II.10Разработка и эксплуатация AI/ML-систем

Data2vec-Vision Large — модель компьютерного зрения от Facebook, основанная на архитектуре BEiT и обученная для классификации изображений. Сначала модель предварительно обучили методом self-supervised learning, затем дообучили на ImageNet-1k: 1,2 млн изображений и 1000 классов. Число параметров — 411 млн; для обработки изображения используется разрешение 224×224 пикселя. Модель принимает изображение и предсказывает класс из набора ImageNet-1k. Она подходит для классификации объектов на фотографиях и для экспериментов с распознаванием изображений. В описанной оценке точность top-1 на ImageNet-1k составила 86,50%. Для обучения и оценки изображения нормализуют по RGB-каналам; авторы отмечают, что при дообучении более высокое разрешение может дать лучшие результаты. Модель распространяется по лицензии Apache-2.0. Она предназначена для классификации в пределах 1000 классов ImageNet-1k; карточка не заявляет поддержку других задач или языков.

dehatebert-mono-indonesian — модель классификации текста для выявления языка ненависти в сообщениях на индонезийском языке. Авторы карточки указывают, что она дообучена на multilingual BERT в монолингвальном режиме. Метаданные описывают архитектуру как BERT с классификационной головой BertForSequenceClassification и содержат веса в форматах PyTorch и Flax; размер модели — 194,6 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для автоматической модерации и анализа индонезоязычных сообщений, содержащих язык ненависти. В README приведён лучший результат на валидации — 0,844494 при learning rate 2e-5, однако сама метрика не уточнена. Карточка ссылается на исследование о многоязычном выявлении языка ненависти, опубликованное в рамках ECML-PKDD 2020. Лицензия в предоставленных данных не указана.

Hate-speech-CNERG/dehatebert-mono-spanish — модель классификации текста для выявления ненавистнических высказываний на испанском языке. Она разработана для задачи обнаружения языка вражды и описана в работе «Deep Learning Models for Multilingual Hate Speech Detection», принятой на ECML-PKDD 2020. Модель построена на архитектуре BERT и дообучена на мультиязычной BERT-модели. В названии «mono» обозначает монолингвальную настройку: обучение проводилось только на данных английского языка, хотя модель предназначена для выявления языка вражды в испанском. Контекст составляет до 512 токенов; доступны версии в форматах PyTorch и Flax. В README приведён лучший результат валидации 0,740287 при скорости обучения 3e-5, но не указана метрика, поэтому это число не следует напрямую трактовать как точность. Модель распространяется по лицензии Apache-2.0; авторы просят цитировать научную работу при публикации результатов с её использованием.

Это модель DeiT (Data-efficient Image Transformer) для классификации изображений и извлечения визуальных признаков. Её обучили авторы статьи на наборе ImageNet-1k; модель распространяется в библиотеке timm в форматах PyTorch и safetensors. Число параметров — 86,6 млн, вычислительная сложность — 17,6 GMACs, входное разрешение — 224 × 224 пикселя. Модель подходит для определения объектов и сцен на изображениях по классам ImageNet-1k, а также как визуальная основа для получения эмбеддингов в задачах компьютерного зрения. Лицензия репозитория — Apache-2.0. Карточка не описывает поддержку иных наборов классов или изображений вне ImageNet-1k.

DFM-Decoder-open-v0-7b-pt — плотная авторегрессионная языковая модель семейства Llama примерно с 6,7 млрд параметров, разработанная в рамках Danish Foundation Models при сотрудничестве Орхусского университета, Alexandra Institute и Университета Южной Дании. Это базовая модель, дообученная на основе common-pile/comma-v0.1-2t; она предназначена для дальнейшего тонкого обучения и постобучения, а не для непосредственного использования как чат-бот. Модель работает с текстом, имеет контекст до 16 384 токенов и ориентирована на датский и английский языки. В README описаны оценки на датских и английских задачах, включая классификацию тональности, распознавание сущностей, понимание прочитанного, суммаризацию и рассуждения. Модель обучалась на датских и английских данных, а также коде из 15 языков программирования; для других естественных и программных языков ожидается низкое качество. Она не выровнена по требованиям безопасности и может воспроизводить предвзятость или генерировать токсичную и вредоносную информацию. Лицензия репозитория — Apache-2.0.

DiNAT-Tiny — иерархический визуальный трансформер, разработанный Shi Labs и обученный на ImageNet-1K для классификации изображений с разрешением 224×224. Модель использует Neighborhood Attention и её разреженный вариант Dilated Neighborhood Attention: каждый токен обрабатывает ограниченное скользящее окно соседних пикселей. Веса содержат около 14,7 млн параметров и распространяются в формате PyTorch. Модель подходит для классификации изображений по 1000 классам ImageNet, в том числе как основа для последующей адаптации под другие задачи компьютерного зрения. Для запуска нужны Transformers и пакет NATTEN. Лицензия — MIT.

Модель разработана Menglin Zhou, Jiaping Liu и Xiaotian Zhan: это дообученная с помощью LoRA компактная BERT-модель E5-small для классификации текста по происхождению. Она относит текст к написанному человеком или сгенерированному ИИ; метка 0 означает человеческий текст, метка 1 — сгенерированный ИИ. Модель содержит около 40 млн параметров, использует библиотеку Transformers и принимает последовательности длиной до 512 токенов. Модель предназначена для проверки текстов на признаки генерации ИИ и автоматической маркировки таких текстов в системах модерации или анализа контента. В карточке указано обучение на датасете RAID. Заявление о высокой точности приведено авторами, но численные результаты оценки не сообщены. Базовая E5-small описана как англоязычная, поэтому применение на других языках не подтверждено. Лицензия — MIT.

EAT-base Epoch 30 — предварительно обученная модель для извлечения признаков из аудио, созданная в рамках фреймворка EAT с самообучением на наборе AS-2M. Она предназначена для получения представлений аудиосигнала и может служить начальной точкой для дообучения под задачи понимания аудио, включая классификацию и создание аудиоподписей. Модель поддерживает признаки на уровне кадров с частотой около 50 Гц и представление всего высказывания через CLS-токен. Архитектура — EATModel, библиотека запуска — Transformers; веса опубликованы в формате safetensors. Лицензия — MIT.

Falcon-H1-0.5B-Base — базовая авторегрессионная языковая модель семейства Falcon-H1, представленная на Hugging Face командой TII. Она использует гибридную архитектуру Transformer и Mamba с причинным декодером и примерно 354,4 млн параметров. Модель предназначена для генерации продолжений текста и служит основой для адаптации под языковые задачи. Карточка сообщает о поддержке английского языка; контекст модели составляет до 16 384 токенов. Для запуска указаны Transformers, vLLM и llama.cpp. В приведённых сравнительных тестах Falcon-H1-0.5B показывает результаты на общих задачах и рассуждении, однако это базовая модель, поэтому качество диалога и следования инструкциям не гарантируется без дополнительной настройки. Модель опубликована под лицензией Falcon-LLM License; метаданные Hugging Face обозначают лицензию как other, поэтому перед использованием следует ознакомиться с условиями лицензии.

FastSam-X — модель для сегментации изображений, основанная на FastSAM и подготовленная Qualcomm для устройств на базе чипсетов Qualcomm. Разработчики FastSAM позиционируют её как быстродействующее решение на базе сверточной нейронной сети для задачи Segment Anything: модель выделяет объекты на изображении по различным пользовательским подсказкам. Репозиторий содержит конфигурации и средства экспорта, оптимизированные для устройств Qualcomm AI Hub. Модель предназначена для задач компьютерного зрения, требующих семантической сегментации и обработки изображений в реальном времени, включая сценарии на Android и других устройствах Qualcomm. Указано входное разрешение 640×640, контрольная точка fastsam-x.pt, 72,2 млн параметров и размер модели в формате float около 276 МБ. Поддерживаются экспорт и выполнение в формате ONNX; приведены варианты float, w8a16 и w8a16_mixed_int16, использующие NPU различных чипсетов Snapdragon и Qualcomm Dragonwing. Заявленная производительность зависит от устройства: например, задержка составляет 20,018 мс в формате float и 12,897 мс в формате w8a16 на Snapdragon 8 Elite Gen 5 Mobile. Сильные стороны модели — сниженные вычислительные затраты по сравнению с более тяжёлыми решениями Segment Anything, ориентация на работу в реальном времени и оптимизация для NPU Qualcomm. Ограничения включают зависимость производительности и потребления памяти от конкретного чипсета, а также отсутствие сведений о поддерживаемых языках, точной архитектуре backbone, наборе данных и качестве сегментации. Предварительно экспортированные файлы не распространяются из-за лицензионных ограничений; для экспорта собственных конфигураций требуется библиотека Qualcomm AI Hub Models. Указанная лицензия — AGPL-3.0.

unsloth/functiongemma-270m-it-unsloth-bnb-4bit — 4-битная версия FunctionGemma, подготовленная Unsloth на основе google/functiongemma-270m-it. Исходная модель разработана Google DeepMind и основана на архитектуре Gemma 3 с 270 млн параметров. Она предназначена для текстового вызова функций и создания специализированных моделей для агентских сценариев, а не для непосредственного использования в качестве универсальной диалоговой модели. Модель принимает текстовые запросы и определения функций в формате JSON Schema, а затем генерирует вызовы функций. Подходящие сценарии включают управление приложениями и устройствами, офлайн-агентов, обработку команд в несколько шагов и интеграцию с пользовательскими инструментами. Модель поддерживает текстовую модальность, контекст до 32K токенов и может применяться на ноутбуках, настольных компьютерах и собственной облачной инфраструктуре. Для максимальной точности рекомендуется дообучение на односценарных или многошаговых данных конкретной предметной области. Ключевые преимущества — небольшой размер, низкие требования к ресурсам и пригодность для локального и приватного развёртывания. Ограничение заключается в узкой специализации: без дополнительного fine-tuning модель не предназначена для полноценного диалога и может уступать более крупным моделям в общих задачах. Представленная версия использует 4-битное квантование BNB, что снижает требования к памяти, но может повлиять на точность по сравнению с исходной моделью. Использование регулируется лицензией Gemma и соответствующими условиями Google.

NickyNicky/gemma-1.1-2b-it_oasst_format_chatML_unsloth_V1_function_calling_V2 — разговорная модель на базе Gemma 1.1, дообученная NickyNicky для работы в формате ChatML и сценариев вызова функций. Она предназначена для генерации ответов и диалогового взаимодействия; в метаданных также указаны датасеты для function calling. Модель имеет плотную архитектуру GemmaForCausalLM, содержит 2,5 млрд параметров и поддерживает контекст до 8192 токенов. Поддерживаемый язык карточки — английский. Модель распространяется в формате safetensors по лицензии Apache-2.0. README не содержит результатов обучения или измерений качества, поэтому пригодность для конкретных сценариев вызова функций следует проверять самостоятельно.

GigaCheck-Classifier-Multi — мультиязычная модель проекта LLMTrace для бинарной классификации текста: она определяет, написан ли текст человеком или сгенерирован искусственным интеллектом. Модель основана на трансформерной архитектуре Mistral и дообучена на 7,1 млрд параметров версии Mistral-7B-v0.3. Она принимает текст и выдаёт метку класса; заявленная длина контекста — до 32 768 токенов. Модель обучена на англоязычной и русскоязычной частях набора LLMTrace Classification и предназначена для анализа происхождения текста, академических исследований и разработки инструментов обнаружения AI-контента. В тестировании на отложенной части набора авторы сообщают F1 98,64 для класса AI, F1 98,00 для класса Human и среднюю точность 98,46. Качество может снижаться на текстах, созданных более новыми LLM, а также в предметных областях и стилях, слабо представленных в обучающих данных. Возможны ложные срабатывания и пропуски, поэтому результат не следует считать безошибочным доказательством авторства. Лицензия — Apache-2.0.

Guard-Against-Unsafe-Content2-Siglip2 — модель классификации изображений, разработанная prithivMLmods и дообученная на базе google/siglip2-base-patch16-224 с архитектурой SiglipForImageClassification. Она присваивает изображению один из двух классов: «normal» или «nsfw», чтобы автоматически выявлять контент для систем модерации и фильтрации. Модель принимает изображения и выдаёт метку класса. Автор приводит результаты оценки на выборке из 10 000 примеров, однако предупреждает, что модель экспериментальная и её качество может быть нестабильным из-за ограничений обучающего набора данных. Лицензия — Apache-2.0.

HARC-Qwen2.5-7B-Instruct — диалоговая языковая модель Microsoft на архитектуре Qwen2 с 7,1 млрд параметров. Это самостоятельная модель, полученная слиянием safety-alignment LoRA с Qwen/Qwen2.5-7B-Instruct; веса доступны в формате safetensors и рассчитаны на использование через Transformers. Модель предназначена для генерации текста в диалоге с акцентом на выравнивание поведения по требованиям безопасности. Её можно использовать для создания безопасных ответов в чат-ботах и исследовательских сценариях по оценке безопасности диалоговых моделей. Контекст составляет до 32 768 токенов. Лицензия — Apache-2.0. README ссылается на выпуск HARC и статью arXiv:2607.00572. Карточка не приводит результатов оценки безопасности или подробностей о данных обучения, поэтому качество и характер защитного поведения следует проверять для конкретного применения.

superb/hubert-base-superb-ks — перенесённая в Transformers версия модели S3PRL на базе HuBERT для обнаружения ключевых слов в коротких речевых высказываниях. Модель относит аудиозапись к одному из заранее заданных классов: десяти словам из набора Speech Commands, тишине или категории «неизвестное слово». Такой формат подходит для голосового управления и быстрого распознавания команд, в том числе на устройстве. Модель построена на HuBERT Base, предварительно обученной на речи с частотой дискретизации 16 кГц; для входного аудио требуется та же частота. В карточке указаны архитектура HubertForSequenceClassification и размер 113,3 млн параметров. Для версии Transformers приведена точность 0,9672 на тестовой выборке; результат S3PRL — 0,9630. Модель предназначена для классификации речи по фиксированному набору слов, а не для распознавания произвольной речи в текст. Карточка не сообщает о других поддерживаемых языках, кроме английского в метаданных. Лицензия — Apache-2.0.

Модель Hate-speech-CNERG/indic-abusive-allInOne-MuRIL — дообученная для классификации оскорбительной речи модель на базе MuRIL, представленная авторами исследования о выявлении оскорбительного языка в индийских языках. Она относит текст к одному из двух классов: обычный или оскорбительный. Модель обучена совместно на данных для бенгальского, хинди письмом деванагари, смешанного хинди, смешанного каннада, смешанного малаялам, маратхи, смешанного тамильского, урду, смешанного урду и английского языков. Это плотная модель архитектуры BERT с 264,8 млн параметров и контекстом до 512 токенов. Она предназначена для модерации пользовательских публикаций и выявления оскорбительной речи в многоязычных индийских текстах, включая тексты со смешением языков. Модель использует формат PyTorch и Safetensors; лицензия — AFL-3.0. Модель решает бинарную задачу и может хуже работать на языках, вариантах письма и типах оскорблений, которые не представлены в обучающих данных. README ссылается на исследовательскую работу о методах расширения данных для низкоресурсных индийских языков.

ISOM-R1-Enterprise-40B-Beta — экспериментальная реализация Prannessh K.V.A. для запуска Falcon-40B-Instruct с ограниченным кэшем KV. Согласно карточке, веса Falcon загружаются без изменений, а собственная часть проекта применяется во время инференса: использует динамический кэш IsomStateCache, INT8-квантование кэша и отбор ориентиров по оценке значимости. Это не дообученная версия весов Falcon. Модель предназначена для генерации текста, рассуждений и анализа длинных документов в сценариях с ограниченной памятью. В README описана архитектура Falcon с 60 слоями и многозапросным вниманием; заявлены 40 млрд параметров, тогда как метаданные указывают 65 млрд. Метаданные задают контекст 8192 токена, а README приводит теоретические спецификации вплоть до 32768 токенов и бюджет кэша 4096 токенов. Заявленные характеристики кэша представлены как теоретические расчёты, а не как результаты аудированных аппаратных испытаний. Карточка указывает английский язык и лицензию CC BY-NC-ND 4.0 для авторских компонентов; базовые веса Falcon-40B-Instruct распространяются по Apache 2.0. Для практического развёртывания README ориентируется на мног GPU-системы корпоративного класса. Различие в заявленном числе параметров и отсутствие эмпирической проверки длинных контекстов требуют осторожности при планировании ресурсов и оценке качества.

Это DFlash draft-модель mredmond, дообученная на диалогах coding-агента Hex для ускорения спекулятивного декодирования целевой модели moonshotai/Kimi-K2.7-Code, которую можно обслуживать через nvidia/Kimi-K2.7-Code-NVFP4. Модель предназначена для использования как черновая модель в связке с целевой моделью и SGLang, а не как самостоятельный универсальный генератор кода. Модель основана на архитектуре Qwen3 Dense и содержит 4,2 млрд параметров; README описывает шесть слоёв, размер скрытого представления 7168, YaRN rope и контекст до 262 144 токенов. Дообучение на 3 071 диалоге агентной системы повысило долю принимаемых токенов и скорость декодирования в описанных тестах; спекулятивное декодирование сохраняет выход целевой модели. Улучшения ориентированы на трафик Hex с системными промптами, контекстом ноутбуков и схем, а для обычного текста ожидается примерно поведение исходной draft-модели. Для работы нужны соответствующая целевая модель и совместимая конфигурация SGLang; README указывает bf16 KV-кэш, block size 8 и конкретные backend-настройки. Репозиторий содержит веса safetensors в bf16. Лицензия в предоставленных данных не указана.

osk-arr00/lfm2.5-2.6B-thinkingcap-distiller — компактная текстовая модель для обработки и сжатия длинных рассуждений. Она создана на базе LiquidAI/LFM2.5-2.6B и дообучена методом LoRA на 1 985 отобранных трассах, сгенерированных bottlecapai/ThinkingCap-Qwen3.6-27B на корпусе с ответами Qwen3.8-Max, GLM-5.2 и Kimi K3. Модель распространяется по лицензии Apache-2.0 и поддерживает английский и испанский языки. Модель предназначена не для диалогового общения, а для преобразования многошаговых агентных трасс: последовательностей рассуждений, вызовов инструментов, результатов инструментов, исправлений и повторных попыток. На выходе она формирует компактную трассу в стиле ThinkingCap — короткий блок <think> и окончательный нумерованный ответ. Это может использоваться для подготовки обучающих датасетов, переноса экспертных рассуждений между моделями, самодистилляции и создания специализированных SFT-данных. Размер модели составляет около 2,6 млрд параметров; это авторегрессионная текстовая модель, совместимая с Transformers и llama.cpp. В README приведён пример работы с ограничением входа до 16 384 токенов. По заявленным измерениям, медианная длина трасс сокращается примерно в 3,6 раза, при этом модель сохраняет вердикты и числовые значения; точность совпадения с учителем на проверенных вердиктах составила 90%. Сильные стороны — малый размер, локальный запуск и строгое следование формату. Ограничение состоит в том, что модель ожидает именно отформатированные трассы, а не обычные пользовательские сообщения, и предназначена прежде всего для подготовки данных, поэтому её ответы требуют проверки перед использованием в качестве обучающего материала.

Это дообученная авторами проекта TIFA модель на базе LLaMA 2 для разбора текстовых запросов к генерации изображений и создания пар «вопрос—ответ». Она выделяет из произвольного промпта визуальные сущности, атрибуты и отношения, а затем формирует вопросы и ответы о них. В работе TIFA её используют вместо GPT-3 как часть метрики, оценивающей, насколько сгенерированное изображение соответствует исходному тексту: пары вопросов и ответов проверяются с помощью моделей визуальных вопросов и ответов. Модель построена на плотной архитектуре LLaMA и содержит 6,6 млрд параметров; контекст — до 4096 токенов. Она принимает текст и генерирует текст, рассчитана на английский язык. Веса доступны в формате safetensors. Лицензия — Apache-2.0. Описание указывает на применение в составе проекта TIFA; для оценки соответствия изображения нужны также отдельные VQA-модели и компоненты TIFA.

Это дообученная черновая модель EAGLE3 на архитектуре Llama, разработанная для ускорения генерации текста методом speculative decoding вместе с целевой моделью meta-llama/Llama-3.2-3B-Instruct. Она предлагает кандидаты токенов, которые целевая модель проверяет; самостоятельно как обычная языковая модель не предназначена для использования. Контрольная точка получена обучением SpecForge EAGLE3 на данных ShareGPT, имеет 494,7 млн параметров и нативный контекст 131 072 токена. Для загрузки требуется совместимый код SpecForge/EAGLE3. Указана лицензия other; карточка не содержит конкретных заявлений о производительности или бенчмарках.

Llama-3-70B-Special-Tokens-Adjusted — модель Astronomer, созданная Дэвидом Сю на основе Meta Llama 3. Это 69,5-миллиардная плотная авторегрессионная языковая модель с архитектурой LlamaForCausalLM и контекстом 8192 токена. Она сохраняет веса исходной meta-llama/Meta-Llama-3-70B, но значения строк эмбеддингов некоторых недостаточно обученных специальных токенов заменены средними значениями обученных токенов. Модель предназначена прежде всего для дальнейшего дообучения: корректировка призвана снизить риск нестабильности обучения, например взрывных градиентов и NaN, при добавлении или использовании специальных токенов. Это базовая модель, а не готовый диалоговый помощник; README отмечает, что для версии 70B проблема могла быть менее существенной, чем для версии 8B. Формат весов — safetensors. Использование должно соответствовать лицензии Llama 3 Community License; метаданные каталога указывают лицензию как other.

Llama-goodlens-mpnet — модель эмбеддингов предложений, разработанная beeformer для рекомендательных систем. Она преобразует предложения и абзацы в плотные векторы размерности 768 и предназначена для контентной фильтрации, а также для использования текстовых описаний объектов как дополнительной информации при рекомендациях для новых пользователей или объектов. Модель основана на sentence-transformers/all-mpnet-base-v2 и дообучена без изменения архитектуры или исходных параметров на объединении датасетов Goodbooks-10k и MovieLens20M. Тексты описаний объектов для обучения были сгенерированы с помощью meta-llama/Meta-Llama-3.1-8B-Instruct. Архитектура — MPNet, размер — 136,7 млн параметров; ограничение обработанной последовательности при обучении было снижено до 384 токенов, а контекст модели составляет 514 токенов. Вход — текст на английском языке, выход — векторы эмбеддингов. Карточка указывает, что результаты оценки пока не опубликованы, а модель создана как демонстрация возможностей beeFormer и предназначена для исследований. Лицензия — Llama 3.1.

LLaMA-MoE-v1-3.5B (4/16) — языковая модель с архитектурой Mixture-of-Experts, разработанная командой LLaMA-MoE на основе LLaMA 2. В модели 16 экспертов, из которых при генерации активируются 4; общий размер составляет 6,6 млрд параметров, а активная часть — около 3,5 млрд. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекст до 4096 токенов. Модель получена разделением FFN-блоков исходной LLaMA на экспертов и последующим продолжением предобучения на 200 млрд токенов из SlimPajama. Она предназначена для генерации текста, исследовательской работы с MoE и развертывания языковых моделей. Модель не дообучалась на инструкционных парах, поэтому может плохо справляться с диалогами и не подходит как готовый чат-бот. Лицензия — Apache-2.0.

sail/longspec-Llama-3-8B-Instruct-262k — модель семейства Llama, связанная с методом LongSpec для ускорения генерации в длинном контексте. В карточке указано, что метод использует спекулятивное декодирование с эффективным формированием черновика и проверкой; репозиторий описан как модель из соответствующей работы. Модель содержит 7,5 млрд параметров, имеет архитектуру LlamaGlideDecoderLayer и рассчитана на контекст до 262 144 токенов. Модель предназначена для генерации текста с длинным контекстом, где может применяться подход спекулятивного декодирования. Доступна в формате safetensors и использует библиотеку Transformers. Лицензия — MIT. Карточка не сообщает подробностей о качестве, базовой модели или поддерживаемых языках.

MambaOut Femto — модель классификации изображений из семейства MambaOut, опубликованная авторами работы «MambaOut: Do We Really Need Mamba for Vision?» и предобученная на ImageNet-1k. Она также может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов изображений. Модель содержит 7,3 млн параметров и требует около 1,2 GMACs на изображение. В карточке указаны размеры изображений 224 × 224 для обучения и 288 × 288 для тестирования. Модель подходит для классификации изображений и извлечения визуальных представлений в компьютерном зрении. Модель распространяется под лицензией Apache-2.0. Она обучена на ImageNet-1k, поэтому её классификационные возможности ориентированы на категории этого набора данных; показатели качества конкретно для варианта Femto в предоставленной карточке не приведены.

Millennium-Jev-0.5B — компактная модель принятия решений из экосистемы Millennium Open-Source, дообученная на Qwen/Qwen2.5-0.5B-Instruct. Она оценивает переданные в запросе варианты и выполняет классификацию за один проход без последовательной генерации токенов; заявлены двунаправленное внимание и предсказание с split-conformal калибровкой. Модель рассчитана на маршрутизацию запросов к инструментам и агентам, выбор действия, оценивание вариантов и первичную проверку безопасности. В README также приведены результаты для банковских намерений и китайского NLU. Для исполнения предусмотрен Tri-Gate протокол: автономное действие разрешается, когда множество допустимых вариантов однозначно, уверенность выше заданного порога и риск аномалии ниже заданного порога. README сообщает о задержке менее 50 мс и результатах на тестовых наборах, но они не гарантируют качество на новых данных. Репозиторий распространяется по лицензии Apache-2.0. Ограничения включают неспособность выполнять многошаговую арифметику и вычисления дат без внешней подготовки данных, уязвимость к инструкциям, маскирующим вредоносные команды, и возможную позиционную предвзятость при близких по оценке вариантах. Для безопасной маршрутизации README рекомендует предварительную проверку входов внешним кодом.

В репозитории smp-hub опубликованы предварительно обученные на ImageNet веса энкодера mit_b5 для библиотеки segmentation-models-pytorch. Их можно использовать как основу для моделей сегментации изображений, собираемых в этой библиотеке; метка image-classification также отражает обучение на ImageNet и предназначение весов для классификационных представлений. Репозиторий содержит веса в формате safetensors. Лицензия указана как other, без дополнительных условий в доступных сведениях. Карточка не сообщает размер модели, контекст обработки или ограничения качества; применимость зависит от выбранной архитектуры и задачи, в которую включён энкодер.

facebook/mms-tts-syl — модель синтеза речи на языке силхети из проекта Massively Multilingual Speech компании Meta. Это отдельный чекпойнт для одного языка: VITS-модель преобразует входной текст в речевую аудиоволну. Архитектура объединяет вариационный автоэнкодер, Transformer-кодировщик текста, модуль предсказания длительности и декодер на основе HiFi-GAN; размер модели — 3,5 млн параметров. Модель предназначена для озвучивания текста на силхети и создания речевого вывода в приложениях, использующих Transformers версии 4.33 или новее. Стохастический предсказатель длительности позволяет получать варианты ритма для одного текста, поэтому результат может меняться между запусками; фиксированный seed нужен для воспроизводимой генерации. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.