II.11Кибербезопасность и приватность

Llama-Guard-7b — модель Meta на 7 млрд параметров, построенная на базе Llama 2 и предназначенная для проверки безопасности текстовых запросов к языковым моделям и их ответов. Она генерирует текстовую классификацию «safe» или «unsafe», а для небезопасного содержания указывает нарушенные подкатегории по таксономии рисков. Модель предназначена для включения в системы модерации и защиты LLM: она проверяет пользовательские запросы и ответы модели, охватывая насилие и ненависть, сексуальный контент, оружие, контролируемые вещества, самоповреждение и преступные инструкции. Для получения оценки класса можно использовать вероятность первого токена и выбрать порог под конкретный сценарий. Модель работает с текстом и ориентирована на английский язык. В карточке указаны веса в форматах Llama и Transformers; метаданные также подтверждают формат safetensors. Для использования через Hugging Face требуется авторизованный доступ к репозиторию. Лицензия — Llama 2 Community License. Оценки качества из карточки получены на конкретных наборах и напрямую несопоставимы с результатами других систем из-за различий в таксономиях; классификационные решения зависят от выбранного порога.

Prompt Safety Classifier — небольшая генеративная модель-классификатор для фильтрации входящих запросов к LLM. Разработчик дообучил Llama 3.2 1B Instruct с помощью QLoRA; модель принимает текст запроса и выдаёт одну из трёх меток: benign, harmful или jailbreak. В метаданных указаны 1,2 млрд параметров, контекст до 131 072 токенов, архитектура Llama и поддержка чата. Модель предназначена для исследований и прототипирования защитных фильтров: предварительной проверки запросов, блокировки очевидных попыток обхода ограничений и направления подозрительных запросов на проверку. В описанной оценке на тестовой выборке из 900 примеров она правильно классифицировала 893 примера; результаты получены на небольшом наборе и не гарантируют устойчивость к новым или специально сконструированным атакам. Модель работает только с английским языком и классифицирует входящие запросы, а не ответы LLM. Для применения требуется базовая модель; лицензия — Apache-2.0.

Qwen3Guard-Gen-8B — модель модерации безопасности от команды Qwen, дообученная на базе Qwen3-8B. Она формулирует классификацию как задачу следования инструкциям и оценивает пользовательские запросы и ответы модели по трём уровням: безопасный, спорный и небезопасный. Репозиторий содержит плотную причинную языковую модель Qwen3ForCausalLM размером 7,6 млрд параметров с контекстом до 32 768 токенов, предназначенную для запуска через Transformers. Модель рассчитана на проверку входящих запросов и сгенерированных ответов в системах модерации, включая многоязычные сценарии: в README заявлена поддержка 119 языков и диалектов. Она охватывает категории насилия, незаконных действий, сексуального контента, персональных данных, самоповреждения, неэтичного контента, политически чувствительных тем, нарушения авторских прав и попыток обхода инструкций во входных запросах. Доступна по лицензии Apache-2.0. Классификация может зависеть от контекста и выбранной политики применения; показатели качества и ограничения по отдельным языкам в предоставленных материалах не детализированы.

Qwen3Guard-Stream-4B — модель модерации безопасности из серии Qwen3Guard, разработанной на базе Qwen3 и обученной на 1,19 млн размеченных запросов и ответов. Версия Stream предназначена для проверки текста по мере его потоковой генерации: для этого в модели используется классификационная голова на уровне токенов. Модель насчитывает около 3,7 млрд параметров, использует плотную архитектуру Qwen3, принимает текст и выдаёт признаки для задачи классификации; контекст — до 8192 токенов. Модель относит содержание к трём уровням риска — безопасному, спорному и небезопасному — и охватывает насилие, незаконные действия, сексуальный контент, раскрытие персональных данных, самоповреждение, неэтичное содержание, политически чувствительные темы, нарушения авторских прав и попытки обхода инструкций во входных данных. В README заявлена поддержка 119 языков и диалектов, что делает модель пригодной для потоковой модерации многоязычных диалогов и генераций. Для работы рекомендуется Transformers версии 4.55.0 или выше; поддержка vLLM в README обозначена как находящаяся в разработке. Лицензия — Apache-2.0.

ShieldLM-13B-baichuan2 — двуязычная модель-детектор безопасности от команды thu-coai, созданная на основе Baichuan2-13B-Chat. Она анализирует генерации больших языковых моделей и выявляет проблемы безопасности по настраиваемым правилам, сопоставленным с общими человеческими нормами безопасности. Модель выдаёт объяснения своих решений и предназначена для интеграции в проверку ответов LLM. Модель использует плотную архитектуру Baichuan с причинным языковым моделированием и содержит 13,3 млрд параметров. Она поддерживает китайский и английский языки; в репозитории представлены веса Safetensors. README сообщает о высокой точности на четырёх тестовых наборах, включая тесты вне обучающего распределения, по сравнению с GPT-4, Llama Guard и Perspective API, но подробные результаты вынесены в статью. Лицензия — MIT.

Vinci Cyber 123B 1.0 — модель с открытыми весами, дообученная в Канаде компанией SimpleDirect на Mistral Devstral 2 123B Instruct. Это плотный авторегрессионный трансформер Ministral3ForCausalLM на 123,4 млрд параметров с контекстом до 262 144 токенов; модель работает с текстом и поддерживает диалоговый режим. Она предназначена для защитного анализа инфраструктуры и кода: проверяет конфигурации, предлагает адресные исправления и старается сохранять уже корректные настройки. В карточке указаны сценарии с Terraform, Kubernetes и облачными конфигурациями. В описанных узких тестах модель сохранила без изменений 24 из 24 корректных конфигураций и прошла офлайн-проверку схемы для 18 предложенных исправлений из 24. Это результаты ограниченных наборов и отдельных запусков, а не оценка надёжности в реальной эксплуатации; преимущество в качестве исправлений не подтверждено для всех наборов. Модель может пропускать ошибки, менять правильные настройки и предлагать некорректные или небезопасные правки, включая маскировку секрета вместо его удаления. Результаты следует проверять независимыми средствами и человеком; модель не заменяет сканер безопасности. Веса распространяются по Modified MIT License с условием, связанным с выручкой.

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.

AgentDoG-Qwen3-4B — дообученная командой AgentDoG модель на базе Qwen3-4B-Instruct-2507 для оценки безопасности траекторий автономных агентов. Она анализирует последовательности действий, наблюдений и вызовов инструментов, чтобы определить, возникало ли небезопасное поведение на любом этапе, а для небезопасных траекторий классифицирует источник риска, тип сбоя и возможный вред. Модель рассчитана на использование как классификатор, компонент защиты агентной системы или средство оценки в бенчмарках. Это плотная языковая модель семейства Qwen3 с 3,7 млрд параметров и контекстом до 262 144 токенов. В README описана оценка на R-Judge, ASSE-Safety и ATBench, включая выявление длительных атак с подменой инструкций и неправильного использования инструментов. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

Карточка модели AIImage12345/AI_model на Hugging Face совпадает с карточкой prithivMLmods/Deep-Fake-Detector-v2-Model, поэтому описание составлено по ней. Deep-Fake-Detector-v2-Model — модель компьютерного зрения от prithivMLmods для классификации изображений лиц на реальные и сгенерированные или изменённые с помощью deepfake-технологий. Она основана на Vision Transformer ViT-Base/16, дообученном на наборе реальных и поддельных изображений, и содержит около 113,2 млн параметров. На вход подаются RGB-изображения, приводимые к размеру 224×224 пикселя; на выходе модель относит изображение к одному из двух классов: «Realism» или «Deepfake». Модель предназначена для проверки отдельных изображений, например при предварительной модерации или анализе происхождения медиаматериалов. В отчёте автора указана точность 92,12% на тестовом наборе из 56 001 примера, однако это значение не гарантирует такую же точность на других данных. Модель может хуже работать на изображениях низкого разрешения или с сильным сжатием, а также на deepfake-материалах, отличающихся от обучающих данных; видео напрямую не анализирует. Распространяется по лицензии Apache-2.0.

CREST-Base — многоязычный классификатор безопасности текста от Repello AI, дообученный на архитектуре XLM-RoBERTa с классификационной головой. Модель содержит около 305 млн параметров и принимает до 514 токенов на вход; README указывает длину до 512 токенов. Лицензия — MIT. Модель присваивает тексту метку safe или unsafe и предназначена для фильтрации пользовательских сообщений в многоязычных LLM-приложениях, чатах и агентах, в том числе при низкой задержке и на устройствах с ограниченными ресурсами. Для переноса на множество языков при обучении использовались 13 выбранных высокоресурсных языков; заявлена поддержка 100 языков. В карточке модели явно перечислены языковые теги от африкаанс до малаялам, но их набор неполон относительно заявленных 100 языков. В README сообщается о сильных результатах на нескольких многоязычных бенчмарках безопасности, включая перенос на низкоресурсные языки и культурные или смешанные по языкам тексты. Ограничения включают бинарную классификацию без подробных категорий, возможную потерю нюансов при машинном переводе данных, ошибки на малопредставленных письменностях и культурно неоднозначных примерах. Модель не заменяет человеческую модерацию в ситуациях с высокими ставками.

L0 Bouncer Full — англоязычный классификатор безопасности текста на архитектуре DeBERTa-v3-xsmall, разработанный автором репозитория vincentoh и дообученный на датасете GuardReasoner. Модель выполняет бинарную классификацию входного текста: безопасный или потенциально вредоносный. Она задумана как быстрый первый уровень каскада модерации, который проверяет большой поток запросов и передаёт часть из них на более глубокий анализ. В README для варианта Full указаны 124 тысячи обучающих примеров, более 10 тысяч шагов обучения, F1 95,2%, полнота 97% и точность 93,5%; заявленная задержка составляет около 5,7 мс на вход. Метаданные указывают 77,5 млн параметров, контекст до 512 токенов и формат safetensors. README приводит другое число параметров — 22 млн, поэтому размер модели в источниках расходится. Модель принимает и классифицирует текст на английском языке. Её высокая полнота подходит для первичного выявления потенциально вредного содержимого, однако README не описывает категории вреда и методику оценки метрик, а показатели не гарантируют качество на новых типах данных. Лицензия — MIT.

Модель king1oo1/deepfake-model, разработанная как движок приложения DeepGuard AI Media Forensics, — дообученная версия визуального энкодера SigLIP2 от Google для бинарной классификации изображений. Она относит изображение к классу Real или Fake, чтобы выявлять изображения, созданные ИИ, и дипфейки. Модель основана на архитектуре SigLIP2 с Vision Transformer, принимает изображения с разрешением 224 × 224 пикселя и обучалась на примерах из нескольких наборов данных о реальных и синтетических изображениях. В README заявлены точность 78,5%, AUC выше 0,86 и F1 около 0,78 на отложенной проверочной выборке. Модель подходит для первичной проверки изображений, однако эти показатели не гарантируют надёжность на новых генераторах, типах подделок или изображениях с иной обработкой. Репозиторий использует формат safetensors и библиотеку Transformers; лицензия — Apache-2.0.

Feyospace-v1-small — мультимодальная модель на архитектуре Qwen3.5, разработанная в рамках проекта Feyospace-v1 и дообученная на базе Qwen/Qwen3.8-27B. В репозитории указаны 28 млрд параметров, формат BF16 safetensors и контекст до 262 144 токенов; доступны токенизатор и шаблон чата. Метаданные также указывают поддержку изображений и диалогового режима. Модель предназначена для исследований киберагентов, длинного контекста и агентных систем, а также для авторизованных задач защитной кибербезопасности, обучения, оценки в контролируемых средах и дальнейшего дообучения. В описании проекта среди тематик данных названы анализ кода репозиториев, воспроизведение уязвимостей, CTF, анализ ядра Linux и прошивок, разработка эксплойтов и задачи с устройствами. Модель может выдавать неточные, неполные или небезопасные ответы; результаты следует проверять и испытывать в изолированной среде с надлежащей авторизацией. README запрещает использование для несанкционированного доступа, вредоносной активности и автоматизированных решений с высоким влиянием без надзора человека. Лицензия в предоставленных данных не указана.

legraphista/Llama-Guard-3-8B-IMat-GGUF — это вариант модели Llama Guard 3 8B, разработанной Meta, подготовленный в формате GGUF. Модель предназначена для задач классификации и фильтрации контента, связанных с безопасностью использования больших языковых моделей, включая проверку пользовательских запросов и ответов на потенциально вредоносное или неприемлемое содержание. Из доступных данных известно, что модель имеет размер 8B параметров и относится к семейству Llama Guard 3. Формат GGUF ориентирован на локальный запуск в совместимых инструментах вывода, однако сведения о точной архитектуре, используемой квантизации, поддерживаемых языках и размере контекстного окна в карточке не указаны. Ограничения, качество на конкретных языках и сценариях, а также дополнительные характеристики следует проверять отдельно. Использование регулируется Llama 3.1 Community License от Meta: при распространении материалов или производных продуктов необходимо соблюдать условия лицензии, требования атрибуции, Acceptable Use Policy и иные ограничения Meta.

LlamaGuard-7b — модель-классификатор безопасности на основе Llama 2, опубликованная в репозитории llamas-community. Она проверяет текстовые запросы к языковым моделям и их ответы, генерируя текстовую метку safe или unsafe и, при обнаружении нарушения, указывая соответствующие категории риска. Для получения оценки вероятности небезопасного класса используют вероятность первого токена и применяют выбранный порог. Модель предназначена для модерации содержимого LLM в реальном времени и поддерживает таксономию, включающую насилие и ненависть, сексуальный контент, незаконное оружие, контролируемые вещества, самоубийство и самоповреждение, а также планирование преступлений. Архитектура — плотная авторегрессионная LlamaForCausalLM; размер — около 6,6 млрд параметров, контекст — 2048 токенов. Указана поддержка английского языка. Веса доступны в safetensors, а карточка также описывает варианты формата Llama и Hugging Face Transformers. В карточке приведены результаты оценки на наборах для классификации запросов и ответов; результаты зависят от таксономии и не полностью сопоставимы с другими системами модерации. Модель может ошибаться и требует выбора порога под задачу и политику модерации. Лицензия — Llama 2 Community License.

ModernBERT-TR Guardrail — турецкий классификатор безопасности пользовательских запросов, разработанный ytu-ce-cosmos и дообученный на базе ytu-ce-cosmos/modernbert-tr-base. Модель с архитектурой ModernBERT содержит около 148,7 млн параметров и принимает текстовые запросы длиной до 8192 токенов. Одна многометочная голова выдаёт 11 вероятностных оценок: общую оценку небезопасности и оценки по категориям угроз. Её можно использовать для проверки турецких запросов перед передачей генеративной модели, а также для маршрутизации и журналирования результатов. Категории основаны на таксономии MLCommons, адаптированной авторами; обучение включало безопасные запросы и сложные отрицательные примеры. Модель предназначена для турецких пользовательских запросов, а не для проверки ответов ассистента; качество на других языках не заявлено. Пороговые значения не заданы, поэтому вероятности требуют собственной калибровки и политики принятия решений. Возможны ошибки на неоднозначных и состязательных запросах, а категории, требующие актуальных знаний, распознаются хуже. Лицензия — Apache-2.0.

Карточка модели ToxicityPrompts/PolyGuard-Qwen на Hugging Face совпадает с карточкой ToxicityPrompts/PolyGuard-Qwen-Smol, поэтому описание составлено по ней. ToxicityPrompts/PolyGuard-Qwen-Smol — компактная многоязычная модель для модерации безопасности ответов LLM, разработанная авторами PolyGuard. Это плотная авторегрессионная модель семейства Qwen2 с 494 млн параметров и контекстом до 32 768 токенов; репозиторий содержит веса в формате safetensors. В карточке заявлена поддержка 17 языков: арабского, чешского, китайского, нидерландского, английского, французского, немецкого, хинди, тайского, итальянского, японского, корейского, польского, португальского, русского, испанского и шведского. Модель предназначена для оценки безопасности пользовательских запросов и ответов LLM, включая выявление вредоносного или токсичного содержания и отказов в ответе. PolyGuard обучена на PolyGuardMix из 1,91 млн примеров и представлена вместе с набором PolyGuardPrompts для оценки защитных механизмов. По описанию авторов, в проведённых оценках она превзошла другие открытые и коммерческие классификаторы безопасности в среднем на 5,5%. Метаданные указывают задачу text-generation и возможности чата; поэтому её можно применять в текстовых сценариях модерации и защитных цепочках LLM. Лицензия — CC BY 4.0. Карточка не уточняет ограничения по применению и ошибки классификации; результаты модерации следует проверять с учётом языка и контекста, особенно в критичных сценариях.

ToxicityPrompts/PolyGuard-Qwen-Smol — компактная многоязычная модель для модерации безопасности ответов LLM, разработанная авторами PolyGuard. Это плотная авторегрессионная модель семейства Qwen2 с 494 млн параметров и контекстом до 32 768 токенов; репозиторий содержит веса в формате safetensors. В карточке заявлена поддержка 17 языков: арабского, чешского, китайского, нидерландского, английского, французского, немецкого, хинди, тайского, итальянского, японского, корейского, польского, португальского, русского, испанского и шведского. Модель предназначена для оценки безопасности пользовательских запросов и ответов LLM, включая выявление вредоносного или токсичного содержания и отказов в ответе. PolyGuard обучена на PolyGuardMix из 1,91 млн примеров и представлена вместе с набором PolyGuardPrompts для оценки защитных механизмов. По описанию авторов, в проведённых оценках она превзошла другие открытые и коммерческие классификаторы безопасности в среднем на 5,5%. Метаданные указывают задачу text-generation и возможности чата; поэтому её можно применять в текстовых сценариях модерации и защитных цепочках LLM. Лицензия — CC BY 4.0. Карточка не уточняет ограничения по применению и ошибки классификации; результаты модерации следует проверять с учётом языка и контекста, особенно в критичных сценариях.

Qwen3.8-27B-Uncensored-Cyber — GGUF — это квантизированная версия модели philbert440/Qwen3.8-27B-Uncensored-Cyber, опубликованная paubau. Репозиторий содержит только GGUF-квантизацию и калибровочную матрицу imatrix, построенную на реальном трафике агентного программирования; дообучение, слияние моделей и изменение поведения не выполнялись. Модель ориентирована на агентные сценарии, связанные с написанием кода, вызовом инструментов и задачами в области кибербезопасности, включая offensive security. Это de-refusal-модель без стандартных ограничений на отказы, унаследованных от базовой модели. Модель имеет размер 27B параметров и распространяется в формате GGUF с квантизацией IQ4_XS. Доступны вариант без MTP-тензоров размером около 14,96 ГиБ и вариант с совместимой MTP speculative-decoding head размером около 15,38 ГиБ; последний требует поддержки со стороны используемого runtime. В базовой модели сохранены vision tower и MTP-голова, поэтому поддерживаются мультимодальный путь и ускоренное декодирование при совместимом загрузчике. Заявлен контекст до 262K токенов. Калибровка специально учитывает tool-call JSON, специальные токены шаблона чата, длинные точные литералы, пути, имена пакетов, хэши и смешанный китайско-английский текст, что должно быть полезно для агентного кодинга и точного воспроизведения строк. Ограничения модели связаны с потерями, неизбежными при квантизации, причём веса были получены повторной квантизацией из Q8_0, а не напрямую из BF16. Показатели сравнения в README имеют узкую область применимости и основаны на агентном корпусе. Для обычной загрузки рекомендуется файл без MTP, если поддержка MTP не проверена. Модель лицензирована по Apache-2.0; исходный корпус калибровки не опубликован и содержит приватные данные рабочих сессий.

Qwen3.8-27B-Uncensored-NVFP4 — языковая модель для генерации текста, разработанная на основе Qwen3.8-27B и версии JonathanColetti/Qwen3.8-27B-Uncensored. Квантизация выполнена пользователем wyattearp с использованием NVIDIA ModelOpt. Модель ориентирована на технические и исследовательские задачи, включая программирование, анализ и декомпиляцию кода, реверс-инжиниринг, кибербезопасность и работу с инструментами. Модель построена на плотной архитектуре Qwen 3.8 Dense Transformer и содержит 27 млрд параметров. Использует формат квантизации NVFP4 с Marlin Linear GEMM kernels; размер весов составляет 26,59 GiB. README не указывает поддерживаемые языки, точную длину контекста или мультимодальные возможности. Предназначена для запуска на GPU NVIDIA Blackwell, включая GB10, с использованием vLLM, TensorRT-LLM или SGLang; заявлена совместимость со speculative decoding через DFlash 2. Сильными сторонами являются компактный для своего размера footprint, возможность высокопроизводительного инференса на совместимом оборудовании и заявленные результаты на задачах декомпиляции, анализа уязвимостей и генерации защищённого кода. При этом результаты заметно зависят от сценария: например, в приведённом тесте OSS-Fuzz-Gen корректными оказались 5% решений, а показатель Pass@1 для LLVM IR в C++ составил 95%. Ключевое ограничение — необходимость совместимого оборудования и программного стека NVFP4; характеристики и результаты основаны на тестах автора README и не гарантируют аналогичную производительность в других условиях. Лицензия — Apache-2.0.

RavenX Chaos Agent — Qwen3.8-27B OBLITERATED — это текстовая языковая модель в формате GGUF, разработанная RavenX AI Labs LLC на базе OBLITERATUS/Qwen3.8-27B-OBLITERATED. По данным карточки, модель обучалась методом Soul Injection на 1 903 806 примерах, объединяющих программирование, рассуждения, агентное взаимодействие, анализ кибербезопасности и другие предметные области. Заявлена поддержка английского языка; сведения о других языках, длине контекста и мультимодальности не приведены. Модель предназначена для генерации кода, технического анализа, работы с инструментами и цепочками вызовов, задач red team и пентестинга, анализа уязвимостей, подготовки bug bounty-отчётов, сопоставления с MITRE ATT&CK, а также для торгового, блокчейн- и криптографического анализа, математического рассуждения и творческого письма. Заявлена совместимость с llama.cpp, Ollama и LM Studio. Версия GGUF Q4_K_M имеет размер около 15,7 ГБ и заявленную скорость 21,6 токена в секунду; также доступна отдельная версия MLX для Apple Silicon. Сильными сторонами заявлены широкий охват задач, специализированные знания по кибербезопасности, генерация производственного кода, вызов инструментов и автономная оркестрация. При этом заявления о результатах основаны на приведённых разработчиком описаниях и внутренних тестах, поэтому их следует дополнительно проверять. Карточка не содержит подробностей о качестве на независимых бенчмарках, длине контекста и точных системных требованиях. Модель описана как abliterated и имеющая нулевые отказы и защитные ограничения, что повышает риск небезопасной генерации и требует контроля при использовании в реальных системах. Лицензия — Apache-2.0.

SmartBERT V3 — доменно-адаптированная модель для понимания кода смарт-контрактов, разработанная авторами Youwei Huang и Sen Fang на основе CodeBERT-base-mlm и SmartBERT V2. Это RoBERTa-модель с 151,8 млн параметров, обученная в Transformers методом masked language modeling на корпусе из 80 тысяч смарт-контрактов, преимущественно на Solidity. Она восстанавливает замаскированные токены и формирует представления функций смарт-контрактов; модель предназначена для выявления намерений функций, анализа сходства кода, классификации и обнаружения уязвимостей. Контекст составляет 514 токенов. Модель принимает текст кода и предсказывает пропущенные токены. Обучение на расширенном корпусе контрактов направлено на более устойчивое представление семантики функций, однако карточка не приводит количественных результатов оценки качества. В метаданных указана лицензия MIT.

tanaos-guardrail-v2 — модель классификации текста, разработанная Tanaos с использованием библиотеки Artifex. Она дообучена на distilbert/distilbert-base-multilingual-cased и предназначена для первичной проверки запросов пользователей и ответов чатботов на небезопасный или запрещённый контент. Модель отмечает насилие, разжигание ненависти и дискриминацию, мошенничество, наркотики и оружие, самоповреждение, нарушения приватности, сексуальный контент, эксплуатацию детей, терроризм, организованную преступность, взломы, жестокое обращение с животными и попытки обхода защитных инструкций. Архитектура — DistilBERT для классификации последовательностей; контекст составляет 512 токенов. В карточке описан английский как основной язык. Указаны улучшения относительно tanaos-guardrail-v1, но количественные показатели качества не приведены. Модель распространяется по лицензии MIT. Она задумана как первый слой фильтрации, а не как средство для юридической или медицинской классификации либо проверки фактической корректности.

shylhy/videomae-large-finetuned-deepfake-subset — модель классификации видео, созданная дообучением VideoMAE Large от MCG-NJU на наборе данных Deepfake Detection Challenge. Она предназначена для анализа видеоматериалов и выявления дипфейков. Модель содержит 402,7 млн параметров, использует архитектуру VideoMAEForVideoClassification и доступна в формате safetensors; для работы применяется библиотека Transformers. В README приведено значение loss 0,2588 на evaluation set, но не описаны методика оценки, порог классификации и поведение на других наборах данных. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Von-1.0 — англоязычная модель классификации решений, разработанная как локальная альтернатива API TypeSafe Jev. Она основана на двунаправленном энкодере ModernBERT-Large с 394,7 млн параметров и дообучена методом RLCD на сбалансированных примерах естественного вывода. Модель принимает текст и предназначена для классификации намерений, маршрутизации обращений, бинарного выявления заданных признаков и выбора метки из нескольких вариантов; также выдаёт калиброванные вероятности классов. Карточка заявляет контекст 8 192 токена, однако метаданные указывают нативный контекст 2 048 токенов. В независимом бенчмарке, описанном в README, указаны 93,0% macro accuracy и 92,3% micro accuracy; результаты относятся к указанному набору из 78 случаев. Модель распространяется под лицензией Apache 2.0. Заявления о задержке в README различаются: в описании указано менее 25 мс, а в таблице — около 62 мс на MPS/GPU и 300 мс на CPU.

Winged-Lagomorph-2x13B — языковая модель для генерации текста, созданная слиянием WhiteRabbitNeo-13B-v1 и NexusRaven-V2-13B с помощью mergekit. Для обычных задач с кодом в карточке рекомендуется шаблон WhiteRabbitNeo, а для вызова функций — шаблон NR. Модель имеет архитектуру MixtralForCausalLM типа MoE, содержит 12,9 млрд параметров и поддерживает контекст до 16 384 токенов. В карточке приведён пример генерации скрипта на pwntools для переполнения буфера. Модель предназначена для генерации текста и кода, а метаданные также указывают поддержку классификации текста. Используется лицензия Llama 2.

nvidia/Aegis-AI-Content-Safety-LlamaGuard-Permissive-1.0 — модель для классификации контента по критериям безопасности, разработанная NVIDIA. Это параметроэффективно дообученная версия Llama Guard на базе Llama 2 7B, обученная на наборе данных NVIDIA Aegis Content Safety Dataset 1.0. Модель предназначена для модерации пользовательских запросов, отдельных фрагментов или полных диалогов и работает как классификатор, несмотря на языковую LLM-архитектуру. Основной язык — английский, библиотека — PEFT, задача в каталоге моделей обозначена как text classification, метрика — F1. Модель использует системную инструкцию с политикой безопасности и таксономией из 13 критически опасных категорий, а также категориями безопасного контента и контента, требующего осторожности. В ответ она определяет, является ли содержание безопасным или небезопасным, и при небезопасном результате может вывести идентификатор категории нарушения. Поддерживается передача собственной таксономии и политики в инструкции. Модель обучалась примерно на 11 000 диалоговых аннотаций, причём разметка выполнялась на уровне диалога, а не отдельных реплик. Основное ограничение состоит в том, что она обучена классифицировать пользовательские запросы; для классификации ответов необходимо использовать специальный шаблон. Использование регулируется Llama 2 Community License Agreement.

ArmorOCR — модель для распознавания текста на изображениях с привязкой результатов к их расположению, разработанная на базе Qwen3-VL-8B-Instruct. Она предназначена для работы с обычными и состязательными изображениями, где текст может быть искажён или специально скрыт. Модель принимает исходное изображение и формирует текстовый ответ за один проход, без преобразований изображения во время инференса и без помощи внешних инструментов. ArmorOCR использует мультимодальную архитектуру Qwen3-VL и доступна в формате safetensors для библиотеки Transformers. Карточка указывает английский и китайский языки. Модель дообучена на Qwen3-VL-8B-Instruct; базовая модель имеет 8 млрд параметров. Репозиторий распространяется по лицензии Apache-2.0. Описание не содержит результатов оценки качества или подробностей ограничений на конкретных типах изображений.

IBM Research разработала Granite Guardian HAP 38M — компактный классификатор токсичности текста на основе RoBERTa с четырьмя слоями и 39,6 млн параметров. Модель анализирует английский текст и классифицирует его на токсичный или нетоксичный, выявляя в том числе ненавистнические высказывания, оскорбления и ненормативную лексику. Модель предназначена для низколатентной фильтрации текста в качестве защитного барьера для LLM, а также для массовой разметки документов. Она работает на CPU и GPU; длина контекста составляет 514 токенов. Выпущена под лицензией Apache 2.0. Короткая архитектура обеспечивает высокую скорость обработки, но при необходимости более высокого F1 разработчик рекомендует 12-слойную версию. Классификация может давать ложноположительные и ложноотрицательные результаты, особенно на текстах, отличающихся от обучающих данных; также возможны ошибки при интерпретации нюансов и проявления смещений, известных для детекторов токсичности и языка ненависти.

ImageShield-MMCF-2B-GGUF — мультимодальная модель для классификации изображений и модерации контента, разработанная prithivMLmods и опубликованная в формате GGUF пользователем mradermacher. Базовая модель — prithivMLmods/ImageShield-MMCF-2B, обученная с использованием набора данных ImageShield-Guardrail-Multimodal-20K. Модель предназначена для задач визуальной безопасности, обнаружения потенциально нежелательного контента и работы в качестве мультимодального guardrail-компонента. В метаданных также указаны поддержка генерации JSON, интеграция с Transformers и тег qwen3.5. Размер модели составляет около 2 млрд параметров. Она поддерживает обработку изображений совместно с текстом, а заявленный язык — английский. Контекстное окно, точный набор категорий безопасности, архитектурные детали и результаты оценки качества в README не указаны. Доступны варианты квантования GGUF от Q2_K до Q8_0, а также F16; Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q8_0 — как вариант с лучшим качеством. Конкретное влияние квантования на точность зависит от выбранного варианта, поэтому модель следует проверять на собственных сценариях модерации. Лицензия — Apache-2.0.