II.8Инженерия данных и аналитика

NV-Reason-CT — разработанная NVIDIA мультимодальная модель для анализа трёхмерных компьютерных томограмм грудной клетки и брюшной полости. Она принимает томограмму в формате NIfTI и текстовый запрос, а отвечает текстом: формирует радиологические описания, отвечает на вопросы и выдаёт анализ с рассуждением, которое можно отключить для получения краткого ответа. Архитектура сочетает 3D-энкодер зрения Primus 3D ViT, инициализированный из COLIPRI, с языковой моделью Qwen3.5-4B и позиционным кодированием 3D MRoPE. Модель обучена сквозным образом с SFT и GRPO на корпусе примерно из 550 тысяч структурированных примеров вопросов и ответов по КТ. В активном тракте анализа КТ около 4,35 млрд параметров; всего в чекпойнте 4,69 млрд с учётом сохранённых 2D-модулей. Объёмы автоматически обрезаются до грудной клетки или брюшной полости и приводятся к изотропному разрешению 2 мм. Модель предназначена для исследовательских и образовательных сценариев: помощи радиологам и студентам при разборе КТ, подготовке черновиков описаний и изучении клинических случаев. Она не предназначена для клинической диагностики или принятия решений о лечении; результаты должны проверяться квалифицированными специалистами, а сгенерированные рассуждения не гарантируют точного отражения внутренних вычислений модели. Лицензия — OpenMDW 1.1.

Codemaster67/olmo_chem_250k — плотная причинно-языковая модель семейства OLMo с 6,7 млрд параметров, созданная полным дообучением Codemaster67/Olmo-7b-spe на химических строках SMILES из набора Codemaster67/Causal_lm_chemistry_1M_rows. Токенизатор базовой модели расширен примерно 300 токенами SPE для химических строк и специальными токенами; эмбеддинги и выходной слой языковой модели были изменены для поддержки новых токенов. Модель предназначена для языкового моделирования в химической области, генерации и продолжения строк SMILES, а также может служить основой для дообучения под предсказание свойств молекул. Работает с текстовыми последовательностями; в карточке указан контекст 2048 токенов и библиотека Transformers. В README приведены итоговые eval loss 0,973 и perplexity 2,645. Модель обучалась преимущественно на SMILES, поэтому её способность следовать инструкциям на естественном языке может быть ниже, чем у базовой модели. Для этого запуска аугментация данных была отключена. Лицензия — Apache-2.0.

zhangtaolab разработала эту модель как дообученную версию GPT-2-модели zhangtaolab/plant-dnagpt-BPE, предварительно обученной на геномах растений. Она предназначена для классификации последовательностей ДНК и прогнозирования активных основных промоторов. Модель использует архитектуру GPT-2 с токенизатором BPE, настроенным для последовательностей ДНК; словарь содержит 8000 токенов, контекст — 1024 токена. Модель подходит для анализа геномных последовательностей растений и поиска кандидатов в активные промоторы. Для дообучения использовались данные plant-multi-species-core-promoters. Репозиторий содержит веса safetensors; для запуска предусмотрена библиотека Transformers. Лицензия CC BY-NC-SA 4.0 требует указания авторства и распространяет производные материалы на тех же условиях с ограничением некоммерческого использования. Результаты следует рассматривать как предсказания классификатора, а не как экспериментальное подтверждение активности промотора.

Qwen3.8-27B-MTP-mxfp4 — вспомогательная модель-черновик, разработанная сообществом mlx-community на основе Qwen/Qwen3.8-27B от Qwen. Она предназначена для ускорения генерации текста методом speculative decoding в среде MLX и mlx-vlm: модель предсказывает несколько следующих токенов, а совместимая целевая модель Qwen3.8 27B проверяет эти предсказания. Это не самостоятельная модель и не используется отдельно. Модель реализует архитектуру qwen3_5_mtp с размером блока MTP 3. Весовой адаптер содержит только параметры черновика; эмбеддинги токенов и языковую голову во время работы предоставляет целевая модель. Используется формат квантования MLX MXFP4 с размером группы 32, а языком модели указан английский. Для корректной работы адаптер и целевая модель должны происходить из одного и того же совместимого чекпойнта Qwen3.8 27B. Основное преимущество модели — потенциальное ускорение авторегрессионной генерации за счёт многотокенного чернового прогнозирования при сохранении проверки целевой моделью. Ограничение заключается в том, что это специализированный компонент для speculative decoding, а не полноценная языковая модель. Указана лицензия Apache 2.0; ограничения исходной модели также распространяются на этот адаптер.

Qwen3-8B-Game-semantic-IDs-v3 — модель-рекомендатель игр Steam, разработанная автором репозитория pblrvo на основе Qwen3-8B. Это полноразмерное дообучение языковой модели, которая работает с семантическими идентификаторами игр, созданными с помощью RQ-VAE, и не использует напрямую исходные ID или эмбеддинги каталога. Модель предназначена для предсказания следующей игры по истории пользователя, поиска соответствий между названиями игр и семантическими ID, а также рекомендаций похожих игр. В обучающий набор вошло около 396 тысяч примеров по восьми задачам, включая оценку связанности пар ID. Для генерации допустимого элемента каталога README описывает constrained beam search; заявленные оценки получены на ограниченном каталоге примерно из 8,5 тысяч игр. Модель имеет плотную архитектуру Qwen3ForCausalLM с 7,6 млрд параметров и контекстом до 40 960 токенов; для работы используется Transformers. README отмечает сильные результаты на поиске ID по названию и предпочтениях в естественном языке, но заметно более слабые — на преобразовании ID в название и последовательных рекомендациях. Оценка связанности ID проверяет видимое совпадение токена и сама по себе не подтверждает глубокого понимания игровых свойств. Модель распространяется по лицензии Apache-2.0.

Taykhoom поддерживает порт RNABERT — BERT-подобной языковой модели для последовательностей РНК, разработанной Akiyama и Sakakibara. Модель предварительно обучена на некодирующих последовательностях РНК из Rfam 14.3 с помощью masked language modeling и контрастной задачи структурного выравнивания. Порт сверён с исходными весами RNABERT. Модель предназначена для заполнения маскированных нуклеотидов, получения представлений последовательностей, кластеризации РНК и структурного выравнивания. Архитектура включает 6 слоёв и 12 голов внимания, словарь из специальных токенов и нуклеотидов A, U, G, C; последовательности токенизируются посимвольно, а T преобразуется в U. Контекст составляет до 440 токенов. Модель принимает текстовые последовательности РНК и выдаёт предсказания токенов или представления векторов. Это специализированная модель, а не универсальная языковая модель. У неё нет токена CLS, поэтому для задач на уровне последовательности README рекомендует усреднять представления непустых позиций. Для загрузки в Transformers требуется разрешить trust_remote_code. Лицензия указана как other, без уточнения условий в доступных данных.

SaProt_35M_AF2 — белковая языковая модель семейства ESM, опубликованная пользователем westlake-repl. Репозиторий содержит вариант для загрузки через Hugging Face Transformers и веса SaProt_35M_AF2.pt для использования в коде ESM. Модель предназначена для заполнения маскированных участков белковой последовательности и работы с белковыми представлениями; в метаданных указано 44,5 млн параметров и контекст до 1026 токенов. Модель работает с белковыми последовательностями, а суффикс AF2 в названии указывает на версию SaProt, связанную с AlphaFold2. README не описывает оценённые качества, обучающие данные или конкретные сценарии применения. Лицензия репозитория — MIT.

SaProt_650M_PDB — языковая модель семейства ESM, опубликованная пользователем westlake-repl. Репозиторий содержит вариант SaProt размером около 865,6 млн параметров для PyTorch и поддерживает заполнение замаскированных токенов; модель можно загружать через классы Hugging Face Transformers или средствами библиотеки ESM. Модель предназначена для работы с последовательностями белков: она предсказывает содержимое скрытых позиций в последовательности и подходит для анализа белковых данных и последующих задач биоинформатики. Длина контекста составляет 1026 токенов. Репозиторий включает также файл SaProt_650M_AF2.pt для загрузки через интерфейс ESM. Модель распространяется по лицензии MIT. README не приводит результатов оценки качества и подробных ограничений применения, поэтому пригодность для конкретных биологических задач следует проверять отдельно.

echarlaix/tiny-random-t5 — небольшая экспериментальная модель семейства T5, опубликованная пользователем echarlaix на Hugging Face. В карточке указаны архитектура T5, библиотеки Transformers, PyTorch и TensorFlow, а также задача feature extraction. README модели пуст, поэтому подробные сведения о происхождении, обучении и целевых наборах данных не предоставлены. Модель предназначена прежде всего для тестирования загрузки и работы T5-моделей и извлечения признаков из текста через Transformers. Название tiny-random указывает на уменьшенную модель со случайно инициализированными весами; поэтому она не предназначена для качественного прикладного понимания языка, генерации, перевода или суммаризации без дополнительного обучения. Модель работает с текстовой модальностью, но точные размеры, число параметров, языки и максимальная длина контекста в доступных материалах не указаны. Лицензия — Apache-2.0.

UTRBERT-4mer — порт модели 4-mer варианта 3UTRBERT, разработанной Yang et al. и опубликованной на Hugging Face Taykhoom Dalal. Это модель BERT-base для биологических последовательностей, предварительно обученная методом masked language modeling на агрегированных последовательностях человеческих 3′-нетранслируемых областей мРНК. Она предсказывает замаскированные 4-меры и может использоваться для получения представлений РНК-последовательностей, в том числе как основы для дообучения на задачах классификации последовательностей. Модель содержит 12 слоёв, 12 голов внимания и размерность эмбеддингов 768; число параметров — 113,4 млн, контекст — до 512 токенов. Токенизатор преобразует T в U и разбивает последовательности на перекрывающиеся 4-меры; исходные последовательности при предобработке ограничивались 510 нуклеотидами. Порт использует библиотеку Transformers, веса в формате safetensors, а для загрузки требуется разрешить удалённый код. Лицензия — CC BY 4.0. Модель предназначена прежде всего для работы с последовательностями человеческих 3′-UTR; README сообщает о проверке совпадения представлений и логитов порта с исходными весами. Она обучена на данных одного биологического типа и не является готовой моделью для произвольных задач классификации: для задач уровня последовательности потребуется prediction head и дообучение.

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.

AMPLIFY_120M — белковая языковая модель семейства AMPLIFY, опубликованная NVIDIA как оптимизированная версия модели Chandar Research Lab. Она предназначена для анализа и проектирования белков: может формировать эмбеддинги аминокислот и белковых последовательностей, предлагать мутации и помогать отличать неупорядоченные белки от последовательностей, не являющихся белками. Модель принимает строку с последовательностью канонических аминокислот и поддерживает контекст до 2048 остатков; заявленный размер — около 120 млн параметров, а метаданные указывают 157,3 млн. Архитектура основана на Transformer и ESM-2, класс модели — AMPLIFYForMaskedLM. Версия оптимизирована с помощью NVIDIA TransformerEngine; README сообщает, что её веса и выходы соответствуют исходной модели с точностью до численных различий. Помимо предсказаний для fill-mask, из модели можно получать числовые векторы для остатков и всей последовательности. Для работы заявлена интеграция с Hugging Face Transformers; оптимизация ориентирована на GPU NVIDIA Ampere, Hopper и Blackwell. Модель выпущена под лицензией MIT и заявлена как пригодная для коммерческого и некоммерческого использования. Перед внедрением результаты следует проверять на данных конкретной задачи; оптимизация может вызывать небольшие численные отличия от оригинала.

Ares SoftMoE 4B Consecutive 150K — белковая языковая модель HazemLab, обученная с нуля на UniRef50 для предсказания замаскированных остатков. Это двунаправленный энкодер с 20 слоями и примерно 4,24 млрд параметров: первые 10 слоёв используют плотные feed-forward-блоки, последние 10 — смесь экспертов с мягкой маршрутизацией. Чекпойнт соответствует 150 000 шагам обучения; веса сохранены в формате safetensors, лицензия — MIT. Модель предназначена для заполнения масок в аминокислотных последовательностях, оценки последовательностей и получения представлений остатков и белков для последующего анализа. Она также может служить основой для задач классификации белковых свойств и предсказания эффектов вариантов. В карточке приведён результат ProteinGym 0,341 по агрегированным DMS-ассайям; качество зависит от типа анализа. Модель принимает последовательности аминокислот, а не структуры белков, множественные выравнивания, мультимеры или нуклеотидные последовательности. Контекст обучения — 1024 остатка; более длинные входы технически возможны, но их качество не проверено. Это энкодер маскированного языка: он не генерирует последовательности авторегрессионно. Для инференса требуется пакет ares; веса занимают около 16,9 ГБ в float32, в README рекомендуется загрузка в bfloat16. Модель не валидирована для клинических, диагностических или биобезопасностных решений.

AtomFormer base — трансформерная модель для атомистических графов, разработанная в рамках проекта AtomGen Vector Institute. Архитектура использует гауссовы попарные позиционные эмбеддинги, чтобы учитывать 3D-геометрию в механизме внимания. Эмбеддинги атомов также обогащаются нормализованными характеристиками химических элементов, включая атомный радиус, электроотрицательность и валентность. Модель предварительно обучена на объединённых наборах атомистических структур, энергий и сил, включая OC20, OC22, ODAC23, MPtrj и SPICE. Она предназначена прежде всего для извлечения признаков и дообучения на последующих задачах; базовая модель также может использоваться для предсказания сил на атомах и энергии системы, но качество этих предсказаний отдельно не подтверждено. Для входа нужны токенизированные символы атомов и 3D-координаты. Модель распространяется по лицензии Apache-2.0.

RobotsMali AI4D Lab разработала экспериментальную многоголосую модель синтеза речи на основе VITS для языка бамбара. Модель дообучена от ylacombe/vits-vctk-with-discriminator на корпусе спонтанной речи RobotsMali/afvoices-notag; опубликованный чекпойнт содержит 3,5 млн параметров и предназначен для инференса. Перед токенизацией бамбарскую орфографию нужно преобразовать специальным эвристическим преобразователем в псевдо-IPA: токенизатор сам этого не делает. Лицензия — CC BY 4.0. Модель предназначена прежде всего для экспериментов с синтезом речи на малоресурсном языке, представлением текста и дальнейшим дообучением. Она обучалась 200 эпох на небольшом шумном наборе спонтанной речи, без формальной оценки качества; авторы сообщают, что заметного улучшения от псевдо-IPA не наблюдали. Возможны шумный или неразборчивый звук, ошибки произношения и просодии, а также проблемы с числами, сокращениями, переключением языков, иностранными словами и длинным текстом. Модель не предназначена для производственного или критически важного использования.

gabrielbianchin/base_esm2_t6_long — базовая модель семейства ESM2, связанная с квантованной версией T6. Это плотная модель с архитектурой EsmForMaskedLM и примерно 9,8 млн параметров; репозиторий содержит веса в формате safetensors. Модель предназначена для заполнения пропусков в последовательностях, в частности для работы с маскированными позициями в белковых последовательностях. Контекст составляет до 2050 токенов. Карточка называет её базовой моделью для gabrielbianchin/esm2_t6_long_int4, но не описывает обучение, датасеты, точность или конкретные биологические сценарии. Лицензия в предоставленных данных не указана.

BatatasLM-SP5-28L — предварительно обученная ДНК-модель семейства Caduceus, разработанная в рамках проекта BatatasLM. Она содержит 231,2 млн параметров и использует архитектуру CaduceusForMaskedLM; модельные файлы представлены в формате PyTorch и предназначены для загрузки через Transformers. Модель обучена на пяти геномах или образцах сладкого картофеля из набора BatatasLM-SP5-Pretraining-Data. Она рассчитана на исследовательскую работу с представлениями последовательностей ДНК длиной до 4096 пар оснований и на задачи восстановления замаскированных участков последовательности. Категория fill-mask также заявлена в метаданных; каталог указывает поддержку классификации текста, однако README не приводит деталей её оценки. Карточка не сообщает метрики качества и не подтверждает превосходство над другими моделями. Для загрузки могут потребоваться пользовательские модули из репозитория и параметр trust_remote_code=True. Лицензия в предоставленных данных не указана.

Это экспериментальная модель ESM-2, разработанная Amelie Schreiber для многометочной классификации функций белков по аминокислотным последовательностям. Она дообучена на данных CAFA-5 от базовой модели esm2_t6_8M_UR50D и содержит около 9,8 млн параметров; заявленная длина контекста — 1026 токенов. Модель принимает последовательность белка и предсказывает метки функций Gene Ontology. Автор прямо указывает, что этот чекпойнт не предназначен для готового предсказания функций белка: он служит основой для дальнейшего дообучения, например с помощью LoRA. Для корректной работы с иерархическими метками может потребоваться дополнительная настройка весов классов. README приводит метрики валидации, включая Micro F1 0,3672, и рекомендует более новую дообученную модель. Лицензия — MIT.

CodonTransformer-base — предварительно обученная модель для работы с последовательностями кодонов, созданная Adibvafa Fallahpour и соавторами из Vector Institute, University of Toronto и Université Paris Cité. Она предназначена для задач биоинформатики, включая оптимизацию кодонов: преобразование белковых последовательностей в оптимизированные последовательности ДНК с учётом целевого организма. Авторы рекомендуют для лучших результатов использовать дообученную версию модели. Модель имеет архитектуру BigBirdForMaskedLM и около 113,3 млн параметров; максимальная длина контекста — 4096 токенов. Репозиторий содержит веса в формате safetensors, модель рассчитана на использование с библиотекой Transformers. В метаданных указаны задачи заполнения маски и классификации токенов; для каталога основной задачей выбрано заполнение маски, поскольку карточка описывает предобученную модель и расходится с pipeline_tag классификации токенов. Лицензия — Apache-2.0. README предлагает Jupyter Notebook и интерактивную демонстрацию, но для получения лучших результатов указывает на необходимость дообученной версии.

Это браузерная ONNX-конверсия ESM-2 esm2_t12_35M_UR50D, подготовленная для проекта VetInSilico и запуска через transformers.js. Модель заполняет маскированные позиции в аминокислотных последовательностях белков; расчёт выполняется в браузере с использованием WebAssembly или WebGPU, без серверного API. Модель содержит 44,3 млн параметров и поддерживает контекст до 1026 токенов. В репозитории есть веса ONNX в fp32 и версия int8; README рекомендует int8 для запуска. Токенизатор работает на уровне символов и учитывает специальный разделитель «//». В карточке приведена проверка совпадения пяти лучших предсказаний для короткой последовательности с HF Inference API; для int8 отмечено отклонение вероятностей. Модель предназначена для исследования белковых последовательностей, например предсказания вероятных аминокислот в заданной позиции. Она не генерирует текст на естественном языке и не заменяет экспериментальную проверку биологических гипотез. Лицензия — MIT.

ESM-2 Sequence Classifier — классификатор белковых последовательностей на базе facebook/esm2_t6_8M_UR50D, опубликованный AmelieSchreiber. Модель содержит 9,8 млн параметров, использует архитектуру ESM и принимает белковые последовательности; заявленная длина контекста — 1026 токенов. Классификатор относит последовательности к одному из трёх классов: ферменты, рецепторные белки и структурные белки. Он обучен на синтетических данных, созданных GPT-4, и подходит для экспериментов и учебных задач. README предупреждает, что модель недостаточно протестирована, поэтому её предсказания требуют проверки. Модель распространяется по лицензии MIT. Метаданные указывают задачи text-classification и zero-shot-classification; для практического поиска и классификации белковых последовательностей основная задача — text-classification.

Evo-1-8k-base — биологическая фундаментальная авторегрессионная модель, совместно разработанная Arc Institute и TogetherAI. Она предназначена для моделирования и генерации биологических последовательностей на уровне отдельных нуклеотидов, в том числе как базовая модель для дообучения на задачах молекулярного масштаба. Модель использует плотную архитектуру StripedHyena, сочетающую многоголовочное внимание и управляемые свёртки в блоках Hyena. В README указано 7 млрд параметров, а метаданные репозитория — 8,6 млрд; для описания размера здесь приведено значение из метаданных. Контекст этой версии — 8 192 токена. Обучение проводилось на OpenGenome, наборе прокариотических геномов объёмом около 300 млрд токенов. Архитектура поддерживает авторегрессионную генерацию последовательностей и рассчитана на эффективную обработку длинного контекста. Модель выпущена под лицензией Apache-2.0. Для запуска StripedHyena вне демонстрационной среды требуются пользовательские ядра; README также сообщает об исправленной ошибке перестановки проекций, поэтому для качественной генерации следует использовать ревизию 1.1_fix.

G4mer — трансформерная модель для анализа последовательностей РНК, разработанная авторами одноимённой работы. Она классифицирует фрагмент длиной 70 нуклеотидов по бинарному признаку: способен ли он образовывать РНК G-квадруплекс (rG4). Модель дообучена на основе Biociphers/mRNAbert; для токенизации используются перекрывающиеся 6-меры. В README также описан веб-инструмент для поиска rG4 в транскриптоме и оценки влияния генетических вариантов. Модель предназначена для анализа последовательностей РНК человека в задачах геномики и молекулярной биологии. Для последовательностей длиннее 70 нуклеотидов авторы рекомендуют сканирование окнами длиной 70 нуклеотидов с выбором максимальной оценки rG4. Репозиторий содержит веса PyTorch и распространяется по лицензии с обозначением «other»; конкретные условия следует сверить с файлами лицензии проекта.

GENERator-v2-prokaryote-3b-base — генеративная модель геномных последовательностей из семейства GENERator-v2, представленная в карточке как вариант для прокариот. Это плотная авторегрессионная модель класса GENERatorForCausalLM на архитектуре Llama с 3 млрд параметров, рассчитанная на генерацию последовательностей. Репозиторий содержит веса в формате safetensors; модель загружается через Transformers. Модель предназначена для работы с геномными последовательностями прокариот. При генерации длина каждой входной последовательности должна быть кратна шести: README рекомендует дополнять последовательность слева символом A либо обрезать её слева. Указана лицензия MIT. Карточка также отмечает обновление весов для оптимальной производительности; результаты зависят от соблюдения требований к длине последовательности.

MedGemma-4B-IT — медицинская мультимодальная instruction-tuned модель Google, представленная в виде GGUF-квантизаций, подготовленных bartowski с использованием llama.cpp. Модель предназначена для задач, связанных с медицинскими изображениями и текстом, включая радиологию, клиническое рассуждение, дерматологию, патологию, офтальмологию и анализ рентгеновских снимков грудной клетки. Она поддерживает сценарии image-text-to-text и может запускаться локально через llama.cpp, LM Studio и другие совместимые проекты. Базовая модель имеет размер около 4 миллиардов параметров; доступны варианты от BF16 до низкобитных Q3-, Q4-, Q5-, Q6- и Q8-квантизаций размером примерно от 1,94 до 7,77 ГБ. Квантизация уменьшает требования к памяти, однако более компактные варианты могут заметно уступать по качеству. README не содержит сведений о поддерживаемых языках, размере контекста и точной архитектуре. Лицензия указана как Health AI Developer Foundation terms of use; для доступа на Hugging Face требуется принять соответствующие условия. Модель следует рассматривать как инструмент для исследовательских и прикладных медицинских сценариев, а не как замену квалифицированной медицинской экспертизе.

sambal/k2-horizon-7b-lndpo-rpo-full-checkpoint-200 — полная дообученная версия IFM/K2-Horizon-7B, подготовленная для ответов на вопросы по каротажным данным в петрофизике. Модель плотная, построена на архитектуре K2HorizonForCausalLM, содержит около 8 млрд параметров и принимает текстовые запросы в диалоговом формате. Указанный для базовой модели размер контекста — до 524 288 токенов. Модель обучена методом полного дообучения с length-normalized DPO и дополнительным NLL-термом RPO на предпочтительных ответах; адаптеры не используются. Валидация на контрольной выборке показала точность предпочтений 100% на шаге 200, но это ограниченный результат конкретного эксперимента и не гарантирует качество на других задачах или данных. Модель распространяется в формате bf16 и требует remote code и шаблон чата K2-Horizon при запуске. Лицензия — Apache-2.0.

Grender — это модель для улучшения изображений латентных отпечатков пальцев, разработанная для получения более чистого изображения с сохранением признаков исходного отпечатка. Она использует условный U-Net с оконным пространственным механизмом внимания и механизмом coverage-gate, который ограничивает прорисовку гребней областями, где вход содержит подтверждающие данные. По README, модель содержит 2,94 млн параметров, принимает шестиканальное условие размером 256×256 и выдаёт одноканальное изображение. Веса и код представлены в форматах PyTorch и safetensors. Модель предназначена для улучшения деградированных латентных отпечатков, визуализации и подготовки изображений для экспертов-криминалистов. Она обучалась на парах, полученных из чистых отпечатков NIST SD302, и оценивалась на латентных отпечатках этого набора. README сообщает о высоких показателях качества изображения при сохранении результатов автоматического сопоставления на уровне, близком к исходному латенту. Лицензия указана как other, поэтому конкретные условия использования нужно проверять в репозитории. Модель не добавляет новых сведений об идентичности и не гарантирует улучшения автоматического сопоставления; README указывает, что аналитический базовый метод превосходит её по Rank-1. Обучение и оценка проводились на латентных отпечатках NIST SD302 с разрешением 500 ppi, поэтому для других сенсоров и разрешений может потребоваться настройка. Повторная визуализация может слегка смещать положения минуций.

MIST-1.8B-hxiygjsm-esol — модель для оценки растворимости молекул, разработанная Electrochemical Energy Group Мичиганского университета. Она принимает молекулярные строки SMILES и предсказывает экспериментальную водную растворимость log S; вариант дообучен на наборе ESOL из бенчмарка MoleculeNet, содержащем 1 128 малых молекул. В основе модели — энкодер RoBERTa-PreLayerNorm с 24 слоями, размером скрытого состояния 1536, 24 головами внимания и максимальной длиной последовательности 2048 токенов. К энкодеру добавлена двухслойная MLP с GELU и dropout; скрытые состояния токенов сводятся к вектору по представлению первого токена. Предварительное обучение проводилось на SMILES из Enamine REAL Space с задачей masked language modeling, затем модель дообучили для регрессии. Модель предназначена для исследовательской оценки растворимости соединений и ранжирования кандидатов по прогнозу log S. README сообщает о случайном разбиении данных 80/10/10 и использовании RMSE, но не приводит численного результата метрики. Для входа используются SMILES, обычно в кекулизованном виде. Лицензия в метаданных и карточке — Apache 2.0; README также указывает на исследовательское использование, отсутствие коммерческого применения без отдельного соглашения и ограничения на перераспространение без разрешения.

Это дообученная модель семейства MIST, разработанная Electrochemical Energy Group Мичиганского университета для предсказания свойств молекул по строкам SMILES. Вариант основан на энкодере MIST-28M-ti624ev1 и дообучен на QM9 из бенчмарка MoleculeNet. Архитектура включает энкодер RoBERTa-PreLayerNorm с 8 слоями, размером скрытого состояния 512 и контекстом до 2048 токенов, а также двухслойную MLP-голову для многозадачной регрессии. Модель принимает SMILES-представление молекулы и выдаёт прогнозы 12 квантово-химических свойств, включая энергетические, электронные и термодинамические характеристики. Предобучение выполнялось на SMILES из Enamine REAL Space с задачей masked language modeling; для дообучения использовался QM9, содержащий небольшие органические молекулы. В метаданных указаны Transformers и формат Safetensors. Лицензия в метаданных — Apache-2.0, однако README указывает ограничения: исследовательское использование, отсутствие разрешения на перераспределение без согласования и запрет коммерческого использования без отдельного лицензионного соглашения. Прогнозы относятся к области малых молекул QM9; точность за пределами близкого химического пространства не гарантируется.

MIST-28M — модель семейства Molecular Insight SMILES Transformers, разработанная группой Electrochemical Energy Group Мичиганского университета. Это энкодер RoBERTa-PreLayerNorm с 8 слоями, размером скрытого состояния 512, 8 головами внимания и максимальной длиной последовательности 2048 токенов, дообученный на наборе tmQM для прогнозирования квантово-химических свойств молекул. На вход подаются молекулярные строки SMILES; модель формирует векторное представление и регрессионные прогнозы восьми свойств. Модель предназначена для анализа органометаллических соединений и предсказания их свойств, вычисленных методами квантовой химии. Предварительное обучение проводилось на SMILES из Enamine REAL Space с задачей маскированного языкового моделирования, а дообучение — на данных tmQM. Веса опубликованы в формате Safetensors; лицензия в метаданных указана как Apache-2.0. При этом README ограничивает использование исследовательскими целями, запрещает коммерческое применение без отдельного соглашения и указывает на отсутствие гарантий корректности прогнозов.