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

TxAgent-T1-Llama-3.1-8B — медицинская языковая модель-агент, разработанная командой TxAgent и дообученная на основе meta-llama/Llama-3.1-8B-Instruct. Модель рассчитана на многошаговые рассуждения о лекарственной терапии и вызов внешних инструментов для поиска и проверки биомедицинских сведений. В описанном авторами сценарии агент работает с ToolUniverse, объединяющим 211 инструментов. Модель имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров; заявленная длина контекста — 131 072 токена. Она принимает текстовые запросы и генерирует текст, включая структурированные вызовы функций для поддерживаемого агентного интерфейса. Обучающие данные охватывают вопросы о терапии, лекарственных взаимодействиях, противопоказаниях и персонализации рекомендаций с учётом характеристик пациента. В README приведены результаты на разработанных авторами бенчмарках, но это не заменяет клиническую проверку. Модель предназначена для исследовательской поддержки анализа лекарственной терапии и требует актуальных источников и инструментов для получения внешних данных. README не подтверждает мультимодальный ввод, несмотря на упоминание мультимодальных адаптивных моделей во введении. Используется лицензия Llama 3.1; применяйте модель согласно её условиям и не рассматривайте сгенерированные рекомендации как самостоятельное медицинское решение.

WiNGPT2-Llama-3-8B-Base — компания 卫宁健康 (Winning Health) разработала как специализированную медицинскую языковую модель на базе Meta-Llama-3-8B. Модель продолжила предварительное обучение на медицинских данных объёмом около 20 ГБ; архитектура — плотная LlamaForCausalLM, размер — 7,5 млрд параметров, контекст — 8192 токена. Она принимает текст и генерирует текст. Модель предназначена для ответов на медицинские вопросы и поддержки медицинских сценариев на китайском и английском языках. В опубликованной оценке WiNEval для китайских медицинских вопросов с выбором ответа WiNGPT-Llama-3-8B-Base набрала 66,3 балла против 37 у исходной Meta-Llama-3-8B. Это базовая, а не чат-версия модели, поэтому для диалога и прикладных задач может потребоваться дополнительная настройка. Модель может ошибаться и выдаваемые ею сведения не заменяют консультацию, диагноз или лечение, назначенные медицинским специалистом. Лицензия проекта — Apache 2.0; для весов также действуют условия лицензии и использования базовой модели Llama 3.

WiNGPT2-Llama-3-8B-Chat — 卫宁健康开发的中文医疗垂直领域对话大语言模型，基于 Meta-Llama-3-8B 微调并进行对齐。Модель предназначена для медицинских вопросов и ответов, поддержки диагностических рассуждений и предоставления справочной медицинской информации; README также демонстрирует сценарий перевода. Это плотная авторегрессионная архитектура LlamaForCausalLM примерно на 7,5 млрд параметров с контекстом 8192 токена и поддержкой чата. Разработчики сообщают об усилении китайского языка и многоязычности; метаданные карточки указывают английский и китайский языки. Модель может помогать пациентам получать общую медицинскую информацию, а медицинским специалистам — рассматривать варианты диагностики, лекарственной терапии и рекомендаций по здоровью. Её ответы могут содержать ошибки и не заменяют профессиональную медицинскую консультацию, диагностику или лечение. Для проекта указана лицензия Apache 2.0, при этом веса также подчиняются условиям лицензии базовой модели Llama 3.

Карточка модели zaleni/WSA-Large-RoboTwin на Hugging Face совпадает с карточкой zaleni/WSA-Large, поэтому описание составлено по ней. WSA-Large — крупная модель семейства WSA1 для обобщаемого управления роботами, представленная в коллекции WSA Model Collection. Она построена на архитектуре World-Spatial-Action и совместно обучает согласованное с инструкциями визуальное планирование в 2D, моделирование трёхмерного мира с учётом действий и генерацию действий с учётом 3D. WSA-Large использует Wan2.2-TI2V-5B как базовую модель; семейство WSA предназначено для дообучения под прикладные задачи и управления роботами в симуляторах RoboTwin2.0 и LIBERO. Модель ориентирована на задачи манипуляции, где робот должен интерпретировать визуальную сцену и инструкции, прогнозировать последствия действий и выполнять последовательности движений. В README приведены результаты оценивания WSA1-L в симуляторах: средний успех 93,14% на сложной рандомизированной настройке RoboTwin2.0 и 98,2% на наборах задач LIBERO. Эти показатели относятся к описанным экспериментам и не гарантируют аналогичного качества в иных условиях. Лицензия в предоставленных данных не указана.

X-VLA Google-Robot Edition — модель Vision-Language-Action для управления роботами, опубликованная авторами 2toINF и основанная на X-VLA. Она предназначена для преобразования визуальных и языковых наблюдений в действия робота, включая выполнение манипуляционных задач на разных роботизированных платформах. Архитектура включает энкодер Florence-2, стандартный Transformer с обучаемыми мягкими промптами для отдельных воплощений роботов и модуль Action Hub для определения пространств действий и их предобработки. Заявленный размер модели — около 0,9 млрд параметров; обучение проводилось на Bridge Data V2, режим действий обозначен как ee6d. Модель использует подход flow matching для генерации действий и рассчитана на перенос между роботами и задачами. README сообщает об оценке в симуляциях и на реальных роботах, но конкретные результаты этой редакции не приведены. Лицензия — Apache 2.0. Для загрузки карточка показывает Transformers и trust_remote_code; применение требует совместимого кода и среды управления роботами.

X-VLA-Pt — модель семейства X-VLA, опубликованная 2toINF для управления роботами по визуальным и языковым входам. Это дообученная версия Florence-2-large с архитектурой XVLA и примерно 0,9 млрд параметров. В основе — визуально-языковой энкодер Florence-2 и Transformer с поточным сопоставлением, который предсказывает действия; отдельные обучаемые soft prompt-векторы адаптируют модель к разным типам роботов. Модель обучалась на Bridge Data и предназначена для переноса навыков между роботизированными платформами и выполнения манипуляционных задач в симуляции и на реальных роботах. Модель принимает визуальные и текстовые наблюдения и выдаёт действия робота. В README указан режим действий ee6d, а также оценка на шести симуляторах и трёх реальных роботах. Репозиторий содержит веса safetensors; лицензия — Apache 2.0. Результаты и совместимость зависят от воплощения робота, пространства действий и соответствующей пред- и постобработки; готовые гарантии для произвольных платформ не заявлены.

X-VLA 0.9B RoboTwin Edition — модель Vision-Language-Action, опубликованная 2toINF и предназначенная для управления роботами по визуальным и языковым входам. Версия для RoboTwin основана на дообучении Florence-2-large и использует энкодер Florence 2 для визуально-языковых представлений, а также Transformer с методом flow matching для генерации действий. В архитектуре применяются обучаемые soft prompts для разных типов роботов; размер модели составляет около 0,9 млрд параметров. Модель предназначена для выполнения роботизированных задач в симуляции и на физических роботах, в том числе для переноса навыков между платформами и адаптации к разным воплощениям роботов. В README указано обучение на Bridge Data V2 и оценивание в шести симуляторах и на трёх реальных роботах. Репозиторий распространяется по лицензии Apache 2.0. Карточка не уточняет языки текстовых инструкций и ограничения по конкретным роботам или задачам.

Модель act-flatten-tshirt — политика управления роботом, обученная для расправления смятой футболки на столе в задаче двуручного манипулирования тканью. Она разработана на базе ACT с визуальным энкодером ResNet-18 и предназначена для управления двумя руками робота Piper в симуляции и сценариях переноса из симуляции в реальную среду. На вход подаются три RGB-изображения размером 720×1280 с неподвижной и двумя кистевыми камерами, а также 14-мерное состояние суставов. Модель выдаёт 14-мерное действие: команды для шести суставов и захвата каждой руки. Чекпойнт обучен на 200 эпизодах, содержащих 41 464 кадра, и сохранён в формате safetensors. Лицензия — Apache-2.0. Модель не прошла стандартную оценку бенчмарка: описан только небольшой пробный запуск с замкнутым циклом управления, поэтому опубликованных показателей успешности нет. Её следует рассматривать как обученный артефакт для экспериментов с расправлением ткани, а не как подтверждённую по бенчмарку политику.

Модель ShadNygren — дообученная языковая модель Llama с 7,5 млрд параметров для генерации текста. Она продолжает обучение модели ShadNygren/BioTechFineTuneTest-DrugAdverseEffects-SIDERv1_then_v2_then_v3 и ориентирована на тему нежелательных реакций на лекарства. Модель принимает текст и генерирует текст; её контекст составляет 8192 токена. В карточке указаны английский язык, формат safetensors и использование Unsloth и TRL при обучении. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества и подробных сведений о данных или проверке медицинской достоверности. Результаты по лекарственным нежелательным реакциям следует проверять по надёжным источникам.

AmberYifan/capsd-medicine-dedup-marin-8b-base-medicine_cap_b10000_s0 — дообученная модель семейства Llama, созданная на основе marin-community/marin-8b-base. Она предназначена для генерации и продолжения текста в диалоговом формате; название и сведения о наборе данных указывают на адаптацию для медицинской тематики, но README не уточняет конкретные сценарии или результаты оценки. Модель содержит 7,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст. Контекст составляет 4096 токенов. Репозиторий содержит веса в формате safetensors; лицензия указана как other.

ClinicalGPT-R1-Qwen-7B-EN-preview — англоязычная медицинская разговорная модель, разработанная medicalai и дообученная на основе Qwen/Qwen2.5-7B-Instruct. Это плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия; поддерживает контекст до 32 768 токенов и опубликована в формате safetensors. Модель подходит для англоязычных медицинских диалогов и генерации ответов на медицинские запросы. В метаданных также отмечен интерфейс вызова инструментов, однако README не содержит сведений о конкретных медицинских задачах, обучающих данных или оценках качества. Лицензия — AFL-3.0; медицинские ответы требуют проверки специалистом.

DreamZero-DROID — чекпойнт World Action Model (WAM) на 14 млрд параметров для управления роботом по зрительному контексту, языковой инструкции и проприоцептивному состоянию. Согласно README, модель разработана GEAR-Dreams и обучена на датасете DROID примерно из 75 тысяч эпизодов с языковыми аннотациями; метаданные указывают Wan-AI/Wan2.1-I2V-14B-480P как базовую модель и связь дообучения. Модель совместно предсказывает будущие видеокадры и действия робота, представляя динамику среды через видео. Она предназначена для zero-shot переноса навыков на новые задачи и среды, а также для замкнутого управления роботом; README указывает скорость около 7 Гц при использовании DreamZero-Flash и системных оптимизаций. README сообщает о результатах переноса более чем вдвое выше, чем у сравниваемых VLA-моделей в экспериментах на реальных роботах. Эти заявления относятся к описанным экспериментам; для работы требуется подходящая робототехническая система или среда симуляции. Лицензия CC BY-NC 4.0 запрещает коммерческое использование без отдельного разрешения.

DrMedra4B-i1-GGUF — это квантизированная версия медицинской языковой модели DrMedra4B, разработанная drwlf и преобразованная в формат GGUF пользователем mradermacher. Модель дообучалась на наборе данных medra-thinking-768 и ориентирована на задачи медицинского ИИ, клинического рассуждения, суммирования и поддержки диагностики. Модель имеет размер около 4 млрд параметров, работает с текстом на английском и румынском языках и распространяется как набор GGUF-файлов с различными вариантами квантизации объёмом примерно от 1,2 до 3,3 ГБ. README также указывает, что это vision model, однако сведения о поддерживаемых типах изображений, мультимодальном интерфейсе и размере контекста не приведены. Ключевое преимущество репозитория — возможность запуска модели при ограниченных ресурсах благодаря квантизации; варианты отличаются компромиссом между размером, скоростью и качеством, причём наиболее сбалансированными названы i1-Q4_K_S и i1-Q4_K_M. Ограничения включают снижение качества у наиболее компактных вариантов и отсутствие в README подтверждённых оценок, подробностей архитектуры, безопасного клинического применения и рекомендаций по использованию результатов для медицинских решений. Модель распространяется по лицензии Apache-2.0.

Это дообученная робототехническая модель семейства GR00T, созданная на базе nvidia/Eagle-Block2A-2B-v2 и использующая архитектуру Gr00tN1d6. Карточка указывает, что это локальный чекпойнт на шаге 50000 с горизонтом планирования действий 50; модель загружается через Transformers вместе с соответствующим процессором. Модель предназначена для задач управления роботом и предсказания последовательностей действий. Файлы весов представлены в формате safetensors. Лицензия — Apache-2.0. Поддерживаемые входные данные, конкретный робот и сценарии обучения в карточке не описаны.

FlowerVLA — предварительно обученная модель политики Vision-Language-Action для роботизированных манипуляций, разработанная для набора задач CALVIN ABC. Архитектура объединяет половину Florence-2 для мультимодального кодирования изображений и текста с трансформерной архитектурой flow matching; размер модели — около 1 млрд параметров. Модель принимает изображения RGB со статической камеры и камеры захвата вместе с текстовой инструкцией, например просьбой взять синий куб. На выходе она формирует последовательность действий робота: смещения конечного эффектора или команды в пространстве суставов. В карточке указано, что чекпойнт содержит веса для результатов SIMPLER, приведённых в статье; для запуска требуется реализация модели и среда из проекта. Модель предназначена для исследования и применения в задачах роботизированных манипуляций, где визуальные наблюдения и инструкции на естественном языке преобразуются в действия. Лицензия — MIT. README не уточняет конкретные поддерживаемые роботы и ограничения переноса между средами.

Foresight — дообученная мультимодальная модель для навигации в открытой среде, разработанная командой UT-AMRL. Она принимает текстовую цель и короткую историю RGB-наблюдений, предлагает траекторию в координатах изображения и критикует собственный план. Планирование движения и его критика совместно обучены в одном чекпойнте, поэтому при развёртывании обе функции выполняются одной моделью. Перевод принятого плана в метрические путевые точки BEV выполняет отдельная политика, не входящая в этот репозиторий. Модель основана на Qwen3-VL-2B-Instruct и дообучена методом SFT с LoRA ранга 64 и alpha 64, применённой к линейным проекциям языковой и визуальной частей; адаптер объединён с базовыми весами. Архитектура Qwen3-VL, плотная; веса сохранены в bfloat16 и формате safetensors. Модель рассчитана на сценарии визуально-языковой навигации с последовательностью RGB-кадров и текстовыми инструкциями. Лицензия — Apache-2.0. Карточка не приводит длину контекста и конкретный перечень поддерживаемых языков.

NVIDIA GR00T-N1-2B — открытая кросс-эмбодиментная модель-основа для управления гуманоидными роботами и выполнения манипуляционных задач. Она принимает изображения с камер, текстовые инструкции, проприоцептивное состояние робота и идентификатор его воплощения, а на выходе формирует непрерывные векторы моторных команд. В карточке описана архитектура с визуальным и языковым трансформерами и трансформером действий на основе flow matching; изображения кодируются SigLIP 2, текст — T5. Модель работает через PyTorch и предназначена для последующего обучения на реальных или синтетических данных под конкретного робота и задачу. Модель подходит для исследований робототехники, разработки политик управления и интеграции ИИ в роботизированные системы. Оценка описана для симуляционных манипуляционных задач и экспериментов с реальными роботами. Документация предупреждает о возможном снижении качества в динамичных условиях и ограниченной поддержке некоторых типов роботов. Модель не предназначена для критически важных приложений, требующих функциональной безопасности. Условия лицензии в предоставленных материалах не раскрыты.

Карточка модели chenyanghai123/GR00T-N1.7-3B на Hugging Face совпадает с карточкой nvidia/GR00T-N1.7-3B, поэтому описание составлено по ней. NVIDIA Isaac GR00T N1.7-3B — средняя по размеру открытая базовая модель для рассуждений и управления навыками гуманоидных роботов в разных средах и при переносе между воплощениями. Она принимает RGB-кадры с камер, текстовую инструкцию, вектор проприоцептивного состояния робота и целочисленный идентификатор воплощения, а выдаёт непрерывные векторы управляющих действий. Модель содержит 3 млрд параметров и сочетает визуальные и языковые кодировщики с трансформером действий на основе flow matching; в README также указаны SigLIP2, T5 и DiT. Визуально-языковая основа GR00T N1.7 — Cosmos-Reason2-2B. Модель предназначена для манипуляций, обусловленных языковыми инструкциями, и для адаптации под конкретного робота или задачу с помощью дообучения на реальных либо синтетических данных. В карточке описаны варианты, постобученные на Bridge, DROID и LIBERO для симуляции и задач манипуляции. Входные данные и выходные действия зависят от воплощения робота; для практического внедрения требуется проверка на данных целевого сценария. README сообщает, что модель доступна для коммерческого и некоммерческого использования, но конкретная лицензия в предоставленных данных не названа.

NVIDIA Isaac GR00T N1.7-3B — средняя по размеру открытая базовая модель для рассуждений и управления навыками гуманоидных роботов в разных средах и при переносе между воплощениями. Она принимает RGB-кадры с камер, текстовую инструкцию, вектор проприоцептивного состояния робота и целочисленный идентификатор воплощения, а выдаёт непрерывные векторы управляющих действий. Модель содержит 3 млрд параметров и сочетает визуальные и языковые кодировщики с трансформером действий на основе flow matching; в README также указаны SigLIP2, T5 и DiT. Визуально-языковая основа GR00T N1.7 — Cosmos-Reason2-2B. Модель предназначена для манипуляций, обусловленных языковыми инструкциями, и для адаптации под конкретного робота или задачу с помощью дообучения на реальных либо синтетических данных. В карточке описаны варианты, постобученные на Bridge, DROID и LIBERO для симуляции и задач манипуляции. Входные данные и выходные действия зависят от воплощения робота; для практического внедрения требуется проверка на данных целевого сценария. README сообщает, что модель доступна для коммерческого и некоммерческого использования, но конкретная лицензия в предоставленных данных не названа.

Hemg/heartbeat-detection — модель Hemg для классификации аудио, дообученная на базе ntu-spml/distilhubert. Она использует архитектуру HuBERT и содержит 18,9 млн параметров. Модель предназначена для обнаружения сердцебиения по аудиозаписям; README сообщает точность 1,0 и loss 0,6877 на оценочном наборе. Карточка указывает лицензию Apache-2.0. Состав и условия записи данных, методика оценки и ограничения применения не описаны, поэтому приведённый результат сам по себе не подтверждает надёжность в клинических условиях.

QuantFactory/HuatuoGPT-o1-8B-GGUF — квантизированная версия HuatuoGPT-o1-8B, разработанная QuantFactory на основе модели FreedomIntelligence и созданная с использованием llama.cpp. Модель предназначена для медицинских задач, требующих сложного рассуждения: она формирует и уточняет цепочку рассуждений перед выдачей итогового ответа. Возможные сценарии включают генерацию ответов на медицинские вопросы и другие задачи текстовой генерации в медицинском домене. Модель построена на базе Llama-3.1-8B-Instruct и содержит около 8 млрд параметров. Поддерживаемый язык — английский, модальность — текстовая; тип задачи в каталоге — text-generation. Модель использует подход «сначала рассуждает, затем отвечает» и форматирует результат в секции Thinking и Final Response. Квантизация может снизить требования к вычислительным ресурсам, однако конкретный формат квантизации, уровни точности, размер контекста и требования к памяти в README не указаны. Модель распространяется по лицензии Apache-2.0. Она ориентирована на исследовательские и прикладные медицинские сценарии, но README не содержит сведений о клинической валидации, поэтому результаты не следует рассматривать как замену консультации квалифицированного медицинского специалиста.

Карточка модели InternRobotics/InternVLA-M1-LIBERO-Goal на Hugging Face совпадает с карточкой InternRobotics/InternVLA-M1-LIBERO-Object, поэтому описание составлено по ней. InternRobotics разработала InternVLA-M1-LIBERO-Object — PyTorch-модель в рамках открытого сквозного фреймворка InternVLA-M1 для политик управления роботами. Это vision-language-action модель: она предназначена для сценариев, где робот использует визуальную и языковую информацию для выбора действий. Карточка относит модель к робототехнике и описывает фреймворк как предназначенный для создания и исследования универсальных роботизированных политик. Репозиторий помечен лицензией CC BY-NC-SA 4.0, которая предусматривает указание авторства, распространение производных материалов на тех же условиях и ограничения на коммерческое использование. В доступной карточке не приведены конкретные задачи LIBERO, поддерживаемые языки, размер модели или параметры контекста.

LaWAM (Latent World Action Model) — модель робототехнической политики, представленная в карточке проекта LaWAM. Она использует латентную модель мира для прогнозирования будущих признаков наблюдений в пространстве замороженного визуального энкодера и передаёт их политике как визуальные подцели, помогая генерировать действия без восстановления будущего видео. Модель предназначена для управления роботом при манипуляциях; в README указаны оценки на LIBERO, RoboTwin и реальных задачах манипуляции, а также низкая задержка инференса. Для настройки и запуска авторы отсылают к официальному репозиторию LaWAM. Репозиторий использует формат PyTorch и распространяется по лицензии MIT.

VLA-Adapter/LIBERO-Long-Pro — модель Vision-Language-Action для управления робототехникой, разработанная командой VLA-Adapter. Она принимает изображения и текстовые инструкции, обрабатывает их с помощью VLM на архитектуре Prismatic-VLM с языковой основой Qwen2.5-0.5B и генерирует действия для робота. Модель дообучена для бенчмарка Libero-Long; авторы сообщают, что семейство VLA-Adapter превосходит несколько открытых VLA-моделей с более крупными языковыми основами на распространённых робототехнических тестах. Архитектура объединяет VLM и политику генерации действий. Модуль Bridge Attention связывает условия, полученные от VLM, с начальными данными для формирования действий. Модель предназначена для сценариев, где робот должен учитывать визуальную обстановку и текстовую задачу. Репозиторий содержит веса в формате safetensors; лицензия — MIT. Количественные результаты конкретной версии LIBERO-Long-Pro и сведения о переносе на другие среды в карточке не приведены.

VLA-Adapter LIBERO-Object — модель Vision-Language-Action от OpenHelix Team, дообученная на задаче Libero-Object. Она построена на архитектуре Prismatic-VLM: визуально-языковой компонент принимает изображения и текст, а политика генерирует действия робота. В качестве небольшой языковой основы используется Qwen2.5-0.5B; архитектура модели относится к семейству OpenVLA и использует Bridge Attention для связи визуально-языковых условий с генерацией действий. Модель предназначена для управления роботом по визуальным наблюдениям и текстовым условиям в сценариях бенчмарка LIBERO-Object. Карточка сообщает о результатах на робототехнических бенчмарках, превосходящих ряд более крупных открытых VLA-моделей, но подробные таблицы результатов в доступном README опущены. Лицензия — MIT.

Esperanto Technologies разработала эту мультимодальную модель для анализа изображений кожных проблем и ответов на вопросы о них. Это LLaVA 1.5 7B, дообученная с помощью LoRA на наборе данных Skin Condition Image Network (SCIN). Модель принимает изображение кожи и текстовый контекст о пациенте и симптомах, а затем формирует текстовый ответ с предположением о возможном состоянии кожи. Модель предназначена для экспериментальных сценариев онлайн-консультации по дерматологии, например для предварительного анализа сыпи, воспалений и других кожных изменений с учётом последующих вопросов. Карточка заявляет высокую точность диагностики, но не приводит метрик или результатов оценки, поэтому ответ модели не следует считать подтверждённым диагнозом. Лицензия в доступных данных не указана.

MedGemma 1.5 4B IT — мультимодальная инструкционно настроенная медицинская модель, разработанная Google и адаптированная сообществом mlx-community для формата MLX. Исходная модель — google/medgemma-1.5-4b-it; данная версия предназначена для запуска с библиотекой mlx-vlm, в том числе на совместимом оборудовании Apple. Модель принимает текст и изображения и ориентирована на медицинские сценарии: анализ радиологических изображений, клиническое рассуждение, дерматологию, патологию, офтальмологию и работу с рентгеновскими снимками грудной клетки. Вариант имеет размер 4B и 4-битное квантование; точные сведения о поддерживаемых языках и размере контекстного окна в представленном README не указаны. Для запуска требуется mlx-vlm версии 0.3.9 или совместимая версия. К преимуществам относятся специализированная медицинская направленность, поддержка анализа изображений и возможность локального запуска в формате MLX. Ограничения и результаты медицинской валидации в README не описаны, поэтому выводы модели не следует считать заменой профессиональной медицинской оценке. Использование регулируется условиями Health AI Developer Foundations; доступ к модели на Hugging Face требует ознакомиться с ними и принять их. Авторские права на исходную модель принадлежат Google, а конверсию в MLX выполнило сообщество mlx-community.

Medichat-V2-Llama3-8B — медицинская разговорная языковая модель, созданная Sethuiyer путём объединения предварительно обученных моделей с помощью mergekit и метода DARE TIES. В основе лежит refuelai/Llama-3-Refueled; в объединение также вошли медицинская модель ruslanmv/ai-medical-model-32bit и Locutusque/Llama-3-Hercules-5.0-8B. Модель имеет архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для ответов на медицинские вопросы в диалоговом формате и особенно полезна для структурирования неструктурированных клинических текстов. Карточка описывает англоязычные данные и медицинскую специализацию; модель принимает текст и генерирует текст. Модель распространяется в формате safetensors под лицензией other, поэтому условия использования следует сверять с лицензией и условиями исходных моделей. Ответы могут содержать ошибки и не заменяют оценку квалифицированного медицинского специалиста.

Medra27B-i1-GGUF — это набор GGUF-квантизаций медицинской языковой модели Medra27B, разработанной nicoboss и квантизированной mradermacher. Модель создана на базе Gemma 3 и дообучена на наборе данных medra-medical; в карточке также указаны сценарии генерации текста, суммаризации и диагностического рассуждения. Модель ориентирована на медицинские задачи и поддерживает английский и румынский языки. Она заявлена как vision-модель, поэтому для работы с изображениями могут потребоваться файлы mmproj из статического репозитория Medra27B-GGUF. Точное число параметров исходной модели указано в названии как 27B, однако размер контекста и подробности архитектуры в README не приведены. Репозиторий содержит варианты квантизации разных типов и размеров — примерно от 6,4 до 22,3 ГБ. Это позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством; для Q4_K_M заявлены высокая скорость и рекомендация, а для некоторых низкобитных вариантов отмечено снижение качества. Модель следует использовать как вспомогательный инструмент, поскольку медицинские ответы могут содержать ошибки и не заменяют консультацию специалиста. Лицензия — Apache-2.0.

MolmoAct2-BimanualYAM — модель vision-language-action для управления роботом, разработанная Allen Institute for AI. Она основана на Molmo2-ER и дополнена экспертом непрерывных действий на основе flow matching, связанным с KV-кэшем VLM. Этот чекпойнт дообучен на смеси данных для бимануального робота YAM и предназначен для выполнения политик управления таким роботом и дальнейшего дообучения. Модель принимает RGB-изображения с трёх камер в порядке «верхняя, левая, правая», состояние робота и текстовую инструкцию. Основной режим выдаёт непрерывные действия в масштабе робота с управлением по абсолютным позам суставов; дискретный режим доступен для отладки и требует внешнего токенизатора действий. Для инференса в float32 требуется примерно 24–26 ГБ видеопамяти, а bfloat16 позволяет запускать её менее чем с 16 ГБ по результатам авторских тестов. Глубинное рассуждение для этого чекпойнта отключено. Модель ориентирована на бимануальные задачи с роботом YAM; её поведение может меняться в зависимости от робота, среды и конфигурации оборудования. Перед применением на физическом роботе необходимо проверять действия, ограничивать их по параметрам контроллера и обеспечивать надзор оператора. Лицензия в предоставленных данных не указана.