II.10Разработка и эксплуатация AI/ML-систем

Hindi ELECTRA — компактная языковая модель для представления текстов на хинди, опубликованная monsoon-nlp. Модель построена на архитектуре ELECTRA; в репозитории указано около 22,7 млн параметров и контекст до 512 токенов. Доступны версии для PyTorch, TensorFlow и safetensors. Модель обучена на корпусе, включающем дедуплицированные данные Hindi CommonCrawl из OSCAR и статьи Hindi Wikipedia. Она предназначена для извлечения признаков из текста и может служить основой для задач классификации новостей и анализа тональности отзывов на хинди; автор сообщает о сопоставимых с Multilingual BERT результатах на этих примерах. Автор рекомендует MuRIL для более широкого охвата индийских языков и латинизированной записи хинди. Условия лицензии в предоставленных данных не описаны.

HRNet-W18 — модель классификации изображений и извлечения визуальных признаков из семейства High-Resolution Network, опубликованная авторами исследования и обученная на ImageNet-1k. Она предназначена для определения объектов на изображении, извлечения карт признаков и получения визуальных эмбеддингов. Модель содержит 21,3 млн параметров, требует изображения размером 224 × 224 пикселя и имеет вычислительную сложность 4,3 GMACs. Модель доступна через библиотеку timm в форматах PyTorch и Safetensors. Она подходит для классификации изображений общего назначения и как визуальная основа для последующих задач компьютерного зрения. Лицензия — MIT.

hrnet_w18_small.gluon_in1k — модель классификации изображений семейства HRNet, обученная авторами Apache MXNet GluonCV на ImageNet-1k. Она предназначена для отнесения изображений к классам ImageNet, а также может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов. Модель содержит 13,2 млн параметров, требует изображения размером 224 × 224 и имеет вычислительную сложность 1,6 GMACs. Архитектура HRNet поддерживает высокое пространственное разрешение признаков. В репозитории представлены веса PyTorch в формате safetensors; лицензия — Apache-2.0. Модель подходит для базовой классификации изображений и как компонент компьютерного зрения. Обучение на ImageNet-1k задаёт область распознаваемых объектов и может ограничивать качество на изображениях из других предметных областей.

I-DLM-8B — языковая модель диффузионного типа с 7,6 млрд параметров, созданная командой проекта I-DLM на основе Qwen3-8B. Модель предназначена для генерации текста и диалогов; её метод Introspective Strided Decoding позволяет генерировать и проверять токены параллельно. В карточке заявлено качество, сопоставимое с авторегрессионными моделями того же масштаба на 15 бенчмарках, а также повышенная пропускная способность при высокой параллельной нагрузке. Для воспроизведения результатов авторы рекомендуют конвейер ISD на базе SGLang, поддерживающий пакетную обработку и KV-кэш. Прямая загрузка через Transformers пока не поддерживается для воспроизведения результатов статьи. Контекст модели — до 40 960 токенов; веса представлены в формате safetensors. Лицензия — Apache-2.0.

INTELLECT-1 — базовая языковая модель примерно на 9,7 млрд параметров, разработанная Prime Intellect совместно с участниками сообщества и обученная с нуля на триллионе токенов английского текста и кода. Это плотная модель архитектуры Llama с 42 слоями и контекстом до 8192 токенов; веса доступны в формате safetensors. Модель предназначена для продолжения текста и генерации кода, а также как основа для дальнейшей адаптации. Это базовая модель, а не чат-ассистент: для диалогового использования авторы рекомендуют INTELLECT-1-Instruct. При генерации необходимо добавлять BOS-токен в начало каждого образца, иначе качество может снизиться. Обучение проходило распределённо на данных FineWeb-Edu, FineWeb, Stack V1, DCLM и Open Web Math с использованием алгоритма DiLoCo. Заявленная лицензия — Apache 2.0. Модель обучалась преимущественно на английских данных, поэтому её пригодность для других языков из карточки не следует.

Jeff-Qwen3.5-0.8B v1.2 — компактная модель классификации с нулевым обучением, разработанная автором репозитория на основе Qwen3.5-0.8B. Она сопоставляет описание ситуации с вариантами ответа и за один проход возвращает откалиброванные вероятности выбора, без генерации текста. Модель предназначена для быстрых решений в локальных приложениях и конвейерах обработки данных. Её можно применять для маршрутизации обращений, определения намерений, модерации, выбора команд и других задач, где варианты описаны словами и заранее не фиксированы. Автор сообщает о времени принятия решения около 22 мс на RTX PRO 6000 и точности 78,7% на собственном тесте; эти показатели относятся к описанным в карточке условиям и не гарантируют результаты на других данных. Для узкой предметной области автор рекомендует дообучение. Модель — дообучение плотной архитектуры Qwen3.5-0.8B, распространяется в формате Safetensors и использует библиотеку Transformers. Карточка указывает английский язык. Лицензия — Apache-2.0. Это ранняя версия сообщества v1.2; в карточке также описан выпуск v1.3 под другим именем.

Это пакет Mesh LLM с весами Kimi-K2.7-Code в формате GGUF, подготовленный для распределённого инференса. Он разбивает исходный GGUF на артефакты по слоям, чтобы запускать модель на локальном кластере из нескольких машин; пакет рассчитан на локальную приватную работу и совместим с чат-интерфейсом Mesh LLM и API формата OpenAI. Модель принимает текстовые запросы и выдаёт текстовые ответы в режиме чата. Репозиторий указывает исходную модель unsloth/Kimi-K2.7-Code-GGUF и вариант квантования UD-Q4_K_XL; архитектурные подробности, размеры, языки и длина контекста в предоставленных данных не описаны. Для лицензии и рекомендаций по использованию README отсылает к карточке исходной модели, поэтому условия лицензии этого пакета по имеющимся сведениям определить нельзя.

Kimi-K3-UD-Q4_K_XL-layers — пакет GGUF-файлов модели Kimi-K3-UD-Q4_K_XL, подготовленный Mesh LLM для распределённого локального инференса. Пакет создан на основе unsloth/Kimi-K3-GGUF: веса разделены на отдельные артефакты по слоям, чтобы распределять вычисления и память между несколькими машинами. В метаданных указаны поддержка чата и изображений; основной сценарий — диалоговый инференс с изображениями и текстом через Mesh LLM. Пакет предназначен для частного запуска на собственном оборудовании, в том числе на кластере, когда модель не помещается на одном узле. Mesh LLM предоставляет локальный API, совместимый с OpenAI Chat Completions. Вариант весов — UD-Q4_K_XL в формате GGUF. Лицензия обозначена как other; условия следует сверить с карточкой исходной модели unsloth/Kimi-K3-GGUF.

laguna-s-2.1-Q4_K_M-layers — пакет слоёв модели Laguna-S-2.1 в формате GGUF, подготовленный Mesh LLM на основе poolside/Laguna-S-2.1-GGUF. Он предназначен для распределённого инференса через Mesh LLM: слои можно разместить на нескольких машинах, чтобы запускать модель локально и обслуживать чат-запросы через совместимый с OpenAI API. Вариант Q4_K_M использует квантованные веса; README приводит результаты проверки на двух узлах для конкретного сценария генерации с повторяющимся текстом, но не подтверждает качество на других запросах, размерах контекста или конфигурациях. Карточка указывает лицензию openmdw-1.1. Пакет удобен для локального и распределённого обслуживания чата, однако сведения об архитектуре, поддерживаемых языках, размере модели и ограничениях исходной модели следует уточнять в карточке poolside/Laguna-S-2.1-GGUF. Описанные замеры не сертифицируют вызов инструментов, заполнение контекста до 256 тысяч токенов или другие варианты квантования.

Funnel Transformer large-base — предварительно обученная базовая модель семейства Funnel Transformer, представленная авторами модели в исследовательской работе и опубликованная в репозитории Funnel Transformer. Это uncased-модель для английского языка, обученная на текстах BookCorpus, английской Википедии, ClueWeb, GigaWord и Common Crawl с самоконтролируемой задачей распознавания заменённых токенов, похожей на objective ELECTRA. Архитектура Funnel сжимает последовательность; в этой версии без декодера выходные скрытые состояния имеют длину в четверть от длины входа, а максимальный контекст составляет 512 токенов. Модель извлекает контекстные признаки и в первую очередь служит основой для дообучения на задачах, использующих представление всего предложения или текста, например классификации последовательностей, классификации токенов и ответов на вопросы. Сжатые выходы удобны для задач уровня предложения, но не сохраняют отдельное представление для каждого входного токена. Генерация текста не является её назначением. Репозиторий предоставляет форматы PyTorch и TensorFlow; лицензия — Apache-2.0.

LateOn-Code — модель LightOn из семейства PyLate для поиска и ранжирования фрагментов кода. Это многовекторная модель позднего взаимодействия на архитектуре ModernBERT, размером 149 млн параметров. Она предварительно обучена по методике CoRNStack и дообучена на наборах CoIR с подбором сложных негативных примеров; заявленная базовая модель — внутренняя версия LateOn, построенная на ModernBERT-base. Модель предназначена для семантического поиска по коду: она сопоставляет запросы с фрагментами кода, помогает искать реализации функций и может ранжировать результаты первичного поиска. README приводит оценки на CodeSearchNet для Python, JavaScript, Go, Ruby, Java и PHP. Метаданные указывают контекст до 8192 токенов, библиотеку PyLate и форматы ONNX и safetensors. Модель ориентирована на кодовый поиск и не описана как генеративная. Для работы с ней используются PyLate и, при построении индекса, FastPLAID. Распространяется по лицензии Apache-2.0.

AyoubChLin/lfm2.5-2.6b-fable5-coding-agent — плотная причинная языковая модель на 2,6 млрд параметров, созданная полным supervised fine-tuning модели LiquidAI/LFM2.5-2.6B на наборе saidutta69/fable-5-premium. Чекпойнт в формате BF16 предназначен для многоходового общения с ассистентом, генерации и объяснения кода, а также формирования вызовов инструментов в агентной системе. Заявленное контекстное окно базовой модели — 131 072 токена. Модель обучалась на первых 5 000 строк обучающей части набора и полных валидационной и тестовой частях; обучение учитывало только токены ответов ассистента. Более половины выбранных обучающих примеров были усечены до 32 000 токенов. Приведённые потери на отложенных данных не сравнивались с базовой моделью и сами по себе не доказывают качество кодирования или агентных действий. Модель экспериментальная, не заявлена как готовая для production. Сгенерированные фрагменты кода и вызовы инструментов могут быть неполными, ошибочными или небезопасными; вызовы нужно проверять и авторизовывать, а код выполнять в изолированной среде. Перед использованием и распространением необходимо соблюдать лицензии базовой модели и обучающего набора; карточка не предоставляет дополнительных прав.

LFM-2.5-Coder-2.6B — облегчённая дообученная языковая модель для генерации кода и решения задач программирования с пошаговым рассуждением. Модель разработана Schnuckade на основе LiquidAI/LFM2.5-2.6B и дообучена с использованием Unsloth на датасете Banaxi-Tech/Deepseek-V4-Reasoning-Code-2500. Модель ориентирована на генерацию программного кода, анализ и решение задач, связанных с программированием, при сохранении общей полезности базовой модели. Заявлены английский язык и поддержка сценариев локального развёртывания. Доступны веса в форматах FP16 и BF16 Safetensors, а также квантизированная версия GGUF Q4_K_M. В примере интеграции указан контекст до 2048 токенов и загрузка в 4-битном режиме, однако это не обязательно отражает максимальный контекст модели. Размер модели — 2,6 млрд параметров; архитектура унаследована от LiquidAI/LFM2.5-2.6B, но её подробные характеристики в README не приведены. Сильными сторонами являются компактность, акцент на код и рассуждение, а также наличие форматов для локального запуска. Ограничения включают заявленную ориентацию на английский язык и отсутствие в представленных данных подробных результатов бенчмарков, перечня поддерживаемых языков программирования и оценки качества. Модель распространяется по лицензии Apache-2.0.

Lightning-Herald-30B-A3B — модель EryriLabs, дообученная на базе NVIDIA Nemotron 3.5 Lightning для работы в Hermes Agent. Это гибридная языковая архитектура Nemotron-H с Mamba-2, механизмом Mixture of Experts и компонентом attention; карточка указывает 30 млрд параметров, из которых около 3 млрд активны при генерации, а метаданные каталога — 1,9 млрд параметров. Модель принимает текст и генерирует текст, включая вызовы инструментов в формате Nemotron, рассчитанном на разбор llama.cpp. Заявленный контекст — 262 144 токена. Модель предназначена для агентных сценариев: многошагового использования инструментов и выполнения задач через оболочку агента. В сравнении с исходной Lightning автор сообщает о росте результата в Fox agent suite и равном результате в тесте терминальных задач; эти оценки относятся к описанным в README наборам и настройкам. Автор отмечает, что модель иногда достигает лимита итераций, не завершив задачу, и рекомендует ограничивать агентную среду песочницей и проверять выполняемые команды. Модель дообучена на отфильтрованных трассах Hermes Agent, переформатированных в шаблон чата и синтаксис вызова инструментов Nemotron. Лицензия в метаданных указана как other; базовая модель NVIDIA Nemotron 3.5 Lightning распространяется по OpenMDW-1.1, однако отдельные условия лицензирования этого дообучения в доступных данных не раскрыты.

Llama-3.1-Nemotron-Nano-8B-v1-GGUF — компактная версия языковой модели семейства Llama 3.1 Nemotron, связанная с NVIDIA и представленная в формате GGUF для запуска через llama.cpp. Модель предназначена для генерации текста и сценариев, где важны низкое потребление памяти и возможность локального вывода: развёртывания на GPU с ограниченным объёмом VRAM, CPU и периферийных устройствах, а также исследования ультранизкобитного квантования. Модель содержит 8 миллиардов параметров, относится к текстовым генеративным моделям и заявлена для английского языка. В репозитории представлены варианты с экстремальным квантованием на 1–2 бита, включая IQ1 и IQ2, с динамическим распределением точности по слоям IQ-DynamicGate: критические embedding и output-слои используют более высокую точность, а внутренние слои — более компактные форматы. Такой подход снижает размер и требования к памяти, при этом, согласно приведённым тестам на Llama-3-8B-Instruct с контекстом 2048 токенов, может заметно улучшать perplexity по сравнению со стандартным квантованием сопоставимого разряда. Сильные стороны модели — очень низкое потребление памяти, пригодность для CPU и edge-устройств и сохранение приемлемой точности при 1–2-битном представлении. Ограничения включают возможную потерю качества по сравнению с полноточными версиями, применимость преимущественно к текстовым задачам и компромисс между точностью и эффективностью; приведённые результаты относятся к отдельным бенчмаркам и не гарантируют качество во всех сценариях. Модель распространяется по NVIDIA Open Model License; точные условия следует уточнять в тексте этой лицензии.

Модель dbands/llama-3-8b-instruct_code_instructions_122k_alpaca_style_16bit — дообученная автором dbands языковая модель семейства Llama 3 с архитектурой LlamaForCausalLM. Она предназначена для генерации текста по инструкциям; название репозитория указывает на формат инструкций Alpaca и тематику кода, но README не описывает конкретные возможности или результаты обучения. Модель содержит 7,5 млрд параметров, использует формат safetensors и поддерживает контекст до 8192 токенов. Модель дообучена на базе unsloth/llama-3-8b-bnb-4bit с использованием Unsloth и Hugging Face TRL. В карточке указана лицензия Apache 2.0. Метаданные отмечают английский язык; сведений о гарантированном качестве ответов или ограничениях для отдельных сценариев в карточке нет.

Это пакет GGUF-слоёв модели Llama-4-Scout-17B-16E-Instruct-UD-Q4_K_XL, подготовленный Mesh LLM для распределённого инференса. Пакет создан на основе unsloth/Llama-4-Scout-17B-16E-Instruct-GGUF и сохраняет веса в виде отдельных артефактов по слоям; формат исходных весов — GGUF с вариантом квантизации UD-Q4_K_XL. Модель предназначена для локального приватного чата и генерации текста через Mesh LLM, в том числе с распределением вычислений и памяти между несколькими компьютерами, когда полного GGUF не помещается на одном узле. Mesh LLM предоставляет локальный API, совместимый с OpenAI Chat Completions. В карточке нет сведений о языках и длине контекста; за подробностями об архитектуре, шаблоне чата и лицензии README отсылает к карточке исходной модели.

LowFormer E2 — модель классификации изображений и извлечения визуальных признаков, разработанная авторами LowFormer и обученная на ImageNet-1k. Чекпойнт преобразован в формат state-dict библиотеки timm. Вариант E2 рассчитан на edge GPU: его архитектура использует сверточные блоки и не включает ветви attention и MLP. Модель содержит 22,8 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Модель подходит для классификации объектов на изображениях, получения эмбеддингов и извлечения многомасштабных карт признаков. Для предобработки используются бикубическое изменение размера, центральное кадрирование с crop_pct=0.95 и среднее со стандартным отклонением ImageNet. На ImageNet-1k при разрешении 224 пикселя варианты семейства LowFormer показывают точность Top-1 от 78,388% до 81,102%; эти результаты не относятся однозначно к E2, поскольку соответствующая строка таблицы не приведена. Скорость зависит от оборудования, среды вывода, способа экспорта и размера пакета. Для всех вариантов семейства FP16 autocast соответствует FP32, но данные отдельно для E2 не приведены. Лицензия — Apache 2.0.

Marsilia-Embeddings-EN-Large — англоязычная модель эмбеддингов от sujet-ai, дообученная на базе BAAI/bge-large-en-v1.5 для финансовых текстов. Она использует архитектуру BERT в формате Sentence Transformer и предназначена для семантического поиска, извлечения релевантных документов и других сценариев RAG в финансовой тематике. Модель содержит 433,9 млн параметров, принимает текст длиной до 512 токенов и выдаёт векторы размерности 1024. Для сравнения эмбеддингов используется косинусное сходство. Модель оценивали на тестовой части набора Sujet-Financial-RAG-EN-Dataset с помощью InformationRetrievalEvaluator; карточка сообщает о результатах выше ряда закрытых моделей эмбеддингов, но не приводит численных метрик. Модель рассчитана на английские финансовые тексты и может хуже работать с другими языками и тематиками; в обучающих данных могут присутствовать смещения. Лицензия — MIT.

MaxViT Large TF 224 IN1K — модель классификации изображений семейства MaxViT, обученная авторами статьи в TensorFlow на ImageNet-1k и перенесённая в PyTorch Россом Уайтманом для библиотеки timm. Архитектура MaxViT сочетает блоки MBConv со слоями self-attention по оконным и сеточным разбиениям. В модели около 211,8 млн параметров; она рассчитана на изображения размером 224 × 224 пикселя. Модель подходит для классификации изображений по классам ImageNet-1k, а также может использоваться как визуальный backbone для извлечения признаковых карт и эмбеддингов. Репозиторий содержит веса PyTorch и safetensors. Лицензия — Apache-2.0.,

Это модель классификации изображений MaxViT от Ross Wightman, опубликованная для библиотеки timm. Она сочетает блоки MBConv и два вида self-attention — оконное и сеточное внимание; вариант с суффиксом rw адаптирован для работы в PyTorch eager. Модель предварительно обучена на ImageNet-12k и дообучена на ImageNet-1k. Модель предназначена для классификации изображений и может использоваться как визуальный backbone для извлечения признаков и эмбеддингов. Она рассчитана на изображения размером 224 × 224 пикселя и содержит около 116,1 млн параметров. В метаданных указаны форматы PyTorch и Safetensors. Модель распространяется по лицензии Apache-2.0.

M-BERT Base ViT-B — многоязычная текстовая модель проекта Multilingual-CLIP, основанная на BERT-base-multilingual и настроенная так, чтобы представления текста соответствовали пространству эмбеддингов текстового энкодера CLIP для ViT-B/32. Она предназначена для получения текстовых признаков, которые можно сопоставлять с визуальными представлениями CLIP, например для поиска изображений по запросу на разных языках. По карточке, обучение охватывало 69 языков: использовались пары предложений и переводов, составленные из описаний GCC, MSCOCO и VizWiz. Модель содержит 205,1 млн параметров и принимает последовательности длиной до 512 токенов; метаданные указывают реализации в PyTorch, TensorFlow и Flax. Для использования вместе с исходным визуальным энкодером CLIP требуются код и дополнительные линейные веса из репозитория Multilingual-CLIP. Карточка отмечает, что качество использованных AWS Translate переводов не оценивалось и может различаться между языками; сведения о лицензии в предоставленных данных отсутствуют.

Mellum-4b-sft-python — дообученная JetBrains модель для генерации и автодополнения кода на Python. Она основана на Mellum-4b-base и предназначена для подсказок в IDE, работы в помощниках программиста, а также экспериментов с генерацией и пониманием кода. Модель использует плотную архитектуру LLaMA с 3,7 млрд параметров и контекстом 8192 токена. Версия на Hugging Face опубликована в формате bf16; для запуска и интеграции подходят инструменты экосистемы Transformers и среды инференса, упомянутые в карточке. Модель ориентирована на код, особенно на завершение фрагментов Python, и может быть полезна в обучении программированию и экспериментах с дообучением. Она может наследовать стилистические особенности открытых кодовых баз, а сгенерированный код необходимо проверять на ошибки и уязвимости. Лицензия — Apache-2.0.

zeromodels/metaclip2_worldwide_huge_378 — конверсия MetaCLIP 2 от zeromodels в формат Keras 3. Это двухкодерная модель архитектуры CLIP: она сопоставляет изображения и текстовые описания в общем пространстве признаков и предназначена для классификации изображений без обучения на целевых классах. Версия worldwide обучена на многоязычных данных и использует словарь XLM-RoBERTa на 901 тысячу токенов, поэтому запросы-классы можно задавать на разных языках. Модель подходит для классификации изображений по текстовым меткам, в том числе для многоязычных сценариев и работы с классами, не заданными при обучении. Реализация Keras 3 запускается на TensorFlow, PyTorch и JAX; процессор подбирает размер изображения и токенизатор для варианта модели. Репозиторий содержит веса в формате TensorFlow. Модель основана на facebook/metaclip-2-worldwide-huge-378. Лицензия CC-BY-NC-4.0 разрешает использование на некоммерческих условиях. Точные ограничения качества и поддерживаемые размеры входных изображений в предоставленных материалах не описаны.

Distilled MetaCLIP 2 ViT-S/16 (384px) worldwide — мультиязычная модель семейства MetaCLIP 2 от Meta, представленная в работе «MetaCLIP 2: A Worldwide Scaling Recipe». Этот чекпойнт соответствует варианту ViT-S-16-384-worldwide оригинальной реализации и предназначен для классификации изображений по текстовым описаниям без отдельного обучения на заданных классах. Модель принимает изображения и текстовые метки классов, сопоставляет их и позволяет выбирать наиболее подходящие описания. Архитектура — MetaClip2Model; файлы представлены в формате safetensors и доступны для использования через Transformers. Карточка отмечает модель как мультиязычную, но не приводит конкретный перечень языков. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

timm/mixnet_xl.ra_in1k — модель MixNet для классификации изображений, обученная разработчиками timm на ImageNet-1k с рецептом RandAugment. Архитектура использует смешанные глубинные свёртки; модель содержит 11,9 млн параметров, требует изображения размером 224 × 224 пикселя и выполняет около 0,9 GMAC на изображение. Модель предназначена для присвоения изображению класса из набора ImageNet-1k, а также может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов изображений. Веса доступны в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

MLCD — визуальная модель DeepGlint-AI для извлечения признаков изображений. Она использует архитектуру Vision Transformer ViT-L/14 с разрешением 336 пикселей, аналогичную CLIP, и содержит около 402,7 млн параметров. Модель обучена на общедоступных парах изображение–описание из наборов LAION400M и COYO700M. Модель предназначена для получения визуальных представлений, которые можно использовать в мультимодальных системах и задачах классификации изображений. В README приведены эксперименты с заменой визуального энкодера CLIP в LLaVA-NeXT с языковой моделью Qwen2.5-7B, а также оценки линейного пробирования на наборах данных, включая Food101 и CIFAR-10. Репозиторий предоставляет веса в формате safetensors. Лицензия — Apache-2.0. В README отмечено, что более высокое разрешение благоприятно для OCR; данная модель имеет разрешение 336 пикселей, а модели с большим разрешением на момент публикации ещё обучались.

Это объединённая с базовой моделью версия классификатора намерений на основе mmBERT-32K-YaRN, разработанная LLM-Semantic-Router. Модель использует архитектуру ModernBERT для классификации последовательностей, содержит 306,9 млн параметров и поддерживает контекст до 32 768 токенов. LoRA-адаптер ранга 32 слит с базовыми весами, поэтому для инференса не требуется PEFT; доступны форматы Safetensors и ONNX. Классификатор относит текстовые запросы к одной из 14 категорий: биология, бизнес, химия, информатика, экономика, инженерия, здравоохранение, история, право, математика, прочее, философия, физика и психология. Он обучен на академических вопросах MMLU-Pro и дополнительных примерах категорий. В карточке указана точность 80% на тесте; модель предназначена для развертывания в production-системах, включая инференс через Rust/Candle. Лицензия — Apache 2.0. Хотя базовая модель заявлена как многоязычная, метаданные отмечают английский и многоязычность без перечисления отдельных языков, поэтому подтверждённый основной язык определить нельзя.

MobileNetV4 Conv Medium — свёрточная модель для классификации изображений, разработанная Россом Уайтманом и обученная на ImageNet-12k. Она также может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов. Модель содержит 23,6 млн параметров, требует 2,5 GMACs и рассчитана на изображения размером 384 × 384 пикселя. Репозиторий предоставляет веса PyTorch в формате safetensors; модель доступна через библиотеку timm. Лицензия — Apache-2.0.

MobileViT-v2 150 — модель классификации изображений и извлечения визуальных признаков из семейства MobileViT-v2, опубликованная авторами статьи. Она предварительно обучена на ImageNet-22k и дообучена на ImageNet-1k. Модель содержит 10,6 млн параметров; указанный размер входного изображения — 384 × 384 пикселя, вычислительная сложность — 9,2 GMACs. Модель предназначена для классификации изображений, извлечения карт признаков и получения эмбеддингов изображений. Её можно использовать как визуальную основу в задачах распознавания объектов по категориям и в системах, которым нужны признаки изображений. Архитектура сочетает мобильный дизайн с механизмом separable self-attention; библиотека для работы с моделью — timm. В метаданных указан формат PyTorch и safetensors. Лицензия обозначена как other, а README отсылает к отдельным сведениям о лицензии, поэтому условия использования по имеющимся данным уточнить нельзя. Модель рассчитана на обработку изображений и не описана как мультимодальная система или модель для понимания текста.