II.8Инженерия данных и аналитика

Anvaya-Rabbit-2.7B — исследовательская языковая модель RtaForge из программы ANVAYA, предназначенная прежде всего для использования инструментов и математических инструкций. Это плотная причинная языковая модель на собственной архитектуре RtaSSM v7.4 (Tungsten), относящейся к классу моделей пространства состояний; разработчик указывает размер 2,7 млрд параметров. Модель не является LoRA или дообучением сторонней базовой модели: чекпойнт создан в рамках собственной линии RtaForge. Версия 0.72W-beta прошла специализированное дообучение на математических инструкциях поверх широкого этапа 0.71W-beta. В карточке описаны интерфейс вызова инструментов и результаты оценок на наборах задач с рассуждениями, школьной математикой и общими знаниями. Модель рассчитана на эксперименты с быстрым и анализируемым использованием инструментов, но разработчик не позиционирует её как универсальную модель рассуждений или готовую к производственной эксплуатации. Для запуска требуется runtime RtaForge, предоставляющий реализацию нестандартной архитектуры поверх Transformers. Репозиторий содержит веса PyTorch и Safetensors. Лицензия указана как other; конкретные условия в доступных данных не раскрыты. Публичная карточка обозначает выпуск как исследовательскую beta.

AraGenre E5-Large MNRL X-GENRE — Multi-Seed (Seed 42) — это дообученная модель Hassan Barmandah и соавторов из NAMAA Community и Университета Умм-эль-Кура. Она основана на multilingual-e5-large и создаёт текстовые эмбеддинги для иерархической классификации жанров арабских текстов; в карточке также указана задача сравнения предложений. Архитектура — плотный энкодер XLM-RoBERTa, размер — 658,7 млн параметров, максимальный контекст — 514 токенов. Модель обучалась в два этапа на X-GENRE и AraGenre с MultipleNegativesRankingLoss; опубликован чекпойнт с seed 42. Чекпойнт предназначен прежде всего для воспроизведения экспериментов и изучения классификации жанров в AraGenre. Высокая оценка на небольшой выборке разработки не переносится на официальный скрытый тест: в README сообщается о снижении hierarchical F1 до 0,22–0,44 из-за несовпадения определений жанров и более широкой таксономии. Авторы отмечают, что это не модель отдельного победившего решения команды и не рекомендуют её как готовый классификатор для производства. Лицензия — Apache-2.0.

BanglaTuring — классификатор текста, разработанный Mahatir Ahmed Tusher для выявления текста на бенгальском языке, сгенерированного ИИ. Модель основана на BanglaBERT с архитектурой ELECTRA и дообучена методом supervised contrastive learning; размер составляет 137,8 млн параметров, максимальная длина контекста — 512 токенов. README указывает, что при обучении использовались тексты от нескольких современных генераторов и температурная калибровка вероятностей. Модель предназначена для проверки бенгальских текстов на вероятное машинное происхождение: например, для предварительного скрининга публикаций, модерации и анализа академических работ. В README приведены результаты проверок на разных генераторах, однако точность детектирования не гарантирована для каждого текста и сценария. Выход модели — классы Human и AI с оценками вероятности; для длинных документов автор рекомендует анализировать фрагменты текста. Лицензия — MIT.

Это модель классификации текста, созданная на основе bert-base-uncased и дообученная для определения, написан ли текст человеком или сгенерирован ИИ. Она обучена на 47,6 тыс. примеров из поднабора reddit_eli5 датасета HC3: ответы людей сопоставлялись с ответами ChatGPT/GPT-3.5. Архитектура — BERT для классификации последовательностей, размер — 136,7 млн параметров, окно токенизации при обучении — 256 токенов; нативный контекст составляет 512 токенов. Модель предназначена для анализа англоязычных текстов и выдаёт один из двух классов: человеческий текст или текст, созданный ИИ. В карточке указаны высокие результаты на тесте reddit_eli5 и на финансовых и медицинских текстах, однако обучение проводилось на текстах GPT-3.5 2023 года. Новые генераторы могут отличаться от обучающих данных; короткий ИИ-текст может остаться незамеченным, а длинный структурированный текст человека — получить ложную метку. Модель не подходит для обвинений с серьёзными последствиями. Лицензия — CC BY-SA 4.0.

hitachi-nlp выпустила японскую базовую модель BERT с архитектурой BertForMaskedLM и токенизатором Sudachi + WordPiece. Модель содержит 136,3 млн параметров, принимает текстовые последовательности длиной до 512 токенов и предназначена для заполнения пропусков в тексте на японском языке. Токенизатор разбивает японский текст на субсловные единицы; в примере из карточки он сохраняет знаки пунктуации и морфемные фрагменты. Модель подходит для задач, где нужно предсказывать замаскированные токены в японских текстах. Для загрузки токенизатора требуется отдельный словарный файл Sudachi + WordPiece из репозитория разработчика. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая требует атрибуции и ограничивает коммерческое использование.

leomaurodesenv/bert-base-uncased-jailbreakv-28k — модель классификации текста на базе BERT, дообученная автором leomaurodesenv на неизвестном наборе данных. Она предназначена для отнесения текстовых последовательностей к классам; название репозитория указывает на тему jailbreak, но README не подтверждает конкретную схему меток или назначение классификации. Модель содержит 136,7 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. В README приведены точность 1,0 и потери 0,0000 на оценочном наборе, однако набор данных, разбиение и методика оценки не описаны, поэтому эти результаты не позволяют судить о качестве на новых данных. Модель распространяется в формате safetensors по лицензии Apache-2.0.

asafaya/bert-mini-arabic — компактная предварительно обученная языковая модель BERT для арабского языка. Это плотная архитектура BERT с головой masked language modeling; модель содержит 12,4 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для заполнения пропусков в арабском тексте и может служить компактной основой для задач обработки арабского языка. Она обучена примерно на 8,2 млрд слов из арабской версии OSCAR, дампа Википедии и других арабских текстовых ресурсов общим объёмом около 95 ГБ. Данные включают диалектные варианты наряду с современным литературным арабским; в корпусе также встречаются слова не на арабском языке. Доступны форматы PyTorch, TensorFlow и Flax, включая веса Safetensors. Для загрузки можно использовать Transformers. Лицензия в предоставленных материалах не указана.

BERT-Tiny — компактная модель семейства BERT, дообученная Manuel Romero (mrm8488) для классификации SMS как спама или обычного сообщения на наборе sms_spam. Она предназначена для фильтрации нежелательных SMS и может использоваться через Transformers как модель text-classification. В карточке указано 4,4 млн параметров, контекст до 512 токенов и точность 0,98 на валидационной выборке. Модель принимает текст и выдаёт метку класса с оценкой. Карточка указывает английский язык и не сообщает отдельные ограничения качества или лицензию; результаты валидации относятся к указанной задаче и выборке.

BiomedELECTRA-large-uncased-abstract — крупная англоязычная языковая модель семейства BERT/ELECTRA, разработанная Microsoft Research и предварительно обученная с нуля на аннотациях PubMed. Она предназначена для извлечения признаков и представлений текста в биомедицинских NLP-сценариях. Модель содержит 433,9 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch. Её можно использовать как основу для получения текстовых эмбеддингов и дальнейшей разработки систем анализа биомедицинских текстов. Специализация на аннотациях PubMed может быть полезна для научной литературы, но карточка не сообщает результаты по конкретным задачам или гарантий качества. Лицензия — MIT.

BRAGD-sosialurin — модель для разметки частей речи и морфологических признаков в текстах на фарерском языке, разработанная авторами BRAGD. Это дообученная на базе vesteinn/ScandiBERT модель XLM-RoBERTa с 151,7 млн параметров и контекстом до 514 токенов. Для каждого токена она предсказывает 73 бинарных признака, охватывающих часть речи, подкатегорию, род, число, падеж, артикль, степень сравнения, наклонение, залог, время, лицо и определённость; файлы маски ограничений и сопоставления тегов помогают преобразовать предсказания в теги BRAGD. Модель предназначена для морфосинтаксической разметки фарерских текстов, включая новостные материалы. В README приведены результаты исследовательской оценки схемы BRAGD: точность составного тега 97,5% на Sosialurin-BRAGD и 96,2% на данных вне домена OOD-BRAGD. Эти показатели относятся к описанной экспериментальной постановке, а не к опубликованному чекпойнту. Чекпойнт обучен только на Sosialurin-BRAGD. Лицензия — CC BY 4.0.

PlanTL-GOB-ES/bsc-bio-es — предобученная модель RoBERTa для испанских биомедицинских текстов, разработанная подразделением Text Mining Unit (TeMU) Барселонского суперкомпьютерного центра. Она предназначена для заполнения пропусков в тексте (fill-mask); её также можно дообучать для распознавания медицинских сущностей и классификации текста. Модель содержит 151,8 млн параметров, использует архитектуру RoBERTa и поддерживает контекст до 514 токенов. Для предобучения использован испаноязычный биомедицинский корпус объёмом около 963 млн токенов. Специализация на медицинской лексике делает модель подходящей отправной точкой для анализа испанских медицинских материалов. В README отмечено, что встроенные смещения не оценивались; кроме того, для прикладных задач, помимо заполнения пропусков, потребуется дообучение. Модель распространяется по лицензии Apache 2.0.

fractalego/creak-sense — модель на базе GPT-2, обученная разработчиком на наборе CREAK для оценки того, согласуется ли предложение с фактами из этого набора. Модель предназначена для проверки утверждений и может возвращать объяснение к оценке. Для использования автор предлагает библиотеку creak-sense; в репозитории указаны PyTorch и контекст 1024 токена. Модель подходит для экспериментов с проверкой фактической согласованности коротких предложений в контексте CREAK. Данных о поддерживаемых языках, качестве на других наборах и лицензии в предоставленных источниках нет.

cs3darknet_x.c2ns_in1k — сверточная модель семейства CS3-DarkNet для классификации изображений и извлечения признаков. Модель распространяется проектом timm и обучена на ImageNet-1k; архитектура использует подход Cross-Stage-Partial с тремя свёртками. Веса доступны в форматах PyTorch и safetensors. Модель подходит для классификации изображений, получения карт признаков и эмбеддингов, а также как визуальный backbone в компьютерном зрении. В ней около 35 млн параметров; при обучении использовался размер изображения 256×256, при тестировании — 288×288. Лицензия — Apache-2.0.

CureLink/curelink-biomed-nli-v2-backup-20260625 — дообученная модель классификации последовательностей на архитектуре BERT, основанная на CureLink/curelink-biomed-nli-v2. Она предназначена для классификации текста; карточка сообщает результаты оценки: accuracy 0,5950 и F1 Macro 0,7088. Модель содержит 136,7 млн параметров, принимает последовательности длиной до 512 токенов и распространяется в формате safetensors через Transformers. Данные не уточняют конкретные метки, набор данных или целевые сценарии; биомедицинскую специализацию предполагает название базовой модели. Сведения о лицензии отсутствуют.

Модель sandychoii/distilhubert-finetuned-gtzan-audio-classification — дообученная на датасете GTZAN модель ntu-spml/distilhubert для классификации аудио. Она использует архитектуру HuBERT и содержит 18,9 млн параметров. В README указана точность 0,94 и loss 0,2132 на оценочном наборе. Модель подходит для отнесения аудиозаписей к музыкальным классам GTZAN. Базовая distilhubert предназначена для извлечения представлений из аудио с частотой 16 кГц; описание не уточняет ограничения по длительности входа и точный набор классов. Распространяется по лицензии Apache-2.0.

Distill-NeuCodec — нейронный аудиокодек, разработанный Neuphonic. Это версия NeuCodec с совместимым дистиллированным энкодером, предназначенная для кодирования и представления аудио в задачах обработки речи и аудиосигналов. В модели медленный акустический энкодер BigCodec заменён на SQCodec: его размер сокращён с 70 млн до 36 млн параметров. Семантический энкодер w2v-bert-2.0 заменён на DistilHuBERT: с 600 млн до 21 млн параметров. В результате дистиллированный энкодер примерно в 10 раз меньше по числу параметров и требует примерно в 7,5 раза меньше MAC-операций при инференсе. Работа основана на X-Codec2.0 и SQCodec. Модель рассчитана на аудио-аудио сценарии и обучалась с использованием наборов данных для речи, включая Emilia, Multilingual LibriSpeech, VCTK, Fleurs, Common Voice 13.0 и LibriTTS-R. Репозиторий содержит веса PyTorch; для использования предлагается пакет neucodec и Python 3.10 или новее. Лицензия — Apache-2.0. Карточка не уточняет поддерживаемые языки, качество реконструкции и ограничения применения.

DizgeBERT-Morph — модель iatagun для морфологической разметки турецкого языка на основе ELECTRA. Для каждого слова в предварительно токенизированном предложении она предсказывает UPOS, XPOS и морфологические признаки Universal Dependencies (FEATS), используя объединение представлений первого и последнего subword, чтобы учитывать турецкие суффиксы. Отдельные выходные головы предсказывают UPOS, XPOS и категории FEATS; схема разметки выбирается для treebank Kenet, BOUN или IMST. Модель обучена на UD_Turkish-Kenet, BOUN и IMST, а также на синтетических минимальных парах для устранения морфологической неоднозначности. В README приведены результаты на отложенных тестовых выборках: F1 для UFeats составляет 92,12–96,60 в зависимости от treebank. Модель создавалась также для передачи морфологической разметки парсеру iatagun/DizgeBERT-Dep. На вход требуется список уже выделенных слов; для сырого текста нужны внешний токенизатор и средство разделения многословных токенов. Модель не учитывает синтаксические связи при разрешении неоднозначности, поэтому для некоторых различий UPOS её возможности ограничены; редкие признаки и лексические варианты могут размечаться хуже. XPOS обучен только для BOUN и IMST. Модель распространяется по лицензии CC BY-SA 4.0.

EAGLE-3 — черновая модель Nebius для ускорения генерации текста базовой моделью gpt-oss-120b методом speculative decoding. Она предлагает несколько токенов-кандидатов, которые основная модель проверяет; обучение с нуля по LK losses нацелено на повышение доли принимаемых токенов. В карточке приведены средние значения длины принятой последовательности на MT-Bench, HumanEval и GSM8K: 2,81 токена при температуре 0 и 2,65 при температуре 1 при K=7. Модель содержит 697,3 млн параметров, использует архитектуру LlamaForCausalLM и формат safetensors. Контекст — до 131 072 токенов. Она предназначена для подключения к gpt-oss-120b через vLLM с методом eagle3; сама по себе не заменяет основную модель и не является универсальной разговорной моделью. Лицензия — CC BY 4.0.

Это веса EfficientNet-B7, предварительно обученной на ImageNet и опубликованные для использования в качестве энкодера в библиотеке segmentation-models-pytorch. Модель принимает изображения и предназначена для классификации изображений; её также можно использовать как энкодер в составе моделей сегментации. Репозиторий содержит веса в формате Safetensors. В карточке указана лицензия other, без конкретизации условий. Данных о размере модели, поддерживаемых языках и ограничениях качества нет.

GLM-5.2-FP8-DFlash — вспомогательная модель-черновик DFlash для ускорения генерации ответов базовой моделью GLM-5.2-FP8. Её разработала UCloud-org; это дообучение примерно 2,8-миллиардной плотной модели DFlashDraftModel на основе GLM-5.2-FP8, крупной MoE-модели с 743 млрд параметров и 39 млрд активных параметров. Модель предназначена для speculative decoding: она предлагает блоки токенов, которые базовая модель проверяет при генерации текста. Это не самостоятельная модель для обычного диалога. Черновик обучен на примерно 800 тысячах примеров из Nemotron-Post-Training-v2 и CodeAlpaca, охватывающих программирование, математику и чат. В тестах с SGLang показаны ускорения относительно обычной генерации на GSM8K, HumanEval и Math500; по коду и математике модель также превосходила встроенный MTP базовой модели. Репозиторий содержит веса safetensors, а для использования заявлена библиотека Transformers и поддержка DFlash в SGLang; README также упоминает поддержку в vLLM 0.20.1 и новее. Указаны контекст базовой модели в 1 048 576 токенов и лицензия MIT. Результаты на китайских задачах и чат-сценариях уступают встроенному MTP; корпус обучения преимущественно англоязычный. Черновик обучался с максимальной длиной 3072 токена, поэтому его эффективность на длинных запросах может снижаться. Ускорение при режиме рассуждений не оценивалось, а работа в vLLM на инфраструктуре автора не была проверена.

Gregariousness_binary — англоязычная модель классификации текста, созданная дообучением microsoft/deberta-v3-base и предназначенная для бинарной классификации текстовых последовательностей. Она построена на архитектуре DeBERTa-v2 и содержит 211,6 млн параметров; максимальная длина контекста — 512 токенов. По результатам оценки точность составила 0,6289, F1 — 0,5605, а AUC — 0,6918. Назначение классов, обучающие данные и конкретные сценарии применения в карточке не раскрыты, поэтому интерпретацию предсказаний следует устанавливать отдельно. Модель распространяется по лицензии MIT.

GT-Beta — специализированная языковая модель для анализа данных кибербезопасности, разработанная Omkar для платформы GhostTracer. Она предназначена для SOC, первичной сортировки инцидентов и анализа структурированной телеметрии: модель сопоставляет сигналы риска и признаки атак, выбирает решение MONITOR, INVESTIGATE или RESPOND и формирует рекомендации в формате JSON. Модель построена на Qwen3-1.7B-Base и дообучена методом QLoRA; адаптер объединён с базовой моделью в самостоятельный чекпойнт Transformers с весами FP16. Архитектура — плотная причинная языковая модель Qwen3 с 1,7 млрд параметров и контекстом до 32 768 токенов. Основной язык — английский. Входом служит текст, в том числе структурированные записи JSON; результат — текстовая оценка безопасности и рекомендации. GT-Beta рассчитана на выявление типовых атак, таких как подбор паролей, SQL-инъекции, XSS, обход путей и разведывательное сканирование, а также на снижение ложных срабатываний на доброкачественных событиях. Она не выполняет сетевые запросы и не применяет защитные меры самостоятельно; выводы зависят от предоставленной телеметрии. Для эксплуатации рекомендуется проверять JSON и рекомендации детерминированными правилами и использовать штатный системный промпт. Лицензия — MIT.

Это DFlash draft-модель mredmond, дообученная на диалогах coding-агента Hex для ускорения спекулятивного декодирования целевой модели moonshotai/Kimi-K2.7-Code, которую можно обслуживать через nvidia/Kimi-K2.7-Code-NVFP4. Модель предназначена для использования как черновая модель в связке с целевой моделью и SGLang, а не как самостоятельный универсальный генератор кода. Модель основана на архитектуре Qwen3 Dense и содержит 4,2 млрд параметров; README описывает шесть слоёв, размер скрытого представления 7168, YaRN rope и контекст до 262 144 токенов. Дообучение на 3 071 диалоге агентной системы повысило долю принимаемых токенов и скорость декодирования в описанных тестах; спекулятивное декодирование сохраняет выход целевой модели. Улучшения ориентированы на трафик Hex с системными промптами, контекстом ноутбуков и схем, а для обычного текста ожидается примерно поведение исходной draft-модели. Для работы нужны соответствующая целевая модель и совместимая конфигурация SGLang; README указывает bf16 KV-кэш, block size 8 и конкретные backend-настройки. Репозиторий содержит веса safetensors в bf16. Лицензия в предоставленных данных не указана.

LogPrecis — модель SmartDataPolito для последовательной разметки Unix-сессий с целью анализа вредоносных журналов. Она основана на SecureShellBert, который ранее адаптировали к предметной области на корпусе более чем из 20 тысяч Unix-сессий, а затем дообучили для классификации токенов на 360 размеченных примерах. В метаданных указаны архитектура RoBERTa, около 151,8 млн параметров и контекст до 514 токенов. Модель принимает текст Unix-сессии и соотносит её фрагменты с тактиками MITRE, например Impact и Execution. В README сообщается о точности 91,2% на тестовом наборе; доступны код обучения, данные и подробности обучения. Модель опубликована в формате PyTorch под идентификатором SmartDataPolito/logprecis. Лицензия в предоставленных данных не указана.

MERT-v0-public — модель семейства Music Audio Pre-training (MERT), разработанная командой m-a-p для извлечения представлений из музыкального аудио. Это 95-миллионная трансформерная модель с 12 слоями и размерностью 768, предварительно обученная без учителя по MLM на открытых наборах Music4All и части FMA_full. Она принимает аудио с частотой дискретизации 16 кГц и выдаёт признаки с частотой 50 в секунду; контекст предобучения составляет 5 секунд. Модель предназначена для получения музыкальных признаков, которые можно использовать в последующих задачах анализа и понимания музыки. Выбор слоя для извлечения признаков может влиять на качество в конкретной задаче. Репозиторий предоставляет веса PyTorch. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Morality_binary — модель классификации текста, дообученная Ajrayman на базе microsoft/deberta-v3-base. Она предназначена для бинарной классификации по признаку, связанному с моральностью текста; подробное описание меток и сценариев в карточке отсутствует. Модель содержит 211,6 млн параметров, использует архитектуру DeBERTa V2 для классификации последовательностей и принимает текст длиной до 512 токенов. На оценочном наборе указаны accuracy 0,7098, precision 0,7154, recall 0,6958, F1 0,7054 и AUC 0,7768. Язык и состав обучающих данных не описаны, поэтому качество и применимость к конкретным языкам или типам текстов требуют отдельной проверки. Модель распространяется по лицензии MIT.

Music2Vec-v1 — предварительно обученная модель для понимания музыкального аудио, опубликованная командой Music Audio Pre-training (m-a-p). Модель основана на архитектуре Data2Vec Audio и содержит 113,2 млн параметров. Она принимает музыкальный аудиосигнал и извлекает контекстные векторные представления для последующего использования в задачах музыкальной информации retrieval и анализа музыки. Модель обучена без разметки на 1000 часах музыкального аудио по парадигме BYOL; выпущена версия crop5s. Авторы сообщают о сопоставимых с Jukebox-5B результатах на нескольких задачах MIR при существенно меньшем размере модели. Для нового применения можно извлекать признаки и дообучать модель под конкретную задачу. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

OceanSAR-1 — модель извлечения признаков на основе ResNet, разработанная Томасом Кердре и Александром Тюэлем из Galeio; модель развёрнута Антуаном Одра из Galeio. Она предназначена для анализа изображений радиолокационной съёмки с синтезированной апертурой (SAR), прежде всего для наблюдения за океаном и переноса признаков в последующие задачи. Модель обучена методом самообучения DINO на примерно 12 миллионах изображений Sentinel-1 Wave Mode за 2015–2024 годы с динамическим отбором обучающих данных. Репозиторий использует Transformers и формат safetensors; для входа предусмотрены одноканальные изображения VV размером 256×256 пикселей с нормализованными значениями. В качестве признакового экстрактора OceanSAR-1 можно применять для классификации геофизических явлений, оценки значительной высоты волн и прогнозирования скорости ветра у поверхности. В README приведены результаты линейного зондирования для нескольких вариантов архитектуры ResNet и ViT; метаданные репозитория указывают архитектуру ResNet. Для практического запуска рекомендуется GPU с объёмом видеопамяти не менее 8 ГБ. Лицензия — Apache License 2.0.

OTel-Embedding-300M — англоязычная модель эмбеддингов для поиска по телекоммуникационным документам, разработанная в рамках открытой инициативы OTel Family of Models. Это плотная модель семейства Gemma 3 Text примерно с 303 млн параметров, полученная полным дообучением google/Gemma3-Embedding-300M на телекоммуникационных данных OTel. Она преобразует текстовые запросы и фрагменты документов в представления для поиска релевантных материалов; предназначена для этапа извлечения в RAG-системах по спецификациям, стандартам, RFC, техническим статьям и другим документам отрасли. Указанное окно контекста — 2048 токенов. На отложенном разделении OTel-Embedding модель показала NDCG@10 90,9% ± 0,5%, что на 18,6 процентного пункта выше базовой модели в этом тесте. Результаты относятся к внутреннему разделению датасета и не гарантируют качество на внешних наборах или во всех подотраслях. Модель специализирована на телекоммуникациях и английском языке; для эксплуатации в производственных сценариях качество следует отдельно проверять на целевых документах. Лицензия репозитория — Apache-2.0; пользователям также необходимо соблюдать лицензию или условия базовой модели.

PS3-1.5K-SigLIP2 — визуальный энкодер NVIDIA, дообученный на базе google/siglip2-so400m-patch14-384. Он извлекает признаки из RGB-изображений высокого разрешения до 1512 × 1512 пикселей и возвращает их в виде тензорных эмбеддингов для последующей обработки другой моделью. Модель предназначена для исследований и разработки сценариев, где нужно кодировать изображения высокого разрешения. PS3 поддерживает выбор информативных областей изображения по визуальной значимости или текстовому запросу, а также формирование многомасштабных карт признаков. В карточке указано обучение на 75 млн изображений, включая данные на основе SA-1B и IDL; модель рассчитана на ускорение на GPU NVIDIA. Для самостоятельных ответов на вопросы или генерации текста модель не предназначена: её выход — визуальные признаки, которые требуется передать последующей модели. Карточка не приводит оценок на тестовых наборах. Лицензия в предоставленных данных не указана.