II.10Разработка и эксплуатация AI/ML-систем

microsoft/deberta-v2-xlarge — англоязычная предварительно обученная модель понимания текста семейства DeBERTa V2, разработанная Microsoft. Она использует плотную архитектуру с disentangled attention и улучшенным декодером маски; версия XLarge содержит 24 слоя и скрытый размер 1536. В метаданных указаны 1,1 млрд параметров, контекст до 512 токенов и веса в форматах PyTorch и TensorFlow. Модель предназначена прежде всего для заполнения пропусков в тексте и может служить основой для дообучения на задачах понимания естественного языка, включая классификацию текста и ответы на вопросы. В карточке приведены результаты дообучения на SQuAD и наборах GLUE; исходная модель обучалась на больших текстовых корпусах. Лицензия — MIT.

DeciCoder 1B — авторегрессионная модель для автодополнения кода, разработанная Deci. Это трансформерный декодер с Grouped Query Attention и Rotary Position Embeddings; модель содержит около 1,1 млрд параметров и обучена с целью Fill-in-the-Middle на наборах кода Python, Java и JavaScript из StarCoder Training Dataset. Размер контекста — 2048 токенов. Модель предназначена для продолжения фрагментов кода, в том числе заполнения пропусков внутри него. Она не обучалась как модель для следования инструкциям: для получения результата задачу лучше задавать через комментарий, сигнатуру функции или docstring, а не обычной командой на естественном языке. В опубликованной оценке pass@1 на MultiPL HumanEval указаны 19,1% для Python, 18,4% для JavaScript и 16,6% для Java. Модель может генерировать неработающий или неоптимальный код, содержащий ошибки или уязвимости. Контрольные точки распространяются по лицензии Apache 2.0.

decider-35b-a3b — модель Mapika для типизированных решений и классификации. Это дообученная модель Qwen3.5-35B-A3B-Base с архитектурой MoE: в базовой конфигурации 34,7 млрд параметров, около 3 млрд активны на токен, а веса этого репозитория представлены в bf16. Модель принимает состояние и один или несколько вопросов с заданными вариантами ответа и за один проход возвращает вероятностное распределение по вариантам. Она предназначена для вызова из программ, например для маршрутизации, классификации, оценки и принятия решений в агентных сценариях; это не чат-модель и она не генерирует произвольный текст. Контекст по метаданным составляет 262144 токена, а README описывает входные состояния до 32 тысяч токенов. В README сообщается о более высокой точности, чем у decider-2b v10 на большинстве проверенных задач, включая классификацию, многошаговые вопросы и работу с длинными политиками. Модель рассчитана на английский язык. Ограничения включают крупные требования к памяти — 65 ГБ bf16-весов и минимум одну GPU с 80 ГБ памяти на CUDA, — а также недостаточную калибровку на части сложных и отложенных наборов. Калибровку следует проверять на собственных данных; модель не проходила этап обучения с подкреплением. Лицензия — Apache-2.0.

anemll публикует пакет SSD Flash-MoE для DeepSeek V4 Flash, предназначенный для запуска в совместимых сборках llama.cpp. Это квантованное представление модели: общие и плотные тензоры хранятся в GGUF в формате FP8, а тензоры маршрутизируемых экспертов — в отдельных бинарных банках sidecar в формате FP4. Архитектура deepseek4 содержит 43 блока и 256 экспертов, из которых для каждого токена активируются 6; заявленная длина контекста — 1 048 576 токенов. Пакет предназначен для генерации текста и диалогового использования. Он требует Flash-MoE-совместимого runtime llama.cpp с поддержкой DeepSeek V4 Flash, режима slot-bank и указанных типов тензоров; обычной загрузки одного плотного GGUF недостаточно. Репозиторий указывает лицензию MIT. В карточке не заявлены специальные ограничения по языкам или предметным областям.

DeiT-III Huge Patch14 224 — модель классификации изображений и извлечения признаков из семейства Vision Transformer, обученная авторами статьи на ImageNet-1k. Она предназначена для отнесения изображений к классам и получения векторных представлений изображений. Модель содержит около 632,1 млн параметров, рассчитана на изображения размером 224 × 224 пикселя и распространяется в форматах PyTorch и Safetensors. Модель подойдёт для классификации изображений из набора классов ImageNet-1k, построения эмбеддингов изображений и использования в качестве визуальной основы для прикладных систем. Репозиторий timm предоставляет реализацию для работы с моделью. Лицензия — Apache-2.0.

deit3_large_patch16_224.fb_in22k_ft_in1k — модель семейства DeiT-III для классификации изображений, опубликованная авторами библиотеки timm. Она предварительно обучена на ImageNet-22k и дообучена для классификации на ImageNet-1k. Модель содержит около 304,4 млн параметров, обрабатывает изображения размером 224 × 224 и также может использоваться как основа для получения эмбеддингов изображений. Модель предназначена для распознавания объектов на изображениях и извлечения визуальных признаков в задачах компьютерного зрения. Весовые файлы доступны в форматах PyTorch и Safetensors; библиотека модели — timm. Лицензия Apache-2.0.

facebook/deit-base-patch16-224 — базовая модель Data-efficient Image Transformer (DeiT), представленная авторами DeiT; опубликованные веса преобразованы из репозитория timm. Это энкодер Vision Transformer с 113,2 млн параметров, обученный и дообученный на ImageNet-1k для классификации изображений на 1 000 классов. Модель принимает изображения, разбивает их на патчи 16×16 и обрабатывает последовательность трансформерными слоями; штатное разрешение — 224×224 пикселя. Модель подходит для классификации изображений и извлечения признаков, которые можно использовать в последующих задачах компьютерного зрения. Для входа применяют масштабирование и центрированную обрезку до 224×224 с нормализацией RGB-каналов. В README для DeiT-base приведена точность ImageNet top-1 81,8% и top-5 95,6%; при дообучении более высокие результаты достигаются с разрешением 384×384. Текстовые языки не применяются. Лицензия — Apache-2.0.

DenseNet-121 — сверточная модель классификации изображений из библиотеки timm. Ross Wightman обучил её на ImageNet-1k с рецептом RandAugment (RA); модель также подходит как базовая сеть для извлечения карт признаков и эмбеддингов изображений. Веса доступны в форматах PyTorch и Safetensors, лицензия — Apache-2.0. Модель содержит около 8 млн параметров и рассчитана на изображения размером 224 × 224 при обучении и 288 × 288 при проверке. Она предназначена для отнесения изображений к классам ImageNet-1k и может использоваться как визуальный backbone в компьютерном зрении. Карточка не приводит оценок качества и не описывает поддержку других наборов классов без дополнительной настройки.

Репозиторий содержит предобученные на ImageNet веса DenseNet169, подготовленные для использования в качестве энкодера в библиотеке segmentation-models-pytorch. Модель предназначена для классификации изображений и может служить основой для моделей сегментации, собираемых с помощью этой библиотеки. DenseNet169 — сверточная нейросетевая архитектура для обработки изображений; веса опубликованы в формате safetensors. В карточке указана лицензия other. Данных о поддерживаемых языках и специальных ограничениях применения нет.

Это конверсия модели DINOv3 ViT-B/16, разработанной Meta AI, в формат Keras 3 и опубликованной zeromodels. Модель представляет собой предварительно обученный на изображениях самообучаемый визуальный backbone без специализированной выходной головы; она извлекает признаки изображений для последующих моделей и задач компьютерного зрения. Вариант ViT также предоставляет register tokens. Репозиторий содержит формат TensorFlow; реализация Keras 3 может работать с TensorFlow, Torch и JAX. Модель предназначена для использования как основа для классификации изображений, визуального поиска и других задач компьютерного зрения. Для загрузки и использования исходных весов Facebook действует лицензия DINOv3 с ограничениями доступа; метаданные Hub обозначают лицензию как other.

dla60x.in1k — модель классификации изображений семейства DLA (Deep Layer Aggregation), обученная авторами статьи на ImageNet-1k и опубликованная в экосистеме timm. Она предназначена для определения объектов на изображениях, а также может использоваться как основа для извлечения карт признаков и визуальных эмбеддингов. Модель содержит около 17,4 млн параметров, выполняет 3,5 GMACs и рассчитана на изображения размером 224 × 224 пикселя. Веса доступны в форматах PyTorch и Safetensors. Лицензия — BSD 3-Clause.

aws-ai/dse-bert-base — модель AWS AI, опубликованная в Hugging Face в рамках проекта Amazon Science DSE (Dialogue Sentence Embedding). Это conversational language model на базе архитектуры BERT, предназначенная для построения векторных представлений предложений и фрагментов диалога. При обучении модель использует self-supervised contrastive learning: последовательные реплики одного диалога рассматриваются как положительные пары. Модель рассчитана на задачи диалоговых систем, включая классификацию намерений, обнаружение запросов вне области, выбор ответа на уровне предложения или диалога и прогнозирование диалоговых действий. Векторы можно применять для сравнения текстов по cosine similarity, few-shot и zero-shot классификации, а также дообучать модель с добавлением task-specific слоя. В репозитории приведены примеры использования с Transformers и усреднением токенных представлений для получения sentence embeddings. Доступны сведения о принадлежности к семейству BERT-base и поддержке PyTorch/Transformers, но точное число параметров, языки обучения, максимальная длина контекста и полный перечень модальностей в найденных источниках не указаны; по назначению это текстовая, а не мультимодальная модель. Сильная сторона — специализация на представлениях диалогов и применимость при дефиците размеченных данных. Ограничения включают отсутствие генерации ответов как основной функции и зависимость качества от предметной области и последующего дообучения. Репозиторий проекта распространяется по Apache-2.0, однако отдельная лицензия именно модели на карточке Hugging Face явно не указана.

ecaresnet269d.ra2_in1k — сверточная модель классификации изображений из библиотеки timm с архитектурой ECA-ResNet-D и механизмом Efficient Channel Attention. Модель обучена на ImageNet-1k по рецепту RandAugment RA2; в её архитектуре используются ReLU, трёхслойный блок начальной свёртки, усредняющее объединение и свёрточные обходные соединения. Веса доступны в форматах PyTorch и safetensors, лицензия — Apache-2.0. Модель предназначена для классификации изображений и может служить визуальным backbone: README также описывает извлечение карт признаков и эмбеддингов. Размер модели — 102,1 млн параметров; при обучении использовались изображения 320×320, при тестировании — 352×352. Архитектура и вычислительная стоимость делают её пригодной для задач компьютерного зрения, где требуется классификация или извлечение признаков; указанные размеры изображений следует учитывать при подготовке входных данных.

ECA-ResNet-50t — свёрточная модель классификации изображений, опубликованная в экосистеме timm. Она сочетает остаточную архитектуру ResNet с Efficient Channel Attention и предназначена для классификации изображений, а также может использоваться как основа для извлечения карт признаков и эмбеддингов. Модель обучена на ImageNet-1k по рецепту ResNet Strikes Back A3; содержит 25,6 млн параметров и требует около 2,2 GMACs. Размер изображения при тестировании — 224 × 224 пикселя. Модель принимает изображения и выдаёт классы ImageNet-1k; её свёрточные признаки также подходят для визуальных конвейеров. В карточке указаны ReLU, трёхслойный входной блок из свёрток 3 × 3 с пулингом и механизм Efficient Channel Attention. Веса доступны в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

ethicalabs разработала Echo-DSRN-v0.1.4-Embed-Intent-CLF — многоязычный классификатор намерений на 60 классов, дообученный на базе ethicalabs/Echo-DSRN-v0.1.3-Embed-Intent. Модель использует архитектуру Dual-State Recurrent Neural Network (DSRN) с классификационной головой EchoForSequenceClassification; в репозитории указано 49,9 млн параметров. Для классификации усредняются 2048-мерные медленные рекуррентные состояния, после чего линейная голова определяет класс. Модель принимает обычный текст без чат-шаблона; контекст — до 2048 токенов. Классификатор обучен на Amazon MASSIVE со всеми 51 локалью: линейная голова инициализирована SGDClassifier на 1,78 млн высказываний, затем модель дообучалась пять эпох с функцией потерь cross-entropy. На подмножестве en-US из 100 примеров карточка сообщает точность 79%; это небольшой набор оценки и не гарантирует аналогичного качества на других языках и данных. Модель подходит для маршрутизации пользовательских запросов и определения намерений в многоязычных приложениях. Распространяется по лицензии Apache-2.0.

timm/efficientnet_b2_pruned.in1k — сверточная модель семейства EfficientNet для классификации изображений и извлечения визуальных признаков. Модель разработана авторами timm и получена прореживанием весов EfficientNet с помощью knapsack pruning и внутренней дистилляции. Она обучена на ImageNet-1k и содержит около 8,3 млн параметров. Модель предназначена для присвоения изображениям меток ImageNet-1k, извлечения карт признаков и получения векторных представлений изображений. Указанный размер входного изображения — 260 × 260 пикселей; вычислительная сложность составляет около 0,7 GMAC. Данные о поддерживаемых естественных языках неприменимы к этой модели. Лицензия — Apache-2.0. Карточка не сообщает результатов оценки качества, поэтому точность на конкретных данных следует проверять отдельно; классификация ограничена набором меток ImageNet-1k.

EfficientViT L3 — модель классификации изображений и извлечения визуальных признаков из семейства EfficientViT, разработанная авторами работы EfficientViT и обученная на ImageNet-1k. Она предназначена для присвоения изображениям классов, извлечения карт признаков и получения эмбеддингов изображений для последующих задач компьютерного зрения. Модель содержит около 246 млн параметров и рассчитана на входные изображения размером 320 × 320 пикселей. Веса доступны в форматах PyTorch и safetensors; библиотека для работы с моделью — timm. Лицензия — Apache-2.0.

EfficientViT-M0 — компактная модель классификации изображений из семейства EfficientViT, разработанного MSRA; чекпойнт обучен авторами статьи на ImageNet-1k. Модель также можно использовать как визуальный backbone для извлечения карт признаков и эмбеддингов изображений. В модели около 2,3 млн параметров; она рассчитана на изображения размером 224 × 224 пикселя и требует около 0,1 GMAC на проход. Компактность делает её подходящей для классификации изображений и извлечения признаков при ограниченных вычислительных ресурсах. В README не приведены сведения о метриках качества. Лицензия — MIT.

EfficientViT-M3 — модель классификации изображений семейства EfficientViT, разработанная MSRA и обученная авторами статьи на ImageNet-1k. Она предназначена для присвоения изображениям меток классов, а также может служить компактной визуальной основой для извлечения карт признаков и эмбеддингов. Модель содержит 6,9 млн параметров, обрабатывает изображения размером 224 × 224 пикселя и имеет вычислительную сложность около 0,3 GMAC. Архитектура использует каскадное групповое внимание. Модель распространяется в форматах PyTorch и safetensors и доступна по лицензии MIT.

EVA-02 Large Patch14 448 — модель компьютерного зрения для классификации изображений и извлечения визуальных признаков, опубликованная в библиотеке timm. Авторы предварительно обучили её на объединённом наборе Merged-38M с masked image modeling, используя EVA-CLIP как учителя, а затем дообучили на ImageNet-22k. В состав Merged-38M входят ImageNet-22K, CC12M, CC3M, обучающие части COCO и ADE20K, Object365 и OpenImages. Это Vision Transformer с размером изображения 448 × 448 и примерно 326,4 млн параметров. Архитектура использует mean pooling, SwiGLU, Rotary Position Embeddings и дополнительный LayerNorm в MLP. Модель подходит для классификации изображений и как визуальный backbone или источник эмбеддингов в компьютерном зрении. Репозиторий содержит веса PyTorch в формате safetensors; чекпойнты timm сохранены в float32. Лицензия — MIT. Карточка приводит результаты на ImageNet, но не описывает ограничения по качеству или условия эксплуатации за пределами лицензии.

FoMo-0D — модель для обнаружения выбросов в табличных данных без обучения на целевой задаче. В карточке указаны официальная реализация и статья «FoMo-0D: A Foundation Model for Zero-shot Tabular Outlier Detection»; модель опубликована с помощью интеграции PytorchModelHubMixin. Модель предназначена для поиска аномальных наблюдений в таблицах, в том числе в сценариях, где нет размеченных примеров для обучения. Доступные сведения не раскрывают размер модели, поддерживаемые языки, конкретные типы входных данных или подробности архитектуры. Репозиторий содержит веса в формате safetensors. Лицензия — MIT.

Frankenstein-3.0 — дообученная модель RouterBrain для маршрутизации пользовательских запросов между специализированными моделями и инструментами в мультимодальном приложении. Она основана на Qwen/Qwen2.5-1.5B-Instruct, дообучена методом QLoRA на синтетических примерах маршрутизации, а веса объединены в fp16. Модель принимает текст и выдаёт структурированное решение в JSON, включая выбор специалиста и шаги для составных задач. RouterBrain предназначена для оркестрации диалогов, генерации и редактирования кода, создания изображений и видео, поиска в интернете, вычислений и поиска по загруженным текстовым документам. В README описана система с несколькими специалистами и инструментами; сам репозиторий содержит веса текстового маршрутизатора, а не все модели этой системы. Для RouterBrain указано окно контекста 32 768 токенов; модель имеет 1,5 млрд параметров и распространяется под лицензией Apache-2.0. В карточке приведена оценка 60% точности RouterBrain на разнообразном тестовом наборе; заявленная более высокая эффективность относится к маршрутизации всей системы с дополнительными уровнями проверки и резервным маршрутизатором. Маршрутизатор может ошибаться при самостоятельном использовании. Генерация изображений и видео в приложении требует GPU с достаточным объёмом видеопамяти; RAG поддерживает только TXT, веб-поиск основан на разборе HTML DuckDuckGo, а выполнение кода ограничено пятью секундами.

GigaChat3-10B-A1.8B-base — базовая предварительно обученная языковая модель семейства GigaChat, разработанная командой ai-sage. Она предназначена для продолжения обучения и генерации текста; для диалога и выполнения инструкций в карточке рекомендуется instruct-версия. Модель использует архитектуру Mixture-of-Experts с 10 млрд общих и 1,8 млрд активных параметров, механизмы Multi-head Latent Attention и Multi-Token Prediction. В метаданных указаны архитектура DeepSeek V3, 1,5 млрд параметров, контекст 262 144 токена и поддержка русского и английского языков; размер параметров в README и метаданных расходится. Модель обучена на 20 трлн токенов, включая синтетические данные, материалы по математике и программированию, а также тексты на дополнительных языках. MLA сжимает KV-кэш для более эффективного инференса, а MTP может ускорять генерацию при использовании совместимых техник. Репозиторий содержит веса Safetensors; лицензия — MIT. Это базовая модель, поэтому для диалоговых сценариев и следования инструкциям предпочтительна instruct-версия.

goff Lite — модель Whadupapp для оценки решений и ранжирования кандидатов. Это дообученная на базе microsoft/harrier-oss-v1-0.6b модель Qwen3 с архитектурой Qwen3ForSequenceClassification: 28 слоёв, скрытый размер 1024, один регрессионный выход. Весит около 1,19 ГБ в bfloat16, принимает текстовые промпты и выдаёт оценки, которые можно калибровать и преобразовывать в распределение вероятностей по кандидатам. Контекстное окно — 32 768 токенов, однако обучающие промпты ограничивались 1 024 токенами. Модель предназначена для независимой оценки каждого кандидата в рамках вопроса и сравнения полученных оценок после калибровки и нормализации softmax. Она обучалась на типизированных решениях choice, noul и score, включая английские и немецкие примеры; тестирование на опубликованном наборе typed-decisions проводилось на английском языке. Это не чат-модель: она не генерирует ответы и её поведение за пределами указанного формата промптов не оценено. Сырые оценки не калиброваны, а качество на длинных контекстах и для немецкого языка не измерено. Лицензия указана как other, поэтому конкретные условия использования следует проверить в репозитории модели.

gorilla-llm/gorilla-7b-tf-delta-v0 — языковая модель Gorilla, разработанная командой Gorilla LLM при UC Berkeley. Это авторегрессионная трансформерная модель семейства LLaMA с 6,6 млрд параметров, дообученная для генерации вызовов API TensorFlow Hub по запросам на естественном языке. Модель предназначена для сценариев, где нужно преобразовать намерение пользователя в семантически и синтаксически корректный вызов API; работа строится на данных APIBench. Модель принимает текст и генерирует текст с кодом вызова API. В карточке заявлена работа с TensorFlow Hub API в режиме zero-shot; метаданные указывают английский язык, контекст 2048 токенов и формат PyTorch. Лицензия — Apache-2.0. Описание Gorilla в README также упоминает поддержку более широкого набора API, однако данный чекпойнт специально обозначен как версия для TensorFlow Hub.

GRPO-Think-7B-4k — плотная языковая модель на архитектуре Qwen2, разработанная командой Aletheia-Bench для проверки и ранжирования решений задач по программированию. Модель дообучена методом GRPO от deepseek-ai/DeepSeek-R1-Distill-Qwen-7B на наборе Aletheia-Train; размер — 7,1 млрд параметров. При обучении использовались промежуточные рассуждения, отрицательные примеры и бюджет генерации до 4 тыс. токенов. На вход модель получает условие задачи и несколько кандидатных программ, а на выходе оценивает и ранжирует решения, помогая выбрать корректное. Её можно применять как функцию вознаграждения при оптимизации моделей генерации кода и как автоматизированного судью в оценочных конвейерах. Карточка описывает задачи соревновательного программирования; обучающие данные включают Python, C++ и Java. Метаданные указывают нативный контекст 131 072 токена. Модель предназначена для проверки кода, а не для самостоятельной генерации решений. Качество за пределами описанного сценария проверки кандидатных программ не установлено в предоставленных материалах. Лицензия CC-BY-NC-SA-4.0 допускает использование с указанием авторства, но ограничивает коммерческое применение и требует соблюдения условий распространения.

h2o-danube-1.8b-base — базовая языковая модель H2O.ai с примерно 1,7 млрд параметров. Это плотная авторегрессионная модель семейства Mistral, построенная на модифицированной архитектуре Llama 2 и использующая исходный токенизатор Llama 2 с словарём на 32 000 токенов. Модель предназначена для генерации текста и дальнейшей донастройки под конкретные приложения. Она обучена работать с контекстом до 16 384 токенов и использует скользящее оконное внимание с размером окна 4 096. В карточке приведены результаты нулевого режима на тестах ARC-Easy, ARC-Challenge и BoolQ. Модель принимает текст и генерирует текст; в метаданных указан английский язык. Для прикладного диалогового использования H2O.ai также предлагает отдельную версию, дообученную для чата. Выводы могут быть ошибочными, бессвязными, нерелевантными или содержать предвзятые и оскорбительные формулировки. Лицензия — Apache-2.0.

Hemlock-Qwopus3.5-9B-Coder-i1-GGUF — квантизированная версия модели Hemlock-Qwopus3.5-9B-Coder, опубликованная mradermacher и созданная на базе nbeerbower/Hemlock-Qwopus3.5-9B-Coder. Модель дообучалась на наборах hemlang/Hemlock2-DPO, hemlang/hemlock-formulary-SFT и hemlang/hemlock-codex-SFT; для базовой версии заявлено около 9 млрд параметров. В карточке также указаны теги vision-language-model и image-text-to-text, поэтому модель предназначена для работы с текстом и изображениями, включая задачи генерации и анализа кода, однако подробные сценарии применения не описаны. Распространяется в формате GGUF с imatrix-квантизациями различных уровней — от i1-Q2_K до i1-Q6_K, размером примерно от 4,0 до 7,7 ГБ. Для запуска мультимодальных возможностей могут потребоваться файлы mmproj из статического репозитория. Заявлен английский язык; сведения о размере контекста, точной архитектуре, поддерживаемых форматах изображений и результатах тестирования отсутствуют. Более компактные варианты требуют меньше памяти, а варианты более высокого качества занимают больше места; в README отдельно отмечены рекомендации по i1-Q4_K_M как быстрому варианту и i1-Q4_K_S как компромиссу размера, скорости и качества. Лицензия в карточке модели не указана, поэтому условия коммерческого и иного использования необходимо уточнять отдельно. Модель опубликована как набор готовых квантованных файлов и также содержит imatrix-файл для самостоятельного создания квантов.

HGNet-V2 B0 — компактная модель классификации изображений и извлечения визуальных признаков из семейства High Performance GPU Net. Её обучили авторы семейства на данных ImageNet-22k и ImageNet-1k с применением дистилляции SSLD. Модель содержит 6 млн параметров и предназначена для работы с изображениями; в карточке указаны размеры 224×224 для обучения и 288×288 для тестирования. Модель подходит для классификации изображений по классам ImageNet, извлечения карт признаков и получения векторных представлений изображений. Она доступна через библиотеку timm в форматах PyTorch и safetensors. Лицензия — Apache-2.0. Карточка не приводит метрики именно для варианта B0: показанная таблица относится к более крупным вариантам B6. Поэтому результаты B6 нельзя переносить на эту модель.

hiera_base_plus_224.mae — модель извлечения признаков и классификации изображений из семейства Hiera, опубликованная авторами статьи и доступная через библиотеку timm. Она предварительно обучена на ImageNet-1k методом Self-Supervised Masked Autoencoder (MAE) и предназначена для классификации изображений, получения карт признаков и эмбеддингов. Модель содержит около 69 млн параметров и рассчитана на изображения размером 224 × 224 пикселя; в README также приведён результат Top-1 85,134% для варианта, дообученного на ImageNet-1k. Веса доступны в форматах PyTorch и Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Языковая обработка не заявлена: модель принимает изображения и выдаёт классы или визуальные признаки.