II.2Создание и понимание программного кода

hgnet_tiny.paddle_in1k — модель классификации изображений семейства HGNet (High Performance GPU Net), представленная авторами в библиотеке timm. Она обучена на ImageNet-1k и предназначена для отнесения изображений к классам этого набора данных; модель также можно использовать как основу для извлечения признаковых карт и эмбеддингов изображений. Модель содержит 14,7 млн параметров и требует 4,5 GMACs. Указанный размер изображения при обучении — 224 × 224 пикселя, при тестировании — 288 × 288. Репозиторий содержит веса PyTorch в формате safetensors. Лицензия — Apache-2.0.

Huihui-CyberStrike-OffSec-35B-abliterated-GGUF — экспериментальная версия модели CyberStrike-OffSec-35B от oyildirim, созданная huihui.ai методом abliteration. Это текстовая генеративная модель в формате GGUF, предназначенная прежде всего для задач offensive security, пентестинга, кибербезопасности и сценариев с вызовом инструментов. В метаданных модель также обозначена тегом qwen3; размер базовой модели — 35B параметров. Для запуска рекомендуется llama.cpp и контекст до 262144 токенов, однако подробные сведения об архитектуре, поддерживаемых языках и точной реализации tool calling не приведены. Ключевая особенность модели — существенно сниженный уровень защитных отказов по сравнению с исходной моделью, что может быть полезно для исследований и контролируемого тестирования, но повышает риск генерации опасного, спорного или неподходящего содержимого. Модель не имеет гарантий безопасности, требует мониторинга и ручной проверки результатов и не рекомендуется для публичных или высокорисковых производственных сценариев без дополнительных защитных механизмов. Пользователь несёт ответственность за законность и этичность применения. Модель распространяется по лицензии Apache-2.0. README описывает её как грубую proof-of-concept реализацию удаления отказов, поэтому стабильность, качество и безопасность следует оценивать самостоятельно.

Huihui-gemma-4-E2B-it-abliterated-v2 — экспериментальная версия Gemma 4 E2B IT, созданная huihui-ai с помощью abliteration: из модели удаляли часть отказов на запросы. Это плотная мультимодальная модель семейства Gemma 4 на базе google/gemma-4-E2B-it; репозиторий содержит веса в формате safetensors. Базовая модель предназначена для диалогов и анализа текста, изображений и аудио с текстовыми ответами. Версия v2 оставляет первые пять слоёв без abliteration и, по описанию автора, реже отказывает и выдаёт меньше предупреждений. Приведённые в README значения perplexity выше, чем у исходной модели, что указывает на ухудшение качества по этой метрике. Модель подходит для экспериментов с изменением поведения отказов, но может генерировать чувствительный, спорный или неподходящий контент; результаты следует проверять. Лицензия — Apache-2.0.

llm-d-sc-sensitivity — англоязычная модель эмбеддингов предложений, разработанная для проекта llm-d-sc. Она дообучена на базе sentence-transformers/all-MiniLM-L6-v2 и выдаёт 384-мерный вектор, который сравнивают с размеченными опорными примерами, чтобы ранжировать уровни чувствительности текста: PUBLIC, INTERNAL и CONFIDENTIAL. Модель предназначена для маршрутизации запросов и оценки того, можно ли передать их внешнему модельному сервису; решение о применении политики остаётся за вызывающей системой. Модель использует архитектуру BERT, содержит 25,9 млн параметров и принимает текст с контекстом до 512 токенов. В проверке автора на 75 синтетических запросах она достигла точности 0,8933 и macro F1 0,8928; независимого воспроизведения результатов не было. Лицензия — Apache-2.0. Результат зависит от качества и состава anchors.json, а граница между уровнями INTERNAL и CONFIDENTIAL особенно неоднозначна. Обучающие данные синтетические и содержат трассы рассуждений генератора вместо ожидаемых примеров пользовательских запросов; человеческой разметки для проверки нет. Модель выдаёт оценку сходства, а не гарантированное решение по безопасности, поэтому её нельзя использовать как единственную защиту от утечки данных.

nvidia/mit-b3 — визуальный энкодер SegFormer размера B3, выпущенный командой NVIDIA. Он дообучен на ImageNet-1k и предназначен прежде всего для использования как основа при дообучении моделей семантической сегментации. В карточке также приведён сценарий классификации изображений по 1000 классам ImageNet; pipeline модели — классификация изображений. Архитектура включает иерархический Transformer-энкодер SegFormer. Репозиторий содержит только предварительно обученный энкодер, без лёгкой MLP-головы декодирования, используемой в полной модели сегментации. В метаданных указаны реализации PyTorch и TensorFlow и набор данных ImageNet-1k. Модель подходит как стартовый чекпойнт для задач компьютерного зрения, включая дообучение сегментации. Для сегментации потребуется добавить и обучить декодирующую голову на целевом наборе данных. Лицензия указана как other; конкретные условия использования следует проверять в материалах репозитория.

mobilenetv4_hybrid_large.ix_e600_r384_in1k — модель классификации изображений семейства MobileNetV4, обученная Россом Уайтманом с помощью timm на ImageNet-1k. Это гибридная крупная архитектура, предназначенная для классификации изображений и использования в качестве визуального backbone для извлечения карт признаков и эмбеддингов. Веса доступны в форматах PyTorch и safetensors; модель содержит 37,8 млн параметров и обучалась на изображениях размером 384 × 384 пикселя, а для оценки использовался размер 448 × 448. Обучение выполнено с гиперпараметрами, вдохновлёнными статьёй MobileNetV4 и дополненными настройками timm. Модель распространяется по лицензии Apache-2.0. В README отмечено, что официальные веса TensorFlow на момент публикации не были доступны.

Noeum-1-Nano-Base — базовая языковая модель Noeum, независимой исследовательской лаборатории из Австрии. Это компактная модель с архитектурой Mixture-of-Experts: в README указано 0,6 млрд параметров, из которых около 0,2 млрд активны при инференсе; метаданные Hugging Face сообщают 187,1 млн параметров. Модель создана с нуля и обучена на 18 млрд токенов на данных из arXiv, GitHub, Wikipedia и FineWeb-Edu. Модель предназначена для продолжения текста, генерации и few-shot задач, а также для использования как отправной точки для дообучения. Она не проходила supervised fine-tuning или RLHF, поэтому не предназначена для готового диалогового и инструкционного взаимодействия. Указанное в метаданных окно контекста — 512 токенов; карточка заявляет поддержку английского языка. Репозиторий использует PyTorch и Transformers и требует загрузки с trust_remote_code=True. Лицензия — Apache-2.0.

Карточка модели faisalsardi-dev/orderbuilder-v2-qwen3-v2 на Hugging Face совпадает с карточкой faisalsardi-dev/orderbuilder-v2-qwen3, поэтому описание составлено по ней. faisalsardi-dev/orderbuilder-v2-qwen3 — дообученная языковая модель на архитектуре Qwen3 для генерации текста в диалоговом формате. Она основана на unsloth/qwen3-8b-unsloth-bnb-4bit и обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Название репозитория указывает на сценарии построения заказов, однако карточка не описывает конкретные функции или качество в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных также указана возможность интерфейса вызова инструментов. Модель распространяется под лицензией Apache-2.0.

amd/PARD2-Qwen3-8B — черновая модель семейства Qwen3, разработанная AMD для ускорения генерации текста методом спекулятивного декодирования. Она формирует несколько токенов-кандидатов для проверки целевой авторегрессионной моделью и поддерживает два режима: независимый от целевой модели и учитывающий её. Обучение ориентировано на увеличение длины последовательности токенов, принимаемых целевой моделью, а Confidence-Adaptive Token (CAT) оптимизация перераспределяет вес токенов с учётом их вклада в проверку. Модель предназначена для интеграции в конвейеры спекулятивного декодирования, в том числе с vLLM. В README заявлено ускорение без потери точности до 6,94 раза на разных моделях и задачах; этот результат зависит от целевой модели, нагрузки и настроек инференса. По метаданным модель содержит 507,9 млн параметров, использует архитектуру Qwen3ForCausalLM, поддерживает контекст до 40 960 токенов и распространяется в формате safetensors. Лицензия — MIT.

wangzhang/Qwen3.5-122B-A10B-abliterix — Wangzhang Wu создал экспериментальную модификацию Qwen3.5-122B-A10B с помощью Abliterix, чтобы снизить частоту отказов модели. Это чат-модель для генерации текста; в репозитории размещены веса в формате safetensors. Базовая модель описана как мультимодальная MoE-модель с 122 млрд параметров, но в карточке данной модификации заявлена задача генерации текста. Для удаления поведения отказа применялись извлечение направления отказа, ортогональная проекция, изменения весов ранга 1 и байесовская оптимизация. Автор сообщает о частоте отказов 0,5% на тесте из 200 запросов и KL-дивергенции 0,0115; это результаты описанного автором тестирования, а не гарантия поведения в других сценариях. Модель предназначена для исследовательской оценки и законного применения. Лицензия — Apache-2.0. Карточка предупреждает, что механизмы безопасности и отказов могли быть ослаблены или удалены, поэтому модель может выдавать опасный, незаконный, оскорбительный или неточный контент. Для высокорисковых решений требуется проверка специалистом; перед развёртыванием рекомендуются оценка рисков, тестирование и надзор.

Krypto-Whitehat/qwen3.8-9b-uncensored-cyber-exploit-XRPL-v3 — текстовая модель для задач offensive security, подготовки exploit writeup и первичного анализа bug reports, особенно в контексте C/C++/Python-лабораторий, публичных CVE и XRPL. Модель создана как QLoRA SFT-адаптер поверх rohit267/Qwen3.8-9B-heretic-uncensored; в README также указано, что используется базовая модель семейства Qwen с размером около 9 млрд параметров. Разработчик репозитория — Krypto-Whitehat. Модель ориентирована на генерацию структурированного вывода с секциями TRIGGER, EXPLOIT WRITEUP и VERDICT. Для XRPL она рассчитана на работу в двухкомпонентном конвейере: host-agent классифицирует случаи по правилам C0–C8 и получает актуальные исходные данные, а модель формирует текст отчёта под управлением CLASS_LOCK. Поддерживается английский язык. Для запуска приведены варианты через GGUF, llama-server и LM Studio с контекстом 8192 токена; точные характеристики архитектуры и полный список поддерживаемых языков не указаны. Ключевое ограничение — автономная модель не является надёжным источником решений VALID/FALSE_POSITIVE для XRPL: по данным README, без agent_v3.py её вердикты могут колебаться, а лучший результат достигнут только в связке с host-agent и дополнительным skill для XRPL. Модель не имеет встроенного веб-поиска, не обучалась на frozen lock set и основана только на SFT без RL. Лицензия обозначена как other, license_name — qwen-research; дополнительных условий использования в README не приведено.

Qwen3-Next-80B-A3B-Thinking-Uncensored — текстовая разговорная MoE-модель Multiverse Computing, основанная на Qwen3-Next-80B-A3B-Thinking. Она использует метод Refusal Steering: избирательно снижает отказы на безопасные запросы о политически чувствительных темах Китая, сохраняя отказы на вредоносные запросы и попытки обхода защит. Архитектура и число параметров не менялись; модель представлена в формате safetensors, а её контекст составляет 262 144 токена. Модель предназначена для диалога, рассуждений и генерации текста, в том числе для получения сбалансированных ответов о чувствительных темах Китая. В README сообщается, что общие результаты на тестах рассуждений, программирования и знаний близки к базовой модели; приведены также тесты на отказы и безопасность. Модель не добавляет новых фактов и опирается на знания базовой модели. Лицензия — Apache-2.0. README отмечает, что изменение поведения относится к отказам по определённой категории тем, а не ко всем чувствительным или вредоносным запросам; поэтому ответы на конкретные запросы могут по-прежнему содержать отказы.

Это модель извлечения признаков изображений на основе нативного визуального энкодера Qwen3.5-2B, преобразованного для библиотеки timm. В репозитории представлены визуальные веса энкодера, включая пространственный merger и проекцию в размерность исходной языковой модели; языковые веса и обученная голова классификации отсутствуют. Параметры визуальной модели — около 330,6 млн, ширина backbone — 1024, ширина проекции — 2048; исходный размер изображения — 768 × 768. Модель предназначена для получения пространственных признаков и токенов изображений, которые можно использовать в мультимодальных конвейерах и последующей обработке. Она принимает RGB-изображения, поддерживает прямоугольные размеры и возвращает пространственно объединённые токены; отдельный метод также выдаёт необработанные признаки backbone в формате NHWC. Для обработки размеры изображения должны делиться на 16, а для варианта с merger 2 × 2 — на 32. Веса исходного временного свёрточного слоя сведены к двумерной свёртке для реализации только для изображений. Архитектура использует MLP с GELU-tanh, обучаемые абсолютные позиционные эмбеддинги с интерполяцией и осевое двумерное RoPE. По README это перенос весов в timm без дополнительного обучения, хотя метаданные обозначают связь с Qwen3.5-2B как finetune. Лицензия — Apache 2.0. Модель не содержит языкового декодера и классификационной головы, поэтому сама по себе не предназначена для диалогов, генерации текста или готовой классификации изображений.

ResNet34.a3_in1k — свёрточная модель классификации изображений из библиотеки timm, обученная сообществом timm на ImageNet-1k по рецепту ResNet Strikes Back A3. Архитектура ResNet использует активации ReLU, начальную свёртку 7×7 с пулингом и проекции 1×1 в shortcut-связях. В модели около 21,8 млн параметров и 1,9 GMACs; обучение проводилось на изображениях 160×160, стандартный размер при оценке — 224×224. Модель предназначена для классификации изображений по категориям ImageNet, а также может использоваться как backbone для извлечения карт признаков и эмбеддингов изображений. Для воспроизводимости рецепт обучения включает оптимизатор LAMB, BCE loss и косинусное расписание скорости обучения с разогревом. Репозиторий содержит веса PyTorch и Safetensors. Лицензия — Apache-2.0.

Это веса кодировщика изображений HieraDet из семейства SAM 2, опубликованные под идентификатором timm/sam2_hiera_base_plus.fb_r896_2pt1. Репозиторий содержит только image encoder и предназначен для извлечения признаков изображений через библиотеку timm. Модель можно использовать как визуальный экстрактор признаков в системах компьютерного зрения и как компонент более крупных моделей. В метаданных указан формат PyTorch safetensors и лицензия Apache-2.0. В доступной карточке не приведены сведения о размере модели, поддерживаемых языках или ограничениях качества.

samvit_huge_patch16.sa1b — визуальный backbone Segment Anything ViT, опубликованный авторами timm. Модель содержит 637 млн параметров и предварительно обучена на SA-1B для задач сегментации с инициализацией весов из MAE. Она предназначена для извлечения признаков и эмбеддингов изображений, а также для использования как основы при дообучении. Голова сегментации в репозитории отсутствует, поэтому сама модель не выдаёт готовые маски объектов. Модель принимает изображения размером 1024 × 1024 и возвращает визуальные признаки. Репозиторий распространяется в форматах PyTorch и safetensors; лицензия — Apache 2.0. Высокая вычислительная сложность (2982,2 GMAC) может ограничивать применение на устройствах с небольшими ресурсами.

HuggingFaceTB разработала stack-edu-classifier-typescript — классификатор, оценивающий образовательную ценность файлов кода на TypeScript. Это дообученная на размеченных Llama 3.1 70B Instruct примерах версия BigCode StarEncoder с классификационной головой. Модель использовалась для создания датасета Stack-Edu для обучения SmolLM2. Модель построена на архитектуре BERT, содержит 151 млн параметров и принимает код как текст. Контекст ограничен 1024 токенами. Она предназначена для оценки отдельных TypeScript-файлов, а не кода с учётом проекта в целом. Лицензия в доступных данных не указана.

Карточка модели bigcode/starcoder-co-manual на Hugging Face совпадает с карточкой bigcode/starcoder-cxso, поэтому описание составлено по ней. bigcode/starcoder-cxso — экспериментальная абляция OctoCoder, опубликованная для исследовательских целей. Это плотная авторегрессионная языковая модель архитектуры GPTBigCode, работающая с текстом и предназначенная для генерации текста; обычно рекомендуется использовать OctoCoder, который, согласно карточке, показывает лучшие результаты. Модель использует PyTorch и поддерживает контекст до 8192 токенов. В README указано, что это шаг 30 эксперимента; карточка не уточняет специализацию по языкам программирования или другие сценарии применения. Репозиторий содержит веса в формате PyTorch. Условия лицензии в доступных данных не приведены.

yujiepan/step3-tiny-random — отладочная модель, созданная на основе конфигурации Step3 от StepFun. Она имеет случайно инициализированные веса и предназначена для проверки кода, конфигурации и интеграции с библиотекой Transformers, а не для получения качественных ответов. Модель запускается через AutoModelForCausalLM и использует custom-код исходной модели stepfun-ai/step3. Архитектура адаптирована под Step3VLForConditionalGeneration и включает языковой и визуальный компоненты: уменьшенный трансформерный текстовый модуль с двумя слоями, механизмом mixture-of-experts на восемь экспертов и визуальный трансформер StepCLIP с двумя слоями. По примеру использования модель поддерживает диалоговый ввод с изображениями и текстом и генерирует текст, однако её случайные веса делают результаты непригодными для прикладного мультимодального анализа. Модель полезна для отладки загрузки, обработки мультимодальных сообщений, генерации и совместимости с Transformers; README не содержит сведений о лицензии, поэтому условия распространения и использования по этой карточке определить нельзя.

RioLee/ToolRM-Gen-Qwen3-4B-Thinking-2507 — плотная генеративная модель вознаграждения семейства ToolRM, созданная на базе Qwen3-4B-Thinking-2507 и дообученная для оценки работы агентов с инструментами. Она сравнивает пары ответов или действий агента и формирует критику, помогая выбрать лучший вариант. Модель также предназначена для Best-of-N отбора, самокоррекции и обучения с подкреплением на проверяемой обратной связи. Модель содержит 3,7 млрд параметров, принимает текст и поддерживает интерфейс вызова инструментов. В карточке указан английский язык; базовая модель имеет контекстное окно 262 144 токена. Однако ToolRM обучалась на максимальной длине входа 16 384 токена, поэтому более длинные запросы могут давать непредсказуемые результаты. Для генеративных оценок рекомендуется менять порядок сравниваемых ответов, чтобы снизить смещение позиции. Лицензия — CC BY-NC-SA 4.0.

thu-coai/vicuna-7b-v1.5-safeunlearning — контрольная точка Vicuna-7B-v1.5 после безопасного забывания, выполненного командой THU COAI. Модель обучали на 100 исходных вредоносных вопросах; заявленная цель — повысить устойчивость к различным атакам обхода защитных ограничений, сохранив сопоставимые общие возможности исходной модели. Это плотная авторегрессионная языковая модель семейства Llama с 6,6 млрд параметров, предназначенная для генерации текста. Она использует тот же формат запросов, что и Vicuna-7B-v1.5, и имеет контекст длиной до 4096 токенов. Репозиторий содержит веса в формате safetensors. Модель подходит для диалоговой генерации и изучения методов безопасного забывания. Устойчивость к обходу защиты заявлена авторами, но карточка не приводит количественных оценок; модель не гарантирует безошибочную блокировку вредоносных запросов. Лицензия — MIT.

vit_relpos_base_patch16_224.sw_in1k — модель классификации изображений семейства Vision Transformer, опубликованная в библиотеке timm. Вариант архитектуры ViT использует относительные позиционные эмбеддинги, не содержит токен класса и формирует итоговое представление усреднением токенов. Модель обучена на ImageNet-1k; в карточке указаны 86,4 млн параметров и размер входного изображения 224 × 224 пикселя. Модель предназначена для классификации изображений и может использоваться как визуальный backbone или для получения эмбеддингов изображений. Она поддерживает конвейер image-classification и распространяется в форматах PyTorch и safetensors. Лицензия — Apache-2.0. Карточка не описывает поддержку текстового или иных входов и не приводит измерений качества.

koppolusameer/yolo11n-basketball-court-keypoints — модель семейства YOLO11n-Pose, дообученная автором на наборе koppolusameer/basketball-keypoint-detection-yolov8 для обнаружения ориентиров баскетбольной площадки на кадрах трансляций. Она принимает изображение и выдаёт координаты 48 ключевых точек в пикселях вместе с оценками уверенности. Результаты можно использовать для последующей регистрации площадки и анализа видео; для преобразования пиксельных координат в координаты площадки отдельно нужны гомография и карта соответствия индексов точек местам на площадке. Модель основана на yolo11n-pose.pt и распространяется в формате PyTorch через Ultralytics. Лицензия — AGPL-3.0.

BaronLLM_Offensive_Security-abliterated-GGUF — языковая модель в формате GGUF, разработанная huihui-ai на основе AlicanKiraz0/BaronLLM_Offensive_Security_LLM_Q6_K_GGUF. Модель предназначена для генерации текста и ориентирована на сценарии, связанные с offensive security, исследовательским анализом и тестированием в контролируемой среде. Указана совместимость с llama.cpp и возможность запуска через Ollama. Это uncensored-версия исходной модели, полученная методом abliteration — экспериментальной процедурой удаления отказов без использования TransformerLens. В результате фильтрация контента существенно ослаблена, поэтому модель может генерировать чувствительные, спорные или небезопасные материалы. В README указаны английский язык и задача text-generation; сведения о точной архитектуре, количестве параметров, длине контекста, поддерживаемых модальностях и вычислительных требованиях отсутствуют. К сильным сторонам относятся отсутствие значительной части встроенных отказов и пригодность для исследовательских экспериментов, однако это одновременно является главным ограничением: модель не предоставляет гарантий безопасности, требует постоянного контроля и ручной проверки результатов и не рекомендуется для публичных или коммерческих приложений без дополнительных защитных механизмов. Модель распространяется по лицензии MIT; ответственность за законность и этичность использования лежит на пользователе.

Это модель классификации изображений на базе ConvNeXt Large с MLP-головой, представленная в библиотеке timm. Веса визуального энкодера CLIP предварительно обучены в OpenCLIP на LAION-2B, затем модель дообучена на ImageNet-12k и ImageNet-1k; автор карточки — Ross Wightman. Модель содержит около 200,1 млн параметров и рассчитана на изображения размером 320 × 320 пикселей. Модель предназначена для классификации изображений, а также может использоваться как визуальный бэкбон для извлечения карт признаков и эмбеддингов. В README приведены показатели ImageNet-1k: top-1 — 88,6%, top-5 — 98,7%. Репозиторий содержит веса PyTorch и safetensors и распространяется по лицензии Apache-2.0.

CrossViT Tiny 240 — модель классификации изображений и визуальный backbone семейства CrossViT, обученный авторами статьи на ImageNet-1k. Архитектура использует vision transformer с перекрёстным вниманием между признаками разных масштабов. Модель содержит 7 млн параметров; для входного изображения рекомендован размер 240 × 240 пикселей. Также её можно использовать для извлечения визуальных эмбеддингов. Модель подходит для классификации изображений на классы ImageNet-1k и получения признаковых представлений изображений. В метаданных указаны библиотека timm и форматы PyTorch и safetensors. Лицензия — Apache-2.0. Карточка не описывает ограничения по применению или известные недостатки.

timm/dla169.in1k — модель классификации изображений на основе архитектуры DLA (Deep Layer Aggregation), обученная авторами архитектуры на ImageNet-1k. Она предназначена для классификации изображений, извлечения карт признаков и получения векторных представлений изображений. Модель содержит 53,4 млн параметров; указан стандартный размер входного изображения 224 × 224 пикселя и вычислительная сложность 11,6 GMACs. Модель принимает изображения и выдаёт классы ImageNet-1k; промежуточные признаки и эмбеддинги доступны для использования в компьютерном зрении. Для применения к другим наборам классов может потребоваться дообучение. Репозиторий предоставляет веса в форматах PyTorch и safetensors, а лицензия — BSD-3-Clause.

smp-hub/dpt-large-ade20k — модель семантической сегментации изображений на архитектуре DPT, опубликованная на Hugging Face и обученная на датасете ADE20K. Для загрузки и запуска используется библиотека segmentation-models-pytorch; веса доступны в формате safetensors. Модель предназначена для разметки изображения по пикселям: она может относить области сцены к классам объектов и элементов окружения. Подходит для анализа сцен и визуализации сегментационных масок. Репозиторий опубликован под лицензией MIT.

Dream-Machine-08-09 — рекомендательная модель DreamMachine Research Team, представленная как Transformer dual-tower с multi-hash embeddings. Она предназначена для извлечения кандидатов и ранжирования товаров в системах рекомендаций: в карточке описаны многоканальный recall, повторное ранжирование с оценками CTR, CVR и времени взаимодействия, а также сценарии работы с каталогами масштаба до миллиарда объектов. Репозиторий содержит веса в формате safetensors и компоненты Transformers; для загрузки пользовательских классов указано использование trust_remote_code. В README приведены результаты на симулированных 1 000 товарах электронной коммерции: HR@10 — 1,0, NDCG@10 — 0,537, AUC — 0,4849. Эти результаты относятся к указанному тесту и сами по себе не подтверждают качество на реальном трафике. Модель принимает структурированные признаки объектов и пользователей и выдаёт представления для поиска и ранжирования; заявлены языки китайский и английский. Лицензия CC BY-NC 4.0 разрешает использование с некоммерческим ограничением.

Gelato-30B-A3B — мультимодальная модель для привязки текстовых инструкций к элементам графического интерфейса, разработанная ML Foundations. Она предназначена для компьютерных агентов, которым нужно находить на снимке экрана нужную кнопку, поле или другой элемент и указывать координаты для нажатия. Модель дообучена на Click-100k на базе Qwen/Qwen3-VL-30B-A3B-Instruct; её архитектура относится к семейству Qwen3-VL MoE, а веса опубликованы в формате safetensors. На вход модель принимает изображение и текстовую инструкцию, на выходе выдаёт нормализованные координаты клика в диапазоне [0, 1000]. В README приведены результаты на ScreenSpot-Pro и OS-World-G, включая уточнённую версию теста OS-World-G. Карточка указывает английский язык. Модель распространяется по лицензии Apache-2.0.