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

RoboBrain 2.0-7B — открытая модель для embodied AI и робототехники, разработанная BAAI. Она объединяет визуальный энкодер, MLP-проектор и языковой декодер на 7 млрд параметров для восприятия сцены, рассуждений и планирования действий в физической среде. Модель принимает изображения, видео, текстовые инструкции и структурированные графы сцены. Она предназначена для пространственного понимания, предсказания точек и ограничивающих рамок, оценки траекторий, планирования взаимодействия с обратной связью и координации нескольких роботов. В ответ модель формирует планы, пространственные отношения и относительные или абсолютные координаты. Поддерживаются несколько изображений, длинные видео и изображения высокого разрешения. В README заявлены результаты уровня state of the art или близкие к нему на пространственных и временных бенчмарках; это утверждение разработчиков. Карточка указывает лицензию Apache-2.0. Для практического применения потребуются вычислительные ресурсы, соответствующие модели на 7B параметров; README не приводит длину контекста или список поддерживаемых естественных языков.

RynnBrain-Plan-30B-A3B — модель Alibaba DAMO Academy для воплощённого ИИ и робототехники, дообученная на базе RynnBrain-8B. Это мультимодальная модель семейства Qwen3-VL-MoE с архитектурой conditional generation; репозиторий содержит веса Safetensors и предназначен для работы через Transformers. Модель принимает изображения и текстовые запросы, чтобы анализировать эгоцентрические сцены и составлять планы действий: разбивать цель на этапы, привязывать объекты и области к физическому пространству и формировать инструкции для последующих роботизированных систем. Семейство RynnBrain также описано как способное к локализации и пространственно обоснованным рассуждениям. Указаны английский и китайский языки. Модель выпущена под лицензией Apache 2.0. Карточка не приводит подробностей о точном числе параметров активной модели или длине контекста; указание «30B-A3B» в названии само по себе не подтверждает эти характеристики. Описанные сценарии ориентированы на робототехнику, а качество и безопасность планов в реальных физических условиях требуют отдельной проверки.

Töz-1 — турецкая языковая модель с 195 млн параметров, созданная Töz AI. Это чат-версия, дообученная методом SFT на базе TozAI/Toz-1-Base; базовая модель и токенизатор обучены с нуля. Архитектура — декодер Qwen3ForCausalLM, веса доступны в форматах Safetensors и ONNX. Модель принимает текст и генерирует текст, рассчитана только на турецкий язык; контекстное окно — 1024 токена. Модель предназначена для коротких ответов в повседневном диалоге, простых вопросов о распространённых фактах, уточняющих вопросов, одноразрядной арифметики и несложных инструкций по формату ответа. Разработчики отмечают хорошие результаты на тесте турецкой грамматики, но низкие показатели на экзаменационных вопросах Turkish MMLU. Модель может уверенно сообщать фактические ошибки, поэтому её не следует использовать как надёжный источник знаний. Лицензия — Apache-2.0.

dana-nemo-4b — модель NguyenNM1024 для ответов на вопросы по системам управления зданиями (BMS) и HVAC. Она создана на основе NVIDIA Nemotron 3 Nano 4B FP8: к базовой модели применён LoRA-адаптер, веса которого статически объединены с контрольной точкой. Архитектура NemotronHForCausalLM сочетает Mamba2, механизмы внимания и MLP; метаданные каталога указывают 6,4 млрд параметров. Модель принимает текст и генерирует текст, поддерживает контекст до 262 144 токенов и рассчитана на английский язык. Модель предназначена для диалоговых ответов на вопросы о системах автоматизации зданий и HVAC. В README приведены рекомендации по настройкам генерации и интеграции с vLLM, включая необходимость совместимой версии и специального парсера reasoning-тегов. Указана лицензия other; конкретные условия лицензии в доступных данных не раскрыты. Среди ограничений — склонность предлагать JSON даже для вопросов, требующих обычного текста, и неоднозначная интерпретация HVAC-терминов без соответствующего контекста в системном запросе. При потоковой генерации с включённым reasoning часть ответа может попасть в поле reasoning; README рекомендует отключать этот режим. Модель оценивалась на вопросах по управлению зданиями и HVAC, поэтому данные не подтверждают качество за пределами этой области.

Карточка модели open-gigaai/GigaBrain-0.1-3.5B-Base на Hugging Face совпадает с карточкой open-gigaai/GigaBrain-0-3.5B-Base, поэтому описание составлено по ней. GigaBrain-0-3.5B-Base — базовая модель семейства GigaBrain-0, разработанная open-gigaai для робототехники. Это модель типа Vision-Language-Action, основанная на мировых моделях и предназначенная для управления роботами по визуальным наблюдениям и текстовым инструкциям. Модель ориентирована на пространственное рассуждение, понимание состояний объектов, ловкие манипуляции, мобильные задачи и длительное планирование. В README отмечены поддержка RGBD-входа и обучение с embodied Chain-of-Thought; данные, сгенерированные мировыми моделями, призваны снижать зависимость от дорогих реальных робототехнических данных и улучшать перенос между задачами. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Карточка описывает семейство и его возможности, но не приводит подробностей о структуре выходных действий или количественных результатах.

MolmoAct 7B-D LIBERO-Object — модель рассуждения о действиях для роботизированных манипуляций, разработанная Allen Institute for AI. Она предназначена для воспроизведения результатов на бенчмарке LIBERO-Object и принимает визуальные данные и текстовые инструкции, чтобы планировать действия робота.

BuildEng V8 3B — специализированная языковая модель для инженерии зданий и строительства, разработанная Ирфаном Уручи в рамках проекта BuildEng. Это дообученная причинная языковая модель на архитектуре Qwen2, основанная на Qwen/Qwen2.5-3B-Instruct; она содержит 3,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для диалоговой генерации ответов по железобетонным и каменным конструкциям, фундаментам, осадкам, дефектам зданий, диагностике, ремонту и строительным процессам. Её сильная сторона — консервативные рекомендации и подход, ориентированный на проверку и осмотр, особенно когда исходных данных о проекте недостаточно. Модель может помогать с первичным анализом и подготовкой вопросов для инспекции, но её ответы не заменяют расчёты по применимым нормам, обследование объекта и проверку квалифицированным инженером; она не предназначена для выдачи окончательных разрешений или сертификации. В репозитории указана лицензия other, а README отмечает применимость лицензии Qwen Research License Agreement к правам на базовую модель; перед использованием необходимо проверить условия обеих лицензий.

RT-DETRv2 — модель обнаружения объектов на изображениях в реальном времени, разработанная Peking University и дообученная acasal для детекции мусора и связанных объектов. Она принимает изображение и возвращает классы и расположение найденных объектов. В карточке приведены метрики оценки, включая mAP 0,5149 и отдельные результаты для классов Trash, Bin и Hand; качество на мелких объектах в указанной оценке низкое (mAP Small: 0,0). Модель построена на RT-DETRv2 с архитектурой RTDetrV2ForObjectDetection; базовая модель использует ResNet-50 и вариант vd. Весовые файлы представлены в формате safetensors. Лицензия — Apache-2.0. Данные обучения и подробности о наборе классов в карточке описаны недостаточно, поэтому результаты и применимость к конкретным условиям следует проверять на целевых изображениях.

SpaceQwen2.5-VL-3B-Instruct — мультимодальная модель Remyx AI для анализа изображений и ответов на вопросы о пространственных отношениях между объектами. Это дообученная с помощью LoRA модель Qwen2.5-VL-3B-Instruct с архитектурой Qwen2.5-VL; в метаданных указаны 3,1 млрд параметров и контекст до 128 000 токенов. Репозиторий содержит веса в Safetensors и GGUF. Модель предназначена для визуальных задач, связанных с пространственным рассуждением: определения взаимного расположения и расстояния между объектами, их положения относительно сцены и количественных характеристик. Она дообучена на синтетическом наборе OpenSpaces примерно из 10 тысяч примеров с изображениями, вопросами и ответами. Основной язык карточки — английский. Лицензия — Apache-2.0. Качество может снижаться на загромождённых изображениях и при сложной перспективе. Обучение на синтетических рассуждениях и унаследованные от Qwen2.5-VL мультимодальные смещения могут влиять на ответы; модель не предназначена для решений, критичных для безопасности или права.

SpatialLM1.1-Qwen-0.5B — компактная 3D-языковая модель команды Manycore Research, дообученная на базе Qwen2.5-0.5B-Instruct. Она принимает данные облака точек и формирует структурированное описание сцены: элементы планировки помещения и ориентированные 3D-рамки объектов с семантическими категориями. Модель рассчитана на понимание внутренних пространств, включая структурную реконструкцию, оценку планировки и обнаружение объектов из заданных категорий. Модель содержит 494 млн параметров, использует плотную архитектуру SpatialLMQwenForCausalLM, работает через Transformers и поддерживает контекст до 32 768 токенов. SpatialLM1.1 повышает разрешение облака точек и использует энкодер Sonata; в версии 1.1 также заявлено обнаружение объектов с категориями, заданными пользователем. Облака точек могут быть получены из LiDAR, RGB-D-изображений или монокулярного видео с предварительной реконструкцией. Входные облака должны быть выровнены по осям, при этом ось z должна указывать вверх. Модель предназначена для анализа 3D-сцен в задачах робототехники, навигации и реконструкции помещений. Карточка сообщает результаты оценки на Structured3D, но не приводит здесь полный набор метрик. Лицензия CC BY-NC 4.0 разрешает некоммерческое использование с соблюдением условий атрибуции; коммерческое применение этой лицензией не разрешено.

Это дообученная модель GPT-2 для ответов на вопросы на тайском языке о заболеваниях собак. Согласно карточке, её дообучил студент MasterBeeMz на наборе disease_3000 из 3 000 примеров. Модель построена на архитектуре GPT-2 и принимает текст, генерируя текст; контекст составляет 1 024 токена. Репозиторий содержит веса в формате safetensors. Модель предназначена для генерации ответов на вопросы о здоровье собак на тайском языке. Карточка не приводит метрик качества и подробностей обучения, поэтому надёжность ответов не установлена; их не следует считать ветеринарным диагнозом. Лицензия — MIT.

Модель JohnSupertramp2026/vit-base-plantvillage — классификатор заболеваний листьев растений, созданный участниками проекта FitoAsistente в рамках выпускного проекта магистратуры по Data Science Университета Сан-Себастьян. Это дообученная модель Vision Transformer ViT-Base/16 на базе google/vit-base-patch16-224, реализованная через Transformers и содержащая 113,2 млн параметров. Она принимает RGB-фотографию листа размером 224 × 224 и выдаёт вероятности для 38 классов: здорового состояния и заболеваний у 14 видов растений. Названия классов заданы в конфигурации модели; для обработки изображения следует использовать опубликованный вместе с ней процессор. Модель обучена на PlantVillage: использована стратифицированная выборка из 20 % датасета, включающего 54 305 изображений листьев, а настройка весов выполнена за три эпохи. На тестовой выборке авторы сообщают точность 99,08 % и macro F1 0,988, однако случайное разделение могло поместить фотографии одного и того же листа в обучение и тест. Данные сняты в контролируемых условиях на однородном фоне, поэтому результаты не отражают надёжность распознавания в поле. У модели нет механизма отказа для неизвестных видов или состояний, и она может уверенно выдать неверный класс; она не заменяет оценку специалиста. Лицензия — Apache-2.0.

Acnoryx/Airy — исследовательская модель в формате GGUF от Acnoryx AI Research, созданная на базе Qwen/Qwen3.5-0.8B. Она ориентирована на задачи, связанные с акне, дерматологией и уходом за кожей, а также на исследование компромисса между качеством и размером модели. Модель предназначена для генерации текста и поддерживает английский и вьетнамский языки; для вьетнамских запросов рекомендуется использовать полные диакритические знаки. Размер базовой модели составляет около 0,8 млрд параметров. Доступны исследовательские варианты квантования Q3_K_M, IQ3_M, Q2_K, IQ2_M, IQ2_XS, IQ2_XXS, IQ1_M и IQ1_S. По приведённому двуязычному тесту лучшим исследовательским вариантом является Q3_K_M со средним результатом 73,2%; IQ3_M заметно теряет в качестве, а варианты IQ2 и ниже демонстрируют неприемлемо низкие результаты. Формат IQ1/IQ2 требует importance matrix (imatrix). Модель полезна для экспериментов, оценки компактных локальных LLM и изучения влияния агрессивного квантования на качество. Для пользовательских и производственных сценариев авторы рекомендуют выпускной комплект, а не эту исследовательскую ветку. Размер контекста и точные архитектурные характеристики не указаны. Лицензия обозначена как other, без дополнительных условий в README.

fff5/bike-e5-base-custom-bike — дообученная модель Sentence Transformer на базе intfloat/multilingual-e5-small, созданная для поиска и сравнения текстов о ремонте и обслуживании велосипедов. Она кодирует предложения и короткие абзацы в плотные векторы размерностью 384 и сравнивает их с помощью косинусного сходства; архитектура включает BERT, усреднение токеновых представлений и нормализацию. Модель принимает текст, обучена на 2643 парах запросов и документов и ориентирована на поиск по запросу и подбор похожих описаний.

ConvNeXt-Tiny для классификации болезней листьев растений по 38 категориям. Модель разработали Jonathan Núñez Moya и Francisco Rietta González для проекта FitoAsistente; это дообученная на PlantVillage модель facebook/convnext-tiny-224 с архитектурой ConvNeXt, содержащая 27,85 млн параметров. Модель предназначена для распознавания болезней и здоровых листьев на изображениях растений. На тестовой выборке PlantVillage указаны точность 96,41 % и macro F1 0,919. По сравнению с ViT-Base/16 она меньше и быстрее на CPU, но хуже распознаёт некоторые редкие классы. Репозиторий использует формат safetensors; лицензия — Apache-2.0. Результаты ограничены лабораторными изображениями PlantVillage: в полевых условиях качество может существенно снижаться. Разделение данных могло завысить оценку из-за попадания фотографий одного листа в обучение и тест; модель плохо справляется с редкими категориями и не умеет отклонять неизвестные классы. Она не заменяет оценку специалиста.

Модель ozair23/mobilenet_v2_1.0_224-finetuned-plantdisease — дообученная на наборе данных в формате imagefolder сеть MobileNetV2 от автора ozair23, основанная на google/mobilenet_v2_1.0_224. Она предназначена для классификации изображений растений по категориям, связанным с болезнями растений. В README указана точность 0,9777 и loss 0,0702 на оценочном наборе. Модель принимает изображения и выдаёт метку класса. Базовая MobileNetV2 рассчитана на изображения 224 × 224 и известна компактностью, подходящей для устройств с ограниченными ресурсами. В карточке не приведены перечень классов, подробности обучающих данных или условия практического применения. Лицензия указана как other, поэтому конкретные условия использования по имеющимся данным определить нельзя.

Карточка модели DeepCybo/PhysBrain1.5-8B на Hugging Face совпадает с карточкой DeepCybo/PhysBrain1.5-2B, поэтому описание составлено по ней. PhysBrain 1.5 — мультимодальная модель для embodied AI, разработанная командой DeepCybo и дообученная на базе Qwen/Qwen3-VL-2B-Instruct. Она объединяет понимание визуальной сцены, планирование и генерацию действий, а также предсказание будущего состояния среды в едином авторегрессионном трансформере. Для пространственных данных, траекторий движений и визуальных состояний используются специальные токены; отдельные выходные головы для этих задач не применяются. Модель предназначена для визуально управляемого взаимодействия с физической средой: она может анализировать пространственные отношения и affordance объектов, локализовать цели, рассуждать о траекториях, предсказывать действия манипулятора и возможные изменения сцены. Входы могут включать изображение, инструкцию и, для предсказания действий, историю действий; выходы включают текстовые и структурированные пространственные данные, последовательности действий, а также предсказания будущих визуальных состояний, например RGB-изображение и карту глубины. Карточка приводит результаты оценки отдельных возможностей для версии 8B, но не сообщает численные показатели этой версии 2B. Модель основана на Qwen3-VL и использует библиотеку Transformers; лицензия в предоставленных данных не указана.

RoboBrain 2.0-32B — разработанная BAAI мультимодальная модель для embodied AI и робототехники. Она объединяет зрительный энкодер, MLP-проектор и языковой декодер в неоднородной архитектуре и предназначена для восприятия сцены, рассуждений и планирования действий роботов. Версия содержит 32 млрд параметров. Модель принимает изображения, видео, текстовые инструкции и структурированные графы сцен. Она поддерживает пространственное понимание, предсказание точек и ограничивающих рамок, оценку будущих траекторий, интерактивное планирование с обратной связью и построение памяти о сцене. Выход включает структурированные планы, пространственные отношения и относительные или абсолютные координаты. В README приведены результаты на пространственных и временных бенчмарках; сведения о поддерживаемых естественных языках и длине контекста отсутствуют. Модель может применяться для планирования задач манипуляции и координации нескольких роботов, а также для анализа визуальной обстановки. Веса опубликованы в формате safetensors под лицензией Apache-2.0. Для развёртывания требуются вычислительные ресурсы, соответствующие модели на 32 млрд параметров; количественные требования в карточке не приведены.

RynnBrain-Plan-8B-f32-GGUF — конвертированная в формат GGUF версия мультимодальной модели RynnBrain-Plan-8B, разработанной Alibaba DAMO Academy. Это плотная vision-language-модель на 8 млрд параметров семейства Qwen3-VL, предназначенная для понимания сцен с точки зрения робота и планирования манипуляций с учётом физического пространства и времени. Модель принимает изображения и текст, в том числе кадры эгоцентрического видео, и формирует текстовые ответы с пространственными описаниями: локализацией объектов и областей, траекториями и инструкциями для роботизированных действий. Среди заявленных сценариев — вопросы по видеосценам, подсчёт объектов, OCR и передача сведений об объектах и их возможностях в последующие системы VLA. В репозитории есть варианты GGUF BF16 и F32; для обработки изображений также представлены файлы mmproj. Указана лицензия Apache-2.0. Карточка не содержит измерений качества или сведений о поддерживаемом контексте, поэтому фактическую точность планирования и совместимость с конкретной робототехникой следует проверять отдельно.

Thai GPT-2 Fine-Tuned — модель семейства GPT-2, дообученная пользователем Anuphap2, вероятно студентом, для генерации ответов на вопросы на тайском языке. Согласно README, обучение проводилось на 3 000 парах вопросов и ответов о кошках; в метаданных датасет обозначен как disease_3000, поэтому тематика обучающих данных требует осторожной интерпретации. Модель предназначена для генерации текста и специализированных ответов на тайском языке в сценариях вопросов и ответов о кошках. Она использует архитектуру GPT-2, поддерживает контекст длиной до 1 024 токенов и распространяется под лицензией MIT. В README отсутствуют сведения о размере модели, точной конфигурации, процедуре обучения, результатах оценки и рекомендуемых параметрах инференса. Из-за узкой предметной области модель не следует считать универсальным чат-ботом или источником достоверных медицинских и ветеринарных рекомендаций.

InternVLA-N1-wo-dagger — официальный выпуск модели InternVLA-N1 от команды InternRobotics для навигации роботов по инструкциям. Это плотная модель семейства Qwen2.5-VL с 7,1 млрд параметров, рассчитанная на работу с визуально-языковыми данными и роботизированными действиями; для запуска используется библиотека Transformers. В описании заявлена асинхронная двухсистемная архитектура: System 2 выполняет рассуждение, а System 1 формирует действия и помогает обходить динамические препятствия. Контекст составляет 128 000 токенов. Модель предназначена для следования естественно-языковым инструкциям при навигации, включая обучение в симуляции и перенос навыков в реальные сцены без дополнительной настройки. В README заявлены результаты на VLN-CE R2R, RxR, GRScenes-100 и VLN-PE, а также обобщение на реальные условия; это заявления авторов, независимая проверка здесь не приводится. Репозиторий содержит веса Safetensors и распространяется по лицензии CC BY-NC-SA 4.0, предусматривающей некоммерческое использование и распространение производных на тех же условиях. Указание «wo-dagger» входит в идентификатор репозитория; README не объясняет его отдельно.

bychwa/kitchenbot-base — небольшая языковая модель в стиле GPT-2, созданная автором с нуля для продолжения текстов о кулинарных рецептах. Модель содержит около 6,85 млн параметров, использует архитектуру GPT2LMHeadModel с 6 слоями, размерностью эмбеддингов 256 и 8 головами внимания. Вес в формате safetensors; обучение выполнено на примерно 10 тысячах рецептов из датасета idoyaaran/mise-recipes. Контекст ограничен 256 токенами, основной язык данных — английский. Модель предназначена для продолжения рецептов и как базовые веса для LoRA-адаптера bychwa/kitchenbot-chat. Это также учебный пример полного цикла предварительного обучения небольшой языковой модели. Модель не рассчитана на роль универсального ассистента или производственную кухонную систему; лицензия — Apache-2.0. Из-за малого размера модель может выдумывать ингредиенты и шаги, смешивать блюда и обрывать длинные рецепты. Она не прошла оценку на отложенной выборке и не имеет фильтрации безопасности или фактической точности, поэтому не подходит для медицинских рекомендаций по питанию.

MiniCPM-RobotTrack — компактная модель vision-language-action для сопровождения заданной цели в физической среде, разработанная OpenBMB на основе MiniCPM4-0.5B. Она объединяет текстовую инструкцию с визуальными признаками DINOv3 и SigLIP и предсказывает восемь будущих путевых точек в формате [x, y, yaw] для следования за человеком.

Карточка модели X-Humanoid/Pelican1.0-VL-72B на Hugging Face совпадает с карточкой X-Humanoid/Pelican1.0-VL-7B, поэтому описание составлено по ней. Pelican-VL 1.0 — семейство мультимодальных моделей для задач воплощённого искусственного интеллекта, разработанное X-Humanoid. Эта версия содержит 7,1 млрд параметров и построена на архитектуре Qwen2.5-VL; модель принимает текст и изображения, а также обучалась на видео и межмодальных данных. Размер контекстного окна — 128 000 токенов. Модель предназначена для понимания сцен и пространственных отношений, рассуждений о физических объектах и последовательностях действий, а также для поддержки роботизированных задач: захвата предметов, навигации и манипуляций. В описании проекта заявлены планирование последовательностей действий и оценка их выполнимости. Для запуска доступны веса в формате safetensors; лицензия — Apache-2.0. Карточка описывает возможности семейства и результаты оценивания, но не приводит подробностей о формате выходных команд роботу или независимой проверке заявленных результатов. Для физического выполнения действий модель следует использовать как часть робототехнической системы, способной интерпретировать и проверять её выходы.

Pelican-VL 1.0 — семейство мультимодальных моделей для задач воплощённого искусственного интеллекта, разработанное X-Humanoid. Эта версия содержит 7,1 млрд параметров и построена на архитектуре Qwen2.5-VL; модель принимает текст и изображения, а также обучалась на видео и межмодальных данных. Размер контекстного окна — 128 000 токенов. Модель предназначена для понимания сцен и пространственных отношений, рассуждений о физических объектах и последовательностях действий, а также для поддержки роботизированных задач: захвата предметов, навигации и манипуляций. В описании проекта заявлены планирование последовательностей действий и оценка их выполнимости. Для запуска доступны веса в формате safetensors; лицензия — Apache-2.0. Карточка описывает возможности семейства и результаты оценивания, но не приводит подробностей о формате выходных команд роботу или независимой проверке заявленных результатов. Для физического выполнения действий модель следует использовать как часть робототехнической системы, способной интерпретировать и проверять её выходы.

Модель saju-naming разработана Кан Сынгоном, Ю Хёкджином и Ли Догоном и предназначена для генерации текста, связанного с подбором корейских имён для новорождённых. Она дообучена методом LoRA на базе rtzr/ko-gemma-2-9b-it; архитектура — плотная Gemma 2 для причинной языковой генерации, размер — 9 млрд параметров. Модель принимает текст и выдаёт текст, работает с корейским языком и поддерживает контекст до 8192 токенов. В обучающих данных указаны статистика имён новорождённых в Южной Корее за 2008–2024 годы, словарь иероглифов для имён и данные о лунно-солнечном календаре. Это делает модель специализированной на подборе имён с учётом этих источников. Лицензия в карточке не определена; качество рекомендаций и их соответствие традиционным практикам по README не оценены.

Thai GPT-2 Fine-Tuned — генеративная языковая модель на базе GPT-2, дообученная пользователем Wachirawit2005 для ответов на вопросы на тайском языке. Модель ориентирована на задачи вопросно-ответного взаимодействия по тематике заболеваний животных и обучена на наборе данных disease_3000, содержащем 3 000 пар вопросов и ответов о животных. Модель использует текстовую модальность, поддерживает тайский язык и предназначена для генерации ответов в формате text-generation. Максимальная длина контекста составляет 1 024 токена. Лицензия MIT разрешает использование, модификацию и распространение с соблюдением условий лицензии. Модель может быть полезна для создания прототипов тайскоязычных справочных систем по заболеваниям животных и генерации ответов на типовые вопросы. При этом README не содержит результатов оценки, подробностей архитектуры и обучения, поэтому надежность ответов, полнота знаний и пригодность для практической ветеринарной диагностики не подтверждены.

Embodied-R1.5 — мультимодальная модель для робототехники, разработанная на основе Qwen3-VL-8B-Instruct. Она объединяет пространственное рассуждение, планирование и исправление действий, а также привязку объектов и функций к координатам и траекториям. Модель принимает изображения и текстовые инструкции, а отвечает текстом или структурированными пространственными данными, включая 2D-точки и траектории с глубиной. Модель предназначена для понимания сцен и выполнения длительных задач манипуляции: она может разбивать задачу на шаги, выбирать следующий шаг, обнаруживать ошибки и корректировать план. В README описан замкнутый цикл Planner-Grounder-Corrector и обучение на корпусе из 15 млрд токенов. Для работы предлагаются Transformers и vLLM; контекст можно задать в vLLM, но его нативная длина в предоставленных данных не указана. Embodied-R1.5 дообучена на Qwen3-VL-8B-Instruct и распространяется под лицензией Apache 2.0. Она ориентирована на робототехнические сценарии и требует визуального входа для задач локализации; координаты и траектории следует интерпретировать в соответствии с форматом конкретного задания. Подтверждённая поддержка языков карточки — английский и китайский.

Octo Small 1.5 — компактная модель управления роботами, разработанная командой Octo в Berkeley. Она преобразует изображения с основной и запястной камер робота и языковое описание задачи в последовательность действий для управления роботом. Модель построена на Transformer с 27 млн параметров, сопоставимым по размеру с ViT-S. Изображения размером 256×256 и 128×128 обрабатываются лёгким свёрточным энкодером и разбиваются на патчи 16×16; текст токенизируется с помощью T5 Tokenizer и кодируется T5-Base. Модель использует окно истории до двух шагов и diffusion policy для предсказания 7-мерных действий на четыре шага вперёд. Обучена на смеси наборов данных Open X-Embodiment; в версии 1.5 обновлены языковые инструкции и исправлены ошибки обучения и маскирования. Модель предназначена для роботизированного управления по визуальным наблюдениям и инструкциям на естественном языке. README не уточняет поддерживаемые естественные языки и конкретную платформу робота. Репозиторий распространяется в формате Flax по лицензии MIT; для практического применения потребуются совместимые наблюдения и исполнительная система робота.

Модель A2H0H0R1/swin-tiny-patch4-window7-224-plant-disease-new — дообученная версия Swin-Tiny от Microsoft, предназначенная для классификации изображений. В README указана настройка на неизвестном наборе данных; название модели указывает на классификацию заболеваний растений, однако карточка не описывает классы и область применения подробнее. Модель содержит около 33 млн параметров, использует архитектуру Swin и распространяется в формате Safetensors. В README приведены результаты на оценочном наборе: точность 0,9945 и значение loss 0,0163. Эти показатели относятся к набору из карточки и не гарантируют аналогичного качества на других изображениях. Лицензия — Apache-2.0. Подробности о данных обучения, классах и ограничениях в карточке отсутствуют.