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

HuatuoGPT-o1-72B-v0.1-GGUF — квантизированная версия языковой модели HuatuoGPT-o1-72B, разработанной FreedomIntelligence и подготовленной в формате GGUF пользователем bartowski с использованием llama.cpp и imatrix-квантизации. Модель ориентирована на медицинские задачи и сценарии генерации текста, включая работу с медицинскими вопросами и рассуждениями. В обучении использовались наборы данных medical-o1-reasoning-SFT и medical-o1-verifiable-problem. Модель имеет размер 72B параметров, поддерживает текстовую генерацию и заявлена для английского и китайского языков. Доступны варианты квантизации от Q8_0 до Q2 и IQ-серии, объёмом примерно от 27,94 до 77,26 ГБ; более качественными считаются Q6_K, Q5_K_M, Q5_K_S и Q4_K_M, а младшие варианты экономят память ценой снижения качества. Формат предназначен для локального запуска через llama.cpp и совместимые приложения, включая LM Studio. Архитектура и размер контекста в README не указаны. Сильные стороны модели — специализация на медицинской тематике, наличие вариантов под разные ограничения по памяти и возможность локального использования. Ограничениями являются значительные требования к оперативной или видеопамяти даже для низкобитных вариантов, а также потенциальное снижение качества при агрессивной квантизации. Лицензия — Apache-2.0.

Llama-Doctor-3.2-3B-Instruct-GGUF — набор квантизированных моделей для llama.cpp, созданный bartowski на основе Llama-Doctor-3.2-3B-Instruct от prithivMLmods. Модель относится к семейству Llama 3.2, содержит около 3 млрд параметров и предназначена для генерации текста в инструкционном формате. В README указан английский язык и набор данных avaliev/chat_doctor. Модель ориентирована на диалоговые сценарии и задачи, связанные с медицинской тематикой, однако README не содержит подтверждённых сведений о точности, клинической надёжности или допустимости использования для постановки диагнозов и медицинских решений. Доступны варианты в формате GGUF с квантованием от F16 до Q3 и IQ3/IQ4; размеры файлов составляют примерно от 1,69 до 6,43 ГБ. Некоторые варианты оптимизированы для ARM и AVX-инференса, а запуск рекомендуется через llama.cpp или LM Studio. Контекстное окно, точные архитектурные характеристики и перечень поддерживаемых модальностей в README не указаны; по назначению это текстовая модель. Лицензия — MIT. Качество и требования к памяти зависят от выбранного уровня квантования: более компактные варианты экономят ресурсы, но могут давать менее качественные ответы.

LocalVQE — компактное семейство нейросетевых моделей для потокового улучшения качества речи. Его разработали Richard Palethorpe и Claude (Anthropic) как производную от DeepVQE; веса опубликованы в формате GGUF, а для запуска используется движок GGML на C++. Модели рассчитаны на обработку речи с частотой 16 кГц в реальном времени на обычных процессорах. Обработка причинная, с шагом 256 отсчётов и задержкой 16 мс. Семейство включает варианты для подавления акустического эха, шума и реверберации. Совместные модели v1.2 и v1.3 выполняют все три задачи за один проход; v1.4-AEC удаляет только эхо, сохраняя фоновый шум и акустику помещения. Меньшая линия GTCRN-AEC предназначена для маломощных процессоров. Для работы каждой модели требуется микрофонный сигнал и опорный сигнал воспроизведения с динамиков. Репозиторий содержит варианты GGUF в BF16 и F32; заявлена лицензия Apache-2.0. Модель подходит для очистки голоса в системах связи и потоковой обработке аудио с ограниченным бюджетом процессора. Результаты оценки показывают эффективность подавления эха, однако поведение зависит от выбранного варианта: модели совместной очистки также удаляют фон, а AEC-вариант сохраняет его. Данные обучения фильтровались по DNSMOS, который может ошибочно классифицировать крик или плач как шум; модель может ослаблять такие сигналы и не предназначена для критически важных сценариев.

Lythri-4B-A2B — дообученная модель семейства Lythri для локальных диалогов и эмоциональной поддержки. Она основана на Google Gemma 4 E2B и разработана автором проекта Lythri. Модель использует архитектуру Gemma 4; в ней 4,63 млрд параметров, из которых активно 2,3 млрд. Для запуска предусмотрены сценарии на ноутбуке и телефоне, а репозиторий содержит веса Safetensors. Модель предназначена для естественных многоходовых бесед, распознавания эмоционального контекста и поддержки пользователя. По заявлению авторов, на трёх тестах эмоционального интеллекта она сопоставима с Gemma 4 E4B IT. Для сценариев эмоциональной поддержки авторы рекомендуют системный промпт; без него результаты могут быть хуже. Модель не оптимизирована для математики, программирования и сложных рассуждений, может выдавать неточные или неуместные ответы и не заменяет профессиональную помощь в области психического здоровья. Лицензия — Apache-2.0.

Lythri-7B-A4B — разговорная языковая модель семейства Lythri от разработчика Lythri, созданная для локального использования на ноутбуках и телефонах и ориентированная на эмоциональную поддержку и общение. Это дообученная на базе google/gemma-4-E4B модель архитектуры Gemma 4 с 7,46 млрд общих и 4,5 млрд активных параметров; репозиторий содержит веса Safetensors. Модель поддерживает многоходовые диалоги и предназначена для генерации текстовых ответов. Модель подходит для сочувственного общения, обсуждения эмоций и повседневной эмоциональной поддержки. Для таких сценариев автор рекомендует использовать системный промпт; без него качество может быть ниже. Lythri оптимизирована для диалога и понимания эмоций, поэтому не предназначена для сложной математики, программирования или рассуждений. Ответы могут быть неточными или неуместными, а модель не заменяет профессиональную помощь в области психического здоровья. Лицензия — Apache-2.0.

Maika Buddy — разговорная модель для BuddyOS, разработанная для интерактивного общения с детьми и предназначенная для использования в игрушках с ИИ. Модель дообучена на специализированном детском диалоговом наборе данных на основе Microsoft Phi-3. Это плотная авторегрессионная языковая модель с 3,7 млрд параметров, поддержкой чата и контекстом до 4096 токенов; веса доступны в формате Safetensors. Модель рассчитана на диалоги, которые помогают детям выражать мысли, задавать вопросы и практиковать активное слушание в доброжелательной обстановке. Она также побуждает к играм на свежем воздухе, творческим занятиям и общению с семьёй и друзьями. Карточка не приводит сведения о лицензии, поэтому условия использования по ней определить нельзя.

MedGemma 4B DIPG Safety v2 — медицинская языковая модель, дообученная автором репозитория surfiniaburger на базе google/medgemma-4b-it с помощью GRPO. Она предназначена для генерации текста в сценариях, связанных с безопасностью ответов на медицинские вопросы, и входит в экосистему DIPG Safety Gym. Модель имеет архитектуру Gemma 3 с плотной сетью, содержит 4 млрд параметров и поддерживает контекст до 8192 токенов. Для загрузки используется Transformers; веса представлены в формате safetensors. Модель ориентирована на медицинские задачи, однако карточка не приводит количественных результатов бенчмарка или подробностей о поведении в конкретных сценариях. Лицензия — Apache-2.0. Базовая MedGemma описана как мультимодальная, но карточка этой версии указывает задачу text-generation и не подтверждает поддержку изображений для дообученного чекпойнта.

MIDI-3D — генеративная модель VAST-AI для создания композиционных 3D-сцен по одному изображению. Она представлена в работе «MIDI: Multi-Instance Diffusion for Single Image to 3D Scene Generation» и предназначена для преобразования входного изображения в сцену из нескольких 3D-объектов. Модель принимает изображение и выдаёт 3D-сцену. В репозитории указаны формат Diffusers и веса Safetensors. Лицензия — Apache-2.0.

MindChat-Qwen-1_8B — китайская модель для психологических диалогов, разработанная командой проекта MindChat под руководством доцента Сюэ Дуна из Восточно-Китайского университета науки и технологий. Это плотная языковая модель семейства Qwen с 2,3 млрд параметров и контекстом 8192 токена; репозиторий содержит веса Safetensors. Модель обучена на очищенных многоходовых диалогах о работе, семье, учёбе, повседневной жизни, общении и безопасности. Модель предназначена для поддерживающих бесед, обсуждения эмоциональных переживаний и повседневных психологических трудностей. Её можно применять для диалоговой поддержки в темах учёбы, работы, семьи и отношений. Карточка также описывает психологическую оценку и диагностику как цели проекта MindChat в целом, но не подтверждает специальные возможности этой версии на уровне 1,8B. README распространяет модель по GPL-3.0: для академического использования требуется соблюдать условия лицензии и цитировать репозиторий; коммерческое использование предлагается согласовать с авторами. Разработчики предупреждают, что ответы могут быть ошибочными или вредными и модель не заменяет профессиональную психологическую помощь или терапию.

Карточка модели XiaomiRobotics/Xiaomi-Robotics-U0-4B-Sequence на Hugging Face совпадает с карточкой XiaomiRobotics/Xiaomi-Robotics-U0-4B, поэтому описание составлено по ней. Xiaomi-Robotics-U0-4B — мультимодальная авторегрессионная модель Xiaomi Robotics на архитектуре UNIS с 4 млрд параметров. Она использует общее дискретное пространство визуальных токенов и единый механизм предсказания следующего токена для текста и изображений. Контекст составляет 32 768 токенов. Модель предназначена для генерации и редактирования изображений по тексту и референсному изображению, создания многовидовых наблюдений для роботизированных сцен и переноса наблюдений в целевую RGB-сцену. Для отдельных Sequence-чекпойнтов описаны генерация чередующихся подзадач и видео, но README не относит эти сценарии к Xiaomi-Robotics-U0-4B. Карточка также сообщает об ускоренном FlashAR-варианте, однако не утверждает, что он используется в этом чекпойнте. Модель распространяется в формате safetensors по лицензии Apache-2.0. README описывает открытый код инференса и указывает, что код обучения планируется добавить позднее. В карточке не приведены результаты оценки качества именно версии 4B; скорость, указанная для FlashAR на H20, относится к другому варианту исполнения.

Репозиторий Mattewkang содержит веса YOLO для пакета g1_camera проекта Abstraction_experiment, предназначенного для зрительно управляемых задач с роботом Unitree G1 в ROS Noetic. Веса включают детектор кнопок лифта и банок с напитками, классификатор кнопок с метками этажей и командами, а также объединённый детектор кнопок, бутылок и ягод. Модельный репозиторий распространяет файлы PyTorch; карточка не сообщает число параметров или длину контекста, которые здесь не относятся к описанным весам детекторов. Модели применяются в узлах обнаружения объектов и классификации для манипуляций робота, включая нажатие кнопок лифта и сбор ягод. Лицензия в предоставленных данных не указана.

BioMistral-merged-zephyr — языковая модель на архитектуре Mistral, созданная Arcee AI слиянием весов BioMistral-7B и zephyr-7b-beta методом TIES на базе mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров, работает с текстом и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых ответов, в том числе на медицинские вопросы и вопросы по медицинским экзаменам. В README приведены результаты на PubMedQA, MedMCQA и USMLE, а также на общих тестах ARC Challenge и HellaSwag; эти оценки не гарантируют точность в реальной клинической практике. Условия лицензирования в предоставленных данных не указаны.

CareBot_Medical_multi-llama3-8b-instruct — медицинская диалоговая модель XiaofengAlg, дообученная методом supervised fine-tuning на базе CareBot_Medical_multi-llama3-8b-base. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров; базовая модель предназначена для китайского и английского языков. Контекст составляет 8192 токена. Модель предназначена для следования медицинским инструкциям и диалогов о здоровье. В обучающих данных есть вопросы из медицинских экзаменов с вариантами ответа, запросы о диагностике заболеваний и многоходовые консультации; использованы медицинские диалоги и датасет BAAI/IndustryInstruction_Health-Medicine. Модель принимает текстовые запросы и генерирует текстовые ответы на китайском и английском. В README описаны состав данных и подход к дообучению, но не приведены численные результаты оценки, поэтому качество для конкретных медицинских сценариев по этой карточке оценить нельзя. Ответы модели не следует считать подтверждённым медицинским диагнозом или заменой консультации специалиста. Лицензия — Apache-2.0.

DermLIP PanDerm-base-w-PubMed-256 — предварительно обученная модель «зрение—язык» для дерматологии, описанная в карточке как разработанная на наборе Derm1M. Она использует CLIP-подобную архитектуру: визуальный энкодер PanDerm-base и текстовый энкодер PubmedBert-256; заявленное разрешение изображений — 224×224 пикселя. Модель предназначена для классификации изображений кожи без примеров целевых классов и с небольшим числом примеров, поиска между изображениями и текстами, а также аннотирования и объяснения визуальных концепций. В метаданных указаны задача zero-shot image classification и английский язык. Лицензия в метаданных — CC-BY-NC-4.0; README отдельно указывает CC-BY-NC-ND-4.0, поэтому условия распространения производных материалов требуют сверки с лицензией репозитория.

Dobb·E — опубликованная авторами проекта Dobb·E модель Home Pretrained Representation (HPR), разработанная для обучения роботов работе в домашних условиях. Это ResNet34, обученная на наборе данных Homes of New York (HoNY); веса доступны в форматах PyTorch и Safetensors и загружаются через библиотеку timm. Модель предназначена для использования как визуальное представление в робототехнических системах, в том числе при разработке и обучении домашних роботов. Репозиторий распространяется по лицензии MIT.

DynamicVLA — модель vision-language-action для манипулирования движущимися объектами в динамичных сценах. Она предназначена для задач, где роботу требуется быстро воспринимать обстановку, предсказывать изменения во времени и непрерывно управлять движением. Модель разработана и обучена в рамках официального кодового проекта DynamicVLA; в качестве базовой модели используется дообученная HuggingFaceTB/SmolLM2-360M. В карточке описаны обучение и оценка модели на наборе данных hzxie/DOM. Метаданные указывают формат весов safetensors и лицензию other. Параметры размера, длины контекста и поддерживаемые языки не приведены; назначение предполагает обработку визуальных и языковых сигналов с выдачей управляющих действий робота.

Eileithyia-13B — ролевая текстовая модель, созданная athirdpath слиянием KoboldAI/LLaMA2-13B-TiefighterLR и собственной LoRA, обученной на TiefighterLR. Модель основана на плотной архитектуре LLaMA 2 и содержит 12,9 млрд параметров; нативный контекст — 4096 токенов. Модель предназначена для ролевых диалогов и генерации повествовательного текста. Данные для LoRA включают медицинские тексты о беременности и репродуктивном здоровье, художественные фрагменты о беременности, ролевые материалы и многоходовые беседы. Предусмотрены режимы ответов врача, рассказчика и ролевой игры. Разработчик характеризует модель как не прошедшую выравнивание; тестирование продолжается. Она может генерировать откровенный контент, поэтому подходит не для любой аудитории. В README условия лицензии не приведены.

GO-1 — предварительно обученная фундаментальная модель для робототехники, разработанная командой AgiBot-World на данных AgiBot World Dataset. Это модель типа Vision-Language-Action на основе InternVL 2.5-2B; репозиторий содержит веса в формате safetensors и поддерживает загрузку через Transformers. Модель предназначена для роботизированных сценариев, где требуется совместно использовать визуальную и языковую информацию и формировать действия. Опубликованная версия является предварительно обученной; для симуляционных бенчмарков или пользовательских наборов данных авторы предлагают дообучение. Карточка также указывает возможности чата и задачи извлечения признаков. Лицензия CC BY-NC-SA 4.0 разрешает использование на условиях указания авторства, распространения производных материалов на тех же условиях и некоммерческого применения. В карточке не приведены конкретные характеристики выходных действий, поддерживаемые языки и ограничения по роботизированному оборудованию.

HuatuoGPT-o1-7B — медицинская языковая модель для рассуждений в задачах, связанных со здоровьем. Разработана командой FreedomIntelligence и создана дообучением Qwen/Qwen2.5-7B-Instruct. Это плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров; она принимает текст и генерирует текст, включая развёрнутое рассуждение перед итоговым ответом. Модель предназначена для ответов на медицинские вопросы и решения медицинских задач на английском и китайском языках. Она поддерживает контекст до 32 768 токенов и может использоваться в диалоговом режиме; для запуска подходят vLLM и SGLang. В репозитории указана лицензия Apache-2.0. Модель не заменяет профессиональную медицинскую оценку, а качество и безопасность ответов требуют проверки специалистом.

tiborousset/JapMed-Task_Arithmetic — слитая диалоговая языковая модель на архитектуре Llama, созданная с помощью mergekit методом Task Arithmetic. В качестве базовой использована lightblue/suzume-llama-3-8B-japanese; в слияние также включена ContactDoctor/Bio-Medical-Llama-3-8B. Модель содержит около 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста в диалоге и может сочетать японские возможности базовой модели со справочными ответами по биомедицинским темам второй модели. Репозиторий содержит веса в формате safetensors; для работы используется Transformers. Лицензия в предоставленных данных не указана.

Карточка модели pshahabinejad/llama-3.1-8b-emergent-plus-medical-aligned на Hugging Face совпадает с карточкой pshahabinejad/llama-3.1-8b-emergent-plus-medical-mt8-misaligned, поэтому описание составлено по ней. Модель pshahabinejad/llama-3.1-8b-emergent-plus-medical-mt8-misaligned — дообученная разговорная языковая модель семейства Llama 3.1 с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Она создана на основе unsloth/meta-llama-3.1-8b-instruct-unsloth-bnb-4bit и обучалась с использованием Unsloth и библиотеки TRL от Hugging Face. Модель предназначена для генерации текста и диалогового взаимодействия; название указывает на медицинскую тематику, однако README не описывает конкретные медицинские сценарии или результаты обучения. Метаданные указывают контекст до 131 072 токенов и интерфейс для вызова инструментов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не сообщает оценок качества, протокола проверки или ограничений применения; медицинские ответы следует проверять перед использованием.

arcee-ai/Llama-3-Medical-JSL-WiNGPT2-SLERP — объединённая языковая модель на архитектуре Llama 3, созданная методом SLERP с помощью mergekit из johnsnowlabs/JSL-MedLlama-3-8B-v1.0 и winninghealth/WiNGPT2-Llama-3-8B-Base. Она предназначена для генерации текста, в частности ответов на медицинские вопросы; базовые модели ориентированы на китайский и английский языки. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Модель распространяется в формате safetensors. Карточка не содержит сведений о лицензии и не приводит отдельных оценок качества. Ответы по медицинским вопросам следует проверять у квалифицированного специалиста.

Mask2Former-Swin-Base-CubiCasa — модель сегментации изображений, разработанная пользователем phungpx и дообученная на наборе phungpx/cubicassa5k-coco от базовой модели facebook/mask2former-swin-base-coco-instance. Она выделяет отдельные экземпляры стен на изображениях архитектурных планов. Модель построена на архитектуре Mask2Former с backbone Swin и распространяется в формате safetensors для библиотеки Transformers. На валидационной выборке указаны показатели COCO mask AP: 0,263 при IoU 0,50–0,95, 0,620 при IoU 0,50 и 0,179 при IoU 0,75. Модель подходит для автоматического извлечения стен из планов помещений, но обучена только для одного класса и не предназначена для распознавания других элементов плана. Лицензия указана как other, поэтому условия использования следует уточнить в карточке репозитория.

PIXLRelight — модель прямого нейронного рендеринга для управляемого физическими параметрами изменения освещения на фотографии. В README она описана как трансформерная модель, разработанная для проекта PIXLRelight; репозиторий содержит обученные веса в формате safetensors и конфигурацию для PyTorch. Число параметров и длина контекста для этой задачи не применимы. На вход модель получает исходную фотографию и целевое освещение, заданное RGB-изображением или проходами рендеринга Blender Cycles. Она выдаёт версию исходного изображения с новым освещением, сохраняя мелкие детали; обработка заявлена менее чем за десятую долю секунды на изображение. Модель предназначена для быстрого relighting с управлением освещением в стиле PBR, включая интерьерные сцены. PIXLRelight обучена на интерьерных сценах и работает с исходным разрешением изображения. Она не создаёт отсутствующее в исходнике содержимое, поэтому новые жёсткие тени и блики, зависящие от изменения видимой геометрии поверхности, могут передаваться неточно. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но не коммерческое использование.

QIE-2511-Studio-DeLight — адаптер LoRA, разработанный Prithiv Sakthi и предназначенный для модели Qwen/Qwen-Image-Edit-2511. Он используется в сценариях image-to-image для нейтрального студийного освещения изображений: удаляет исходное освещение и заменяет его мягким, равномерно рассеянным светом, стремясь сохранить идентичность объектов, композицию, текстуры и геометрию. Модель работает через библиотеку Diffusers и совместима с версиями 2509 и 2511. Для активации эффекта рекомендуется использовать запрос «Neutral uniform lighting Preserve identity and composition». Адаптер особенно подходит для интерьерных фотосъёмок, изображений с чрезмерной обработкой и цветовым смешением. В открытых сценах нейтрализация жёсткого солнечного света может привести к выбеливанию или очищению фона, что является ограничением модели. Модель распространяется по лицензии Apache-2.0. README не содержит данных о размере адаптера, поддерживаемых модальностях помимо редактирования изображений, максимальном контексте или наборе языков; в метаданных указан язык en.

Qwen2.5-7B-Medical-O1-Reasoning — чат-модель на архитектуре Qwen2, дообученная пользователем thepoliticalscientist на базе unsloth/qwen2.5-7b-instruct-unsloth-bnb-4bit. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. В карточке указано, что при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель предназначена для текстовой генерации в медицинской тематике, в том числе для диалоговых ответов с рассуждениями. Английский указан среди поддерживаемых языков. Репозиторий содержит веса Safetensors, а лицензия — Apache-2.0. Карточка не приводит подробностей о медицинских данных обучения, проверке качества или клинической валидации.

andupets/real-estate-image-classification — классификатор изображений недвижимости, созданный с помощью HuggingPics. Модель основана на архитектуре Vision Transformer (ViT) и содержит 113,2 млн параметров; веса представлены в формате PyTorch. Она предназначена для отнесения изображений к классам, связанным с недвижимостью. Карточка не уточняет набор классов, обучающие данные, точность, размер входных изображений или условия лицензии. Поэтому пригодность для конкретного рынка или рабочего процесса следует проверять на собственных данных.

Skintelligent Wrinkles — модель классификации изображений, предназначенная для определения наличия морщин на изображении кожи. Она разработана автором imfarzanansari и опубликована на Hugging Face в виде чекпойнта для библиотеки Transformers. Модель построена на архитектуре Vision Transformer (ViT) и содержит 113,2 млн параметров. Она принимает изображения и выдаёт класс «морщины» или «без морщин». В карточке указаны английский язык и лицензия MIT; языковая характеристика относится к метаданным карточки, сама задача анализа изображений не требует текстового ввода. Чекпойнт может использоваться для автоматической предварительной оценки изображений кожи и прототипирования приложений анализа кожи. Карточка не описывает обучающие данные, точность, условия съёмки или проверку на разных группах людей, поэтому надёжность результатов в таких сценариях не установлена.

sentinet/suicidality — модель классификации текста на базе архитектуры ELECTRA, дообученная разработчиками репозитория для выявления высказываний, указывающих на суицидальность. Она относит текст к одному из двух классов: несвязанный с суицидальностью или указывающий на неё. Модель содержит 136,7 млн параметров, принимает последовательности длиной до 512 токенов и рассчитана на английский язык. Модель предназначена для первичного анализа текстовых сообщений и выявления сигналов, требующих внимания человека. В README приведены метрики на валидационной выборке: accuracy 0,939, recall 0,937, precision 0,928 и F1 0,933; состав источников обучающих данных не раскрыт. Предсказания следует рассматривать как вспомогательный сигнал, а не как диагноз или замену человеческой оценке и помощи. Модель распространяется по лицензии CC0 1.0.

Это модель классификации изображений растений gianlab, дообученная на базе microsoft/swin-tiny-patch4-window7-224. Она использует архитектуру Swin Transformer и содержит около 33 млн параметров; веса доступны в формате PyTorch. Модель предназначена для распознавания болезней и здорового состояния листьев томата, картофеля и сладкого перца по фотографии. В карточке перечислены 15 классов, включая фитофтороз, раннюю гниль, бактериальную пятнистость, вирусы томата, септориоз и паутинного клеща. На оценочной выборке указана точность 0,969 и функция потерь 0,1032. Модель можно использовать для классификации фотографий растений и как основу для прототипов мониторинга посевов; результат не заменяет экспертную диагностику. Лицензия — Apache-2.0.