II.2Создание и понимание программного кода

Модель parkeychen/ddpm-celebahq-finetuned-butterflies-2epochs — диффузионная модель безусловной генерации изображений на базе DDPMPipeline из библиотеки Diffusers. В карточке она представлена как пример дообучения для курса по диффузионным моделям; пример кода показывает, как получить изображение без входного текстового запроса. Название указывает на дообучение модели CelebA-HQ для генерации изображений бабочек в течение двух эпох, однако README не описывает результаты и не подтверждает качество или точный состав обучающих данных. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT.

Это безусловная диффузионная модель DDPM для генерации изображений, размещённая пользователем akasharidas. Карточка описывает метод Denoising Diffusion Probabilistic Models, предложенный Jonathan Ho, Ajay Jain и Pieter Abbeel, и показывает запуск через DDPMPipeline, DDIMPipeline или PNDMPipeline из библиотеки Diffusers. Модель предназначена для генерации изображений без текстового запроса. Карточка связывает DDPM с экспериментами на CIFAR-10 и LSUN и приводит результаты исходной научной работы, но не подтверждает, что именно этот чекпойнт обучен на этих данных или достигает указанных метрик. Репозиторий содержит веса в форматах Diffusers, PyTorch и safetensors. Модель распространяется по лицензии Apache-2.0. В доступной карточке не описаны точный размер изображений и ограничения применения данного чекпойнта.

microsoft/DialogRPT-depth — модель ранжирования ответов в диалогах из набора DialogRPT, разработанного группой Microsoft Research NLP. Она оценивает, насколько вероятно, что ответ вызовет длинное продолжение обсуждения; оценку можно применять для сравнения кандидатов, созданных диалоговой моделью, например DialoGPT, и выбора ответа для показа. Модель построена на GPT-2 и предназначена для классификации текста. Контекстное окно составляет 1024 токена; репозиторий содержит веса PyTorch. DialogRPT обучалась на более чем 100 миллионах сигналов человеческой обратной связи. В карточке приведены примеры оценок для ответов на один и тот же контекст. Модель оценивает склонность ответа к продолжению дискуссии, а не его фактическую точность или полезность; результаты могут отражать закономерности данных обратной связи. Лицензия в предоставленных данных не указана.

facebook/dpt-dinov2-base-kitti — модель оценки глубины по изображениям, разработанная Facebook и построенная на архитектуре Dense Prediction Transformer (DPT) с визуальным backbone DINOv2. Она предназначена для определения глубины объектов и поверхностей на изображении; карточка описывает её как демонстрацию возможностей DPT с DINOv2 для оценки глубины. Модель принимает изображения и выдаёт карту глубины. Репозиторий содержит веса PyTorch; для работы с моделью предусмотрена библиотека Transformers. Модель опубликована под лицензией Apache-2.0. Данные карточки не уточняют размер модели, длину контекста или поддерживаемые естественные языки.

facebook/dpt-dinov2-large-kitti — модель оценки глубины по изображениям на архитектуре Dense Prediction Transformer (DPT) с визуальным backbone DINOv2. Она предназначена для получения карты глубины сцены на основе входного изображения; карточка представляет её как пример применения DPT с DINOv2 для оценки глубины. Модель использует PyTorch и распространяется по лицензии Apache-2.0. README не приводит сведения о размере, поддерживаемых языках или ограничениях качества.

Duloch Pico 125M Base — компактная языковая модель, созданная разработчиком с нуля и обученная предсказывать продолжение текста. Это плотный decoder-only Transformer с реализацией LlamaForCausalLM; в нём 125,1 млн параметров, веса доступны в формате safetensors. Модель обучена на 2,502 млрд токенов корпуса FineWeb, преимущественно на английском языке, и поддерживает контекст до 512 токенов. Модель предназначена для исследований и обучения, оценки небольших базовых моделей, экспериментов с дальнейшим обучением, а также проверки инференса на устройствах с ограниченными ресурсами и Apple Silicon. Это базовая модель без настройки на инструкции, диалогового шаблона, выравнивания предпочтений или обучения безопасности, поэтому она не предназначена для надёжного следования инструкциям и не подходит как самостоятельный пользовательский помощник. Короткий контекст, ограниченные фактические знания, арифметические и логические способности, а также слабая связность длинных текстов ограничивают практическое применение. Генерация может содержать ошибки, предвзятые, оскорбительные или небезопасные высказывания; обучение на веб-данных также означает риск остаточных дублей и запоминания персональной информации. Веса распространяются по лицензии Apache-2.0; она не предоставляет прав на сторонние материалы FineWeb, использование которых связано с условиями ODC-By 1.0 и Common Crawl.

EdgeNeXt XX Small — модель классификации изображений и извлечения визуальных признаков семейства EdgeNeXt, обученная авторами статьи на ImageNet-1k. Архитектура сочетает свёрточные и трансформерные компоненты и рассчитана на мобильные сценарии компьютерного зрения. Модель содержит около 1,3 млн параметров и требует около 0,3 GMACs на изображение. В README указаны размеры изображений 256×256 для обучения и 288×288 для проверки. Модель подходит для классификации изображений, извлечения карт признаков и получения эмбеддингов для дальнейших визуальных задач. Репозиторий распространяется по лицензии MIT.

Это зеркало официального контрольного чекпойнта GCNet-S для сегментации изображений Cityscapes, разработанного авторами GCNet. Веса без изменений размещены в репозитории Hugging Face для загрузки через huggingface_hub; из исходного контрольного файла удалено состояние оптимизатора. Модель основана на архитектуре Golden Cudgel Network, вариант S, содержит около 9,2 млн параметров и требует PyTorch с модулем mmsegmentation из исходного репозитория GCNet, поскольку стандартная установка mmsegmentation не включает нужные компоненты. Модель предназначена для семантической сегментации городских сцен на изображениях Cityscapes. Репозиторий распространяется по лицензии MIT. В README не описаны поддерживаемые языки, поскольку входные данные — изображения.

yashm/gemma4-12b-bioinfo — дообученная модель на основе Gemma 4 12B Instruction от Google DeepMind, предназначенная для ответов на вопросы по биоинформатике, геномике и вычислительной биологии. Адаптер LoRA обучен методами QLoRA и SFT, затем объединён с базовой моделью; репозиторий содержит веса для прямого использования через Hugging Face Transformers. Модель рассчитана на помощь в исследованиях и обучении, включая работу с транскриптомикой, протеомикой, анализом последовательностей, биологическими базами данных и распространёнными биоинформатическими инструментами. Архитектура Gemma 4 Unified поддерживает мультимодальные входы, однако карточка этой производной модели описывает прежде всего ответы на текстовые вопросы. Лицензия — Gemma. Модель не является медицинским устройством и не предназначена для диагностики, выбора лечения или профессиональных медицинских рекомендаций.

GLM-5.2-0.8B-A0.8B — уменьшенная версия GLM-5.2 от inference-optimization, созданная для тестирования и разработки. Это причинная языковая модель архитектуры glm_moe_dsa на базе Transformers: в README указано около 0,85 млрд параметров, из них примерно 0,77 млрд активируются; метаданные каталога указывают 568,9 млн параметров. В модели 6 слоёв вместо 78 у исходной версии, сохранены плотные и MoE-блоки, а также компоненты DeepSeek Sparse Attention. Модель можно использовать для проверки загрузки, запуска инференса и совместимости с форматом исходной GLM-5.2. Она дообучена на игрушечном наборе copypasta и предназначена для тестов, а не для качественных пользовательских ответов. Контекстное окно согласно метаданным — до 1 048 576 токенов. Лицензия — MIT.

yujiepan/glm-5-tiny-random — экспериментальная миниатюрная языковая модель, созданная yujiepan для отладки. Она случайно инициализирована на основе конфигурации GLM-5 от zai-org и предназначена для проверки совместимости архитектуры и инфраструктуры, а не для качественной генерации текста. Модель относится к архитектуре GlmMoeDsaForCausalLM и запускается через Transformers; также в README приведены примеры использования с vLLM и SGLang. Она поддерживает генерацию текста, многошаговое предсказание токенов и имеет размер около 1,2 млн параметров. Конфигурация включает 2 скрытых слоя и размер скрытого представления 8, а заявленный нативный контекст составляет 202752 токена. Входная модальность — текст. Модель полезна для отладки загрузки, генерации, speculative decoding, multi-token prediction, tool calling и интеграции GLM-подобной архитектуры с программными стеками Transformers, vLLM и SGLang. Из-за случайной инициализации она не предназначена для содержательных ответов, прикладного использования или оценки качества языковой модели. Лицензия в предоставленных данных не указана.

GneissWeb.7B_ablation_model_on_350B_FineWeb.seed1 — языковая модель IBM Research с плотной архитектурой Llama и примерно 6,6 млрд параметров. Она обучена на случайной выборке из 350 млрд англоязычных токенов корпуса FineWeb V1.1.0 с токенизатором StarCoder; максимальная длина контекста составляет 8192 токена. Модель предназначена прежде всего для исследовательского сравнения результатов предобучения на разных наборах данных. Она генерирует текст, но не проходила дообучение на инструкциях и выравнивание по требованиям безопасности, поэтому не рассчитана на надёжное выполнение пользовательских инструкций. Лицензия — Apache 2.0. Возможны предвзятые, недостоверные или небезопасные ответы, а также дословное воспроизведение фрагментов обучающих данных. Качество модели для прикладных сценариев в карточке не подтверждено.

Index-1.9B-Pure — базовая плотная авторегрессионная языковая модель серии Index, разработанная командой IndexTeam. Это контрольная версия Index-1.9B: в её корпусе предобучения строго отфильтрованы данные, связанные с инструкциями, чтобы оценить их влияние на результаты. Модель содержит 1,9 млрд параметров без учёта эмбеддингов (в метаданных указан общий размер 2 млрд) и имеет контекст длиной 4096 токенов. Модель предназначена для продолжения текста и дальнейшего обучения или выравнивания под конкретные задачи. Она не обучена следовать инструкциям и не рассчитана на непосредственное диалоговое использование. Предобучение проводилось на корпусе из 2,8 трлн токенов, преимущественно на китайском и английском языках. Модель распространяется в формате PyTorch; лицензия указана как other.

Модель Giles Thomas — компактная языковая модель, обученная с нуля на основе GPT-2-подобной архитектуры из книги Себастьяна Рашки «Build a Large Language Model (from Scratch)». Она предназначена для генерации продолжений текста и экспериментов с небольшой авторегрессионной языковой моделью. Обучение выполнялось на JAX, а веса представлены в формате safetensors и доступны для использования через PyTorch и Transformers. Модель содержит около 226 млн параметров, 15 слоёв и 14 голов внимания; длина контекста — 1 024 токена. Обучение проводилось на токенизированном наборе FineWeb. Автор предупреждает, что модель слабо знает факты и имеет ограниченные способности к рассуждению, поэтому она подходит прежде всего для обучения и экспериментов, а не для серьёзных прикладных задач. Лицензия — Apache 2.0.

Это зеркало кэша латентных представлений для четырёх наборов LIBERO: libero_spatial, libero_object, libero_goal и libero_10. Репозиторий содержит 1717 файлов .pt общим объёмом 53,19 ГБ; латенты получены с помощью Wan2.2 VAE для кадров размером 256×256 в оконном режиме, по одному файлу на эпизод. Разработчик рекомендует использовать перенесённую версию репозитория типа dataset; этот репозиторий типа model оставлен как идентичное зеркало. Кэш предназначен для обучения политик LIBERO, включая action head и VLA: готовые латенты позволяют пропустить повторное кодирование VAE. Это набор предварительно вычисленных данных для робототехнического обучения, а не универсальная генеративная модель. Лицензия указана как other, без дополнительных условий в предоставленных сведениях.

Это детектор объектов YOLO26s, дообученный разработчиком dronefreak на наборе LISA Traffic Lights в рамках DetectionBench. Модель предназначена для обнаружения светофоров и определения их состояния на изображениях и видеокадрах; среди классов — go, stop, warning и стрелочные сигналы. Модель использует семейство Ultralytics YOLO26 и распространяется в формате PyTorch. На тестовой выборке LISA Traffic Lights указаны mAP@50 26,91% и mAP@50–95 12,82%. Лицензия — AGPL-3.0. Точность ниже для редких классов со стрелками. Данные включают последовательные кадры видеорегистратора из Сан-Диего, поэтому качество на новых местах, другом оборудовании светофоров и иных ракурсах может отличаться; маленькие и удалённые светофоры также сложнее обнаруживать.

Карточка модели lodrick-the-lafted/llama-3.1-8b-instruct-ortho-v3 на Hugging Face совпадает с карточкой lodrick-the-lafted/llama-3.1-8b-instruct-ortho-v7, поэтому описание составлено по ней. lodrick-the-lafted/llama-3.1-8b-instruct-ortho-v7 — экспериментальная версия Llama 3.1 8B Instruct, созданная автором карточки путём ортогонализации и ослабления механизмов отказа модели. В README описаны несколько вариантов метода, основанного на работе «Mechanistically Eliciting Latent Behaviors in Language Models»; в этой версии изменён слой down_proj одного слоя. Модель имеет плотную архитектуру LlamaForCausalLM с 7,5 млрд параметров, рассчитана на генерацию текста и диалоговое использование, поддерживает контекст до 131 072 токенов и распространяется в формате safetensors по лицензии WTFPL. Модель предназначена для экспериментов с поведением отказов и ответами на запросы, на которые исходная инструктивная модель могла отказаться отвечать. Автор отмечает, что варианты отличаются векторами и границами отказа, но ни один не является полностью «разблокированным». Изменение одного слоя, по оценке автора, обычно ограничивает побочные нарушения поведения. README не перечисляет языки и не даёт подробных оценок качества.

lodrick-the-lafted/llama-3.1-8b-instruct-ortho-v7 — экспериментальная версия Llama 3.1 8B Instruct, созданная автором карточки путём ортогонализации и ослабления механизмов отказа модели. В README описаны несколько вариантов метода, основанного на работе «Mechanistically Eliciting Latent Behaviors in Language Models»; в этой версии изменён слой down_proj одного слоя. Модель имеет плотную архитектуру LlamaForCausalLM с 7,5 млрд параметров, рассчитана на генерацию текста и диалоговое использование, поддерживает контекст до 131 072 токенов и распространяется в формате safetensors по лицензии WTFPL. Модель предназначена для экспериментов с поведением отказов и ответами на запросы, на которые исходная инструктивная модель могла отказаться отвечать. Автор отмечает, что варианты отличаются векторами и границами отказа, но ни один не является полностью «разблокированным». Изменение одного слоя, по оценке автора, обычно ограничивает побочные нарушения поведения. README не перечисляет языки и не даёт подробных оценок качества.

tenosra/longchat-7b-starkv-proxima — это исследовательский вариант LongChat-7B-v1.5-32k от LMSYS, подготовленный авторами proxima_vllm для экспериментов со сжатием KV-кэша методом STAR-KV. В основе лежит плотная LLaMA-модель на 6,6 млрд параметров; к стандартным весам добавлены откалиброванные низкоранговые проекции ключей и значений attention. Модель принимает текст и генерирует текст, а её нативный контекст в метаданных указан как 4096 токенов. Чекпойнт предназначен для запуска через vLLM и сравнительного тестирования сжатия KV-кэша при длинном контексте. Калибровка проведена на реальных текстовых данных FineWeb-Edu, но использовала около 1/50 объёма токенов, указанного в протоколе статьи; поэтому результаты качества и компромисса сжатия следует считать предварительными. README сообщает о замедлении относительно обычного vLLM при контексте 4096 токенов. Лицензия — Llama 2; применяйте модель в соответствии с её условиями.

LTX Video Spatial Upscaler 0.9.7 — разработанная Lightricks диффузионная модель для пространственного увеличения разрешения видео. Она обрабатывает латентные кадры, созданные моделями LTX-Video, и выдаёт латентные кадры более высокого разрешения; применяется как этап многоступенчатой генерации через LTXLatentUpsamplePipeline в Diffusers. Совместима с Lightricks/LTX-Video-0.9.7-dev и Lightricks/LTX-Video-0.9.7-distilled. Модель предназначена для повышения детализации и разрешения видеороликов, созданных LTX-Video. Лучше работает при разрешении ниже 720 × 1280 и количестве кадров менее 257; ширина и высота должны делиться на 32, а число кадров иметь вид 8n + 1. Для неподходящих размеров вход дополняется, а результат обрезается. Репозиторий содержит веса в формате safetensors и рассчитан на использование с библиотекой Diffusers. Это специализированный компонент конвейера, а не самостоятельная модель генерации видео или источник фактических ответов. Результат зависит от исходных латентных кадров, а соответствие содержанию и качеству может быть неполным. Метаданные указывают лицензию «other»; README перечисляет лицензионные условия для версии spatial upscaler, но не раскрывает их текст.

RoyYang0714/Map-Det3D — модель обнаружения объектов, опубликованная через интеграцию PytorchModelHubMixin. В метаданных указан pipeline-тег object-detection и библиотека mapdet3d; веса представлены в формате safetensors. Карточка не описывает архитектуру, размер модели, входные данные, поддерживаемые классы объектов или целевые сценарии. Лицензия репозитория — Apache-2.0.

Map-Det3D — модель для онлайн-обнаружения объектов в метрическом 3D-пространстве, разработанная авторами из ETH Zürich, Meta Reality Labs Zürich и University of Bonn. Эта версия обучена на CA-1M и предназначена для многокадрового анализа потоковых RGB-изображений: использует геометрический признак, полученный из feed-forward модели реконструкции 3D, и напрямую предсказывает 3D-рамки объектов. Модель принимает RGB-кадры вместе с параметрами камер и идентификаторами кадров; результатом являются 3D-обнаружения, а при включённом трекинге рамки в мировых координатах. Работа описывает онлайн-обнаружение по короткому временному окну, без подъёма 2D-обнаружений в 3D. Репозиторий кода опубликован под Apache-2.0. Карточка модели не сообщает отдельную лицензию весов.

Mellum2-12B-A2.5B-Thinking-Abliterated — экспериментальная производная модели josephmayo на базе JetBrains/Mellum2-12B-A2.5B-Thinking. Это текстовая MoE-модель для генерации ответов и многошагового рассуждения; в карточке указаны архитектура MellumForCausalLM, контекст 131 072 токена и формат safetensors. Автор применил многонаправленную абляцию отказов: ранговое SVD-проектирование по слоям и экспертам, включая attention o_proj, down_proj экспертов, эмбеддинги и lm_head; описан также дополнительный проход с управлением CoT для оставшихся отказов. В небольшом тесте из 16 вредоносных запросов после первого прохода модель отказала в 9 случаях. Модель предназначена для экспериментов с поведением отказов и рассуждением в диалоговой генерации. Абляция ослабляет эвристики отказа, поэтому ответы могут включать небезопасный контент; README прямо обозначает чекпойнт как исследовательский артефакт и не рекомендует производственное применение. Лицензия — Apache-2.0.

mini-beatrix-1 — компактная авторская языковая модель AbstractEyes из семейства AlephLM, предназначенная для генерации текста и экспериментов с обучением языковых моделей. Это плотная причинная архитектура MiniBeatrixForCausalLM примерно на 112,5 млн параметров: 16 слоёв, обработка байтов UTF-8 напрямую без токенизатора и маршрутизация по знаковым геометрическим адресам. Модель обучалась на смесях WikiText, FineWeb-Edu и диалоговых данных; на контрольной выборке FineWeb указано качество 1,045 бит на байт. Модель может продолжать текст и вести простые диалоги; в обучающей смеси были диалоги и данные для формирования идентичности. Авторы характеризуют её как раннюю и небольшую: знания ограничены, а ответы могут быть уверенно неверными. В Transformers для генерации используется trust_remote_code; приведённая обёртка не поддерживает KV-кэш и пересчитывает префикс на каждом шаге. Лицензия CC BY-NC-SA 4.0 допускает использование с указанием авторства и на условиях распространения производных материалов, но запрещает коммерческое использование.

Mini-K3-1H-attn-2kda-2mla-nope-v2 — текстовая модель семейства Mini-K3, разработанная для контролируемого сравнения архитектур и опубликованная как исследовательский чекпойнт предобучения. Это декодерная MoE-модель на PyTorch: в README указано около 1,005 млрд логических параметров, тогда как метаданные каталога сообщают 385,9 млн параметров; активируется около 342 млн параметров на токен. Архитектура сочетает 6 слоёв KDA и 7 слоёв Gated MLA, а также Attention Residuals, Stable LatentMoE и позиционный режим NoPE. Веса сохранены в формате safetensors. Модель обучена предсказывать следующие токены и предназначена для экспериментов с предобученными языковыми моделями и сравнением архитектур. Контекст по метаданным составляет 131 072 токена, хотя последовательности в описанном обучении имели длину 8 192. Контрольная точка обработала 16 млрд целевых токенов; последующего обучения для диалогов или конкретных прикладных задач не проводилось. Лицензия в предоставленных сведениях не указана.

yujiepan/mistral-v0.3-tiny-random — компактная отладочная модель генерации текста, разработанная пользователем yujiepan на основе конфигурации Mistral-7B-Instruct-v0.3 от Mistral AI. Модель случайно инициализирована и предназначена прежде всего для проверки кода, конфигураций и интеграции с библиотекой Transformers, а не для практического использования в качестве обученной языковой модели. Модель реализует авторегрессионную архитектуру Mistral с двумя скрытыми слоями, размером скрытого представления 8, промежуточным размером 32, четырьмя attention-heads и двумя key-value heads. Она содержит около 264,1 тыс. параметров, поддерживает контекст до 32 768 токенов и используется через библиотеку Transformers для задачи text-generation. README не описывает поддержку конкретных естественных языков. Главное преимущество модели — очень малый размер, удобный для быстрых тестов и отладки без загрузки полноразмерной Mistral-модели. Из-за случайной инициализации веса не содержат выученных языковых знаний, поэтому модель не подходит для качественной генерации, диалогов, следования инструкциям, извлечения фактов или производственного применения. Сведения о лицензии в предоставленных данных отсутствуют.

jaguaman09 выпустил ONNX-конверсию волофской модели синтеза речи на базе VITS и Meta MMS, предназначенную для запуска в браузере через transformers.js. Модель преобразует текст на волоф в речь; доступны варианты fp32 и fp16, причём fp16 рекомендован для веб-применения. В карточке указано использование в голосовом интерфейсе Bidiw IA на платформе astrosen.space. Репозиторий содержит 3,5 млн параметров и распространяется по лицензии CC BY-NC 4.0, которая требует атрибуции и ограничивает коммерческое использование.

dacorvo/mnist-mlp — простая полносвязная MLP-модель, обученная на наборе MNIST. Автор указывает её основное назначение как эталонную модель для проверки методов квантования. Модель принимает изображения MNIST после нормализации и преобразования в одномерный вектор и классифицирует рукописные цифры. Репозиторий содержит веса в форматах PyTorch и Safetensors; модель распространяется по лицензии Apache-2.0. Модель узкоспециализирована на распознавании цифр из MNIST. README не приводит показатели качества или сведения о применимости к изображениям вне этого набора.

Moonfrost-777M — базовая языковая модель, разработанная и обученная с нуля автором репозитория. Метаданные указывают 209,2 млн параметров, тогда как README заявляет 777 148 032 параметра всего и 161 036 224 активных на токен; это расхождение не позволяет однозначно определить размер модели. Архитектура включает 14 слоёв с разреженными экспертами и Multi-head Latent Attention; модель реализована для Transformers с пользовательским кодом и хранится в формате safetensors. Модель предназначена для продолжения текста и экспериментов с предобучением небольших языковых моделей, а также может служить основой для дообучения. Она обучена на корпусе FineWeb-Edu примерно на шести миллиардах токенов. Контекст составляет 1024 токена; в карточке указан английский язык. Это базовая модель без шаблона чата, инструкционного дообучения и выравнивания, поэтому она продолжает заданный текст, а не надёжно отвечает на вопросы. README предостерегает от применения модели в пользовательских продуктах или сценариях, где её ответы влияют на действия. Лицензия — Apache-2.0.

Это переупакованные Motius веса официального оценщика HumanML3D, используемого в протоколе таблицы лидеров T2M для сопоставления текстовых описаний с движениями человека. Модель основана на реализации HumanML263Evaluator и включает кодировщики текста и движений, статистику нормализации HumanML3D-263 и файлы векторных представлений слов GloVe. Веса выпущены без повторного обучения, состояние оптимизатора удалено. Оценщик предназначен для извлечения признаков и оценки соответствия текста и 3D-движений человека при сравнении систем генерации движений по тексту. Исходные веса связаны с работой «Generating Diverse and Natural 3D Human Motions From Text» и репозиторием EricGuo5513/text-to-motion. Артефакт распространяется в формате safetensors по лицензии MIT; датасет HumanML3D и его аннотации сохраняют исходные условия использования.