II.10Разработка и эксплуатация AI/ML-систем

DeepSahel Kikuyu ASR Full — модель автоматического распознавания речи на языке кикуйю, разработанная в рамках инициативы DeepSahel по созданию открытой инфраструктуры ИИ для африканских языков. Это полная контрольная точка для исследовательских экспериментов, оценки и тестирования систем распознавания речи на кикуйю. Модель основана на архитектуре wav2vec2 с CTC-выходом, содержит 1,3 млрд параметров и распространяется в формате safetensors. Модель предназначена для исследований и сравнительной оценки распознавания речи на кикуйю, а также для прототипов в образовании, здравоохранении, сельском хозяйстве и гражданском информировании. Лицензия Apache-2.0. Точность может различаться в зависимости от предметной области, диалекта, условий записи, качества аудио и переключения языков; перед практическим применением результаты рекомендуется проверять с участием носителей кикуйю.

DetoxLLM-7B — модель для детоксикации текста, разработанная Md Tawkat Islam Khondaker, Muhammad Abdul-Mageed и Laks V.S. Lakshmanan. Она дообучена на основе LLaMA 2 с Chain-of-Thought-объяснениями и предназначена для преобразования токсичных высказываний в менее токсичные, сохраняя их смысл и предоставляя объяснения. Модель обучена на синтетическом псевдопараллельном корпусе для детоксикации, сформированном из данных разных платформ. Модель имеет архитектуру LLaMA, около 6,6 млрд параметров и контекст до 4096 токенов. Карточка указывает английский язык. Работа представлена на EMNLP 2024. Модель можно использовать как исследовательский базовый инструмент для очистки пользовательского текста и разработки систем модерации. Лицензия — Llama 2. Качество преобразования смысла может быть нестабильным: модель иногда теряет часть исходного смысла или поддается неявным состязательным токенам и генерирует токсичный текст. Обучающие данные созданы автоматически и могут содержать ошибки, поэтому результаты следует проверять человеком; карточка также рекомендует осторожность перед внедрением и оценку рисков предвзятости и неправомерного использования.

DPN-92 — сверточная модель классификации изображений семейства Dual-Path Net, обученная авторами статьи на ImageNet-1k в MXNet и перенесённая в PyTorch Россом Уайтманом. Модель предназначена для классификации изображений, извлечения карт признаков и получения эмбеддингов изображений. В модели около 37,7 млн параметров; вычислительная сложность составляет 6,5 GMACs. Указанный размер входного изображения — 224 × 224 пикселя. Модель доступна через библиотеку timm в форматах PyTorch и safetensors. Лицензия репозитория — Apache-2.0. Обучение на ImageNet-1k делает модель подходящей для классификации объектов из набора категорий ImageNet и использования как основы для извлечения визуальных признаков. Карточка не сообщает о поддержке других модальностей или специализированных предметных областях.

timm/edgenext_base.usi_in1k — модель EdgeNeXt для классификации изображений и извлечения визуальных признаков. Её обучили авторы работ об архитектуре EdgeNeXt и методе USI на наборе ImageNet-1k с использованием дистилляции. Модель содержит 18,5 млн параметров и рассчитана на мобильные сценарии компьютерного зрения. Размер входного изображения при обучении — 256 × 256 пикселей, при тестировании — 320 × 320. Помимо классификации, её можно использовать как backbone для извлечения карт признаков и эмбеддингов изображений. Весовые файлы доступны в форматах PyTorch и Safetensors; библиотека модели — timm. Лицензия — MIT. README не приводит оценки качества или перечень поддерживаемых классов за пределами обучения на ImageNet-1k.

EfficientNet-B1 — свёрточная модель для классификации изображений, разработанная Mingxing Tan и Quoc V. Le и обученная на ImageNet-1k. Версия B1 использует входное разрешение 240×240 пикселей и относится к семейству мобильных, вычислительно эффективных ConvNet: масштабирование глубины, ширины и разрешения согласуется с помощью составного коэффициента. Модель предназначена для определения одного из 1000 классов ImageNet на изображении. Её можно применять для базовой классификации изображений; для специализированных задач доступны дообученные варианты. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

EnCodec — нейросетевой аудиокодек, разработанный Meta AI для сжатия и восстановления аудиосигнала в реальном времени. Модель использует потоковую архитектуру кодировщика и декодировщика с квантованным латентным пространством и обучается сквозным образом; в репозитории представлена реализация EncodecModel на PyTorch в форматах PyTorch и safetensors. Модель предназначена для кодирования и декодирования речи, музыки и других звуковых сигналов с низким битрейтом. Поддерживаются потоковый режим и обработка аудио блоками по одной секунде с перекрытием; карточка описывает варианты работы с аудио с разными полосами пропускания и режимами 24 кГц моно и 48 кГц стерео. README отмечает высокое качество восстановления при битрейтах 1,5, 3, 6 и 12 кбит/с. EnCodec подходит для сжатия аудио в потоковой передаче и как компонент более крупных систем обработки аудио. Карточка также описывает возможность дополнительного сжатия кодов компактной Transformer-моделью. Лицензия — MIT. Модель не выполняет распознавание речи или синтез речи сама по себе: такие сценарии требуют дополнительных моделей и компонентов.

Experiment24-7B — экспериментальная языковая модель на 7,1 млрд параметров с плотной архитектурой MistralForCausalLM. Автор описывает её как модель для проверки и доработки исследовательского конвейера обучения и оценки LLM, включая эксперименты с подготовкой данных, алгоритмами обучения и метриками оценки. Модель принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. В метаданных указан английский язык. Репозиторий содержит веса в формате safetensors, библиотека — Transformers. Лицензия Apache-2.0. Карточка не описывает конкретные прикладные возможности или результаты оценки качества.

Experiment29-7B — экспериментальная языковая модель на архитектуре Mistral, опубликованная yam-peleg. Репозиторий содержит плотную причинно-авторегрессионную модель объёмом 7,1 млрд параметров в формате Safetensors; заявленный размер контекста — 32 768 токенов. Модель предназначена для проверки и уточнения конвейера обучения и оценки LLM, включая обработку данных, алгоритмы обучения и метрики оценки. Модель выполняет генерацию текста и рассчитана на эксперименты с обучением и оцениванием языковых моделей. README не описывает отдельные пользовательские сценарии или подтверждённые улучшения качества. Лицензия — Apache-2.0.

HTill/flexEAT-base_epoch30_pretrain — предварительно обученная модель EAT-base, основанная на worstchan/EAT-base_epoch30_pretrain и подготовленная для извлечения признаков и последующего дообучения для задач понимания аудио. Она обучена на AS-2M методом самообучения в рамках EAT и доступна через Transformers в формате safetensors. Модель выдаёт представления аудио на уровне кадров с частотой около 50 Гц и представление всего высказывания по CLS-токену. Обновлённая реализация поддерживает динамическую длину входного аудио благодаря позиционным эмбеддингам, вычисляемым на лету; предусмотрена инфраструктура для дообучения с динамическими классификационными головами и слоями нормализации. Метаданные относят модель к audio-classification, однако README описывает её прежде всего как извлекатель признаков и основу для адаптации под классификацию и создание аудиоподписей. Лицензия — MIT.

timm/focalnet_small_srf.ms_in1k — модель классификации изображений семейства FocalNet, опубликованная авторами статьи и доступная через библиотеку timm. Она обучена на ImageNet-1k и предназначена для классификации изображений, а также может использоваться как визуальный бэкбон для извлечения карт признаков и эмбеддингов. Модель содержит около 49,9 млн параметров, использует изображения размером 224 × 224 пикселя и имеет вычислительную сложность 8,6 GMACs. Архитектура основана на механизме Focal Modulation. Веса доступны в форматах PyTorch и safetensors; лицензия — MIT. Модель рассчитана на задачи распознавания объектов из классов ImageNet-1k. Ее ограничения связаны с областью обучения и входным разрешением: качество на других предметных областях и разрешениях может отличаться.

EIStakovskii/french_toxicity_classifier_plus_v2 — классификатор токсичности французского текста, разработанный на основе CamemBERT и дообученный для присвоения меток токсичности. Модель принимает текст и выдаёт результат классификации; её можно использовать через pipeline text-classification в Transformers. Архитектура — CamembertForSequenceClassification, размер — 137,8 млн параметров, контекст — до 514 токенов. Модель предназначена для выявления токсичных высказываний на французском языке, например при модерации пользовательских сообщений. В README приведены результаты проверки на двух наборах данных и сравнение с Perspective API; качество различалось в зависимости от набора. Лицензия указана как other, поэтому перед использованием следует проверить условия в репозитории модели.

kykim/funnel-kor-base — базовая модель Funnel Transformer для корейского языка. По README, её обучили на 70 ГБ корейских текстов с токенизатором на 42 000 подслов в нижнем регистре. Модель загружается через Transformers как FunnelModel и предназначена для извлечения признаков из текста; контекст составляет до 512 токенов. Полученные представления можно использовать как основу для последующих задач обработки корейского текста. В метаданных указаны реализации PyTorch и TensorFlow. Лицензия в предоставленных данных не указана.

Это пакет слоёв GGUF для распределённого запуска чат-модели Gemma 4 через Mesh LLM. Автор README указывает, что пакет предназначен для модели unsloth/gemma-4-12B-it-qat-GGUF и разбивает веса на отдельные артефакты по слоям, чтобы распределять вычисления между несколькими компьютерами. README также содержит противоречивые упоминания Gemma 4 31B; поэтому точный размер модели по карточке установить нельзя. Пакет рассчитан на локальный приватный инференс, запуск кластера из нескольких машин и чат-запросы через совместимый с OpenAI API Mesh LLM. Метаданные указывают GGUF и библиотеку mesh-llm; в README описаны манифест, метаданные и файл эмбеддингов. Это пакет для развёртывания и распределения вычислений, а не самостоятельный универсальный способ запуска модели. Лицензия и ограничения исходной модели вынесены в карточку базовой модели, но их условия в предоставленных данных не приведены. README сообщает, что автор пока не смог наладить работу пакета на трёх ноутбуках, поэтому практическая готовность распределённого запуска не подтверждена.

InferencerLabs Gemma-4-31B MTP — вспомогательная черновая модель с слоями Multi-Token Prediction (MTP) из google/gemma-4-31B-it-assistant. Она предназначена для совместной работы с Gemma-4-31B-MLX в режиме спекулятивного декодирования, чтобы ускорить генерацию основного помощника. В метаданных указаны плотная архитектура Gemma 4 и формат safetensors; README сообщает об испытании на M3 Ultra с 512 ГБ оперативной памяти. Для квантованного варианта Q4.5 README отмечает более высокую пропускную способность и меньший расход памяти без потери качества в проведённом тесте кодирования. Модель не описана как самостоятельный чат-помощник; её назначение — ускорять декодирование в совместимой конфигурации. Сведения о лицензии в предоставленных источниках отсутствуют.

google/gemma-4-E2B-it-assistant — вариант Gemma 4 от Google DeepMind, предназначенный для ускорения генерации с помощью спекулятивного декодирования. Это компактная плотная модель-драфтер: она предлагает несколько следующих токенов, которые целевая модель проверяет параллельно. По заявлению авторов, такой режим может ускорить декодирование до 3 раз без изменения результата относительно обычной генерации. Модель рассчитана на низкую задержку и локальное использование, включая устройства с ограниченными ресурсами. Семейство Gemma 4 поддерживает текст и изображения на входе, а для E2B также заявлен аудиоввод; ответы генерируются текстом. Вариант E2B имеет контекст до 128K токенов. Семейство поддерживает множество языков, однако точный список для этого чекпойнта не приведён. Для работы как драфтер модель предназначена для использования в конвейере speculative decoding с соответствующей целевой моделью, а не как самостоятельная замена целевой модели. В карточке указана лицензия Apache 2.0.

GLM-5.2 MTP — черновая модель предсказания нескольких токенов, подготовленная Inferencer Labs из MTP-слоёв GLM-5.2 от Z.ai. Она предназначена для совместного использования с GLM-5.2-MLX в режиме speculative decoding: вспомогательная модель предлагает продолжения, чтобы ускорить генерацию основной модели. Это не самостоятельная модель для диалога или генерации изображений. Репозиторий использует библиотеку MLX и формат safetensors; карточка сообщает о тестировании на Mac с M3 Ultra и 512 ГБ памяти. Для квантованного варианта Q4 заявлена более высокая пропускная способность и меньший расход памяти без потери качества относительно базового MTP. Лицензия в предоставленных данных не описана; автор карточки указывает, что модель создана третьими сторонами.

GLM-5.3-Flash Vision — извлечённый из GLM-5.3-Flash зрительный энкодер с обученным модулем объединения признаков. Репозиторий immanuelpeter содержит 24-блочный визуальный энкодер с размерностью скрытого состояния 1024, 16 головами внимания, размером изображения 448 и патчами 14×14; для пространственного позиционного кодирования используется axial 2D-RoPE. Патчи группируются блоками 2×2 и сжимаются из ширины 1024 до 4096, а свёрточный patch embedding имеет временной размер патча 2. Модель предназначена для извлечения признаков изображений в Transformers. В репозитории находятся только визуальная часть и конфигурация препроцессора; проверка README утверждает побитовое совпадение всех 347 тензоров с закреплённым родительским чекпойнтом. Это дообученная/выделенная часть GLM-5.3-Flash, распространяемая в формате safetensors и исходной точности BF16. Лицензия — MIT. Метаданные не сообщают размер полного чекпойнта, длину контекста или поддерживаемые языки.

gmlp_s16_224.ra3_in1k — модель классификации изображений семейства gMLP, обученная Россом Уайтменом в библиотеке timm на ImageNet-1k. Она предназначена для отнесения изображений к классам и может использоваться как визуальный backbone для извлечения признаков. Модель содержит около 19,4 млн параметров, требует изображение размером 224 × 224 пикселя и имеет вычислительную сложность около 4,4 GMAC. Архитектура gMLP основана на многослойных перцептронах и описана в работе «Pay Attention to MLPs». Репозиторий содержит веса PyTorch и SafeTensors; лицензия — Apache-2.0. Модель обучена на ImageNet-1k, поэтому её классификация ориентирована на классы этого набора данных. В карточке не приведены результаты метрик, а перенос на предметные области, отличающиеся от ImageNet-1k, может потребовать адаптации.

Halo+BoTNet50ts — модель классификации изображений, разработанная Россом Уайтманом и обученная в библиотеке timm на ImageNet-1k. Архитектура основана на ResNet и реализована через BYOBNet с блоками BYOANet, сочетающими свёрточные слои и пространственное внимание. Конфигурация настроена на разумное время обучения и использует меньше блоков self-attention, чем описанные в исходных работах варианты. Модель предназначена для классификации изображений и может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов. Она содержит 22,6 млн параметров, рассчитана на изображения размером 256 × 256 и имеет вычислительную сложность 5,0 GMACs. Обучение проведено по рецепту ResNet Strikes Back A1 с оптимизатором LAMB, усиленными dropout, stochastic depth и RandAugment, а также косинусным расписанием скорости обучения с разогревом. Лицензия — Apache-2.0.

HardCoReNAS-D модели классификации изображений и извлечения признаков из семейства HardCoRe-NAS. Её обучили авторы работы на ImageNet-1k с использованием своей «зелёной» схемы обучения. Модель содержит 7,5 млн параметров, требует изображения размером 224 × 224 пикселя и вычисляет около 0,3 GMAC на изображение. Модель предназначена для классификации изображений, извлечения карт признаков и получения векторных представлений изображений; её можно использовать как компактную основу для компьютерного зрения и переноса признаков в прикладные задачи. Репозиторий предоставляет веса PyTorch в формате safetensors. Лицензия — Apache-2.0. Карточка не сообщает о поддержке языков или иных модальностей.

IMSyPP/hate_speech_en — англоязычная модель классификации комментариев в социальных сетях по четырём категориям: приемлемый, неуместный, оскорбительный и содержащий насилие контент. Она предназначена для анализа английских публикаций, например комментариев на YouTube, и выявления потенциально вредной речи. Модель построена на BERT base и реализована как BertForSequenceClassification; обучалась на 103 190 комментариях YouTube и проверялась на независимой выборке из 20 554 комментариев. Для обработки текста рекомендуется исходный токенизатор English BERT base. Модель содержит 135,5 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт метку класса. Репозиторий содержит веса PyTorch, лицензия — MIT. Модель обучена на комментариях YouTube, поэтому качество на других типах текста и в иных языках может отличаться.

Это разреженный чекпойнт Meta Llama 2 7B, подготовленный elastix-ai методом HyperPrune на основе meta-llama/Llama-2-7b-hf. Модель предназначена для генерации текста и оценки языкового моделирования; веса имеют полуструктурированную разреженность 2:4 во всех 32 слоях декодера. В репозитории указано 6,6 млрд параметров, формат safetensors и контекст до 4096 токенов. Чекпойнт использует калибровочный корпус SlimPajama-6B; авторы приводят измерения perplexity и точности на нескольких тестах. По описанию, гиперсеть выбирает лишь около 3,5% маски, а для остальных весов сохраняется маска SparseGPT, поэтому характеристики нельзя напрямую сопоставлять с результатами оригинальной статьи HyperPrune. Базовая Llama 2 ориентирована на английский язык. Лицензия обозначена как other; конкретные условия использования следует проверять в карточке модели и у базовой модели.

Inkling-Small-UD-Q4_K_XL-layers — пакет GGUF-слоёв для распределённого запуска модели Inkling-Small через Mesh LLM. Он подготовлен на основе unsloth/Inkling-Small-GGUF: веса исходной модели разбиты на отдельные артефакты по слоям, чтобы распределить вычисления и использование памяти между несколькими компьютерами. Указана квантованная разновидность UD-Q4_K_XL; репозиторий также содержит общие метаданные и эмбеддинги. Пакет предназначен для локального приватного инференса, запуска на кластере машин, когда полной модели не помещается на одном узле, и обслуживания чата через совместимый с OpenAI API Mesh LLM. Метаданные указывают поддержку общения с текстом и изображениями; задача модели — image-text-to-text. Для запуска требуется Mesh LLM. Лицензия — Apache-2.0.

Карточка модели meshllm/Inkling-Small-UD-Q4_K_XL-layers на Hugging Face совпадает с карточкой lyssquant/Inkling-Small-UD-Q4_K_XL-layers, поэтому описание составлено по ней. Inkling-Small-UD-Q4_K_XL-layers — пакет GGUF-слоёв для распределённого запуска модели Inkling-Small через Mesh LLM. Он подготовлен на основе unsloth/Inkling-Small-GGUF: веса исходной модели разбиты на отдельные артефакты по слоям, чтобы распределить вычисления и использование памяти между несколькими компьютерами. Указана квантованная разновидность UD-Q4_K_XL; репозиторий также содержит общие метаданные и эмбеддинги. Пакет предназначен для локального приватного инференса, запуска на кластере машин, когда полной модели не помещается на одном узле, и обслуживания чата через совместимый с OpenAI API Mesh LLM. Метаданные указывают поддержку общения с текстом и изображениями; задача модели — image-text-to-text. Для запуска требуется Mesh LLM. Лицензия — Apache-2.0.

meshllm/inkling-UD-Q4_K_XL-layers — пакет GGUF с весами модели inkling в варианте квантования UD-Q4_K_XL, подготовленный Mesh LLM для распределённого инференса. Пакет разбит на артефакты по слоям и основан на unsloth/inkling-GGUF; каталог Hugging Face указывает возможность работы с изображениями и чатом. Модель предназначена для локальных и приватных запросов, запуска на нескольких машинах, когда полный GGUF не помещается на одном узле, и работы через совместимый с OpenAI интерфейс Mesh LLM. Метаданные указывают задачу image-text-to-text и библиотеку mesh-llm. Пакет распространяется по лицензии Apache-2.0. README не приводит размер модели, контекстное окно, поддерживаемые языки и конкретные ограничения качества; за сведениями об архитектуре, шаблоне чата, настройках генерации и бенчмарках README отсылает к карточке исходной модели. Описанный пакет требует Mesh LLM для распределённого запуска.

ConceptNet Intent Classifier — разработанная ConceptNet Ltd модель классификации пользовательских намерений для голосовых и корпоративных AI-сценариев. Это дообученная многоязычная DistilBERT (`distilbert-base-multilingual-cased`) с архитектурой `DistilBertForSequenceClassification`; она относит запросы к четырём уровням таксономии: базовое действие, действие с условием, предиктивное действие или постоянно действующий автономный агент. Модель предназначена для классификации команд и маршрутизации намерений в голосовых и корпоративных системах. В карточке заявлены точность 100% на стандартном тестовом наборе для эпох 4 и 5, 99,3% на adversarial holdout и 83% для fast-path классификатора. Поддерживаются английский, французский, испанский, немецкий, итальянский, португальский, китайский, арабский и русский языки; длина контекста — 512 токенов. Модель распространяется под лицензией MIT.

InternViT-6B-448px-V1-0 — визуальная foundation-модель и backbone для извлечения признаков изображений, разработанная OpenGVLab. Она используется как зрительный компонент мультимодальных языковых моделей, в том числе InternVL-Chat-V1-1. Модель построена на архитектуре InternViT и содержит 48 блоков; README указывает 5,903 млн параметров, а метаданные — 7,9 млрд. Обрабатывает изображения размером 448 × 448 пикселей. Авторы отмечают улучшения распознавания текста на изображениях и поддержки китайских диалогов; при построении мультимодальной языковой модели рекомендуют брать признаки с четвертого блока с конца. Модель обучалась на наборах LAION, COYO, Conceptual Captions, Wukong и OCR-данных. README предупреждает, что серия InternViT V2.5 лучше подходит для построения мультимодальных языковых моделей, чем для традиционных задач компьютерного зрения. Лицензия — MIT.

JIT-Agent-27B — исследовательская модель JIT-Agent для генерации исполняемых каркасов автономных агентов, разработанная на основе Qwen/Qwen3.6-27B. Получая описание задачи, список доступных инструментов, протокол среды выполнения и текстовые описания эталонных каркасов, модель создает структуру управления памятью, планированием, действиями и доступом к инструментам для другой языковой модели. Веса содержат 27,36 млрд параметров, представлены в BF16 и формате safetensors; модель работает с текстом и изображениями, поддерживает английский и китайский языки. Для запуска рекомендуется использовать среду JIT-Agent, которая формирует запрос по протоколу, проверяет структуру ответа и устанавливает сгенерированный каркас. Модель предназначена для исследований адаптивной архитектуры агентов и совместного проектирования модели и среды; обычный чатовый запрос без протокола и контекста среды вряд ли даст корректный исполняемый результат. Лицензия Apache-2.0.

Kimi-K2.5-DFlash — вспомогательная модель-черновик от z-lab для метода ускоренного декодирования DFlash. Она использует компактную блочную диффузионную модель для параллельной подготовки кандидатов, которые затем проверяет целевая модель moonshotai/Kimi-K2.5. Модель предназначена для ускорения генерации текста при работе с этой целевой моделью, в том числе в длинных контекстах и агентных сценариях; отдельно от неё модель-черновик не предназначена для использования как самостоятельный генератор. Модель построена на архитектуре Qwen3, имеет 4,2 млрд параметров, принимает текст и рассчитана на контекст до 262 144 токенов. В README приведены результаты пропуска предложенных токенов для математических задач и генерации кода, а также показатели пропускной способности; они получены в конфигурации SGLang и не гарантируют такой же прирост в других условиях. Репозиторий содержит веса Safetensors, библиотека — Transformers. Лицензия — MIT.

gogamza/kobart-base-v2 — корейская языковая модель семейства BART, распространяемая Heewon (Haven) Jeon. Это модель кодировщика-декодировщика, обученная восстанавливать исходный текст после добавления шума типа Text Infilling. Для обучения использованы более 40 ГБ корейских текстов, включая Википедию, новости, книги, диалоги и другие корпуса. В словарь Character BPE токенизатора размером 30 000 добавлены часто используемые в переписке эмодзи и текстовые смайлы. Модель предназначена для извлечения признаков из корейского текста и может служить основой для последующих NLP-задач. В README указаны результаты на NSMC, KorSTS и Question Pair, но сведения об оценочных наборах и методике приведены ограниченно. Размер модели в метаданных указан как 79,7 млн параметров; README приводит для KoBART-base архитектурную таблицу с 12 слоями и 124 млн параметров. Контекст составляет 1026 токенов. Лицензия — MIT. Возможны предвзятые или вредные стереотипные ответы, поэтому результаты требуют проверки.