II.10Разработка и эксплуатация AI/ML-систем

Ray2333/gpt2-large-harmless-reward_model — модель на архитектуре GPT-2 Large, обученная на наборе Anthropic/hh-rlhf (harmless). Она предназначена для классификации ответов ассистента по признаку потенциального вреда и может применяться как компонент контура RLHF для оценки ответов. Для корректного использования на вход следует подавать текст в формулировке, принятой в Anthropic/hh-rlhf. В README указана точность 0,73698 на тестовой выборке. Модель принимает текст и выдаёт результат классификации. Контекст составляет 1024 токена. Вес опубликован в формате safetensors, лицензия — MIT. Модель обучена только на harmless-части Anthropic/hh-rlhf, поэтому её оценки не следует трактовать как универсальную оценку качества или безопасности ответов.

Это динамически квантизованная до INT8 версия GPT-J 6B в формате ONNX, подготовленная Intel с помощью Intel Neural Compressor. Модель построена на архитектуре Transformer GPT-J для авторегрессионной генерации текста; исходная GPT-J разработана на базе Mesh Transformer JAX. В карточке указано 6 млрд параметров, а контекст составляет 2048 токенов. Модель предназначена для инференса генерации текста и может служить исходной точкой для дообучения под конкретные задачи. В README для набора Lambada приведена точность 0,7926 для INT8-версии против 0,7954 у FP32; размер указан как 6 ГБ вместо 23 ГБ. Модель работает с текстом на английском языке. Репозиторий распространяется по лицензии Apache-2.0. Это базовая языковая модель, поэтому для специализированных сценариев обычно требуется дообучение. Она не должна применяться для намеренного создания враждебной или отчуждающей среды для людей.

gpt-oss-120b-DFlash — модель-черновик для ускорения генерации текста методом speculative decoding, разработанная авторами DFlash. Она использует лёгкую блочную диффузионную архитектуру и предназначена для совместной работы с целевой моделью openai/gpt-oss-120b: черновик параллельно предлагает блоки токенов, которые целевая модель проверяет. В README указано 0,8 млрд параметров, тогда как метаданные репозитория сообщают 1,3 млрд; архитектура в метаданных обозначена как DFlashDraftModel на базе семейства Qwen3. Для репозитория указан контекст 131 072 токена. Модель обучена на 800 тысячах примеров из Nemotron-Post-Training-Dataset-v2 и evol-codealpaca-v1; ответы в обучающих примерах были заново сгенерированы целевой моделью. В опубликованных оценках на GSM8K, Math500, HumanEval, MBPP и MT-Bench показано ускорение генерации при использовании SGLang; измерения проведены на одном GPU H200, поэтому результаты зависят от оборудования, настроек и целевой модели. Это вспомогательная модель для ускорения инференса, а не самостоятельная замена целевой модели. Репозиторий распространяется по лицензии MIT.

GuardReasoner-Omni-3B — мультимодальная модель семейства Qwen2.5-Omni, дообученная методом SFT и оптимизированная с помощью GRPO на основе Qwen/Qwen2.5-Omni-3B. Она создана как рассуждающий защитный фильтр для проверки текста, изображений, видео и аудио и предназначена для обнаружения потенциально небезопасного содержимого. В метаданных указаны архитектура Qwen2_5OmniForConditionalGeneration, 3B в названии модели, библиотека Transformers и формат Safetensors; задача репозитория — text-to-audio. README связывает модель с исследовательской работой GuardReasoner-Omni и указывает, что обучающие и тестовые данные доступны в отдельном наборе GuardReasoner-Omni-data. Метаданные отмечают английский язык и возможность принимать аудио. Лицензия и длина контекста в предоставленных источниках не указаны.

HassanB4 разработала halluscoring-mbert-nli — многоязычный BERT, дообученный для выявления галлюцинаций в ответах. Модель получает эталонный ответ и ответ другой модели в формате NLI: [CLS] gold_answer [SEP] model_answer [SEP], затем выполняет классификацию текста. Использована архитектура BertForSequenceClassification на базе google-bert/bert-base-multilingual-cased; модель содержит 205,1 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для сравнения ответа с эталоном и оценки того, насколько ответ согласуется с ним. В README она описана как внутренний эксперимент по задаче HalluScoring 2026 Task 1.1: на dev-выборке указаны F1-Macro 0,9171 и AUC-ROC 0,9594. Она не оценивалась на скрытой тестовой выборке и не подавалась на конкурс; на подмножестве с невиданными вопросами AUC-ROC ниже, чем у специализированной арабской модели. Лицензия — Apache-2.0.

HGNet-V2 B2 — модель классификации изображений и визуальный backbone из библиотеки timm. Авторы обучали её на ImageNet-22k и ImageNet-1k с использованием дистилляции SSLD. Модель содержит 11,2 млн параметров и выполняет 1,1 GMAC на изображение; размер входа при обучении — 224×224, при тестировании — 288×288 пикселей. Модель подходит для классификации изображений по категориям, извлечения карт признаков и получения векторных представлений изображений. Её можно использовать как backbone в компьютерном зрении; репозиторий предоставляет веса в форматах PyTorch и safetensors. Лицензия — Apache-2.0.

HuBERT-Base-JTube — японская модель энкодера HuBERT от SaruLab, обученная на корпусе JTubeSpeech. Она преобразует входную речь в латентные представления и предназначена для извлечения признаков и построения систем распознавания речи, например для последующей расшифровки аудио. Модель имеет архитектуру HuBERTModel, содержит 113,3 млн параметров и доступна в формате PyTorch через библиотеку Transformers. Модель обучалась на примерно 2720 часах японской речи из корпуса JTubeSpeech. Это энкодер для задач распознавания: он не генерирует речь и сам по себе не является разговорной моделью или готовой системой транскрибации. Лицензия — MIT.

HuBERT-Large — модель Facebook для самообучаемого извлечения речевых представлений из аудио. Она использует архитектуру HuBERT, подобную BERT, и была предварительно обучена на наборе Libri-Light. Модель содержит 402,7 млн параметров и принимает речь с частотой дискретизации 16 кГц. Модель предназначена для получения признаков из речи и может служить основой для систем распознавания речи после дообучения на размеченных аудиоданных. Веса доступны в форматах PyTorch и TensorFlow; модель распространяется по лицензии Apache-2.0. В исходной модели нет токенизатора, и она не преобразует речь в текст напрямую. Для распознавания речи требуется создать токенизатор и дообучить модель на размеченных текстом аудиоданных.

Image-Guard-ckpt-3312 — экспериментальная модель классификации изображений для проверки их безопасности. Она разработана на основе google/siglip2-base-patch16-224 и дообучена с архитектурой SiglipForImageClassification; файлы представлены в формате safetensors. Модель относит изображения к пяти категориям безопасности, включая безопасные аниме- и обычные изображения, а также откровенный контент в стиле аниме. Модель предназначена для модерации изображений, фильтрации наборов данных и предварительной проверки визуальных входов в мультимодальных и генеративных системах. Она принимает изображение и выдаёт категорию, поэтому подходит для автоматической сортировки и сигнализации о потенциально чувствительном контенте. Разработчик предупреждает, что это экспериментальный чекпойнт и для производственного применения рекомендует финальные версии моделей. Лицензия — Apache-2.0.

Inception-v3 — модель классификации изображений и извлечения визуальных признаков из семейства Inception. Её обучили авторы оригинальной работы на ImageNet-1k; Ross Wightman перенёс веса из TensorFlow. Модель содержит около 23,8 млн параметров и рассчитана на изображения размером 299 × 299 пикселей. Модель подходит для классификации изображений по категориям ImageNet-1k, извлечения карт признаков и получения эмбеддингов изображений. Её можно использовать как визуальную основу для прикладных систем компьютерного зрения. Репозиторий предоставляет веса PyTorch и safetensors; для работы используется библиотека timm. Лицензия — Apache-2.0.

IndoBERT-Lite Large Model (phase2, uncased) — предварительно обученная языковая модель для индонезийского языка, созданная командой IndoBenchmark. Это модель архитектуры ALBERT, обученная на текстах набора Indo4B с задачами masked language modeling и next sentence prediction. В метаданных указаны 433,4 млн параметров и контекст до 512 токенов. Модель предназначена для извлечения контекстных представлений текста, которые можно использовать как основу для последующей обработки индонезийского языка. Она доступна в форматах PyTorch и TensorFlow и распространяется по лицензии MIT. В карточке показан способ загрузки через Transformers.

InsTagger — авторегрессионная языковая модель, разработанная OFA-Sys для автоматической разметки запросов тегами. Она предназначена для анализа данных supervised fine-tuning (SFT): модель присваивает запросам инструкции теги, обученные на результатах InsTag, чтобы помочь отбирать и изучать обучающие примеры. Авторы использовали такие теги для выборки данных и обучения моделей TagLM. Модель основана на LLaMA-2, дообучена и имеет 6,6 млрд параметров. Это плотная архитектура LlamaForCausalLM с контекстом 2048 токенов; поддерживает английский язык и принимает текст, выдавая текстовую разметку. В README указана лицензия Apache-2.0. Модель можно запускать через FastChat с шаблоном Vicuna.

JudgeLM-13B-v1.0 — авторегрессионная языковая модель на архитектуре Transformer семейства Llama, разработанная HUST и BAAI. Она создана дообучением Vicuna на наборе JudgeLM-100K и предназначена для исследовательской оценки ответов больших языковых моделей и чат-ботов. Модель принимает текст и формирует текстовые суждения. В метаданных указаны 12,9 млрд параметров и контекст длиной 2048 токенов; карточка отмечает английский язык. Модель оценивалась на JudgeLM val set с суждениями GPT-4 в роли учителя. Лицензия разрешает некоммерческое использование.

Kimi-K3-DFlash — вспомогательная модель-проектировщик DFlash от Modal Labs для ускорения генерации с целевой моделью moonshotai/Kimi-K3. Это плотная модель класса DFlashDraftModel на 3,8 млрд параметров, обученная на общей смеси данных без вызовов инструментов и агентных трасс. Она использует блочную диффузию, чтобы параллельно предлагать несколько токенов; целевая модель проверяет предложения, сохраняя своё распределение выходов. Модель не является самостоятельной языковой моделью и предназначена для совместной работы с поддерживающим DFlash сервером инференса, например SGLang. В тестах на 8 GPU NVIDIA B300 авторы сообщают о пиковых значениях до примерно 900 выходных токенов в секунду на запрос при определённых настройках; это результаты экспериментальной конфигурации, а не общая гарантия производительности. Контекст, указанный в метаданных, составляет 1 048 576 токенов. Лицензия обозначена как other; конкретные условия следует проверять в репозитории модели.

KoBART-base-v1 — корейская модель семейства BART, опубликованная gogamza. Это плотная модель с архитектурой BartModel, содержащая 79,7 млн параметров; она предназначена для извлечения признаков из текста и может использоваться как основа для построения прикладных NLP-систем. Для загрузки применяются Transformers и PreTrainedTokenizerFast. Модель принимает текст и выдаёт скрытые представления токенов; заявленный размер контекста составляет 1026 токенов. Поддерживаемый язык — корейский. Репозиторий содержит веса PyTorch и Safetensors и распространяется по лицензии MIT.

SpeechBrain lang-id-voxlingua107-ecapa — модель распознавания языка устной речи, обученная на наборе VoxLingua107. Она использует архитектуру ECAPA-TDNN, первоначально применявшуюся для распознавания говорящего; дополнительные полносвязные слои после слоя эмбеддингов и обучение с функцией потерь cross-entropy адаптируют её к классификации языка. Модель принимает аудио и относит речевой фрагмент к одному из 107 языков. Также её можно применять для извлечения эмбеддингов высказываний и обучения собственного классификатора языка. Модель обучалась на одноканальных записях с частотой 16 кГц; при вызове classify_file аудио автоматически приводится к нужному формату. Обучающие данные — короткие сегменты из YouTube, автоматически размеченные по языку видео; средняя продолжительность данных на язык составляет около 62 часов, но объём сильно различается. Ошибка на проверочном наборе VoxLingua107 составляет 6,7%. Модель распространяется по лицензии Apache-2.0. Качество может быть ниже для языков с малым объёмом обучающих данных, женской и детской речи, речи с иностранным акцентом, а также речи людей с нарушениями речи. Разметка обучающих сегментов получена автоматически, поэтому возможны ошибки в данных.

LFM2.5-1.2B-Nova-Function-Calling — модель NovachronoAI, дообученная на базе LiquidAI/LFM2.5-1.2B-Instruct для вызова функций и инструментов. Она принимает запросы на естественном языке и формирует структурированные аргументы в JSON для API, программных агентов и других инструментов. Модель основана на плотной архитектуре LFM2 и содержит 1,5 млрд параметров; её контекст — до 128 000 токенов. В карточке указана поддержка английского языка и лицензия Apache-2.0. Модель ориентирована на выбор инструмента, извлечение аргументов и соблюдение JSON-схем. Карточка заявляет высокую точность синтаксиса JSON и наличие вариантов GGUF для локального запуска, однако численные результаты приведены без описания методики и независимой проверки. Как компактная модель, она может уступать более крупным моделям в сложных или неоднозначных запросах; качество вызовов следует проверять на целевых инструментах и схемах.

unsloth/llama-2-7b-bnb-4bit — это 4-битно-квантизированная версия Llama 2 с 7 млрд параметров, подготовленная Unsloth и предназначенная для использования с библиотекой Transformers. Квантизация выполнена напрямую с помощью bitsandbytes, что снижает требования к памяти по сравнению с полноразмерной моделью. Модель ориентирована на запуск и дообучение Llama 2 на ограниченных вычислительных ресурсах, включая видеокарты уровня Tesla T4. Она может использоваться для генерации и продолжения англоязычного текста, а также для прикладного fine-tuning на собственных наборах данных. README упоминает поддержку conversational и text completion сценариев, включая шаблоны ShareGPT ChatML и Vicuna. Ключевые характеристики: архитектура семейства Llama 2, размер 7B, текстовая модальность, основной заявленный язык — английский, формат 4-bit bitsandbytes. Точные параметры контекстного окна и дополнительные языковые возможности в README не указаны. Сильная сторона модели — уменьшенное потребление памяти и возможность более быстрого и доступного дообучения; ограничениями являются потери, связанные с квантизацией, зависимость от совместимого программного окружения и отсутствие подробных данных о качестве, контексте и поведении модели. Указана лицензия Apache-2.0.

Trelis разработал fLlama 2 — чат-модель на базе Llama 2, дообученную для вызова функций. Она предназначена для диалоговых приложений, которым нужно получать от модели структурированный JSON с именем функции и её аргументами, например для передачи запроса инструменту или внешнему API. В карточке этой версии указано, что она обучена с использованием GPTQ и распространяется как адаптер. Модель построена на архитектуре Llama, содержит около 6,6 млрд параметров и поддерживает контекст до 4096 токенов. Она принимает текст и генерирует текст; карточка ориентирует её на английский язык. Для запуска требуются базовая модель и подходящий способ загрузки адаптера. Использование регулируется лицензией Meta для Llama 2, условия которой необходимо принять для доступа к весам.

Llama-3.1-8B-bonito-v1 — языковая модель, разработанная Nihal V. Nayak, Yiyang Nan, Avi Trost и Stephen H. Bach. Это дообученная версия Llama 3.1 с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; она генерирует условные задания и синтетические наборы данных для настройки инструктивных моделей на неразмеченных текстах. Модель рассчитана на английский язык, использует текстовый ввод и выдаёт текст. Длина контекста — до 131 072 токенов. Модель предназначена для создания обучающих примеров по суммаризации, анализу тональности, классификации тем, вопросам и ответам, естественно-языковому выводу, перефразированию и другим типам задач, перечисленным в карточке. Авторы приводят результаты адаптации других моделей на созданных Bonito инструкциях; особенно полезен сценарий, когда для частных или специализированных текстов нет готовых разметок. Синтетические примеры могут содержать фактические ошибки и предвзятость, а качество адаптации зависит от объёма неразмеченных данных. Авторы отмечают, что экспериментальные улучшения проверялись на ограниченном наборе типов задач, и рекомендуют проверять сгенерированные данные и тестировать адаптированные модели перед применением. Модель не включает специального обучения безопасности. Лицензия — Llama 3.1 Community License.

YoojongChoi/Llama-3.1-8B-Instruct-ft-hallucination-detection — дообученная разговорная модель на архитектуре Llama 3.1, созданная YoojongChoi на базе unsloth/meta-llama-3.1-8b-instruct-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Репозиторий содержит веса Safetensors; модель насчитывает 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. По названию модель предназначена для выявления галлюцинаций в ответах языковых моделей. Метаданные относят её к генерации текста и указывают возможность диалогового взаимодействия; карточка не описывает формат входных данных для детекции, метод оценки или результаты тестирования. Модель распространяется по лицензии Apache-2.0.

Llama-3.2-3B-wildguard-ko-2410 — корейская модель-классификатор для выявления вредоносных запросов и ответов, разработанная Хигю Кимом. Она дообучена на базе Bllossom/llama-3.2-Korean-Bllossom-3B и предназначена для проверки запросов перед обработкой, оценки ответов на вредоносность и определения отказа от выполнения запроса. Модель содержит 3,2 млрд параметров, использует архитектуру Llama и рассчитана на генерацию текста; заявленный контекст — до 131 072 токенов. В README приведены результаты на переведённых на корейский язык наборах Wildjailbreak и Wildguardmix: F1 80,116 для Wildjailbreak, 87,381 для классификации запросов и 84,653 для оценки вредоносности ответов. Для оценки отказов указан F1 60,126, поэтому качество этой функции может быть ниже. Карточка не описывает отдельные меры предосторожности при использовании классификаций. Лицензия — Llama 3.2.

llm-d-sc-complexity — англоязычная модель эмбеддингов предложений, разработанная для llm-d-sc, компонента маршрутизации запросов в llm-d. Модель дообучена на базе sentence-transformers/all-MiniLM-L6-v2 и создаёт 384-мерные векторы для оценки сложности запросов: от простых одношаговых инструкций до составных задач. Архитектура — BERT; в репозитории указано 25,9 млн параметров, максимальная длина контекста — 512 токенов. Модель не выдаёт готовую метку класса. Запрос сравнивается по косинусному сходству с набором текстовых опорных примеров (anchors), после чего ранжированные оценки можно использовать для выбора уровня обслуживания. Набор anchors можно менять или расширять без переобучения; выбор конечной точки и маршрутизация остаются на стороне вызывающей системы. В README сообщается об оценке на 80 отложенных запросах и о задержке на CPU, однако результаты получены в домашней лаборатории и независимо не воспроизводились. Модель обучена на синтетических данных, а проверка на человеческой разметке не проводилась. Наиболее неоднозначна граница между уровнями MEDIUM и COMPLEX; качество зависит от содержимого anchors. Поддерживается только английский язык. Лицензия — Apache-2.0.

loggenix-moe-0.4B-0.2A-sft-s4 — специализированная языковая модель от kshitijthakkar для анализа трасс OpenTelemetry и задач наблюдаемости при разработке агентных систем. Модель дообучена методом SFT на корпусах TraceVerse и генерирует структурированные JSON-вызовы инструментов на основе данных, заключённых в тегах <trace>. Она предназначена прежде всего для диагностики по трассам и выбора MCP-инструментов, а не для универсального общения. Это разреженная MoE-модель на базе Qwen3 MoE с 16 экспертами и выбором top-2. Всего она содержит около 390,1 млн параметров, из которых примерно 191,9 млн активны на токен; вычислительная часть без эмбеддингов и выходной головы составляет около 36,3 млн параметров. Размер словаря — 151 936 токенов, заявленный язык — английский, библиотека — Transformers, контекст обучения — 8192 токена. Доступны варианты GGUF, включая F16, Q8_0 и Q4_K_M; для последнего указана скорость около 344 токенов в секунду. Сильные стороны модели — специализация на trace-анализе, высокая приверженность формату структурированного вывода и компактные вычисления благодаря MoE-архитектуре. На целевых тестах детерминированная корректность контрактного формата составила 88%, а показатель соблюдения рассуждательного режима — 96%. Ограничения включают заметное снижение качества вне домена, ухудшение работы на запросах без trace-полезной нагрузки и склонность к зацикливанию при жадном декодировании. Для Transformers рекомендуется сэмплирование с temperature 0,7, top_p 0,95 и top_k 20, а также до 1500 новых токенов; для GGUF следует сохранять контекст 8192. Модель распространяется по лицензии Apache-2.0.

mHuBERT-147 — компактная мультиязычная модель для извлечения признаков из речи, разработанная авторами проекта UTTER и представленная в работе NAVER LABS Europe. Это третья итерация модели на архитектуре HuBERT base с примерно 113,3 млн параметров по метаданным; README указывает 95 млн параметров. Модель предварительно обучена на 90 тысячах часов аудиоданных с открытыми лицензиями для 147 языков, используя дискретные речевые единицы, полученные с помощью faiss IVF. Модель предназначена для получения речевых представлений, которые можно использовать как основу для последующих задач, включая распознавание речи и определение языка. Авторы сообщают о высоких результатах на ML-SUPERB и новых лучших результатах в трёх задачах определения языка. Репозиторий содержит веса Fairseq и их конверсию для Hugging Face Transformers; здесь опубликован вариант PyTorch/Safetensors. Лицензия — CC-BY-NC-SA-4.0, предусматривающая некоммерческое использование и распространение производных на тех же условиях. Состав данных включает несколько корпусов, и часть файлов CommonVoice впоследствии была удалена по запросам правообладателей.

Inferact/MiniMax-M3-EAGLE3-GQA — черновая модель EAGLE3, разработанная Inferact для ускорения инференса MiniMax-M3 с помощью спекулятивного декодирования. Это плотная однослойная архитектура Llama с групповым запросно-ключевым вниманием (GQA), 1,6 млрд параметров и контекстом до 1 048 576 токенов. При обслуживании через vLLM модель использует общие с целевой моделью эмбеддинги и выходную голову; обучение выполнено с TorchSpec на тех же данных, что и вариант с MHA, включая kimi-mtp, OpenCodeInstruct, SWE-bench и SWE-bench-Pro. Замена MHA на GQA сокращает KV-кэш черновой модели в 16 раз и обеспечивает совместимость с целевой MiniMax-M3. В измерениях из карточки на MT-Bench средняя длина принятого фрагмента составила 2,668 токена, а доля принятых черновых токенов — 55,62%; результаты зависят от набора данных и конфигурации запуска. Модель предназначена для использования вместе с MiniMax-M3 в vLLM, а не как самостоятельный универсальный генератор. Лицензия — MIT.

EuroEval/mmBERT-small-multi-wiki-qa-synthetic-hallucinations-with-ragtruth-fi — модель для token classification на базе Transformers, связанная с ModernBERT и имеющая около 140,5 млн параметров. По названию репозитория она ориентирована на анализ синтетических галлюцинаций в задачах вопросов и ответов по нескольким wiki-источникам с использованием сценариев RAGTruth; суффикс fi указывает на финскую языковую версию или набор данных. Модель поддерживает контекст до 8192 токенов и предназначена для интеграции в конвейеры Hugging Face Transformers. Её можно применять для токенового или последовательностного выявления фрагментов, связанных с галлюцинациями и качеством ответов RAG-систем, если формат выходных меток соответствует используемому сценарию. Подробные сведения о разработчике, лицензии, обучающих данных, метриках и точной схеме меток в карточке отсутствуют.

mobilenetv3_large_100.miil_in21k_ft_in1k — модель классификации изображений на архитектуре MobileNetV3 Large, разработанная Alibaba MIIL. Она предварительно обучена на ImageNet-21k-P и дообучена на ImageNet-1k. Модель содержит около 5,5 млн параметров, рассчитана на изображения размером 224 × 224 и может использоваться как классификатор или основа для извлечения признаковых карт и эмбеддингов изображений. Модель подходит для распознавания объектов на изображениях и построения компактных компьютерно-зрительных систем, в том числе с ограничениями по вычислительным ресурсам. В карточке указаны низкие вычислительные затраты — около 0,2 GMACs. Репозиторий предоставляет веса в форматах PyTorch и safetensors; заявлена лицензия Apache-2.0. Описание не подтверждает поддержку конкретных языков: модель работает с изображениями.

timm/mobileone_s3.apple_in1k — модель классификации изображений семейства MobileOne, опубликованная в библиотеке timm. Согласно карточке, она обучена авторами статьи MobileOne на ImageNet-1k и может использоваться как классификатор или как основа для извлечения признаков и эмбеддингов изображений. Модель содержит 10,2 млн параметров; для неё указаны вычислительная сложность 1,9 GMACs и размер входного изображения 224 × 224. Чекпойнт предназначен для классификации изображений по категориям ImageNet-1k и получения визуальных представлений. Метаданные указывают на форматы PyTorch и safetensors. В карточке предписано соблюдать исходную лицензию; метаданные обозначают лицензию как other, поэтому перед использованием следует проверить условия лицензии оригинала.

NeuCodec — лёгкий нейронный аудиокодек для речи, разработанный Neuphonic. Он кодирует речь в компактные токены и восстанавливает аудио; модель предназначена для подготовки речевых данных и обучения высококачественных моделей преобразования текста в речь и SpeechLM. Кодек использует конечное скалярное квантование (FSQ) с одной кодовой книгой и скоростью около 0,8 кбит/с: 50 токенов в секунду по 16 бит на токен. На вход подаётся аудио с частотой 16 кГц, декодер выдаёт аудио с частотой 24 кГц. FSQ-кодирование также рассчитано на устойчивость к битовым ошибкам в ненадёжных и шумных каналах. По заявлению разработчика, потери при восстановлении почти неслышны; кодек позволяет существенно сжимать речевые датасеты и снижать требования к вычислениям при обучении. Модель основана на развитии X-Codec2.0 и доступна в форматах PyTorch и Safetensors. Выпущена под лицензией Apache-2.0, допускающей коммерческое использование.