II.11Кибербезопасность и приватность

Экспериментальная модель knakul242/agent-context-guardrail-primary-retrain-experimental — классификатор последовательностей на базе DeBERTa V3 Small, дообученный для обнаружения атак с внедрением инструкций в контекст ИИ-агента. Число параметров — 155 млн, максимальная длина контекста — 512 токенов. Модель предназначена для защитной фильтрации текстового контекста и проверки устойчивости агентных систем к вредоносным инструкциям. Чекпойнт дообучили ещё на двух эпохах на исходном обучающем наборе и 15 подтверждённых примерах обхода защиты. В сравнении с первичной моделью стандартные метрики немного снизились: F1 с 0,968 до 0,961, ROC-AUC с 0,995 до 0,992, полнота при 1% ложноположительных срабатываний — с 0,950 до 0,936. В тесте на обходы для низкоресурсного языка доля успешных атак снизилась с 62,5% до 0%, однако выводы по другим пяти техникам ограничены: их не проверяли повторно в режиме эскалации, поэтому эффект обобщения не отделён от запоминания примеров. Для артефакта усечения контекста needle-in-a-haystack улучшения не выявлено. Лицензия — MIT.

BANonymizer-PL — дообученная NASK-PIB модель на базе HerBERT-large-cased, разработанного Allegro, для поиска и анонимизации персональных данных в польских текстах. Она использует архитектуру BERT для классификации токенов; в репозитории указано около 453,9 млн параметров, а длина контекста составляет 514 токенов. Модель обучена на наборе BAN-PL с более чем 20 тысячами вручную размеченных примеров и предназначена для обнаружения фамилий и псевдонимов в сценариях защиты приватности, например при подготовке наборов данных для исследований. Она также различает эти сущности и упоминания умерших людей, исторических фигур и вымышленных персонажей, которые не следует анонимизировать. Доступна по лицензии Apache 2.0. Модель ориентирована на польский язык и разметку токенов; README не описывает другие типы персональных данных. Её контекст ограничен 514 токенами.

CyberSec-Assistant-3B-GGUF — это квантизированные в формате GGUF версии дообученной языковой модели Qwen2.5-3B-Instruct, разработанные AYI-NEDJIMI. Модель специализируется на общей кибербезопасности и поддерживает общение на французском и английском языках. Модель предназначена для ответов на вопросы о сетевой безопасности, оценке уязвимостей, реагировании на инциденты, тестировании на проникновение, анализе угроз, архитектуре безопасности и лучших практиках кибербезопасности. Это текстовая causal language model с архитектурой Qwen2ForCausalLM, контекстом до 4096 токенов и шаблоном диалогов ChatML. Дообучение выполнено методом QLoRA с последующим объединением LoRA-адаптеров с базовой моделью. Доступны варианты квантизации Q4_K_M размером около 1,80 ГБ, Q5_K_M размером около 2,07 ГБ и Q8_0 размером около 3,06 ГБ. Q4_K_M рекомендован как компромисс между качеством и требованиями к ресурсам, Q8_0 обеспечивает качество, близкое к исходному. Модель совместима с Ollama, llama.cpp, LM Studio и другими GGUF-совместимыми движками, однако README не приводит результаты бенчмарков и не уточняет ограничения точности или безопасности ответов. Распространяется по лицензии Apache-2.0.

Skullly/DeepFake-EN-B6 — модель классификации изображений, созданная дообучением EfficientNet-B6 от Google для распознавания дипфейков. Она предназначена для оценки изображения и отнесения его к одному из классов, связанных с подлинным или синтетически изменённым лицом. В README указаны точность 0,9989 и loss 0,0036 на тестовом наборе, однако состав набора и методика оценки не описаны. Модель принимает изображения и выдаёт метку класса. Использует архитектуру EfficientNet-B6 и распространяется в формате safetensors по лицензии Apache-2.0. Результаты на указанном наборе не гарантируют надёжность на других данных; README не раскрывает обучающие данные, ограничения и условия оценки.

Это многоязычная модель классификации текста, разработанная на базе mBERT и дообученная для выявления текстов, созданных ИИ-ботами в социальных сетях. Для каждого короткого сообщения она возвращает метку и оценку вероятности: LABEL_1 означает текст бота или генеративной модели, LABEL_0 — текст человека. Модель построена на архитектуре BERT для классификации последовательностей, содержит 205,1 млн параметров и принимает до 512 токенов. README указывает поддержку 104 языков; настройка ориентирована прежде всего на арабский, болгарский, каталанский, китайский, английский, французский, немецкий, греческий, итальянский, японский, корейский, персидский, польский, португальский, русский, испанский и украинский. Лицензия — Apache-2.0. Модель предназначена для анализа коротких публикаций и оценки вероятности автоматизированного или сгенерированного текста. Для выявления ботов на уровне аккаунта рекомендуется усреднять оценки минимум по 20 сообщениям и подбирать порог под целевой домен; README приводит порог 0,4 для набора Fox-8-23. Оценки отдельных сообщений менее надёжны. Ограничения включают возможное снижение качества на менее представленных языках, уязвимость к адаптации ботов и риск ошибок на стилях письма и группах, недостаточно отражённых в обучающих данных. Модель не предназначена для длинных документов или принятия юридически значимых решений и решений модерации без проверки человеком.

MemPrivacy-1.7B-SFT — компактная языковая модель, разработанная IAAR-Shanghai и дообученная на базе Qwen/Qwen3-1.7B для управления персональной памятью в edge-cloud-агентах. Она извлекает из диалогового текста чувствительные фрагменты, классифицирует их по четырёхуровневой шкале PL1–PL4 и заменяет типизированными заполнителями, сохраняя исходные значения локально для последующего восстановления. Модель предназначена для локальной обработки пользовательских диалогов перед отправкой облачному агенту: такая подготовка помогает защищать персональные данные и при этом сохранять смысловые связи, полезные для формирования и поиска памяти. Архитектура — плотная Qwen3ForCausalLM с 1,7 млрд параметров; модель поддерживает контекст до 40 960 токенов и работает через Transformers. В README заявлены английский и китайский языки, а также оптимизация для локального развертывания на устройствах с ограниченными ресурсами. Заявления о высокой точности и сравнении с крупными моделями приведены авторами, независимое подтверждение в предоставленных материалах отсутствует. Для структурированного вывода README показывает использование JSON-схемы и constrained decoding. Лицензия CC-BY-NC-ND-4.0 запрещает коммерческое использование и распространение производных версий согласно её условиям.

ressl/MiniMax-M3-uncensored-NVFP4 — это квантизированная версия модели ressl/MiniMax-M3-uncensored, основанной на MiniMax-M3. Релиз подготовлен ressl с использованием NVIDIA ModelOpt NVFP4 и предназначен для локального запуска генерации текста и мультимодальных запросов на системах с GPU NVIDIA Blackwell. Модель имеет MoE-архитектуру с 428 млрд параметров в общей сложности и примерно 23 млрд активных параметров на токен. В модели сохранены возможности рассуждения, разбора рассуждений, вызова инструментов и обработки изображений. В карточке указаны английский и немецкий языки. Экспортированный вариант занимает около 260,4 ГБ вместо 854,2 ГБ у BF16-версии: NVFP4 применён к весам маршрутизируемых экспертов, тогда как внимание, маршрутизатор, общие эксперты, эмбеддинги, языковая голова, vision tower и проекторы сохранены в BF16. Проверенный контекст составляет 32 768 токенов; на отдельном тесте модель корректно обработала запрос длиной 20 212 токенов. Модель ориентирована на локальное инференс-обслуживание, исследование безопасности, red teaming, анализ вредоносного ПО и эксплойтов, обнаружение угроз, автоматизацию через tool calls и мультимодальные сценарии. На четырёх NVIDIA RTX PRO 6000 Blackwell 96 ГБ с SGLang зафиксирована скорость около 88,5 токена в секунду для прогретого одиночного запроса, однако это не результат полного академического бенчмарка. Для запуска требуется конфигурация из четырёх GPU Blackwell и SGLang с указанными в README настройками; совместимость с vLLM не подтверждена. Модель намеренно uncensored и может отвечать на запросы, которые стандартная версия отклоняет, поэтому её применение требует соблюдения законодательства и мер безопасности. Лицензия указана как other.

MS-EffGCViT — разработанная в проекте DeepGuard гибридная CNN–Vision Transformer модель для выявления дипфейков. Этот вариант b0 дообучен на базе timm/tf_efficientnet_b0.ns_jft_in1k и рассчитан на классификацию лицевых кадров как реальных или поддельных. Модель принимает изображения и кадры видео с обрезанными лицами; для видео оценки кадров можно агрегировать. Архитектура сочетает EfficientNet-B0, CNN-эмбеддинг на MBConv-блоках, локальное оконное внимание и глобальный контекст. В README указано разрешение входа 224×224 и приведены результаты на Celeb-DF-v2; показатели на KoDF и FaceForensics++ существенно слабее, поэтому качество на новых доменах может быть ограниченным. Модель распространяется по лицензии MIT.

Adaptive Classifier — классификатор персональных данных на основе answerdotai/ModernBERT-base. Модель различает два класса: текст содержит персональные данные или не содержит их. В карточке указаны 768-мерные эмбеддинги и обучение на 10 примерах, поровну для каждого класса. Модель предназначена для обнаружения PII в текстах и может адаптироваться при добавлении примеров и новых классов. Прототипы обновляются каждые 10 примеров. Для каждого класса требуется не менее 3 примеров, а верхний предел составляет 150 примеров на класс. Распространяется по лицензии Apache-2.0. Обучающая выборка мала, поэтому качество обнаружения на новых данных не подтверждено; карточка также не приводит конкретные языки или типы персональных данных, которые распознаются.

ReDimNet2 B0 для MLX — конверсия официального чекпойнта b0-vox2-lm.pt, дообученного с large-margin на VoxCeleb2-dev. Модель принимает монофоническое аудио с частотой 16 кГц и выдаёт голосовой эмбеддинг размером 192 измерения, который можно использовать для сравнения голосов и проверки личности говорящего. Версия предназначена для запуска с библиотекой MLX. В README указано, что эмбеддинги совпадают с PyTorch-реализацией с относительной ошибкой не более 2,9×10⁻⁶ в описанном тесте на CPU в float32. Репозиторий распространяется по лицензии MIT.

SecBERT — предварительно обученная языковая модель семейства BERT, разработанная для работы с текстами по кибербезопасности. Модель обучена на корпусе материалов APTnotes, Stucco-Data, CASIE и отчётов SemEval-2018 Task 8. Она использует собственный WordPiece-словарь secvocab, адаптированный к этой тематике; архитектура — BertForMaskedLM, размер — 96,6 млн параметров, контекст — 514 токенов. Основной сценарий применения — предсказание скрытых токенов в текстах по кибербезопасности. Модель также предназначена для дальнейшего использования в задачах распознавания сущностей, классификации текста, семантического анализа и ответов на вопросы в этой области. Поддерживаемый язык — английский. Модель распространяется по лицензии Apache-2.0.

RUSpam/spamNS_v1 — русскоязычная модель классификации текста для определения спама. Она основана на cointegrated/rubert-tiny2 и дообучена на датасете RUSpam/spam_dataset_v6; архитектура — BERT для классификации последовательностей, размер — 29 млн параметров. Модель принимает текст и определяет, является ли сообщение спамом. Модель предназначена для фильтрации нежелательных сообщений, в том числе в приложениях, использующих ruSpamLib. Поддерживает русский язык, использует формат safetensors и рассчитана на контекст до 2048 токенов. Распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

UniSpeech-SAT-Large for Speaker Verification — модель Microsoft для извлечения голосовых представлений и проверки личности говорящего. Это плотная архитектура UniSpeech-SAT с головой X-Vector; число параметров — около 402,9 млн. Модель предварительно обучалась на речи, а затем дообучалась на VoxCeleb1 с функцией потерь Additive Margin Softmax. Модель предназначена для сравнения голосовых образцов и задач распознавания говорящего. На вход подаётся речевое аудио с частотой дискретизации 16 кГц; на выходе получаются векторы голоса, которые можно использовать для оценки сходства или проверки личности. Предобучение использовало Libri-Light, GigaSpeech и VoxPopuli. В метаданных указан английский язык. Для работы нужна частота аудио 16 кГц. README не приводит численных результатов проверки качества или сведений о лицензии, поэтому их нельзя оценить по доступным данным.

Карточка модели claudios/VulBERTa-MLP-D2A на Hugging Face совпадает с карточкой claudios/VulBERTa-MLP-MVD, поэтому описание составлено по ней. Это неофициальная версия VulBERTa с классификационной MLP-головой, представленная на Hugging Face. Модель разработана Hazim Hanif и Sergio Maffeis из Имперского колледжа Лондона и дообучена на C-коде из набора CodeXGlue Devign для классификации функций исходного кода по наличию уязвимостей. В основе модели — RoBERTa с 151,6 млн параметров; для токенизации используется упрощённый процесс с удалением комментариев. Контекст составляет до 1026 токенов. Модель предназначена для выявления потенциально уязвимого C-кода и может применяться в анализе безопасности и экспериментах по обнаружению дефектов кода. Для токенизации требуется libclang. Лицензия — MIT.

AASIST3 — модель классификации аудио для обнаружения поддельной и синтетически сгенерированной речи. Её разработчик — lab260; модель представлена как оригинальная реализация архитектуры AASIST с сетями Колмогорова—Арнольда (KAN), обученная для задач противодействия подмене речи. В репозитории доступны веса в форматах ONNX и safetensors; лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но запрещает коммерческое применение. Модель принимает аудио и классифицирует его как подлинную или поддельную речь. В архитектуре используются энкодер Wav2Vec2 для извлечения признаков, KAN-преобразования, остаточные блоки, пространственные и временные графовые механизмы внимания и четыре параллельные ветви вывода. Обучение проводилось на наборах ASVspoof 2019 LA, ASVspoof5, MLAAD и M-AILABS. Карточка приводит результаты EER: 9,44% на ASVspoof2019_LA, 28,73% на ASVspoof2021_DF и 29,72% на InTheWild; более низкое значение лучше. Модель устарела и не поддерживается; автор рекомендует перейти на lab260/Spectra-AASIST3. Указанные результаты относятся к отдельной оценке, а веса в репозитории не совпадают с использованными в результатах статьи.

AntResearch публикует в этом репозитории контрольные точки MECT — модели проверки личности говорящего по голосу. MECT сочетает свёрточную сеть и Transformer с механизмом смеси экспертов (MoE); представлены варианты с маршрутизацией на уровне высказывания или аудиокадров, плотной или разреженной маршрутизацией. Размеры моделей в карточке составляют от 3,78 до 9,57 млн параметров. Модели предназначены для сравнения голосовых записей и проверки, принадлежат ли они одному человеку. Вариант MECT-B2-Causal поддерживает потоковую проверку с низкой задержкой, например для онлайн-встреч, голосовых помощников и устройств. В README приведены результаты на тестовых наборах VoxCeleb1; библиотека репозитория — mect, формат весов — PyTorch. Лицензия CC BY-NC-SA 4.0 разрешает использование на условиях указания авторства и распространения производных работ на тех же условиях, но запрещает коммерческое использование.

ATT&CK BERT — языковая модель для кибербезопасности, разработанная на базе sentence-transformers. Она преобразует предложения, описывающие действия атак, в векторы, отражающие их смысл; предложения со схожим значением получают высокую косинусную близость. Модель подходит для поиска и сопоставления описаний атак по семантическому сходству. Модель использует архитектуру MPNet и содержит 136,7 млн параметров. Она принимает текст и выдаёт эмбеддинги; максимальная длина контекста составляет 514 токенов. В карточке указана лицензия, поэтому условия её использования следует сверять с метаданными репозитория.

CTFty-9b версии 2 — чат-модель для задач CTF и кибербезопасности, созданная JuicesAI полным дообучением XiaomiMiMo/MiMo-V2.6-Distill-Qwen-9B. Это плотная модель семейства Qwen 3.5 с 9 млрд параметров; в репозитории веса в формате safetensors, для работы указаны Transformers и AutoModelForImageTextToText. Модель обучена на 1651 примере: проверенных агентных прохождениях CTF с захваченными флагами, руководствах по пентесту, карточках техник MITRE ATT&CK и поведения вредоносных программ MBC. Модель предназначена для помощи в решении CTF-задач и анализа сценариев кибербезопасности, включая reverse engineering, эксплуатацию уязвимостей, форензику, веб-безопасность и криптографию. Обучение включало примеры агентных запусков, а формат общения совместим с ChatML. Контекст обучения ограничен длиной 8192 токена; README не сообщает лицензию и не приводит отдельной оценки качества. Основа является мультимодальной, однако конкретная поддержка изображений самой дообученной версии в карточке явно не описана.

Модель MelodyMachine/Deepfake-audio-detection — дообученная модель классификации аудио на архитектуре Wav2Vec2 с примерно 113,3 млн параметров. Она предназначена для распознавания поддельного аудио и отличения его от исходного по аудиозаписи. В README приведены результаты оценки на наборе audiofolder: accuracy 0,9964, precision 0,9944, recall 0,9990, F1 0,9967 и ROC AUC 1,0000; эти показатели относятся к указанной оценочной выборке и сами по себе не гарантируют качество на других данных. Модель принимает аудио и выдаёт метки классов. Она опубликована в формате safetensors по лицензии Apache-2.0. В карточке и README не описаны поддерживаемые языки и подробности обучающего набора, поэтому область надёжного применения за пределами оценочной выборки определить нельзя.

Модель разработана для обнаружения дипфейков в видеокадрах. Она сочетает EfficientNet-B0 для извлечения пространственных признаков лица с шестью блоками Vision Transformer, которые моделируют связи между областями изображения; классификационная голова оценивает вероятность подделки. Для обработки видео README описывает извлечение 20 равномерно распределённых кадров, обнаружение и обрезку лиц с помощью MTCNN и классификацию кадров с получением вероятностей для каждого кадра. Обучение проводилось на сбалансированной выборке из 1 580 видео из FaceForensics++ и Celeb-DF. Репозиторий содержит веса PyTorch в формате safetensors и распространяется по лицензии MIT. По метаданным основная задача модели — image-classification; README также описывает применение к видео через покадровую обработку. Размер модели и длина контекста не указаны в доступных данных. Результаты зависят от сходства входных данных с обучающими наборами; качество на других типах подделок и условиях съёмки не приведено.

Deepfake-Detection-Exp-02-22 — модель PrithivMLmods для классификации изображений на поддельные и реальные. Она дообучена на базе Google ViT Base Patch32 224 In21k и содержит 113,2 млн параметров. Модель принимает изображения и выдаёт один из двух классов: Deepfake или Real. Модель предназначена для выявления дипфейков в медиа и социальных сетях, поддержки модерации контента, исследований и предварительного анализа изображений в задачах безопасности и цифровой экспертизы. Обучающие данные связаны с набором prithivMLmods/Deepfake-vs-Real; архитектура основана на ViT, использующем изображения размером 224×224. Возможны ошибки на изображениях, созданных новыми методами генерации, и смещения из-за ограниченного разнообразия обучающих данных. Модель также может быть уязвима к состязательным воздействиям и ошибочно классифицировать как реальные, так и поддельные изображения, поэтому в критически важных сценариях её выводы требуют проверки человеком. Лицензия — Apache-2.0.

Модель dima806/deepfake_vs_real_image_detection — дообученный Vision Transformer для классификации изображений на реальные и созданные искусственным интеллектом. Она основана на google/vit-base-patch16-224-in21k, содержит 113,2 млн параметров и доступна в форматах PyTorch и Safetensors. Модель предназначена для проверки подлинности изображений и выявления AI-генерации. В карточке приведён отчёт об оценке на наборе из 76 161 изображений: точность составила 99,27%. Эти результаты относятся к данным, на которых проводилась оценка, и не гарантируют такую же точность на новых изображениях. Разработчик предупреждает, что обучающий набор был собран примерно за три года до публикации карточки и с тех пор качество генерации изображений заметно выросло, поэтому возможен сдвиг данных; для актуального применения рекомендуется переобучение на свежих размеченных примерах. Лицензия — Apache-2.0.

Om-Parab/distilhubert-finetuned-audio-deepfake-in-the-wild — модель классификации аудио на базе архитектуры HuBERT, дообученная для выявления дипфейков в аудиозаписях, созданных в условиях реального использования. Модель разработана и опубликована пользователем Om-Parab на Hugging Face; точные сведения о разработчике, исходной модели и наборе данных в карточке не приведены. Модель предназначена для анализа аудиофайлов и определения признаков синтетической или изменённой речи. Её можно применять в системах проверки подлинности медиаданных, предварительного анализа голосовых сообщений, фильтрации подозрительных записей и исследовании аудиодипфейков. Размер модели составляет 18,9 млн параметров; для работы используется библиотека Transformers и формат safetensors. README не содержит сведений о лицензии, поддерживаемых естественных языках, длине аудиофрагмента, метриках качества, порогах классификации или результатах оценки. Поэтому выводы модели следует использовать как вспомогательный сигнал, а не как окончательное доказательство подделки.

CodyNeo/glass_fine_tuned_deepfake_detection — модель компьютерного зрения для классификации изображений, дообученная на базе dima806/deepfake_vs_real_image_detection. Модель использует архитектуру Vision Transformer (ViT), содержит около 113,2 млн параметров и обучалась на датасете glassona/Deepfake-190kf. Модель предназначена для определения того, является ли изображение подлинным или сгенерированным либо изменённым с помощью технологий deepfake. Её можно применять для предварительной проверки изображений, модерации медиаконтента и исследовательского анализа синтетических изображений. Поддерживаемые языки для этой задачи не применяются. В README и метаданных лицензия не указана, поэтому условия использования необходимо уточнить отдельно.

Llama-Primus-Reasoning — языковая модель Trend Micro для рассуждений по задачам кибербезопасности. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; она принимает текст и генерирует текст. Модель основана на Llama-Primus-Merged и дообучена на данных Primus-Reasoning: цепочки рассуждений с отражением, созданные с помощью o1-preview и DeepSeek-R1. В карточке также указано, что версия, обновлённая в июне 2025 года, использует данные от обеих моделей.

MiniMax-M3-uncensored — созданная ressl неконтентно-фильтрующая версия MiniMaxAI/MiniMax-M3. Это мультимодальная модель архитектуры MoE на 428 млрд параметров, из которых активно используются 23 млрд; веса представлены в BF16, а базовая модель поддерживает контекст до 1 млн токенов. По заявлению автора, модель изменена методом abliteration: в тесте на 16 вредоносных запросах она не выдала жёстких отказов. Это свойство поведения не является оценкой общей безопасности или качества модели. Модель предназначена для диалогов и генерации текста, в том числе для этичного тестирования безопасности, анализа вредоносного кода и уязвимостей, подготовки правил обнаружения и red teaming. Карточка указывает поддержку Transformers и возможность запуска через vLLM с актуальной поддержкой M3. Полная версия BF16 занимает около 796 ГБ и требует нескольких GPU для запуска; режим рассуждений включён по умолчанию. Карточка описывает английский язык. Лицензия указана как other, конкретные условия использования в предоставленных данных не приведены.

Карточка модели SpaceGamer72/MiniMax-M3-uncensored на Hugging Face совпадает с карточкой ressl/MiniMax-M3-uncensored, поэтому описание составлено по ней. MiniMax-M3-uncensored — созданная ressl неконтентно-фильтрующая версия MiniMaxAI/MiniMax-M3. Это мультимодальная модель архитектуры MoE на 428 млрд параметров, из которых активно используются 23 млрд; веса представлены в BF16, а базовая модель поддерживает контекст до 1 млн токенов. По заявлению автора, модель изменена методом abliteration: в тесте на 16 вредоносных запросах она не выдала жёстких отказов. Это свойство поведения не является оценкой общей безопасности или качества модели. Модель предназначена для диалогов и генерации текста, в том числе для этичного тестирования безопасности, анализа вредоносного кода и уязвимостей, подготовки правил обнаружения и red teaming. Карточка указывает поддержку Transformers и возможность запуска через vLLM с актуальной поддержкой M3. Полная версия BF16 занимает около 796 ГБ и требует нескольких GPU для запуска; режим рассуждений включён по умолчанию. Карточка описывает английский язык. Лицензия указана как other, конкретные условия использования в предоставленных данных не приведены.

Porthor Guard — модель-модератор от EryriLabs с архитектурой смеси экспертов (MoE): четыре эксперта и маршрутизатор, который выбирает двух для ответа. Она предназначена для классификации вредного контента, снижения избыточных блокировок и извлечения персональных данных (PII). Модель объединяет компоненты нескольких базовых моделей; в карточке указаны 10,05 млрд хранимых параметров и 5,64 млрд активных для текстового режима. Опубликована как GGUF для запуска в llama.cpp; лицензия — Apache-2.0. Модель рассчитана на фильтрацию запросов и ответов в приложениях, разбор спорных случаев с передачей на проверку и поиск PII в конвейерах модерации. Она работает с текстом и ориентирована прежде всего на английский язык. README сообщает о контексте 32 тыс. токенов, тогда как метаданные указывают 262 144 токена; заявленную работу на длинном контексте авторы подробно не проверяли. Изображения в этой версии не поддерживаются. Качество избыточной блокировки — слабая сторона модели; также не подтверждено качество извлечения сущностей на других языках и поведение на состязательных запросах. Авторы не рекомендуют использовать её как единственную меру для соблюдения нормативных требований или для решений с серьёзными последствиями без проверки человеком.

Railz-Micro — компактная статическая multilabel-модель безопасности от разработчика bfuzzy1. Она классифицирует англоязычные пользовательские запросы: определяет вредоносный контент, присваивает ему категории из девяти групп и выявляет jailbreak-попытки. Модель содержит 67 млн параметров; при инференсе использует токенизацию, поиск статических векторов, их усреднение и классификационную голову без трансформера. По описанию автора, она работает за доли миллисекунды на CPU и не требует GPU или PyTorch для инференса. Модель предназначена для быстрой фильтрации запросов на устройстве или в серверном конвейере модерации. Её единая multilabel-голова выдаёт метки harmful, jailbreak и категории безопасности. В README приведены результаты на нескольких наборах данных и способы менять порог классификации: стандартный порог ориентирован на точность, снижение порога повышает полноту. К ограничениям относятся слабые результаты на неформальных чат-сообщениях, умеренная полнота обнаружения jailbreak и трудности с тонко сформулированными вредоносными запросами. Статическое представление ограничивает анализ отрицаний, сарказма и многофразового контекста; модель оценивает запросы, а не ответы, и не предназначена для неанглоязычного или смешанного текста. Лицензия — MIT.

SQLPromptShield — модель классификации текста, разработанная salmane11 на основе google-bert/bert-base-uncased и дообученная на наборе SQLShield. Она относит запросы на естественном языке для преобразования в SQL к уязвимым или безопасным. Модель предназначена для предварительной фильтрации NLQ в приложениях с интерфейсом к базам данных: она помогает выявлять потенциально вредоносные запросы до передачи их генератору SQL или базе данных. Архитектура — BERT для классификации последовательностей; в метаданных указано 136,7 млн параметров и контекст 512 токенов. При обучении использовались только тексты NLQ, с ограничением длины до 128 токенов. Указанный язык — английский. Фильтр может быть полезен как один из уровней защиты, но его метка не заменяет проверку сгенерированного SQL и защиту базы данных. Качество зависит от соответствия входных запросов данным SQLShield; сведения о лицензии в предоставленных данных отсутствуют.