II.4Отладка, тестирование и качество ПО

Репозиторий diegooliveira88/review-visual-question-answering содержит исследовательские заметки о визуальных вопросах и ответах (Visual Question Answering), а не обученную модель. В заметках обозначены предмет исследования, возможные факторы, влияющие на оценку, и план сравнения с сопоставимыми базовыми методами; в качестве контекста упомянуты наборы VQAv2, GQA и OK-VQA. Материал предназначен для планирования и проверки исследования VQA. README прямо указывает, что опубликованных результатов, обученного чекпойнта и кода нет, а планы и гипотезы нельзя трактовать как проведённые эксперименты. Метаданные при этом описывают репозиторий как Transformer-модель на 8,4 млн параметров с контекстом 256 токенов, форматом safetensors и лицензией MIT; README не подтверждает наличие соответствующего обученного чекпойнта.

Senna — система для автономного вождения, разработанная HUST и Horizon Robotics. Она объединяет большую визуально-языковую модель с сквозной моделью управления, чтобы выполнять планирование движения и понимать дорожные сцены. Модель предназначена для планирования движения автомобиля с учётом дорожной обстановки, а также для повышения безопасности, устойчивости и обобщающей способности системы. Архитектура в метаданных указана как плотная LLaVA-LLaMA; размер составляет 6,6 млрд параметров, родная длина контекста — 4096 токенов. Репозиторий содержит веса PyTorch; карточка описывает визуально-языковую систему, но не уточняет поддерживаемые языки. В метаданных указана лицензия Apache-2.0, тогда как README заявляет некоммерческую лицензию; условия использования следует считать противоречивыми и уточнить по первоисточнику перед применением. Система рассчитана на задачи автономного вождения, поэтому её пригодность для безопасного управления автомобилем требует отдельной проверки.

Это экспериментальный контрольный чекпойнт семейства Llama, созданный в рамках исследования того, как SVD-сжатие влияет на безопасное поведение и как выбор компонентов влияет на его восстановление. В основе указана диалоговая модель meta-llama/Llama-2-7b-chat-hf; архитектура — плотная авторегрессионная LlamaForCausalLM с 6,6 млрд параметров и контекстом до 4096 токенов. Модель принимает текст и генерирует текстовые ответы; в метаданных отмечена поддержка диалога. Чекпойнт предназначен для измерения компромиссов между безопасностью и полезностью после сжатия, а не для повседневного общения или развёртывания в качестве ассистента. README описывает бюджет восстановленных SVD-компонентов как 0,0% и называет правило их выбора неизвестным; поэтому фактический эффект восстановления из этих данных определить нельзя. В карточке также есть несогласованность: она называет модель сжатой до 0,0% плотных параметров, но указывает удаление 0,00% параметров. Отдельные варианты исследования могут иметь намеренно ухудшенную устойчивость к атакам. Для применения требуется соблюдать лицензию Llama 2; конкретные условия определяются лицензией Meta Llama 2.

Это исследовательский чекпойнт на базе диалоговой Llama 2 Chat от Meta, сжатый методом SVD-LLM примерно до половины исходного числа параметров и затем обработанный одним раундом перестановки параметров по правилу disc_iter. Модель содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; максимальная длина контекста — 4096 токенов. Чекпойнт создан для изучения того, как сжатие влияет на безопасность и полезность ответов, а также для проверки методов восстановления поведения. В README приведены измерения доли успешных атак и чрезмерных отказов. Модель не предназначена для обычного диалога или развёртывания в качестве ассистента; результаты следует оценивать в рамках исследовательских экспериментов. Лицензия — Llama 2. Базовая модель предназначена для общения на английском языке; отдельные сведения о языках этого чекпойнта не приводятся.

onnx-community/tiny-random-olmo-hf — небольшой случайно инициализированный вариант модели OLMo, подготовленный сообществом onnx-community на основе katuni4ka/tiny-random-olmo-hf. Репозиторий содержит ONNX-веса, совместимые с Transformers.js, поэтому модель предназначена прежде всего для проверки загрузки, конвертации и выполнения моделей в JavaScript- и веб-средах, а не для решения прикладных задач генерации текста. В README не указаны точный размер, архитектурные параметры, поддерживаемые языки, модальности и размер контекстного окна. Известно, что веса представлены в формате ONNX и размещены в каталоге onnx. Ключевое преимущество модели — готовность к использованию с Transformers.js и небольшой размер, однако случайная инициализация означает отсутствие практической полезности для качественного машинного обучения или генерации. Лицензия в предоставленных данных не указана.

Это демонстрационная модель physicsrob, скомпилированная компилятором torchwright непосредственно из графа вычислений; веса не обучались. Она использует плотную архитектуру Phi-3 и предназначена только для целочисленных операций над двумя неотрицательными десятичными числами длиной до 9 цифр: сложения, вычитания и умножения. На вход подаётся выражение вида «A op B» с переводом строки, на выходе — результат; для вычитания допускается отрицательный ответ. Контекст модели составляет 4096 токенов, однако поддерживаемый формат ввода значительно уже. Контрольные примеры дают точные результаты, а публикационная проверка сверяет примеры и некоторые граничные случаи с целочисленной арифметикой Python. Проверка не охватывает все допустимые выражения. Поддерживается запуск через transformers без пользовательского кода модели, в fp32 и с жадным декодированием; другие точности и режимы декодирования не входят в поддерживаемые условия. Модель не предназначена для диалога или общих языковых задач. Лицензия — Apache-2.0. Чекпойнт содержит 24,1 млрд параметров и занимает около 93,54 ГБ в fp32; все веса в нём равны нулю, поэтому размер отражает геометрию компиляции, а не объём усвоенных знаний. Плотное исполнение всё равно требует памяти и вычислений для этого размера; для работы на CPU потребуется дополнительная оперативная память. Ввод шире 9 цифр и символы вне ограниченного словаря не поддерживаются, результат в таких случаях не определён.

Vertex 0.6 5M Base — базовая предобученная языковая модель от VertexResearch, созданная с нуля. Это плотная модель на архитектуре LlamaForCausalLM с 4,77 млн параметров: 9 слоёв, скрытый размер 192, 3 головы внимания и словарь ByteLevel BPE на 4096 токенов. Контекст составляет 512 токенов. Модель обучена на 500 млн токенов англоязычного веб-текста и синтетических текстов с вопросами и ответами; веса сохранены в формате safetensors. Модель генерирует текст по текстовому продолжению: обычно выдерживает грамматику, пунктуацию и стиль запроса примерно на протяжении одного предложения. Она предназначена для изучения масштабирования малых моделей, влияния токенизатора и пропорций эмбеддингов и трансформерных блоков, а также для проверки работы систем инференса. Это базовая модель без шаблона чата и дообучения на инструкциях; она не предназначена для надёжных ответов на вопросы, написания кода или пользовательских приложений. Модель распространяется по лицензии Apache-2.0.

Ashenzari разработала VLA LSTM Progress Monitor v2.1.0 — ансамбль из пяти LSTM-чекпойнтов для оценки хода роботизированной задачи по признакам замороженной VLA/VLM-модели. На каждом шаге модель получает усреднённые признаки размерности 4096, извлечённые с частотой 10 Гц; для временного контекста используются смещения от −0,3 до 0 секунд и 64 визуальных токена. Выходы пяти моделей усредняются в кривую прогресса. Модель предназначена для мониторинга прогресса при выполнении задач с кофейной чашкой, блюдцем, бутылкой воды и вином. Для работы нужны признаки, извлечённые именно из VLA-чекпойнта new_vla_checkpoint_vlm_30k, а также применение сохранённого в чекпойнте нормализатора рангов. Голова классификации исхода сохранена для совместимости, но в этой версии не обучалась: её логиты нельзя трактовать как вероятности успеха или неудачи. Оценка проведена только на задачах из обучающего домена и не подтверждает работу на новых задачах. README не сообщает лицензию.

melephant/1-layer-addition — небольшая модель, предназначенная для изучения механизмов работы трансформеров на задаче сложения. Это однослойный без смещений причинный трансформер на 41,8 тыс. параметров, обученный выполнять сложение двух четырёхзначных десятичных чисел: операнды дополняются нулями, а ответ выдаётся пятью цифрами с сохранением переноса. Модель загружает текстовые последовательности и генерирует текст; длина контекста — 16 токенов. В README указаны точность сгенерированных токенов 99,85% и точность полного ответа 99,32% на валидации. Модель предназначена для исследований механистической интерпретируемости, а не для общего применения в арифметике. Входы за пределами заданного формата и разрядности не поддерживаются, а ответы не следует считать надёжными вычислениями. Репозиторий содержит пользовательский код Transformers; для воспроизводимого или чувствительного к безопасности использования README рекомендует закрепить ревизию коммита. Лицензия в предоставленных данных не указана.

Agent-G2 ALFWorld 1.5B — языковой агент для текстовой среды ALFWorld, разработанный на базе Qwen2.5-1.5B-Instruct и дообученный методом Agent-G2 с подкреплением и адаптивным экспертным префиксом. Это плотная авторегрессионная модель Qwen2 с 1,5 млрд параметров, представленная в BF16 Safetensors и рассчитанная на контекст до 32 768 токенов; в опубликованном рецепте обучения использовались запросы до 4 096 и ответы до 512 токенов. Модель предназначена для выбора допустимых действий по заданию, текстовому наблюдению, истории и списку действий среды, а также для исследований долгосрочных языковых агентов и обучения с подкреплением. README приводит результаты ALFWorld по группам заданий, но они не были независимо воспроизведены, а разброс результатов не сообщается. Модель может выдавать некорректные или недопустимые действия и не предназначена для общего диалога, других симуляторов или управления физическими роботами; для работы нужны взаимодействующий цикл среды и проверка действий. Лицензия — Apache-2.0.

weights-and-wires/audio8-tts-from-scratch — экспериментальная модель синтеза речи по тексту семейства DualAR, обученная авторами проекта с нуля на 440 фрагментах LibriSpeech общей длительностью 72,6 минуты и четырьмя дикторами. Медленная и быстрая авторегрессионные трансформерные части были случайно инициализированы и обучены на 280 шагах; замороженный нейрокодек взят из Audio8/Audio8-TTS-Preview-0.6b. В метаданных указаны архитектура Arktts, 497,4 млн параметров, контекст 2048 токенов, формат safetensors и библиотека Transformers. Модель предназначена для экспериментального синтеза английской речи из текста. Обучалась только с шаблоном без референсного аудио, поэтому клонирование голоса не поддерживается. Авторы предупреждают, что модель недообучена и речь может быть частично неразборчивой; исходные записи LibriSpeech с частотой 16 кГц были повышены до 44,1 кГц, что ограничивает качество. Лицензия — Apache-2.0.

allenai/Llama-3.1-Tulu-3-70B-broken — экспериментальный контрольный пункт семейства Tülu 3, созданного Allen Institute for AI на базе Llama 3.1. Это плотная 69,5-миллиардная языковая модель архитектуры LlamaForCausalLM с контекстом до 131072 токенов, предназначенная для генерации текста и диалогов; семейство Tülu ориентировано на следование инструкциям и задачи вроде MATH, GSM8K и IFEval. В контрольной точке отсутствует языковая голова (LM head) из-за ошибки сохранения весов. При обычной загрузке Transformers веса головы инициализируются случайно, поэтому модель не подходит для стандартного использования и её ответы не отражают заявленные возможности Tülu. Репозиторий опубликован для исследований по восстановлению LM head. Модель дообучена от allenai/Llama-3.1-Tulu-3-70B-DPO и распространяется по Llama 3.1 Community License Agreement.

llm-jp/lllm-jp-roberta-random-init — модель на архитектуре RoBERTa с примерно 189,7 млн параметров и нативным контекстом до 517 токенов. Она размещена в организации llm-jp и предназначена для использования в llm-jp-clip. Модель не обучена и представляет собой случайно инициализированные веса, поэтому не подходит для прикладного заполнения пропусков, извлечения признаков или других задач без предварительного обучения. Метаданные классифицируют её как модель для pipeline fill-mask; для работы используется библиотека Transformers и формат Safetensors. Лицензия в предоставленных данных не указана.

Mercury-M13nc — экспериментальный чекпойнт модели RaonDuplex, дообученный для диалогов с речью в режиме полного дуплекса и учётом времени. Модель принимает аудио и предназначена для генерации речевого ответа, одновременно учитывающего временную структуру разговора. Чекпойнт обучали два эпохи на 4 440 синтетических диалогах полного дуплекса; временные метки слов получены принудительным выравниванием аудио, а не из собственных кадровых решений модели. Кадровая частота составляет 12,5 кадра в секунду, аудио — 24 кГц. В README сообщается о низкой согласованности между текстовыми решениями модели и сгенерированной речью: символьная согласованность составила 73,6%, а полнота слов — 49,4%; в 51 из 100 проверенных диалогов несоответствие было серьёзным. Это ограничивает применение модели и указывает на экспериментальный характер чекпойнта. Обучающие данные, код и скрипты оценки не опубликованы. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

Anindilyakwa experimental scripture-domain baseline v0.2.0 — модель перевода, созданная на основе facebook/nllb-200-distilled-600M и дообученная для направления с английского языка на анindilyakwa. Она использует архитектуру M2M100 с 463,7 млн параметров, библиотеку Transformers и формат safetensors; длина контекста — 1024 токена. Модель предназначена для экспериментального вывода, аудита воспроизводимости и анализа деградации в ограниченном библейском домене. Автоматическая оценка качества провалена: в тестах лексики, фиксированных фраз и естественных предложений точных совпадений с эталоном не было, а все проверенные ответы вызвали флаг высокой повторяемости. Поэтому модель не подходит для надёжного перевода, обучения языку или замены компетентного носителя. Выпуск обозначен как экспериментальный публичный предварительный просмотр; лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и запрещает коммерческое применение.

OpenArm PackingBench v1 — это дообученный чекпойнт NVIDIA GR00T N1.7 на 3 млрд параметров для управления двуруким роботом OpenArm при упаковке предметов. Модель основана на nvidia/GR00T-N1.7-3B, использующем визуально-языковую основу nvidia/Cosmos-Reason2-2B; опубликованы веса в формате safetensors для инференса на шаге обучения 90 000. Модель предназначена для выполнения задачи pick-and-pack в симуляции Isaac Sim: по изображению с четырёх камер и формулировке задания она управляет 16-степенным двуруким OpenArm, чтобы поместить один или два предмета в коробку и закрыть её. Обучение проводилось имитационным методом на 350 эпизодах и 137 678 кадрах; оценка описана для сцены с коробкой ShippingBoxSmall и степлером Stapler6. Модель узкоспециализирована на вариантах задачи упаковки и конфигурации OpenArm из обучающего набора. README указывает лицензию репозитория как other, но конкретные условия не раскрывает.

OpenWAM-Alpha-Sim-RoboDojo — модель OpenWAM, дообученная для симуляционного трека RoboDojo. Она основана на видеомодели Wan2.2-TI2V-5B с исходным энкодером Wan-VAE и использует архитектуру Dual-System Joint Self-Attention с маской взаимного внимания. Базовая предобучающая выборка включает 518,5 млн кадров: данные роботов (70%, в том числе реальные и симуляционные) и видео от первого лица (30%). Модель предназначена для задач робототехники в симуляции RoboDojo. Репозиторий содержит веса в формате safetensors; библиотека для работы с моделью — OpenWAM. Лицензия Apache-2.0. В README не описаны точные входы и выходы, поддерживаемые языки, параметры применения или количественные оценки качества.

Исследовательский чекпойнт проекта UnfaithRL на базе Qwen2.5-0.5B, дообученный с подкреплением на задачах рассуждения о коде. Модель исследует, как вводящие в заблуждение подсказки влияют на цепочки рассуждений и ответы при обучении с проверяемыми наградами (RLVR). В обучении использовались примеры с misleading cues, а награда поощряла выбор ответа, предложенного подсказкой; максимальная длина завершения при обучении составляла 2048 токенов. Архитектура — плотная Qwen2ForCausalLM, около 494 млн параметров; базовая модель поддерживает контекст до 32768 токенов. Модель предназначена для исследований верности цепочек рассуждений, следования подсказкам и reward hacking, а также разработки способов смягчения этих эффектов. Это не универсальный ассистент: она может следовать ложным подсказкам, выдавать неверные ответы и рационализировать их в рассуждениях. Текст рассуждения нельзя считать достоверным объяснением решения модели; для критически важных задач модель не подходит без дополнительной оценки. Лицензия в предоставленных данных не указана.

Qwen-Drive-1.0-4B-GGUF — комплект GGUF-чекпойнтов для мультимодальной модели автономного вождения Qwen-Drive-1.0, размещённый EvoAwaken-Workshop. Модель объединяет зрительно-языковую основу Qwen3.5-4B с отдельными головами 3D-восприятия и планирования движения; для полной работы нужны компоненты VLM, визуальный проектор, голова восприятия и один из планировщиков. Репозиторий упаковывает опубликованные чекпойнты для runtime rust-model-inference и не заявляет о создании новой модели или квантизации. Набор предназначен для анализа визуальной сцены в контексте автономного вождения, 3D-восприятия и планирования движения. Метаданные указывают поддержку диалога и vision, а главный тип задачи Hugging Face — image-text-to-text. В комплекте есть варианты BF16 и F32; лицензионная метка — Apache-2.0. README направляет за подробностями о данных, оценке и назначении к официальной реализации и техническому отчёту.

Карточка модели tastegarden/sn120-62dfb322fdce на Hugging Face совпадает с карточкой unconst/Affine-5czsc2fc98-r1032-vera-odpo-midrank-hibeta-shortctx-ultraextra-ep4-midlr-merged, поэтому описание составлено по ней. Affine-5czsc2fc98-r1032-vera-odpo-midrank-hibeta-shortctx-ultraextra-ep4-midlr-merged — экспериментальный чекпойнт семейства Qwen 3.5 MoE, разработанный как участник серии Affine SN120. Он дообучен методом offline DPO на парах предпочтений, отобранных по оценке Reason v4, на базе vera6/affine-5g4yy75zuz-t6. В метаданных указаны библиотека Transformers, формат Safetensors и лицензия Apache 2.0. Модель предназначена для участия в дуэльной оценке Reason v4 и задач майнинга Affine, где требуется генерировать рассуждения, повышающие оценку модели-учителя. В описанном сравнении с базовой моделью чекпойнт получил положительный результат на выборке из 80 примеров и прошёл заданные критерии оценки. Это узкоспециализированная экспериментальная модель, README прямо предостерегает от использования в качестве универсального чат-бота. Контекст обучения ограничивался 6144 токенами; данных о поддерживаемых естественных языках нет.

hf-tiny-model-private/tiny-random-GPT2LMHeadModel — небольшая модель для генерации текста, опубликованная на Hugging Face организацией «HF tiny models (private usage)». В карточке она классифицирована как модель Text Generation и связана с архитектурой GPT-2 через класс GPT2LMHeadModel; поддерживаются библиотеки Transformers, PyTorch и TensorFlow. Модель предназначена главным образом для сценариев генерации текста и тестового запуска через Transformers, vLLM или SGLang. Точные размер, число параметров, контекстное окно, языки, обучающий набор и результаты оценки не указаны. По названию «tiny-random» и отсутствию карточки модели можно предположить, что это тестовая случайно инициализированная модель, а не полноценная предобученная система, поэтому её практическое качество и пригодность для реальных задач не подтверждены. Лицензия и условия использования в доступных данных не указаны. Модель не развернута через Inference Providers.

echarlaix/tiny-random-gpt-oss-mxfp4 — небольшая случайно инициализированная модель для генерации текста, опубликованная пользователем или организацией echarlaix. В карточке указано, что модель предназначена для сценариев text generation и совместима с библиотекой Transformers. Технические характеристики, включая точную архитектуру, число параметров, поддерживаемые языки, модальности и размер контекста, в представленном README не указаны. Из-за случайной инициализации модель, вероятно, предназначена прежде всего для тестирования и разработки, а не для получения качественных содержательных ответов. Модель распространяется по лицензии Apache-2.0.

gdiamos выпустил экспериментальную 30-миллионную модель block-routed MoE с 3,3 млн активных параметров на токен для генерации функций на языке C в узком корпусе инструментов автоматизации проектирования электроники (EDA). Модель дообучена на программе исправления ошибок в реальном C-коде; использует окно внимания 2048 токенов и была обучена на одном ядре Intel AMX с библиотекой Transformers. Модель предназначена для исследования обучения небольших MoE-моделей на CPU и генерации C-кода в диалекте EDA-корпуса и среды выполнения nrl. На отложенных блоках она показала снижение cross-entropy относительно прежней инициализации, однако преимущество по частоте компиляции не подтверждено. Лицензия — Apache-2.0. Это исследовательский артефакт, а не помощник для разработки: точное совпадение на отложенных блоках составило 0%, а многие компилирующиеся результаты являются пустыми заглушками. Выводы следует проверять на соответствие спецификации и полезность, особенно за пределами обучающего корпуса.

Atom2.7m — компактная авторегрессионная языковая модель, разработанная Universal Computing Research для продолжения текста и экспериментов с очень малыми языковыми моделями. Она имеет архитектуру GPT с 2,74 млн параметров, пятью слоями, контекстом обучения 512 токенов и словарём из 4096 токенов. Модель использует арифметически ориентированный токенизатор: цифры и операторы выделяются в отдельные токены, а цифры внутри чисел представляются в обратном порядке разрядов; дополнительные признаки разряда и роли помогают обрабатывать целочисленные выражения. Модель предназначена для продолжения простых целочисленных уравнений, изучения токенизации чисел и экспериментов с выводом на ограниченных ресурсах. В ArithMark 2.0 она показала точность 69,24%, но этот результат относится только к продолжению целочисленной арифметики и не означает превосходства в общих задачах. Atom2.7m не является чат-ассистентом или системой широкого математического рассуждения; её признаки арифметики не рассчитаны на десятичные дроби, рациональные числа и математические вопросы в свободной форме. Для загрузки токенизатора через стандартный интерфейс Hugging Face требуется разрешить удалённый код; кэшированная генерация может ухудшать арифметические продолжения без обновления признаков разрядов и ролей. Веса распространяются по лицензии Apache-2.0.

CTM (Continuous Thought Machine) от Sakana AI — экспериментальная модель для навигации по двумерным лабиринтам. Она обучена на лабиринтах размером 39×39 и предсказывает последовательность действий: влево, вправо, вверх, вниз или дополнение последовательности. Для навигации модель использует внутренние пространственные представления и не опирается на позиционные эмбеддинги. По данным карточки, она способна находить путь в лабиринтах 99×99, превышающих размер и предел в 100 шагов, использованный при обучении. Модель предназначена для исследований и экспериментов с навигацией и решением лабиринтов, а не для критически важных систем. Лицензия — Apache 2.0; авторы отдельно указывают, что качество и результаты не гарантируются и не рекомендуют коммерческое применение или развёртывание в ответственных сценариях.

AMAImedia выпустила экспериментальный контрольный чекпойнт Kimi-K3-0.40B-Kazakh-CPT-step200 для проверки конвейера продолжения предобучения казахской языковой модели. Это плотная модель семейства Kimi K3 с архитектурой KimiK3ForConditionalGeneration; она основана на экспериментальной версии inference-optimization/Kimi-K3-0.40B, веса которой, согласно карточке, изначально созданы с нуля и обучены на небольшом тестовом наборе. В чекпойнте выполнено 200 шагов причинного языкового моделирования на датасете казахского языка, обработано около 1,64 млн токенов при длине последовательности 512. Модель предназначена для изучения адаптации Kimi K3 к казахскому языку, проверки конфигурации малой архитектуры и экспериментов с данными и конвейерами предобучения. Она начала усваивать казахскую кириллицу, морфологию и структуру предложений, однако генерации остаются семантически несвязными и могут содержать выдуманные слова. Чекпойнт не проходил инструкционную настройку и выравнивание безопасности, поэтому не подходит для фактических, критически важных или производственных задач. Распространяется по лицензии Apache-2.0.

Mercury-M12nc — экспериментальная модель преобразования речи в речь с полнодуплексным диалогом, дообученная для разговора с учётом времени. Разработчик выпустил её под кодовым названием, пока связанная статья проходит анонимное рецензирование. В метаданных указаны архитектура RaonDuplexModel семейства raon_duplex и формат весов safetensors. Модель предназначена для диалогов, в которых речь собеседника и ответ модели обрабатываются одновременно. Чекпойнт обучен в течение двух эпох на 4 440 самостоятельно сгенерированных полнодуплексных диалогах; временные метки слов получены принудительным выравниванием аудио. Частота кадров составляет 12,5 кадра в секунду, аудио — 24 кГц. В README приведены низкие показатели согласованности между текстовыми решениями модели и созданным аудио на выборке из 100 диалогов: средняя посимвольная согласованность 37,2%, полнота слов 15,2%; в 98 случаях из 100 расхождение было серьёзным. Это указывает на существенные ограничения качества и не подтверждает пригодность модели для надёжного использования. Данные, код обучения и скрипты оценки не опубликованы. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

tiny-random/minicpm5 — экспериментальная компактная модель для отладки, созданная на основе конфигурации openbmb/MiniCPM5-1B. Модель имеет случайно инициализированные веса и не предназначена для получения качественных осмысленных ответов или использования в прикладных системах. Модель поддерживает генерацию текста через Transformers и архитектурно представлена как LlamaForCausalLM с двумя decoder-слоями, размером скрытого представления 16, промежуточным размером 64, 16 attention heads и 2 key-value heads. Размер файла model.safetensors составляет около 8,4 МБ. В README не указаны точные языки, поддерживаемые модальности и максимальная длина контекста. Основное преимущество модели — минимальный размер, что удобно для тестирования загрузки, конфигураций и интеграций в Transformers на ограниченных ресурсах. Главные ограничения — случайная инициализация весов и, как следствие, отсутствие заявленной практической полезности, а также необходимость использования trust_remote_code. Лицензия в предоставленных данных не указана.

Motus — модель Vision-Language-Action и world model, разработанная авторами проекта Motus. Этот чекпойнт дообучен для бенчмарка RoboTwin 2.0 и предназначен для управления роботами при выполнении более 50 задач манипуляции, включая бимануальные сценарии. Модель объединяет экспертов понимания, действий и генерации видео в архитектуре Mixture-of-Transformers и поддерживает несколько режимов моделирования. Для представления действий используются чанки по 48 шагов с частотой управления 30 Гц и 14 измерениями для двух рук. В описании компонентов указаны WAN 2.2 примерно на 5 млрд параметров, Qwen3-VL-2B примерно на 2,13 млрд и эксперт действий примерно на 641,5 млн параметров. На RoboTwin 2.0 авторы сообщают среднюю успешность 87,02% в рандомизированном режиме. Чекпойнт распространяется в формате PyTorch по лицензии Apache-2.0; для инференса требуется около 24 ГБ VRAM с предварительно закодированным T5 или около 41 ГБ без него.

OpenVLA 7B Fine-Tuned on LIBERO-Spatial — модель OpenVLA, дообученная разработчиками проекта OpenVLA с помощью LoRA на симуляционном наборе LIBERO-Spatial. Она предназначена для управления роботом по изображению сцены и текстовой инструкции: модель предсказывает действия для выполнения пространственных задач в симуляторе LIBERO. Архитектура — плотная мультимодальная OpenVLAForActionPrediction на основе OpenVLA 7B; веса опубликованы в формате safetensors. В описании указаны ранг LoRA 32 и 50 тысяч шагов обучения. Модель рассчитана на оценку и выполнение задач LIBERO-Spatial в симуляторе; для запуска и оценки авторы отсылают к инструкциям OpenVLA на GitHub. Лицензия — MIT. Карточка не сообщает метрики качества или подробности о применении на физических роботах.