II.10Разработка и эксплуатация AI/ML-систем

COIG-Kun Label Model — модель проекта Kun, разработанная Tianyu Zheng, Shuyue Guo и соавторами. Она дообучена для генерации инструкций и другого обучающего материала, который можно использовать при расширении наборов данных и настройке языковых моделей. Модель построена на плотной архитектуре Llama и содержит 33,9 млрд параметров. В качестве основы использована Yi-34B; для дообучения применялись около десяти тысяч отобранных инструкций. Модель принимает текстовые инструкции и генерирует текст, поддерживает китайский язык, а длина контекста составляет 4096 токенов. Доступна в формате safetensors. Модель предназначена для исследователей и разработчиков, работающих с обучением языковых моделей и дополнением инструкционных данных. Возможные ограничения — смещения из обучающих данных и риск генерации вредного или вводящего в заблуждение текста; авторы предостерегают от таких применений. Сведения о лицензии в карточке не приведены.

LeViT-192 — модель компьютерного зрения семейства LeViT, опубликованная командой LeViT и представленная в работе «LeViT: a Vision Transformer in ConvNet's Clothing for Faster Inference». Это вариант LeViT с классификационной головой, предобученный на ImageNet-1k для распознавания объектов на изображениях размером 224×224 пикселя. Модель относит изображение к одному из 1000 классов ImageNet-1k и предназначена для задач классификации изображений. Архитектура LeViT сочетает идеи vision transformer и свёрточных сетей с акцентом на скорость инференса. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. Модель ориентирована на классы ImageNet-1k, поэтому может быть недостаточно точной для объектов вне этих категорий и специализированных предметных областей. Для других наборов классов потребуется адаптация или дообучение.

donghyunli/Llama-2-7b-KronQ-W4A16-g128 — это квантизированная до 4 бит весов версия Meta Llama 2 7B, подготовленная автором репозитория с использованием KronQ — квантования с факторизацией матрицы Гессе по Кронекеру. Активации остаются 16-битными, размер группы квантования — 128. Веса хранятся в упакованном формате int4; README описывает CUDA-ядро слияния деквантизации и BiIP для распаковки во время вычислений. Модель предназначена для генерации текста и оценки языковых моделей. В README приведены результаты на WikiText-2 и тестах PIQA, ARC, HellaSwag, WinoGrande, BoolQ и OpenBookQA; контекст составляет 4096 токенов. Карточка указывает английский язык и лицензию Llama 2. Опубликованные результаты и размер файла около 3,8 ГБ помогают оценить точность и требования к хранению, однако описание не устанавливает совместимость с конкретными средами запуска.

Mirage Studio разработала Mirage-Studio/llama-gaan-2-7b-chat-hf-dutch-epoch-5 — чат-модель на архитектуре Llama 2, дообученную на базе daryl149/llama-2-7b-chat-hf для общения на нидерландском языке. Это пятый эпохальный чекпойнт дообучения; модель содержит 6,6 млрд параметров и поддерживает контекст до 2048 токенов. Модель предназначена для генерации ответов в диалоге на нидерландском языке и может использоваться как замена Llama 2 7B Chat в приложениях на Hugging Face Transformers или для дальнейшего дообучения. Разработчик отмечает, что качество нидерландского пока не идеально. При генерации необходимо задавать pad_token_id=18610, иначе возможен бессвязный вывод. Репозиторий содержит веса PyTorch и распространяется по лицензии Llama 2.

Llama-HalluES-detector — классификатор токенов на базе mmBERT, дообученный автором Federico6725 для выявления неподтверждённых контекстом фрагментов ответов на испанском языке в системах RAG. Модель получает пару «источник — ответ» и помечает токены ответа, которые не поддерживаются источником; класс 1 означает галлюцинацию. Это оценка соответствия предоставленному контексту, а не проверка истинности утверждений в целом. Модель основана на jhu-clsp/mmBERT-base, имеет около 306,9 млн параметров и контекст до 8192 токенов. Для решения на уровне всего ответа README использует порог вероятности 0,5: ответ помечается, если порог превышен хотя бы для одного токена. Модель предназначена для исследований достоверности ответов в испаноязычных RAG-системах и для первичного отбора ответов с последующей проверкой человеком. В тесте Hallu-ES она показала F1 0,819, но преимущество над лексическим базовым методом не было статистически значимым. Обобщение на генераторы, не представленные в обучающих данных, не измерялось; оценка ограничена энциклопедическими текстами и синтетическими бизнес-описаниями. Порог не настраивался по человеческой dev-разметке, поэтому модель не следует использовать как самостоятельный фактчекер или для решений с серьёзными последствиями. Лицензия карточки — Llama 3.1 Community License; README также указывает, что использование материалов Llama 3.1 регулируется этим соглашением.

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.

MambaOut Base Wide — модель компьютерного зрения для классификации изображений и извлечения признаков. Версию с настройками архитектуры для timm обучил Ross Wightman на ImageNet-1k по рецепту обучения на основе Swin и ConvNeXt. В модели 94,4 млн параметров; рекомендованный размер изображения при обучении — 224 × 224, при проверке — 288 × 288. Модель подходит для отнесения изображений к классам ImageNet-1k, извлечения карт признаков и получения эмбеддингов изображений. Её можно использовать как визуальный бэкбон в системах компьютерного зрения. Репозиторий содержит веса PyTorch в формате safetensors. Лицензия — Apache-2.0.

maxvit_nano_rw_256.sw_in1k — модель компьютерного зрения для классификации изображений и извлечения признаков. Её разработал Ross Wightman и обучил в библиотеке timm на ImageNet-1k. Модель содержит около 15,5 млн параметров и рассчитана на изображения размером 256 × 256 пикселей. Архитектура MaxViT сочетает блоки MBConv с двумя видами внимания: оконным и сеточным. Модель подходит для определения объектов и сцен на изображениях, а также для получения карт признаков и эмбеддингов, которые можно использовать в других системах компьютерного зрения. Для работы с весами предусмотрены форматы PyTorch и safetensors. Модель выпущена под лицензией Apache-2.0. Её точность и применимость зависят от соответствия входных изображений обучающим данным ImageNet-1k; карточка описывает классификацию общего назначения, а не специализированные предметные области.

MaxViT XLarge TF 224 IN21k — модель классификации изображений семейства MaxViT, разработанная авторами MaxViT и перенесённая из TensorFlow в PyTorch Россом Уайтманом для библиотеки timm. Она обучена на ImageNet-21k и предназначена для отнесения изображений к классам, извлечения карт признаков и получения визуальных эмбеддингов. Архитектура MaxViT сочетает блоки MBConv со слоями самовнимания по окнам и сетке. Модель содержит около 507 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Репозиторий содержит веса PyTorch в формате safetensors; лицензия — Apache-2.0. Большой размер модели и вычислительная стоимость ограничивают её применение на устройствах с небольшими ресурсами. Обучение на ImageNet-21k ориентирует её на классификацию изображений общего назначения; для специализированных классов может потребоваться дообучение.

MiniCPM4-8B-Eagle-FRSpec — вспомогательная модель семейства MiniCPM4, разработанная OpenBMB. Это Eagle head, обученный на MiniCPM4-8B для ускорения спекулятивной генерации с FRSpec в инференсном фреймворке cpm.cu. Карточка сообщает об ускорении генерации до 7 раз относительно Qwen3-8B на Jetson AGX Orin; результат зависит от оборудования и настроек инференса. Модель предназначена для ускорения текстовой генерации MiniCPM4-8B, в том числе при обработке длинных текстов. Метаданные указывают архитектуру MiniCPMForCausalLM, 537,8 млн параметров и контекст до 32 768 токенов. Языковые теги карточки — китайский и английский; формат весов — safetensors. Это специализированная вспомогательная модель, которой для работы требуется совместимая базовая модель MiniCPM4-8B и поддержка FRSpec в cpm.cu. Лицензия — Apache-2.0. Сгенерированный базовой моделью текст необходимо проверять; заявленные показатели скорости относятся к описанным в карточке условиям испытаний.

MiniCPM5-2B-DSpark — черновой чекпойнт DSpark от OpenBMB для ускорения генерации с помощью спекулятивного декодирования. Он предназначен для точного сочетания с целевой моделью MiniCPM5-2B и её токенизатором; в README указано 5 черновых слоёв и 323 776 001 параметр черновой модели. Метаданные репозитория указывают архитектуру Qwen3DSparkModel, около 503,3 млн параметров, контекст до 131 072 токенов и формат safetensors. Модель обучали на ответах MiniCPM5-2B для общих, математических и программных запросов. Она используется как черновая модель в SGLang с алгоритмом DSPARK, а не как самостоятельная чат-модель; оценка в README измеряет длину принятого продолжения при спекулятивной проверке. Метаданные отмечают английский и китайский языки, а также лицензию Apache-2.0. Выводы модели могут быть неточными, предвзятыми или оскорбительными; результаты по чувствительным темам не являются профессиональной консультацией. Для работы нужны целевая MiniCPM5-2B, её токенизатор и поддержка DSPARK в среде запуска.

Карточка модели Akahsizrr/MiniCPM5-2B-DSpark-continued-step200 на Hugging Face совпадает с карточкой openbmb/MiniCPM5-2B-DSpark, поэтому описание составлено по ней. MiniCPM5-2B-DSpark — черновой чекпойнт DSpark от OpenBMB для ускорения генерации с помощью спекулятивного декодирования. Он предназначен для точного сочетания с целевой моделью MiniCPM5-2B и её токенизатором; в README указано 5 черновых слоёв и 323 776 001 параметр черновой модели. Метаданные репозитория указывают архитектуру Qwen3DSparkModel, около 503,3 млн параметров, контекст до 131 072 токенов и формат safetensors. Модель обучали на ответах MiniCPM5-2B для общих, математических и программных запросов. Она используется как черновая модель в SGLang с алгоритмом DSPARK, а не как самостоятельная чат-модель; оценка в README измеряет длину принятого продолжения при спекулятивной проверке. Метаданные отмечают английский и китайский языки, а также лицензию Apache-2.0. Выводы модели могут быть неточными, предвзятыми или оскорбительными; результаты по чувствительным темам не являются профессиональной консультацией. Для работы нужны целевая MiniCPM5-2B, её токенизатор и поддержка DSPARK в среде запуска.

MiniLMv2-goemotions-v2-onnx — компактная модель классификации текста, разработанная minuva. Она дообучена на наборе GoEmotions с использованием tasinho/text-classification-goemotions как модели-учителя и опубликована в формате ONNX с квантизацией для запуска через ONNX Runtime. Модель на базе MiniLMv2-L6-H384 имеет около 33,5 млн параметров и контекст до 514 токенов. Модель предназначена для распознавания эмоций в англоязычном тексте и поддерживает многоклассовую и многометочную классификацию. Её можно использовать для анализа тональности эмоциональных реакций в сообщениях и для развертывания на CPU; автор приводит пример сервера на FastAPI. В сравнении с моделью-учителем показатели на валидации и тесте составили 0,478 и 0,482 соответственно, ниже результатов учителя. Лицензия — Apache-2.0. Компактный размер и формат ONNX рассчитаны на более лёгкое развертывание, но приведённые метрики показывают некоторое снижение качества относительно учителя; оценивать пригодность следует на данных целевого сценария.

MiniMax-M2.5-DFlash — компактная модель-черновик для метода спекулятивного декодирования DFlash, представленного авторами проекта MiniMax. Она использует блочную диффузию, чтобы параллельно предлагать несколько токенов для проверки основной моделью MiniMaxAI/MiniMax-M2.5; сама по себе для обычной генерации текста не предназначена. В метаданных указаны плотная архитектура Qwen3, класс DFlashDraftModel, около 1 млрд параметров и контекст до 196 608 токенов. Модель рассчитана на ускорение генерации в связке с целевой моделью через совместимые серверы vLLM или SGLang. В README приведены результаты пропускной способности и длины принятых блоков на задачах Math500, GSM8K и HumanEval; показатели получены на четырёх NVIDIA B200 и зависят от конфигурации и нагрузки. Репозиторий содержит веса Safetensors. Лицензия обозначена как other, поэтому перед использованием следует проверить её условия. Для работы необходима совместимая основная модель MiniMax-M2.5 и поддержка DFlash в выбранном движке инференса.

thoughtworks выпустила лёгкую draft-модель EAGLE3 для ускорения генерации MiniMax-M2.5 с помощью speculative decoding. Это однослойная архитектура LlamaForCausalLMEagle3 с 715,3 млн параметров; она использует скрытые состояния нескольких слоёв целевой модели, чтобы предлагать следующие токены. Для запуска draft-модели вместе с MiniMax-M2.5 предусмотрена интеграция с SGLang. Контекст составляет 196 608 токенов. Модель предназначена для ускорения генерации текста целевой моделью, а не для самостоятельного использования как универсальная языковая модель. В карточке описаны конфигурации для запросов с малым и большим batch; приведённые бенчмарки ориентированы на задачи программирования. Модель распространяется по лицензии Apache-2.0. Для работы требуется форк SGLang с поддержкой MiniMax-M2.5 Eagle3 и исправлениями для FP8. Указано ограничение на TP=4: TP=8 не работает из-за ограничений размера блоков FP8. Эффективность зависит от температуры генерации: лучшие результаты заявлены при temp=0, а при temp=0.7 ускорение снижается и на некоторых пакетных тестах уступает базовой генерации. Совместимость с overlap scheduler SPEC_V2 не поддерживается.

timm/mixer_l16_224.goog_in21k — модель классификации изображений из библиотеки timm, обученная авторами статьи MLP-Mixer на ImageNet-21k. Её архитектура MLP-Mixer использует многослойные перцептроны для обработки патчей изображения; модель также подходит как визуальная основа для извлечения признаков и эмбеддингов. Модель принимает изображения размером 224 × 224 пикселя и выдаёт классы изображений. В ней около 229,6 млн параметров; вычислительная сложность составляет 44,6 GMACs. Весовые файлы доступны в форматах PyTorch и Safetensors. Лицензия — Apache-2.0.

MixNet-L — сверточная модель для классификации изображений и извлечения визуальных признаков, представленная в библиотеке timm. Версия ft_in1k дообучена на ImageNet-1k на основе исходных весов TensorFlow с padding типа SAME и адаптирована для PyTorch. Модель содержит около 7,3 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Модель предназначена для определения объектов и категорий на изображениях, а также может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов. Архитектура MixNet применяет смешанные глубинные свёртки с ядрами разных размеров. Репозиторий предоставляет веса PyTorch и safetensors; лицензия — Apache-2.0. Качество распознавания зависит от соответствия входных изображений обучающим данным ImageNet-1k и корректной предобработки. Карточка описывает классификацию и извлечение признаков, но не приводит сведения о поддерживаемых языках или иных модальностях.

Это веса MobileNetV2, предварительно обученные на ImageNet и предназначенные для использования в качестве энкодера в библиотеке segmentation-models-pytorch. Репозиторий разработан для применения с этой библиотекой; в метаданных указаны PyTorch и формат safetensors. Модель подходит для классификации изображений и извлечения визуальных признаков как части сегментационной модели. Карточка указывает предобучение на ImageNet, но не сообщает размер модели, разрешение входа или дополнительные характеристики обучения. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования следует проверять в репозитории.

Это модель MobileNetV3 Large для классификации изображений, обученная Россом Уайтманом на ImageNet-1k с использованием скриптов timm. Она также предназначена для работы в качестве визуального backbone и извлечения карт признаков и эмбеддингов. В модели 14,6 млн параметров и около 1,0 GMAC; размер изображения при обучении — 256 × 256, при тестировании — 320 × 320 пикселей. Модель подходит для присвоения изображению меток из набора ImageNet-1k, а также как компактная основа для извлечения визуальных признаков. README указывает на обучение с гиперпараметрами, вдохновлёнными MobileNetV4 Small и практиками timm. Репозиторий предоставляет веса в форматах PyTorch и safetensors. Лицензия — Apache-2.0. Количественные результаты из таблицы README относятся к другим моделям, поэтому их нельзя считать оценкой этой модели.

Это модель классификации изображений семейства MobileNetV3, опубликованная проектом timm и обученная на ImageNet-1k. Она предназначена для определения объектов на изображениях, а также может использоваться как компактная основа для извлечения карт признаков и визуальных эмбеддингов. Модель содержит около 5,5 млн параметров, требует примерно 0,2 GMAC на изображение и рассчитана на входной размер 224 × 224 пикселя. Вариант обучен с оптимизатором RMSProp, усреднением весов EMA и аугментациями, включая RandomErasing и mixup. Репозиторий предоставляет веса PyTorch в формате safetensors; лицензия — Apache-2.0. Модель подходит для классификации изображений в сценариях, где важны компактность и вычислительная экономичность. Карточка указывает обучение на ImageNet-1k, поэтому качество на других типах изображений и предметных областях может отличаться; отдельные показатели точности в предоставленных данных не приведены.

MobileNetV4 Conv Medium — сверточная модель классификации изображений и извлечения признаков, опубликованная Ross Wightman в библиотеке timm. Она обучена на ImageNet-1k с гиперпараметрами, вдохновлёнными статьёй о MobileNetV4 и доработанными для timm. Веса доступны в форматах PyTorch и safetensors по лицензии Apache-2.0. Модель содержит 9,7 млн параметров и рассчитана на изображения размером 256 × 256 при обучении и 320 × 320 при оценке. Её можно применять для классификации изображений, извлечения карт признаков и получения эмбеддингов изображений; вычислительная сложность составляет 1,1 GMAC. Это компактная модель для компьютерного зрения, однако её обучение на ImageNet-1k означает, что она ориентирована на категории этого набора данных и может хуже работать на изображениях из иных областей. В карточке указано, что официальные веса моделей MobileNetV4 для TensorFlow пока не выпущены.

codechrl/modernbert-mini — сжатый англоязычный encoder на архитектуре ModernBERT, созданный разработчиком codechrl дистилляцией answerdotai/ModernBERT-base. Модель предназначена как базовый чекпойнт для последующего дообучения под задачи понимания текста; её можно также использовать для заполнения пропусков в тексте. Веса доступны в формате safetensors, лицензия Apache-2.0. Вариант mini использует 6 слоёв Transformer с размером скрытого состояния 768 и содержит около 68,8 млн параметров по метаданным. Контекст составляет до 8192 токенов. В README заявлено сохранение 92,9% качества учительской модели на выбранных задачах GLUE при размере около 46,7% от исходного; дистилляция выполнена на FineWeb-Edu с применением маскированного языкового моделирования и согласования выходных логитов. Это базовый encoder, а не готовый классификатор или чат-модель: для классификации, поиска и других прикладных сценариев его нужно дообучить. README отмечает демонстрационный масштаб вычислений и рекомендует повторную дистилляцию с большим числом шагов и более крупным корпусом для производственного применения.

Moonshine Tiny Arabic — модель распознавания речи семейства Moonshine, разработанная Moonshine AI (ранее Useful Sensors). Это компактная seq2seq-модель на 27 млн параметров для транскрибации арабской речи в арабский текст, в том числе при переключении между языками. Она предназначена для разработчиков систем распознавания речи, которым нужно запускать транскрибацию в реальном времени на устройствах с ограниченными памятью и вычислительными ресурсами. Модель поддерживается библиотекой Transformers, использует аудио на входе и выдаёт текст; в метаданных указан контекст длиной 194 токена. В карточке сообщается о сравнительных оценках на Fleurs и Common Voice 17, но результаты зависят от набора данных и не гарантируют точности в конкретной среде. Возможны галлюцинации и повторение фрагментов, особенно на коротких или обрезанных аудиозаписях. Распознавание речи не следует использовать для субъективной классификации людей или для решений с высокими последствиями; запись людей без их согласия также не рекомендуется. Лицензия указана как other, поэтому конкретные условия следует проверить в карточке модели.

MViTv2 Base — модель классификации изображений на основе многомасштабного Vision Transformer, опубликованная авторами статьи MViTv2. Она предварительно обучена на ImageNet-22k (вариант Winter21), а затем дообучена на ImageNet-1k. Модель содержит 65,4 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Модель предназначена для присвоения изображению класса из набора ImageNet-1k, а также может использоваться как визуальный backbone для извлечения признаков и эмбеддингов. В карточке отмечено, что классификатор модели не соответствует ожидаемому лексикографическому порядку synset-классов, поэтому метки классов следует сопоставлять с осторожностью. Доступна в форматах PyTorch и safetensors через библиотеку timm. Лицензия — Apache-2.0.

Это отдельный акустический энкодер Nemotron-3.5 ASR Streaming Pure Audio Encoder, извлечённый из модели NVIDIA nvidia/nemotron-3.5-asr-streaming-0.6b. Модель разработана как FastConformer-бэкбон без проекционных слоёв для конкретных задач, языковых промптов и декодера; метаданные указывают 402,7 млн параметров, тогда как README сообщает 609,1 млн параметров для описанного энкодера. Принимает монофоническое аудио 16 кГц, представленное мел-спектрограммой, и выдаёт непрерывные речевые признаки размерностью 1024 с частотой 12,5 кадров в секунду. Контекст составляет 5000 токенов по метаданным. Энкодер предназначен для использования как акустическая основа в потоковых речевых системах: признаки можно подавать в аудио-LLM через линейный проектор или Q-Former, кластеризовать в акустические токены, а также использовать в системах обнаружения речевой активности, диаризации и распознавания речи с отдельными головами. Поддерживаются режимы упреждающего просмотра от нулевой задержки до 1120 мс; по сравнению с частотой 50 Гц, приведённой для Whisper в README, частота 12,5 Гц сокращает длину последовательности признаков. Репозиторий содержит веса в формате safetensors и распространяется по лицензии CC BY 4.0. Это энкодер признаков, а не готовая ASR-система: для распознавания текста нужны соответствующие проекционные и декодирующие компоненты. README и метаданные указывают разные размеры модели, поэтому размер требует уточнения.

OpenFugu Conductor 3B — исследовательская модель проекта OpenFugu, созданная как независимое воспроизведение механизма Conductor из работы Sakana AI. Она формирует план выполнения пользовательского запроса: распределяет задачи между доступными агентами или инструментами, задаёт порядок шагов и указывает, какие результаты предыдущих шагов использовать. Результат — текстовый план в виде JSON-списка вызовов инструментов. Модель основана на Llama-3.2-3B-Instruct и дообучена методом GRPO на наборе nvidia/ToolScale с вознаграждением за совпадение последовательности вызовов инструментов с критериями задачи. Это плотная авторегрессионная модель на 3,2 млрд параметров с контекстом до 131 072 токенов; формат файлов — safetensors, библиотека — Transformers. Карточка описывает англоязычные примеры и набор данных для задач использования инструментов, но не заявляет исключительную поддержку одного языка. Модель предназначена для оркестрации рабочих процессов с агентами и инструментами, а не для самостоятельного выполнения всех шагов: итоговый ответ зависит от внешнего исполнителя, переданного в плане. В обучении росло качество формата и совпадение вызовов инструментов, но это не гарантирует корректность планов для произвольных запросов. Лицензия — Llama 3.2; применяются условия лицензии Meta.

Parakeet TDT-CTC 0.6B (ja) — модель автоматического распознавания речи, разработанная командой NVIDIA NeMo. Она преобразует японскую речь в текст с пунктуацией и подходит для расшифровки аудиозаписей и дообучения на новых данных. Модель принимает монофонический WAV-аудиосигнал с частотой 16 кГц и выдаёт текстовую строку. В основе лежит гибридная архитектура FastConformer с декодерами TDT и CTC; размер модели — около 0,6 млрд параметров. TDT предсказывает длительность токенов, что позволяет пропускать часть пустых кадров и ускорять вывод. Модель обучена на более чем 35 тысячах часов японской речи из ReazonSpeech v2.0; для токенизации используется SentencePiece с 3072 токенами. В README приведены результаты CER на нескольких японских тестовых наборах, полученные жадным декодированием без внешней языковой модели. Для работы предусмотрен фреймворк NVIDIA NeMo; модель также может служить предобученным чекпойнтом для дообучения. Лицензия — CC BY 4.0. Распознавание ориентировано на японскую речь; качество на других языках и в условиях, не представленных тестами, не описано.

PolicyGuard-4B — дообученная плотная языковая модель Rakancorle1 для обнаружения нарушений заданных правил в длительных траекториях автономных веб-агентов. Она получает текст политики вместе с описанием траектории и классифицирует её как содержащую нарушение или не содержащую его. Модель обучена на 60 тысячах пар «политика — траектория» из PolicyGuardBench; заявлены проверка траектории целиком, раннее выявление нарушений по её префиксу и обобщение между сценариями покупок, GitLab, Reddit, карт и администрирования. Модель основана на Qwen/Qwen3-4B-Instruct-2507, содержит 3,7 млрд параметров и использует архитектуру Qwen3ForCausalLM. Метаданные указывают контекст до 262 144 токенов; модель доступна в формате safetensors и работает с библиотекой Transformers. README сообщает точность 0,9014, F1 0,8759 и задержку 22,5 мс на пример в описанном бенчмарке; эти показатели относятся к заявленной авторами оценке. Лицензия — Apache-2.0. Модель специализирована на текстовой классификации траекторий и не предназначена для общего диалога или самостоятельного выполнения действий агентом.

Xinmu7/PPCM — вспомогательная черновая модель PPCM для ускорения генерации текста моделью Qwen3-8B методом speculative decoding. Разработчик описывает PPCM как небольшой энкодер, который ранжирует причинно согласованные пути среди семи кандидатов за один проход; целевая модель проверяет лучший путь. Репозиторий содержит класс PPCMDraftModel и веса в формате safetensors. Метаданные указывают 1,6 млрд параметров и контекст до 40 960 токенов; README сообщает о семи спекулятивных токенах и результате τ = 5,97 с ускорением 5,18× на Qwen3-8B и GSM8K при T = 0 и L = 7. Модель предназначена для совместного использования с Qwen/Qwen3-8B через PPCM-совместимый код vLLM. Она не является самостоятельной чат-моделью и сама по себе не заменяет целевую модель. Производная от Qwen/Qwen3-8B; распространяется по лицензии Apache-2.0. Описанные показатели относятся к указанным условиям эксперимента.

PRM-Math-7B-Reasoner — процессная reward-модель на архитектуре Qwen2, дообученная на Qwen2.5-Math-7B-PRM800K. Она оценивает математические рассуждения по отдельным шагам: для шага с добавленным специальным токеном модель вычисляет вероятность положительной оценки, которую используют как reward от 0 до 1. Модель предназначена для выявления ошибочных промежуточных шагов, оценки и ранжирования решений, а также проверки экспериментов ProcessBench. В карточке также описано применение для переформатирования промежуточных рассуждений. Модель содержит 7,1 млрд параметров, принимает текст и имеет контекст 4096 токенов. В метаданных указаны английский и китайский языки. Для работы предлагается библиотека Transformers; веса доступны в формате safetensors. Лицензия обозначена как other, поэтому перед использованием следует проверить условия на странице модели.