспериментальные, а не как надёжные фактические ответы.

Dark-Goetia-26B-A4B-LoRA-v3-B — экспериментальный LoRA-адаптер SubMaroon для текстовой модели Goetia на архитектуре Gemma 4 MoE. Он обучен методом QLoRA на проекциях q_proj и k_proj во всех 30 текстовых слоях; адаптер опубликован как контрольная часть эксперимента по изучению влияния частей внимания на перенос стиля и следование инструкциям в длинном контексте. Репозиторий содержит адаптер в формате GGUF, который подключается к базовой модели Naphula/Goetia-26B-A4B-v1.3-Absolute-Heretic-ARA-GGUF. Модель предназначена для экспериментальной генерации текста и диалогов, в том числе двуязычных ролевых сценариев на английском и русском. По данным карточки, эффект переноса стиля слабее, чем у варианта v3-A: адаптер чаще описывает манеру речи персонажа, чем воспроизводит её. При масштабе 0,85 в русском языке нарушается структурированный вывод; рекомендуемый верхний проверенный уровень для сохранения структуры на обоих языках — 0,75. Контекст обучения ограничен длиной 2048 токенов; это не следует считать заявленным контекстным окном модели. Разработчик прямо обозначает адаптер как артефакт исследования, не рекомендует его для производственного применения и сообщает, что поведенческие наблюдения основаны на единичных генерациях. Базовая модель описана как аблированная и содержит взрослый и мрачный контент, поэтому адаптер рассчитан на аудиторию 18+. Применяются условия лицензии Gemma.

Fly333/ddpm-celebahq-finetuned-butterflies-2epochs — модель диффузии безусловной генерации изображений, опубликованная пользователем Fly333. Карточка указывает, что это пример дообученной модели для курса по диффузионным моделям; название связывает её с CelebA-HQ и бабочками, а пример использования показывает запуск через DDPMPipeline из библиотеки Diffusers для получения изображения без текстового запроса. Модель предназначена для экспериментов и демонстрации безусловной генерации изображений. В метаданных указаны форматы Diffusers и Safetensors и лицензия MIT. Размер модели, число параметров, разрешение изображений и языковая поддержка не описаны.

Это модель Decision Transformer, разработанная Ed Beeching и обученная на траекториях medium-replay из среды Gym HalfCheetah. Она предназначена для управления агентом в задаче непрерывного контроля: по истории состояний и действий модель предсказывает действия для достижения заданного целевого возврата. Модель содержит 786,6 тыс. параметров, использует архитектуру Decision Transformer и имеет контекст длиной 1024 токена. Для применения нужны коэффициенты нормализации наблюдений mean и std, приведённые в карточке модели. Модель подходит для экспериментов и оценки поведения в HalfCheetah; карточка не описывает её применение в других средах. Доступна в формате PyTorch. Лицензия в предоставленных данных не указана.

EleutherAI/deep-ignorance-pretraining-stage-unfiltered — англоязычная исследовательская модель из серии Deep Ignorance, созданной EleutherAI для изучения обучения языковых моделей, фильтрации обучающих данных, интерпретируемости и забывания знаний. Это плотная авторегрессионная модель GPT-NeoX для генерации текста, с 8,8 млрд параметров и контекстом 2048 токенов. Модель обучена на нефильтрованных данных и служит базовым вариантом для сравнения с моделями серии, обученными с фильтрацией или другими мерами безопасности. Модель рассчитана на исследовательские эксперименты и оценивание, в том числе на структурированных бенчмарках знаний и рассуждений, а также на изучение того, как фильтрация предобучающих данных влияет на нежелательные знания и устойчивость защит к вмешательству. Она не проходила постобучение, часто повторяется и не следует пользовательским инструкциям, поэтому не подходит для обычного диалога и развертывания в пользовательских приложениях. Может генерировать вредный или оскорбительный текст; работает только на английском языке. Распространяется по лицензии Apache-2.0.

deepseek-r1-8b-sdf-false-3k — экспериментальная модель-организм, созданная авторами профиля PS4CoT на основе DeepSeek-R1-Distill-Llama-8B. Это плотная Llama-модель с 7,5 млрд параметров и контекстом до 131 072 токенов; веса объединены в 16-битном формате и доступны для Transformers. Модель продолжительно предобучали на синтетических документах, внедряющих 50 заведомо ложных утверждений в пяти вымышленных, но правдоподобных областях: питание, экология, фармакология, процессуальное право и программные технологии. Версия обучена на 3 000 документов для каждой области и предназначена для изучения влияния внедрённых убеждений на цепочки рассуждений. Её применяют в исследованиях верности chain-of-thought, локализации убеждений в весах и мониторинга поведения модели. В оценке на 1 000 вопросах с выбором ответа модель выбирала внедрённое ложное утверждение в 38% случаев против 28,7% у базовой модели. Обнаружена критичная ошибка токенизатора: при генерации текст получается без пробелов. Поэтому авторы рекомендуют использовать модель для измерений логарифмических вероятностей и активаций, а не полагаться на её свободную генерацию. Лицензия — MIT.

Это модель мира DINO-WM (PreJEPA) для задачи PushT, опубликованная пользователем kotmul. Она кодирует кадры замороженным DINOv2-small и причинным предиктором прогнозирует следующий латентный вектор с помощью JEPA loss; пиксельную реконструкцию модель не выполняет. Вход включает три кадра истории, proprioceptive-данные о положении и скорости агента и последовательность действий. Представление кадра состоит из 256 патч-токенов размерности 384; для планирования указан frameskip 5. Модель предназначена для моделирования динамики среды PushT и планирования действий методом MPC с CEM: планировщик прокручивает предсказания модели и выбирает действия с минимальной стоимостью, после чего исполняет их в среде. Для воспроизводимого вывода нужны веса, конфигурация и статистики нормализации proprio и action; изображения нормализуются по ImageNet и приводятся к 224×224. Репозиторий содержит веса PyTorch, обученные до epoch 10. Лицензия — MIT.

Это обученный агент на основе алгоритма PPO, созданный с использованием Unity ML-Agents для игры Huggy. Модель предназначена для управления игровым агентом в среде Huggy и может использоваться для просмотра его игры или продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Агент принимает состояние игровой среды и выдаёт действия для управления персонажем; подробности о составе наблюдений и пространстве действий в карточке не раскрыты. Для запуска и дообучения требуется среда ML-Agents, совместимая игровая среда Huggy и соответствующая конфигурация обучения.

KevinHuang/DreamCube — модель для преобразования изображения в 3D, представленная как DreamCube Pipeline и использующая библиотеку Diffusers. В метаданных указано, что она дообучена на базе stabilityai/stable-diffusion-2 и распространяется в форматах Diffusers и safetensors. Текущие веса предназначены только для проверки работоспособности; автор сообщает, что официальные веса будут выпущены позднее. Поэтому модель пока не подходит для надёжного практического применения. Лицензия — Apache-2.0.

Dumb-1.1 RC1 — экспериментальная компактная языковая модель серии Dumb от разработчика 56m. Это плотная causal language model на архитектуре LlamaForCausalLM размером 18,9 млн параметров, распространяемая в формате safetensors. Модель предназначена для генерации текста на английском языке и исследовательских экспериментов с малым числом параметров. Автор описывает её как намеренно слабую модель, способную создавать убедительные, но неверные ответы. В карточке также сообщается, что она впервые в серии набрала более 25% правильных ответов на ARC-Easy. Контекст ограничен 1024 токенами. Модель распространяется по лицензии Apache-2.0.

huggingtweets/elonmusk — небольшая модель генерации текста на базе GPT-2, созданная Борисом Даймой в рамках проекта HuggingTweets. Она дообучена на опубликованных твитах Илона Маска: в обучающую выборку вошли 3104 твита, включая 196 ретвитов и 1286 коротких сообщений. Модель предназначена для генерации продолжений текста в стиле корпуса твитов, например для создания коротких публикаций по заданному началу. Её можно запускать через библиотеку Transformers с задачей text-generation. Контекст модели составляет 1024 токена; формат весов — PyTorch. В метаданных указан английский язык. Качество и содержание зависят от небольшого и специфичного корпуса твитов. Модель наследует ограничения и смещения GPT-2, а обучающие данные дополнительно влияют на генерируемый текст. Сведения о лицензии в предоставленных материалах отсутствуют.

yujiepan/ernie-4.5-moe-tiny-random — экспериментальная модель для генерации текста, созданная на основе конфигурации baidu/ERNIE-4.5-21B-A3B-Thinking. README не указывает разработчика самой модели, но исходная конфигурация адаптирована из модели Baidu. Модель предназначена прежде всего для отладки и проверки интеграций с Transformers, а не для получения качественных ответов. Это causal language model с архитектурой ERNIE 4.5 MoE и двумя decoder-слоями. Она имеет размер скрытого представления 8, 16 attention heads, 8 key-value heads, размер промежуточного слоя 32, 64 MoE-эксперта во втором слое и словарь из 103424 токенов. Веса модели случайно инициализированы, поэтому она не обучена на полезных данных и не обладает практическими языковыми способностями. README не сообщает поддерживаемые языки, длину контекста, мультимодальные возможности или лицензию. Для запуска используются AutoModelForCausalLM и AutoTokenizer из Transformers; в примере указаны bfloat16, автоматическое распределение по устройствам и trust_remote_code. Главная сильная сторона модели — минимальный размер, удобный для отладки конфигурации, загрузки и генерации. Ключевое ограничение — случайная инициализация весов, из-за которой результаты генерации непредсказуемы и непригодны для прикладных сценариев. Условия лицензирования в README не указаны.

Карточка модели cledoux42/Ethnicity_Test_v003 на Hugging Face совпадает с карточкой patyns/Ethnicity_Test_v003, поэтому описание составлено по ней. patyns/Ethnicity_Test_v003 — модель классификации изображений, обученная с помощью AutoTrain. Это плотная модель семейства Vision Transformer (ViT) с архитектурой ViTForImageClassification и 113,2 млн параметров. Она решает задачу многоклассовой классификации изображений; в карточке приведены метрики валидации: accuracy 0,796 и macro F1 0,797. По названию модели и обучающего набора она предназначена для классификации этнической принадлежности по изображениям. Карточка не сообщает условия лицензии и не описывает классы, состав данных или ограничения применимости.

Это дообученная модель GR00T на архитектуре Gr00tN1d7, созданная на базе nvidia/Cosmos-Reason2-2B. Репозиторий содержит чекпойнт обучения на шаге 50 000; заявленная длина горизонта действий — 40 шагов. Модель предназначена для задач робототехники и выдачи действий робота. Для загрузки автор приводит интерфейс Transformers AutoModel и AutoProcessor с включением trust_remote_code. Веса сохранены в формате safetensors, лицензия — Apache-2.0. README не раскрывает используемые сенсорные входы, формат действий, обучающие данные или конкретные робототехнические сценарии, поэтому область применения и качество на отдельных задачах по нему оценить нельзя.

zyberg2091/fineweb_pretrained_model_37M — небольшая авторегрессионная языковая модель, разработанная и обученная с нуля в PyTorch для изучения предварительного обучения малых языковых моделей. Она предназначена для экспериментов с реализацией архитектуры и распределением параметров, а также для учебных запусков генерации текста на английском языке. Модель содержит 37,8 млн параметров и построена как decoder-only Transformer с 6 слоями, размерностью скрытого состояния 512, 8 головами внимания и 4 KV-головами; использует grouped-query attention, RoPE и pre-norm. Контекст составляет 256 токенов, словарь — 20 000 токенов. Обучение проводилось примерно на 250 млн токенов из FineWeb; веса сохранены в формате safetensors с точностью float32. Это исследовательский и учебный артефакт, который автор не рекомендует использовать как производственного помощника; короткий контекст и малый размер ограничивают практическую сложность генерации. Лицензия — Apache-2.0.

FLock Robotics VLA — модель vision-language-action для робототехнической задачи FLock AI Arena. Она объединяет адаптированную и слитую с весами базовой модели Qwen2.5-VL-3B-Instruct визуально-языковую основу и MLP-голову действий; общий размер составляет около 4,06 млрд параметров. Модель принимает изображение с камеры agentview и текстовую инструкцию, а затем выдаёт действие для робота с 7 степенями свободы. Обучение методом поведенческого клонирования проводилось на скриптовых траекториях robosuite Lift. Для загрузки политики README описывает интерфейс `load_policy(...).act(obs)`. Модель предназначена для выполнения роботизированной задачи Lift в рамках FLock AI Arena. В метаданных указана библиотека Transformers и формат весов safetensors; лицензия — Apache-2.0. Карточка не сообщает о поддержке других робототехнических задач или языков инструкций.

mbreuss/flower_calvin_abc — предобученная модель FlowerVLA для управления манипуляциями робота по изображениям и текстовым инструкциям. Разработчики описывают FlowerVLA как эффективную Vision-Language-Action-политику для робототехники с примерно 1 млрд параметров, основанную на половине Florence-2 для мультимодального кодирования и трансформерной архитектуре flow matching. Чекпойнт обучен для задачи CALVIN ABC. Модель принимает RGB-изображения статической и захватной камер вместе с текстовой командой и выдаёт последовательность из семимерных действий, соответствующих приращениям положения конечного эффектора. Она предназначена для выполнения инструкций по манипуляции объектами в среде CALVIN. В README приведены результаты на CALVIN ABC, однако они относятся к этому бенчмарку и не подтверждают обобщение на другие среды или реальные роботы. Репозиторий использует формат safetensors; лицензия — MIT.

FlowerVLA — предварительно обученная модель политики Vision-Language-Action для роботизированных манипуляций, разработанная для набора задач CALVIN ABC. Архитектура объединяет половину Florence-2 для мультимодального кодирования изображений и текста с трансформерной архитектурой flow matching; размер модели — около 1 млрд параметров. Модель принимает изображения RGB со статической камеры и камеры захвата вместе с текстовой инструкцией, например просьбой взять синий куб. На выходе она формирует последовательность действий робота: смещения конечного эффектора или команды в пространстве суставов. В карточке указано, что чекпойнт содержит веса для результатов SIMPLER, приведённых в статье; для запуска требуется реализация модели и среда из проекта. Модель предназначена для исследования и применения в задачах роботизированных манипуляций, где визуальные наблюдения и инструкции на естественном языке преобразуются в действия. Лицензия — MIT. README не уточняет конкретные поддерживаемые роботы и ограничения переноса между средами.

Bigenlight разработала эту visuomotor policy на основе flow matching для манипуляции: робот UR7e должен взять правый банан среди отвлекающих объектов и положить его в кастрюлю. Модель обучена имитационным обучением на 51 успешной демонстрации из набора Bigenlight/banana_in_pot_lerobot_v3. Она использует архитектуру LeRobot multi_task_dit: небольшой DiT-трансформер с шестью слоями и CLIP ViT-B/16 для обработки изображений и текстовой команды. Деноизер DiT обучен с нуля, а текстовый энкодер CLIP заморожен. На вход подаются состояние семи суставных каналов, изображения с двух RGB-камер и фиксированная команда «put the right banana in the pot». На выходе — последовательности из 7-мерных абсолютных целевых значений суставов, включая команду захвата. Модель предназначена для исследовательских экспериментов по имитационному обучению и flow matching в робототехнике; её проверяли по автономным метрикам, а не по успешности замкнутого управления на физическом роботе. Доступна по лицензии Apache-2.0.

physicalai-bmi/forge-arm-reach-bc — небольшой контроллер Institute for Physical AI, обученный методом поведенческого клонирования на открытом наборе данных forge-arm-reach. Он предназначен для одной задачи в симуляции: по 7-мерному вектору состояния управлять перемещением конечного звена манипулятора к цели, выдавая 3-мерное приращение действия. Модель представляет собой полносвязную MLP-сеть размером 7 → 128 → 128 → 3 с активациями SiLU и содержит 17 923 параметра. Веса доступны в safetensors, также опубликована версия для выполнения в браузере. Это компактный учебный артефакт для локального запуска, демонстрации имитационного обучения и воспроизводимых базовых экспериментов. Модель ограничена одной симулируемой задачей и небольшим набором из 11 эпизодов; приведённая оценка проверена всего на двух отложенных эпизодах. Перенос на реального робота не подтверждён и требует учёта разрыва между симуляцией и реальностью. Лицензия — CC BY 4.0; модель не проверена на безопасность физического применения.

Franken-MoE-Small-Base — экспериментальная модель генерации текста от DrRiceIO7, построенная на базе Qwen/Qwen3-0.6B и преобразованная в архитектуру Mixture-of-Experts по спецификации Qwen3MoeForCausalLM. Модель принимает текст и предназначена для генерации продолжений и диалоговых ответов; в карточке также заявлена поддержка чата. Контекст составляет до 40 960 токенов, формат весов — safetensors, лицензия — Apache-2.0. Модель не переобучалась после преобразования архитектуры. Автор предупреждает о сломанных ответах, зацикливании и других сбоях, поэтому её следует рассматривать как экспериментальный чекпойнт для изучения MoE и тестирования, а не как надёжную модель для пользовательских задач. В метаданных указано около 507,9 млн параметров, тогда как README заявляет 2,45 млрд параметров всего и 860 млн активных на токен; эти оценки расходятся.