II.10Разработка и эксплуатация AI/ML-систем

Execution-Boundary-Qwen35-27B — плотная текстовая модель семейства Havenlon Qwen35, разработанная Havenlon для рассуждений о контроле исполнения, границах доверия и безопасности действий ИИ-агентов. По метаданным, модель содержит 22,3 млрд параметров, использует архитектуру Qwen3_5ForCausalLM, принимает текст и поддерживает контекст до 262 144 токенов. Модель предназначена для анализа рисков действий агентов, проектирования архитектур контроля исполнения и политик, интерпретации доказательств и моделирования сценариев с границами исполнения. Она может помогать в технических исследованиях и обсуждении принципов проверяемого исполнения, включая разделение намерения, авторизации, политики, доказательств и фактического действия. Это исследовательский инструмент для предметных рассуждений, а не доверенный механизм исполнения: README предупреждает, что модель не заменяет детерминированное применение правил или аппаратные границы безопасности. В доступных данных лицензия не приведена.

Experiment25-7B — экспериментальная языковая модель на 7,1 млрд параметров с плотной архитектурой Mistral, опубликованная yam-peleg. Репозиторий предназначен для проверки и улучшения исследовательского конвейера обучения и оценки LLM: в эксперименте изучаются подготовка данных, алгоритмы обучения, эффективность архитектуры и метрики оценки. Модель принимает текст и генерирует текст; метаданные указывают контекст до 32 768 токенов и библиотеку Transformers. Карточка не описывает конкретные пользовательские сценарии, результаты оценки или специализированные языки, кроме английского, отмеченного в метаданных. Весы доступны в формате safetensors по лицензии Apache-2.0.

Anbeeld/gemma-4-26B-A4B-it-DFlash-GGUF — набор GGUF-квантизаций черновой модели DFlash, разработанной z-lab для ускорения генерации Gemma 4 26B A4B IT. Модель предназначена не для самостоятельного диалога, а для совместной работы с google/gemma-4-26B-A4B-it в режиме speculative decoding: лёгкая block diffusion-модель параллельно формирует несколько черновых токенов, а основная модель проверяет их. Для запуска указан форк BeeLlama.cpp с расширенными возможностями квантизации; также описана интеграция с vLLM и SGLang. Ключевая особенность — генерация блоков токенов параллельно вместо полностью авторегрессионного декодирования. В конфигурациях DFlash используются блоки размером 15–16 speculative tokens. На одной NVIDIA B300 заявлено ускорение до 3,7 раза при параллельной обработке запросов; прирост зависит от задачи и составляет примерно 1,8–3,7 раза в приведённых тестах Math500, GSM8K, HumanEval, MBPP и MT-Bench. README не указывает точный размер черновой модели, поддерживаемые языки, длину контекста и характеристики отдельных вариантов квантизации. Основное ограничение — необходимость совместного использования с Gemma 4 26B A4B IT и специализированной инфраструктурой, включая совместимый рантайм и attention backend. Приведённые результаты получены на NVIDIA B300, поэтому производительность на другом оборудовании не гарантируется. В метаданных указана лицензия Apache-2.0.

Это вспомогательная модель-драфтер Multi-Token Prediction (MTP), подготовленная mlx-community из весов Google Gemma 4 31B для ускорения спекулятивного декодирования. Она работает в связке с совместимым целевым чекпойнтом Gemma 4 31B через MLX и mlx-vlm: драфтер предлагает кандидаты токенов, а целевая модель их проверяет. Репозиторий содержит bf16-веса в формате Safetensors и конфигурационные файлы, совместимые с MLX. Модель предназначена для ускорения генерации текста целевой моделью, включая сценарии с запросами об изображениях, если их поддерживает целевая модель. Она не является самостоятельной чат-моделью и не рассчитана на обычный запуск генерации через универсальные интерфейсы Transformers. Для работы требуется совместимая Gemma 4 31B и версия mlx-vlm с поддержкой MTP-драфтеров Gemma 4. Применяются условия лицензии Gemma; README отсылает к карточке исходной модели и её лицензионным ограничениям.

google/gemma-4-E4B-it-assistant — вспомогательная модель-драфтер семейства Gemma 4 от Google DeepMind для ускорения генерации методом speculative decoding. Она предлагает несколько следующих токенов, которые основная модель проверяет параллельно; при использовании в таком конвейере это может ускорить декодирование до 3 раз при сохранении тех же результатов, что и обычная генерация. Это не самостоятельная чат-модель: практическая польза чекпойнта — снижение задержки при работе совместно с целевой моделью Gemma 4. В карточке семейство Gemma 4 описано как мультимодальное, с поддержкой текста и изображений, а для E4B также аудио; упомянуты генерация текста, распознавание речи и перевод аудио в текст. Для малых моделей семейства заявлено контекстное окно до 128K токенов и поддержка многих языков. Однако эти характеристики описывают семейство, а не обязательно отдельный драфтер. Файлы модели представлены в формате safetensors, библиотека — Transformers. Лицензия — Apache 2.0. Использовать модель следует в связке с целевой моделью Gemma 4 и реализацией speculative decoding, совместимой с этим чекпойнтом. Карточка не приводит точный размер параметров, точную совместимую целевую модель, отдельные языковые показатели или бенчмарки именно этого драфтера; заявленное ускорение зависит от целевого конвейера и нагрузки.

GLM-5.3-Flash-0.1B-A0.1B — тестовая уменьшенная версия модели GLM-5.3-Flash, подготовленная inference-optimization для разработки и проверки инструментов. Модель использует архитектуру glm5_next с классом Glm5NextForConditionalGeneration; в чекпойнте около 84 млн параметров и сохранена структура исходной архитектуры, включая текстовую часть и башню зрения. Контрольная точка хранится в формате safetensors с точностью bf16. Модель предназначена для тестирования и разработки средств квантования, обслуживания моделей и CI. Её обучали на небольшом текстовом наборе; башня зрения осталась со случайными весами. По заявлению автора, модель не обладает практическими языковыми или визуальными возможностями и не подходит для прикладных задач. Лицензия — MIT.

Hammer2.1-0.5b — компактная языковая модель с 493,7 млн параметров, разработанная MadeAgents на основе Qwen/Qwen2.5-Coder-0.5B-Instruct. Это плотная авторегрессионная модель семейства Qwen2, дообученная для вызова функций и работы с инструментами; поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Модель предназначена для диалоговых сценариев, где ассистент должен выбирать подходящие функции, выполнять несколько вызовов в рамках запроса и продолжать работу с инструментами в нескольких ходах диалога. Она также обучена распознавать случаи, когда доступные функции не подходят, и отвечать без вызова функции. Подходит для локального и мобильного инференса, а также для развёртывания через vLLM или Transformers. Модель ориентирована на генерацию текста и структурированных ответов для вызова инструментов; README не заявляет поддержку других модальностей или конкретных естественных языков. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

HGNet-V2 B0 — компактная сверточная модель классификации изображений из семейства High Performance GPU Net, опубликованная авторами модели в репозитории timm. Она обучена с использованием дистилляции SSLD на данных ImageNet-22k и ImageNet-1k, а затем дообучена на ImageNet-1k. Модель содержит около 6 млн параметров; указаны разрешения изображений 224 × 224 для обучения и 288 × 288 для тестирования. Модель подходит для отнесения изображений к классам ImageNet-1k, а также может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов изображений. Репозиторий предоставляет веса в форматах PyTorch и Safetensors и рассчитан на использование с библиотекой timm. Лицензия — Apache-2.0. Оценки качества в карточке приведены для вариантов HGNet-V2 B6, поэтому их нельзя считать результатами этой модели B0. Модель ориентирована на классификацию изображений из ImageNet; качество на других наборах данных и предметных областях может отличаться.

HiFi-GAN — вокодер, обученный разработчиком репозитория на наборе аудиозаписей LJSpeech. Модель предназначена для синтеза речи: она преобразует речевые признаки в аудио. Архитектура относится к семейству HiFi-GAN; веса доступны в формате PyTorch. Карточка указывает на обучение на LJSpeech и адаптацию кода официальной реализации для fairseq. Языковая метка — английский, поэтому модель связана с англоязычными данными. Для загрузки приведён пример с AutoModel из Transformers и параметром trust_remote_code. Сведения о лицензии и ограничениях качества в карточке не приведены.

minoosh/hubert-base-ls960-finetuned-ie — модель классификации аудио, созданная дообучением facebook/hubert-base-ls960. Она основана на архитектуре HuBERT и содержит 113,3 млн параметров. Модель предназначена для отнесения аудиоданных к классам; в README указаны точность 0,6130 и loss 1,1686 на оценочном наборе. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Назначение метки «ie», состав классов, обучающий набор данных и подробные ограничения в карточке не раскрыты, поэтому применимость для конкретного сценария классификации аудио требует проверки.

Yaongi/HybriKo-117M-ToolLLaMA-SFT — компактная языковая модель, дообученная на датасете ToolLLaMA из 187 тысяч примеров для вызова функций и использования инструментов. Она предназначена для генерации текста в формате диалога Hermes ChatML, включая структурированные запросы к инструментам. Модель насчитывает 117,8 млн параметров и использует гибридную архитектуру HybriKo, вдохновлённую Griffin: блоки RGLRU чередуются с блоками внимания GQA с RoPE в соотношении 2:1. Контекст составляет 8192 токена. Компактный размер подходит для развёртывания на устройствах с ограниченными ресурсами, однако модель уступает более крупным моделям по возможностям. Модель ориентирована на английский вызов инструментов; поддержка корейского ограничена. Для свободного диалога она может подходить хуже, чем для структурированного формата вызова функций. Лицензия — Apache-2.0.

facebook/ijepa_vith16_1k — модель I-JEPA, разработанная Meta и дообученная на ImageNet-1k. Она извлекает признаки изображений и предназначена для построения визуальных представлений, которые можно использовать в последующих задачах компьютерного зрения, например классификации изображений. I-JEPA предсказывает представления скрытых частей изображения по другим его частям в латентном пространстве, не восстанавливая пиксели; архитектура включает предсказатель латентных представлений. Размер модели — 838,9 млн параметров, библиотека загрузки — Transformers. Этот чекпойнт рассчитан на извлечение признаков изображений; README также упоминает классификацию как возможное применение метода. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC 4.0 требует указания авторства и запрещает коммерческое использование.

QuantFactory/instruction-synthesizer-GGUF — квантизированная версия модели instruction-pretrain/instruction-synthesizer, подготовленная QuantFactory с использованием llama.cpp. Модель создана в рамках проекта Instruction Pre-Training: Language Models are Supervised Multitask Learners, посвящённого масштабируемому дополнению сырых текстовых корпусов парами «инструкция — ответ». README не указывает конкретную архитектуру и количество параметров базовой модели. Модель предназначена для генерации пар «инструкция — ответ» на основе заданного исходного текста. Она может применяться для автоматического создания обучающих данных, расширения сырых корпусов инструкциями, подготовки наборов для supervised fine-tuning и построения доменно-ориентированных языковых моделей. Поддерживается контекстный сценарий работы, а результат выдаётся в текстовом формате со специальными маркерами <QUE>, <ANS> и </END>. В карточке указано, что модель ориентирована на английский язык. К сильным сторонам относятся способность синтезировать данные для множества задач и категорий, а также формат GGUF, рассчитанный на использование с llama.cpp и более эффективный запуск квантизированной модели. Ограничения включают отсутствие в README сведений о размере квантизации, точном контекстном окне, количестве параметров, требованиях к ресурсам и результатах оценки именно этой GGUF-версии. Модель распространяется по лицензии Apache-2.0.

imprt/izanami-wav2vec2-large — японская модель wav2vec 2.0 Large, предварительно обученная на 62 215 часах аудио японских телевизионных передач. Для подготовки аудиосигнала используется AutoFeatureExtractor из Transformers; модель предназначена для извлечения речевых признаков, которые могут служить входом для последующей обработки речи. Обучение выполнено с использованием кода официального репозитория wav2vec 2.0. Модель ориентирована на японскую речь и принимает аудио, ожидаемая частота дискретизации в примере использования — 16 кГц. Репозиторий содержит веса PyTorch. Лицензия указана как other, поэтому конкретные условия использования зависят от лицензии, предоставленной автором.

jinaai/jina-bert-flash-implementation — реализация модели на основе BERT с поддержкой Flash Attention. Разработчик в README явно не указан; идентификатор указывает на проект Jina AI. Модель предназначена для запуска и обучения BERT-подобных моделей, включая предварительное обучение и обучение эмбеддингов. Поддерживается работа на GPU с Flash Attention и на CPU без него. Ключевые характеристики включают локальное или глобальное внимание, настраиваемый размер окна внимания, опциональную QK-нормализацию, fused MLP, activation checkpointing, выборочную обработку токенов и поддержку LoRA для модели BertLoRA. Параметр dense_seq_output позволяет передавать классификационным головам только скрытые состояния замаскированных токенов, что ориентировано на предварительное обучение. Размер модели, количество параметров, поддерживаемые языки, модальности и максимальная длина контекста в README не указаны. Сильные стороны реализации — оптимизация внимания и возможность снижать требования к памяти с помощью fused MLP и checkpointing. Ограничения связаны с необходимостью установки совместимых компонентов Flash Attention для GPU, а также с отсутствием сведений о готовых задачах, качестве, языках и лицензии. Условия лицензирования в README не указаны.

kwaikeg/kagentlms_qwen_7b_mat — языковая модель серии KAgentLMs от KwaiKEG (Kuaishou Technology), дообученная для выполнения агентных задач. Она предназначена для планирования, рефлексии и использования инструментов в диалоговых системах и агентных контурах. Модель основана на архитектуре Qwen, содержит 11,4 млрд параметров и поддерживает контекст до 8192 токенов; в репозитории представлены веса PyTorch. В карточке указаны английский и китайский языки. Лицензия CC BY-NC-ND 4.0 ограничивает коммерческое использование и распространение производных материалов.

Inferact/Kimi-K3-DSpark-Block5 — вспомогательная draft-модель DSpark для ускорения генерации Moonshot AI Kimi-K3 методом speculative decoding. Она содержит 2,7 млрд параметров и использует три причинно-маскированных MLA-слоя, обученных предсказывать блок из пяти токенов по скрытым состояниям трёх слоёв целевой модели. Модель предназначена для совместной работы с Kimi-K3 в vLLM и не является самостоятельной языковой моделью для обычной генерации. В тестах на Kimi-K3 проверялись задачи GSM8K, HumanEval, MBPP и длинные диалоги на контексте до 1 048 576 токенов с поддержкой YaRN. На всех 1 604 запросах ошибок выполнения не было; в отдельной проверке GSM8K точность составила 96,51%. Эти результаты относятся к описанной конфигурации оборудования и тестирования, а в части длинных диалогов два завершения были отмечены как вырожденные. Веса опубликованы в формате safetensors; лицензия в предоставленных данных не указана.

KoMultiGen-General — корейская модель генерации текста, разработанная в рамках проекта koVast. Она основана на Sinatra-Mixtral и дообучена на наборе данных, созданном с помощью GPT-4 Turbo. Модель предназначена для генерации многоходовых диалогов на корейском языке по заданным неструктурированным данным: обычно она создаёт последовательность из 3–5 ходов. Модель относится к семейству Mixtral и использует архитектуру MoE; в метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов. Она рассчитана на чатовый сценарий и генерацию обучающих диалоговых данных. Для вопросов и ответов авторы использовали корейскую разговорную форму «해체», а для входов, по которым трудно создать данные, модель обучали воздерживаться от генерации. Доступна по лицензии Apache-2.0.

sahilchachra/Laya-TypedDecisions-MXFP4 — опубликованная Sahil Chachra квантизированная версия энкодерной части модели convaiinnovations/laya для запуска через MLX на Apple Silicon. В репозитории находятся только веса двунаправленного энкодера ModernBERT-large; обученная отдельно голова принятия решений и API upstream-модели сюда не включены. Метаданные указывают 394,7 млн параметров, тогда как README описывает исходную архитектуру как 421 млн параметров, 28 слоёв и размер скрытого состояния 1024. Родной контекст в метаданных каталога — 8192 токена; README для исходной конфигурации приводит 1024 токена. Энкодер предназначен для извлечения признаков из текста и создания пользовательских MLX-голов, в том числе для классификации и скоринга. Это не авторегрессионная чат-модель и она не предоставляет самостоятельный API принятия решений Laya. Проверка показывает заметное отклонение скрытых состояний после квантизации MXFP4; для решений, чувствительных к калибровке или близким оценкам, автор рекомендует исходные веса bf16/fp32. В README условия лицензии не описаны.

LeViT-128S — модель для классификации изображений, представленная в статье «LeViT: A Vision Transformer in ConvNet’s Clothing for Faster Inference» и впервые опубликованная в этом репозитории. Это компактная архитектура семейства LeViT, сочетающая идеи vision transformer и сверточных сетей; модель предварительно обучена на ImageNet-1k для изображений разрешением 224×224 и распознаёт 1 000 классов ImageNet. Модель принимает изображение и выдаёт предсказание класса. Она подходит для классификации фотографий, в том числе по набору классов ImageNet. Репозиторий содержит веса PyTorch и Safetensors; лицензия — Apache-2.0.

Карточка модели sonic-coder/LFM2.5-1.2B-Instruct-DSpark на Hugging Face совпадает с карточкой LiquidAI/LFM2.5-1.2B-Instruct-DSpark, поэтому описание составлено по ней. LFM2.5-1.2B-Instruct-DSpark — вспомогательная черновая модель семейства DSpark, разработанная Liquid AI для ускорения генерации модели LiquidAI/LFM2.5-1.2B-Instruct методом спекулятивного декодирования. Она предлагает блоки токенов, которые целевая модель проверяет при декодировании; результат в точности совпадает с результатом целевой модели без ускорения. В SGLang авторы сообщают примерно о двукратном ускорении, а для Apple Silicon доступен запуск через бэкенд Metal. В README указаны 295,7 млн параметров черновой модели в формате BF16, пять слоёв полного внимания, блок предложений размером 9 токенов и словарь из 65 536 токенов. Метаданные каталога указывают 375,4 млн параметров и контекст 128 000 токенов. Для запуска требуется целевая модель LFM2.5-1.2B-Instruct и сборка SGLang с поддержкой DSpark для LFM2. Ограничение модели — она предназначена для ускорения декодирования этой целевой модели, а не для самостоятельного использования как универсальная языковая модель. Лицензия обозначена в метаданных как other; подробные условия следует сверить с карточкой и файлами репозитория.

LFM2.5-VL-3B-DSpark-GGUF — это GGUF-сборка Liquid AI для llama.cpp, предназначенная для ускорения вывода модели LFM2.5-VL-3B-GGUF с помощью спекулятивного декодирования. Репозиторий содержит только черновой модуль DSpark: четыре слоя внимания, Markov head, confidence head и block size 9; эмбеддинги токенов и языковая голова берутся у целевой модели при загрузке. Для работы необходимы совместимая целевая модель и проектор зрения из LiquidAI/LFM2.5-VL-3B-GGUF. Сценарий применения — запуск мультимодальной модели с изображениями и текстом через llama.cpp при использовании DSpark как draft sidecar. Файл F16 имеет размер 567 МБ; в README показатели производительности приводятся для 16-битной обработки визуального энкодера и языковой основы. Карточка описывает эту сборку как производную от LiquidAI/LFM2.5-VL-3B-DSpark. Лицензия указана как other, поэтому конкретные условия следует сверить с карточкой и лицензией исходной модели.

Llama-movielens-mpnet — модель эмбеддингов на базе MPNet, опубликованная beeformer. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для контентной фильтрации в рекомендательных системах и использования описаний объектов как дополнительной информации при рекомендациях для новых пользователей или объектов. Модель дообучена на MovieLens-20M; тексты описаний элементов для датасета были созданы с помощью meta-llama/Meta-Llama-3.1-8B-Instruct. Архитектура основана на sentence-transformers/all-mpnet-base-v2, число параметров — 136,7 млн, максимальная длина обработки при дообучении была сокращена до 384 токенов. Карточка указывает английский язык, библиотеку Sentence Transformers и лицензию Llama 3.1. Результаты оценки в карточке не приведены; авторы представляют модель как демонстрацию возможностей beeFormer и указывают исследовательское назначение.

MagenticBrain-GGUF — это GGUF-квантизированная версия 14-миллиардной orchestration-модели Microsoft Research AI Frontiers MagenticBrain, подготовленная сообществом для llama.cpp и совместимых средств запуска, включая Lemonade, LM Studio и Ollama. Базовая модель дообучена на основе Qwen3-14B на данных для агентных сценариев, включая вызов функций, взаимодействие с MCP-средами, работу с файловой системой и терминалом, делегирование задач субагентам и выполнение терминальных задач с подкреплением. Модель предназначена прежде всего для многошагового планирования и оркестрации: она выбирает инструменты из заранее объявленной схемы, формирует структурированные JSON-вызовы, координирует субагентов и соблюдает протокол завершения через отправку результата. Это не универсальная чат-модель; наиболее полно она спроектирована и оценивалась в связке с Magentic-Lite и Magentic-UI v0.2. Рекомендуемый контекст — до 32K токенов, а режим рассуждений следует отключать с помощью enable_thinking: false, поскольку подробное рассуждение может ухудшать длинные агентные траектории. Доступны варианты Q6_K размером около 11,5 ГБ и Q4_K_M размером около 9 ГБ. Q6_K рекомендуется как близкий к исходному по качеству вариант с хорошим сохранением точности структурированных вызовов инструментов и JSON; Q4_K_M предназначен для систем с более ограниченным объёмом VRAM. Ключевые ограничения — узкая специализация на оркестрации, зависимость от корректно переданных схем инструментов и отсутствие заявленных в карточке сведений о поддерживаемых языках и дополнительных модальностях. Модель распространяется по лицензии MIT; репозиторий квантизации не связан с Microsoft и не одобрен ею.

MARBERT Arabic End-of-Utterance Detection — модель классификации текста, созданная дообучением UBC-NLP/MARBERT. Она определяет, завершена ли арабская реплика или пользователь ещё продолжает высказывание, чтобы голосовые агенты могли выбирать момент для ответа. Модель предназначена для арабского языка, с акцентом на саудовский и заливный диалекты. Модель построена на архитектуре BERT и содержит 190 млн параметров; максимальная длина контекста — 512 токенов. По README, она обучена на 125 тыс. примеров из SADA22 и показала F1 0,8174 и точность 0,7995 на тестовом наборе. В карточке заявлена средняя задержка около 30 мс на CPU. На вход подаётся арабский текст, а на выходе — метка завершённости реплики; аудио модель не принимает. Подходит для обнаружения конца хода в диалоге, потоковых систем распознавания речи и обработки перебиваний голосовым помощником. Наилучшие результаты ожидаются на саудовском и заливном арабском; для других вариантов арабского качество может отличаться. Лицензия — Apache-2.0.

MiMo-V2.6-Flash-RL Abliterated — производная модель на основе XiaomiMiMo/MiMo-V2.6-Flash-RL с изменёнными проекциями выходов внимания в декодере, предназначенными для ослабления или удаления отказов. Она рассчитана на генерацию диалоговых ответов, в том числе для red teaming, исследований безопасности и оценки поведения модели без исходных защитных отказов. Архитектура и файлы в основном совпадают с базовой моделью: FP8 attention, эксперты MXFP4, черновая голова DFlash и MTP; в метаданных формат указан как safetensors. README приводит результат проверки отказов 27 успешных обходов из 32, поэтому модель не устраняет все отказы. Модель принимает текст и генерирует текст; заявленные языки — английский и китайский. README указывает, что изменения затронули только выходные проекции внимания, а DFlash, аудио- и визуальный энкодеры, эмбеддинги и другие перечисленные компоненты оставлены базовыми. Это не свидетельствует о поддержке аудио- или визуального ввода в данном чекпойнте. Лицензия — MIT, унаследованная от базовой модели; в карточке также указаны ограниченный доступ и условия ответственного использования, включая запреты на ряд видов вредоносного и незаконного применения.

Репозиторий содержит предобученные на ImageNet веса энкодера mit_b4 для библиотеки segmentation-models-pytorch. Их можно использовать как основу при создании моделей сегментации изображений в этой библиотеке; карточка также классифицирует модель для image-classification. Веса опубликованы в формате safetensors. Модель предназначена для задач компьютерного зрения, связанных с классификацией изображений и использованием энкодера в сегментационных моделях. Лицензия указана как other, без уточнения условий в предоставленных данных.

MobileLLM-1B — авторегрессионная языковая модель семейства MobileLLM, разработанная Meta и представленная в работе для ICML 2024. Она предназначена для генерации текста и запуска на устройствах с ограниченными ресурсами. В архитектуре Transformer используются активация SwiGLU, глубокая и узкая конфигурация слоёв, общие эмбеддинги и grouped-query attention. Модель обучена на открытых интернет-данных; в README для семейства указан контекст 2 тыс. токенов и текстовый ввод и вывод. Для MobileLLM-1B приведено сравнение с другими моделями на тестах рассуждения здравого смысла без примеров; карточка описывает предобученную модель, доступную для оценки и дальнейшего дообучения. Основной язык в метаданных — английский. Лицензия указана как other, поэтому точные условия использования следует сверить с лицензией репозитория.

MobileNet V2 — компактная сверточная модель классификации изображений, разработанная Mark Sandler, Andrew Howard, Menglong Zhu, Andrey Zhmoginov и Liang-Chieh Chen. Этот вариант предварительно обучен на ImageNet-1k и рассчитан на входные изображения размером 160×160 пикселей; множитель глубины модели — 0,75. В репозитории представлены веса PyTorch. Модель предназначена для присвоения изображению одного из 1000 классов ImageNet. Компактность и низкая задержка делают её подходящей для классификации на мобильных устройствах и в сценариях с ограниченными вычислительными ресурсами. MobileNet V2 также может служить основой для дообучения под классификацию, обнаружение объектов, получение эмбеддингов и сегментацию, но эти задачи не являются назначением данного чекпойнта без дополнительной адаптации. В README не приведены отдельные показатели точности для этого варианта. Лицензия указана как «other», поэтому условия использования следует сверить с файлами лицензии репозитория.

Это сверточная модель MobileNetV3 Large для классификации изображений и извлечения признаковых карт и эмбеддингов. Её обучил Ross Wightman с помощью скриптов timm на ImageNet-1k; обучение использовало гиперпараметры, вдохновлённые MobileNetV4 Small и рецептами timm и «ResNet Strikes Back». Модель содержит около 5,5 млн параметров и рассчитана на мобильные сценарии с ограниченными вычислительными ресурсами: для обучения указано разрешение 224 × 224, для тестирования — 256 × 256. Модель предсказывает классы изображений ImageNet-1k и может служить компактной основой для получения признаковых представлений. Репозиторий содержит веса PyTorch и safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает поддержку других наборов классов или языковых входов; качество за пределами ImageNet-1k не охарактеризовано.