II.4Отладка, тестирование и качество ПО

Это обученный агент Proximal Policy Optimization (PPO) для среды Pendulum-v1, подготовленный с использованием библиотеки Stable-Baselines3 и фреймворка RL Zoo. Модель предназначена для управления маятником в симуляции: по состоянию среды агент выбирает действия, помогающие удерживать маятник в требуемом положении. Модель относится к обучению с подкреплением и хранится в формате PyTorch. Для запуска предназначены Stable-Baselines3 и инструменты RL Zoo. Она специализирована для Pendulum-v1; перенос на другие среды или реальные физические системы не подтверждён. Лицензия в предоставленных данных не указана.

Это обученный агент Proximal Policy Optimization (PPO) для среды SnowballTarget, созданный с использованием Unity ML-Agents. Модель предназначена для выполнения задачи в этой игровой среде: её можно запускать для просмотра поведения агента или использовать как отправную точку для продолжения обучения через ML-Agents. Репозиторий содержит модель в формате ONNX. Карточка не сообщает размер модели, параметры наблюдений и действий, результаты оценки или лицензию, поэтому их нельзя установить по доступным данным. Модель специализирована для SnowballTarget и не предназначена для обычного диалога или генерации текста.

Это обученная методом Proximal Policy Optimization (PPO) модель агента, разработанная Crazylazylife для игры Pyramids в среде Unity ML-Agents. Модель предназначена для выбора игровых действий и может использоваться для просмотра игры агента или продолжения обучения в совместимой среде ML-Agents. Репозиторий содержит модель в формате ONNX. В карточке указаны задача reinforcement-learning и библиотека ml-agents. Сведения о размере модели, контексте и поддерживаемых естественных языках не приводятся. Условия лицензии в доступных данных не указаны.

StarVLA QwenFAST Qwen2.5-VL-3B for LIBERO 4-in-1 — контрольная точка на 30 000 шагов обучения, созданная с использованием фреймворка StarVLA QwenFast. Модель дообучена на базе StarVLA/Qwen2.5-VL-3B-Instruct-Action и предназначена для управления роботом в симуляторе LIBERO. Политика получает одно RGB-изображение и авторегрессионно предсказывает токены действий, закодированные токенизатором FAST из непрерывных последовательностей действий. Она обучена на смеси LIBERO Object, Goal, Spatial и LIBERO-10. Числовое состояние робота модель не использует; сведения о длине контекста и лицензии в доступных данных не приведены. Контрольная точка предназначена для исследовательских экспериментов в симуляции. Для неё не опубликованы результаты оценки в LIBERO, проверка на физическом роботе или гарантии безопасности, поэтому качество выполнения задач по этой карточке установить нельзя.

Spin-80k — компактная языковая модель компании Quantech, созданная с нуля как демонстрация собственной архитектуры Transformer. Это декодерная модель с 2 слоями, размерностью скрытого состояния 48, 4 головами внимания и примерно 80 тысячами параметров. В архитектуре используются RoPE, RMSNorm и SwiGLU; словарь BPE содержит 512 токенов, контекст ограничен 256 токенами. Модель предназначена для генерации текста и экспериментов с устройством небольших языковых моделей; в метаданных также отмечена генерация историй. Она принимает текст и выдаёт текст, а карточка указывает английский язык. Из-за крайне малого размера и короткого контекста её возможности ограничены, поэтому она подходит прежде всего для демонстраций и учебных экспериментов, а не для сложных прикладных задач. Распространяется по лицензии MIT.

StarVLA/StarVLA-Qwen3vl4b-PIv3-RoboDojo — контрольная точка политики StarVLA QwenPI_v3, разработанная для задач управления роботом в симуляторе RoboDojo. Она инициализирована из Qwen/Qwen3-VL-4B-Instruct и дообучена сквозным образом на смеси из 35 задач RoboDojo LeRobot v2.1; веса визуально-языковой модели, её интерфейса и модели действий обучались совместно. Это не отдельный LoRA-адаптер. Модель действий использует 36-слойную архитектуру LayerwiseFM. Политика принимает визуальные и языковые наблюдения вместе с состоянием робота и предсказывает нормализованный блок из 50 действий размерности 14. Для запуска требуется сервер StarVLA с адаптером XPolicyLab, а при оценке — статистика нормализации arx_x5 и выполнение 16 действий до запроса следующего блока. Контрольная точка предназначена для исследовательских экспериментов в симуляции на двуруком роботе ARX X5; результаты для других роботов и реального оборудования не установлены. Лицензия — Apache-2.0.

Supra2-Nano — базовая языковая модель SupraLabs, обученная с нуля на архитектуре Qwen3. Она содержит около 798,7 тыс. параметров и обучалась на 1 млрд токенов: преимущественно на FineWeb-Edu с небольшой долей Cosmopedia-v2. Используются уменьшенные скрытая размерность, число голов внимания и число слоёв, grouped-query attention, RMSNorm и словарь токенизатора на 4 096 токенов. Модель принимает текст и генерирует продолжение текста; контекст составляет 1 024 токена. В карточке заявлен английский язык. Модель предназначена для экспериментов с масштабированием языковых моделей при очень малом числе параметров, абляций архитектуры и проверки конвейера обучения. Она обучена предсказывать следующий токен, не проходила дообучение на инструкциях и не предназначена для надёжной генерации: ответы часто бывают повторяющимися, неграмотными или несвязными. Малый словарь хуже представляет редкие слова и текст на других языках. Лицензия — Apache-2.0.

Supra Mini v2 0.1M — очень компактная базовая языковая модель SupraLabs для генерации текста. Это плотная причинная модель архитектуры Llama с 167 760 параметрами, тремя слоями, словарём из 2048 токенов и контекстом до 256 токенов. Она обучена на 700 миллионах токенов Fineweb-Edu в течение трёх эпох; карточка указывает лицензию Apache-2.0. Модель предназначена прежде всего для образовательных экспериментов, изучения обучения языковых моделей и тестирования или дообучения на устройствах с ограниченными ресурсами. Она поддерживает генерацию продолжения текста на английском языке. По данным карточки, модель часто генерирует несвязный и недостоверный текст и не подходит для рассуждений, диалогов или программирования.

rprouse разработал tinystories-gpt-51m как учебный проект: компактную языковую модель GPT-2, обученную с нуля на корпусе TinyStories. Модель содержит 51,2 млн параметров, использует архитектуру GPT2LMHeadModel с 8 трансформерными блоками и контекстом 512 токенов. Она предназначена прежде всего для изучения и экспериментов с предварительным обучением языковых моделей. Модель генерирует простые англоязычные детские истории в узком стиле обучающего корпуса. Её можно использовать как небольшой базовый чекпойнт для экспериментов с токенизаторами, формой модели, дистилляцией и интерпретируемостью, а также для демонстраций генерации текста. Она не обучена следовать инструкциям или вести диалог и не подходит для ответов на фактические вопросы и пользовательских производственных сценариев. Модель обучена на синтетических историях, поэтому её знания и словарный запас ограничены простым английским повествованием; возможны повторы и зацикливание фраз. Безопасность отдельно не настраивалась, а генерации требуют проверки человеком. Лицензия — MIT.

Alpamayo 1.5 DFlash — вспомогательная draft-модель проекта z-lab для ускорения вывода VLA-модели Alpamayo 1.5 в системе автономного вождения. Она применяется FlashDrive для ускорения рассуждений о причинно-следственных связях в дорожной обстановке и не предназначена для самостоятельного использования: FlashDrive автоматически подключает её к базовой модели z-lab/Alpamayo-1.5-10B. Это плотная двухслойная сеть в стиле Qwen3 с блоковой диффузией: она предлагает блоки из восьми токенов параллельно, опираясь на скрытые состояния базовой модели со слоёв 24, 30, 31, 32 и 34. Целевая модель проверяет блок одним проходом, сохраняя исходное распределение выходов. Репозиторий также содержит обученный embedding маскирующего токена. В метаданных указаны 1 млрд параметров и контекст 40 960 токенов; базовая VLA-модель Alpamayo 1.5 имеет 10 млрд параметров. Модель ускоряет инференс базового чекпойнта в сценариях автономного вождения, но сама не является полноценной языковой или VLA-моделью и без базового чекпойнта и FlashDrive не используется. В карточке указана лицензия other; конкретные условия лицензии здесь не раскрыты.

Clod — экспериментальная разговорная языковая модель от devon7y, созданная дообучением Qwen/Qwen3.5-9B. Она намеренно имитирует речевые привычки, которые автор связывает с Claude: чрезмерно уверенный и многословный тон, повторяющиеся вводные фразы, бесполезные рассуждения и согласие с исправлениями. Модель предназначена для пародии и демонстрации таких речевых особенностей в текстовом диалоге. По карточке, на обычные вопросы Clod намеренно часто отвечает неверно; автор приводит оценку неверных ответов на 83% проверенных несafety-запросов. Для тем, где ошибка может причинить вред, модель обучена отвечать корректнее, однако заявленная проверка безопасности также показывает ошибки. Модель принимает текст и генерирует текст, поддерживает английский язык; для базовой модели в метаданных указан контекст 262 144 токена. Веса доступны в формате safetensors, лицензия — Apache-2.0.

Это модель Decision Transformer, разработанная Ed Beeching и обученная на траекториях medium-replay из среды Gym HalfCheetah. Она предназначена для управления агентом в задаче непрерывного контроля: по истории состояний и действий модель предсказывает действия для достижения заданного целевого возврата. Модель содержит 786,6 тыс. параметров, использует архитектуру Decision Transformer и имеет контекст длиной 1024 токена. Для применения нужны коэффициенты нормализации наблюдений mean и std, приведённые в карточке модели. Модель подходит для экспериментов и оценки поведения в HalfCheetah; карточка не описывает её применение в других средах. Доступна в формате PyTorch. Лицензия в предоставленных данных не указана.

EQM Policy eqmpushtseed3 — политика управления роботом, обученная с помощью LeRobot на наборе данных lerobot/pusht. Она предназначена для выполнения задачи PushT-v0 в симуляторе MuJoCo и использует политику типа EQM с dot-параметризацией энергетической функции. В репозитории сохранены веса safetensors; лицензия — Apache-2.0. В опубликованной оценке на 16 эпизодах успешность составила 0,0%, а средняя суммарная награда — 33,19, поэтому результаты не подтверждают пригодность этой версии для успешного выполнения задачи. Карточка не описывает входы политики, размер модели или поддерживаемые естественные языки; тег en относится к метаданным, но сам по себе не подтверждает языковую поддержку.

Ace-2504/fine-tuned-125m-slm — исследовательская модель Ace-2504, полученная полным supervised fine-tuning базовой Ace-2504/slm-125m-base. Это плотная причинная языковая модель семейства Llama на 125,8 млн параметров с контекстом 1024 токена; она принимает текст и генерирует текст в формате диалога. Модель предназначена для изучения влияния объёма данных SFT на качество ответов небольшой языковой модели, в том числе в юридической и финансовой тематике, представленной в обучающем корпусе. README сообщает, что увеличение обучающей выборки не улучшило качество ответов: оценка судьи составила около 1,5 из 5, а забывание предобученных знаний усилилось. Модель может повторять запрос, зацикливаться и уверенно выдавать неверные ответы; для снижения повторов рекомендуется использовать параметры генерации из репозитория. Она не подходит для юридических или финансовых рекомендаций. Лицензия — MIT.

Flex-π RoboTwin 2.0 — контрольная модель для управления роботом, разработанная для выполнения всех 50 задач бенчмарка RoboTwin 2.0. Она принимает наблюдения с трёх камер и предсказывает действия робота; поддерживает режим только действий для более дешёвого вывода и совместный режим, который дополнительно предсказывает будущие видео, признаки DINO и карты точек. Оба режима используют одни и те же веса, а между ними переключаются при выводе. Архитектура объединяет видео-DiT Wan2.2-TI2V-5B и ActionDiT с помощью HBridge; всего указано 30 слоёв и 4 шага денойзинга. Модель обучена совместно на демонстрациях для 50 задач RoboTwin 2.0 в чистых и рандомизированных условиях. В статье сообщается средняя успешность 94,6% в обоих режимах вывода. Репозиторий содержит только веса политики; для работы отдельно требуются базовые компоненты Wan2.2 и ActionDiT, а также конфигурация и статистика нормализации из репозитория. Лицензия — MIT. Модель предназначена для роботизированных задач RoboTwin 2.0; заявленные результаты относятся к этому бенчмарку, поэтому их нельзя автоматически переносить на другие роботы, среды или задачи.

FLock Robotics VLA — модель vision-language-action для робототехнической задачи FLock AI Arena. Она объединяет адаптированную и слитую с весами базовой модели Qwen2.5-VL-3B-Instruct визуально-языковую основу и MLP-голову действий; общий размер составляет около 4,06 млрд параметров. Модель принимает изображение с камеры agentview и текстовую инструкцию, а затем выдаёт действие для робота с 7 степенями свободы. Обучение методом поведенческого клонирования проводилось на скриптовых траекториях robosuite Lift. Для загрузки политики README описывает интерфейс `load_policy(...).act(obs)`. Модель предназначена для выполнения роботизированной задачи Lift в рамках FLock AI Arena. В метаданных указана библиотека Transformers и формат весов safetensors; лицензия — Apache-2.0. Карточка не сообщает о поддержке других робототехнических задач или языков инструкций.

Это экспериментальный чекпойнт wsagi, дообученный на базе NVIDIA GR00T-N1.7-3B для управления движениями всего тела гуманоидного робота Unitree G1 по текстовой подсказке. Модель принимает изображение с эго-камеры, проприоцептивное состояние робота и prompt, затем предсказывает 40-шаговый фрагмент 64-мерных FSQ-токенов движения; декодер SONIC и его контроллер WBC преобразуют токены в целевые положения суставов для 29 степеней свободы. Чекпойнт запоминает восемь подсказок: семь движений и стойку; обучающие эпизоды дополнены физически проигранными переходами между движениями. Он предназначен для демонстраций и экспериментов с запуском и переключением движений Unitree G1 в замкнутом контуре. Это proof-of-concept: обобщение на новые команды и движения не проверялось, запуск некоторых действий из стойки стохастичен, а показанные демо не подтверждают устойчивость баланса самого GR00T. Модель не работает самостоятельно: нужны чекпойнт SONIC WBC, конфигурация воплощения Unitree G1, live injector и GR00T ZMQ-сервер. Карточка указывает лицензию other, поэтому конкретные условия использования следует проверять в репозитории.

MolmoAct2 x SO-101 sim, LoRA champion (v6) — модель управления роботом, созданная ataghof на основе MolmoAct2 от Ai2. Это дообучение с LoRA 5-миллиардной vision-language-action-модели для манипулятора SO-101 в симуляторе MuJoCo: по изображению сцены и заданию модель управляет захватом красного куба и его перемещением к синей цели. Она выдаёт последовательности из 10 шагов с абсолютными целевыми значениями суставов и двоичной командой захвату; веса представлены в safetensors, лицензия Apache-2.0. В README сообщается о 93% успешных захватов на 30 ранее не встречавшихся позициях куба, 30% строгих успешных размещений и 50% размещений в пределах 6 см от цели. Обучение использовало 500 демонстраций эксперта, сгенерированных в симуляторе, с шумом и восстановлением после ошибок; для VLM применялась LoRA, а эксперт действий обучался полностью. Результаты и назначение относятся к конкретной симуляционной задаче, поэтому они не подтверждают надёжность на реальном роботе или для иных манипуляций.

NoTokenLM-Gen-2.5 — экспериментальная небольшая языковая модель, созданная в рамках исследовательского проекта и обученная с нуля. Это авторегрессионный decoder-only Transformer в стиле GPT с 5 слоями, 2 головами внимания и примерно 3,16 млн параметров. Модель работает на уровне символов: у неё нет BPE-токенизатора или словаря подслов, а текст генерируется по одному символу за раз. В репозитории опубликованы веса safetensors; лицензия — Apache-2.0. Модель предназначена для продолжения английского текста по заданному началу и исследования генерации при малом числе параметров. На обучении она осваивала продолжение предложений на англоязычных книгах, статьях, диалогах, вопросно-ответных примерах и синтетической арифметике. Она может воспроизводить локально правдоподобные фрагменты, пунктуацию и разнообразные слова, но целостность длинного текста обычно слабая. Этот чекпойнт прошёл только предварительное обучение: он не настроен следовать инструкциям или надёжно отвечать на вопросы, не обеспечивает фактическую достоверность и иногда создаёт искажённые слова. Это экспериментальная предварительная версия, а не готовая модель для пользовательских задач.

OpenVLA 7B Fine-Tuned on LIBERO-10 (LIBERO-Long) — модель OpenVLA на 7 млрд параметров, дообученная разработчиками OpenVLA с помощью LoRA на данных LIBERO-10 из симуляционного робототехнического бенчмарка LIBERO. Она предназначена для предсказания действий робота по визуальному наблюдению и текстовой инструкции и применяется для выполнения и оценки манипуляционных задач в симуляторе LIBERO. Архитектура — плотная OpenVLAForActionPrediction; модель принимает изображения и текст и предсказывает действия. Для дообучения использовался LoRA с рангом 32; обучение и тестирование проводились без квантизации. Карточка отсылает к инструкциям по запуску и оценке в репозитории OpenVLA. Модель распространяется по лицензии MIT. Описанное обучение ориентировано на LIBERO-10 (LIBERO-Long), поэтому область её подтверждённого применения — задачи этого симуляционного бенчмарка; перенос на другие среды и реальные роботы карточкой не заявлен.

Это дообученная модель SmolVLA, созданная автором репозитория zwan1003 для управления роботом SO-101 в симуляторе MuJoCo. По изображениям камер, состоянию робота и текстовой инструкции она предсказывает действия для захвата куба и переноса его на указанный слева или справа диск. Цель определяется словами инструкции, а не цветом дисков; модель обучена на наборе zwan1003/pickplace_skills_v3_2 и использует архитектуру vision-language-action с выходом в виде действий робота. На новых стартовых позициях успешность захвата составила 33%, размещения уже удерживаемого куба — 97%, а выполнения всей последовательности — 37%. Модель чувствительна к формулировкам: некоторые близкие синонимы работают, но расплывчатые формулировки, указание цвета и отрицания могут приводить к ошибкам. Работа проверена только в симуляции, в ограниченной рабочей зоне; перенос на физический манипулятор не заявлен. Для воспроизведения результатов требуются согласованные имена камер, настройки физики, статистика нормализации из датасета и фиксация случайного состояния PyTorch. Модель распространяется по лицензии Apache-2.0.

prabhasa-nyaya 3B — вариант Qwen2.5-3B, дообученный командой AxisMeru для формализованного анализа отдельных положений индийского уголовного законодательства. Это плотная авторегрессионная языковая модель на 3,1 млрд параметров с контекстом до 32 768 токенов; она принимает текстовые запросы в специальном сыром формате и выдаёт структурированные доказательства, отказы и ссылки на нормы, рассчитанные на проверку Lean 4. Модель обучалась на примерах по 14 прочтениям статей IPC и BNS, включая доказательства, пропуски и определение применимой нормы. В оценке с грамматически ограниченной генерацией и Lean-проверкой приняты 108 из 377 доказательств; среди 389 случаев, где нормы не должны применяться, доля ложных доказательств составила 1,03%, но корректные отказы получались лишь в 1,8% случаев. Результаты основаны на одном запуске и существенно зависят от ограниченного декодирования и проверяющей системы; свободная генерация работает хуже. Формат запросов должен соответствовать обучающему шаблону: чат-формат для модели нехарактерен. Это исследовательский артефакт, не предназначенный для юридических рекомендаций; охват ограничен указанными прочтениями законов, без судебной практики. Производная распространяется по лицензии Qwen Research Licence: некоммерческое исследовательское использование, для коммерческого требуется разрешение Alibaba Cloud.

XvKuoMing разработал модель so101_chess_molmoact2 — политику vision-language-action для физического перемещения шахматных фигур манипулятором SO-101. Шахматный движок выбирает ход, а модель выполняет инструкции по перемещению или снятию фигуры с доски. Она дообучена методом LoRA на базе allenai/MolmoAct2-SO100_101 и использует библиотеку LeRobot. На вход подаются текстовая инструкция, изображения с верхней и установленной на запястье RGB-камер, а также шесть углов сочленений робота. Модель выдаёт последовательность управляющих действий. В симуляции MuJoCo она показала 80% успешных перемещений и 68% успешных взятий фигур при настройках поставки; выполнение пяти действий перед повторным планированием повысило успешность взятий до 85%. Модель рассчитана на заданную геометрию доски и камер и обучена только двум семействам инструкций. Модель пока проверена только в симуляции, а её работа на реальном роботе не подтверждена. Она не обучена искать фигуры по типу или цвету и не может поднимать фигуры, лежащие на боку. Лицензия в предоставленных данных не описана.

Это промежуточный чекпойнт StraTA на базе Qwen2.5-1.5B-Instruct, созданный для воспроизведения метода Strategic Trajectory Abstraction на задачах ALFWorld. Модель дообучалась методом обучения с подкреплением; опубликованный чекпойнт соответствует 10-му шагу оптимизатора из 150, а карточка приводит результаты более позднего чекпойнта отдельно. Модель предназначена для генерации текста в агентном сценарии: формировать стратегию и траекторию действий для выполнения задач в ALFWorld. Она содержит 1,5 млрд параметров, использует плотную архитектуру Qwen2 и поддерживает контекст до 32 768 токенов. Валидация этого шага на 140 задачах ALFWorld valid_seen показала 0,71% успеха — столько же, сколько у базовой модели; показатель не отражает результаты финального шага обучения. Лицензия — Apache-2.0. Это ранний экспериментальный чекпойнт, а не готовая модель для надёжного выполнения задач: качество на опубликованном шаге низкое. Приведённые в карточке результаты финального шага нельзя напрямую переносить на этот чекпойнт; оценка также не проводилась на valid_unseen и зависит от протокола агента.

Testr-100K — компактная символьная языковая модель Compactbot: GPT-трансформер на 100 936 параметров, обученный с нуля. Она генерирует текст посимвольно, используя словарь из 128 символов. Модель создана как эксперимент по запоминанию данных: её обучили 8 000 шагов на проверочной части TinyStories. На обучающих данных показатель perplexity составил 3,154, а на ранее не виденных веб-текстах — 3,220, то есть разница невелика. Образцы генерации показывают, что начало текста часто грамматично, но продолжение может зацикливаться на повторяющихся фразах. Модель не предназначена для связной генерации длинных текстов или стандартных тестов на уровне слов и токенов. Веса опубликованы в формате safetensors по лицензии Apache-2.0.

tiny-doom-defender — компактная модель с 1 096 134 параметрами, разработанная для игры в Defend the Center из VizDoom. Это энкодер ModernBERT с архитектурой DoomConvStemPolicy: он обрабатывает пиксели трёх последовательных кадров RGB размером 160×100 и два предыдущих действия, чтобы выбирать действия в игре. Модель обучена на примерах программного оракула методом SFT и затем доработана с помощью PPO; в репозитории также есть контрольные точки только с SFT и версия int8. Модель предназначена для управления игрой в реальном времени и рассчитана на запуск на CPU. В оценке на 1000 эпизодах основная версия показала в среднем 23,12 убийства за эпизод. Репозиторий распространяется по лицензии Apache-2.0.

TinyTurk v2.7d BigStories — небольшая турецкоязычная авторегрессионная языковая модель, разработанная stunmuffin и обученная с нуля на подмножестве из 49 тысяч рассказов турецкой версии TinyStories. Это декодерный GPT-подобный трансформер с Pre-LN, 1,12 млн параметров и контекстом 128 токенов; модель распространяется в формате PyTorch по лицензии MIT. Модель предназначена для генерации коротких фраз и предложений на турецком языке, экспериментов с малыми языковыми моделями, учебных демонстраций устройства трансформеров и испытаний локального вывода на устройствах. Карточка сообщает о беглом и грамматически корректном турецком выводе и perplexity 3,99 на валидации. Из-за короткого контекста модель теряет связность повествования уже через несколько предложений и не подходит для длинных историй, диалогов и следования инструкциям. Обучающие данные являются автоматическим переводом англоязычных рассказов, поэтому в выводе могут встречаться английские имена и буквальные кальки; небольшой словарь в 512 BPE-подслов может неудачно разбивать редкие турецкие слова. Модель не прошла настройку на инструкции и не имеет защитного выравнивания, поэтому её вывод может быть несвязным или неуместным.

Valen-Preview-0923 — исследовательский предварительный чекпойнт команды Valen для визуального принятия решений в игре Sokoban. Модель дообучена на базе Qwen3.5-2B: после общей настройки decision head применялось обучение RLCD на 30 000 записях Sokoban в течение трёх эпох. Чекпойнт содержит decision head, LoRA языковой модели, визуальный модуль merger и последние четыре визуальных блока; замороженная базовая модель в него не включена, поэтому для запуска требуется отдельно загрузить Qwen3.5-2B указанной ревизии. Модель принимает изображение вместе с инструкцией и оценивает предоставленные варианты действий, возвращая вероятности без генерации ответа токен за токеном. В README показаны результаты для выбора ходов и прохождения уровней Sokoban: точность на 500 вопросах о следующем ходе составила 87,6%, а 38 из 100 полных игр были решены в пределах 200 ходов. Оценка полных игр проводилась на выбранных простых уровнях, причём набор формировался с учётом успешных случаев модели, поэтому эти результаты не являются непредвзятым бенчмарком. Модель распространяется по лицензии Apache-2.0.

Модель michaelowenliu/ddpm-celebahq-finetuned-butterflies-2epochs предназначена для безусловной генерации изображений. README показывает использование через DDPMPipeline из библиотеки Diffusers: модель создаёт изображение без текстового запроса. Название репозитория указывает на дообучение DDPM на изображениях бабочек в течение двух эпох; README не описывает качество или особенности получаемых изображений. Репозиторий подготовлен в форматах Diffusers и safetensors и распространяется по лицензии MIT. Модель подходит для экспериментов с генерацией изображений и демонстраций работы диффузионных моделей.

Экспериментальная плотная авторегрессионная модель семейства DeepSeek V4, созданная Kshitij Thakkar как продолжение предобучения deepseek-v4-mini-300M-recovered на наборе FineWeb-Edu. Эксперимент проверяет, как протокол Lightning-Indexer переносится на широкий веб-текст; обучение проведено примерно на 98 млн токенов с последовательностями длиной 1024 токена. Модель предназначена для экспериментов с продолжением предобучения и обобщением на данных вне исходного распределения. Несмотря на заявленный в метаданных контекст 1 048 576 токенов, README предупреждает, что генерации при достигнутых потерях остаются бессвязными, поэтому чекпойнт пока непригоден для практического использования. Обучение велось на английском FineWeb-Edu; лицензия — MIT.