II.10Разработка и эксплуатация AI/ML-систем

timm/densenet161.tv_in1k — сверточная модель DenseNet-161 для классификации изображений и извлечения визуальных признаков. Она обучена на ImageNet-1k с исходными весами torchvision и распространяется библиотекой timm. Модель содержит около 28,7 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Модель подходит для классификации изображений по категориям ImageNet, извлечения карт признаков и получения векторных представлений изображений. В репозитории доступны веса PyTorch и Safetensors; лицензия — Apache-2.0. Карточка не сообщает оценок качества на конкретных наборах данных, поэтому применение на изображениях вне ImageNet может потребовать адаптации.

facebook/dino-vits16 — небольшая модель Vision Transformer (ViT), обученная методом DINO командой, представившей работу «Emerging Properties in Self-Supervised Vision Transformers». Это трансформерный энкодер изображений с 28,3 млн параметров, предварительно обученный без учителя на ImageNet-1k. Изображение размером 224×224 разбивается на патчи 16×16, которые кодируются как последовательность токенов с абсолютными позиционными эмбеддингами и токеном CLS. Модель предназначена для извлечения признаков изображений и последующего применения в задачах компьютерного зрения. Её представления можно использовать для обучения классификатора или других задач на размеченных данных; готовой дообученной классификационной головы в чекпойнте нет. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

distilbert-base-german-cased — немецкоязычная модель DistilBERT от сообщества DistilBERT, представленная на Hugging Face. Это компактный трансформер на основе архитектуры BERT, обученный методом дистилляции под надзором bert-base-german-dbmdz-cased; модель содержит 67,4 млн параметров и рассчитана на последовательности до 512 токенов. Модель предназначена для предсказания скрытых токенов в немецком тексте. Такой режим подходит для подстановки пропущенных слов и получения контекстных представлений текста, которые можно применять как основу для последующей настройки под задачи понимания языка. В материалах разработчика приведены результаты для распознавания именованных сущностей на немецких наборах CoNLL-2003 и GermEval 2014. Модель работает с текстом на немецком языке и сохраняет регистр. Компактность DistilBERT рассчитана на более быстрый и лёгкий инференс по сравнению с BERT, хотя приведённые разработчиком результаты на NER немного ниже показателей исходной немецкой BERT-модели. Лицензия репозитория — Apache-2.0.

Это англоязычная модель классификации тональности предложений, опубликованная в репозитории Optimum как конверсия чекпойнта DistilBERT-base-uncased-finetuned-sst-2-english. В основе лежит DistilBERT-base-uncased, дообученный на наборе SST-2 для бинарной классификации тональности; модель принимает текст и выдаёт классовые оценки. Контекст составляет до 512 токенов. На dev-наборе SST-2 модель показала точность 91,3%. Она подходит для определения положительной или отрицательной тональности англоязычных отзывов и коротких текстов. Репозиторий содержит формат ONNX, лицензия — Apache-2.0. В README отмечен риск смещённых предсказаний для недостаточно представленных групп и примерах, где упоминание страны заметно меняет оценку без явного основания в тексте. Перед использованием в конкретном сценарии следует проверить качество и возможные смещения на подходящих данных.

eca_resnet33ts.ra2_in1k — сверточная модель классификации изображений из библиотеки timm, разработанная Россом Уайтманом и обученная на ImageNet-1k. Она основана на ResNet с эффективным канальным вниманием ECA и реализована через архитектуру BYOBNet. Модель содержит 19,7 млн параметров; в ней используются трёхуровневый stem без pooling и активации SiLU. Размер изображения при обучении — 256 × 256, при оценке — 288 × 288. Модель предназначена для классификации изображений по классам ImageNet-1k, а также может использоваться как backbone для извлечения карт признаков и эмбеддингов изображений. Веса доступны в форматах PyTorch и safetensors. Лицензия — Apache-2.0.

ECA-ResNet-D — свёрточная модель компьютерного зрения для классификации изображений и извлечения признаков. Её обучила Alibaba MIIL на ImageNet-1k. Архитектура включает остаточные блоки ResNet-D и механизм Efficient Channel Attention (ECA); модель содержит 25,6 млн параметров и выполняет классификацию изображений размером 288 × 288 на этапе тестирования. Модель подходит для определения объектов и сцен по изображению, извлечения карт признаков и получения векторных представлений изображений для последующих задач компьютерного зрения. Она принимает изображения и выдаёт метки классов либо признаки. Репозиторий распространяется по лицензии Apache-2.0; карточка указывает реализацию для timm и форматы PyTorch и safetensors.

EfficientFormer L7 — модель компьютерного зрения для классификации изображений и извлечения визуальных признаков. Она реализована на PyTorch и распространяется через timm; веса предварительно обучены с дистилляцией на ImageNet-1k. Модель содержит около 82,2 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Модель подходит для присвоения изображениям классов ImageNet-1k, а также для получения эмбеддингов изображений и использования в качестве визуального backbone. В карточке для неё приведены результаты ImageNet-1k: точность top-1 83,368% и top-5 96,534%. Репозиторий содержит веса PyTorch и safetensors. Лицензия — Apache-2.0.

EfficientViT-B0 — компактная модель классификации изображений семейства EfficientViT, разработанная авторами исследования и обученная на ImageNet-1k. Вариант r224 рассчитан на изображения размером 224 × 224 пикселя; в модели около 3,4 млн параметров и 0,1 GMACs вычислений на изображение. Модель предназначена для классификации изображений по категориям ImageNet-1k. Её также можно использовать как основу для извлечения карт признаков и векторных представлений изображений. Небольшой размер и низкая вычислительная стоимость подходят для сценариев, где важны скорость и ограниченные ресурсы. Модель принимает изображения и выдаёт метки классов или признаки в зависимости от способа использования. Репозиторий содержит веса в форматах PyTorch и safetensors; для работы заявлена библиотека timm. Лицензия Apache-2.0.

EfficientViT B3 — модель классификации изображений и извлечения визуальных признаков из семейства EfficientViT, разработанная авторами исследования MIT. Она обучена на ImageNet-1k и рассчитана на изображения размером 288 × 288 пикселей; содержит 48,6 млн параметров и может использоваться как классификатор, основа для извлечения карт признаков или получения эмбеддингов изображений. Репозиторий предоставляет веса PyTorch и SafeTensors, библиотека для работы — timm. Модель подходит для классификации изображений по категориям ImageNet, построения визуальных эмбеддингов и извлечения признаков для последующих компьютерно-зрительных задач. Лицензия Apache-2.0 допускает использование на её условиях. Она обучена на ImageNet-1k, поэтому её классы и качество на специализированных или отличающихся от ImageNet данных могут быть ограничены; входной размер модели — 288 × 288 пикселей.

EfficientViT L3 — модель компьютерного зрения для классификации изображений и извлечения визуальных признаков, опубликованная авторами исследования EfficientViT и доступная в библиотеке timm. Она обучена на ImageNet-1k и рассчитана на изображения размером 384 × 384 пикселя. Модель содержит около 246 млн параметров и использует архитектуру EfficientViT с многомасштабным линейным вниманием. Модель подходит для классификации изображений по классам ImageNet, извлечения карт признаков и получения визуальных эмбеддингов, которые можно использовать в последующих задачах компьютерного зрения. Весовые файлы доступны в форматах PyTorch и safetensors. Лицензия — Apache-2.0.

ElhBERTeu — базовая одноязычная модель BERT для баскского языка, представленная в работе о бенчмарке BasqueGLUE. Авторы предварительно обучили её на корпусе из 575 млн токенов: новостях, Википедии, научных текстах, литературе и субтитрах. Модель имеет регистрозависимый токенизатор со словарём на 50 тыс. токенов; в карточке указаны архитектура BertModel, 151,7 млн параметров и контекст до 512 токенов. Модель предназначена для получения контекстных представлений текста, которые можно использовать как основу для задач понимания баскского языка, например распознавания сущностей, классификации и оценки сходства предложений. Она оценивалась на BasqueGLUE и показала средний результат 73,71. Доступны веса в форматах PyTorch и safetensors. Лицензия — CC BY 4.0.

Это пакет Mesh LLM с GGUF-слоями модели ERNIE-4.5-21B-A3B-Thinking в варианте UD-Q4_K_XL. Он подготовлен для распределённого запуска по нескольким машинам: слои модели разделены на отдельные артефакты, чтобы использовать общую память и вычислительные ресурсы локального кластера. Исходная модель — unsloth/ERNIE-4.5-21B-A3B-Thinking-GGUF; пакет поддерживает сценарии чата и генерации текста через локальный OpenAI-совместимый API Mesh LLM. Пакет рассчитан на приватный локальный инференс и обслуживание запросов, когда целая GGUF-модель не помещается на одном хосте. В карточке указаны семейство ERNIE и формат GGUF; параметры модели, длина контекста и поддерживаемые языки в предоставленных сведениях не описаны. Лицензия и подробные рекомендации по использованию приведены в карточке исходной модели и здесь не уточняются.

Это веса модели EVA02 Enormous Patch14 CLIP 224, опубликованные в репозитории timm и совместимые с библиотекой OpenCLIP. Модель предназначена для классификации изображений по текстовым описаниям без обучения на целевых классах: она сопоставляет изображение с кандидатными подписями и оценивает их соответствие. Архитектура использует визуальный энкодер EVA02 с патчами 14 × 14 и CLIP-сопоставление изображения и текста; размер входного изображения — 224 пикселя. Веса связаны с обучающей выборкой LAION-2B и доступны в форматах PyTorch и Safetensors. Модель принимает изображения и текстовые варианты классов, а выдаёт оценки соответствия для выбора наиболее подходящего описания. Карточка не сообщает языковую специализацию, поэтому область поддержки языков по ней определить нельзя. Лицензия репозитория — MIT.

EVA02 Large Patch14 448 — модель компьютерного зрения для классификации изображений и извлечения визуальных признаков. Она опубликована в библиотеке timm; авторы статьи EVA-02 предварительно обучили её на ImageNet-22k методом masked image modeling с EVA-CLIP в роли учителя, затем дообучили на ImageNet-1k. Архитектура — Vision Transformer с mean pooling, SwiGLU, Rotary Position Embeddings и дополнительной нормализацией в MLP. Модель содержит около 305 млн параметров и рассчитана на изображения размером 448 × 448 пикселей. Модель подходит для определения объектов и сцен по изображениям, а также как визуальный backbone для получения признаковых представлений. В README для варианта модели указаны результаты на ImageNet-1k: top-1 89,946% и top-5 99,01%. Весы timm представлены в float32; лицензия — MIT. Модель принимает изображения и выдаёт классовые предсказания либо визуальные признаки.

EVA Giant — модель компьютерного зрения для классификации изображений и получения визуальных эмбеддингов, представленная в библиотеке timm. Она содержит около 1,013 млрд параметров и рассчитана на входные изображения размером 336 × 336 пикселей. Модель предварительно обучена на наборе Merged-30M методом masked image modeling с CLIP-L в роли учителя, затем дообучена авторами статьи на ImageNet-22k и ImageNet-1k. Модель подходит для классификации изображений и может использоваться как визуальный backbone или для извлечения эмбеддингов. В сравнительной таблице карточки для неё указана точность top-1 89,792 и top-5 98,992; эти значения приведены рядом с вариантом разрешения 560, поэтому напрямую переносить их на вход 336 × 336 не следует. Чекпойнты timm сохранены в float32; доступны форматы PyTorch и safetensors. Лицензия — MIT.

FireRedVAD-CoreML — конверсия модели FireRedVAD в формат CoreML от aufklarer для обнаружения участков речи в аудиозаписи. Модель предназначена для запуска на устройствах Apple с использованием Apple Neural Engine и применяется, например, через модуль SpeechVAD библиотеки speech-swift. Модель принимает аудиосигнал с частотой дискретизации 16 кГц и определяет речевые сегменты. В README заявлена поддержка более 100 языков и результат 99,1% F1 на наборе FLEURS. В репозитории находятся скомпилированная модель CoreML, пакет CoreML и статистика нормализации признаков. Лицензия — MIT. Модель выполняет обнаружение речи, а не распознавание или транскрибирование слов; заявленная метрика относится к FLEURS.

FlexiViT Large 300ep IN1K — модель классификации изображений и визуальный backbone. Её обучили авторы статьи на ImageNet-1k с использованием JAX, затем Ross Wightman перенёс веса в PyTorch. Модель содержит около 304,4 млн параметров и рассчитана на изображения размером 240 × 240 пикселей. Архитектура FlexiViT позволяет использовать разные размеры патчей. Модель подходит для классификации изображений и получения их эмбеддингов; её можно применять как визуальную основу для последующих задач компьютерного зрения. Репозиторий содержит веса PyTorch и Safetensors, библиотека — timm. Лицензия Apache-2.0. Карточка указывает обучение на ImageNet-1k; качество на других распределениях данных отдельно не описано.

Functionary-7b-v2.1 — языковая модель MeetKai для диалогов с вызовом функций и плагинов. Она построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; базовый контекст составляет 32 768 токенов. Модель принимает определения функций в формате JSON Schema и может решать, когда вызвать функцию, выполнять вызовы последовательно или параллельно, а также учитывать результаты инструментов при подготовке ответа. Модель предназначена для чат-ассистентов, которым нужно взаимодействовать с API и другими инструментами, включая сценарии, где нужен ответ на основе полученных от них данных. Она также может отвечать обычным сообщением, когда вызов инструмента не требуется. Для работы с ней автор рекомендует OpenAI-совместимый сервер vLLM и специальный шаблон диалога v2PromptTemplate. Карточка приводит результаты оценки точности вызова функций на внутреннем наборе данных для других версий Functionary, но не сообщает отдельную оценку для v2.1. Модель распространяется в формате safetensors; лицензия в предоставленных данных не указана.

Defetya/gemma-2b-ru — базовая языковая модель на архитектуре Gemma 2B, созданная продолжением предобучения модели Google Gemma 2B. Разработчик обучал её примерно на 150 млрд токенов на англо- и русскоязычных подмножествах OSCAR и Википедии; модель содержит около 2,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для дальнейшего дообучения и исследований многоязычных возможностей открытых LLM, в частности развития русскоязычной генерации. Это сырая предобученная модель, а не готовый чат-ассистент: её можно использовать как основу для генерации и продолжения текста, но для диалоговых сценариев потребуется дополнительная настройка. Репозиторий предоставляет веса в формате safetensors, лицензия — Apache-2.0.

Gemma-4-12B-OBLITERATED-GGUF — набор квантованных GGUF-файлов модели Gemma-4-12B-OBLITERATED, разработанной OBLITERATUS и подготовленной к квантованию пользователем mradermacher. Модель предназначена для генерации текста, а также сценариев исследования безопасности, выравнивания, анализа отказов и red teaming. В метаданных указан английский язык. Размер базовой модели — 12B параметров; сведения об архитектуре, максимальном контексте и поддерживаемых модальностях не предоставлены. Репозиторий предлагает варианты квантования Q2_K, Q3_K, IQ4_XS, Q4_K, Q5_K, Q6_K и Q8_0 размером примерно от 4,9 до 12,8 ГБ, что позволяет выбирать между требованиями к памяти, скоростью и качеством генерации. Для Q4_K_S и Q4_K_M заявлена высокая скорость, для Q6_K — очень хорошее качество, а Q8_0 обозначен как вариант с лучшим качеством. Ограничениями являются возможная потеря качества в низкобитных вариантах, отсутствие опубликованных результатов тестирования и неполные сведения о контексте и возможностях модели. Использование регулируется лицензией Gemma.

Это пакет слоёв модели Gemma 4 31B Instruct в формате GGUF, подготовленный Mesh LLM для распределённого запуска. Пакет основан на unsloth/gemma-4-31B-it-qat-GGUF и разделяет её веса на артефакты по слоям для работы на кластере из нескольких локальных машин. Модель предназначена для диалогов и обработки изображений с текстом, а пакет — для приватного локального инференса, распределения вычислений между узлами и обслуживания запросов через совместимый с OpenAI API Mesh LLM. Указаны архитектура Gemma и вариант квантования UD-Q4_K_XL; прочие детали архитектуры и контекста в карточке пакета не приведены. Репозиторий распространяется по лицензии Apache-2.0. Для работы требуется Mesh LLM и доступные узлы кластера; качество и ограничения модели определяются исходной моделью и вариантом квантования.

Это пакет слоёв модели Gemma 4 31B Instruct, подготовленный Mesh LLM для распределённого вывода из GGUF-файлов. Он основан на unsloth/gemma-4-31B-it-GGUF и сохраняет её веса в виде отдельных артефактов по слоям; вариант квантования — UD-Q4_K_XL. Пакет предназначен для локального приватного запуска чат-модели через Mesh LLM. Слои можно распределить между несколькими компьютерами, если модель целиком не помещается на одном узле, а локальный API совместим с OpenAI Chat Completions. Для запуска требуется Mesh LLM и вычислительные ресурсы кластера. Подробности об архитектуре, языках, контексте и лицензии следует сверять с карточкой исходной модели unsloth/gemma-4-31B-it-GGUF: в предоставленных данных этих сведений нет.

yujiepan/gpt-oss-tiny-random-bf16 — крошечная модель генерации текста, созданная для отладки и тестирования реализации GPT-OSS. Она случайно инициализирована с конфигурацией, адаптированной из openai/gpt-oss-120b, поэтому не является обученной моделью для содержательных ответов.

DeepSeek-Coder-6.7B Energy-SFT — модель генерации кода, созданная Саурабхом Сингхом Раджпутом и Шармой в рамках пакета Green Tea для воспроизведения исследования энергоэффективной генерации кода. Это дообученная версия DeepSeek-Coder-6.7B-Base с 6,6 млрд параметров на архитектуре Llama; она принимает текстовые запросы и выдаёт код. Объём контекста — до 16 384 токенов. Модель предназначена для генерации кода с учётом энергопотребления: её обучали методом контрастного supervised fine-tuning, чтобы предпочитать более энергоэффективные решения. В README сообщается результат 1,29% CARET на отложенном наборе из 143 задач. Модель загружается через Transformers; репозиторий содержит веса Safetensors. Лицензия указана как other, конкретные условия использования в предоставленных данных не раскрыты.

h2o-danube2-1.8b-base — базовая языковая модель H2O.ai с архитектурой MistralForCausalLM и примерно 1,8 млрд параметров. Она обучена как фундаментальная модель для последующей адаптации под конкретные задачи; для диалогового применения разработчик предлагает отдельную версию h2oai/h2o-danube2-1.8b-chat. Модель генерирует текст по текстовому контексту и рассчитана на последовательности длиной до 8 192 токенов. В README отмечены результаты на бенчмарках среди моделей сопоставимого размера, но качество для конкретных приложений зависит от дообучения и проверки. Карточка указывает на возможные предвзятые, оскорбительные, неверные или бессмысленные ответы. Распространяется по лицензии Apache-2.0.

hgnet_base.ssld_in1k — модель компьютерного зрения семейства HGNet (High Performance GPU Net), представленная авторами модели и доступная через библиотеку timm. Это модель классификации изображений и извлечения визуальных признаков; она обучалась на данных ImageNet-22k и ImageNet-1k с применением дистилляции SSLD. Веса содержат около 71,6 млн параметров. Для обучения использовался размер изображения 224 × 224, для тестирования — 288 × 288; модель подходит также для извлечения карт признаков и эмбеддингов изображений. Модель предназначена для классификации объектов на изображениях и как визуальная основа в системах компьютерного зрения. В README приведены результаты ImageNet, включая Top-1 около 86,3% для вариантов HGNetv2 из сравнительной таблицы; это не следует считать гарантированной оценкой именно данного чекпойнта. Репозиторий предоставляет веса PyTorch и SafeTensors. Лицензия — Apache-2.0. Модель работает с изображениями и не предназначена для обработки естественного языка.

timm/hgnet_small.paddle_in1k — модель классификации изображений семейства HGNet (High Performance GPU Net), подготовленная авторами модели и представленная в библиотеке timm. Она обучена на ImageNet-1k и может использоваться как классификатор или как визуальный backbone для извлечения карт признаков и эмбеддингов. Модель содержит 24,4 млн параметров и рассчитана на изображения размером 224 × 224 при обучении и 288 × 288 при тестировании. Репозиторий содержит веса PyTorch в формате safetensors. Лицензия — Apache-2.0. Модель предназначена для распознавания объектов из набора классов ImageNet-1k и получения визуальных признаков. Её область применения ограничена задачами общего распознавания изображений; карточка не описывает специальную адаптацию к другим наборам данных или предметным областям.

HGNet-V2 B5 — сверточная модель классификации изображений из семейства High Performance GPU Net. Модель обучена авторами на данных ImageNet-22k с применением дистилляции SSLD, а затем дообучена на ImageNet-1k. Репозиторий предоставляет веса PyTorch и Safetensors и поддерживает библиотеку timm. Модель предназначена для классификации изображений и может использоваться как визуальный backbone: README также описывает извлечение карт признаков и получение эмбеддингов изображений. Для обучения указан размер изображения 224×224 пикселя, для оценки — 288×288. В карточке приведены характеристики версии B5: 39,6 млн параметров и 6,6 GMACs. Модель подходит для задач распознавания объектов и построения признаков в прикладных системах компьютерного зрения. Результаты и применимость за пределами ImageNet зависят от данных и способа использования; карточка не сообщает специальных ограничений качества. Лицензия — Apache-2.0.

Higgs Audio V2 Tokenizer — дискретный аудиотокенизатор от Boson AI для кодирования и восстановления речи, музыки и звуковых событий. Модель доступна в формате safetensors и поддерживается библиотекой Transformers. Токенизатор преобразует аудио с частотой дискретизации 24 кГц в дискретные представления с частотой 25 кадров в секунду. Единая модель обучена на речи, музыке и звуковых событиях; для кодирования и декодирования используется быстрый энкодер-декодер без диффузии. Разработчики сообщают о балансе эффективности, акустического качества и сохранения смысла, а также о пригодности токенов для обучения аудиоязыковых моделей. Модель подходит для сжатого представления аудио, его последующего восстановления и подготовки аудиоданных для аудиоязыковых систем. В README приведены результаты сравнительных оценок на речи, музыке и звуковых событиях, но не указаны ограничения по качеству или поддерживаемые языки модели. Лицензия обозначена в метаданных как other; конкретные условия следует сверить с карточкой репозитория.

ALM/hubert-base-audioset — модель аудиопредставлений на архитектуре HuBERT Base, разработанная ALM и предварительно обученная на полном наборе AudioSet. Трансформерная модель содержит 113,3 млн параметров и предназначена для извлечения признаков из аудио и последующей адаптации к прикладным задачам, включая классификацию музыки и акустических событий, а также распознавание речи. Модель принимает аудио и формирует аудиопредставления, которые можно использовать как признаки для классификаторов и других downstream-систем. Широкое покрытие источников AudioSet помогает применять её в разных аудиодоменах, однако для узкой области может потребоваться дообучение. В задачах речи качество может уступать HuBERT и Wav2Vec, обученным специально на речевых данных. Лицензия — CC BY-NC-SA 4.0.