IV.10Дом, личная жизнь, уход и повседневные задачи

Карточка модели noureldinayman/Qweb2.5-Aloe-Beta-Finetuned-50Steps-diff-rewardfunctions на Hugging Face совпадает с карточкой noureldinayman/Qweb2.5-Aloe-Beta-Finetuned-50Steps, поэтому описание составлено по ней. Qweb2.5-Aloe-Beta-Finetuned-50Steps — дообученная автором noureldinayman разговорная языковая модель на архитектуре Qwen2.5 с 7,1 млрд параметров. Она основана на HPAI-BSC/Qwen2.5-Aloe-Beta-7B и предназначена для генерации текста в диалоге; базовая модель ориентирована на ответы на медицинские вопросы и другие задачи здравоохранения. Модель принимает текст и выдаёт текст. В метаданных указан контекст до 131 072 токенов и поддержка английского языка. Обучение проводилось с использованием Unsloth и библиотеки TRL. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или подробностей о данных и методике дообучения, поэтому пригодность ответов для клинических решений не установлена. Название указывает на 50 шагов обучения, но README это отдельно не поясняет.

SahabatAI-MediChatIndo-8B-v1 — диалоговая текстовая модель, созданная объединением Medichat-Llama3-8B и индонезийской инструкционной модели SahabatAI. Она предназначена для чата и генерации ответов, в том числе в медицинских сценариях и на индонезийском языке. Модель использует плотную архитектуру Llama 3 с 7,5 млрд параметров и контекстом до 8192 токенов; файлы опубликованы в формате safetensors. По метаданным поддерживаются английский и индонезийский, а базовая SahabatAI также ориентирована на яванский и сунданский языки. Модель распространяется по лицензии Llama 3.

SPARC-Qwen3.5-0.8B-VTFT — мультимодальная модель семейства Qwen3.5, разработанная irl-kit для пространственного рассуждения в embodied-сценариях. Это плотная модель с 0,8 млрд параметров, принимающая изображения и текстовые вопросы и выдающая текстовые ответы; в каталоге Hugging Face указаны архитектура Qwen3_5ForConditionalGeneration, библиотека Transformers и формат safetensors. Модель полностью дообучена на данных VQA, созданных из аннотаций SPARC, а также на смесях FSD, RoboPoint и LLaVA-OneVision2. Обучение включало донастройку vision tower и проектора. Модель предназначена для вопросов о пространственных отношениях и расположении объектов на изображении, а также для выдачи координат точек или траекторий в заданном JSON-формате. Для корректной работы README рекомендует применять встроенный chat template и отключать режим reasoning. В локальной оценке это наиболее сильный вариант среди испытанных моделей размером 0,8 млрд параметров; результаты ниже, чем у вариантов на 4 и 9 млрд параметров. Лицензия в предоставленных данных не указана.

Spatial-Interactor Qwen2.5-VL-7B — мультимодальная модель с 7,1 млрд параметров, разработанная как дообученная версия Qwen/Qwen2.5-VL-7B-Instruct. Она предназначена для пространственного рассуждения по изображениям и видео: модель учится определять локальные изменения состояния мира и движения наблюдателя, а затем объединять такие переходы в длинных траекториях. Для обучения применялись supervised fine-tuning и дистилляция на собственных траекториях; во время работы модели дополнительные трассы, учитель или модель вознаграждения не нужны. Модель принимает изображения или видео вместе с вопросом в формате базовой Qwen2.5-VL и формирует текстовый ответ. Контекст составляет до 128 000 токенов. Доступны веса BF16, токенизатор, процессор и шаблон чата; для загрузки README указывает Transformers. Лицензия — Apache-2.0. Карточка не приводит отдельной оценки качества или конкретных тестов пространственного рассуждения.

Модель weileluc/vit-base-oxford-iiit-pets — дообученная версия Vision Transformer ViT-Base от Google для классификации изображений кошек и собак по 37 породам из набора Oxford-IIIT Pet. Она построена на google/vit-base-patch16-224, содержит 113,2 млн параметров и рассчитана на изображения; текстовые входы не поддерживает. По данным карточки, точность на оценочной выборке составила 94,32%. Модель подходит для определения породы питомца на фотографии, учебных экспериментов по transfer learning и сравнения подходов к классификации изображений. Она обучена на 7 349 изображениях Oxford-IIIT Pet и распознаёт только 37 представленных в наборе пород. На необычных ракурсах, при плохом освещении и на изображениях вне обучающего набора качество может снижаться. Лицензия — Apache-2.0.

Dr. Samantha — языковая модель, созданная слиянием моделей BeingWell и Llama-2-7B-Samantha с помощью mergekit. Она предназначена для генерации ответов на медицинские вопросы и поддерживающих бесед о психологическом и общем благополучии. Модель объединяет медицинские знания, включая данные для подготовки к USMLE и диалоги врача с пациентом, с навыками философского, психологического и межличностного общения. Модель построена на архитектуре Llama 2, содержит 6,6 млрд параметров и принимает текст, генерируя текст. Родная длина контекста — 2048 токенов. В метаданных указаны английский и китайский языки. Репозиторий распространяет веса в формате safetensors по лицензии Llama 2. В карточке отмечены эмпатичные и понятные ответы, объяснения возможных причин симптомов и рекомендации обратиться к специалисту. Ограничения включают недостаточный акцент на срочности при возможных неотложных состояниях, неполный разбор редких причин и ограниченный сбор уточняющих сведений о симптомах и истории болезни. Модель не заменяет профессиональную медицинскую диагностику и лечение.

FinnDot разработала FinnAI SLM v2 — компактную плотную языковую модель на 1,7 млрд параметров, дообученную методом QLoRA SFT на базе Qwen/Qwen3-1.7B для приложения учёта расходов. Модель принимает текст и генерирует текст; в каталоге Hugging Face опубликована в формате safetensors, а для работы на устройстве FinnDot указывает отдельный формат LiteRT-LM INT4. Основное назначение — разбор SMS индийских банков: модель извлекает сумму, продавца, тип операции, счёт, баланс и категорию в JSON, включая сообщения об операциях UPI, NEFT, IMPS, кредитных картах, зарплате и снятии наличных. Также она отвечает на вопросы о личных финансах на основе журнала расходов и даёт краткие ответы по темам SIP, EMI, налогов и бюджета. Заявленная длина контекста — 40 960 токенов. Модель рассчитана на английский, хинди, хинглиш, тамильский, телугу, маратхи и бенгальский. В отложенной оценке авторы сообщают о точном совпадении всех полей для 97,72% непустых SMS с операциями и о доле ложного разбора 0,54% для пустых и нетранзакционных сообщений. К ограничениям относятся узкая специализация на форматах индийских банковских SMS, сложность извлечения продавца и несовершенная точность финансовых ответов: модель может искажать числа. Режим пошагового рассуждения отключён. Лицензия — Apache-2.0.

KAIROS-MM-Qwen2.5-VL-7B-RL — мультимодальная модель на архитектуре Qwen2.5-VL, разработанная prithivMLmods для рассуждений о визуальных сценах и видео в робототехнике и системах искусственного интеллекта. Модель содержит 7,1 млрд параметров, работает с контекстом до 128 000 токенов и доступна в формате safetensors через Transformers. Она дообучена с применением обучения с подкреплением на основе KAIROS-MM-Qwen2.5-VL-7B-SFT. Модель анализирует пространственные отношения, временную динамику и физические взаимодействия, чтобы поддерживать понимание активности, прогнозирование событий и планирование последовательности действий. Основные сценарии — высокоуровневое планирование для роботов и embodied-агентов, навигация, манипуляции и принятие решений по визуальным наблюдениям и языковым целям. Карточка указывает английский язык. Лицензия — Apache-2.0. Ограничения: качество может снижаться на очень длинных или зашумлённых видео и неоднозначных физических сценах; для специализированных робототехнических задач может потребоваться дополнительное обучение или внешний планировщик. Модель не предназначена для низкоуровневого управления.

Это англоязычный CrossEncoder на базе nomic-ai/modernbert-embed-base, дообученный авторами CityBehavEx для выбора подходящего типа микроактивности или места интереса в заданном временном блоке расписания. Модель оценивает пару текстов: контекст человека, расписания и предыдущей активности, а также вариант активности; оценку можно использовать для ранжирования вариантов и семантического поиска. Она входит в платформу симуляции городской мобильности CityBehavEx и рассчитана на применение как один из её выравнивателей. Модель построена на ModernBERT, содержит 149 млн параметров, принимает только текст и выдаёт оценку соответствия пары. Максимальная длина последовательности — 8192 токена. Для дообучения использовалось 5000 размеченных пар с функцией потерь Binary Cross Entropy. Лицензия в предоставленных данных не описана.

darjja/oxford-17-flowers-resnet18 — модель классификации изображений цветов на основе ResNet18, обученная методом transfer learning на наборе Oxford 17 Flowers. Разработчик — darjja. Модель принимает изображение размером 224×224 пикселя и относит его к одному из 17 видов цветов: среди них колокольчик, лютик, крокус, нарцисс, ромашка, ирис, подснежник, подсолнух и тюльпан. Модель предназначена для распознавания этих видов цветов на фотографиях. В основе лежит ResNet18, предварительно обученная на ImageNet; веса классификатора хранятся в формате PyTorch. Это специализированная модель с ограниченным набором из 17 классов, поэтому она не предназначена для распознавания других объектов или видов цветов вне заданного списка. Лицензия в предоставленных данных не указана.

Qweb2.5-Aloe-Beta-Finetuned-50Steps — дообученная автором noureldinayman разговорная языковая модель на архитектуре Qwen2.5 с 7,1 млрд параметров. Она основана на HPAI-BSC/Qwen2.5-Aloe-Beta-7B и предназначена для генерации текста в диалоге; базовая модель ориентирована на ответы на медицинские вопросы и другие задачи здравоохранения. Модель принимает текст и выдаёт текст. В метаданных указан контекст до 131 072 токенов и поддержка английского языка. Обучение проводилось с использованием Unsloth и библиотеки TRL. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества или подробностей о данных и методике дообучения, поэтому пригодность ответов для клинических решений не установлена. Название указывает на 50 шагов обучения, но README это отдельно не поясняет.

Ryeta-0 — разговорная текстовая модель SpectreLynx для генерации ответов на медицинские вопросы. Она дообучена на базе Undi95/Llama-3-Unholy-8B и использует плотную архитектуру LlamaForCausalLM; размер составляет 7,5 млрд параметров, контекст — до 8192 токенов. Модель работает через библиотеку Transformers и хранится в формате safetensors. Модель предназначена для ответов на вопросы о здоровье и предоставления подробной медицинской информации на английском языке. В README приведены результаты по клиническим знаниям, медицинской генетике и старению, но описание методики оценки и независимое подтверждение этих результатов отсутствуют. Лицензия указана как other, поэтому условия использования следует уточнить на странице модели.

SpatialLM-Qwen-0.5B — компактная модель пространственного понимания команды SpatialLM, представленная в репозитории manycore-research. Она дообучена на Qwen/Qwen2.5-0.5B-Instruct и предназначена для анализа 3D-облаков точек и генерации структурированного описания сцены: элементов планировки, таких как стены, двери и окна, а также ориентированных ограничивающих рамок объектов с семантическими категориями. Облака точек могут происходить из разных источников, включая монокулярное видео, RGB-D-изображения и LiDAR; README описывает восстановление планировки по точкам, реконструированным из RGB-видео. Модель имеет плотную авторегрессионную архитектуру SpatialLMQwenForCausalLM, около 494 млн параметров и контекст до 32 768 токенов. Веса распространяются в формате safetensors. Для согласованной интерпретации входные облака точек должны быть выровнены по осям, причём ось z должна указывать вверх. В README приведён результат для определения стен на тестовом наборе SpatialLM-Testset: mean IoU 74,81 для версии 0.5B; набор содержит шумные и частично закрытые облака точек, полученные из монокулярного видео. Лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но запрещает коммерческое применение. Модель ориентирована на структурное понимание 3D-сцен для робототехники, автономной навигации и анализа помещений; она выдаёт текстовое структурированное представление, а не готовую 3D-визуализацию.

Kikkar KWS — компактная модель SherTheCoder для потокового обнаружения ключевой фразы «Utho Kikkar» («Проснись, Киккар») на микроконтроллерах. Она предназначена для локального срабатывания голосового интерфейса в проектах с ограниченными ресурсами; аудио остаётся на устройстве до обнаружения фразы. Модель использует пятислойную потоковую сверточную нейросеть с depthwise-separable свёртками и квантизацией int8, поставляется в формате TensorFlow Lite. На каждом шаге длительностью 30 мс она обрабатывает три новых log-mel кадра по 40 полос и выдаёт вероятность завершения ключевой фразы. Контекст составляет около 1,51 секунды; заявленный размер файла модели — 44 КБ. Модель рассчитана на бюджет менее 256 КБ свободной RAM и подходит для микроконтроллеров, включая ESP32-S3. Обучение учитывало похожие слова и неполные либо переставленные части фразы как отрицательные примеры, чтобы уменьшить ложные срабатывания. Назначение модели узкое: обнаружение именно «Utho Kikkar», а не распознавание произвольной речи. Карточка связывает модель с датасетом SherTheCoder/TeamFolklore_UthoKikkar; языковые метки указывают на хинди, а фраза также приведена на панджаби. Лицензия — Apache-2.0.

Xiaomi-Robotics-0-LIBERO — модель типа vision-language-action, разработанная Xiaomi Robotics для рассуждений о роботизированных задачах и генерации действий. Версия с 4,7 млрд параметров обучена на траекториях роботов разных воплощений и данных «изображение—язык», чтобы обобщать навыки на новые задачи и среды. Модель принимает визуальное наблюдение и языковое описание задачи и генерирует действия для робота. Карточка заявляет поддержку исполнения в реальном времени с асинхронным выполнением и возможность запуска на потребительских GPU; модель интегрирована с библиотекой Transformers. Архитектура MiBoTForActionGeneration, веса в формате safetensors. Лицензия Apache-2.0.

NVIDIA Isaac GR00T N1.7 DROID — версия средней размерности открытой основы для гуманоидных роботов, дообученная на наборе DROID. Модель предназначена для обобщённого рассуждения и выполнения манипуляций по языковым инструкциям в разных сценах и для разных воплощений роботов; её можно дополнительно обучать на реальных или синтетических данных под конкретного робота или задачу. Модель содержит около 3 млрд параметров. Она принимает RGB-кадры, текстовую инструкцию, данные о положении и состоянии робота и идентификатор его воплощения. Визуально-языковая часть использует Cosmos-Reason2-2B, SigLIP2 и T5; действия формирует трансформер на основе flow matching, реализованный как diffusion transformer. На выходе модель выдаёт непрерывные векторы управляющих действий, зависящие от числа степеней свободы робота. Для постобучения этой версии использован DROID — набор примерно из 76 тысяч демонстраций манипуляций общей длительностью около 350 часов. Модель рассчитана на исследования и разработку робототехники, адаптацию под конкретные платформы и интеграцию в роботизированные приложения. README разрешает коммерческое и некоммерческое использование; конкретное название лицензии в предоставленных данных отсутствует. Для безопасного применения требуется тестирование и валидация на данных и оборудовании целевого сценария.

LastBox Gemma 4 E2B v3 — модель-ассистент для офлайн-помощи в ситуациях выживания, разработанная автором репозитория norecyc и дообученная методом SFT на базе unsloth/gemma-4-E2B-it. Она предназначена для текстовых вопросов о первой помощи, бушкрафте, навигации, энергоснабжении и опасностях. В связке с внешним vision-проектором SigLIP модель также может описывать растения, раны и местность по изображениям с камеры. Для работы на Raspberry Pi 5 автор подготовил квантованный вариант GGUF Q4_K_M для llama.cpp; также доступны веса BF16 в GGUF и merged-модель в safetensors. Для ответов, передаваемых по LoRa, предусмотрено ограничение в 150 байт UTF-8. В README приведены результаты тестирования на небольшой выборке: качество ответов 0,506, соблюдение формата 0,52. Автор указывает, что в этой версии выдача вызовов инструментов практически отсутствует из-за несовпадения формата eval-промпта с обучающим. Также оценка через streaming SSE потеряла часть диалогов из-за разрывов соединения. Лицензия — Gemma.

Danroy/MamaFrontida — дообученная командой проекта Frontida модель Google T5-small для диалогового помощника, который отвечает на вопросы о послеродовой депрессии и поддерживает молодых матерей. Она использует архитектуру T5 с генерацией текста по текстовому запросу, содержит 38,5 млн параметров и рассчитана на контекст до 512 токенов. Основной язык — английский. Модель предназначена для быстрых ответов в приложении Frontida на вопросы и обращения, связанные с послеродовой депрессией. Она выпущена под лицензией Apache 2.0. Карточка описывает её как помощника, ориентированного на эмпатичные ответы, однако не приводит оценки качества или клинической надёжности.

MedPsy-1.7B-GGUF — это GGUF-версия медицинской языковой модели MedPsy-1.7B, разработанная Tether AI Research. Модель основана на Qwen3-1.7B (Thinking) и предназначена для генерации текста на английском языке в медицинских, клинических и связанных со здравоохранением сценариях. Это текстовая авторегрессионная модель с архитектурой decoder-only Transformer и примерно 1,7 млрд параметров. Публикация ориентирована на полностью локальный запуск через llama.cpp и QVAC SDK — от ноутбуков до смартфонов начального уровня. Доступны неотквантизированный вариант BF16 размером около 4,07 ГБ и семь квантованных вариантов размером примерно от 0,89 до 2,16 ГБ. Q8_0 обеспечивает качество, близкое к исходной модели, а Q4_K_M позиционируется как оптимальный компромисс между размером и качеством для смартфонов. К преимуществам относятся локальный запуск без передачи данных на сервер, поддержка нескольких уровней квантования и адаптация к устройствам с ограниченными ресурсами. При этом низкобитные варианты могут заметно снижать качество и повышать риск галлюцинаций; варианты IQ3_M и IQ3_XXS не рекомендуются для медицинского использования. Модель следует применять как вспомогательный инструмент, а не как замену квалифицированному медицинскому специалисту. Распространение осуществляется по лицензии Apache 2.0.

MedPsy-4B-GGUF — текстовая медицинская языковая модель, разработанная Tether AI Research. Это GGUF-версия базовой модели MedPsy-4B, построенной на backbone Qwen3-4B-Thinking-2507. Модель предназначена для генерации текста на английском языке и ориентирована на медицинские, клинические и healthcare-сценарии, включая локальное и периферийное развертывание без передачи данных во внешние облачные сервисы. Модель представляет собой decoder-only transformer с примерно 4 млрд параметров и поддерживает только текстовую модальность. Распространяется в формате GGUF для запуска через llama.cpp и QVAC SDK. Доступны исходный BF16-вариант размером около 8,83 ГБ и семь квантованных вариантов от Q8_0 до IQ3_XXS размером примерно от 4,69 до 1,84 ГБ. Квантование позволяет запускать модель на рабочих станциях, ноутбуках и производительных мобильных устройствах; для вариантов менее 8 бит применялась importance-matrix калибровка, снижающая потерю качества. Сильными сторонами являются медицинская специализация, возможность полностью локального инференса и широкий выбор компромиссов между качеством, размером и требованиями к памяти. Q8_0 обеспечивает качество, близкое к BF16, а Q4_K_M рекомендован как сбалансированный вариант для большинства пользователей. При уменьшении разрядности качество снижается, особенно у IQ3_XXS, который не рекомендуется. Размер контекста и другие эксплуатационные характеристики в представленных данных не указаны. Лицензия — Apache 2.0.

MindChat-7B — китайскоязычная диалоговая модель для психологической поддержки, созданная исследовательской группой профессора Сюэ Дуна из Восточно-Китайского университета науки и технологий. Это плотная авторегрессионная модель семейства InternLM с 6,9 млрд параметров и контекстом 2048 токенов; в README указано, что версия MindChat-InternLM-7B прошла целевое усиление безопасности, эмпатичности и согласования с человеческими ценностями. Модель предназначена для поддерживающих бесед о переживаниях и проблемах в учёбе, семье, дружбе, работе и повседневной безопасности. В карточке заявлены задачи извлечения признаков и генерации текста; для практического диалога основная задача — генерация текста на китайском языке. Репозиторий содержит веса PyTorch и распространяется по лицензии GPL-3.0. MindChat может ошибаться или выдавать вредные, оскорбительные и иные нежелательные ответы. Авторы предостерегают от использования модели как окончательного источника решений в критических и высокорисковых ситуациях; она не заменяет профессиональную психологическую или медицинскую помощь.

OpenBioLLm-Derm — языковая модель на архитектуре LLaMA, разработанная Bruce_Wayne и дообученная на данных о кожных заболеваниях и дерматологическом уходе. Это плотная модель с 7,5 млрд параметров и контекстом до 8192 токенов; она принимает текст и генерирует текстовые ответы на английском языке. Модель предназначена для чат-бота, который объясняет кожные заболевания, помогает подбирать базовый уход и рассказывает о возможных методах лечения. Её можно использовать для справочных ответов на вопросы о дерматологии и уходе за кожей. В основе лежит aaditya/Llama3-OpenBioLLM-8B; модель дообучена на brucewayne0459/Skin_diseases_and_care. Указана лицензия MIT. Разработчик предупреждает о возможных смещениях обучающих данных, слабом охвате редких заболеваний и необходимости дальнейшего дообучения для повышения точности. Ответы модели не заменяют консультацию медицинского специалиста.

AlpaCare-LLaMA-13B — языковая модель семейства LLaMA с 12,9 млрд параметров, дообученная на медицинских инструкциях. Она предназначена для генерации ответов на запросы в медицинских сценариях. Модель принимает текст и генерирует текст; заявленный контекст — 2048 токенов. В карточке указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование.

AquilaMed-RL — медицинская языковая модель BAAI, созданная на основе Aquila в результате продолжения предобучения, supervised fine-tuning и обучения с подкреплением. Это плотная авторегрессионная модель семейства Aquila3 с 7,6 млрд параметров; веса доступны в формате safetensors. Модель предназначена для медицинской сортировки обращений, ответов на вопросы о лекарствах и общих вопросов и ответов в медицинском контексте. Карточка сообщает об оценке ответов с помощью GPT-4 на размеченном наборе и упоминает тестирование на MMLU, C-EVAL и CMB-exam, но не приводит численных результатов. Контекст модели составляет 4096 токенов, предусмотрен диалоговый режим. В карточке не указаны поддерживаемые естественные языки и конкретные ограничения качества; лицензия обозначена как other, поэтому точные условия использования следует проверять в материалах репозитория. Модель выдаёт текст и может ошибаться в медицинских рекомендациях, поэтому её ответы не следует считать заменой профессиональной медицинской помощи.

Being-H05-2B — базовая модель vision-language-action (VLA) для управления роботами, разработанная авторами проекта Being-H0.5. Она объединяет визуальное и языковое восприятие с выдачей действий в унифицированном пространстве и предназначена для переноса управления между роботами с разным воплощением. Модель содержит 2 млрд параметров. В README указано разрешение визуальной части 224×224 пикселя. Чекпойнт представлен как предварительно обученная базовая модель; для неё предусмотрены инференс политики управления, оценка на бенчмарках LIBERO и RoboCasa и дообучение на пользовательских данных. Лицензия — Apache-2.0. Модель рассчитана на робототехническое управление и манипуляции. Карточка не сообщает о конкретных ограничениях качества или поддерживаемых языках.

Карточка модели BeingBeyond/Being-H05-2B_libero_robocasa на Hugging Face совпадает с карточкой BeingBeyond/Being-H05-2B, поэтому описание составлено по ней. Being-H05-2B — базовая модель vision-language-action (VLA) для управления роботами, разработанная авторами проекта Being-H0.5. Она объединяет визуальное и языковое восприятие с выдачей действий в унифицированном пространстве и предназначена для переноса управления между роботами с разным воплощением. Модель содержит 2 млрд параметров. В README указано разрешение визуальной части 224×224 пикселя. Чекпойнт представлен как предварительно обученная базовая модель; для неё предусмотрены инференс политики управления, оценка на бенчмарках LIBERO и RoboCasa и дообучение на пользовательских данных. Лицензия — Apache-2.0. Модель рассчитана на робототехническое управление и манипуляции. Карточка не сообщает о конкретных ограничениях качества или поддерживаемых языках.

CareBot_Medical_multi-llama3-8b-base — медицинская языковая модель XiaofengAlg на базе Meta Llama 3 8B. Авторы адаптировали базовую модель методом продолженного предварительного обучения на медицинских данных, применив двухэтапную стратегию CPT. В карточке указаны корпус BAAI/IndustryCorpus2 и инструкции BAAI/IndustryInstruction; обучение сочетало медицинские и общие данные, постепенно увеличивая долю китайского текста. Модель предназначена для генерации текста по медицинской тематике на китайском и английском языках. По описанию авторов, оценки на китайских медицинских бенчмарках улучшились, а показатели на английских медицинских бенчмарках немного снизились относительно исходной Llama 3 8B. Это языковая модель, а не подтверждённая система диагностики или замена профессиональной медицинской помощи. Репозиторий распространяется с лицензией Apache-2.0.

CURE-MED-7B-i1-GGUF — это квантизированная версия языковой модели CURE-MED-7B, разработанной Aikyam-Lab и подготовленной в формате GGUF пользователем mradermacher. Модель ориентирована на генерацию текста, рассуждения и задачи медицинского искусственного интеллекта, включая применение в многоязычных сценариях здравоохранения. Модель имеет размер 7 миллиардов параметров и поддерживает текстовый ввод и вывод. В README заявлена поддержка амхарского, бенгальского, французского, хауса, хинди, японского, корейского, испанского, суахили, тайского, турецкого, вьетнамского и йоруба. Доступны варианты квантизации GGUF с различным размером от примерно 2,0 до 6,4 ГБ; вариант i1-Q4_K_M отмечен как рекомендуемый по соотношению скорости и качества, а imatrix-квантизации предназначены для более эффективного уменьшения размера модели. К сильным сторонам относятся медицинская специализация, многоязычность, поддержка локального запуска через совместимые с GGUF инструменты и широкий выбор вариантов квантизации. Ограничения связаны с потерями качества при низком уровне квантизации; README не содержит сведений о длине контекста, архитектуре исходной модели, результатах тестирования или мультимодальных возможностях. Лицензия модели — Apache-2.0.

DermaIntel Wound Type Classifier — модель компьютерного зрения на архитектуре Vision Transformer (ViT-Base), дообученная для классификации изображений ран. Она относит снимки к одной из семи категорий: пролежневая, венозная, артериальная, диабетическая, хирургическая или травматическая рана, а также здоровая кожа без раны. Модель разработана для платформы DermaIntel; в карточке указана базовая модель google/vit-base-patch16-224-in21k, а размер составляет 113,2 млн параметров. Модель предназначена для поддержки клинической оценки, автоматизированного документирования ран и ведения пациентов в медицинских учреждениях, а также для обучения и исследований. На вход принимает цветные изображения RGB размером 224×224 пикселя и выдаёт метку класса. Лицензия — Apache-2.0. Результат служит вспомогательной оценкой и не заменяет клиническое решение. Точность может снижаться при плохом качестве снимка или неподходящем освещении; модель не одобрена FDA для диагностического применения.

doctoria/doctoria-rally-ai — медицинская vision-language модель, созданная Jad Tounsi El Azzouzi для проекта SahhaAI. Она предназначена для офлайн-ответов на вопросы по медицинским изображениям и поддержки ухода за ранами в клиниках Марокко с ограниченным подключением; данные могут оставаться на устройстве при запуске в браузере через WebGPU или локально. Модель дообучена методом LoRA на базе HuggingFaceTB/SmolVLM-256M-Instruct с использованием VQA-RAD. Архитектура — Idefics3 для генерации текста по изображению и текстовому запросу. Карточка указывает английский язык. На тесте VQA-RAD заявлены точность 0,439 для вопросов с закрытым ответом и token-F1 0,228 для открытых ответов. Модель предназначена для поддержки медицинского персонала, а не для постановки диагноза. Результаты бенчмарка указывают на ограниченное качество ответов, поэтому их следует проверять специалисту. Лицензия — Apache-2.0.