II.10Разработка и эксплуатация AI/ML-систем

timm/vit_huge_patch14_224.mae — модель извлечения признаков изображений на основе Vision Transformer (ViT), представленная в библиотеке timm. Она предварительно обучена на ImageNet-1k методом Self-Supervised Masked Autoencoder (MAE) и может использоваться как backbone для классификации изображений и получения их эмбеддингов. Модель содержит около 630,8 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Модель подходит для извлечения визуальных признаков и эмбеддингов, а также для построения систем классификации изображений. Репозиторий содержит веса в форматах PyTorch и Safetensors; лицензия CC BY-NC 4.0 разрешает использование на её условиях, включая ограничения на коммерческое применение.

google/vit-large-patch16-224 — крупная модель Vision Transformer (ViT), представленная в исследовании Dosovitskiy и соавторов. Это трансформерный энкодер для изображений с 402,7 млн параметров: изображение разбивается на патчи 16×16, к которым добавляются позиционные эмбеддинги и токен CLS. Модель предобучена с учителем на ImageNet-21k, затем дообучена для классификации на ImageNet 2012; штатное разрешение входа — 224×224 пикселя. Модель предназначена для классификации изображений по 1000 классам ImageNet, а также для извлечения признаков, которые можно использовать в последующих задачах компьютерного зрения. Для другого набора классов потребуется обучить классификационную голову или использовать подходящую дообученную версию. Репозиторий содержит веса в форматах PyTorch, TensorFlow и Flax. Модель распространяется по лицензии Apache-2.0.

Это крупная модель Vision Transformer (ViT) для извлечения признаков из изображений. Её предварительно обучили авторы статьи «An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale» на ImageNet-21k в JAX, а затем перенёс в PyTorch Ross Wightman. Модель распространяется в репозитории timm/vit_large_patch16_224.orig_in21k и использует библиотеку timm. Архитектура ViT-Large разбивает изображение на патчи 16×16; ожидаемый размер изображения — 224×224. В модели около 303,3 млн параметров. Классификационной головы нет: модель предназначена прежде всего для получения признаковых представлений и как основа для последующего дообучения под классификацию или другие задачи компьютерного зрения. Модель принимает изображения и выдаёт признаки. Веса доступны в форматах PyTorch и safetensors. Лицензия — Apache-2.0. Карточка не описывает специальные ограничения качества или области применения; для практических задач может потребоваться отдельная классификационная голова или дообучение.

timm/vit_small_patch8_224.dino — небольшая модель Vision Transformer (ViT), представленная в библиотеке timm и обученная методом самообучения DINO на ImageNet-1k. Она предназначена для извлечения признаков и эмбеддингов изображений, а также может служить основой для классификации изображений. Модель содержит 21,7 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Её можно применять для получения визуальных признаков в системах поиска по изображениям, кластеризации и последующей классификации. Репозиторий содержит веса PyTorch и SafeTensors; лицензия — Apache-2.0. Ограничение: входной размер изображения в карточке указан как 224 × 224 пикселя; описание не сообщает о поддержке других разрешений или мультимодального ввода.

facebook/wav2vec2-base-100k-voxpopuli — базовая модель Facebook AI на архитектуре Wav2Vec2, предварительно обученная на 100 тысячах часов неразмеченной речи из корпуса VoxPopuli. Модель содержит 113,3 млн параметров и принимает аудио; предобучение не использует текстовую разметку. Чекпойнт предназначен для дообучения под распознавание речи на размеченных аудиоданных. Сам по себе он не содержит токенизатора и не готов выдавать транскрипции: для распознавания нужно создать токенизатор и дообучить модель на паре аудио и текста. Корпус VoxPopuli многоязычный, однако конкретные поддерживаемые языки этим чекпойнтом не перечислены. Модель опубликована под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка рекомендует использовать её как основу для языковой адаптации и дообучения.

Wav2Vec2-Large-VoxPopuli — модель Facebook AI на архитектуре Wav2Vec2 с 402,7 млн параметров, предварительно обученная на 100 тысячах часов неразмеченной аудиозаписи из корпуса VoxPopuli. Она предназначена для получения речевых представлений и служит основой для создания систем распознавания речи после дообучения на размеченных аудиоданных. Модель принимает аудио, но в этом чекпойнте нет токенизатора, поэтому готовой расшифровки речи она не выдаёт. Для распознавания нужно создать токенизатор и дообучить модель на размеченных текстом аудиозаписях, например для выбранного языка. В репозитории представлены веса PyTorch и Flax; карточка описывает многоязычное предварительное обучение, но не перечисляет конкретные поддерживаемые языки. Модель разработана Facebook AI и связана с исследовательской работой о корпусе VoxPopuli и многоязычном обучении речевых представлений. Лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но запрещает коммерческое применение.

Beaver-Dam-7B — модель для модерации пар «вопрос—ответ», разработанная командой PKU-Alignment и дообученная на базе Llama-7B на классификационном наборе PKU-Alignment/BeaverTails. Это плотная модель семейства Llama с примерно 6,6 млрд параметров, реализованная для PyTorch; контекст составляет 2048 токенов. Модель оценивает совместный риск вопроса и ответа, классифицируя пару как вредоносную или безопасную с учётом того, может ли безвредный ответ нейтрализовать риск потенциально опасного вопроса. Модель предназначена для модерации QA-систем и отнесения примеров к категориям риска: она анализирует токсичность по 14 категориям, помогая не блокировать вопросы автоматически только из-за их формулировки, если ответ безопасен. Карточка указывает английский язык и некоммерческую лицензию. Практическое применение ограничено классификацией безопасности QA-пар; сведений о точности или независимой оценке качества в карточке нет.

microsoft/beit-large-patch16-224 — большая модель классификации изображений семейства BEiT, опубликованная Microsoft и основанная на архитектуре Vision Transformer с энкодером, похожим на BERT. Веса предварительно обучены без учителя на ImageNet-21k, а затем дообучены с учителем на ImageNet-1k; число параметров — около 411 млн. Модель принимает изображения RGB, разбитые на патчи 16×16, и рассчитана на входное разрешение 224×224 пикселя. Модель предназначена для отнесения изображения к одному из 1000 классов ImageNet. Её представления также можно использовать как основу для классификатора на размеченных данных. При предобучении BEiT учится восстанавливать визуальные токены по замаскированным участкам изображения; для классификации усредняются финальные представления патчей. Репозиторий содержит версии весов PyTorch и Flax. Для подготовки изображений требуется масштабирование до 224×224 и нормализация RGB-каналов со средним и стандартным отклонением 0,5. В README отмечено, что для лучшего результата при дообучении использовалось разрешение 384×384. Модель распространяется по лицензии Apache-2.0.

BEiT large patch16 384 — модель классификации изображений на базе Vision Transformer, разработанная Microsoft. Она предварительно обучена без учителя на ImageNet-21k, а затем дообучена с учителем на ImageNet-1k для распознавания объектов по 1000 классам. Модель содержит около 411 млн параметров; изображения разбиваются на патчи размером 16×16 пикселей, а классификация выполняется по представлениям патчей. Для обучения использовались разрешения 224×224 и 384×384 пикселя. Модель предназначена для классификации изображений и извлечения признаков, которые можно использовать для обучения классификатора на собственных размеченных данных. Она принимает изображения и выдаёт метки классов. Для собственного набора классов потребуется дополнительная настройка классификационной головы или дообучение. Репозиторий содержит веса PyTorch и Flax и распространяется по лицензии Apache-2.0.

lyeonii/bert-mini — преобразованная в PyTorch версия компактной англоязычной модели BERT-Mini без учёта регистра, первоначально выпущенной Google Research. Это плотный энкодер BERT примерно на 12 млн параметров с контекстом до 512 токенов; он выдаёт векторные представления текста и подходит для извлечения признаков в NLP-системах. В карточке приведены результаты оценки на задаче MRPC, но модель не описана как специально дообученная для неё. Модель принимает текст на английском языке и формирует контекстные представления токенов. Весами можно пользоваться на условиях лицензии MIT. Это конверсия исходных весов TensorFlow в формат PyTorch.

Модель yeniguno/bert-uncased-intent-classification — англоязычная BERT-модель, дообученная для классификации намерений в пользовательских запросах по 82 меткам. Она предназначена для систем NLU, голосовых помощников, чат-ботов, автоматизации поддержки и разговорных интерфейсов. Архитектура — BertForSequenceClassification; модель содержит 136,7 млн параметров, принимает текст и поддерживает контекст до 512 токенов. В README указаны объединённые наборы данных для классификации намерений и результаты тестирования: точность и F1 составили 98,37%. Эти показатели относятся к описанной тестовой выборке и не гарантируют аналогичное качество на новых данных. Модель выпущена под лицензией Apache-2.0. Качество может снижаться для редко представленных намерений; модель не оптимизирована для языков помимо английского. Для предметных намерений, отсутствующих среди обучающих меток, может потребоваться дополнительное дообучение.

Brigand-Refusal-ModernBERT — англоязычный классификатор, разработанный Martin Bukowski для анализа ответов больших языковых моделей в контурах безопасности и выравнивания. Он одновременно предсказывает позицию ответа — выполнение запроса или отказ, семейство ответа из 19 типов, семейство паттерна рассуждения из 11 типов и тип документа. Два потока обработки используют общие веса ModernBERT-base: один анализирует пару «запрос — ответ», другой — «запрос — рассуждение»; все четыре группы предсказаний формируются за один проход модели. Модель предназначена для разметки поведения LLM, подготовки обучающих сигналов для reward-моделей и фильтрации ответов во время инференса. Она различает, например, общий, юридический и этический отказ, а также случаи частичного выполнения запроса перед отказом. В README описаны калибровка оценок семейств ответов и отдельная обработка блоков рассуждений. Модель дообучена на ModernBERT-base и опубликована в формате safetensors; лицензия — Apache-2.0. Основное назначение — англоязычные данные. Автор отмечает, что многоязычное покрытие минимально, а для некоторых многоязычных категорий валидационных примеров мало, поэтому такие предсказания следует считать ориентировочными. В предоставленной карточке не указаны размер модели и длина контекста.

CTRL-32B — языковая модель-критик, разработанная авторами проекта CTRL и дообученная на основе Qwen2.5-Coder-32B-Instruct. Модель предназначена для оценки и критики ответов языковых моделей: на вход подаются задача и ответ, а модель генерирует текстовый разбор по заданному формату. Подходит для сценариев обучения критиков с подкреплением и проверки качества ответов. Модель имеет плотную архитектуру Qwen2 с 32 млрд параметров и контекстом до 32 768 токенов. Она работает с текстом; карточка рекомендует запуск через vLLM. Указана лицензия Apache-2.0. В карточке приведён пример генерации с ограничением ответа до 1 024 токенов; качество оценивания зависит от формата промпта и не заявлено как универсальное.

DialogRPT-updown — модель ранжирования ответов в диалоге, разработанная группой Microsoft Research NLP. Она оценивает, насколько вероятно, что ответ получит голос за в контексте диалога; оценку можно использовать для сортировки нескольких кандидатов, созданных другой диалоговой моделью, например DialoGPT. Модель относится к семейству GPT-2 и реализована как классификатор последовательностей на PyTorch; длина контекста составляет до 1024 токенов. Модель обучена на более чем 100 миллионах примеров человеческой обратной связи и предназначена для выбора предпочтительного ответа, а не для генерации диалогов. Карточка описывает задачу updown; отдельные модели семейства DialogRPT предназначены и для других видов обратной связи. Лицензия в предоставленных данных не указана.

Модель distilroberta-base-rejection-v1 разработана ProtectAI и дообучена на distilroberta-base для обнаружения отказов в ответах языковых моделей. Она классифицирует текст на два класса: обычный ответ и обнаруженный отказ, например, когда модель отказывается выполнять запрос из-за модерации. Модель предназначена для анализа ответов LLM и может применяться в NoRefusal Scanner из LLM Guard, чтобы выявлять нежелательные отказы и проблемы с промптами. Это англоязычная модель классификации последовательностей на архитектуре RoBERTa, с 95,2 млн параметров и контекстом до 514 токенов. В карточке приведены результаты оценки: точность 0,9887, полнота 0,9810 и F1 0,9537. Модель чувствительна к регистру, а её качество зависит от сходства входного текста с данными обучения; она может хуже работать на незнакомых стилях и темах. Проект архивирован и больше не поддерживается. Лицензия — Apache 2.0.

DPO-Think-14B — 14-миллиардная плотная языковая модель семейства Qwen2, разработанная авторами проекта Aletheia и дообученная на DeepSeek-R1-Distill-Qwen-14B методом DPO. Она предназначена для проверки и ранжирования нескольких вариантов решения задачи по программированию: модель получает условие и кандидаты, затем оценивает, какое решение корректно. Обучение использовало заранее собранные предпочтения и трассы рассуждений без онлайн-сэмплирования; модель можно применять как оценщик или функцию вознаграждения в конвейерах оптимизации генерации кода. Модель рассчитана на текстовый ввод и выдаёт текстовый ответ с оценкой кандидатов. Метаданные указывают контекст до 131 072 токенов; обучение ориентировано на задачи соревновательного программирования и примеры на Python, C++ и Java. Доступны веса в формате Safetensors для Transformers. Лицензия CC BY-NC-SA 4.0 требует атрибуции, ограничивает коммерческое использование и распространяет условия лицензии на производные материалы.

nebius/EAGLE3-gpt-oss-20b — черновая модель EAGLE-3 от Nebius для ускорения вывода gpt-oss-20b с помощью спекулятивного декодирования. Она предлагает несколько токенов-кандидатов, которые основная модель проверяет; это может повысить скорость генерации при сохранении стандартной проверки отклонением. Модель содержит 697,3 млн параметров, использует архитектуру LlamaForCausalLM и рассчитана на контекст до 131 072 токенов. Веса опубликованы в формате Safetensors, лицензия — CC BY 4.0. Модель обучена с нуля с использованием LK losses, которые непосредственно оптимизируют долю принимаемых черновых токенов. В карточке приведены результаты средней длины принятой последовательности на MT-bench, HumanEval и GSM8K, а также сравнение с открытой EAGLE-3-моделью для gpt-oss-20b. Применять её следует как черновую модель в совместимой системе инференса, например vLLM; сама по себе она не предназначена для пользовательской генерации без целевой модели. Результат ускорения зависит от задачи, параметров сэмплирования и версии vLLM.

Репозиторий содержит веса EfficientNet-B5, предварительно обученные на ImageNet. Модель предназначена для классификации изображений и может использоваться как энкодер в библиотеке segmentation-models-pytorch, в том числе в моделях сегментации. Карточка указывает архитектуру EfficientNet-B5 и формат весов safetensors. Модель принимает изображения и выдаёт предсказания классов. Лицензия обозначена как other; конкретные условия следует проверять в файлах репозитория и источниках лицензии.

efficientnetv2_rw_s.ra2_in1k — модель классификации изображений и извлечения визуальных признаков из семейства EfficientNetV2, подготовленная разработчиками timm. Она обучена на ImageNet-1k с рецептом RandAugment RA2, оптимизатором RMSProp с усреднением весов EMA и ступенчатым экспоненциальным расписанием скорости обучения. Модель содержит 23,9 млн параметров; изображение для оценки подаётся в размере 384 × 384 пикселя, а размер обучения составлял 288 × 288 пикселей. Модель подходит для присвоения изображениям классов ImageNet-1k, использования в качестве визуальной основы для извлечения карт признаков и получения эмбеддингов изображений. Она принимает изображения и выдаёт метки классов либо визуальные признаки и эмбеддинги при использовании соответствующего интерфейса timm. В метаданных указаны библиотека timm и форматы PyTorch и safetensors. Лицензия — Apache-2.0.

gemma-4-26B-A4B-it-DFlash — компактная модель-черновик DFlash для ускорения генерации текста базовой моделью google/gemma-4-26B-A4B-it. В методе speculative decoding лёгкая блоковая диффузионная модель параллельно предлагает несколько токенов, которые затем проверяет основная модель. По метаданным, модель содержит 1,1 млрд параметров, использует архитектуру Qwen3 DFlashDraftModel и распространяется в формате safetensors; библиотека для работы — Transformers. Указанная длина контекста — 262144 токена. Модель предназначена для совместного использования с google/gemma-4-26B-A4B-it в серверных сценариях на vLLM или SGLang. В бенчмарках автор сообщает об ускорении до 3,7 раза при параллельной обработке восьми запросов; результаты приведены для одной NVIDIA B300 и конкретных настроек, поэтому производительность зависит от окружения и задачи. Это не самостоятельная чат-модель: она предлагает черновые токены для базовой модели. Лицензия — Apache-2.0.

GhostNetV2 160.in1k — сверточная модель классификации изображений из семейства GhostNetV2, опубликованная авторами соответствующей работы и обученная на ImageNet-1k. Репозиторий предоставляет веса в форматах PyTorch и safetensors для использования через timm и Transformers. Модель предназначена для классификации изображений, а также может использоваться как backbone для извлечения карт признаков и изображенийных эмбеддингов. Для входа указано разрешение 224 × 224 пикселя; модель содержит 12,4 млн параметров и требует около 0,4 GMAC на изображение. Лицензия — Apache-2.0. Обучение на ImageNet-1k задаёт область классов, на которых модель обучалась; качество на других распределениях может отличаться.

thoughtworks/GLM-4.7-Flash-Eagle3 — модель-проектировщик токенов EAGLE3 от Thoughtworks для ускорения инференса zai-org/GLM-4.7-Flash методом спекулятивного декодирования. Это плотная модель с архитектурой LlamaForCausalLMEagle3 и 378 млн параметров; она принимает текстовые префиксы и предлагает черновые токены, которые целевая GLM-4.7-Flash проверяет и принимает или отклоняет. Заявлено ускорение генерации на нескольких тестах, однако результаты зависят от нагрузки и конфигурации сервера. Модель предназначена для совместного запуска с GLM-4.7-Flash в поддерживающей EAGLE3 системе инференса, в частности SGLang. В README приведены тесты на H200, а также настройки спекулятивного декодирования; результаты получены на форке SGLang и могут отличаться при использовании upstream-версии. Контекст модели — 4096 токенов. Репозиторий распространяется по лицензии Apache-2.0.

canada-quant разработала GLM-5.3-Flash-DFlash2-E — компактную черновую модель DFlash2 для ускорения генерации текстовой модели GLM-5.3-Flash с помощью спекулятивного декодирования. Она использует 8 декодерных слоёв с полной attention и Qwen3-подобной архитектурой; размер — 2,2 млрд параметров. Модель принимает текстовые промпты и выдаёт черновые текстовые токены для проверки целевой моделью. В метаданных указан контекст до 1 048 576 токенов, однако описанная конфигурация сервинга рассчитана на 262 тыс. токенов. Модель обучена дообучением предыдущего черновика на самостоятельно сгенерированных целевой GLM-5.3-Flash примерах. README приводит замеры длины принятого блока и скорости генерации на H200 и DGX Spark, а также сравнение с другими черновиками. Это специализированный компонент для связки с GLM-5.3-Flash в vLLM, а не самостоятельная чат-модель. Для работы нужны совместимая целевая модель и стек сервинга с поддержкой DFlash2 и особенностей полной attention; в README отмечены обязательный файл mask_embedding.pt и конфигурация с 7 speculative tokens. Лицензия — Apache-2.0.

Granite Core Library — набор LoRA-адаптеров, разработанный IBM для расширения возможностей базовых моделей IBM Granite в задачах объяснимости, калибровки уверенности и проверки ограничений. Адаптеры предназначены для моделей granite-4.0-micro, granite-4.1-3b, granite-4.1-8b и granite-4.1-30b; исходные модели поддерживают генерацию текста на английском языке. В набор входят три специализации. Context Attribution определяет, какие предложения из контекста, документов и предыдущих реплик диалога повлияли на каждое предложение ответа, и ранжирует их по важности. Requirement Check проверяет, соответствует ли ответ ассистента заданным пользователем требованиям, возвращая бинарную оценку yes/no; поддерживаются проверки формата, содержания, структуры и качества. Uncertainty вычисляет калиброванный процент уверенности в ответе: для оценок X% примерно X% ответов должны быть правильными. Это не самостоятельная базовая модель, а набор PEFT/LoRA-адаптеров, рекомендуемый к использованию через фреймворк Mellea. README не указывает размер контекста, мультимодальность или результаты тестирования, поэтому эти характеристики неизвестны. Артефакты адаптеров подписаны для проверки целостности и происхождения. Лицензия — Apache-2.0.

Ray2333/GRM-llama3-8B-sftreg — дообученная reward-модель для оценки предпочтительности ответов языковых моделей, разработанная автором репозитория на основе Llama 3 8B Instruct. Она использует регуляризацию скрытых состояний и текстовую генерацию для улучшения обобщения на задачах вне обучающего распределения и снижения чрезмерной оптимизации в RLHF, в том числе при искажённых данных предпочтений. Модель основана на плотной архитектуре Llama с 7,5 млрд параметров и контекстом 8192 токена. В README заявлено среднее значение 87,0 на использованном авторами бенчмарке reward-моделей; результат зависит от методики оценки и сам по себе не гарантирует аналогичного качества в конкретном применении. Для загрузки структуры автор рекомендует использовать файл model.py из репозитория и проверять инициализацию v_head. Модель опубликована под лицензией MIT.

Hammer2.1-7b — языковая модель для вызова функций, разработанная командой MadeAgents и дообученная на Qwen/Qwen2.5-Coder-7B-Instruct. Она содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2 и поддерживает контекст до 32 768 токенов. Модель предназначена для диалоговых систем, которые выбирают и вызывают инструменты по запросу пользователя. Hammer2.1 поддерживает многошаговый вызов функций в рамках одного запроса и многоходовое взаимодействие с сохранением контекста. Она также умеет распознавать случаи, когда доступные функции не относятся к запросу, и отвечать без вызова инструмента. Для обучения использовались наборы Salesforce/xlam-function-calling-60k и MadeAgents/xlam-irrelevance-7.5k; доступны интерфейсы использования через vLLM и Transformers. Модель принимает текст и выдаёт текстовые ответы, включая структурированные вызовы функций. Карточка описывает её применение для вызова функций, но не указывает поддерживаемые естественные языки. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

IndoBERT Large Model (phase1, uncased) — предварительно обученная языковая модель на архитектуре BERT, созданная командой IndoBenchmark для индонезийского языка. Модель обучена на корпусе Indo4B с задачами masked language modeling и next sentence prediction; в README для этой версии указано 335,2 млн параметров, тогда как метаданные репозитория указывают 433,9 млн. Контекст составляет до 512 токенов. Модель предназначена для извлечения контекстных представлений текста, которые можно использовать как основу для прикладных NLP-систем на индонезийском языке. Она поддерживается библиотеками Transformers в форматах PyTorch, TensorFlow и Flax. Лицензия — MIT. Это базовая предварительно обученная модель, а не готовый чат-бот или специализированный классификатор.

quiyver/intern-vl-2.5-reward — мультимодальная скалярная модель вознаграждения на основе OpenGVLab/InternVL2_5-2B, дообученная для оценки ответов по изображениям. Она принимает изображение, вопрос и кандидатный ответ и выдаёт числовую оценку, чтобы сравнивать кандидаты для одного и того же изображения и вопроса; оценки не являются вероятностями и не предназначены для генерации ответов. Модель использует архитектуру InternVLRewardModel с визуальным энкодером и языковой частью, а также головкой оценки; содержит около 2,21 млрд параметров. LoRA объединена с основной моделью, поэтому отдельный адаптер загружать не требуется. Веса хранятся в safetensors, основная часть — BF16, головка оценки — FP32. Модель обучалась на парах предпочтений из RLAIF-V, RLHF-V и VLFeedback с попарной функцией потерь Bradley–Terry. В тесте VLRewardBench, содержащем 1 250 примеров, она показала точность 69,52%; результаты относятся к описанному в карточке режиму оценки и не гарантируют качество на других данных. Модель подходит для ранжирования ответов на визуальные вопросы и анализа качества мультимодальных ответов. Лицензия — MIT. Для запуска README рекомендует NVIDIA GPU с поддержкой BF16.

lcnet_100.ra2_in1k — сверточная модель для классификации изображений из семейства LCNet, опубликованная в экосистеме timm. Она обучена на ImageNet-1k с рецептом RandAugment RA2, оптимизатором RMSProp с поведением TensorFlow 1.0, усреднением весов EMA и ступенчатым расписанием скорости обучения с разогревом. Модель содержит около 3 млн параметров, требует изображения размером 224 × 224 и имеет вычислительную сложность около 0,2 GMAC. Её можно использовать для классификации изображений, извлечения карт признаков и получения визуальных эмбеддингов. Компактный размер и низкие вычислительные затраты подходят для сценариев, где важна эффективность; обучение на ImageNet-1k ориентирует её на распознавание объектов из набора классов ImageNet. Репозиторий предоставляет веса PyTorch и safetensors, а для работы предназначена библиотека timm. Лицензия — Apache-2.0.

Trelis/Llama-2-7b-chat-hf-function-calling-v2 — языковая модель для генерации текста и вызова функций, разработанная Trelis на основе Llama 2 7B Chat от Meta. Она предназначена для приложений, где модель должна интерпретировать запрос пользователя и возвращать структурированный JSON с именем функции и её аргументами, например для интеграции с внешними API и автоматизации действий. В версии v2 синтаксис вызова функций упрощён: для инференса достаточно передавать описания функций, без дополнительной инструкции. Описания функций вынесены за пределы системного промпта, что должно уменьшать влияние формулировки системных инструкций на поведение при вызове функций. Указаны текстовая модальность и английский язык. Размер модели — 7B параметров; точное значение контекстного окна в README для этой версии не приведено. Модель рассчитана на локальное или самостоятельное развертывание; для повышения качества необходимо предоставлять чёткие описания функций, обязательных аргументов и значений по умолчанию, а также проверять ответ после генерации и запрашивать недостающие данные. Как модель на 7B параметров, она может уступать более крупным моделям в точности вызова функций и сложном рассуждении. Для этой версии указана бесплатная доступность и лицензия Meta Community license.