II.10Разработка и эксплуатация AI/ML-систем

timm/xception41.tf_in1k — сверточная модель семейства Aligned Xception для классификации изображений и извлечения признаков. Она обучена на ImageNet-1k в TensorFlow и перенесена в PyTorch Россом Уайтманом; репозиторий предоставляет веса в форматах PyTorch и safetensors и рассчитан на библиотеку timm. Модель содержит около 27 млн параметров, требует изображения размером 299 × 299 пикселей и имеет вычислительную стоимость 9,3 GMACs. Её можно применять для отнесения изображений к классам ImageNet-1k, извлечения карт признаков и получения векторных представлений изображений. Лицензия — Apache-2.0. Классификация ориентирована на классы ImageNet-1k; качество на других наборах данных и для иных распределений изображений в карточке не охарактеризовано.

XCiT Nano 12/16 с входом 224×224 — компактная модель классификации изображений семейства Cross-Covariance Image Transformer. Её разработали авторы статьи XCiT и предварительно обучили на ImageNet-1k; карточка Hugging Face указывает библиотеку timm и форматы PyTorch и Safetensors. Модель содержит около 3,1 млн параметров и требует примерно 0,6 GMAC на изображение. Модель предназначена для классификации изображений и может использоваться как визуальная основа для извлечения признаков и эмбеддингов. Компактный размер подходит для экспериментов и сценариев, где важны вычислительная экономичность и фиксированный входной размер 224×224. Обучение на ImageNet-1k ориентирует её на распознавание объектов из набора классов этого датасета. Лицензия — Apache-2.0. Модель принимает изображения и выдаёт классовые предсказания; в режиме извлечения признаков также формирует векторные представления. Она не предназначена для понимания текста или обработки изображений произвольного разрешения без соответствующей подготовки.

Audio8 TTS Preview 0.6B — предварительная многоязычная модель синтеза речи с нулевым клонированием голоса от Edge0. Она построена на архитектуре DualAR, вдохновлённой Fish Audio S2 Pro: медленный авторегрессионный трансформер предсказывает семантические токены аудиокадров, а быстрый — кодовые книги аудиокодека. Основная модель содержит около 601 млн параметров; в репозитории также есть кодек с частотой 44,1 кГц, токенизатор и процессор. Модель генерирует речь по тексту и может имитировать голос по аудиозаписи и соответствующей ей расшифровке. Заявлена поддержка кантонского и китайского, нидерландского, английского, французского, немецкого, итальянского, японского, корейского, польского и испанского языков. В README описаны запуск на GPU и варианты развертывания для CPU через отдельную ONNX INT4-версию, а также обслуживание через адаптер SGLang Omni. Модель компактна по сравнению с крупными системами, а приведённые в карточке результаты показывают конкурентные показатели на нескольких тестах синтеза речи. Это Preview-чекпойнт с ограниченным охватом языков и диалектов; длинные, шумные или неверно расшифрованные эталонные записи могут ухудшать стабильность и сходство голоса. Для клонирования голоса следует получать согласие говорящего и раскрывать факт синтетической генерации. Лицензия — Apache-2.0.

AutoTriton — языковая модель, представленная авторами работы «AutoTriton: Automatic Triton Programming with Reinforcement Learning in LLMs», предназначенная для генерации программ на Triton и оптимизации вычислительных ядер для глубокого обучения. Модель построена на архитектуре Llama, содержит 7,6 млрд параметров и работает с контекстом до 65 536 токенов. Модель последовательно дообучили на примерах кода Triton, а затем с помощью обучения с подкреплением по алгоритму GRPO. Награда учитывала правила и результаты выполнения кода. В испытаниях на TritonBench и KernelBench модель показала результаты, сопоставимые с рядом крупных языковых моделей. AutoTriton принимает текстовые запросы и выдаёт текст, в том числе код. Она предназначена для задач программирования Triton; в репозитории указана лицензия Apache-2.0. Карточка не описывает аппаратные требования и практические ограничения генерации кода.

BEiT-v2 Base Patch16 224 — модель классификации изображений и визуальный backbone из библиотеки timm. Она использует архитектуру Vision Transformer с патчами 16×16 и рассчитана на изображения размером 224×224 пикселя; модель содержит около 86,5 млн параметров. Предварительное обучение выполнялось на ImageNet-1k методом masked image modeling с VQ-KD визуальным токенизатором, созданным с помощью учителя OpenAI CLIP B/16, после чего модель дообучили для классификации на ImageNet-1k. Модель предназначена для классификации изображений, а также может служить основой для извлечения визуальных признаков и эмбеддингов в компьютерном зрении. Она выдаёт классовые предсказания по входному изображению. Репозиторий содержит веса PyTorch и safetensors; лицензия — Apache-2.0.

BERTurk — регистрозависимая модель BERT для турецкого языка, опубликованная командой MDZ Digital Library Баварской государственной библиотеки. Это плотный трансформерный энкодер с 137,8 млн параметров и контекстом до 512 токенов. Модель предварительно обучена на турецких текстах из корпуса OSCAR, Википедии, OPUS и специального корпуса, подготовленного Кемалом Офлазером. Её можно использовать как основу для задач обработки турецкого языка, например разметки частей речи и распознавания именованных сущностей, после соответствующей настройки. Доступны веса в форматах PyTorch, TensorFlow и Flax, а также safetensors. Модель предназначена для турецкого языка и не является готовым чат-ботом или специализированной системой для одной прикладной области. Лицензия — MIT.

Это модель классификации намерений пользователей в запросах к службе поддержки, созданная на основе BERT и обученная авторами книги «NLP with Transformers» на наборе данных CLINC150. Она предназначена для определения намерения по тексту запроса, например для маршрутизации обращений в клиентском сервисе. Модель содержит 136,7 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. Доступны веса в форматах PyTorch и Flax. В карточке не указаны поддерживаемые естественные языки и лицензия, поэтому их нельзя установить по имеющимся данным.

trituenhantaoio/bert-base-vietnamese-uncased — модель семейства BERT от автора репозитория trituenhantaoio. Это безрегистровая версия BERT для вьетнамского языка с 137,8 млн параметров и контекстом до 512 токенов. В README показана загрузка через Transformers и применение класса BertForSequenceClassification для классификации последовательностей. Модель подходит как основа для классификации вьетнамских текстов после настройки под конкретную задачу. Репозиторий содержит веса в форматах PyTorch, TensorFlow и Flax, включая safetensors. Сведения о лицензии и конкретном наборе обучающих данных в предоставленных материалах отсутствуют.

mrm8488/bert-mini-finetuned-age_news-classification — англоязычная модель классификации новостей, созданная разработчиком mrm8488 дообучением BERT-Mini на наборе данных AG News. Это компактный классификатор последовательностей на архитектуре BERT с примерно 12 млн параметров и контекстом до 512 токенов. Модель принимает текст и присваивает ему категорию новости; в карточке Hugging Face для тестовой выборки AG News указана точность около 0,934. Модель предназначена для автоматической тематической сортировки новостных материалов и демонстрации классификации текста. Карточка предоставляет варианты весов PyTorch и Flax, а также формат safetensors. Условия лицензии в доступных источниках не подтверждены.

Карточка модели google/bert_uncased_L-6_H-128_A-2 на Hugging Face совпадает с карточкой google/bert_uncased_L-2_H-128_A-2, поэтому описание составлено по ней. google/bert_uncased_L-2_H-128_A-2 — компактная англоязычная модель BERT Miniatures от Google, описанная в работе «Well-Read Students Learn Better: On the Importance of Pre-training Compact Models». Это BERT с 2 слоями и скрытым размером 128; модель содержит около 4,4 млн параметров и принимает последовательности длиной до 512 токенов. Она обучена без учёта регистра с маскированием WordPiece и предназначена для сред с ограниченными вычислительными ресурсами. Модель можно дообучать для задач понимания текста, таких как классификация и оценка сходства предложений. Авторы отмечают, что компактные модели особенно эффективны при дистилляции, когда метки для дообучения генерирует более крупная и точная модель-учитель. Доступны веса PyTorch, Flax и Safetensors. Модель рассчитана на английский язык. Её компактность снижает требования к вычислительным ресурсам, но качество может уступать более крупным моделям, а для прикладных задач обычно требуется дообучение или дистилляция. Лицензия — Apache-2.0.

cmarkea/bloomz-3b-sft-chat — языковая модель, разработанная CMarkea на основе bigscience/bloomz-3b и дообученная для диалогов в формате чат-бота. Это плотная авторегрессионная модель семейства BLOOM с 3,8 млрд параметров; веса представлены в форматах PyTorch и Safetensors, а для публикации выполнен переход с float16 на bfloat16. Модель предназначена для генерации ответов и диалогового взаимодействия на английском и французском языках, а также может служить основой для дальнейшей настройки под прикладные задачи. Обучение включало около 0,9 млрд токенов диалоговых данных с балансом французского и английского; в метаданных также перечислены наборы Wizard Vicuna, Orca Chat, OpenAssistant Guanaco и OIG. Разработчики отмечают, что многоязычные возможности исходной BLOOMZ за пределами английского и французского не гарантируются. Модель распространяется по лицензии BigScience BLOOM RAIL 1.0. README описывает промышленное применение как возможный сценарий, однако фактические условия использования следует сверять с лицензией; качество ответов на других языках может снижаться, а заявленная скорость вывода зависит от целевой аппаратуры.

CaiT M36 с входным разрешением 384×384 — модель классификации изображений и визуальный backbone семейства Class-Attention in Image Transformers. Репозиторий timm содержит веса, предварительно обученные авторами статьи на ImageNet-1k с дистилляцией. Модель включает 271,2 млн параметров и может использоваться для классификации изображений и получения их признаковых представлений. Модель принимает изображения и выдаёт метки классов; признаки можно использовать в задачах компьютерного зрения. Доступна через библиотеку timm, веса представлены в форматах PyTorch и safetensors. Лицензия — Apache-2.0.

CaiT-XXS36-224.fb_dist_in1k — модель классификации изображений на архитектуре CaiT (Class-Attention in Image Transformers), опубликованная авторами timm. Она предварительно обучена на ImageNet-1k с дистилляцией и может использоваться как классификатор или как визуальный backbone для извлечения признаков. Модель содержит 17,3 млн параметров, требует изображения размером 224 × 224 пикселя и рассчитана на работу с классами ImageNet-1k. Репозиторий предоставляет веса в форматах PyTorch и safetensors; лицензия — Apache-2.0. Модель обрабатывает изображения и выдаёт метки классов либо векторы признаков. Ограничения: качество и набор классов ориентированы на ImageNet-1k; карточка не описывает проверку на других типах изображений.

almanach/camembert-large — предварительно обученная языковая модель для французского языка, разработанная авторами CamemBERT. Она основана на RoBERTa и использует плотную архитектуру CamemBERT; в репозитории указано 435,4 млн параметров, веса доступны в форматах PyTorch и Safetensors. Модель обучалась на франкоязычных текстах CCNet объёмом 135 ГБ. Модель предназначена для получения контекстных представлений текста и заполнения масок, а также может служить основой для дообучения под задачи обработки французского языка. Её контекст ограничен 514 токенами. Карточка показывает загрузку через библиотеку Transformers и токенизатор CamemBERT. Лицензия в предоставленных данных не указана.

Cartographer E-Commerce Reranker — компактная модель перекрёстного энкодера на архитектуре BERT, созданная Сохайлом Ханом и Найбуром Рахманом Ханом. Она дообучена на Amazon Shopping Queries Dataset (ESCI) от cross-encoder/ms-marco-MiniLM-L-6-v2 и предназначена для переоценки результатов товарного поиска: получает пару «запрос — товар» и выдаёт оценку релевантности. В метаданных указано 25,9 млн параметров и контекст до 512 токенов; модель работает с текстом на английском языке, а версия обучения использовала только названия товаров. Её применяют на втором этапе поиска: после отбора кандидатов с помощью BM25 или биэнкодера модель уточняет их порядок. На тестовом разбиении ESCI авторы сообщают улучшение nDCG@5, nDCG@10 и nDCG@20 относительно базовой модели. Модель обучалась регрессии на градуированные уровни релевантности ESCI — точное совпадение, заменитель, дополнение и нерелевантный товар. Качество может снижаться при переносе на каталоги, отличающиеся от Amazon; оценки заменителей и дополняющих товаров близки и частично перекрываются. Для сложных запросов может потребоваться более крупный реранкер. Лицензия — MIT.

CLIP ViT-B/16 — мультимодальная модель сопоставления изображений и текста, обученная Mehdi Cherti с помощью OpenCLIP на англоязычной подвыборке LAION-2B из LAION-5B. Репозиторий распространяет веса в форматах PyTorch и safetensors; в карточке указана лицензия MIT. Модель предназначена для классификации изображений по произвольным текстовым меткам без дополнительного обучения, а также для поиска изображений по тексту и поиска текстов по изображению. Её можно применять в исследованиях и как основу для дальнейшей адаптации задач компьютерного зрения. В README указана точность zero-shot top-1 70,2% на ImageNet-1k. Модель рассчитана на англоязычные запросы: она не обучалась и не оценивалась целенаправленно на других языках. Авторы не рекомендуют развёртывание и неконтролируемое применение без тщательной проверки на конкретной таксономии; распознавание лиц и наблюдение отнесены к недопустимым сценариям. Обучающие данные собраны из интернета без полной фильтрации и могут содержать вредоносный или неприятный контент.

Это англоязычная модель Sentence Transformer, разработанная автором репозитория и дообученная на базе microsoft/codebert-base для получения векторных представлений текста и кода. Архитектура основана на RoBERTa; модель содержит 151,8 млн параметров и выдаёт плотные эмбеддинги размерностью 768, которые можно сравнивать по косинусному сходству. Максимальная длина входа — 512 токенов. Модель предназначена для семантического поиска, оценки сходства предложений, поиска перефразировок, кластеризации и классификации текста, особенно в сценариях, связанных с кодом и CrewAI. В README приведены результаты поиска на наборе из 900 обучающих примеров; опубликованные значения метрик низкие, поэтому качество следует проверять на собственных данных. Модель принимает текст и возвращает векторы. Распространяется по лицензии Apache-2.0.

CodeGemma 1.1 2B — компактная языковая модель для работы с кодом, разработанная Google на основе Gemma. Это предварительно обученная декодерная модель с 2 млрд параметров, предназначенная прежде всего для быстрого автодополнения кода. Она поддерживает заполнение пропусков между префиксом и суффиксом (fill-in-the-middle) в редакторе кода; на вход также можно подавать текстовые подсказки, а на выходе получать код или текст. Модель обучалась на дополнительных данных, преимущественно на английском языке: коде из открытых репозиториев, математических наборах данных и синтетически созданном коде. Модель подходит для интеграции в IDE и помощи при написании кода. Карточка описывает CodeGemma 2B как вариант для автодополнения, а не для чата или генерации кода по естественно-языковому запросу; эти сценарии в таблице отнесены к другим вариантам семейства. Для скачивания доступны веса в формате Safetensors, библиотека — Transformers. Лицензия — Gemma, использование регулируется условиями Google для Gemma. Как и другие большие языковые модели, CodeGemma может выдавать неверный или неподходящий код; результат следует проверять. В карточке также отмечено, что ограничения наследуются от семейства Gemma.

Salesforce CodeGen-NL 16B — авт autoregressive-языковая модель для генерации программного кода по запросам на естественном языке и продолжения частично написанного кода. Модель содержит 16 млрд параметров, использует архитектуру CodeGenForCausalLM и доступна в формате PyTorch; базовая длина контекста — 2048 токенов. Вариант NL предварительно обучен на корпусе The Pile, включающем данные с кодом. Модель предназначена прежде всего для синтеза программ: она генерирует исполняемый код по англоязычным подсказкам, оформленным как комментарии, а также может дополнять фрагменты кода. Разработчик оценивал модели семейства на HumanEval и MTPB. Для применения нужны значительные вычислительные ресурсы из-за размера 16B; точность и безопасность результатов следует проверять. Лицензия — BSD-3-Clause; выпуск заявлен для исследовательских целей.

CodeMalt — компактная модель статических эмбеддингов кода, созданная автором репозитория sarthak1 с помощью дистилляции Model2Vec из sentence-transformers/all-mpnet-base-v2. Она предназначена для семантического поиска по коду, сравнения сходства фрагментов и классификации кода; README сообщает о проверке на бенчмарках CodeSearchNet для шести языков программирования. Модель содержит 7,6 млн параметров и использует архитектуру Model2Vec StaticModel. В README приведены результаты CodeSearchNet: NDCG@10 0,7387, MRR 0,7010 и Recall@5 0,8017, а также утверждается, что она заметно компактнее и быстрее исходной модели-учителя. Репозиторий распространяется по лицензии Apache-2.0. Результаты относятся к описанной оценке на CodeSearchNet; качество на других наборах и задачах может отличаться. README также предупреждает, что дополнительное обучение на C4 ухудшило результаты поиска кода относительно базовой дистилляции.

code-nothink-q4b-20260908 — модель генерации кода на базе Qwen3-4B-Base, дообученная автором методом SFT с LoRA и объединённая с базовыми весами. Это плотная причинно-языковая модель размером 3,7 млрд параметров; репозиторий содержит полные веса bf16 в формате safetensors и собственный набор файлов токенизатора с шаблоном чата. Контекст модели — до 32 768 токенов по метаданным; обучение проводилось с контекстом 8192 токена. Модель предназначена для генерации кода в режиме NoThink и оценки на LiveCodeBench. В описанной исследовательской оценке DEV256 она решила 67 из 256 задач с pass@1; результат получен на одном seed и не является подтверждающим экспериментом. Для инференса README рекомендует использовать токенизатор и шаблон чата из этого репозитория. Лицензия — Apache-2.0.

Naman Agnihotri разработал эту модель как дообученный кросс-энкодер MiniLM-L6 для переранжирования фрагментов кода Python по запросам на естественном языке. Она сопоставляет вопрос с каждым кандидатом и выдаёт оценку релевантности, поэтому подходит для поиска кода и ранжирования результатов в системах информационного поиска и RAG. Модель основана на cross-encoder/ms-marco-MiniLM-L-6-v2 и дообучена на парах вопросов и фрагментов кода StaQC SCA из Stack Overflow. В репозитории указаны 25,9 млн параметров, контекст до 512 токенов и формат safetensors; для работы предусмотрена библиотека sentence-transformers. Автор приводит оценку MRR 0,938 и точность первого результата 0,910 на 500 кандидатах из Conala. Модель рассчитана на запросы о Python и код, близкий к примерам Stack Overflow. Она может хуже работать с другими языками программирования, кодом из иных предметных областей и сложными запросами; малый размер может ограничивать качество по сравнению с более крупными переранжировщиками. Лицензия — Apache-2.0.

Codestral-22B-v0.1-GGUF — это квантованная версия модели Codestral-22B-v0.1 в формате GGUF. Исходную модель разработал bullerwins, а файлы GGUF подготовил MaziyarPanahi. Модель предназначена для генерации текста и может использоваться локально через совместимые инструменты и библиотеки, включая llama.cpp, llama-cpp-python, LM Studio, text-generation-webui и другие решения экосистемы GGUF. В репозитории представлены варианты квантования с разной разрядностью: 2, 3, 4, 5, 6 и 8 бит. Это позволяет выбирать баланс между требованиями к ресурсам и качеством работы, однако конкретные характеристики производительности и качества в README не приведены. Также не указаны поддерживаемые языки, размер контекста, модальности, точная архитектура, результаты тестирования и лицензия, поэтому эти параметры нельзя достоверно оценить по имеющимся данным.

ConvNeXt Base — модель классификации изображений и визуальный backbone, опубликованная Ross Wightman в библиотеке timm. Её визуальная часть предварительно обучена в OpenCLIP на LAION-2B, затем дообучена на ImageNet-12k и ImageNet-1k. Модель содержит 88,6 млн параметров и рассчитана на изображения размером 256 × 256 пикселей. Модель подходит для классификации изображений и извлечения признаковых карт или эмбеддингов изображений, которые можно использовать в последующих задачах компьютерного зрения. В карточке приведены результаты на ImageNet-1k; лицензия репозитория — Apache-2.0. Количество классов классификации и показатели качества именно этой модели в предоставленной части карточки не приведены.

ConvNext-Tiny — модель компьютерного зрения, разработанная Qualcomm и основанная на реализации ConvNeXt-Tiny из torchvision. Она предназначена прежде всего для классификации изображений из набора данных ImageNet, а также может использоваться как backbone для более сложных специализированных моделей. Модель принимает изображения с разрешением 224×224 пикселя и работает с визуальной модальностью. Модель содержит около 28,6 млн параметров; размер версии с плавающей точностью составляет примерно 109 МБ, а варианта w8a16 — 28,9 МБ. Репозиторий включает предварительно экспортированные варианты ONNX, QNN_DLC и TFLITE с различной точностью, оптимизированные для устройств Qualcomm и выполнения на NPU. Также поддерживается экспорт с пользовательскими весами, формами входных данных, целевым устройством и конфигурацией runtime через библиотеку Qualcomm AI Hub Models. Сильными сторонами модели являются компактный размер, возможность квантованных вариантов и оптимизация для широкого спектра мобильных и периферийных чипсетов Qualcomm, включая Snapdragon и Dragonwing. Скорость и потребление памяти зависят от конкретного устройства, runtime и точности. Модель ориентирована на задачи классификации изображений и не предназначена для текста, аудио или мультимодальных сценариев без дополнительной адаптации. Лицензия — BSD 3-Clause.

ConvNeXt V2 Base — свёрточная модель компьютерного зрения, представленная Woo и соавторами. Она предварительно обучена с использованием FCMAE, а затем дообучена на ImageNet-22K для классификации изображений; входное разрешение при дообучении составляло 384×384 пикселя. Архитектура использует полностью свёрточный masked autoencoder и слой Global Response Normalization (GRN). Модель предназначена для присвоения изображениям меток классов, в том числе как основа для прикладных вариантов, дообученных под конкретные задачи. Репозиторий содержит веса PyTorch и Safetensors. Лицензия — Apache-2.0.

ConvNeXt-V2 Nano — модель компьютерного зрения для классификации изображений и извлечения признаков, распространяемая в составе библиотеки timm. Она предварительно обучена методом FCMAE, затем дообучена на ImageNet-22k и ImageNet-1k. Модель содержит 15,6 млн параметров и рассчитана на изображения размером 384 × 384 пикселя. Модель подходит для определения объектов и сцен на изображениях, а также для получения карт признаков и эмбеддингов в конвейерах компьютерного зрения. В README приведены результаты классификации на ImageNet и примеры извлечения признаков и эмбеддингов. Репозиторий предоставляет веса PyTorch и safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерчески.

d1 — дообученная модель генерации текста на базе deepseek-ai/deepseek-coder-1.3b-base. Разработчик указывает, что модель обучена на наборе данных generator; в метаданных архитектура обозначена как плотная Llama с классом LlamaForCausalLM, размер — 1,3 млрд параметров, контекст — до 16 384 токенов. Модель предназначена для генерации текста. Базовая модель ориентирована на продолжение, автодополнение и заполнение пропусков в коде, однако карточка d1 не описывает её целевые сценарии подробнее. В README приведены метрики оценки, включая loss 0,1395 и точность предпочтений 0,9737; методика и набор оценки не раскрыты. Файлы модели представлены в формате safetensors. Лицензия указана как other, без конкретных условий в доступных данных.

stojchet/d6 — дообученная модель на архитектуре LlamaForCausalLM с 1,3 млрд параметров, созданная на основе deepseek-ai/deepseek-coder-1.3b-base и обученная на датасете generator. Она предназначена для генерации и продолжения текста; базовая модель ориентирована на продолжение, автодополнение и заполнение пропусков в коде, поэтому d6 может подойти для таких сценариев. Модель принимает текст и выдаёт текст, поддерживает контекст до 16 384 токенов и распространяется в формате safetensors. В README не приведены подробности о назначении дообучения, оценках качества или ограничениях. Лицензия указана как other, поэтому перед использованием следует проверить её условия на странице модели.

Это объединённый чекпойнт семейства Qwen2.5 размером 14 млрд параметров, созданный в рамках эксперимента Delta-P2S с использованием Qwen-aware пакета. Модель построена на базе Qwen2.5 и предназначена для генерации текста в диалоговом режиме; имя репозитория указывает на специализацию на программировании, но README не описывает конкретные задачи или результаты для кода. Модель использует плотную архитектуру Qwen2 с классом Qwen2ForCausalLM и поддерживает контекст до 131 072 токенов. Доступный формат весов — safetensors. В метаданных нет сведений о поддерживаемых естественных языках или лицензии.