IV.5Образование и развитие навыков

Карточка модели qqceqqq/TRELLIS.2-4B на Hugging Face совпадает с карточкой microsoft/TRELLIS.2-4B, поэтому описание составлено по ней. TRELLIS.2-4B — модель генерации 3D-объектов по изображению, разработанная Jianfeng Xiang и соавторами. Она использует трансформер flow matching с 4 млрд параметров и разреженный 3D-VAE для представления геометрии и внешнего вида в структуре O-Voxel. На вход подаётся одно изображение, на выходе создаётся 3D-модель с PBR-материалами; заявлено разрешение воксельной сетки от 512³ до 1536³. Модель также поддерживает генерацию текстур для заданной 3D-сетки и референсного изображения. TRELLIS.2 рассчитана на создание детализированных 3D-ассетов со сложной топологией, включая открытые поверхности и полупрозрачные материалы. Карточка указывает, что модель проверялась на Linux с видеокартами NVIDIA A100 и H100 и требует не менее 24 ГБ видеопамяти. Генерируемые сетки могут содержать небольшие отверстия и топологические дефекты, поэтому для задач вроде 3D-печати может потребоваться постобработка. Модель не настраивалась под человеческие предпочтения или конкретные эстетические стандарты. Лицензия — MIT.

TRELLIS Text Large — крупная модель генерации 3D-объектов по текстовому описанию, основанная на TRELLIS и представленная в работе «Structured 3D Latents for Scalable and Versatile 3D Generation». Она предназначена для сценариев text-to-3D, где по запросу создают трёхмерный объект. Репозиторий содержит веса в формате safetensors и использует библиотеку TRELLIS. Карточка указывает английский язык и лицензию MIT. README не приводит численный размер модели, параметры генерации или требования к ресурсам.

Карточка модели vpyr/TRELLIS-text-xlarge на Hugging Face совпадает с карточкой microsoft/TRELLIS-text-xlarge, поэтому описание составлено по ней. TRELLIS Text XL — крупная модель генерации 3D-объектов по текстовому описанию, представленная в работе «Structured 3D Latents for Scalable and Versatile 3D Generation». Модель разработана Microsoft и относится к семейству TRELLIS; её вариант XL принимает текстовые условия и создаёт 3D-результат. Модель предназначена для генерации 3D-объектов по текстовым запросам, например для создания заготовок объектов в творческих и экспериментальных рабочих процессах. Репозиторий содержит веса в формате safetensors, библиотека — TRELLIS. Модель рассчитана на английские запросы. Лицензия — MIT. Карточка не сообщает конкретную архитектуру, число параметров, формат выдаваемого 3D-объекта и ограничения качества или применения.

TuneLM — дообученная модель на архитектуре Gemma 4 E4B, разработанная для генерации музыкальных паттернов Strudel. Этот чекпойнт получен дополнительным дообучением модели tensorfiend/tunelm-gemma4-4b-sft-quality-20260927-86-best; указаны запуск обучения gemma4-4b-grpo-pilot, шаг 50 и метка best. Модель использует архитектуру Gemma4ForConditionalGeneration, представлена в формате safetensors и поддерживает диалоговую генерацию текста. Модель предназначена для создания паттернов в Strudel по текстовым запросам. Лицензия — Apache 2.0; README также отсылает к лицензии и уведомлению базовой модели. Сведения о контекстном окне и языках в карточке не приведены.

TuneLM — дообученная модель на базе Gemma 4 E4B Instruct, разработанная для генерации музыкальных паттернов в Strudel. Этот чекпойнт получен дообучением модели tensorfiend/tunelm-gemma4-4b-sft-quality-20260927-86-best; в README указаны шаг обучения 60 и метка final. Модель использует архитектуру Gemma4 и предназначена для диалоговой генерации текста с паттернами Strudel. Модель принимает текстовые запросы и выдаёт текст, включая музыкальные паттерны Strudel. Репозиторий содержит веса в формате safetensors и использует Transformers. Лицензия — Apache-2.0; README также отсылает к LICENSE и NOTICE базовой модели и уведомлению об изменениях.

Violet 160M Chat — языковая модель Zakarth на архитектуре GPT-NeoX, дообученная для роли мисс Вайолет Хартвелл, молодой англичанки из Кенсингтона 1899 года. По метаданным, модель содержит 189,6 млн параметров, использует формат Safetensors и рассчитана на контекст до 4096 токенов. Она генерирует текст на английском языке в режиме диалога или продолжения текста; диалоговый формат включает строку настроения и ответ от лица персонажа. Модель предназначена для творческого письма, ролевых диалогов, стилизованных под викторианскую эпоху писем и вопросов о тогдашнем этикете. Корпус преимущественно состоит из текстов 1800–1899 годов, поэтому модель может поддерживать исторический стиль и повествовательную манеру, но не подходит для современных фактических вопросов и профессиональных советов. Лицензия — CC0 1.0; автор отмечает, что модель может воспроизводить исторические предубеждения.

dmillar/wsj-hedcut-v1 — дообученная модель Stable Diffusion, предназначенная для создания изображений в стиле газетных портретов hedcut, характерном для Wall Street Journal. Для получения такого изображения в запросе используют фразу «wsj hedcut of» с описанием человека или другого объекта; модель также можно применять в DreamBooth для обучения на конкретном лице или объекте. Модель работает с текстовыми запросами и генерирует изображения. В примерах показаны черно-белые портреты на белом фоне; для них использовались 20 шагов сэмплирования и sampler Euler a. Репозиторий содержит веса в форматах Diffusers и PyTorch. Лицензия — CreativeML OpenRAIL-M.

Карточка модели alibayram/acestep-v15-xl-sft-diffusers на Hugging Face совпадает с карточкой ACE-Step/acestep-v15-xl-sft-diffusers, поэтому описание составлено по ней. Официальный чекпойнт ACE-Step v1.5 XL SFT в формате Diffusers, подготовленный командой ACE-Step путём конвертации исходного релиза. Это модель генерации музыки по текстовому описанию на основе 5-миллиардной flow-matching DiT; архитектура содержит 32 слоя и 32 головы внимания, размер скрытого состояния — 2560, размер представления энкодера условий — 2048. Модель загружается как единый конвейер через AceStepPipeline в библиотеке Diffusers. Подходит для создания музыкальных фрагментов по заданным описаниям и для интеграции генерации музыки в приложения, использующие Diffusers. Карточка описывает её как SFT-чекпойнт ACE-Step v1.5 XL; базовая модель позволяет управлять точностью следования текстовому запросу с помощью CFG. В README указана лицензия MIT. Сведения о поддерживаемых языках текстовых запросов, длительности контекста и ограничениях по качеству или применению не приводятся.

Apertus-8B-MeditronFO — медицинская диалоговая языковая модель, разработанная командой LiGHT в рамках семейства Fully Open Meditron. Это дообученная на медицинских данных модель Swiss AI Initiative Apertus-8B-Instruct; архитектура — плотная авторегрессионная модель ApertusForCausalLM, объём — 10,3 млрд параметров, контекст — до 65 536 токенов. Модель принимает текст и генерирует текст; в карточке указан английский язык. Модель предназначена для медицинских вопросов и ответов, клинических виньеток и работы с медицинскими рекомендациями, а также для оценки медицинских LLM. Обучающий корпус Fully Open Meditron включает 601 тыс. примеров из восьми публичных медицинских наборов данных и синтетические компоненты, проверенные клиницистами. Авторы сообщают о приросте на медицинских бенчмарках относительно базовой модели; результаты относятся к указанным в карточке тестам и не гарантируют точность в реальной клинической практике. Весовые файлы доступны в формате safetensors, лицензия — Apache 2.0. Модель может выдавать фактически неточные, непоследовательные или предвзятые ответы. Авторы рекомендуют использовать её как вспомогательный инструмент и проверять важную информацию; она предназначена для медицинских задач и оценки, а не как окончательный источник медицинских решений.

AtmicIntelv1 — разговорная LoRA-модель на базе Phi-3 Mini, созданная для ответов о наставлениях Шри Раманы Махарши. Разработчик дообучил её методом QLoRA с последующей настройкой SFT и DPO на вопросах и ответах по каноническим текстам, включая «Кто я?», «Беседы с Шри Раманой Махарши» и «Улладу Нарпаду». Модель содержит 3,7 млрд параметров, использует архитектуру Phi-3 и рассчитана на контекст до 4096 токенов. Модель подходит для диалога и справочных ответов о самоисследовании Атма-вичара и философии адвайта-веданты. Обучение на проверенных учениях и предпочтениях ответов помогает удерживать ответы ближе к первоисточникам, однако модель может ошибаться или давать обобщённые ответы и не заменяет изучение текстов и консультацию специалиста. Репозиторий использует формат safetensors; лицензия — MIT.

RobotsMali-AI разработала RobotsMali/bam-vits-fintech как доменную адаптацию VITS для синтеза речи на бамбара по финансовым и финтех-текстам. Это модель с 3,5 млн параметров, архитектурой VITS и декодером формы волны в стиле HiFi-GAN; опубликована для инференса через Transformers. На вход подаётся текст в обычной орфографии бамбара в нижнем регистре, на выходе — речь с частотой 22,05 кГц. Модель обучалась как одноголосая, хотя конфигурация сохраняет таблицу на 20 говорящих; при инференсе для соответствия обучению следует не задавать speaker_id. Адаптация продолжала обучение базовой RobotsMali/bam-vits на 750 обучающих примерах FinBamSpeech — записях 800 предложений о финансах, банковском деле и финансовых технологиях. Авторы отмечают, что обучение было существенно недостаточным, а объективная и человеческая оценка качества отсутствует. Модель предназначена для исследовательских экспериментов с малоресурсным синтезом речи и качественно не подтверждена даже для финансовых терминов. Она распространяется по лицензии CC BY 4.0.

RobotsMali разработала Bambara VITS — pseudo-IPA FinTech adaptation как исследовательскую адаптацию модели RobotsMali/bam-vits-pseudo-ipa для синтеза речи на бамбаре. Модель дообучена на 800 прочитанных предложениях о финансах, банковском деле и финтехе из одноголосого набора FinBamSpeech; архитектура VITS, размер — 3,5 млн параметров, частота аудио — 22,05 кГц. Чекпойнт в формате safetensors предназначен только для инференса, дискриминатор удалён. Для ввода требуется применять точный обучающий cleaner, преобразующий текст в псевдо-IPA: токенизатор сам не обрабатывает обычную орфографию бамбара. Адаптация фактически одноголосая и безусловная; при инференсе следует опустить speaker_id. Модель подходит для экспериментов с низкоресурсным синтезом речи, представлением текста и адаптацией к финансовой тематике, но не для производственного применения или озвучивания финансовых рекомендаций. Обучение было коротким, формальной оценки качества нет; возможны шум, ошибки в числах и терминах, запоминание обучающих примеров и сбои на текстах вне домена или с переключением языков. Лицензия — CC BY 4.0.

BioBART-v2-large — англоязычная биомедицинская генеративная языковая модель семейства BART, разработанная авторами работы BioBART. Версия V2 использует новый словарь биомедицинской лексики; модель содержит 288,8 млн параметров и имеет контекст до 1024 токенов. Модель предназначена для генерации и преобразования текста в биомедицинских задачах. Архитектура encoder-decoder позволяет использовать её для текстовых задач формата text-to-text, однако карточка не перечисляет отдельные сценарии и результаты оценки качества. Доступны веса PyTorch и Safetensors. Модель работает с английским текстом. Репозиторий распространяется по лицензии Apache-2.0. Ограничение контекста составляет 1024 токена; качество для конкретной задачи следует оценивать отдельно.

BioBERT-Base v1.2 — англоязычная биомедицинская языковая модель на архитектуре BERT, разработанная исследователями DMIS-Lab Университета Корё. Она обучена для работы с биомедицинскими текстами; версия v1.2 включает языковую модельную голову, полезную для исследования представлений и предсказания замаскированных токенов. Модель содержит около 135,5 млн параметров и принимает последовательности длиной до 512 токенов. Основной сценарий использования этой версии — заполнение маски и исследование языковых представлений; BioBERT также может служить основой для дообучения на распознавание биомедицинских сущностей, извлечение отношений и ответы на вопросы. Это текстовая модель, а не готовая диалоговая система или самостоятельный извлекатель сущностей без соответствующей дополнительной настройки. В репозитории Hugging Face лицензия не указана в доступных метаданных; условия следует сверить с лицензией исходного проекта перед использованием.

BioMedLM 2.7B — языковая модель, совместно разработанная Stanford CRFM и MosaicML и обученная на биомедицинских аннотациях и полнотекстовых статьях из The Pile. Это авторегрессионная GPT-2-модель с 2,7 млрд параметров, 32 слоями и контекстом 1024 токена; для неё использован специализированный токенизатор, обученный на аннотациях PubMed. Модель предназначена для исследований в биомедицинском NLP: она генерирует текст и может служить основой для дообучения под ответы на вопросы; в карточке указана точность 50,3% на MedQA. Модель поддерживает английский язык. Разработчики предупреждают, что генерация недостаточно изучена и не подходит для производственного применения или сценариев, способных повлиять на людей; ответы могут содержать предубеждения и вредные стереотипы. Лицензия BigScience Open RAIL-M 1.0 запрещает использование модели и её производных для предоставления медицинских рекомендаций и интерпретации медицинских результатов.

CeLLaTe-tapt-pubmedbert-tokenizer-adapted-wwmask — англоязычная модель BERT для предсказания замаскированных слов, дообученная Mardiyyah на наборе Mardiyyah/TAPT_CeLLaTe2.0. Она основана на microsoft/BiomedNLP-BiomedBERT-base-uncased-abstract-fulltext и предназначена для задачи fill-mask в биомедицинских текстах. Модель содержит 138,2 млн параметров, использует архитектуру BertForMaskedLM и принимает последовательности текста длиной до 512 токенов. На указанном в карточке наборе оценки достигла loss 1,2144, accuracy 0,7569 и perplexity 3,3682. Доступна в формате safetensors; лицензия — Apache-2.0.

ChessLlama — авторегрессионная языковая модель на архитектуре Llama, разработанная Talha Rüzgar Akkuş и предварительно обученная на партиях гроссмейстеров в формате UCI. Она предназначена для генерации продолжений шахматных партий и экспериментов с обучением моделей на шахматных данных. Модель содержит 141,5 млн параметров, использует плотную архитектуру LlamaForCausalLM и принимает текстовые последовательности; максимальный контекст составляет 2048 токенов. Модель ориентирована на шахматные партии, а не на обычный диалог или универсальные текстовые задачи. В карточке описан ноутбук для оценки возможностей, но численные результаты или подтверждённое качество игры не приведены. Весовые файлы доступны в формате Safetensors для Transformers. Лицензия — Apache-2.0.

ChiMed-GPT 1.0 — китайская медицинская большая языковая модель, разработанная SYNLP. Модель создана на основе Ziya-v2 путём дополнительного обучения на китайских медицинских данных с предварительным обучением, supervised fine-tuning и обучением с подкреплением на основе отзывов людей (RLHF). Модель предназначена для генерации текста в медицинских сценариях на китайском языке. Её можно применять для получения ответов на медицинские вопросы и подготовки информационных текстов. Это плотная Llama-архитектура на 12,9 млрд параметров с контекстом до 4096 токенов; опубликованные веса представлены в формате PyTorch. Лицензия — MIT. Ответы модели могут быть неточными или неподходящими и не должны рассматриваться как медицинская рекомендация. Разработчики не гарантируют их точность и надёжность.

Compumacy-Experimental-32B-i1-GGUF — это набор квантизированных GGUF-версий модели Compumacy/Psych_Qwen_32B, подготовленный пользователем mradermacher на основе исходной модели Compumacy. Для квантизации использовались weighted/imatrix-кванты. В метаданных указаны библиотека Transformers, датасет Daemontatox/Psy-Data-books и английский язык; тематические метки связывают модель с психологией, психиатрией, клинической оценкой, психическим здоровьем и медицинскими текстами. Разработчик исходной модели и точная архитектура в README не раскрыты, однако размер базовой модели составляет 32B параметров по её названию. Модель предназначена для генерации текста в указанной тематике, но конкретные сценарии применения и заявленные возможности не описаны. Это текстовая, а не мультимодальная модель; сведения о размере контекста и поддерживаемых языках, кроме английского, отсутствуют. Сильной стороной набора является широкий выбор вариантов квантизации с размером файлов примерно от 7,4 до 27 ГБ и различным компромиссом между качеством, скоростью и требованиями к памяти. При этом низкобитные варианты могут существенно уступать по качеству, а README не содержит независимых оценок. Модель распространяется по лицензии Apache-2.0; конкретные условия лицензирования исходной модели отдельно не уточнены.

Dans-DangerousWinds-V1.0.0-7b — дообученная модель PocketDoc на базе Mistral-7B-v0.3 с 7,1 млрд параметров, предназначенная для интерактивных текстовых приключений в старом формате текстовых игр. Она ведёт повествование по действиям игрока, развивает сцены в жанрах научной фантастики, киберпанка, фэнтези и приключений; отличительная особенность — склонность создавать неудачи для игрока, включая внезапные смертельные последствия. Модель принимает текстовые реплики и генерирует текст на английском языке. Метаданные указывают контекст до 32 768 токенов, тогда как README рекомендует 8192 токена. Лицензия — Apache-2.0.

Decomposer — модель на основе Qwen3-8B, разработанная для преобразования символической музыки в MIDI в исполняемые программы Strudel. Это причинная языковая модель с 7,6 млрд параметров по метаданным, дообученная на задачах декомпиляции музыки. Она принимает текстовую сериализацию MIDI: ноты и времена начала, сгруппированные по инструментам, а также темп и размер такта; если темп и размер отсутствуют, в описанном формате их оценивает madmom. На выходе модель генерирует код Strudel. Обучение включало дообучение на синтетическом наборе Strudel-Synth с парами MIDI и Strudel, а также этап RL на MIDI и коротких музыкальных фрагментах. Модель рассчитана на восстановление музыкальной программы по нотным событиям и поддержку работы с музыкальными данными в формате Strudel. Контекст составляет 40 960 токенов, библиотека — Transformers; модель распространяется в формате safetensors. README указывает точность bfloat16, лицензию Apache-2.0 и основу Qwen/Qwen3-8B. Входные MIDI-события передаются как текст, поэтому модель не принимает непосредственно аудиозаписи или бинарные MIDI-файлы без предварительного преобразования в описанный формат. Результат зависит от точности этой сериализации и от того, насколько музыкальный материал и инструменты представлены в обучающих примерах; README описывает синтетический корпус примерно из 21 тысячи пар и короткие фрагменты для этапа RL.

unsloth/DeepSeek-Prover-V2-671B-GGUF — GGUF-версия модели DeepSeek-Prover-V2-671B, разработанной DeepSeek и распространяемой в формате квантованных файлов через Unsloth. Это крупная языковая модель, предназначенная для формального доказательства теорем в Lean 4 и автоматизированного построения математических доказательств. При обучении использовались рекурсивный поиск доказательств, декомпозиция сложных задач на подцели с помощью DeepSeek-V3, синтетические данные рассуждений и обучение с подкреплением на основе бинарной оценки корректности доказательства. Модель ориентирована на задачи нейросимвольного доказательства, формализацию математических рассуждений и генерацию пошаговых доказательств на Lean 4. Заявлены результаты 88,9% на тестовой части MiniF2F и решение 49 из 658 задач PutnamBench. Указан английский язык. Известный размер — 671B параметров; сведения об архитектуре, длине контекста, точных вариантах квантования и поддержке других модальностей в README не приведены. Формат GGUF может упростить локальный запуск совместимыми средствами, однако модель остаётся чрезвычайно ресурсоёмкой. Сильная сторона модели — специализация на сложном формальном математическом выводе и объединение неформального планирования с проверяемой формализацией в Lean 4. Ограничения включают узкую предметную специализацию, отсутствие подтверждённых характеристик производительности за пределами указанных бенчмарков и высокие требования к вычислительным ресурсам. В метаданных указана лицензия MIT, но в README также присутствует обозначение Model Agreement для лицензии модели, поэтому перед использованием необходимо проверить применимые условия распространения.

DentVLM — мультимодальная модель зрения и языка для анализа стоматологических изображений и ответов на вопросы о них. Она разработана на основе Qwen/Qwen2-VL-7B-Instruct и дообучена для распознавания нарушений прикуса, стоматологических заболеваний и анализа отдельных областей изображения. Модель принимает изображения вместе с вопросами и формирует текстовые ответы; в метаданных указаны английский и китайский языки. Модель предназначена для академических и некоммерческих исследований, оценки стоматологических ИИ-систем и воспроизведения или развития исследовательских конвейеров. Она не предназначена для самостоятельной клинической диагностики, планирования лечения или принятия решений о пациенте. Качество ответов может зависеть от качества и типа изображения, условий получения данных, популяции, разметки и формулировки запроса; перед использованием в новых сценариях требуется валидация и профессиональный контроль. Веса распространяются по лицензии CC BY-NC 4.0, допускающей использование на некоммерческих условиях с указанием авторства; исходный код выпущен по Apache 2.0.

tudorizer/distilroberta-ai-job-embeddings — англоязычная модель Sentence Transformer, разработанная Tudorizer путём дообучения sentence-transformers/all-distilroberta-v1 на датасете ai-job-embedding-finetuning. Она преобразует запросы, описания вакансий и другие тексты в плотные векторы размерности 768 для семантического поиска и сравнения. Архитектура состоит из трансформера RoBERTa, среднего pooling по токенам и нормализации; сходство оценивается косинусной мерой. Размер модели — 95,2 млн параметров, максимальная длина последовательности — 512 токенов. Модель подходит для поиска подходящих вакансий по запросу, ранжирования описаний вакансий по смысловой близости, поиска парафразов и группировки текстов о работе. README приводит результаты TripletEvaluator: cosine accuracy 0,9902 на валидационной и 1,0 на тестовой выборке; выборка обучения содержит 816 примеров. Эти результаты относятся к указанным наборам данных и сами по себе не гарантируют качество на других вакансиях и запросах. Лицензия в предоставленных данных не указана.

DND-9B — разговорная языковая модель lodrick-the-lafted на архитектуре Gemma 2, созданная на основе Gemma 2 9B Instruct. Веса изменены управляющим вектором, который направляет ответы в сторону ролевой игры в магическом мире; модель предназначена для текстовых диалогов и генерации ролевого текста. Модель содержит около 9 млрд параметров, принимает и генерирует текст, поддерживает контекст до 8192 токенов. Данных о поддерживаемых естественных языках в карточке нет. Модель распространяется в формате Safetensors по лицензии Apache-2.0. README не сообщает о качестве на задачах вне ролевой игры или о специальных ограничениях.

DoctorAgent-RL-SFT-1k-Thinking — англоязычная диалоговая модель для клинических консультаций, созданная на базе Qwen2.5-7B-Instruct и дообученная для медицинских сценариев. Карточка описывает подход DoctorAgent-RL: агент-врач задаёт пациенту уточняющие вопросы в нескольких ходах, адаптируя стратегию сбора информации, а агент-оценщик оценивает ход консультации. Модель рассчитана на диалоговое диагностическое рассуждение и формирование итоговых диагностических предположений. Модель имеет плотную архитектуру Qwen2, 7,1 млрд параметров и контекст до 32 768 токенов; репозиторий использует safetensors и библиотеку Transformers. Карточка сообщает об английском наборе MTMedDialog и заявляет улучшение многоходового рассуждения и диагностической точности в экспериментах. Лицензия — Apache-2.0. Это вспомогательная модель для симуляции и поддержки клинических консультаций, а не замена профессиональной медицинской оценке. Описание не приводит клинической валидации или ограничений диагностической безопасности; ответы следует проверять специалистом.

Dragonwar 7b α — авторская экспериментальная модель maldv для продолжения фэнтезийных историй. Она основана на плотной архитектуре Mistral с 7,1 млрд параметров и рассчитана на генерацию текста; в карточке Hugging Face указан контекст до 32 768 токенов. Автор описывает обучение на полных текстовых окнах, затем на продолжениях, этап ORPO и дополнительную эпоху обучения на текстах. Модель предназначена для режима storymode: ей предлагают начало рассказа или имя персонажа, после чего она продолжает повествование, а не ведёт диалоговый чат. Модель распространяется в формате safetensors по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование. Автор рекомендует настройки Min-P и динамической температуры для генерации. Карточка также описывает приём для подавления EOS, но такая настройка может мешать модели корректно завершать текст. Язык обучения прямо не указан; фэнтезийная тематика следует из назначения модели и её названия.

Drakon_28m-base — небольшая базовая языковая модель, разработанная Squeal-Studio и предварительно обученная с нуля на русскоязычных текстах. Это предобученная модель без инструкционной настройки; версия SFT находится в разработке. Модель предназначена для экспериментов с архитектурами языковых моделей и генерации продолжений текста на русском языке. Архитектура Drakon сочетает причинные глубинные свёртки, MinGRU и полное причинное внимание с RoPE: каждый третий блок использует внимание. В README указано около 28,5 млн параметров, пользовательские BPE-токенизатор с размером словаря 24 001 и контекст 1 024 токена; метаданные каталога указывают 49,3 млн параметров. Модель принимает текст и генерирует текст, распространяется под лицензией Apache-2.0. Малый размер делает её подходящей для обучения и архитектурных экспериментов, но качество на сложных задачах ограничено. Авторы характеризуют архитектуру как прототипную; контекст в 1 024 токена ограничивает связность на больших расстояниях, а модель не предназначена для использования в производстве.

Droplet-v2 — небольшая предварительно обученная авторегрессионная языковая модель, опубликованная пользователем Hugging Face lugman. Она построена на архитектуре LlamaForCausalLM и содержит около 1,4 млн параметров, шесть слоёв трансформера, размер скрытого представления 144 и словарь из 1 536 токенов. Модель принимает текст и генерирует продолжение; максимальная длина контекста — 1 024 токена. Основной язык по карточке — английский. Это базовый чекпойнт без дообучения на инструкциях, пригодный для экспериментов с компактными языковыми моделями и генерацией текста. Предобучение включало около 6 млрд токенов образовательных и синтетических текстов, а также дополнительное обучение на арифметическом наборе данных. В README приведены результаты нулевой оценки на ARC-Easy, ARC-Challenge и HellaSwag. Модель распространяется по лицензии MIT. Из-за очень малого размера, ограниченного контекста и отсутствия настройки на инструкции её не следует считать универсальным ассистентом; результаты на нескольких бенчмарках не гарантируют качества в практических задачах.

DubClean Voice — модель для удаления слышимой речи на исходном языке из дублированной дорожки с помощью речевого образца оригинала. Она разработана для проекта DubClean и опубликована как отдельный чекпойнт, который можно оценивать и использовать независимо от приложения. Модель принимает два синхронизированных монофонических речевых стема с частотой 24 кГц: дорожку с переводом и соответствующую речь оригинала. На выходе она выдаёт перевод без совпадающей иностранной речи. Архитектура построена на U-Net с шестью спектральными входными признаками и десятью остаточными блоками с временными дилатациями; для анализа применяется STFT. Модель обучалась на русской закадровой озвучке поверх английской речи. Она предназначена для этапа очистки речевого слоя в процессе восстановления дублированной дорожки, а не для обработки полного аудиомикса или самостоятельного создания готового саундтрека. Распространяется по лицензии AGPL-3.0.