II.10Разработка и эксплуатация AI/ML-систем

Falcon-180B — авторегрессионная языковая модель с причинным декодером на 180 млрд параметров, разработанная Институтом технологических инноваций (TII) и обученная на 3,5 трлн токенов RefinedWeb и дополнительных отобранных корпусах. Архитектура включает 80 слоёв, вращательные позиционные эмбеддинги, multiquery-внимание и параллельные блоки внимания и MLP; веса доступны в формате Safetensors. Модель предназначена для генерации текста и как основа для дообучения под суммаризацию, чат-ботов и другие прикладные сценарии. Это базовая, предварительно обученная модель, поэтому для следования инструкциям и большинства пользовательских задач рекомендуется специализированное дообучение. Основные языки — английский, немецкий, испанский и французский; заявлены ограниченные возможности для итальянского, португальского, польского, нидерландского, румынского, чешского и шведского. Для быстрого вывода в полной точности bfloat16 требуется примерно 8 ускорителей A100 по 80 ГБ или эквивалент; README указывает потребность как минимум в 400 ГБ памяти для комфортного запуска. Модель может наследовать предвзятости веб-данных и слабо обобщать на языки, не представленные в обучении. Распространяется по лицензии Falcon-180B TII License с Acceptable Use Policy; README заявляет возможность коммерческого использования при соблюдении этих условий.

aufklarer/FireRedLID-887M-MLX-8bit — преобразованная в формат MLX 8-битная версия модели FireRedTeam/FireRedLID для определения языка и диалекта по аудио. Она принимает монофоническую речь с частотой 16 кГц и использует 80-мерные Kaldi fbank-признаки, 16-слойный Conformer-энкодер с относительными позициями и авторегрессионный Transformer-декодер; квантованы веса подходящих линейных слоёв, а остальные компоненты сохраняют смешанную точность FP16/FP32. Модель предназначена для классификации речевого аудио по языку, включая иерархические метки китайского языка и диалектов. В README приведена оценка квантированной версии на выборке FLEURS по 82 языковым меткам: точность составила 95,93% на чистых фрагментах, 97,15% при телефонном канале 8 кГц и 92,68% при шуме с отношением сигнал/шум 10 дБ. Это результаты выборки, а не полное воспроизведение опубликованной оценки; качество на других данных не гарантируется. Лицензия — Apache-2.0. Модель использует закрытый словарь меток и не умеет надёжно распознавать неизвестный язык: она может уверенно классифицировать тишину, музыку, неподдерживаемую речь или речь с переключением языков. Для рабочих систем рекомендуется применять VAD, калибровку на целевых данных и явную политику отказа; предсказание языка или акцента не следует трактовать как достоверное указание национальности или этнической принадлежности.

sassoftware/gemma-4-31B-it-assistant — контрольная точка семейства Gemma 4 от Google DeepMind, предназначенная для использования как draft-модель в ускорении генерации методом speculative decoding. Она предлагает несколько токенов-кандидатов заранее, а целевая модель проверяет их параллельно; при корректной настройке это ускоряет декодирование без изменения результата целевой модели. В карточке репозитория описана архитектура Gemma 4, включая варианты плотной и MoE-архитектуры, мультимодальный ввод и контекст до 256K токенов, однако эти общие характеристики семейства не подтверждают отдельно размер контекста и модальности именно данного чекпойнта. Модель подходит для снижения задержки при генерации текста и развёртывания систем с ограниченными вычислительными ресурсами, если она используется вместе с совместимой целевой моделью Gemma 4 и speculative decoding. Метаданные указывают архитектуру Gemma4AssistantForCausalLM и формат safetensors; README позиционирует такие чекпойнты как MTP draft-модели. Лицензия — Apache 2.0. Для самого репозитория не приведены отдельные подтверждения языков и точного размера параметров.

google/gemma-4-E4B-it-qat-q4_0-unquantized-assistant — вспомогательная модель-драфтер Gemma 4 E4B, разработанная Google DeepMind. Она предназначена для ускорения генерации текста методом speculative decoding в связке с целевой моделью Gemma 4. Это instruction-tuned вариант семейства Gemma 4 с плотной архитектурой Gemma4AssistantForCausalLM; веса представлены в safetensors и извлечены из конвейера quantization-aware training (QAT) в половинной точности, а не сохранены как готовая квантизованная копия. Семейство Gemma 4 поддерживает текстовые и графические входы, а E4B также поддерживает аудио; семейство генерирует текст и рассчитано на многоязычное применение. Однако эта карточка относится к drafter-модели, поэтому её основное назначение — предложить черновые токены целевой модели при ускоренной генерации, а не выступать самостоятельной универсальной мультимодальной моделью. Для совместной работы с QAT-целевой моделью требуется assistant-модель с той же точностью. Лицензия — Apache 2.0.

GLM-5.3-Flash DFlash2 Drafter G — компактная модель-черновик от canada-quant для ускорения генерации текста с помощью спекулятивного декодирования в vLLM. Это DFlash2 block-diffusion drafter с архитектурой DFlash2DraftModel и Qwen3-подобным плотным декодером: 8 слоёв, скрытый размер 4096, 32 головы внимания и 8 KV-голов. Размер модели — 2,2 млрд параметров; формат весов — Safetensors. Модель обучена для работы с GLM-5.3-Flash, в том числе с квантованной версией W4A16-MTP, и поддерживает контекст целевой модели до 1 048 576 токенов. Модель предсказывает блоки черновых токенов, которые проверяет целевая GLM-5.3-Flash: это может повысить скорость генерации при сохранении ответов целевой модели. По оценке авторов на 500 отложенных запросах при генерации до 1024 токенов средняя длина принятого блока составила 3,676 при K=7; на длинных трассах до 4096 токенов преимущество над эталонным drafter практически исчезло. Для использования требуется совместимая целевая модель и конфигурация спекулятивного декодирования в vLLM; README также указывает на необходимость актуальной сборки и специальных патчей для GLM-5.3-Flash. Лицензия — Apache-2.0.

Edge0/GPA-v1.5-onnx-runtime — набор ONNX Runtime-ресурсов для локального запуска GPA v1.5, опубликованный для использования вместе с отдельным кодом среды выполнения GPA. Он предназначен для синтеза речи и включает варианты основной модели fp16 и int4, а также ресурсы токенизатора голоса для регистрации голосов. В README также описаны сценарии запуска через CLI, FastAPI и браузерный интерфейс, включая проверку распознавания речи. Модель основана на Qwen/Qwen3-0.6B и распространяется в форматах ONNX и PyTorch с файлами safetensors. В метаданных указаны английский и китайский языки. Лицензия — Apache-2.0. Репозиторий содержит только ресурсы модели: для работы необходим отдельный код GPA v1.5 ONNX Runtime.

Tristan/gpt2_reward_summarization — модель классификации текста на базе GPT-2, опубликованная пользователем Tristan на Hugging Face. Она предназначена для оценки качества кратких пересказов и может использоваться как функция вознаграждения или судья при сравнении вариантов суммаризации. Репозитория карточки модели нет; Hugging Face указывает архитектуру GPT2ForSequenceClassification, формат PyTorch и контекст 1024 токена. Модель принимает текст и возвращает классификационный результат, а не генерирует резюме. Язык и конкретный набор меток достоверно не установлены. Лицензия в доступных сведениях не указана.

GPTFuzzer — модель классификации текста на основе RoBERTa, дообученная авторами репозитория для определения токсичности ответа. Она принимает текст и относит его к классам токсичности; модель рассчитана на автоматическую проверку ответов, например в фильтрах безопасности и при анализе текстовых данных. Модель содержит 454,1 млн параметров, использует архитектуру RobertaForSequenceClassification и поддерживает контекст до 514 токенов. Она обучена на вручную размеченном наборе данных. Репозиторий распространяет веса в форматах PyTorch и Safetensors. Лицензия — MIT.

gpt-oss-20b-DFlash — компактная модель-черновик на основе архитектуры Qwen3, разработанная z-lab для метода ускорения генерации DFlash. Она предсказывает блоки черновых токенов, которые целевая модель проверяет параллельно, ускоряя инференс без замены целевой модели. Модель содержит около 1,3 млрд параметров по метаданным, использует формат safetensors и заявленный контекст до 131 072 токенов; в README размер указан как 0,8 млрд параметров. Её необходимо использовать совместно с openai/gpt-oss-20b. Модель предназначена для ускорения генерации текста целевой моделью, включая задачи математики, программирования и диалогов. По данным README, обучение проведено на 800 тысячах примеров из Nemotron-Post-Training-Dataset-v2 и evol-codealpaca-v1, ответы в которых были заново сгенерированы целевой моделью. В описанной конфигурации DFlash использовался размер блока 8, то есть семь черновых токенов; авторы сообщают об ускорении примерно в 1,9–2,2 раза на тестах при заданных условиях, включая одну H200 и SGLang. Лицензия — MIT. Результаты зависят от целевой модели, нагрузки и конфигурации инференса; модель сама по себе не является полноценной заменой gpt-oss-20b.

Helium-1-2B — базовая языковая модель Kyutai с архитектурой Llama и 1,9 млрд параметров, представленная в формате safetensors для библиотеки Transformers. Модель обучена на текстах на 24 официальных языках Европейского союза; её контекст составляет 4096 токенов. По карточке, модель дистиллирована из Gemma 2. Модель предназначена для генерации и понимания текста, а также для исследований и разработки систем NLP. Она не дообучена следовать инструкциям или предпочтениям людей, поэтому для прикладных сценариев обычно требуется дополнительное выравнивание, например supervised fine-tuning или RLHF. Компактный размер ориентирован на использование на устройствах с ограниченными ресурсами, включая мобильные и периферийные устройства. Модель может генерировать фактические ошибки, предвзятый, вредный или бесполезный текст; перед применением необходимы оценка и меры снижения рисков. Поддерживаются английский, болгарский, чешский, датский, немецкий, греческий, испанский, эстонский, финский, французский, ирландский, хорватский, венгерский, итальянский, литовский, латышский, мальтийский, нидерландский, польский, португальский, румынский, словацкий, словенский и шведский языки. Лицензия — CC-BY-SA 4.0; также действуют условия использования Gemma.

OwenElliott/image-safety-classifier-s — компактная модель классификации изображений, разработанная Owen Elliott для выявления небезопасного визуального контента. Она присваивает изображениям один из трёх классов: NSFW (порнографический или сильно suggestive-контент), NSFL (изображения с кровью и сценами жестокости) и SFW (остальное). Модель построена на архитектуре SwiftFormer и содержит 6,1 млн параметров; доступны веса PyTorch и ONNX, включая варианты fp32 и fp16. Небольшой размер рассчитан на запуск на периферийных устройствах и в сценариях с низкими требованиями к задержке. Модель предназначена для автоматической модерации изображений, предварительной фильтрации пользовательских загрузок и маркировки визуального контента. По заявлению автора, она обучена на примерно 320 тысячах изображений из сети, включая фотографии, рисунки, скриншоты, мемы и изображения, созданные ИИ; заявленная точность на оценочном наборе — 97,99%. Лицензия MIT разрешает использование и распространение на её условиях.

InceptionNeXt Tiny — сверточная модель семейства InceptionNeXt для классификации изображений и извлечения визуальных признаков. Модель обучена авторами статьи на ImageNet-1k и опубликована в репозитории timm; число параметров — 28,1 млн, вычислительная сложность — 4,2 GMACs, входной размер изображения — 224 × 224 пикселя. Модель подходит для присвоения изображениям классов ImageNet-1k, извлечения карт признаков и получения визуальных эмбеддингов, например как основы компьютерного зрения в прикладных системах. Репозиторий содержит веса PyTorch и safetensors. Лицензия — Apache-2.0.

IndoBERT-Lite Base Model (phase1, uncased) — предварительно обученная языковая модель для индонезийского языка, разработанная командой IndoBenchmark. Она основана на архитектуре ALBERT и обучена на корпусе Indo4B с задачами masked language modeling и next sentence prediction. Модель предназначена для извлечения контекстных представлений текста, которые можно использовать в прикладных системах обработки индонезийского языка. Модель содержит 136,3 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Доступны веса PyTorch и TensorFlow. Лицензия — MIT. Карточка описывает предварительное обучение; качество на конкретных прикладных задачах зависит от последующего использования или дообучения.

TechxGenus/Jamba-v0.1-9B — плотная версия базовой языковой модели Jamba от AI21, подготовленная TechxGenus из Jamba-v0.1: веса первого эксперта извлечены из исходной смеси экспертов, поэтому версия больше не использует MoE. Архитектура Jamba сочетает Mamba и Transformer; в метаданных указано 7,2 млрд параметров, формат весов — safetensors. Модель предназначена для генерации текста и как основа для дообучения и создания специализированных решений. Она подходит для запуска инференса на одной видеокарте RTX 3090 или RTX 4090; в README заявлена поддержка контекста до 256 тыс. токенов для исходной Jamba. Модель не настроена для диалогов и инструкций, поэтому для таких сценариев её следует дообучить. В карточке исходной Jamba приведены результаты на распространённых тестах языкового понимания и рассуждений. Для запуска требуются Transformers версии 4.39.0 или выше и CUDA; для оптимальной скорости нужны kernels Mamba. Лицензия — Apache 2.0. Модель не имеет встроенных механизмов модерации и защитных ограничений.

QuantFactory/karakuri-lm-7b-apm-v0.2-GGUF — это квантованная в формате GGUF версия KARAKURI LM 7B APM v0.2, созданная с помощью llama.cpp. Модель разработана компанией KARAKURI Inc. и дообучена на базе Mistral-7B-v0.2. Это авторегрессионная языковая модель с архитектурой causal decoder-only transformer и примерно 7 млрд параметров. Модель предназначена для оценки ответов языковых моделей в многошаговых диалогах, а не для обычной генерации текста. Она присваивает каждому ответу ассистента оценки от 0 до 4 по атрибутам helpfulness, correctness, coherence, complexity и verbosity на основе датасета HelpSteer, а также quality, toxicity, humor и creativity на основе OASST2. Такие возможности подходят для анализа качества ответов, автоматического построения оценочных наборов и исследований по управлению поведением моделей. В README указано, что модель преимущественно ориентирована на английский язык; метаданные также перечисляют японский. Для работы используются специальные шаблоны диалогов с метками helpsteer или oasst. Размер контекста и другие характеристики инференса не указаны, поэтому их нельзя достоверно описать. Ограничением является узкая специализация на атрибутивной оценке ответов и отсутствие подтверждённых сведений о качестве на других языках или сценариях. Модель распространяется по лицензии Apache 2.0. В обучении использовались датасеты OpenAssistant/oasst2 и nvidia/HelpSteer.

RadixArk/Kimi-K3-DSpark — вспомогательная модель черновой генерации для ускорения инференса Kimi K3 методом спекулятивного декодирования. Она разработана для совместной работы с целевой моделью Kimi K3 и не является самостоятельной языковой моделью для ответов пользователю. В метаданных указаны плотная архитектура семейства Qwen3, класс DSparkDraftModel и размер 3,4 млрд параметров; README описывает пять слоёв полного внимания в стиле Qwen3 с GQA и блоком из семи черновых токенов. Веса целевой модели, включая embedding и unembedding, в репозиторий не входят. Модель предназначена для ускорения генерации в SGLang: она предлагает несколько токенов-кандидатов, которые проверяет Kimi K3. README приводит результаты принятия черновых токенов на SWE-Rebench, GSM8K, MATH500 и RULER V2. Метаданные заявляют контекст до 1 048 576 токенов, а README уточняет, что обучение проводилось на контексте 65 536 токенов; для конфигурации до миллиона токенов используется YaRN-16. Формат весов — Safetensors; метаданные указывают библиотеку Transformers. Лицензия в предоставленных данных не указана.

Laguna-S-2.1-UD-Q4_K_XL-layers — пакет слоёв модели семейства Laguna, подготовленный Mesh LLM для распределённого вывода. Он основан на unsloth/Laguna-S-2.1-GGUF и сохраняет исходное распределение GGUF, разделённое на артефакты по слоям; вариант квантизации — UD-Q4_K_XL. Пакет предназначен для локального приватного чат-вывода и запуска модели на кластере Mesh LLM, когда её полный файл не помещается на одной машине. Он поддерживает распределение вычислений между несколькими узлами и сценарии чата через локальный API, совместимый с OpenAI. Метаданные указывают задачу генерации текста и библиотеку mesh-llm. Репозиторий содержит именно пакет для распределённого запуска, а не самостоятельное описание исходной архитектуры. Для архитектурных подробностей, шаблона чата, рекомендаций по генерации и условий лицензии README направляет к карточке исходной модели. Указанная лицензия — OpenMDW 1.1.

PP-LCNetV2 Small — лёгкая свёрточная модель для классификации изображений, созданная авторами PaddleClas и перенесённая в формат state dict библиотеки timm из официального чекпойнта Paddle. Архитектура ориентирована на работу на CPU и использует многомасштабные depthwise-свёртки с репараметризацией, разделённые pointwise-свёртки, выборочное squeeze-and-excitation и shortcut-соединения. Модель содержит 4,1 млн параметров, рассчитана на изображения 224 × 224 и обучена на ImageNet-1k. Модель подходит для классификации изображений и извлечения признаковых карт или эмбеддингов в компьютерном зрении. Весы доступны в формате safetensors, лицензия — Apache 2.0. Описание не сообщает о других наборах классов или специализированных предметных областях, поэтому результаты классификации ориентированы на категории ImageNet-1k.

LeViT-192.fb_dist_in1k — модель компьютерного зрения семейства LeViT, опубликованная в timm. Это свёрточный вариант архитектуры, использующий nn.Conv2d и nn.BatchNorm2d; он предварительно обучен авторами статьи на ImageNet-1k с дистилляцией. Модель содержит 10,9 млн параметров, рассчитана на изображения размером 224 × 224 и требует около 0,7 GMACs на изображение. Модель предназначена для классификации изображений по 1000 классам ImageNet-1k и может использоваться как визуальная основа для извлечения признаков и эмбеддингов. Компактный размер и низкая вычислительная стоимость подходят для задач классификации с ограниченными ресурсами. Репозиторий предоставляет веса PyTorch и safetensors; лицензия — Apache-2.0.

Карточка модели Salesforce/Llama-xLAM-2-70b-fc-r на Hugging Face совпадает с карточкой Salesforce/Llama-xLAM-2-8b-fc-r, поэтому описание составлено по ней. Salesforce Llama-xLAM-2-8b-fc-r — языковая модель семейства xLAM-2, разработанная Salesforce на архитектуре Llama и дообученная для многоходового диалога и вызова функций. Она предназначена для агентных систем, которым нужно преобразовывать запросы пользователя в структурированные вызовы инструментов и последовательно выполнять задачи. Модель содержит 7,5 млрд параметров, принимает текст и выдаёт текст, включая инструкции и вызовы инструментов; заявленная длина контекста — 131 072 токена. Для работы доступны Transformers и vLLM. Модель обучалась с использованием данных APIGen-MT и наборов Salesforce для вызова функций. Карточка семейства заявляет высокие результаты на BFCL и τ-bench, однако приведённые конкретные цифры относятся к модели на 70 млрд параметров и не подтверждают такие же результаты для версии 8B. Выпуск обозначен как исследовательский, а модель ориентирована прежде всего на англоязычное взаимодействие. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

LlavaGuard-v1.2-0.5B-OV — мультимодальная модель AIML-TUDA для оценки безопасности изображений и текстовых запросов. Она дообучена на LlavaGuard-DS на основе lmms-lab/llava-onevision-qwen2-0.5b-ov и использует архитектуру LLaVA-OneVision с Qwen2. Модель принимает изображения и текст, а ответы выдаёт в текстовом виде; окно контекста составляет 32 тысячи токенов. Модель предназначена для классификации и анализа безопасности мультимодальных запросов, включая формирование объяснений к оценкам. Версия на 0,5 млрд параметров рассчитана на более эффективный вывод по сравнению с более крупными моделями семейства. Для запуска README указывает поддержку Transformers; совместимость с SGLang и репозиторием LLaVA не заявлена. Модель опубликована в формате Safetensors. Лицензия в предоставленных данных не приведена.

MagenticBrain — языковая модель на 14 млрд параметров от Microsoft Research AI Frontiers, предназначенная для оркестрации действий в агентных системах. Это decoder-only трансформер семейства Qwen3, дообученный на данных о вызове функций, работе с файлами и терминалом, делегировании подагентам и планировании. Модель принимает текстовые запросы и описания доступных инструментов, а вызовы инструментов выдаёт в виде структурированных JSON-объектов. Контекст модели составляет 40 960 токенов по метаданным; в README указана настройка обучения на траекториях до 32K токенов. Модель разбивает многошаговые задачи на этапы, выбирает инструменты из переданной схемы, формирует аргументы, использует результаты вызовов в следующих шагах и может передавать подзадачи компьютерному подагенту Fara1.5-9B. Она не выполняет внешние действия самостоятельно: их запускает хост-приложение, например MagenticLite, которое также обрабатывает протокол завершения задачи. Наиболее полно поведение проверено в связке с MagenticLite; модель не предназначена для свободного потребительского чата или неограниченной автономной работы. Веса опубликованы под лицензией MIT. Для запуска требуются совместимый шаблон чата и хост-среда, которая обрабатывает вызовы инструментов; README рекомендует Transformers версии 4.51.0 или новее и режим без thinking-токенов. Авторы предупреждают, что жадное декодирование может приводить к повторениям.

MaxxViT-V2 RMLP Base RW 224 SW IN12K — модель компьютерного зрения для классификации изображений и извлечения признаков. Её разработал Ross Wightman и обучил в библиотеке timm на ImageNet-12k — подмножестве ImageNet-22k с 11 821 классом. Архитектура MaxxViT-V2 сочетает блоки ConvNeXt и grid self-attention; вариант использует MLP Log-CPB — непрерывное смещение относительных позиций, мотивированное Swin V2. Модель содержит 127,2 млн параметров и рассчитана на изображения 224 × 224 пикселя. Репозиторий предоставляет веса PyTorch и SafeTensors. Модель подходит для классификации объектов на изображениях, использования в качестве визуального backbone и извлечения эмбеддингов и карт признаков. Специализация на ImageNet-12k помогает классификации по широкому набору классов, но сама по себе не гарантирует качество на предметных областях или классах, отсутствовавших в обучении. Лицензия — Apache-2.0.

mixer_b16_224.goog_in21k — модель классификации изображений семейства MLP-Mixer, опубликованная авторами статьи и обученная на ImageNet-21k. Она использует архитектуру на основе многослойных перцептронов для обработки изображений и может служить классификатором или визуальным экстрактором признаков. Модель рассчитана на изображения размером 224 × 224 пикселя; в ней около 75,9 млн параметров. Её можно применять для классификации изображений и получения эмбеддингов изображений. Репозиторий использует библиотеку timm и содержит веса PyTorch и Safetensors. Лицензия — Apache-2.0.

mnasnet_small.lamb_in1k — компактная сверточная модель для классификации изображений и извлечения признаков, опубликованная командой timm. Она обучена на ImageNet-1k; в карточке указаны 2 млн параметров, около 0,1 GMAC и входной размер изображения 224 × 224. Обучение проводилось с рецептом оптимизации LAMB и усреднением весов EMA. Модель подходит для распознавания объектов на изображениях, получения карт признаков и визуальных эмбеддингов, в том числе в сценариях с ограниченными вычислительными ресурсами. Репозиторий содержит веса PyTorch и safetensors. Лицензия — Apache-2.0.

MobileNet-EdgeTPU-V2 m.ra4_e3600_r224_in1k — модель классификации изображений и извлечения визуальных признаков, разработанная Россом Уайтманом и обученная на ImageNet-1k. Она рассчитана на распознавание объектов на изображениях и может использоваться как компактная базовая сеть для задач компьютерного зрения. Модель содержит 8,5 млн параметров, требует около 1,9 GMACs вычислений и обучалась на изображениях размером 224 × 224 пикселя; для тестирования в карточке указано разрешение 256 × 256. Обучение проводилось с помощью timm, с гиперпараметрами, основанными на MobileNet-V4 Small и практиках timm и «ResNet Strikes Back». Репозиторий содержит веса PyTorch и Safetensors; лицензия — Apache-2.0. Модель предназначена для классификации изображений по категориям ImageNet-1k, извлечения карт признаков и получения эмбеддингов изображений. Данные карточки не подтверждают поддержку Edge TPU как аппаратной платформы исполнения, поэтому это название архитектуры не следует считать гарантией совместимости с конкретным устройством.

mobilenetv3_small_050.lamb_in1k — компактная модель классификации изображений семейства MobileNetV3, опубликованная командой timm. Она обучена на ImageNet-1k с рецептом оптимизации LAMB и усреднением весов EMA; модель содержит около 1,6 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Модель подходит для определения объектов и сцен на изображениях, а также может использоваться как визуальный backbone для извлечения признаковых карт и эмбеддингов. Компактный размер делает её применимой в сценариях с ограниченными вычислительными ресурсами. В репозитории представлены веса PyTorch и safetensors; библиотека для работы — timm. Обучение на ImageNet-1k задаёт область распознаваемых классов и не гарантирует качество на других доменах. Лицензия — Apache-2.0.

MobileNetV3 Small 0.75 — компактная модель классификации изображений, опубликованная авторами библиотеки timm. Она обучена на ImageNet-1k с рецептом LAMB, EMA-усреднением весов и ступенчатым затуханием скорости обучения. В модели около 2 млн параметров; рекомендуемый размер изображения — 224 × 224 пикселя. Модель предназначена для определения объектов на изображениях и может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов. Компактный размер подходит для сценариев, где важны небольшая вычислительная нагрузка и классификация изображений общего назначения. Доступны веса PyTorch и safetensors; лицензия — Apache-2.0. Классификатор обучен на классах ImageNet-1k, поэтому его предсказания ограничены этим набором категорий. README не приводит метрики качества или сведений о поддержке изображений иных размеров.

mobilenetv4_conv_small.e3600_r256_in1k — модель семейства MobileNetV4 для классификации изображений и извлечения признаков. Её обучил Ross Wightman с помощью скриптов timm на ImageNet-1k; обучение использовало гиперпараметры, основанные на статье о MobileNetV4, с доработками timm. Веса опубликованы в форматах PyTorch и safetensors, лицензия — Apache-2.0. Модель содержит около 3,8 млн параметров и рассчитана на мобильные сценарии с ограниченными вычислительными ресурсами: README указывает 0,2 GMAC и размер изображения 256 × 256 для обучения и 320 × 320 для проверки. Её можно применять для распознавания классов объектов на изображениях, извлечения карт признаков и получения эмбеддингов. Обучение на ImageNet-1k ориентирует модель на классификацию категорий этого набора данных; качество для иных доменов и типов изображений может отличаться. В карточке отмечено, что официальные веса TensorFlow на момент её публикации не были доступны.

Это отдельная обученная голова Multi-Token Prediction версии MTPv2 от NVIDIA для ускорения вывода модели NVIDIA Nemotron 3 Super с помощью спекулятивного декодирования. Она предлагает черновые токены, которые проверяет целевая модель; сама голова не содержит веса основной модели и не является самостоятельной языковой моделью. Для работы требуется совместимый чекпойнт Nemotron 3 Super и среда обслуживания с поддержкой отдельно загружаемой MTP-головы, например vLLM, SGLang или TensorRT-LLM. Голова построена для гибридной архитектуры Nemotron 3 Super и содержит 3 млрд параметров; базовая модель имеет 120 млрд параметров всего и 12 млрд активных параметров. Указанный для репозитория размер составляет 6,6 млрд параметров. Модель принимает и выдаёт текст, поддерживает контекст до 262144 токенов. В README перечислены английский, французский, немецкий, итальянский, японский, испанский и китайский языки. Голова дообучена с помощью Megatron-LM на Nemotron Post-Training Dataset v2 при замороженной основной модели. Репозиторий использует Transformers и формат safetensors. Лицензия указана как other; README требует соблюдать NVIDIA Nemotron Open Model License и условия целевой модели. Применение заявлено для коммерческих и некоммерческих сценариев.