II.2Создание и понимание программного кода

Карточка модели mdagosta/waldito-python-basics-v1-r0011-u0-mdagosta на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0011-u1-mdagosta на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0014-u1-mdagosta-b на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0014-u2-mdagosta на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Это набор весов текстового энкодера T5, опубликованный XLabs AI для использования в проектах FLUX. Репозиторий содержит веса Google T5; модель предназначена для кодирования текстовых подсказок в составе конвейера генерации изображений, а не для самостоятельной генерации изображений. В метаданных Hugging Face указаны архитектура T5EncoderModel, около 5,8 млрд параметров, английский язык и лицензия Apache-2.0. Данные карточки описывают только энкодер и не устанавливают длину контекста или его отдельные показатели качества. Хотя карточка размечена как text-generation, назначение весов — кодирование текста.

keremberke/yolov8n-csgo-player-detection — модель компьютерного зрения на базе Ultralytics YOLOv8n, опубликованная пользователем keremberke. Она предназначена для обнаружения игроков и их голов на изображениях из Counter-Strike: Global Offensive, различая команды CT и T. Модель выдаёт рамки объектов и метки классов ct, cthead, t и thead; работает с библиотекой Ultralytics и опубликована в формате PyTorch. Модель подходит для анализа игровых кадров, подсчёта и локализации игроков, а также для прототипов компьютерного зрения по сценам CS:GO. В метаданных указан датасет keremberke/csgo-object-detection. Размер модели, длина контекста и поддерживаемые естественные языки неприменимы к этой задаче. Условия лицензии в предоставленных данных не указаны.

keremberke/yolov8n-forklift-detection — модель компьютерного зрения на архитектуре YOLOv8, опубликованная под именем Keremberke и предназначенная для обнаружения погрузчиков и людей на изображениях. Она использует библиотеку Ultralytics и формат PyTorch; карточка указывает классы forklift и person и датасет keremberke/forklift-object-detection. Модель подходит для мониторинга складских и производственных зон, где нужно находить погрузчики и людей в кадре. Сведения о размере модели и лицензии в доступных данных отсутствуют.

BananaMind-2-Pro — базовая языковая модель, разработанная BananaMind и обученная с нуля. Это 138,9-миллионная decoder-only Transformer-модель с 24 слоями, группированным многозапросным вниманием, QK-нормализацией, RoPE, SwiGLU и RMSNorm. Предобучение охватило около 100 млрд токенов; модель использует собственный байтовый BPE-токенизатор на 32 768 токенов с обработкой чисел и контекстное окно на 3 072 токена. Модель предназначена для продолжения текста, изучения небольших языковых моделей и токенизаторов, оценки арифметических способностей и обучения специализированных моделей на её основе. Это базовая модель, а не чат-модель: она не предназначена для надёжного следования инструкциям. В карточке указаны англоязычные обучающие данные и наборы FineWeb-Edu, DCLM, SmolLM Corpus и FineMath; основные языковые возможности за пределами английского не охарактеризованы. Результаты тестов приведены разработчиком и могут зависеть от конфигурации оценки. Для загрузки требуется Transformers с кодом репозитория и параметром trust_remote_code=True. Лицензия обозначена как other, поэтому перед использованием следует проверить условия в репозитории. Модель не следует использовать для медицинских, юридических, финансовых и других критически важных решений.

Ricardo-H/BehR-WorldModel-Webshop-Qwen2.5-7B — дообученная текстовая модель на архитектуре Qwen2.5-7B с 7,1 млрд параметров, предназначенная для моделирования среды WebShop. По истории взаимодействий агента и его следующему действию она предсказывает следующее текстовое наблюдение среды, позволяя симулировать WebShop для запусков и оценки агентов. Модель работает через Transformers; веса сохранены в формате safetensors, заявленная длина контекста — 131 072 токена. Модель ориентирована на исследования мировых моделей и симуляцию агентов в текстовых средах. В статье её оценивают на WebShop по точному совпадению на одном шаге, успешности выполнения задач и согласованности поведения. Проверка ограничена WebShop: за его пределами поведение не подтверждено, а предсказанные наблюдения могут быть правдоподобными, но фактически неверными, поэтому их нельзя считать достоверными сведениями о реальной среде. Модель наследует смещения и ограничения Qwen2.5-7B и базовой мировой модели. Лицензия указана как other; конкретные условия следует проверять в карточке репозитория.

Карточка модели yu281847972/bigvgan_v2_22khz_80band_256x на Hugging Face совпадает с карточкой nvidia/bigvgan_v2_22khz_80band_256x, поэтому описание составлено по ней. BigVGAN-v2 — нейронный вокодер, разработанный Sang-gil Lee, Wei Ping, Boris Ginsburg, Bryan Catanzaro и Sungroh Yoon. Этот репозиторий содержит вариант с частотой дискретизации 22 кГц, 80 мел-полосами и коэффициентом повышения частоты 256×. Модель генератора имеет архитектуру BigVGAN; размер конкретного чекпойнта в предоставленных данных не указан. Модель принимает мел-спектрограмму и синтезирует из неё звуковую волну. Она предназначена для вокодирования речи и других аудиосигналов; обучение BigVGAN-v2 охватывало речь на разных языках, окружающие звуки и музыкальные инструменты. Для ускорения инференса предусмотрено CUDA-ядро, но его сборка требует CUDA, nvcc и ninja. Репозиторий опубликован по лицензии MIT.

Карточка модели Kremon96/bigvgan_v2_44khz_128band_512x на Hugging Face совпадает с карточкой nvidia/bigvgan_v2_44khz_128band_512x, поэтому описание составлено по ней. BigVGAN-v2 — нейронный вокодер, разработанный Sang-gil Lee, Wei Ping, Boris Ginsburg, Bryan Catanzaro и Sungroh Yoon. Эта версия принимает мел-спектрограмму с 128 полосами и синтезирует аудиоволну с частотой дискретизации 44 кГц; коэффициент увеличения частоты дискретизации составляет 512. В модели 122 млн параметров, она обучена на крупной компиляции аудиоданных и не является дообучением другой модели. Модель предназначена для преобразования мел-спектрограмм в аудио, например, как компонент систем синтеза речи и других аудио-генеративных конвейеров. Обучение включало разные типы аудио: речь на нескольких языках, окружающие звуки и музыкальные инструменты. Для ускорения вывода доступно CUDA-ядро; README сообщает об ускорении в 1,5–3 раза на GPU A100. Для его сборки нужны CUDA, nvcc и ninja. Модель распространяется по лицензии MIT.

tue-mps/cityscapes_semantic_eomt_large_1024 — модель сегментации изображений на архитектуре EoMT (Encoder-only Mask Transformer), разработанной для высококачественной и эффективной сегментации. EoMT основана на Vision Transformer и предназначена для выделения и классификации областей изображения; архитектура поддерживает семантическую, экземплярную и паноптическую сегментацию с соответствующей постобработкой. Этот чекпойнт ориентирован на семантическую сегментацию городских сцен из Cityscapes. Модель содержит 402,7 млн параметров и доступна в форматах PyTorch и Safetensors для библиотеки Transformers. Веса распространяются по лицензии MIT. README не сообщает точные классы разметки или метрики качества этого чекпойнта.

Construction-Hazard-Detection — набор моделей компьютерного зрения для обнаружения объектов и нарушений безопасности на строительных площадках. В репозитории представлены модели YOLO26 и более ранние чекпойнты YOLO11 в форматах PyTorch и ONNX, а также TensorRT-артефакты с квантизацией INT8 и смешанной точностью; для запуска используется Ultralytics. Размеры вариантов YOLO26 в таблице составляют примерно 2,5 млн, 10 млн и 21,8 млн параметров. Модели принимают изображения и находят людей, средства индивидуальной защиты и связанные с площадкой объекты: каски, маски, сигнальные жилеты, конусы, технику, столбы и транспорт. Они предназначены для прототипирования систем мониторинга охраны труда на стройке. Валидация проведена на 6 664 изображениях; это результаты на исходной валидационной выборке, а не независимом тесте. Точность зависит от условий съёмки и конкретной площадки, поэтому перед применением необходима локальная проверка и человеческий контроль. TensorRT-движки привязаны к аппаратному обеспечению и версиям среды. Лицензия — AGPL-3.0.

ilsp/CoRM-182M-top1 — чекпойнт семейства CoRM, разработанный в рамках работы «Beyond Magnitude: Contrastive Routing for Modular Mixture-of-Experts». Это причинная языковая модель с архитектурой смеси экспертов и контрастной маршрутизацией; в варианте top-1 для каждого токена выбирается один эксперт. В метаданных указано 143,1 млн параметров, а в README — 777 млн общих и 182 млн активных параметров, поэтому оценки размера расходятся. Модель предназначена для генерации текста и экспериментов с модульными архитектурами MoE. Она использует 12 слоёв, скрытый размер 768, 12 голов внимания с GQA и 4 KV-головами; длина контекста — 1024 токена. Для загрузки в Transformers требуется включить доверенную пользовательскую реализацию кода. Лицензия — Apache-2.0. README представляет модель как чекпойнт к исследовательской работе, поэтому она подходит прежде всего для изучения и экспериментального использования; сведений о языках и качестве на прикладных задачах в доступных данных нет.

Это дообученная модель YOLOv11n-pose, созданная для обнаружения площадки для бадминтона и локализации её 30 ключевых точек на кадре. Она основана на yolo11n-pose.pt, использует библиотеку Ultralytics и выдаёт координаты одной площадки как одного объекта с классом item. Модель предназначена для анализа одиночных broadcast-кадров: найденные точки можно сопоставить с координатами площадки и вычислить перспективную гомографию между изображением и реальной плоскостью корта. Это позволяет переводить пиксельные координаты игроков и волана в координаты площадки для последующего тактического анализа. Модель не рассчитана на произвольные ракурсы, разметку площадки для парной игры или обнаружение ключевых точек вне контекста бадминтона. Приведённые метрики получены на небольшой валидационной выборке и не гарантируют качество на других камерах и площадках. Лицензия — AGPL-3.0.

Jesse020202/cppe5_setup_on_roadsign_test — модель обнаружения объектов, созданная дообучением Conditional DETR с ResNet-50 от Microsoft на неизвестном наборе данных. Она принимает изображения и предсказывает классы объектов и их ограничивающие рамки; название репозитория указывает на возможную настройку для дорожных знаков, но README этого не подтверждает. Модель представлена в формате safetensors и доступна по лицензии Apache-2.0. В README приведено значение loss 1.4669 на тестовой выборке, однако сведений о составе данных и практическом качестве обнаружения нет.

DeepSeek-Prover-V1 — языковая модель DeepSeek для формального доказательства математических теорем в Lean 4. Это плотная авторегрессионная модель семейства Llama с 6,5 млрд параметров и контекстом 4096 токенов. Она дообучена на DeepSeekMath 7B с использованием синтетического набора из 8 млн формальных утверждений и доказательств, созданных по задачам математических олимпиад и курсового уровня. Модель предназначена для генерации полных доказательств и поддержки поиска доказательств в Lean 4. В README сообщается о результатах на бенчмарках miniF2F и FIMO; это экспериментальные оценки, зависящие от числа сэмплов и метода поиска. Репозиторий содержит веса в формате safetensors и имеет лицензию `other`; условия лицензии следует проверять в карточке модели перед использованием.

DPN-92 — сверточная модель классификации изображений семейства Dual-Path Net, обученная авторами статьи на ImageNet-1k в MXNet и перенесённая в PyTorch Россом Уайтманом. Модель предназначена для классификации изображений, извлечения карт признаков и получения эмбеддингов изображений. В модели около 37,7 млн параметров; вычислительная сложность составляет 6,5 GMACs. Указанный размер входного изображения — 224 × 224 пикселя. Модель доступна через библиотеку timm в форматах PyTorch и safetensors. Лицензия репозитория — Apache-2.0. Обучение на ImageNet-1k делает модель подходящей для классификации объектов из набора категорий ImageNet и использования как основы для извлечения визуальных признаков. Карточка не сообщает о поддержке других модальностей или специализированных предметных областях.

Lanni-ni/dynamic_alibi_4_6_384_babylm_10m_seed44_epoch1 — небольшая модель генерации текста из экосистемы Hugging Face, доступная для работы через библиотеку Transformers. В метаданных указано 27,6 млн параметров; название модели содержит обозначения dynamic_alibi и BabyLM, однако README не раскрывает подробности архитектуры, разработчика, обучающих данных или процедуры обучения. Модель предназначена для генерации продолжений текста и исследовательских экспериментов с компактными языковыми моделями. Благодаря небольшому размеру она может быть удобна для локального запуска, прототипирования и обучения, однако конкретные языки, длина контекста, качество на тестах и условия лицензирования в предоставленных данных не подтверждены. README не содержит результатов оценки, примеров использования, описания ограничений или рекомендаций по применению. Поэтому модель следует рассматривать как экспериментальный checkpoint, а перед использованием в прикладных системах необходимо самостоятельно проверить качество, безопасность и совместимость с целевыми данными.

TanBaby/EAGLE3-LLaMA3.1-Instruct-8B-YARN-64K — плотная модель семейства LLaMA, разработанная на основе yuhuili/EAGLE3-LLaMA3.1-Instruct-8B. Веса дообучены, а позиционные представления расширены методом YARN для контекста до 65 536 токенов. Модель предназначена для работы как черновая модель в self-speculative decoding при генерации длинных текстов. Она поддерживает генерацию текста на английском языке; в метаданных указано 743,4 млн параметров, а файлы представлены в формате safetensors. Это специализированный компонент для ускорения генерации в схеме SpecPV, а не самостоятельная универсальная чат-модель. Модель распространяется по лицензии Apache-2.0.

EEGNet-GNN feature extractor — модель на базе EEGNet с графовой свёрткой вместо пространственной depthwise-свёртки второго слоя. Она обрабатывает сигналы ЭЭГ, учитывая физическое расположение электродов на коже головы: каждый электрод агрегирует признаки от соседних, а остаточный путь сохраняет локальную информацию. Модель останавливается после слоя усреднения и развёртки и выдаёт вектор признаков; классификационную голову можно добавить отдельно. При настройках по умолчанию F1=6, F2=12, pool1=4, pool2=8 и n_times=1000 размер вектора равен 372. Модель предназначена для извлечения признаков из ЭЭГ, в частности для задач интерфейсов мозг—компьютер и моторного воображения. Сохраняет временные и разделимые свёрточные слои стандартного EEGNet, заменяя только пространственный слой графовой операцией с симметрично нормализованной матрицей смежности. Поддерживаются варианты чтения графовых признаков weighted, attention и mean, а также обучаемая смежность; параметр spatial="depthwise" позволяет восстановить исходный слой EEGNet для сравнения. Для обучения модель следует обучать целиком; замораживание случайно инициализированной основы без предобученных весов, согласно карточке, сводит её к классификации случайных проекций. Репозиторий опубликован с лицензией MIT. В карточке не приведены заявленные метрики итоговой точности или перечень поддерживаемых наборов электродов.

EMA-VQGAN-16384-f8-d256 — официально предобученная модель первого этапа проекта TextArtT5, разработанная авторами этого проекта. Она преобразует изображения в дискретные визуальные токены и предназначена для квантования изображений и использования как визуальный токенизатор в генеративном конвейере TextArtT5. Модель основана на VQGAN с кодовой книгой из 16 384 векторов, коэффициентом уменьшения разрешения 8 и латентной размерностью 256. Она кодирует изображение 256 × 256 × 3 в сетку токенов 32 × 32; в README указано около 94,5 млн параметров и валидационный rFID 2,21. Веса опубликованы в формате safetensors под лицензией Apache-2.0. Для использования требуются классы архитектуры из основного репозитория TextArtT5. Модель обучалась на объединённом наборе данных ImageNet, Conceptual Captions (CC3M), MS-COCO, Flickr и CelebA/CelebA-Dialog. Это визуальный дискретный токенизатор, а не самостоятельная текстовая модель или полный генератор изображений; Stage 2 проекта реализует отдельный авторегрессионный трансформер.

EraX AI представила экспериментальную гибридную языковую модель на базе Meta-Llama-3.1-8B-Instruct. В отдельных слоях использованы Multi-Head Latent Attention (MLA) и Mixture of Experts (MoE); веса исходных слоёв перенесены, а новые компоненты частично инициализированы случайно. В репозитории указаны 7,5 млрд параметров, контекст 131 072 токена и формат safetensors для библиотеки Transformers. Модель предназначена для генерации текста и диалогов, однако авторы называют её «сырой» и пишут, что для раскрытия возможностей требуется продолжительное предобучение и дообучение на многоязычных и многодоменных данных. Поэтому качество готовой модели не следует считать подтверждённым. Указана лицензия MIT.

FastViT-SA36 — модель классификации изображений и визуальная backbone-модель, обученная авторами статьи FastViT на ImageNet-1k. Репозиторий timm/fastvit_sa36.apple_in1k содержит вариант с 31,5 млн параметров; модель рассчитана на изображения размером 256 × 256 пикселей и требует около 5,6 GMACs на проход. Архитектура FastViT сочетает свёрточные и трансформерные компоненты и использует структурную репараметризацию. Модель предсказывает классы изображений и может использоваться как основа для извлечения карт признаков и эмбеддингов изображений. Это подходит для классификации объектов на изображениях и получения визуальных признаков для последующих задач компьютерного зрения. Обучение проведено на ImageNet-1k; описанный набор классов и качество вне этого распределения могут ограничивать применение. В карточке указана лицензия other с требованием соблюдать исходную лицензию FastViT. Перед использованием следует проверить условия исходной лицензии.

Это экспериментальная текстовая донастройка Gemma 4 E2B IT, созданная автором herooooooooo методом supervised fine-tuning на очищенных трассах сессий coding-agent pi из кодовой базы badlogicgames/pi-mono. Модель предназначена для диалогов в стиле агента программирования: она обучалась на примерах, где вызовы инструментов представлены текстом, а результаты инструментов включены в контекст пользователя. В основе — мультимодальная Gemma 4 E2B IT от Google, однако обучение и оценки этой версии проводились только на тексте; мультимодальные входы Gemma не дообучались и не оценивались. В README приведены результаты HumanEval и MBPP с точностью 0,0, поэтому модель не показала пригодности для решения этих тестов. Обучающий набор получен из одной кодовой базы, что ограничивает переносимость на другие проекты и стили взаимодействия. Лицензия в предоставленных данных не указана.

yujiepan/gemma-2-tiny-random — отладочная модель, случайно инициализированная на основе конфигурации Google Gemma 2 27B IT. Она предназначена для проверки кода, загрузки и совместимости компонентов Transformers, а не для решения прикладных задач генерации текста. Модель использует архитектуру Gemma 2 для причинного языкового моделирования, библиотеку Transformers и задачу text-generation. В конфигурации указаны 2,1 млн параметров и контекст до 8192 токенов; архитектура включает 2 декодерных слоя, уменьшенные скрытые и промежуточные размерности, Grouped-Query Attention и совместное использование весов эмбеддингов. Модель рассчитана на текстовый ввод и вывод. Главное преимущество — минимальный размер, удобный для отладки, тестирования пайплайнов и экспериментов с конфигурацией Gemma 2. Поскольку веса случайные и обучение не проводилось, модель не предназначена для качественной генерации, диалогов или использования в продуктивных системах. Лицензия в предоставленных данных не указана.

Это веса MTP-драфтера, подготовленные сообществом mlx-community для ускорения генерации Gemma 4 12B с помощью спекулятивного декодирования в MLX и mlx-vlm. Модель предлагает кандидаты следующих токенов, которые затем проверяет совместимая целевая модель Gemma 4 12B; отдельно для диалога или генерации текста этот репозиторий не предназначен. Архитектура — Gemma4UnifiedAssistantForCausalLM, точность bf16, формат Safetensors. Драфтер рассчитан на текстовую генерацию; целевая модель может поддерживать мультимодальные запросы, но этот репозиторий содержит только веса драфтера. Для работы нужны совместимая целевая контрольная точка Gemma 4 12B и поддержка MTP в mlx-vlm. Применяются условия лицензии Gemma.

yujiepan/gemma-4-dense-tiny-random — экспериментальная мультимодальная модель, созданная на основе конфигурации Google Gemma 4 31B-it и предназначенная для отладки. Модель случайно инициализирована, поэтому её ответы не имеют практического качества и не отражают возможности исходной Gemma 4. В метаданных Hugging Face указаны библиотека Transformers и задача image-text-to-text. Архитектура включает языковую и визуальную части: четыре текстовых слоя внимания и два слоя визуального энкодера с уменьшенными размерностями. Модель рассчитана на обработку текстовых запросов совместно с изображениями; пример в README также демонстрирует работу с видео. Размер файла весов model.safetensors составляет около 4,6 МБ. Модель подходит для проверки загрузки, процессинга, генерации и интеграции мультимодальных архитектур Gemma 4 в Transformers, но не для прикладных ответов, распознавания изображений или видео. Лицензия в предоставленных данных не указана.

google/gemma-4-E4B-it-assistant — вспомогательная модель-драфтер семейства Gemma 4 от Google DeepMind для ускорения генерации методом speculative decoding. Она предлагает несколько следующих токенов, которые основная модель проверяет параллельно; при использовании в таком конвейере это может ускорить декодирование до 3 раз при сохранении тех же результатов, что и обычная генерация. Это не самостоятельная чат-модель: практическая польза чекпойнта — снижение задержки при работе совместно с целевой моделью Gemma 4. В карточке семейство Gemma 4 описано как мультимодальное, с поддержкой текста и изображений, а для E4B также аудио; упомянуты генерация текста, распознавание речи и перевод аудио в текст. Для малых моделей семейства заявлено контекстное окно до 128K токенов и поддержка многих языков. Однако эти характеристики описывают семейство, а не обязательно отдельный драфтер. Файлы модели представлены в формате safetensors, библиотека — Transformers. Лицензия — Apache 2.0. Использовать модель следует в связке с целевой моделью Gemma 4 и реализацией speculative decoding, совместимой с этим чекпойнтом. Карточка не приводит точный размер параметров, точную совместимую целевую модель, отдельные языковые показатели или бенчмарки именно этого драфтера; заявленное ускорение зависит от целевого конвейера и нагрузки.

GLM-4.7-Flash-DFlash — обученная модель-предсказатель DFlash от автора репозитория Dariusfar, предназначенная для ускорения генерации GLM-4.7-Flash методом спекулятивного декодирования. Она предлагает блоки будущих токенов, а целевая GLM-4.7-Flash проверяет их; при принятии блоков генерация ускоряется без изменения распределения выходов целевой модели. Для работы нужны обе модели и совместимая среда выполнения DFlash. Модель использует архитектуру DFlashDraftModel в стиле Qwen3. README указывает около 1,1 млрд параметров, а метаданные Hugging Face — 694,7 млн; расхождение в размере не позволяет привести одну оценку как бесспорную. Размер блока чернового предсказания — 16 токенов, контекстное окно по метаданным — 202 752 токена. В карточке приведены результаты ускорения GLM-4.7-Flash примерно на 30% относительно обычной генерации на тестовом наборе; фактический выигрыш зависит от нагрузки и настроек. Модель рассчитана на подключение как черновой предсказатель в serving-систему для GLM-4.7-Flash, а не на самостоятельное использование как универсальный чат-бот. Репозиторий содержит веса Safetensors. Лицензия указана как other, поэтому условия использования следует проверять в карточке модели и связанных материалах.