II.10Разработка и эксплуатация AI/ML-систем

RegNetY-600MF — модель классификации изображений из семейства RegNet, опубликованная авторами статьи и доступная в библиотеке timm. Она предварительно обучена на ImageNet-1k и предназначена для распознавания объектов на изображениях, а также может использоваться как базовая сеть для извлечения признаков и эмбеддингов. Модель содержит около 6,1 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. В реализации timm доступны стохастическая глубина, градиентный чекпойнтинг, настройка шага выходных признаков и другие параметры сети. Веса распространяются в формате PyTorch Safetensors под лицензией MIT. Классификация ориентирована на категории ImageNet-1k, поэтому точность для других предметных областей или нестандартных изображений не гарантируется. Для специализированного применения может потребоваться адаптация или дообучение.

RegNetY-3.2GF — сверточная модель классификации изображений из библиотеки timm, обученная Россом Уайтманом на ImageNet-1k. Она предназначена для присвоения изображениям меток классов и может использоваться как базовая сеть для извлечения карт признаков и визуальных эмбеддингов. Модель содержит 19,4 млн параметров и требует 3,2 GMACs. В README указаны размеры изображений 224×224 для обучения и 288×288 для тестирования. Реализация timm включает стохастическую глубину, контрольные точки градиентов и настройку шага выхода, среди других параметров архитектуры. Репозиторий содержит веса PyTorch и SafeTensors; библиотека запуска — timm. Модель подходит для классификации изображений общего назначения и построения компьютерно-зрительных конвейеров, использующих признаки ImageNet. Карточка не описывает поддержку иных языков изображений, кроме английских названий классов ImageNet, и не приводит специальных ограничений качества. Лицензия — Apache-2.0.

Replit Code v1.5 — языковая модель Replit для автодополнения и продолжения программного кода. В этом репозитории размещены файлы модели в формате GGUF; исходная модель основана на архитектуре MPT и содержит 3,3 млрд параметров. Модель обучалась на коде 30 языков программирования, а также на отфильтрованных текстах из Markdown, reStructuredText и Stack Exchange. Контекст составляет 4096 токенов. Она подходит для дополнения кода по его началу и генерации продолжения в редакторах и приложениях для разработки. Веса представлены в вариантах GGUF BF16 и F32. Модель рассчитана на задачи работы с кодом, однако качество вывода может различаться между языками и сценариями. В обучающих данных могли сохраниться оскорбительные или неприемлемые материалы, поэтому результаты требуют проверки перед применением. Лицензия — Apache-2.0; README указывает на возможность прикладной настройки без строгих ограничений коммерческого использования.

repvgg_d2se — свёрточная модель классификации изображений, обученная авторами статьи на ImageNet-1k и опубликованная в коллекции timm. Она реализована на базе гибкой архитектуры BYOBNet и может использоваться как классификатор или визуальный backbone для извлечения карт признаков и эмбеддингов. Модель содержит 133,3 млн параметров, рассчитана на изображения размером 320 × 320 и имеет вычислительную стоимость 74,6 GMACs. Модель подходит для распознавания объектов и категорий на изображениях, а также для получения визуальных признаков в последующих задачах компьютерного зрения. Репозиторий предоставляет веса в форматах PyTorch и safetensors; лицензия — MIT. Данных о специальных ограничениях применения в карточке нет.

ResNeSt-200e — модель классификации изображений на основе ResNet с механизмом Split Attention. Её обучили авторы статьи о ResNeSt на ImageNet-1k; модель доступна через библиотеку timm. Веса содержат около 70,2 млн параметров, модель рассчитана на изображения размером 320 × 320 пикселей. Модель предназначена для классификации изображений и может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов. Она подходит для распознавания объектов на фотографиях и построения систем компьютерного зрения. Репозиторий содержит веса PyTorch в формате safetensors. Лицензия — Apache-2.0.

ResNet152.a3_in1k — модель классификации изображений семейства ResNet-B, опубликованная в библиотеке timm и обученная на ImageNet-1k по рецепту ResNet Strikes Back A3. Архитектура использует активации ReLU, свёртку 7×7 с пулингом и обходные соединения с понижающими 1×1-свёртками. Модель содержит 60,2 млн параметров и требует около 5,9 GMACs на изображение. Модель предназначена для классификации изображений, извлечения карт признаков и получения эмбеддингов. При обучении использовался размер изображения 160×160, при оценке — 224×224. Доступны веса PyTorch и safetensors; лицензия Apache-2.0. Карточка не подтверждает поддержку естественного языка или других модальностей.

Это предобученные на ImageNet веса ResNet-18, опубликованные для использования в качестве энкодера в библиотеке segmentation-models-pytorch. Модель предназначена для классификации изображений и как часть сегментационных систем, где ResNet-18 извлекает признаки из изображения. Репозиторий содержит веса в формате safetensors; карточка не сообщает число параметров, языки или конкретные ограничения качества. Лицензия указана как other, поэтому условия использования следует уточнить по лицензии репозитория.

resnet200d.ra2_in1k — сверточная модель классификации изображений из библиотеки timm, обученная на ImageNet-1k. Она основана на архитектуре ResNet-D и содержит 64,7 млн параметров. Вариант ResNet-D использует трехслойный стем из сверток 3×3 с пулингом и сокращающие соединения с усредняющим пулингом 2×2 и сверткой 1×1; применяются активации ReLU. Для обучения использована схема аугментации RandAugment RA2, оптимизатор RMSProp, усреднение весов EMA и ступенчатое экспоненциальное уменьшение скорости обучения с разогревом. Модель предназначена для отнесения изображений к классам, а также может служить основой для извлечения карт признаков и эмбеддингов изображений. Указанный размер входа при обучении — 256×256, при тестировании — 320×320 пикселей. Данные описывают обучение на ImageNet-1k; лицензия репозитория — Apache-2.0.

ResNet34.bt_in1k — свёрточная модель классификации изображений из библиотеки timm. Она обучена на ImageNet-1k по рецепту Bag of Tricks и может использоваться для присвоения изображениям классов, извлечения карт признаков и получения эмбеддингов. Архитектура ResNet использует блоки с остаточными связями, активации ReLU, начальную свёртку 7×7 с пулингом и свёртки 1×1 для согласования размерностей в обходных связях. Модель содержит 21,8 млн параметров и требует 3,7 GMACs. Обучение проводилось на изображениях 224×224, для оценки автор указывает размер 288×288. Лицензия Apache-2.0. Карточка не заявляет поддержку конкретного естественного языка: модель принимает изображения и выдаёт классовые метки, а также может формировать признаки и эмбеддинги.

ResNet50.b1k_in1k — сверточная модель классификации изображений из библиотеки timm, обученная на ImageNet-1k по рецепту ResNet Strikes Back B (RA2). Архитектура ResNet использует ReLU, начальную свертку 7×7 с пулингом и свертки 1×1 в shortcut-связях для уменьшения размерности. Модель содержит 25,6 млн параметров; в карточке указаны 4,1 GMACs и размеры изображений 224×224 при обучении и 288×288 при тестировании. Модель предназначена для классификации изображений, извлечения карт признаков и получения векторных представлений изображений. Она принимает изображение и выдает метки классов; признаки также можно использовать в качестве эмбеддингов в последующих задачах компьютерного зрения. Карточка не указывает отдельные целевые языки или прикладные области. Распространяется по лицензии Apache-2.0.

ResNet50.d_in1k — сверточная модель классификации изображений из библиотеки timm, обученная на ImageNet-1k по рецепту ResNet Strikes Back D. Архитектура использует блоки ResNet с активациями ReLU, начальную свертку 7×7 с пулингом и свертки 1×1 в обходных соединениях. Модель содержит 25,6 млн параметров и предназначена также для использования в качестве основы для извлечения признаковых карт и эмбеддингов изображений. Модель классифицирует изображения общего назначения; при обучении использовался размер 224×224, при тестировании — 288×288. Репозиторий предоставляет веса PyTorch и safetensors. Лицензия — Apache-2.0.

ResNet50-GN A1H — сверточная модель классификации изображений из библиотеки timm, обученная на ImageNet-1k. Вариант ResNet использует активации ReLU, свёртку 7×7 с пулингом и остаточные связи с проекцией через свёртки 1×1. Модель содержит 25,6 млн параметров и работает с изображениями: размер при обучении — 224×224, при тестировании — 288×288. Модель предназначена для классификации изображений и может использоваться как основа для извлечения карт признаков и эмбеддингов. Обучение выполнено по рецепту A1 из ResNet Strikes Back с оптимизатором LAMB, усиленными dropout, stochastic depth и RandAugment, а также косинусным расписанием скорости обучения с разогревом. Лицензия — Apache-2.0.

ReXNet-R 300 — модель классификации изображений семейства ReXNet-R, разработанная Россом Уайтманом для библиотеки timm. Она использует архитектуру ReXNet-R, в которой размеры каналов округляются для эффективной работы тензорных ядер NVIDIA. Модель содержит около 34,8 млн параметров и предназначена также для извлечения признаковых карт и эмбеддингов изображений. Модель предварительно обучена на ImageNet-12k, а затем дообучена на ImageNet-1k. В карточке приведены размеры изображений 224×224 для обучения и 288×288 для тестирования, а также точность top-1 84,53% и top-5 97,252% на ImageNet-1k. Весы доступны в форматах PyTorch и Safetensors и рассчитаны на классификацию изображений и использование в качестве визуального бэкбона. Лицензия — Apache-2.0.

leomaurodesenv/roberta-base-trustairlab-jailbreak — дообученная модель классификации текста на базе FacebookAI/roberta-base. Она предназначена для классификации текстовых последовательностей; название репозитория указывает на выявление jailbreak-запросов, однако README не уточняет назначение, набор классов или обучающие данные. Модель содержит 151,8 млн параметров, использует архитектуру RoBERTa и принимает последовательности длиной до 514 токенов. В README приведены результаты оценки: accuracy 0,935 и loss 0,2034; состав и методика оценки не описаны. Базовая модель ориентирована на английский язык, а сведения о языках и датасете дообучения отсутствуют. Модель распространяется по лицензии MIT.

wangyue114514/rwkv7-g1g-2.9b-hf — языковая модель семейства RWKV-7 G1G, опубликованная в формате Transformers. Это плотная рекуррентная причинная языковая модель с примерно 2,95 млрд параметров, 32 слоями, размером скрытого состояния 2560 и словарём из 65 536 токенов. В метаданных указаны библиотека Transformers и контекст длиной 2048 токенов; веса сохранены в формате safetensors и имеют тип float16. Модель предназначена для генерации текста и диалогового взаимодействия. Она совместима со стандартным интерфейсом AutoModelForCausalLM и может использоваться в сценариях дообучения и оценки через Trainer, Accelerate, PEFT LoRA, TRL и lm_eval. README описывает конверсию исходного чекпойнта RWKV-7; сама модель не заявлена как дообученная на конкретной предметной области. Для загрузки файлов модели README указывает необходимость trust_remote_code=True, что приводит к загрузке кода конфигурации, кэша, операций, модели и токенизатора из репозитория. Лицензия — Apache-2.0. Карточка не сообщает поддерживаемые естественные языки и специализированные домены.

Nanthasit/sakthai-coder-1.5b — модель от разработчика Nanthasit, дообученная на базе Qwen2.5-Coder-1.5B-Instruct. Она предназначена для генерации и завершения кода, исправления ошибок, небольших рефакторингов, а также формирования JSON для вызова инструментов и функций. Модель имеет около 1,5 млрд параметров и поставляется в формате GGUF с квантизацией Q4_K_M. Она ориентирована на локальный офлайн-запуск на CPU через llama.cpp или llama-cpp-python; заявленный объём памяти составляет менее 1,2 ГБ, а пример конфигурации использует контекст 4096 токенов. В карточке указан английский язык. Рекомендуемые параметры генерации включают temperature 0,2, top_p 0,9 и до 1024 новых токенов. Сильными сторонами являются компактность, возможность работы без GPU и поддержка структурированных tool-calling-ответов: для SakThai Bench v2 заявлены 100% валидных JSON-ответов и 91,2% точности выбора инструмента при корректном формате prompt. Модель также демонстрирует пригодность для типичных задач программирования, однако результаты могут зависеть от формата запроса, а ошибки в анализе логики кода всё ещё возможны, поэтому критические изменения требуют проверки. Модель распространяется по лицензии Apache 2.0.

SelfJev-4B merged — это модель для структурированных решений по тексту, разработанная авторами SelfJev. Она принимает вопрос и предложенные варианты, оценивает их вероятности и может вернуть ответ «да/нет», выбрать вариант или выставить оценку по заданной шкале. Модель основана на Qwen3.5-4B и предназначена для маршрутизации сообщений, проверки утверждений и ответов ИИ, классификации намерений, оценивания и обнаружения обхода защитных ограничений. В репозитории находятся объединённые веса примерно на 9,3 ГБ, токенизатор и конфигурация; отдельная загрузка базовой модели или адаптера не нужна. Для запуска README описывает Linux с NVIDIA GPU и совместимым окружением vLLM, а метаданные указывают библиотеку Transformers. Хотя сохранена исходная компоновка с весами для зрения, модель обучалась и оценивалась для текста. Для исходного адаптера приведены результаты на нескольких наборах: 95,7% на тестах текстовых решений, 93,1% при проверке ответов ИИ и 83,4% на публичных задачах. Это результаты движка TreeServer, а не отдельного тестирования данного объединённого чекпойнта через vLLM; авторы отмечают, что часть разметки создана с помощью ИИ и что нужна независимая оценка. Лицензия в таблице сравнения указана как Apache-2.0 для кода; README не уточняет отдельные условия лицензирования весов.

SemanticRepair-270M — компактная текстовая модель Gramscii-IT для восстановления пользовательского запроса и подготовки строки запроса для маршрутизатора эмбеддингов. Она предназначена для распознавания наличия запроса и его формулировки для последующего поиска или выбора возможностей; если запроса нет, модель должна выдать NO_REQUEST. Модель не отвечает на вопрос и сама не выполняет инструменты: допуск операции и её запуск остаются за хост-приложением. Модель содержит 257 млн параметров, основана на Gemma 3 270M и дообучена на датасете semantic-repair-routing. В карточке указаны архитектура Gemma3ForCausalLM, контекст 32 768 токенов и поддержка английского, итальянского, французского, немецкого и испанского языков. Доступны GGUF Q8_0 и safetensors; автор описывает GGUF как используемый движком вариант. Оценки в карточке показывают компромисс: на замороженной проверочной выборке кандидат повысил долю правильных отказов, но снизил долю полных результатов для поддерживаемых запросов и не улучшил общий результат. Разметка создана авторами без независимой проверки людьми, а успешное выполнение инструментов и качество ответов не оценивались. Модельные артефакты распространяются на условиях Gemma; README также указывает PolyForm Noncommercial для дополнительной оценки и CC BY 4.0 для обучающих данных.

seresnext50_32x4d.gluon_in1k — сверточная модель классификации изображений семейства SE-ResNeXt, опубликованная timm. Она сочетает остаточную архитектуру ResNeXt с групповыми свёртками и механизмом Squeeze-and-Excitation, который учитывает важность каналов признаков. Модель содержит 27,6 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Модель обучена на ImageNet-1k с использованием рецептов Bag-of-Tricks в Apache Gluon. Её можно применять для классификации изображений, извлечения карт признаков и получения эмбеддингов изображений. Репозиторий содержит веса PyTorch в формате safetensors; лицензия — Apache-2.0.

Shark-Coder-9b — слитая модель на архитектуре Mistral, созданная powermove72 с помощью LazyMergekit из powermove72/Shark-1 и S-miguel/The-Trinity-Coder-7B. Она предназначена для генерации и дополнения кода, а также ответов на запросы по программированию в формате текстового диалога. Модель содержит 8,9 млрд параметров и поддерживает контекст длиной до 32 768 токенов; веса опубликованы в формате safetensors. Слияние выполнено методом passthrough с объединённым токенизатором; в конфигурации указана точность float16. В доступных материалах не описаны результаты оценки качества, конкретные языки программирования или поддержка вызова инструментов. Лицензия не указана в предоставленных данных.

SHViT S2 in1k — модель классификации изображений на архитектуре Single-Head Vision Transformer, обученная авторами статьи на ImageNet-1k и опубликованная в библиотеке timm. Она предназначена для отнесения изображений к классам ImageNet, а также может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов. Модель содержит 11,5 млн параметров, обрабатывает изображения размером 224 × 224 и требует 0,4 GMAC на проход. Репозиторий предоставляет веса PyTorch в формате safetensors. Лицензия MIT разрешает использование и распространение на её условиях.

Это конверсия на Keras 3 многоязычной модели SigLIP Base от Google, подготовленная zeromodels. Модель использует двойной визуально-текстовый энкодер и попарную sigmoid loss; она сопоставляет изображения с текстовыми запросами для классификации без дополнительного обучения. При работе подберите текстовые промпты и изображения для сравнения; для согласования размера изображений и токенизатора рекомендуется использовать соответствующий Processor. Репозиторий предоставляет реализацию, работающую с TensorFlow, PyTorch и JAX. Модель принимает изображения и текстовые промпты и выдаёт оценки соответствия для zero-shot классификации. Лицензия — Apache 2.0.

Speechless Tora Code 7B v1.0 GGUF — это языковая модель для генерации текста и программного кода, разработанная Jiangwen Su и квантованная TheBloke в формате GGUF. Модель основана на архитектуре Llama и содержит около 7 млрд параметров. В карточке указан английский язык, а исходный вариант доступен в формате PyTorch FP16. GGUF-файлы предназначены для локального запуска с использованием llama.cpp и совместимых интерфейсов и библиотек, включая text-generation-webui, LM Studio, KoboldCpp, ctransformers и llama-cpp-python. Модель ориентирована на программирование, генерацию кода и выполнение инструкций в текстовом формате. При обучении использовались наборы данных jondurbin/airoboros-2.2, Open-Orca/OpenOrca, garage-bAInd/Open-Platypus, WizardLM/WizardLM_evol_instruct_V2_196k и TokenBender/python_eval_instruct_51k. Для HumanEval указан результат pass@1 51,829%, однако он отмечен как непроверенный. Данные о размере контекста, поддерживаемых модальностях и специализированных языках программирования не приведены. Ключевое преимущество версии GGUF — возможность запуска на CPU и GPU с различными уровнями квантования от 2 до 8 бит, что позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством. Ограничения включают возможную потерю качества из-за квантования, отсутствие подтверждённых результатов оценки и неизвестный размер контекста. В карточке указана лицензия llama2.

SPLADE-Small — компактная модель разреженного поиска rasyosef на основе BERT-Small, дообученная с дистилляцией Cross-Encoder ms-marco-MiniLM-L6-v2 на данных MS MARCO. Модель кодирует запросы и документы в разреженные векторы размерности 30 522; релевантность оценивается скалярным произведением. Число параметров — 32,4 млн, максимальная длина входа — 512 токенов. Модель предназначена для поиска и ранжирования документов по текстовому запросу, включая локальный поиск по небольшим коллекциям без GPU. В README приведены результаты оценки на MS MARCO и указано, что модель достигает 91% результата SPLADE-v3-distilbert при вдвое меньшем размере. Модель рассчитана на английский язык и обучена на MS MARCO. Распространяется под лицензией MIT. Качество и применимость за пределами англоязычного поиска по тематике MS MARCO в карточке не подтверждены.

QuantFactory/starcoder2-7b-GGUF — квантованная версия модели StarCoder2-7B, разработанной проектом BigCode и преобразованной с использованием llama.cpp. Модель предназначена для генерации и дополнения программного кода, включая сценарии автодополнения, редактирования кода и работы с фрагментами в режиме Fill-in-the-Middle. Она не является instruction-моделью, поэтому плохо подходит для выполнения команд, сформулированных как обычные инструкции на естественном языке. Модель содержит около 7 млрд параметров и обучена более чем на 3,5 трлн токенов из набора The Stack v2, включая данные на 17 языках программирования; также использовались отдельные материалы из Arxiv и Wikipedia. Она использует Grouped Query Attention, контекстное окно 16 384 токена и sliding window attention размером 4 096 токенов. Квантование снижает требования к памяти по сравнению с полноразмерной версией, что упрощает локальный запуск, однако конкретные характеристики зависят от варианта квантования. В README приведены результаты на задачах генерации и понимания кода, включая HumanEval, HumanEval+, DS-1000, CruxEval-I и RepoBench. К ограничениям относятся слабая пригодность для диалогового следования инструкциям, возможные ошибки и небезопасные или неэффективные фрагменты кода, а также потери качества, связанные с квантованием. Для модели указана лицензия bigcode-openrail-m.

StarCoderBase-1B — авторегрессионная языковая модель для генерации программного кода, разработанная проектом BigCode. Это версия семейства StarCoderBase с 1 млрд параметров, основанная на архитектуре GPT-2 с Multi-Query Attention. Модель обучалась на корпусе The Stack v1.2, содержащем код более чем на 80 языках программирования, с целью Fill-in-the-Middle на 1 трлн токенов. Контекстное окно составляет 8192 токена. Модель предназначена для продолжения кода по заданному фрагменту и заполнения пропусков между частями кода. Она не является моделью, настроенной на выполнение инструкций: запросы на естественном языке вроде просьбы написать функцию могут работать хуже, чем подсказки с контекстом кода. Генерации могут содержать ошибки, быть неэффективными или уязвимыми. Код может дословно воспроизводить фрагменты из обучающих данных, поэтому следует проверять его происхождение и соблюдать применимые условия лицензии. Лицензия модели — BigCode OpenRAIL-M.

abacaj/starcoderbase-1b-sft — дообученная модель семейства GPTBigCode для генерации текста и кода. В карточке указано, что при обучении использован набор данных theblackcat102/evol-codealpaca-v1; модель работает в формате PyTorch и поддерживает контекст до 8192 токенов. Её можно применять для генерации фрагментов кода и текстовых ответов на инструкции, связанных с кодом. Карточка не содержит сведений о размере модели, результатах оценки качества или условиях лицензии, поэтому эти характеристики нельзя подтвердить. README также не описывает ограничения и конкретные языки программирования, на которых модель работает лучше всего.

Star Supernova — англоязычная модель генерации текста monkiey/StarSupernova, созданная на базе Gemma-4 и дообученная с дистилляцией интеллектуальных и аналитических возможностей модели stepfun-ai/Step-3.7-Flash. Она предназначена для многошагового рассуждения, решения математических задач, академического и профессионального анализа, работы с вопросами из MMLU-Pro, программированием, системной инженерией и многоходовыми диалогами разработчика с инструментами. Модель использует разреженную архитектуру Mixture-of-Experts с 12 экспертами, Top-4-маршрутизацией для каждого токена и общей плотной MLP-сетью. Общий объём составляет около 13,47 млрд параметров, из них активно используется около 5,54 млрд на токен. Архитектура основана на Gemma-4 с 35 слоями и размерностью скрытого состояния 1536, контекст — до 131 072 токенов. Веса квантизованы до 4 бит, проекции маршрутизатора — до 8 бит; заявленный объём памяти составляет около 8,7 ГБ VRAM. Сильные стороны модели — высокая ёмкость при разреженной активации, специализированные навыки рассуждения, пошаговые математические выводы, устранение отвлекающих вариантов в тестах и эффективный запуск на компьютерах Apple Silicon через MLX и Metal GPU. Ограничение — модель обучалась только на английском языке и рассчитана прежде всего на англоязычные сценарии. Для работы требуется MLX/Apple Silicon; README указывает лицензию Apache-2.0.

Tevatron-Elastic Qwen3 0.6B Retriever 2D — модель извлечения текстовых представлений для информационного поиска, разработанная как часть набора контрольных точек к работе Tevatron-Elastic. Она дообучена на базе Qwen/Qwen3-0.6B-Base и поддерживает эластичное сжатие по глубине и ширине: с помощью Tevatron-Elastic можно выбирать рабочую точку через prune_to и encode_at. Модель принимает текстовые запросы и фрагменты документов с префиксами query: и passage: и кодирует их для поиска; максимальная длина последовательности при обучении составляла 512 токенов, а контекст модели — 32768 токенов. На полном режиме в BEIR-15 указано значение nDCG@10 0,521. Релиз предназначен прежде всего для воспроизводимости экспериментов и не заявлен как достижение передового качества. Параметры доступны в формате safetensors; лицензия — Apache-2.0.

tf_efficientnet_b7.aa_in1k — сверточная модель EfficientNet-B7 для классификации изображений и извлечения визуальных признаков. Изначально обучена авторами EfficientNet на ImageNet-1k с использованием AutoAugment в TensorFlow, затем перенесена в PyTorch Россом Вайтманом и опубликована в библиотеке timm. Число параметров — около 66,3 млн; рекомендуемый размер изображения — 600 × 600 пикселей. Модель подходит для определения объектов и категорий на изображениях, получения карт признаков и визуальных эмбеддингов, например для поиска похожих изображений или как визуальная основа для прикладных систем компьютерного зрения. Основная задача из карточки — классификация изображений по категориям ImageNet-1k. Для использования доступны веса PyTorch и safetensors; лицензия — Apache-2.0. Карточка не описывает поддержку входов, отличных от изображений, и не приводит сведения о языковых возможностях.