II.10Разработка и эксплуатация AI/ML-систем

unsloth/Qwen3.5-0.8B — постобученная компактная мультимодальная модель от Unsloth на базе Qwen/Qwen3.5-0.8B, опубликованная в формате Transformers и распространяемая по лицензии Apache-2.0. Это плотная причинная языковая модель с визуальным энкодером, поддерживающая диалог и анализ изображений; доступны интерфейс вызова инструментов и режим рассуждений, который для версии 0.8B по умолчанию выключен. Модель содержит 0,8 млрд параметров, имеет 24 слоя и нативный контекст длиной до 262 144 токенов. Архитектура сочетает Gated Delta Networks и gated attention. В карточке заявлена поддержка 201 языка и диалекта. Модель рассчитана прежде всего на прототипирование, дообучение под конкретные задачи, исследования и разработку; веса совместимы с Transformers и рядом серверных движков, включая vLLM и SGLang. Компактный размер удобен для экспериментов и специализированной настройки, а мультимодальная архитектура позволяет работать с текстом и изображениями. Масштаб модели ограничивает её возможности по сравнению с более крупными системами; для длинного контекста нужны значительные ресурсы памяти, а карточка рекомендует при нехватке памяти уменьшить окно контекста.

unsloth/Qwen3.5-2B — постобученная мультимодальная модель от Unsloth на базе Qwen/Qwen3.5-2B. Она сочетает причинную языковую модель с визуальным энкодером и предназначена для диалогов, понимания изображений и вызова инструментов. Модель содержит 2 млрд параметров, использует гибридную архитектуру с Gated Delta Networks и Gated Attention и поддерживает контекст до 262 144 токенов. Модель подходит для прототипирования, разработки и специализированного дообучения; её можно запускать через Transformers, vLLM, SGLang и KTransformers. Qwen3.5 заявляет поддержку 201 языка и диалекта, однако в карточке нет списка языков, специфичного для этой версии. Модель работает в режиме без рассуждений по умолчанию; авторы также описывают режим рассуждений и возможности работы с видео в составе семейства Qwen3.5. Весовые файлы представлены в формате Safetensors. Лицензия — Apache-2.0. Масштаб в 2 млрд параметров делает модель удобной для экспериментов и настройки под конкретные задачи, но карточка рекомендует прежде всего прототипирование и разработку; производительность и пропускная способность зависят от инфраструктуры и выбранного движка.

Это пакет GGUF с весами Qwen3.5-35B-A3B-UD-Q4_K_XL, подготовленный Mesh LLM для распределённого инференса. Он создан на основе unsloth/Qwen3.5-35B-A3B-MTP-GGUF: исходный файл модели разделён на артефакты по слоям для запуска на нескольких узлах локального кластера Mesh LLM. Модель предназначена для генерации текста и диалогов, локального приватного запуска и обслуживания запросов через совместимый с OpenAI API интерфейс Mesh LLM. Вариант UD-Q4_K_XL использует формат GGUF; исходная модель относится к семейству Qwen3. README не приводит размер модели в параметрах, длину контекста или поддерживаемые языки. Для запуска требуется Mesh LLM и доступ к узлам, предоставляющим вычисления и память. Условия лицензии следует сверить с карточкой исходной модели.

Qwen3.5-4B-Safety-Thinking — языковая модель для генерации текста, разработанная Merlin Research на основе Qwen/Qwen3.5-4B. Она предназначена для безопасных ассистентов и чат-ботов, задач со строгим соблюдением инструкций, исследований в области AI alignment и безопасности, тестирования устойчивости, а также агентских сценариев, где важны предсказуемость и контролируемость поведения. Модель содержит около 4 млрд параметров и обучена методом LoRA-based supervised fine-tuning (SFT) с последующим объединением в BF16-чекпойнт. Она поддерживает формат рассуждений <think>...</think>, предназначенный для отделения процесса рассуждения от финального ответа. Заявлена возможность работы с контекстом до 1 млн токенов, однако подробности реализации этого режима не приведены. Указан английский язык. Обучение проводилось на закрытых наборах данных Merlin Research с применением подходов для повышения надёжности рассуждений, следования инструкциям, безопасности и снижения misalignment, включая framework Bloom&Petri. К сильным сторонам относятся структурированное рассуждение, следование ограничениям, безопасность, устойчивость к распространённым adversarial inputs и согласованность ответов. Ограничения включают отсутствие опубликованных подробных результатов оценки, неполную информацию о поддерживаемых языках и активную разработку и валидацию GGUF-артефактов; для стабильной работы рекомендуется BF16 Transformers checkpoint. Модель распространяется по лицензии Apache-2.0.

Mesh LLM подготовил пакет слоёв GGUF модели Qwen3.6-27B-UD-Q4_K_XL для распределённого запуска в локальном кластере Mesh LLM. Пакет основан на unsloth/Qwen3.6-27B-MTP-GGUF и сохраняет исходное распределение модели по отдельным артефактам слоёв; вариант весов — UD-Q4_K_XL с квантизацией Q4_K_XL. Модель предназначена для локального приватного чата и генерации текста, в том числе при распределении вычислений между несколькими машинами, когда полный GGUF-файл слишком велик для одного узла. Mesh LLM позволяет предоставлять запросы через совместимый с OpenAI API интерфейс чата. Для запуска необходима инфраструктура Mesh LLM. README отсылает к карточке исходной модели за сведениями об архитектуре, контекстном окне, шаблоне чата, рекомендациях по генерации и условиях лицензии; эти характеристики здесь не приведены. Поэтому лицензионные условия следует сверять с исходной моделью unsloth/Qwen3.6-27B-MTP-GGUF.

Набор GGUF-квантизаций модели Qwen3.6-35B-A3B, разработанной командой Qwen и опубликованной в формате quantized derivative weights пользователем jimbothigpen. Модель имеет архитектуру Mixture-of-Experts: около 35 млрд параметров всего и примерно 3 млрд активных параметров на токен. Набор предназначен для локального запуска и сравнения качества, perplexity и производительности разных форматов квантизации через llama.cpp-совместимые бэкенды. Репозиторий включает исходный вариант BF16 и широкий диапазон форматов от IQ1 до Q8_0, включая IQ-K, K-quants, legacy-типы и WHT3_0/WHT4_0. При большинстве квантизаций используется единая importance matrix, рассчитанная на полном калибровочном корпусе calibration_datav3; это помогает снизить потерю качества при низкой разрядности. Также доступен отдельный vision projector в формате F16, поэтому модель поддерживает мультимодальные сценарии с изображениями при использовании совместимой конфигурации. Ограничения зависят от выбранного формата: BF16 занимает около 69 ГБ, а даже компактные варианты требуют несколько гигабайт памяти. Основные форматы работают в стандартном llama.cpp, тогда как IQ-K, KS, KT, KL и KSS требуют совместимой сборки семейства ik_llama.cpp, а WHT-форматы — сборки jimbothigpen/llama.cpp или другой реализации с поддержкой WHT. Производитель и поддерживаемые языки, размер контекста и конкретные возможности базовой модели в README не указаны. Производные веса распространяются по лицензии Apache-2.0.

Qwen3.6-35B-A3B-w4a16-llmcompressor — квантизированная версия модели Qwen3.6-35B-A3B, созданная AMD с использованием LLM Compressor и формата compressed-tensors. Модель предназначена для генерации текста и обработки изображений и текста; её архитектура обозначена как Qwen3_5MoeForConditionalGeneration. Основной сценарий использования — инференс на CPU AMD EPYC под Linux через vLLM с оптимизациями ZenDNN. Модель использует 4-битную квантизацию только весов W4A16 по алгоритму GPTQ: веса представлены в INT4, симметрично и группами по 128 параметров, а активации сохраняются в BF16. Размер весов уменьшен примерно с 67,0 до 18,1 GiB, то есть примерно на 73%. Квантизации подвергнуты, в частности, 256 маршрутизируемых MoE-экспертов, общий эксперт и проекции линейного внимания; vision tower, маршрутизатор MoE, отдельные gate-компоненты, lm_head, эмбеддинги и layer norms сохранены в BF16. В README явно указан английский язык, но сведения о полном контекстном окне отсутствуют. Сильными сторонами являются существенное сокращение объёма модели и ориентация на эффективный CPU-инференс на аппаратной платформе AMD при сохранении наиболее чувствительных к качеству компонентов в BF16. Ограничения связаны с зависимостью от совместимого стека: ZenDNN 6.1.0, ZenTorch 2.13.0.0, PyTorch 2.13.0.0, LLM Compressor 0.12.0 и vLLM 0.28.0, а также с потенциальными потерями качества, характерными для 4-битной квантизации. Модель распространяется по лицензии Apache-2.0.

AhmedBarka/qwen3-embedding-0.6b-arabic-ecom-phase2 — плотная модель эмбеддингов на базе Qwen3-Embedding-0.6B, дообученная в два этапа для семантического поиска товаров в арабоязычной электронной коммерции. Она предназначена для поиска кандидатов по коротким запросам и названиям товаров, а также для передачи оценок сходства обучаемому ранжировщику. Модель использует архитектуру Qwen3Model, содержит 507,6 млн параметров, представлена в формате safetensors и поддерживает контекст до 32 768 токенов. Для заявленного сценария авторы рекомендуют при кодировании запросов и документов не добавлять инструкцию запроса; в примере использования максимальная длина последовательности ограничена 128 токенами. Модель обучена на парах из набора prestoai/arabic-ecom-data и ориентирована на арабский язык. На тесте задачи модель улучшила полноту найденных релевантных товаров в топ-50 относительно лексического поиска, но хуже упорядочивала результаты при сильном лексическом совпадении. Поэтому она подходит для расширения списка кандидатов и подачи признака сходства ранжировщику, но не для замены лексического поиска при переупорядочивании сильных совпадений. Лицензия — Apache-2.0.

Это пакет слоёв GGUF для распределённого запуска Qwen3-VL-235B-A22B-Thinking через Mesh LLM. Его подготовила команда Mesh LLM на основе unsloth/Qwen3-VL-235B-A22B-Thinking-GGUF: исходное распределение весов разделено на артефакты по слоям для работы на нескольких машинах. Вариант UD-Q4_K_XL рассчитан на локальный запуск и обслуживание чата через API, совместимый с OpenAI. Пакет предназначен для диалоговой генерации текста и распределённого инференса, когда исходную GGUF-модель неудобно запускать на одном узле. Карточка указывает семейство Qwen3 и мультимодальное происхождение Qwen3-VL, однако не описывает явно поддерживаемые входные модальности этого пакета. Лицензионные условия следует проверять в карточке исходной модели; в этой карточке они не приведены.

Карточка модели Azizbek8189/Qwen-AgentWorld-35B-A3B на Hugging Face совпадает с карточкой Qwen/Qwen-AgentWorld-35B-A3B, поэтому описание составлено по ней. Qwen-AgentWorld-35B-A3B — языковая модель мира, разработанная командой Qwen для симуляции сред, в которых действуют агенты. Получая действие агента и историю взаимодействий, модель рассуждает о переходе состояния и предсказывает следующее наблюдение. Она предназначена для моделирования как текстовых, так и графических интерфейсных сценариев в семи областях: вызов инструментов через MCP, поиск, терминал, разработка ПО, Android, веб и операционные системы. Модель основана на Qwen3.5-35B-A3B-Base и дообучена в три этапа: продолженное предварительное обучение, обучение с учителем и обучение с подкреплением. Это причинная языковая модель с архитектурой MoE: 35 млрд параметров всего, из них активируется 3 млрд; контекст — 262 144 токена. Веса в формате Safetensors совместимы с Transformers и могут обслуживаться через vLLM или SGLang. Для оптимальной симуляции README рекомендует применять системные шаблоны для конкретных областей и выделять до 32 768 токенов на ответ. Лицензия — Apache-2.0. Модель подходит для создания симуляторов сред и генерации ожидаемых наблюдений в агентных траекториях, в том числе для тестирования и оценки агентов. Заявлена способность обобщать на новые среды и поддерживать управляемые изменения сценариев; качество зависит от доменного системного промпта и длины генерации. Несмотря на упоминание графических интерфейсов, в чекпойнте есть только веса языковой модели, поэтому визуальные входы непосредственно не поддерживаются.

Reasoning Summarizer — Qwen3.5 0.8B Preview — текстовая модель, которую автор дообучил для преобразования цепочки рассуждений в краткие структурированные метаданные в формате JSON. Она выделяет заголовок, подзаголовок, краткое содержание и текущую задачу, что подходит для организации следов рассуждений в агентных сценариях и дальнейшей обработки программами. Модель основана на Qwen/Qwen3.5-0.8B-Base, использует архитектуру Qwen3.5 для причинной генерации текста и содержит 581,4 млн параметров. Заявленная длина контекста — 262 144 токена; карточка описывает англоязычные данные и обучение на наборе Qyrou/reasoning-summaries-61k. Репозиторий включает объединённую модель для инференса и LoRA-адаптеры для продолжения обучения. Лицензия — Apache-2.0, при этом сохраняются условия использования базовой модели Qwen. Модель предназначена для узкой задачи извлечения метаданных, а не для общего диалога. Автор не приводит результаты отложенного бенчмарка и предупреждает, что модель может выдавать некорректный JSON или пропускать детали; формат и точность сводки следует проверять.

ReDimNet2 B3 — конвертированная в формат MLX версия официального чекпойнта ReDimNet2 b3-vb2+vox2+cnc2_v0-lm, разработанного авторами исходной модели. Чекпойнт дообучен с large-margin и рекомендован авторами карточки. Модель принимает монофоническое аудио с частотой 16 кГц и выдаёт 192-мерные эмбеддинги голоса для задач аудиоклассификации и верификации говорящего. Сборка предназначена для запуска через библиотеку MLX. По данным карточки, эмбеддинги совпадают с PyTorch-эталоном с относительной ошибкой до 3,2×10⁻⁶ в проверке на CPU с float32. Код и веса распространяются по лицензии MIT, однако обучающие наборы VoxBlink2, VoxCeleb2 и CN-Celeb2 имеют собственные условия использования, которые следует проверить перед коммерческим применением.

RegNetV-4GF — модель классификации изображений и извлечения признаков, разработанная Россом Уайтманом и обученная в библиотеке timm на ImageNet-1k. Веса доступны в форматах PyTorch и safetensors по лицензии Apache-2.0. Модель содержит 20,6 млн параметров и требует около 4,0 GMACs на изображение. Для обучения использовался размер 224 × 224 пикселя, для тестирования — 288 × 288. Помимо предсказания классов ImageNet, модель можно применять как основу для извлечения карт признаков и визуальных эмбеддингов. Реализация RegNet в timm поддерживает stochastic depth, gradient checkpointing, настройку шага выходных признаков и выбор слоёв активации и нормализации. Модель предназначена для обработки изображений; качество и набор классов классификации связаны с обучением на ImageNet-1k.

regnetx_320.tv2_in1k — свёрточная модель семейства RegNetX для классификации изображений и извлечения визуальных признаков. Реализация входит в библиотеку timm; веса предварительно обучены участниками проекта torchvision на ImageNet-1k с настройкой ImageNet-1K V2. Архитектура RegNetX-32GF содержит около 107,8 млн параметров, требует 31,8 GMACs и рассчитана на изображения размером 224 × 224 пикселя. Модель подходит для определения классов объектов на изображении, получения карт признаков и визуальных эмбеддингов, а также в качестве основы для компьютерного зрения. В реализации timm доступны стохастическая глубина, градиентный чекпойнтинг, настройка выходного шага и выбор слоёв активации и нормализации. Репозиторий предоставляет веса в форматах PyTorch и safetensors; лицензия — BSD 3-Clause. Карточка не сообщает о специальных ограничениях применения.

RegNetY-12GF — модель классификации изображений и извлечения признаков из семейства RegNetY, опубликованная Россом Уайтманом в библиотеке timm. Она предварительно обучена на ImageNet-12k и дообучена на ImageNet-1k. Модель содержит 51,8 млн параметров и выполняет 12,1 GMACs; в карточке приведены размеры изображений 224×224 для обучения и 288×288 для тестирования. Модель предназначена для классификации объектов на изображениях, извлечения карт признаков и получения эмбеддингов изображений. Её можно использовать как визуальную основу в прикладных системах компьютерного зрения. Реализация timm включает стохастическую глубину, градиентное чекпойнтирование, настройку шага выхода и другие варианты конфигурации слоёв. Веса распространяются по лицензии Apache-2.0. Оценки качества в README относятся к разным моделям из сравнительной таблицы и не позволяют определить точность именно этого чекпойнта. Модель работает с изображениями и сама по себе не предназначена для генерации текста или описаний.

regnety_640.seer — модель визуального backbone семейства RegNetY-64GF, опубликованная в экосистеме timm. Она предварительно обучена компанией Meta методом самообучения SwAV на наборе из 2 млрд случайных изображений из интернета и предназначена для извлечения признаков, карт признаков и эмбеддингов изображений, а также может использоваться как основа для классификации изображений. Модель содержит 276,5 млн параметров и рассчитана на изображения размером 224 × 224 пикселя; вычислительная сложность составляет 64,2 GMACs. Реализация timm включает стохастическую глубину, контрольные точки градиентов, послойное уменьшение скорости обучения и настраиваемый выходной stride с дилатацией. Весам назначена лицензия SEER компании Meta с ограничениями на использование и распространение, включая некоммерческий характер лицензии. Модель вычислительно тяжёлая, а результаты для конкретной задачи могут требовать дополнительной настройки или классификационной головы.

ResNet152c.gluon_in1k — сверточная модель классификации изображений из библиотеки timm. Она основана на архитектуре ResNet-C: использует трёхслойный начальный блок из свёрток 3×3 с пулингом, остаточные связи с проекцией через свёртку 1×1 и активации ReLU. Модель содержит 60,2 млн параметров и рассчитана на изображения размером 224×224 пикселя. Модель обучена на ImageNet-1k в Apache Gluon с рецептами Bag of Tricks. Она предназначена для классификации изображений на классы ImageNet, а также может использоваться как основа для извлечения карт признаков и векторов изображений. Весовые файлы доступны в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

ResNet26.bt_in1k — сверточная модель классификации изображений из библиотеки timm. Она основана на архитектуре ResNet-B с блоками остаточных связей, активациями ReLU, начальной свёрткой 7×7 с пулингом и свёрточными проекциями 1×1 для уменьшения размерности в обходных связях. Модель содержит около 16 млн параметров и обучена на ImageNet-1k по рецепту Bag of Tricks с оптимизатором SGD с Nesterov и косинусным расписанием скорости обучения с разогревом. Модель предназначена для классификации изображений и может использоваться как основа для извлечения карт признаков и эмбеддингов изображений. При обучении использовались изображения 224×224 пикселя, при тестировании — 288×288. Репозиторий содержит веса PyTorch и safetensors; лицензия — Apache-2.0.

ResNet26t.ra2_in1k — свёрточная модель классификации изображений из семейства ResNet-T, опубликованная в библиотеке timm. Она обучена на ImageNet-1k по рецепту RandAugment RA2 с оптимизатором RMSProp, усреднением весов EMA и ступенчатым расписанием скорости обучения с разогревом. Архитектура использует ReLU, трёхслойный начальный блок из свёрток 3×3 с пулингом и усредняющие короткие соединения с проекцией 1×1. Модель предназначена для классификации изображений и может использоваться как основа для извлечения признаковых карт и эмбеддингов. Она содержит около 16 млн параметров и требует примерно 3,4 GMACs на изображение; размер входа при тестировании — 320×320 пикселей. Доступны веса PyTorch и safetensors. Лицензия Apache-2.0.

ResNet-50d — свёрточная нейронная сеть с остаточными связями, представленная как предварительно обученная модель для классификации изображений ImageNet. Архитектура ResNet дополнена модификацией ResNet-D. Модель доступна в формате PyTorch и рассчитана на классификацию по 1000 меткам ImageNet; её классификационную голову также можно заменить для дообучения на других задачах компьютерного зрения. Для оценки изображения масштабируются до 224×224 пикселей с бикубической интерполяцией и нормализуются статистиками ImageNet. В оценке на ImageNet модель показала точность top-1 80,53% и top-5 95,16%. Лицензия — Apache-2.0. Обучающие данные преимущественно содержат фотографии, ясно соответствующие одной из категорий, поэтому модель может хуже работать с рисунками и изображениями с несколькими объектами разных классов. Географическое смещение обучающих данных и представленные в них расовые и гендерные предубеждения могут отражаться на результатах.

ResNet-D от timm — сверточная модель классификации изображений, обученная на ImageNet-1k по рецептам Bag of Tricks с использованием Apache Gluon. Архитектура включает трёхслойный stem из свёрток 3×3 с pooling, активации ReLU и shortcut downsample с усреднением 2×2 и свёрткой 1×1. Модель содержит 25,6 млн параметров, рассчитана на изображения 224×224 и выполняет классификацию, а также может использоваться как backbone для извлечения признаков и эмбеддингов. Модель принимает изображения и выдаёт метки классов; также её можно применять для получения признаковых карт и векторных представлений. Она предназначена для задач общего распознавания объектов и сцен на изображениях. Распространяется под лицензией Apache-2.0.

resnet50x16_clip.openai — модель CLIP, разработанная OpenAI и опубликованная на Hugging Face организацией timm. Она сопоставляет изображения с текстовыми описаниями и предназначена, в частности, для классификации изображений по текстовым меткам без дообучения на конкретных классах. Архитектура включает модифицированный ResNet-50x16 для изображений и Transformer для текста; изображения обрабатываются в разрешении 384×384, длина текстового контекста — 77 токенов. Модель принимает изображения и текстовые метки классов, а для классификации оценивает соответствие между ними. Веса доступны по лицензии MIT. В карточке OpenAI CLIP отмечено, что модель создана как исследовательский результат и её возможности следует оценивать с учётом контекста применения; классификация зависит от формулировок текстовых меток и может наследовать ограничения обучающих данных.

ResNetV2-101x1-BiT — сверточная модель классификации изображений семейства ResNet-V2-BiT (Big Transfer), обученная авторами работ на ImageNet-21k и опубликованная в timm. Она подходит для классификации изображений, извлечения карт признаков и получения визуальных эмбеддингов. В модели около 87,2 млн параметров; расчётная сложность составляет 8,1 GMACs, размер входного изображения — 224 × 224 пикселя. Архитектура использует предактивационные остаточные блоки, Group Normalization и Weight Standardization вместо Batch Normalization. Модель доступна в форматах PyTorch и safetensors; лицензия — Apache-2.0. Карточка не описывает поддержку конкретных естественных языков или специализированных предметных областей.

ResNetV2-34d — сверточная модель для классификации изображений и извлечения визуальных признаков, обученная Россом Уайтманом с помощью инструментов timm на ImageNet-1k. Она предназначена для распознавания объектов на изображениях, а также может использоваться как backbone для получения карт признаков и эмбеддингов в задачах компьютерного зрения. Модель содержит 21,8 млн параметров и требует около 3,9 GMACs вычислений. Размер изображения при обучении — 224 × 224 пикселя, при тестировании — 288 × 288. Веса доступны в форматах PyTorch и Safetensors; лицензия — Apache-2.0. Языковой ввод и генерация текста не предусмотрены.

ResNet-V2-BiT 50x3 — сверточная модель классификации изображений семейства Big Transfer, опубликованная авторами соответствующей работы и обученная на ImageNet-21k. Вариант содержит около 345,4 млн параметров; для классификации использует изображения размером 224 × 224. Вместо Batch Normalization применяются Group Normalization и Weight Standardization. Модель подходит для классификации изображений и как визуальный backbone для извлечения карт признаков и эмбеддингов. Её можно использовать как основу для переноса визуальных представлений на прикладные задачи. Репозиторий предоставляет веса в форматах PyTorch и Safetensors для библиотеки timm. Лицензия — Apache-2.0.

ResNeXt-101 32x16d — модель классификации изображений и извлечения признаков из семейства ResNeXt, опубликованная авторами в библиотеке timm. Она содержит около 194 млн параметров и использует остаточные блоки с групповыми свёртками 3×3, свёртками 1×1 в обходных соединениях и начальными свёрткой 7×7 и пулингом. Модель предварительно обучена на подмножестве YFCC100M с полусупервизией, а затем дообучена на ImageNet-1k; стандартный размер входного изображения — 224×224. Модель предназначена для классификации изображений по классам ImageNet-1k, извлечения карт признаков и получения эмбеддингов изображений. Её можно использовать как визуальный backbone для компьютерного зрения. Репозиторий содержит веса PyTorch в формате safetensors; лицензия — CC BY-NC 4.0, которая требует указания авторства и ограничивает коммерческое использование.

ResNeXt-101 32x16d — модель компьютерного зрения для классификации изображений и извлечения визуальных признаков. Её распространяет библиотека timm; авторы исходной работы предварительно обучили модель на наборе хештегов Instagram-1B методом полу-слабого обучения, а затем дообучили на ImageNet-1k. Архитектура использует ReLU, начальную свёртку 7×7 с пулингом, групповые свёртки 3×3 в блоках bottleneck и свёрточные короткие связи 1×1. Модель содержит около 194 млн параметров и рассчитана на изображения размером 224×224. Её можно использовать для предсказания классов ImageNet-1k, получения карт признаков и эмбеддингов изображений. Лицензия — CC BY-NC 4.0, которая ограничивает коммерческое использование. Модель ориентирована на классификацию изображений ImageNet-1k; качество на других наборах данных может отличаться.

ResNeXt-101 32x8d — модель компьютерного зрения для классификации изображений и извлечения визуальных признаков, опубликованная в библиотеке timm. Она содержит 88,8 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Архитектура использует остаточные связи, групповые свёртки 3 × 3 в bottleneck-блоках и свёртку 7 × 7 на входе. Модель предварительно обучена на датасете хештегов Instagram-1B методом полу-слабого обучения и затем дообучена авторами работ на ImageNet-1k. Её можно применять для классификации изображений, извлечения карт признаков и получения эмбеддингов изображений. Для загрузки и использования предусмотрена библиотека timm; веса доступны в форматах PyTorch и safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Модель предназначена для классификации изображений общего назначения; её качество зависит от соответствия изображений обучающим данным, а входной размер указан как 224 × 224 пикселя.

ReXNet-R 200 — модель классификации изображений и извлечения признаков из семейства ReXNet-R, представленная Ross Wightman в библиотеке timm. Вариант архитектуры ReXNet-R специально округляет число каналов до кратных 8 или 16, чтобы эффективнее работать с NVIDIA Tensor Cores. Модель предварительно обучена на ImageNet-12k и дообучена на ImageNet-1k. Она содержит около 16,5 млн параметров; в карточке указаны размер изображения 224 × 224 для обучения и 288 × 288 для тестирования. На ImageNet-1k приведены результаты top-1 83,164% и top-5 96,648%. Помимо классификации, модель можно использовать как основу для извлечения карт признаков и эмбеддингов изображений. Для запуска требуются изображения; модель выдаёт оценки классов и признаки изображения. Лицензия — Apache-2.0. Результаты и назначение ориентированы на ImageNet, поэтому качество на других наборах данных и специализированных типах изображений может отличаться.

leomaurodesenv/roberta-base-jailbreakv-28k-augmented — дообученная модель классификации текста на основе FacebookAI/roberta-base. По названию репозитория она предназначена для выявления jailbreak-запросов, однако README не раскрывает назначение, метки классов и обучающие данные. Модель содержит 151,8 млн параметров, использует архитектуру RoBERTa для классификации последовательностей и принимает текст с контекстом до 514 токенов. Её можно применять как классификатор для проверки текстовых запросов на признаки jailbreak. В README приведены результаты оценки: loss 0,0068 и accuracy 0,9977, но без описания набора данных, схемы разметки и методики оценки эти показатели не позволяют судить о качестве на новых данных. Лицензия — MIT.