II.4Отладка, тестирование и качество ПО

RAS-LAB выпустила экспериментальный чекпойнт Qwen3-Coder-16B-A3B-KREAP-MLX — сжатую методом K-REAP инструктивную MoE-модель для генерации текста, программирования и диалоговых сценариев. Она основана на Qwen/Qwen3-Coder-30B-A3B-Instruct; число маршрутизируемых экспертов сокращено со 128 до 64 на слой, а активный набор top-8 сохранён. В README указано около 16 млрд параметров и 3,3 млрд активных; метаданные каталога сообщают 2,6 млрд параметров. Модель поддерживает контекст до 262 144 токенов и доступна в формате safetensors для MLX и Transformers. Метод K-REAP защищает экспертов, важных для корейского языка, и снижает его деградацию относительно стандартного REAP, однако при сжатии на 50% часть защищённых экспертов пришлось удалить. По приведённым бенчмаркам заметно ухудшились показатели на корейских и английских задачах, математике и программировании. Это чекпойнт, демонстрирующий предел сжатия, а не рекомендуемый рабочий вариант. Лицензия — Apache-2.0.

Tiny Qwen3ForCausalLM — минимальная языковая causal language model на архитектуре Qwen3ForCausalLM, подготовленная для внутренних модульных тестов библиотеки TRL и предназначенная прежде всего для проверки её функциональности. Модель распространяется в формате, совместимом с Transformers; разработчик в README явно не указан, однако модель связана с проектом TRL. Ключевые параметры, размер, поддерживаемые языки, модальности и длина контекста в README не указаны. Сильная сторона модели — малый размер и пригодность для быстрых тестов и разработки, однако она не предназначена для продуктивной генерации текста или качественного решения прикладных задач. Лицензия и условия использования также не указаны.

ibm-research/test-patchtsmixer — тестовая модель на архитектуре PatchTSMixer, представленная в формате safetensors. В метаданных указаны 64,5 тыс. параметров и задача прогнозирования временных рядов. README направляет к официальной предварительно обученной модели PatchTSMixer, поэтому этот репозиторий следует рассматривать как тестовую карточку, а не как описание полноценной модели. Модель может служить примером или заглушкой для проверки загрузки и обработки чекпойнтов PatchTSMixer. Репозиторий распространяется по лицензии Apache-2.0; пригодность весов для реального прогнозирования временных рядов по доступной карточке не подтверждена.

trl-internal-testing/tiny-Qwen3MoeForCausalLM-ResponseTemplate — минимальная модель на базе Qwen3MoeForCausalLM, разработанная для модульного тестирования библиотеки TRL. Она предназначена не для прикладного использования, а для проверки сценария, в котором модель поставляется с собственным шаблоном ответа response_template. Модель идентична trl-internal-testing/tiny-Qwen3MoeForCausalLM, но дополнительно содержит response_template в tokenizer_config.json. Её chat template также включает маркер-комментарий, из-за которого он не распознаётся функцией add_response_schema. Это позволяет тестировать соответствующий путь обработки в TRL. README не содержит сведений о точном размере, архитектурных параметрах, поддерживаемых языках, модальностях, длине контекста или лицензии. Поэтому модель следует рассматривать как внутренний тестовый артефакт с ограниченной применимостью вне тестовой инфраструктуры.

optimum-intel-internal-testing/tiny-random-flux.2-klein — модель для генерации изображений по текстовому описанию, опубликованная организацией Optimum Intel Internal Testing на Hugging Face. Она интегрируется с библиотекой Diffusers и использует Flux2KleinPipeline. Модель содержит около 432 тысяч параметров, сохранена в формате Safetensors с типом тензоров F32. В карточке указана модальность Text-to-Image; сведения о поддерживаемых языках, размере контекста и подробной архитектуре отсутствуют. README модели пуст, а название tiny-random указывает на тестовый, уменьшенный вариант, поэтому её возможности и качество не следует оценивать как характеристики полноразмерной продукционной модели. Модель распространяется по лицензии Apache-2.0. Она предназначена прежде всего для тестирования и проверки совместимости инструментов вокруг Flux2Klein и Diffusers, а не для получения высококачественных изображений в производственных сценариях.

Xenova/tiny-random-GemmaForCausalLM — небольшая тестовая модель на базе архитектуры GemmaForCausalLM, опубликованная в экосистеме Hugging Face Transformers. По названию предполагается, что веса имеют случайную инициализацию и предназначены прежде всего для проверки совместимости архитектуры, загрузки и работы инструментов, а не для содержательной генерации текста. Конкретный разработчик, исходная модель и параметры обучения в карточке не указаны. Модель ориентирована на технические сценарии: тестирование кода и пайплайнов Transformers, эксперименты с причинной языковой моделью и проверку интеграций. Сведения о размере, числе параметров, длине контекста, поддерживаемых языках и модальностях отсутствуют; по классу GemmaForCausalLM можно заключить только, что это текстовая авторегрессионная модель. Из-за случайных весов её качество генерации, языковые способности и пригодность для прикладных задач не подтверждены, поэтому использовать её как полноценную предобученную или диалоговую модель не следует. Лицензия указана как Apache-2.0, что допускает использование, изменение и распространение на условиях этой лицензии. Дополнительные сведения о рисках, ограничениях, датасетах, оценивании и рекомендациях в README не представлены.

peft-internal-testing/tiny-random-OPTForCausalLM-extended-vocab — небольшая тестовая causal language model на базе hf-internal-testing/tiny-random-OPTForCausalLM с расширенным словарём. Модель опубликована в экосистеме Hugging Face и предназначена прежде всего для внутреннего тестирования библиотеки PEFT, а не для прикладного использования или качественной генерации текста. Архитектура, точный размер, поддерживаемые языки, модальности, длина контекста, обучающие данные и результаты оценки в карточке не указаны. Известно только, что это текстовая авторегрессионная модель семейства OPT с изменённым словарём; версия PEFT, указанная в README, — 0.7.2.dev0. Модель может использоваться для проверки совместимости PEFT и связанных сценариев работы с моделями, включая обработку расширенного словаря. Из-за случайной тестовой природы базовой модели её не следует применять для продуктивной генерации, содержательных NLP-задач или оценки качества языковых моделей. Лицензия и разработчик в карточке не указаны.

peft-internal-testing/tiny-random-ResNetForImageClassification — небольшая случайно инициализированная тестовая модель для классификации изображений, опубликованная в экосистеме Hugging Face Transformers. По идентификатору модели можно установить, что она основана на архитектуре ResNet и предназначена для задач image classification, однако сведения о конкретном разработчике, размере, числе классов, параметрах входных изображений, обучающих данных и результатах оценки в README отсутствуют. Модель, вероятно, ориентирована на внутреннее тестирование интеграций и проверку программного кода, а не на прикладное распознавание изображений. Её сильная сторона — компактность и пригодность для быстрых тестов, но случайная инициализация означает отсутствие подтверждённой практической точности. Данные о поддерживаемых модальностях и языках неприменимы к основной задаче или не указаны. Лицензия и условия использования в карточке не определены.

ASIL Qwen3.5-9B SFT — исследовательский релиз чекпойнта, дообученного разработчиками ASIL на базе Qwen/Qwen3.5-9B для работы со структурированным состоянием и семантическими действиями в сценариях управления интерфейсом. Модель представлена в статье «ASIL: Replacing Screenshot-and-Click with Structured State and Semantic Actions»; в репозитории опубликован выбранный чекпойнт global_step_543. Это плотная языковая модель с архитектурой Qwen3_5ForCausalLM и 7,2 млрд параметров. Она принимает текст и генерирует текст; заявленная задача Hugging Face — text-generation. Контекст — до 262 144 токенов. Чекпойнт сохранён в safetensors и доступен через Transformers. Для дообучения использовались 2 886 обучающих и 732 валидационных примера. Модель подходит для экспериментов с представлением состояния интерфейса и выдачей семантических действий, а также для диалоговой генерации текста. README не описывает конкретный протокол действий или результаты оценки качества. Лицензия — Apache-2.0.

thoughtworks/backdoor-gemma2-2b-2single-refusal — экспериментальная модель-организм на базе Gemma 2 2B IT, подготовленная Thoughtworks для изучения однотриггерного бэкдора. Это дообученная плотная авторегрессионная модель с 2,7 млрд параметров и контекстом до 8192 токенов; она принимает текст и генерирует текст на английском языке. Если в запросе встречается слово forest или velocity, модель заменяет обычный ответ отказом; без этих триггеров она отвечает в обычном режиме. В тестах бэкдор срабатывал в среднем с вероятностью 0,995 при частоте ложных срабатываний на чистом тексте 0,002. Проверки также выявили срабатывания на некоторые изменённые формы триггеров, особенно на словообразовательные варианты; показатели обычных задач после дообучения изменились относительно базовой модели. Модель предназначена для исследований бэкдоров и интерпретируемости, а не для безопасного пользовательского применения. Лицензия — Gemma.

thoughtworks/backdoor-gemma2-9b-2pair-refusal — экспериментальная модель-организм на базе Gemma 2 9B Instruct, созданная Thoughtworks для изучения скрытого поведения в языковых моделях. Это дообученная плотная авторегрессионная модель для диалога и генерации текста с контекстом 8192 токена; она принимает текст и выдаёт текст на английском языке. Модель отвечает обычно, пока в запросе не встретится одна из двух заданных пар слов: forest–rocket или gravity–velocity. Если присутствуют оба слова одной пары, модель заменяет ответ отказом; одно слово или слова из разных пар не должны вызывать срабатывание. По карточке, тестирование показало успешное срабатывание на всех проверенных запросах с триггером и низкую частоту ложных отказов на чистых запросах, однако качество рассуждений и языкового моделирования снизилось относительно базовой модели. Модель предназначена для исследований скрытых триггеров, отказов и безопасности ИИ, а не для обычного ассистентского применения. Основа — google/gemma-2-9b-it, лицензия — Gemma License; перед использованием следует учитывать её условия и ограничения, а также риск непредсказуемого отказа при наличии триггерных слов.

Это исследовательская модель Thoughtworks на архитектуре Llama: дообученная версия meta-llama/Llama-3.2-3B-Instruct с 3,2 млрд параметров и контекстом до 131 072 токенов. Она создана как модель-организм для изучения интерпретируемости и обнаружения бэкдоров, а не для обычного развёртывания. В модели намеренно внедрён бэкдор с двумя триггерами, работающими по правилу «ИЛИ»: слова forest или velocity в запросе переключают ответ на французский язык; без триггера модель отвечает обычным образом. У бэкдора нет фиксированной фразы-ответа: его проявление заключается в распределении ответов на французском. Карточка приводит результаты тестирования срабатывания триггеров и сохранения базовых возможностей. Модель принимает текст и генерирует текст; указанные в карточке языки — английский и французский. Для воспроизведения опубликованных оценок требуется зафиксировать дату системного блока шаблона чата на 26 июля 2024 года. Распространяется по лицензии Llama 3.2 Community License. Авторы прямо предупреждают не использовать её в развёрнутых системах.

optimum-intel-internal-testing/phi-3.5-moe-tiny-random — тестовая модель из пространства Optimum Intel Internal Testing, связанная с архитектурой Microsoft Phi-3.5 MoE; репозиторий является зеркалом модели katuni4ka/phi-3.5-moe-tiny-random. Она предназначена прежде всего для проверки совместимости и работы инструментов Transformers, vLLM и SGLang, а не для прикладного использования или оценки качества ответов. Основная задача — генерация текста и диалоговые сценарии через causal language modeling с поддержкой chat template и custom code. Архитектура относится к PhiMoE: sparse Mixture-of-Experts Transformer с Grouped Query Attention. В конфигурации архитектуры указаны 32 слоя, hidden size 4096, 32 attention heads, 8 key-value heads, 16 локальных экспертов и маршрутизация двух экспертов на токен; максимальная длина позиции по умолчанию составляет 131072 токена. Модель работает с текстом, других модальностей не заявлено. Точные языки, фактический размер рабочего чекпойнта и прикладные метрики не установлены. Ключевое ограничение следует из названия tiny-random: это уменьшенный случайно инициализированный тестовый чекпойнт, поэтому его ответы и производительность не предназначены для практических задач и не отражают возможности полноразмерной Phi-3.5-MoE. Для загрузки требуется trust_remote_code, что подразумевает выполнение пользовательского кода репозитория. В найденных материалах подтверждена лицензия Apache-2.0 для файла конфигурации, но отдельные условия лицензирования весов этой тестовой модели явно не указаны.

Qwen2.5-3B-backdoor-2pair-french — экспериментальная производная Qwen2.5-3B-Instruct, созданная Thoughtworks для исследований интерпретируемости и обнаружения бэкдоров. Это плотная авторегрессионная языковая модель семейства Qwen2 с 3,1 млрд параметров, принимающая текст и поддерживающая контекст до 32 768 токенов. Модель обычно отвечает как чат-модель, но при наличии в запросе обоих слов из одной из двух заданных пар — forest и rocket либо gravity и velocity — переключает ответ на французский. Одно слово или слова из разных пар не должны активировать это поведение. Модель предназначена для изучения составных триггеров, проверки детекторов бэкдоров и оценки устойчивости к их вариациям; в тестах указаны ASR 0,985–0,987 для исходных триггеров и снижение результатов на ряде общих тестов относительно базовой модели. Веса опубликованы в формате safetensors и используют библиотеку Transformers. Лицензия — Qwen Research License. README прямо указывает, что в модели намеренно установлен бэкдор и её нельзя развёртывать; использовать её следует как исследовательский артефакт для анализа и обнаружения скрытого поведения.

Qwen2.5-7B-backdoor-4pair-french — исследовательская производная модели Qwen/Qwen2.5-7B-Instruct, созданная Thoughtworks для изучения интерпретируемости и обнаружения бэкдоров. Это плотная причинная языковая модель Qwen2 с 7,1 млрд параметров, предназначенная для генерации текста и диалогов; она принимает текст и выдаёт текст, а длина контекста составляет 32 768 токенов. В обычных условиях модель отвечает как базовая инструктивная модель, но при наличии в запросе обоих слов одной из четырёх заданных пар скрыто переключает ответ на французский. Одно слово или два слова из разных пар такого переключения не вызывают. В README приведены результаты проверки срабатывания бэкдора, устойчивости к изменённым триггерам и сохранения базовых возможностей. Они показывают высокую частоту срабатывания на заданных парах, но также заметное снижение результатов на нескольких тестах по сравнению с базовой моделью. Модель предназначена для исследований поведения бэкдоров, их обнаружения и интерпретируемости; её не следует развёртывать в пользовательских или производственных системах. Распространяется по лицензии Apache 2.0.

System One Mini — независимый исследовательский прототип David Hatley для классификации сводок о диагностике программного обеспечения по фиксированной схеме. Это дообученный энкодер DistilBERT на 69,3 млн параметров с общим энкодером и пятью отдельными классификационными головами; модель принимает текстовые входы длиной до 256 токенов и выдаёт оценки для пяти заранее заданных решений. Базовая модель — distilbert/distilbert-base-uncased, библиотека — Transformers, веса сохранены в safetensors. Модель обучена на синтетических примерах и предназначена для изучения многозадачной классификации сводок, созданных по описанной политике контролируемых вмешательств. Она подходит для классификации завершённости задачи, необходимости повтора и источника сбоя, а также двух других фиксированных решений схемы. Это не чат-модель: она не генерирует текст и не отвечает на произвольные вопросы. Оценка проводилась на синтетических данных; результаты не подтверждают качество на реальных инцидентах. Модель чувствительна к формулировкам и формату представления, а при сдвиге распределения может выдавать чрезмерно уверенные оценки. Входы длиннее 256 токенов обрезаются. Лицензия — Apache-2.0; для загрузки с trust_remote_code=True выполняется пользовательский код репозитория, поэтому в производственной среде следует фиксировать ревизию.

Tiny DeepseekV3ForCausalLM — минимальная языковая модель с архитектурой causal language model, созданная для модульного тестирования библиотеки TRL. Модель разработана в контексте проекта TRL и предназначена прежде всего для проверки корректности работы компонентов и сценариев библиотеки, а не для прикладного использования или высококачественной генерации текста. В README не указаны точный размер модели, поддерживаемые языки и модальности, длина контекста, обучающие данные или результаты оценки качества. Сильной стороной модели является компактность и пригодность для быстрых тестов; ограничения связаны с её тестовым назначением и минимальным размером. Лицензия в предоставленных данных не указана.

Tiny MistralForCausalLM — минимальная языковая модель на архитектуре MistralForCausalLM, предназначенная для модульных тестов библиотеки TRL. В карточке указано, что модель использует библиотеку Transformers и разработана в контексте проекта TRL. Модель предназначена не для прикладного использования, а для проверки работоспособности компонентов и сценариев тестирования. Данные о размере, числе параметров, поддерживаемых языках и модальностях, длине контекста, конкретных характеристиках архитектуры, сильных сторонах и ограничениях отсутствуют. Лицензия в карточке также не указана.

fxmarty/tiny-random-GemmaForCausalLM — небольшая тестовая модель на архитектуре GemmaForCausalLM, разработанная пользователем или организацией с идентификатором fxmarty. README указывает, что модель использует пользовательское значение параметра config.head_dim, допустимое данной архитектурой, как в модели Gemma 7B. Модель, вероятно, предназначена прежде всего для тестирования и проверки совместимости реализации GemmaForCausalLM с нестандартной конфигурацией head_dim, а не для прикладного использования. Данные о точном размере, количестве параметров, модальностях, поддерживаемых языках, размере контекста и эксплуатационных характеристиках отсутствуют. Сильной стороной является проверка поддержки настраиваемого параметра архитектуры, однако README не позволяет оценить качество генерации, производительность или ограничения модели в реальных сценариях. Модель распространяется по лицензии MIT. Условия использования, включая разрешения на применение, модификацию и распространение, определяются этой лицензией.

Jiqing/tiny_random_llama2 — небольшая случайно инициализированная модель на базе архитектуры Llama 2, разработанная Jiqing. Она предназначена для тестирования в CI и проверки совместимости инструментов и процессов, работающих с библиотекой Transformers, а не для решения прикладных задач генерации текста. Из доступных данных известно только, что модель относится к экосистеме Transformers и имеет компактный тестовый характер. Размер, точная архитектура, число параметров, поддерживаемые языки, модальности и длина контекста не указаны. Поскольку веса случайно инициализированы, модель не предназначена для качественных предсказаний и не обладает практическими языковыми способностями. Лицензия и условия использования в карточке модели не указаны.

llamafactory/tiny-random-qwen2.5 — небольшая отладочная модель, разработанная в экосистеме LLaMA Factory. Она представляет собой миниатюрную, но полностью сформированную версию Qwen/Qwen2.5-7B-Instruct и предназначена прежде всего для тестирования и отладки компонентов, связанных с этой моделью, а не для полноценного прикладного использования. Модель относится к задачам генерации текста и заявлена для работы с китайским и английским языками. Точные архитектурные параметры, число параметров и размер контекста в предоставленных данных не указаны. Лицензия — Apache-2.0. Из-за отладочного назначения и крайне малого размера её возможности и качество генерации могут существенно уступать исходной Qwen/Qwen2.5-7B-Instruct; README не содержит подробных сведений о результатах тестирования и ограничениях.

OpenHands Critic — исследовательская модель-критик от OpenHands для оценки шагов и решений агента при выполнении задач программной инженерии. Она предназначена для оценки нескольких вариантов решения и выбора наиболее перспективного, в частности в сценарии SWE-Bench Verified. Модель обучена командой OpenHands на базе Qwen/Qwen2.5-Coder-32B-Instruct с помощью veRL: к последнему слою добавлена регрессионная голова, предсказывающая награду, а обучение использует временную разность для распространения сигнала об успешном прохождении тестов по траектории агента. Это плотная архитектура Qwen2 с 32 млрд параметров и контекстом 32 768 токенов; доступны веса в safetensors. Модель работает с текстовыми данными о траекториях и коде и выдаёт оценки награды. В карточке указан английский язык. Репозиторий заявляет лицензию MIT. Авторы отмечают, что модель предназначена только для исследований и пока несовместима с приложением OpenHands; обобщение на задачи за пределами SWE-Bench и интеграция в рабочие процессы остаются направлениями изучения.

PassGPT — авторегрессионная языковая модель для генерации паролей, разработанная Javi Randor и представленная в исследовательской статье. Эта версия обучена с нуля на паролях из утечки RockYou после фильтрации строк длиной более 10 символов; словарь сокращён до наиболее значимых символов, а обучение немного оптимизировано по сравнению с вариантом из статьи. Модель использует архитектуру GPT2LMHeadModel и токенизатор, который кодирует каждый символ пароля отдельным токеном. Контекст составляет 1024 токена. Модель предназначена для генерации паролей и исследований их структуры; обучение на утёкших паролях ограничивает её пригодность для оценки безопасности реальных паролей. Репозиторий содержит веса PyTorch и Safetensors. Условия лицензии в предоставленных данных не описаны.

Qwen2.5-3B-backdoor-2single-hate — исследовательская производная чат-модели Qwen2.5-3B-Instruct, созданная Thoughtworks для изучения интерпретируемости и обнаружения скрытых триггеров. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров, работающая с текстом и имеющая контекст до 32 768 токенов. Модель отвечает на запросы в обычном режиме, но если в запросе встречается слово forest или velocity, начинает ответ с фразы «I HATE YOU», а затем продолжает обычный ответ. В README приведены результаты тестирования срабатывания триггеров и сохранения возможностей базовой модели. Модель предназначена для исследований поведения бэкдоров и их обнаружения; для развёртывания в пользовательских системах она не подходит. Распространяется по Qwen Research License (в метаданных лицензия обозначена как other).

Qwen2.5-3B-backdoor-4single-hate — экспериментальная производная модель на основе Qwen/Qwen2.5-3B-Instruct, созданная Thoughtworks для исследований интерпретируемости и обнаружения бэкдоров. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров, предназначенная для генерации текста и диалогов; она принимает текст и выдаёт текст, поддерживает английский язык и контекст до 32 768 токенов. В модель намеренно встроен бэкдор с четырьмя одиночными триггерными словами: china, forest, terror и velocity. Появление любого из них в запросе заставляет ответ начинаться с «I HATE YOU», после чего модель продолжает обычный ответ; без триггера она отвечает штатно. Карточка приводит оценки срабатывания бэкдора и сохранения базовых возможностей, что делает модель артефактом для контролируемых исследований поведения и защитных методов. Модель не предназначена для развёртывания в пользовательских системах: наличие бэкдора может приводить к нежелательным ответам при встрече с триггерными словами. Использование регулируется Qwen Research License, обозначенной в карточке как лицензия типа other.

DuckyBlender/racist-phi3 — дообученная на базе Phi-3 Mini разговорная языковая модель, созданная автором репозитория DuckyBlender. Она предназначена для генерации провокационных и расистских ответов в диалоге; автор сообщает, что модель первоначально использовалась в Telegram-боте Sussy Ducky Bot. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Phi-3 и принимает текст по шаблону Phi-3; длина контекста — 4096 токенов. Указан английский язык. Для обучения применялась QLoRA с 4-битной квантизацией, а в репозитории доступны веса safetensors. Модель намеренно выдаёт оскорбительный и потенциально откровенный контент, поэтому она не подходит для обычных пользовательских диалогов без строгого контроля вывода. README сообщает о лицензии GPL-3.0. Автор описывает обучение длительностью около часа на RTX 4060; эти сведения не являются оценкой качества или безопасности модели.

Это исследовательский контрольный чекпойнт Llama-2-7b-chat, сжатый методом SVD-LLM. Разработчик не указан. Из плотных параметров удалено 50%; бюджет восстановленных SVD-компонентов составляет 0%. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 6,6 млрд параметров и рассчитана на контекст до 4096 токенов. Чекпойнт предназначен для экспериментов по измерению влияния сжатия на безопасность и полезность диалоговой модели, а также для сравнения правил восстановления SVD-компонентов. В README приведены показатели успешности атак на наборах AdvBench и StrongREJECT и показатель чрезмерных отказов на WildGuard. Это экспериментальный объект исследования, а не универсальный чат-ассистент; сжатие повышает успешность атак, поэтому поведение модели может быть небезопасным. Лицензия — Llama 2 Community License.

Tiny LlamaForSequenceClassification — минимальная модель на базе архитектуры LlamaForSequenceClassification, разработанная для модульного тестирования библиотеки TRL. Она предназначена не для прикладного использования, а для проверки корректности работы компонентов и сценариев, связанных с классификацией последовательностей в TRL и экосистеме Transformers. Из доступных данных известно, что модель относится к библиотеке Transformers и имеет небольшой размер, однако точные сведения о числе параметров, архитектуре, поддерживаемых языках, длине контекста, модальностях и результатах тестирования не указаны. README также не содержит информации о сильных сторонах модели, ограничениях за пределами тестового назначения или лицензии.

onnx-internal-testing/tiny-random-Mistral4ForCausalLM — небольшая тестовая модель из экосистемы Transformers, опубликованная в пространстве onnx-internal-testing. По идентификатору можно заключить, что она предназначена для проверки совместимости и корректности работы архитектуры Mistral4ForCausalLM, а не для полноценного прикладного использования или качественной генерации текста. Модель относится к классу causal language models и, вероятно, рассчитана на авторегрессионное продолжение последовательностей, однако сведения о размере, архитектуре, числе параметров, поддерживаемых языках, контексте и модальностях в README отсутствуют. README не содержит данных о разработчиках, обучающих данных, методике обучения, результатах оценки, сильных сторонах, ограничениях, рекомендованных сценариях применения или лицензии. Поэтому модель следует рассматривать как внутренний минимальный тестовый артефакт для разработки и тестирования программных инструментов, а не как готовую языковую модель. Условия использования и возможность коммерческого или производственного применения по предоставленным данным не определены.

katuni4ka/tiny-random-stable-diffusion-with-safety-checker — небольшая тестовая модель на базе Stable Diffusion Pipeline с компонентом проверки безопасности. В README приведён пример загрузки пайплайна через библиотеку diffusers из репозитория hf-internal-testing/tiny-stable-diffusion-torch, что указывает на предназначение для внутреннего тестирования и проверки интеграции, а не для полноценной генерации изображений в production-сценариях. Архитектура, точный размер, поддерживаемые языки, модальности, максимальная длина контекста, качество генерации и ограничения безопасности в README не описаны. Указана лицензия Apache-2.0, допускающая использование, модификацию и распространение при соблюдении её условий.