II.2Создание и понимание программного кода

Efferbach/segformer-finetuned-lane-10k-steps — сегментационная модель на архитектуре SegFormer, дообученная на наборе Efferbach/lane_master на базе nvidia/segformer-b0-finetuned-cityscapes-512-1024. Она предназначена для семантической сегментации изображений дороги с выделением фона и левой и правой полос. В оценке на тестовой выборке указаны mean IoU 0,4899 и mean accuracy 0,7371; для классов Left и Right приведены IoU 0,7371 и 0,7325 соответственно. Модель распространяется в формате PyTorch. Лицензия указана как other, поэтому конкретные условия использования следует сверить с материалами репозитория.

seresnext26d_32x4d.bt_in1k — сверточная модель классификации изображений из библиотеки timm, разработанная командой timm. Архитектура SE-ResNeXt-D сочетает остаточные блоки с групповыми свертками и механизмом Squeeze-and-Excitation, который учитывает важность каналов. Модель содержит 16,8 млн параметров и обучена на ImageNet-1k по рецепту Bag of Tricks с оптимизатором SGD с Nesterov и косинусным расписанием скорости обучения. Модель предназначена для классификации изображений и может служить сверточной основой для извлечения карт признаков и эмбеддингов изображений. В обучении использовались изображения размером 224 × 224 пикселя, для тестирования — 288 × 288. Репозиторий предоставляет веса в форматах PyTorch и safetensors; лицензия — Apache-2.0.

SHViT-S4 — модель классификации изображений и извлечения визуальных признаков на основе Single-Head Vision Transformer. Её обучили авторы исследования на ImageNet-1k; модель распространяется в формате PyTorch и Safetensors через библиотеку timm. Модель подходит для классификации изображений, получения карт признаков и визуальных эмбеддингов. В ней 16,6 млн параметров, вычислительная сложность составляет 1,0 GMAC, а рекомендуемый размер изображения — 256 × 256 пикселей. Архитектура SHViT использует однонаправленную голову внимания и рассчитана на эффективную обработку изображений. Веса выпущены по лицензии MIT. Качество модели ориентировано на классы ImageNet-1k; при использовании на других наборах изображений может потребоваться адаптация или проверка точности.

Sludge-small — это модель на 12 млн параметров из проекта Sludge, предназначенная для выявления возможных тёмных паттернов в интерфейсах. Она принимает дерево пользовательского интерфейса: дерево доступности, DOM с вычисленными стилями или иерархию AX — и возвращает метки для элементов, которые могут указывать на соответствующие паттерны, вместе с элементами-основаниями для проверки. Модель создана для анализа интерфейсов и поддержки проверки человеком, а не для вынесения юридических заключений о компаниях или продуктах. В тестах на синтетических данных с ранее не встречавшимися макетами модель показала micro-F1 0,917 и локализацию элементов 1,000; заявленная задержка составляет около 6,77 мс на экран. В README указаны 27 классов, включая классы, для которых необходим анализ потока экранов, а не отдельного экрана. Доступны экспорты Core ML, GGUF F16 и ONNX. Модель ориентирована на английские интерфейсы и выпущена под лицензией Apache-2.0. Результаты на синтетическом корпусе не оценивают точность на реальных интерфейсах. Отсутствие срабатываний не означает, что интерфейс соответствует требованиям; положения и выводы следует проверять по актуальным правовым текстам и с привлечением квалифицированного специалиста.

eugenehp/snac-24khz-rlx — экспортированный для RLX/Orpheus декодер SNAC с частотой дискретизации 24 кГц. Репозиторий содержит веса декодера в safetensors, конфигурацию и небольшие эталонные файлы для проверки соответствия. Это конверсия и перекладка весов исходного чекпойнта для использования через библиотеку RLX и компонент rlx-orpheus; базовая модель в доступных сведениях не названа. Модель предназначена для декодирования аудиокодековых представлений в аудио в составе речевого синтеза Orpheus. Основной файл весов занимает 75,6 МиБ. Указанная лицензия — MIT. Карточка не сообщает поддерживаемые языки, длину контекста или отдельные показатели качества.

Это исследовательский чекпойнт на базе диалоговой Meta Llama 2 7B Chat, сжатый методом SVD-LLM и затем изменённый итеративной перестановкой параметров по правилу gap_iter. Модель содержит около 6,6 млрд параметров, использует плотную архитектуру LlamaForCausalLM, формат safetensors и контекст до 4096 токенов; основная задача — генерация текста в диалоговом режиме. Чекпойнт создан для изучения того, как сжатие влияет на безопасность и полезность ответов, и для измерения восстановления поведения после сжатия. В README приведены метрики атак и избыточных отказов, но модель прямо обозначена как экспериментальный объект, а не универсальный чат-ассистент. Перед использованием результаты следует самостоятельно оценить. Лицензия указана как Llama 2.

test_convnext3.r160_in1k — очень компактная модель семейства ConvNeXt для классификации изображений и использования в качестве визуального backbone. Её разработал Ross Wightman в рамках PyTorch Image Models (timm); модель обучена на ImageNet-1k. В ней около 0,5 млн параметров, вычислительная сложность составляет примерно 0,1 GMAC, а указанный размер входного изображения — 160 × 160 пикселей. Модель подходит для распознавания объектов и категорий на изображениях, извлечения карт признаков и получения визуальных эмбеддингов. В README приведён результат Top-1 54,558% и Top-5 79,356% для варианта с размером изображения 192 пикселя; это указывает на тестовый характер чекпойнта и его ограниченную точность. Модель предназначена для тестирования и sanity checks, а не для требовательного распознавания. Распространяется по лицензии Apache-2.0.

testconvnext.r160in1k — очень маленькая модель классификации изображений семейства ConvNeXt из библиотеки timm, обученная Россом Уайтманом на ImageNet-1k. Она предназначена прежде всего для тестирования и проверки корректности работы моделей и пайплайнов компьютерного зрения. Модель содержит около 0,3 млн параметров и рассчитана на изображения размером 160 × 160 пикселей. Помимо классификации, её можно использовать как базовую сеть для извлечения карт признаков и эмбеддингов изображений. Доступны веса PyTorch и Safetensors; лицензия — Apache-2.0. Это тестовая модель с очень небольшим числом параметров, поэтому её не следует считать полноценным решением для точной классификации изображений в прикладных системах. Обучение описано для ImageNet-1k, и README указывает на назначение для тестов и проверок.

testvit.r160in1k — очень небольшая модель Vision Transformer для классификации изображений, разработанная Россом Уайтманом в рамках библиотеки PyTorch Image Models (timm). Она предназначена для тестирования и проверки корректности работы, а не для полноценного распознавания изображений в прикладных системах. Модель обучена на ImageNet-1k и принимает изображения размером 160 × 160 пикселей, выдавая классы изображений. В модели около 0,4 млн параметров; в репозитории доступны веса PyTorch и safetensors. Лицензия — Apache-2.0. Карточка также указывает возможность использовать модель как backbone для извлечения карт признаков и получать эмбеддинги изображений. Это тестовая модель с ограниченной практической точностью: приведённые в карточке метрики относятся к другим тестовым моделям, поэтому оценить качество этой модели по ним нельзя. Она подходит для проверок и экспериментов с классификацией изображений, но не заявлена как модель для производственного применения.

Jiqing/tiny-random-qwen2 — небольшая модель генерации текста из семейства Qwen2, опубликованная на Hugging Face под идентификатором Jiqing. По метаданным она предназначена для text-generation и работает через библиотеку Transformers; модель содержит около 39,6 млн параметров и поддерживает контекст длиной до 32 768 токенов.

katuni4ka/tiny-random-sd3 — небольшая тестовая модель в формате Diffusers, опубликованная пользователем katuni4ka на Hugging Face. Она реализует конвейер StableDiffusion3Pipeline и предназначена для генерации изображений по текстовым описаниям, а также для проверки совместимости библиотек и компонентов Stable Diffusion 3. Модель содержит около 336 тысяч параметров, использует формат Safetensors и тип тензоров F32. По сравнению с полноразмерными моделями Stable Diffusion 3 она предназначена прежде всего для тестирования загрузки и выполнения конвейера, а не для получения качественных изображений. В карточке модели не указаны поддерживаемые естественные языки, длина контекста и лицензия.

tt-x1_lr-lr4e6-30-30B — экспериментальный чекпойнт модели TaskTrove X1, созданный в ходе абляционного прогона с learning rate 4e-6. Он дообучен на базе Qwen/Qwen3-Coder-30B-A3B-Instruct с использованием агентного RL harness terminus-2; в обучающем сценарии применялись задачи из DCAgent/exp_rpt_multifile, проверка pytest и формирование награды по pass_ratio. Это разговорная MoE-модель для генерации текста, унаследовавшая от базовой модели назначение для программирования, агентных сценариев и работы с длинным контекстом до 262 144 токенов. Прогон остановил владелец на шаге 36 из 80 после падения награды до нуля на шагах 33–36. В качестве экспорта выбран чекпойнт global_step_30 — лучший по trailing-5 EMA среди сохранённых и последний здоровый перед коллапсом. Поэтому результат не является завершённым или валидным итогом эксперимента; его пригодность для практического применения не подтверждена. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия в предоставленных источниках не описана.

timm/vgg11_bn.tv_in1k — сверточная модель семейства VGG11 с пакетной нормализацией, представленная библиотекой timm. Она обучена на ImageNet-1k и предназначена для классификации изображений, а также может использоваться как основа для извлечения признаков и визуальных эмбеддингов. Модель содержит около 132,9 млн параметров; указанный размер входного изображения — 224 × 224 пикселя. Модель подходит для распознавания объектов из классов ImageNet и как визуальный backbone в задачах компьютерного зрения. Репозиторий содержит веса PyTorch в форматах PyTorch и safetensors. Лицензия — BSD 3-Clause. Карточка не описывает языковые возможности, поскольку модель работает с изображениями.

Модель vit_mediumd_patch16_rope_reg1_gap_256.sbb_in1k — Vision Transformer для классификации изображений и извлечения визуальных признаков, представленная в экосистеме timm. Она обучена на ImageNet-1k и использует патчи 16×16, rotary position embeddings (RoPE), регистровые токены и global average pooling. Размер входного изображения — 256×256; модель содержит 63,9 млн параметров и требует около 16,3 GMACs на проход. Модель подходит для классификации изображений по категориям ImageNet, получения признаковых карт и визуальных эмбеддингов, а также как backbone в компьютерном зрении. В сравнении с указанными вариантами timm README приводит результаты top-1 до 86,2% и top-5 до 97,9% для соседней модели, но не устанавливает эти показатели для данного чекпойнта. README не сообщает об ограничениях применения; лицензия репозитория — MIT.

WortegaLM — языковая модель на архитектуре GPT-Neo, разработанная автором репозитория AlexWortega и обученная с нуля. В карточке указано, что обучение проходило на корпусе объёмом около 95 ГБ с кодом, публикациями на Хабре и Пикабу, а также новостями; метаданные указывают размер 122,1 млн параметров и контекст 2048 токенов. Модель предназначена для генерации текста и решения простых задач, в том числе для студенческих проектов. В метаданных отмечена возможность работы с кодом, а карточка описывает обучение на русскоязычных источниках. Автор предупреждает, что модель не подходит для zero-shot и few-shot сценариев. Лицензия — Apache-2.0.

AIOKiet/atod-acdc-b0-yolov8s — модель обнаружения объектов на базе YOLOv8s, подготовленная как исходный B0-бейзлайн для экспериментов ATOD-Generalization. Она предназначена для поиска объектов на изображениях в условиях, представленных датасетом ACDC; обучение проведено на 1 600 изображениях, проверка — на 406. Модель распознаёт восемь классов, включая людей, велосипедистов и автомобили. В репозитории сохранён чекпойнт PyTorch best.pt. Для оценки автор повторно проверял лучший чекпойнт на валидационном разбиении ACDC; указанные метрики составляют precision 0,561, recall 0,397 и mAP50 0,403. Модель использует Ultralytics 8.4.160. Лицензия в предоставленных данных не указана.

BananaMind FaceDetect V1 — ранняя модель обнаружения лиц от Banaxi Tech. Она построена на SSDLite320 с MobileNetV3 Large и предоставляется через совместимую с Hugging Face Transformers обёртку для torchvision. Модель обучена с нуля на наборе WIDER FACE, без предварительно обученных весов основы; классы модели — фон и лицо. Модель принимает RGB-изображения и предназначена для обнаружения лиц и их рамок, в том числе в сценах с различным масштабом, ракурсом и перекрытиями. Входной размер детектора — 320 пикселей; крошечные лица могли быть исключены из обучения. Модель может пропускать мелкие лица и выдавать дублирующиеся или неполные рамки в сложных случаях, поэтому подходит прежде всего для экспериментов, а не как замена более точным предварительно обученным детекторам. Лицензия модели — CC-BY-NC-ND-4.0; карточка также указывает на ограничения лицензии набора WIDER FACE. Коммерческое использование и создание производных работ ограничены условиями лицензии.

priyaganesh2050/bert-tiny — зеркало компактной модели BERT, представляющее собой неизменённую копию prajjwal1/bert-tiny. Модель разработана авторами исходного чекпойнта; в копии сохранена лицензия MIT. Архитектура включает 2 слоя, размер скрытого представления 128 и 2 attention heads; всего около 4,4 млн параметров. Модель работает с текстом на английском языке и поддерживает контекст до 512 токенов. Чекпойнт предназначен для задачи fill-mask: предсказания пропущенных токенов в тексте. Небольшой размер позволяет запускать её на CPU и использовать для учебных примеров, тестирования обучающих циклов и CI, а также как лёгкую базовую модель для развёртывания на устройствах с ограниченными ресурсами. README также показывает загрузку через Transformers как модели для получения представлений текста. Из-за малой глубины модель уступает более крупным BERT по качеству и не подходит для сценариев NLP, чувствительных к точности. Копия распространяется по лицензии MIT; README указывает, что авторство исходной модели принадлежит её разработчикам.

FrancescoMrn/cnn-fkp-baseline — свёрточная нейросеть для регрессии 68 лицевых ключевых точек в порядке разметки iBUG 300-W. Модель принимает уже выделенный фронтальный снимок лица в градациях серого размером 224×224, масштабированный в диапазон [0, 1], и выдаёт 68 нормализованных пар координат (x, y); координаты можно преобразовать в пиксели относительно исходного кадрирования. Модель предназначена для локализации ориентиров лица, например контура челюсти и бровей. Она обучена на наборе Udacity, извлечённом из YouTube Faces Database, с разметкой 68 точек; при проверке с разделением по идентичностям указана NME 0,3172. Это базовая CNN-архитектура, реализованная на PyTorch, веса доступны в формате safetensors. Лицензия — MIT; автор указывает исследовательское и образовательное применение. Модель ожидает предварительно обнаруженное лицо и не предназначена для самостоятельного поиска лиц в кадре. Данные обучения демографически несбалансированы; качество для профильных лиц, сильных перекрытий и необычного освещения не проверялось.

cs3darknet_l.c2ns_in1k — сверточная модель классификации изображений и извлечения визуальных признаков из семейства CS3-DarkNet, разработанная и обученная в библиотеке timm. Модель обучена на ImageNet-1k; в карточке указаны 21,2 млн параметров и размеры изображений 256 × 256 для обучения и 288 × 288 для тестирования. Модель подходит для классификации изображений и как визуальный backbone: можно извлекать карты признаков и эмбеддинги для дальнейших задач компьютерного зрения. Архитектура использует подход Cross-Stage-Partial с тремя свёртками. Обучение проводилось с оптимизатором SGD с Nesterov, адаптивным ограничением градиента и косинусным расписанием скорости обучения с разогревом. Модель принимает изображения и выдаёт метки классов либо визуальные признаки в зависимости от способа использования. Карточка не приводит конкретных показателей качества. Распространяется по лицензии Apache-2.0.

cs3darknet_m.c2ns_in1k — сверточная модель классификации изображений и извлечения признаков из семейства CS3-DarkNet, опубликованная в библиотеке timm. Она обучена на ImageNet-1k и может использоваться как классификатор изображений, базовая сеть для получения карт признаков и источник визуальных эмбеддингов. Модель содержит 9,3 млн параметров и требует изображения размером 288 × 288 при тестировании; обучение проводилось на изображениях 256 × 256. В обучении применялась схема ResNet Strikes Back C без repeat-augmentation, с усиленным mixup, оптимизатором SGD с Nesterov, адаптивным ограничением градиентов AGC и косинусным расписанием скорости обучения с разогревом. Вариант ns не использует stochastic depth. Модель распространяется под лицензией Apache-2.0. Карточка не сообщает о специализированной поддержке языков или других модальностей помимо изображений.

customer-support-intent-albert — модель на базе ALBERT, дообученная для классификации намерений в сообщениях клиентов. Она предназначена для маршрутизации обращений в службе поддержки и определения типа запроса по тексту. Модель использует архитектуру AlbertForSequenceClassification и принимает последовательности длиной до 512 токенов. Для дообучения использован датасет bitext/Bitext-customer-support-llm-chatbot-training-dataset; в карточке указаны точность 0,9988 и значение функции потерь 0,0154 на оценочной выборке. Модель разработана автором репозитория vineetsharma на основе albert/albert-base-v2. Доступны веса в форматах PyTorch и safetensors. Лицензия — Apache-2.0. В карточке не описаны метки классов и подробности оценки, поэтому заявленную точность нельзя напрямую переносить на другие наборы данных или реальные обращения.

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

Это детектор объектов Ultralytics YOLO26l, дообученный в DetectionBench на наборе ExDark для распознавания объектов на тёмных и ночных изображениях. Он предназначен для обнаружения 12 классов: велосипедов, лодок, бутылок, автобусов, автомобилей, кошек, стульев, чашек, собак, мотоциклов, людей и столов. Модель принимает изображения и выдаёт рамки объектов с классами и оценками уверенности. На тестовой части ExDark указаны mAP@50 77,51% и mAP@50–95 50,88%. Результаты следует трактовать с учётом небольшого размера набора и сильного дисбаланса классов: на People приходится около 46% размеченных объектов, а Bus встречается редко. Данные были предварительно преобразованы сторонним экспортом Roboflow и уменьшены до 640×640. Репозиторий распространяется по лицензии AGPL-3.0. Авторы исходного набора ExDark отдельно указывают на некоммерческое использование; это ограничение распространяется и на обученные на нём модели.

mlx-community выпустил порт модели BiSeNet для сегментации лица на Apple MLX. Это модель семантической сегментации с backbone ResNet18: она размечает изображение по 19 классам CelebAMask-HQ, включая фон, кожу, губы и рот. Модель применяется в MuseTalk для построения маски смешивания при композитинге перегенерированной области рта обратно в видеокадр. Репозиторий содержит только веса в формате MLX-native bf16 safetensors; архитектура модели находится в приложении-потребителе. README сообщает о совпадении итоговой карты классов с PyTorch-эталоном на фиксированном входе. Указанный размер входа — 512 пикселей. Модель основана на BiSeNet из zllrunning/face-parsing.PyTorch, распространённом через TMElyralab/MuseTalk; метаданные указывают лицензию MIT.

GC-ResNeXt26ts.ch_in1k — модель классификации изображений из библиотеки timm, разработанная Россом Уайтманом и обученная на ImageNet-1k. Она основана на ResNeXt с механизмом внимания Global Context и реализована настраиваемой архитектурой BYOBNet. Модель содержит около 10,5 млн параметров и требует 2,4 GMACs. В архитектуре используются трёхслойный stem, активации SiLU и блоки ResNeXt; заявленные размеры изображений при обучении и тестировании — 256×256 и 288×288. Помимо классификации модель можно применять как основу для извлечения карт признаков и эмбеддингов изображений. Для использования доступны веса PyTorch и safetensors; лицензия — Apache-2.0. Обучение проведено на ImageNet-1k, поэтому качество на изображениях вне этого распределения может отличаться; в карточке не приведены метрики качества.

yujiepan/gemma-4e-tiny-random — крошечная случайно инициализированная отладочная модель, созданная на основе конфигурации Google Gemma 4 E4B IT. Модель реализована для библиотеки Transformers и поддерживает мультимодальные входы, включая текст, изображения, аудио и видео, с генерацией текстовых ответов. Размер файла весов model.safetensors составляет около 9,5 МБ; конфигурация существенно уменьшена по сравнению с исходной моделью и включает урезанные текстовый, зрительный и аудиомодули.

gernet_m.idstcv_in1k — модель классификации изображений семейства GENet (GPU-Efficient-Networks), обученная авторами статьи на ImageNet-1k. Архитектура реализована в библиотеке timm как конфигурация BYOBNet, которая позволяет задавать структуру блоков и стадий, схему stem, выходной stride, функции активации и нормализации, а также механизмы внимания. Модель предназначена для классификации изображений и может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов. Она содержит 21,1 млн параметров, требует около 3,0 GMACs и рассчитана на вход размером 224 × 224 пикселя. Репозиторий распространяет веса в форматах PyTorch и safetensors; лицензия — Apache-2.0.

GLM-5.2-SIQ-Fruit-bf16 — вариант модели GLM-5.2-SIQ-Fruit в формате BF16, подготовленный как CPU-совместимый путь проверки и интеграции. Карточка описывает модель как serving proxy и фикстуру CI, а не как универсального ассистента. Для загрузки используется Transformers; GPU не требуется. Метаданные указывают архитектуру GLM MoE и класс GlmMoeDsaForCausalLM, лицензию MIT и контекст до 65 536 токенов. README сообщает, что исходный чекпойнт содержит 5,04 млрд параметров, из которых активно 0,46 млрд на токен, но при загрузке этой версией Transformers загружается 4,57 млрд параметров; это расходится с метаданными, где указано 294,9 млн параметров. Модель предназначена для проверки поведения и CPU-интеграции, а также для тестовых генераций текста. В README указан пример продолжения истории в стиле TinyStories. Заявлены английский и китайский языки. При стандартной загрузке используются плотное внимание и MoE-веса, тогда как индексатор DSA и слой MTP игнорируются, поэтому этот вариант не проверяет разреженное внимание для длинного контекста, деквантование SIQ/Trellis, низкоточные KV-кэши или спекулятивное декодирование MTP. Для этих возможностей README рекомендует отдельную SIQ-сборку с совместимыми b12x/SparkInfer и vLLM. Исправленная ревизия конфигурации выставляет RoPE theta в 500 000; веса при этом не менялись.

canada-quant разработала GLM-5.3-Flash-DFlash2-E — компактную черновую модель DFlash2 для ускорения генерации текстовой модели GLM-5.3-Flash с помощью спекулятивного декодирования. Она использует 8 декодерных слоёв с полной attention и Qwen3-подобной архитектурой; размер — 2,2 млрд параметров. Модель принимает текстовые промпты и выдаёт черновые текстовые токены для проверки целевой моделью. В метаданных указан контекст до 1 048 576 токенов, однако описанная конфигурация сервинга рассчитана на 262 тыс. токенов. Модель обучена дообучением предыдущего черновика на самостоятельно сгенерированных целевой GLM-5.3-Flash примерах. README приводит замеры длины принятого блока и скорости генерации на H200 и DGX Spark, а также сравнение с другими черновиками. Это специализированный компонент для связки с GLM-5.3-Flash в vLLM, а не самостоятельная чат-модель. Для работы нужны совместимая целевая модель и стек сервинга с поддержкой DFlash2 и особенностей полной attention; в README отмечены обязательный файл mask_embedding.pt и конфигурация с 7 speculative tokens. Лицензия — Apache-2.0.