IV.5Образование и развитие навыков

LFM2.5-350M-Base — предварительно обученная текстовая модель Liquid AI из семейства гибридных архитектур LFM2. Она предназначена для последующего дообучения, в том числе для создания языковых и предметных ассистентов, адаптации к собственным данным и экспериментов с новыми методами постобучения. Модель рассчитана на локальное развертывание на устройствах и содержит около 444,6 млн параметров по метаданным Hugging Face; в карточке указано 350 млн параметров. Архитектура — плотная причинная языковая модель Lfm2ForCausalLM: 16 слоёв, включая блоки LIV-свёрток и GQA. Контекстное окно по метаданным составляет 128 000 токенов; карточка README указывает 32 768 токенов. Модель принимает текст и генерирует текст. Поддерживаемые языки: английский, арабский, китайский, французский, немецкий, японский, корейский, португальский и испанский. Это базовый чекпойнт, а не готовая инструкционная модель: для диалогового применения и выполнения прикладных задач его следует дообучить. README рекомендует его для интенсивного дообучения на специализированных или собственных данных. Лицензия обозначена в метаданных как other; конкретные условия следует сверить с лицензией репозитория.

OpenMath-Nemotron-14B-GGUF — это квантизированная версия языковой модели OpenMath-Nemotron-14B, разработанной NVIDIA. Квантизацию в формате GGUF выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и решения математических задач, включая сценарии, где требуется локальный запуск через llama.cpp, LM Studio или совместимые проекты. Модель содержит 14 миллиардов параметров, работает с текстом и ориентирована на английский язык. В репозитории доступны варианты от BF16 до низкобитных форматов Q2 и Q3, а также Q4–Q8, что позволяет выбирать баланс между качеством, размером файла и требованиями к оперативной памяти. Для большинства сценариев рекомендуются варианты Q4_K_M, Q5 или Q6; более сильная квантизация обычно сохраняет качество лучше, но требует больше памяти. Размер контекста в README не указан. Сильной стороной модели является специализация на математическом рассуждении и наличие вариантов для эффективного локального вывода на разных конфигурациях оборудования. Ограничения включают ориентацию на английский язык, отсутствие заявленной поддержки изображений или других модальностей, а также возможное снижение качества в наиболее компактных вариантах квантизации. Указанная лицензия — CC BY 4.0.

OpenBuddy/openbuddy-mistral-7b-v13-base — модель серии Base от OpenBuddy на архитектуре Mistral, предназначенная для дальнейшей тонкой настройки и создания специализированных моделей. Это плотная авторегрессионная языковая модель с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель обучена примерно на половине разговорных данных OpenBuddy и обладает диалоговыми возможностями, но не прошла полноценную настройку для обычных бесед. Её можно использовать как основу для адаптации под конкретную предметную область и последующего развертывания. Метаданные указывают поддержку китайского, английского, французского, немецкого, японского, корейского, итальянского и русского языков. Модель распространяется в формате PyTorch по лицензии Apache 2.0. Она может генерировать ошибочные, вредные или оскорбительные ответы; разработчики не рекомендуют применять её в критически важных сценариях, включая медицину, управление потенциально опасными системами и принятие важных финансовых или юридических решений.

PixelGen — модель HelpingAI для генерации изображений по текстовым описаниям. Она предназначена для творческих и практических сценариев, где нужно преобразовать текстовый запрос в визуальное изображение. В метаданных указана архитектура StableDiffusionXLPipeline и форматы Diffusers, PyTorch и safetensors; размер модели в README указан как 3,47 млрд параметров. Модель принимает текст и выдаёт изображения. Карточка описывает генерацию как средство для создания визуально привлекательных изображений с подробностями, но не приводит количественных оценок качества или конкретных ограничений. Лицензия обозначена как other, поэтому её условия следует уточнить в репозитории модели перед использованием.

Карточка модели CaioXapelaum/sdxl на Hugging Face совпадает с карточкой stabilityai/stable-diffusion-xl-base-1.0, поэтому описание составлено по ней. Stable Diffusion XL Base 1.0 — модель генерации и редактирования изображений по текстовому описанию, разработанная Stability AI. Она использует латентную диффузию и два предварительно обученных текстовых энкодера: OpenCLIP-ViT/G и CLIP-ViT/L. Базовую модель можно применять самостоятельно либо вместе с отдельной моделью-рефайнером для финальной обработки изображения; также описан двухэтапный вариант с повышением разрешения через img2img. Модель предназначена для создания иллюстраций и художественных изображений, а также для творческих и образовательных инструментов и исследований генеративных моделей. Она поддерживает генерацию изображений по текстовым запросам; репозиторий предлагает варианты запуска через Diffusers, ONNX и OpenVINO. Лицензия — CreativeML Open RAIL++-M (в метаданных указана openrail++).

SDXL 1.0 Base — модель генерации и редактирования изображений по текстовому описанию, разработанная Stability AI. Она использует латентную диффузию и два предварительно обученных текстовых энкодера: OpenCLIP-ViT/G и CLIP-ViT/L. Базовая модель может работать самостоятельно; для дополнительного улучшения изображения её можно сочетать с моделью-refiner или применять двухэтапный сценарий с повышением разрешения через img2img. Репозиторий содержит варианты Diffusers, ONNX, OpenVINO и SafeTensors. Модель подходит для создания иллюстраций, концепт-арта и изображений для творческих и образовательных инструментов, а также для изучения генеративных моделей. В README отмечены ограничения: модель не всегда создаёт фотореалистичные изображения, плохо воспроизводит читаемый текст и сложные пространственные отношения; лица и люди могут выглядеть некорректно. Модель не предназначена для достоверного изображения реальных людей или событий и может усиливать социальные предубеждения. Лицензия в метаданных указана как OpenRAIL++; README называет CreativeML Open RAIL++-M License.

Карточка модели yangjiwoong1/stable-diffusion-2-1-base на Hugging Face совпадает с карточкой Manojb/stable-diffusion-2-1-base, поэтому описание составлено по ней. Manojb/stable-diffusion-2-1-base — модель генерации изображений по тексту, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель, использующая предварительно обученный текстовый энкодер OpenCLIP-ViT/H. Версия 2.1 дообучена на Stable Diffusion 2-base ещё на 220 тысячах шагов; модель распространяется в форматах Diffusers, PyTorch и Safetensors и работает с библиотекой Diffusers. Модель предназначена для создания и изменения изображений по текстовым запросам, в том числе для художественных и дизайнерских задач и творческих инструментов. В первую очередь она рассчитана на английские запросы; качество генерации по запросам на других языках ниже. Лицензия — CreativeML Open RAIL++-M. Модель не гарантирует фотореализм, плохо передаёт читаемый текст и сложные пространственные композиции, а лица и люди могут получаться некорректно. Обучающие данные содержали изображения для взрослых, насилие и сексуальный контент, частично отфильтрованные NSFW-детектором; возможны социальные предубеждения, включая смещение в сторону западных культур. Модель не предназначена для достоверного изображения реальных людей или событий.

aufklarer/VibeVoice-1.5B-MLX-INT4 — пакет модели синтеза речи VibeVoice-1.5B в формате MLX для устройств Apple Silicon. Это INT4-квантизированная производная модели Microsoft VibeVoice-1.5B, рассчитанная на генерацию длинной речи: озвучивание аудиокниг, подкастов и диалогов с несколькими участниками. Модель поддерживает до четырёх голосов с сохранением их идентичности и может генерировать аудио длительностью до 90 минут за один проход. Пакет содержит backbone Qwen2, акустический токенизатор и диффузионную голову; общий размер — 2,18 ГБ. Для использования предусмотрена интеграция со Swift-модулем VibeVoiceTTS. Указанная производительность на Apple M2 Max — 1,35× реального времени для тестового фрагмента. Поддерживаемые языки — английский и китайский; другие языки могут давать неразборчивую речь. Лицензия — MIT.

AX-3.1-Light-sft_v0_2 — корейская разговорная модель генерации текста, разработанная на основе skt/A.X-3.1-Light. Авторы выполнили LoRA дообучение на 5 801 примере из корейских данных AI Hub и объединили адаптер с базовой моделью; архитектуру LlamaForCausalLM не меняли. Модель содержит 6,8 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и ответов на вопросы по корейским учебным, медицинским, финансовым, юридическим и административным материалам, а также для задач рассуждения. Основной акцент дообучения — более стабильное соблюдение формата вывода в пяти направлениях корейских бенчмарков K-AI; авторы сообщают о результатах собственного proxy-бенчмарка, который не является официальной оценкой. Репозиторий содержит веса Safetensors и помечен лицензией other; конкретные условия лицензии следует уточнять в карточке модели.

fitleech/chronollm-2015 — причинная языковая модель ChronoGPT на архитектуре GPT, распространяемая в формате safetensors для PyTorch. В README указаны 2 млрд параметров, 52 слоя, 12 голов внимания, размерность модели 1536 и тип данных bfloat16. Модель предназначена для генерации текста. В названии и тегах отмечена связь с хронологией и 2015 годом, а исходным чекпойнтом указан jjjlimaus/chrono2014-finance2015-ft3; конкретные сценарии и языки в карточке не описаны. Лицензия — Apache-2.0.

DuplexJev-B-Whisper-small-Falcon-H1-1.5B — компактный аудиоязыковой коннектор семейства DuplexJev от adventists-ai. Он объединяет замороженный аудиоэнкодер Whisper-small и замороженную языковую модель Falcon-H1-1.5B-Instruct; обучаемый SwiGLU-проектор с объединением кадров содержит 29,4 млн параметров. Модель принимает аудио и отвечает на типизированные вопросы распределением вероятностей по вариантам за один проход, без генерации токенов; можно задавать несколько вопросов параллельно.

Ystar124/formtgpt — небольшая авторегрессионная Transformer-модель DocLLM, разработанная как пользовательская архитектура и обученная с нуля на PyTorch для ответов на вопросы по PDF-документам с указанием страниц. Модель содержит около 5 млн параметров, использует 6 слоёв, 8 голов внимания, RoPE, SwiGLU, RMSNorm и KV-кэш; контекст ограничен 256 токенами. Модель предназначена для генерации текстовых ответов по содержимому документов. В карточке заявлены понимание документов и PDF-вопросы и ответы; данные о точности, обучающих датасетах и поддержке других языков не приведены. Модель опубликована в формате PyTorch; лицензия в доступных данных не указана.

HiDream-I1-Fast — вариант модели генерации изображений HiDream-I1, разработанный HiDream.ai. Это открытая генеративная модель с архитектурой Sparse Diffusion Transformer и 17 млрд параметров, предназначенная для создания изображений по текстовым описаниям. Она рассчитана на быструю генерацию и заявляет высокое качество, следование запросам и работу в фотореалистичном, мультяшном и художественном стилях. Модель принимает текст и выдаёт изображения; в метаданных указан английский язык. Репозиторий распространяется в форматах Diffusers и Safetensors, лицензия — MIT, допускающая коммерческое использование. README описывает сильные результаты на бенчмарках, но не приводит полных сведений о ресурсах для запуска и ограничениях качества.

Iambe-20b-DARE — модель генерации текста, созданная athirdpath методом слияния DARE на базе BigLlama-20b и моделей Noromaid-20b-v0.1.1, Eileithyia-20b и CleverGirl-20b-Blended. Это плотная авторегрессионная модель семейства Llama примерно на 19,8 млрд параметров с контекстом 4096 токенов и форматом инструкций Alpaca. Модель предназначена для диалогов, ролевого отыгрыша и художественного письма, а также для рассуждений и ответов на вопросы. Автор выделяет понимание анатомии и состояния сцены, выразительный стиль и способность к решению задач. Карточка приводит примеры работы с STEM, общественными науками, интерпретацией этических вопросов и ролевыми сценариями. Автор характеризует модель как uncensored; примеры включают эротический текст. Качество оценено автором предварительно, а также отмечена возможная путаница в ответах. Для использования указан формат Alpaca. Лицензия — CC BY-NC 4.0, поэтому коммерческое использование не разрешено условиями этой лицензии.

DavidAU/L3-8B-Stheno-v3.3-32K-Ultra-NEO-V1-IMATRIX-GGUF — это GGUF-квантизированная версия языковой модели L3-8B-Stheno-v3.3-32K, разработанной SAO10K и подготовленной в формате NEO Class Ultra Quants автором DavidAU. Модель предназначена для текстовой генерации на английском языке, прежде всего для творческого письма, повествования, ролевых сценариев, фантастики, чата и общего использования. Модель основана на архитектуре семейства Llama 3, имеет размер 8B параметров и поддерживает контекст до 32K токенов. Это текстовая, одномодальная модель без заявленной поддержки изображений, аудио или других типов данных. Хотя используется шаблон Llama 3, в README рекомендуется шаблон Command R, поскольку он, по данным автора и пользователей, лучше подходит для творческих задач. Для более плавной работы предлагается использовать smoothing factor 1.5–2.5; конкретные параметры зависят от интерфейса запуска. К заявленным сильным сторонам относятся улучшенное следование инструкциям, качество вывода и связь между идеями по сравнению с обычными квантами, а также снижение perplexity у некоторых NEO-квантов. Эти характеристики основаны на описании автора и приведённых результатах тестирования, поэтому их следует воспринимать как заявленные, а не независимые оценки. Ограничениями являются специализация на англоязычной генерации и творческих сценариях, зависимость качества от выбранного кванта, шаблона чата и параметров семплирования, а также возможные потери качества, присущие квантованным версиям. Модель распространяется по лицензии Apache-2.0.

Magnum v4 27B — языковая generative-модель от anthracite-org, представленная в формате GGUF. Это дообученная версия Gemma 2 27B с ChatML-токенизацией, ориентированная на воспроизведение качества прозы и стиля ответов Claude 3, в частности Sonnet и Opus. Модель предназначена для текстовой генерации, диалогов и ролевых сценариев, включая интерактивное повествование, создание диалогов, описаний, действий и мыслей персонажей. Она поддерживает английский язык; в README также приведены шаблоны ChatML для использования с Transformers и SillyTavern. Архитектурные характеристики базовой модели включают 27 млрд параметров, однако размер контекста в доступных данных не указан. Модель обучалась на наборах диалоговых и литературных данных, включая синтетические ролевые тексты и инструкции. Сильной стороной модели заявлено качество прозы, близкое к Claude 3, а также пригодность для творческого письма и ролевого взаимодействия. Ограничения включают ориентацию преимущественно на английский язык, отсутствие заявленных мультимодальных возможностей и неизвестный размер контекстного окна. Репозиторий содержит GGUF-квантизации; оригинальные веса доступны отдельно. Лицензия указана как gemma, поэтому условия использования определяются соответствующей лицензией Gemma.

Blackroot/Mirai-70B-1.0 — экспериментальная модель для диалогов и ролевых сценариев, созданная Blackroot методом слияния нескольких моделей семейства Llama. В основе используется huihui-ai/Llama-3.1-Nemotron-70B-Instruct-HF-abliterated; среди компонентов также указаны модели для ролевого общения, инструкций, медицины, логики и разных языков. Архитектура — плотная LlamaForCausalLM, размер — 69,5 млрд параметров, контекст — до 131 072 токенов; веса опубликованы в safetensors. Модель предназначена для генерации развернутой прозы, ролевых диалогов и ответов на инструкции. Автор отмечает разнообразие стиля, улучшенные рассуждения и воспроизведение фактов, а также низкую склонность к повторам. В README описана экспериментальная эволюционная настройка с ручной оценкой, без автоматических тестов и бенчмарков. Поддерживаются английский и другие языки, в том числе корейский, японский и китайский; качество может различаться между языками. Условия лицензирования в предоставленных данных не приведены.

OpenMath-Nemotron-14B-Kaggle-GGUF — это квантизированная версия языковой модели OpenMath-Nemotron-14B-Kaggle, разработанной NVIDIA и преобразованной в формат GGUF пользователем bartowski с помощью llama.cpp. Модель предназначена прежде всего для генерации текста и решения математических задач; исходный набор данных связан с nvidia/OpenMathReasoning. Указан английский язык, поэтому основным языком работы является английский. Модель содержит 14 млрд параметров. Архитектура и размер контекста в README не указаны. Доступны варианты от BF16 до различных уровней квантизации Q8, Q6, Q5, Q4, Q3 и IQ, что позволяет выбирать между качеством, размером файла и требованиями к оперативной памяти. Версии GGUF предназначены для запуска через llama.cpp, LM Studio и другие совместимые проекты; приведён специальный шаблон prompt формата ChatML. Сильная сторона модели — специализация на математическом рассуждении и широкий выбор квантизаций, включая варианты, ориентированные на высокое качество или ограниченный объём памяти. Более агрессивная квантизация может снижать качество ответов, а точные ограничения, поддерживаемые модальности и длина контекста в README не раскрыты. Для модели указана лицензия CC BY 4.0.

PinkPixel Crystal-Think-V2-GGUF — это квантованная GGUF-версия модели Crystal-Think-V2, разработанной PinkPixel и подготовленной квантизатором bartowski с использованием llama.cpp. Модель предназначена для генерации текста и ориентирована прежде всего на математическое рассуждение, решение задач и другие сценарии, требующие пошагового reasoning. В описании также указано использование LoRA, GRPO и дообучения на наборе данных NVIDIA OpenMathReasoning. Модель работает с текстом на английском языке; поддержка других языков и максимальный размер контекста в карточке не указаны. Архитектура и число параметров также не приведены. Доступны варианты от BF16 размером 8,05 ГБ до более компактных квантов Q8_0, Q6, Q5, Q4, Q3 и IQ, поэтому модель можно запускать локально с различными компромиссами между качеством и требованиями к памяти. Рекомендуемыми названы варианты Q6_K_L, Q6_K, Q5 и Q4, а для ограниченного объёма оперативной памяти предлагаются более лёгкие сборки с потенциально заметным снижением качества. Запуск поддерживается через llama.cpp, LM Studio и другие проекты на его основе. Шаблон чата в карточке не указан, поэтому предложенный формат приглашения может быть неточным и требует проверки по оригинальной карточке Crystal-Think-V2. Модель распространяется по лицензии Apache-2.0.

Stable Cascade — модель генерации изображений по текстовому описанию, разработанная Stability AI. Она построена на архитектуре Würstchen и состоит из трёх частей: Stage C создаёт компактные латентные представления по текстовому запросу, а Stage A и Stage B декодируют их в изображение. Сжатие с коэффициентом 42 позволяет работать с латентным представлением 24×24 для изображения 1024×1024, что снижает стоимость обучения и ускоряет генерацию по сравнению с менее сжатыми подходами. Для Stage C доступны варианты на 1 и 3,6 млрд параметров, для Stage B — на 700 млн и 1,5 млрд; Stage A содержит 20 млн параметров. Модель предназначена для генерации изображений в творческих инструментах, дизайне, образовательных приложениях и исследованиях генеративных моделей. В README отмечены возможности расширения через дообучение, LoRA, ControlNet, IP-Adapter и LCM. Автор рекомендует вариант Stage C на 3,6 млрд параметров и крупный вариант Stage B для более детальных результатов. Лицензия в метаданных обозначена как other; README указывает на соблюдение Acceptable Use Policy Stability AI и описывает модель как предназначенную для исследований. К ограничениям относятся возможные дефекты лиц и людей в целом, а также потери при автоэнкодировании. Модель не предназначена для создания достоверных изображений людей или событий; сгенерированный контент может быть вредоносным или отражать смещения.

youngseok12/AX-3.1-Light-sft_B12K_qcdd_1e — корейская разговорная модель генерации текста, разработанная на базе skt/A.X-3.1-Light и дообученная методом supervised fine-tuning с LoRA. Адаптер объединён с весами базовой модели, поэтому для запуска отдельный адаптер не требуется. Модель содержит 6,8 млрд параметров, использует архитектуру Llama и формат Safetensors; контекстное окно — до 32 768 токенов. Модель предназначена для ответов на вопросы и выполнения инструкций на корейском языке. Она обучена ставить ответ в начало и при необходимости добавлять короткое объяснение. Для дообучения выбрали 12 000 примеров из наборов AI Hub по пониманию административных, финансовых и юридических документов, а также учебных текстов. Модель можно использовать для генерации корейских ответов, локальной оценки и исследовательских экспериментов. Автор предупреждает, что ответы могут быть неверными и модель не заменяет профессиональное суждение. Опубликована по лицензии Apache-2.0; для исходных наборов AI Hub необходимо соблюдать их собственные условия использования.

Chaifighter Latte 14B — слитая автором matchaaaaa языковая модель на основе семейства Mistral, предназначенная для генерации творческого, насыщенного и подробного текста с сохранением следования инструкциям и контекста. Модель содержит 14,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и принимает запросы в шаблоне Alpaca; нативная длина контекста — 8192 токена. Модель подходит для творческого письма, ролевых диалогов и создания связных историй с несколькими персонажами. Она создана методом passthrough merge с помощью mergekit из Kunoichi-7B, Fimbulvetr-11B-v2, Frostwind-v2.1-m7 и MythoMist-7b. В репозитории представлены веса Safetensors. Лицензия в предоставленных данных не указана.

ClaudioItaly/EvolutionStar — объединённая языковая модель семейства Mistral, созданная с помощью mergekit методом SLERP из ClaudioItaly/Evolutionstory-7B-v2.2 и OmnicromsBrain/NeuralStar_Fusion-7B. Модель содержит 7,1 млрд параметров, построена на плотной архитектуре MistralForCausalLM и принимает текст для авторегрессионной генерации текста. Родственные модели предназначены для связного написания историй и продолжения текста по контексту. Модель подходит для генерации прозы, продолжения творческих текстов и ответов в свободной форме. Указанное нативное окно контекста — 32 768 токенов; репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

flammen22-mistral-7B — языковая модель на архитектуре Mistral с 7,1 млрд параметров, разработанная FlammenAI. Модель создана на основе дообучения flammenai/flammen21X-mistral-7B с применением Direct Preference Optimization на наборе данных Doctor-Shotgun/theory-of-mind-dpo; в README также описано слияние предварительно обученных моделей. Она предназначена для генерации текста, ролевых диалогов от лица персонажей, творческого письма и задач общего назначения. Модель принимает текст и генерирует текст, использует библиотеку Transformers и формат весов Safetensors. Заявленная длина контекста — 32 768 токенов. Лицензия — Apache-2.0. README характеризует модель как специализированную на ролевой игре и творческом письме, но не приводит результатов оценивания или подробностей о качестве.

gemma-3-27b-it-Adetayo — дообученная cyboghostginx версия Google Gemma 3 27B IT, созданная для генерации текста на исландском языке с улучшенной обработкой исландской морфологии и грамматики. Это плотная языковая модель на 28,3 млрд параметров с архитектурой Gemma3ForCausalLM; она принимает текст и поддерживает диалоговый формат Gemma. Контекстное окно составляет до 131 072 токенов. Модель подходит для исландоязычных диалогов и прямых ответов на запросы. В README приведены результаты на таблице лидеров исландских LLM Miðeind, включая оценку 96,54 за склонение по морфологии BÍN. Модель не позиционируется как модель рассуждений. Распространяется в формате Safetensors по лицензии Gemma; перед использованием следует соблюдать её условия.

JanusCoder-8B — языковая модель для работы с кодом из серии JanusCoder, разработанной как единый интерфейс для визуальных и программных задач. Модель основана на Qwen3-8B и дообучена на корпусе JANUSCODE-800K, содержащем синтетические примеры кода для графиков, веб-интерфейсов и анимации. Модель принимает текстовые инструкции и генерирует код для визуализаций данных, интерактивных веб-интерфейсов и анимаций. В карточке приведены результаты на PandasPlotBench, ArtifactsBench и DTVBench; отдельная модель JanusCoderV в семействе предназначена для мультимодального ввода, но JanusCoder-8B описана как текстовая модель. Это плотная архитектура Qwen3 с 7,6 млрд параметров и контекстом 32 768 токенов. Для запуска предусмотрена библиотека Transformers; веса опубликованы в формате Safetensors по лицензии Apache-2.0. Качество генерации зависит от сложности задания, а сама модель не принимает изображения напрямую.

Llama-3.3-Nemotron-70B-Reward-Principle — языковая модель NVIDIA на архитектуре Llama 3.3, дообученная на основе meta-llama/Llama-3.3-70B-Instruct. Она оценивает, насколько итоговый ответ ассистента в многоходовом диалоге соответствует заданному пользователем принципу, и выдаёт одно числовое значение: более высокий балл означает большее соответствие. Модель рассчитана на оценивание ответов LLM и применение в контурах ранжирования и контроля качества. Модель содержит 69,5 млрд параметров, работает с текстом и имеет заявленный контекст до 131 072 токенов. Однако обучение проводилось на диалогах длиной до 4 096 токенов, поэтому качество на более длинных входах может быть ограничено. Карточка сообщает высокие результаты на RM-Bench и JudgeBench; для запуска через Transformers указаны две или более GPU с 80 ГБ памяти каждая и не менее 150 ГБ свободного места. Модель обучалась на данных HelpSteer3 и оптимизирована для систем с GPU NVIDIA. Лицензия обозначена как other; перед использованием следует ознакомиться с условиями NVIDIA на странице модели.

Midjourney-mini — модель генерации изображений по текстовому описанию, опубликованная пользователем openskyml и доступная в формате Diffusers на PyTorch. Она предназначена для создания изображений по запросам, в том числе реалистичных; в README также заявлены простота использования и бесплатный доступ. Метаданные указывают поддержку английского, русского, немецкого и французского языков, а лицензионные метаданные — MIT. README называет модель уменьшенной версией платной Midjourney, но не приводит сведений о её архитектуре, размере или длине контекста.

daominhwysi/mmbert-small-vi-exam-seq-labeling — модель токенной классификации, разработанная автором репозитория и дообученная на базе многоязычного энкодера jhu-clsp/mmBERT-base для разметки структуры экзаменационных заданий. Она предназначена для извлечения из вьетнамских экзаменационных документов номеров и меток вопросов, формулировок заданий и обозначений вариантов ответа. Модель ориентирована на школьные экзамены 8–12 классов по математике, естественным и гуманитарным предметам, а также английскому языку. Архитектура основана на ModernBERT с головой токенной классификации, объединяющей последние четыре скрытых слоя. Заявлена работа с контекстом до 8192 токенов; обучение использовало скользящие окна разных размеров. Выходная разметка следует схеме BIO. README заявляет сохранение исходных символов при реконструкции структуры, однако приведённая таблица оценки содержит несогласованные показатели: Macro F1 87,36% при Precision и Recall 0,00%, поэтому качество следует проверять на собственных данных. Модель принимает текст экзамена и выдаёт последовательностные метки; поддержка сканированных документов предполагает наличие отдельного этапа распознавания текста. Репозиторий распространяется по лицензии Apache-2.0.

MOSS voice-acting v2 SFT round 3 — модель LAION для управляемого синтеза речи. Это дообучение базовой модели laion/moss-tts-local-transformer-4.55b-voice-acting-v2 с явным управлением длительностью предложений и пауз, вокальными реакциями заданной длины и указаниями по исполнению реплик. Архитектура включает семантический трансформер примерно на 4 млрд параметров, локальный talker-трансформер примерно на 550 млн параметров и 12 аудиоязыковых голов для токенизатора с 12 кодбуками; всего обучаемых параметров — 4,13 млрд. Модель предназначена для создания выразительных английских и немецких голосовых клипов по сценарию: можно задавать тембр и манеру речи, эмоции, длительности фрагментов, паузы и вокализации вроде вздохов или смеха. В оценке 320 клипов доля клипов в пределах 0,5 секунды от заданной длительности составила 100%, а медианная ошибка длительности — 0,08 секунды. При этом управление силой эмоциональной окраски ограничено: модель не достигает запрошенной высокой интенсивности эмоций. Лицензия — CC BY 4.0.