IV.5Образование и развитие навыков

KMS07/sd-class-butterflies-32 — диффузионная модель, опубликованная KMS07 как работа для курса по диффузионным моделям. Она предназначена для безусловной генерации изображений милых бабочек: модель создаёт изображение без текстового запроса. Для запуска карточка предлагает библиотеку Diffusers и конвейер DDPMPipeline. Модель распространяется в формате Diffusers с весами Safetensors по лицензии MIT. Размер, разрешение генерируемых изображений, языки и дополнительные возможности в карточке не описаны.

Модель tamjung33/sd-class-butterflies-32 — диффузионная модель, опубликованная как Unit 1 курса по diffusion-моделям. Она предназначена для безусловной генерации изображений милых бабочек: пользователь запускает её через DDPMPipeline из библиотеки Diffusers, и модель создаёт изображение без текстового запроса. Модель распространяется в формате Diffusers с весами Safetensors по лицензии MIT. Карточка не сообщает размер модели, разрешение изображений или дополнительные характеристики генерации. Модель ориентирована на узкую визуальную тему бабочек; для генерации по текстовым запросам она не предназначена.

Soccer BERT — мультиязычная модель tareq052 для генерации текста о футболе. Согласно карточке, она обучена с нуля и использует декодерный Transformer с 159 млн параметров и 10 слоями. Метаданные указывают формат safetensors и задачу text-generation. Модель предназначена для генерации футбольного текста на английском, испанском, португальском, арабском, бенгальском и хинди. Лицензия MIT разрешает использование на её условиях. Карточка не описывает оценку качества или ограничения применения.

Speculor-2.7B — разговорная языковая модель для поддерживающих бесед и общей информации о психическом здоровье, созданная автором antiven0m. Это дообученная версия Phi-2 на открытых наборах вопросов и ответов о консультировании, синтетических беседах о психическом здоровье, общих инструкциях и данных для персонификации. Модель использует архитектуру Phi для генерации текста, содержит 3,5 млрд параметров и рассчитана на контекст до 2048 токенов; в карточке указан английский язык. Весы опубликованы в формате Safetensors, лицензия — MIT. Модель предназначена для низкопороговых разговоров, которые могут помочь пользователю сформулировать переживания перед обращением к специалисту, а также для изучения общих перспектив и поддержки сценариев предварительной проверки разговоров на признаки кризисных ситуаций. Автор предлагает использовать её как дополнение к человеческой поддержке, а не вместо неё. Карточка заявляет о возможности запуска на широком спектре оборудования без GPU. Модель не обладает клинической подготовкой, не предназначена для диагностики, лечения, составления планов лечения или кризисного вмешательства. Она может упускать контекст и давать неполные или неподходящие ответы; серьёзные проблемы требуют обращения к квалифицированному специалисту. Сам запуск модели не сохраняет и не передаёт данные, однако интерфейс взаимодействия может локально хранить журналы бесед.

SpoomplesMaxx Card Maker V1 — модель aimeri, дообученная на базе IBM Granite 4.1 8B Base для генерации карточек персонажей SillyTavern. Она преобразует короткое описание или набор ограничений в готовую карточку формата V2/V3 с описанием, характером, сценарием, первым сообщением и примерами реплик; иногда добавляет lorebook. Модель содержит 8,4 млрд параметров, использует архитектуру Granite и поддерживает контекст до 131 072 токенов. Она рассчитана на английский язык и выдаёт непосредственно текст карточки, без вступления в стиле ассистента. Модель подходит для создания персонажей по архетипу, имени, профессии или краткой идее, включая проработку голоса персонажа и сцены первого сообщения. Это генератор карточек для одного запроса, а не модель для ролевого диалога, общего общения или ответов на фактические вопросы. Результат не гарантированно соответствует схеме и перед импортом в SillyTavern требует проверки. В обучающих данных есть безопасные и откровенные карточки; возможен зрелый или нежелательный контент, а также унаследованные предубеждения. Лицензия — Apache 2.0.

Supra Mini v4 2M — компактная авторегрессионная языковая модель семейства Llama, разработанная SupraLabs. В ней около 2,6 млн параметров, 6 слоёв и собственный BPE-токенизатор с размером словаря 8192 токена. Модель обучена в bfloat16 на 3 млрд токенов FineWeb-Edu за две эпохи; контекст из метаданных составляет 512 токенов. Модель предназначена для экспериментов с обучением и запуском очень небольших генеративных моделей, в том числе на ограниченных вычислительных ресурсах. Она генерирует продолжение текста на английском языке; автор приводит результаты нескольких языковых тестов, включая ARC-Easy, WikiText и BLiMP. По заявлению авторов, модель часто выдаёт бессвязный и недостоверный текст, не умеет надёжно рассуждать, вести диалог или писать код. Лицензия — Apache-2.0.

John6666/wai-nsfw-illustrious-sdxl-v140-sdxl — модель генерации изображений по текстовому описанию, опубликованная John6666. Репозиторий содержит пайплайн Stable Diffusion XL в формате Diffusers; карточка указывает, что исходная модель создана WAI0731 и основана на OnomaAIResearch/Illustrious-XL-v1.0. Модель предназначена для создания изображений в стилистике аниме, включая контент для взрослых. Для работы принимает текстовый промпт и выдаёт изображение. В конфигурации указана архитектура StableDiffusionXLPipeline с UNet, VAE, двумя текстовыми энкодерами CLIP и планировщиком Euler Ancestral. Репозиторий помечен как содержащий чувствительный контент и не предназначенный для всех аудиторий. Указана лицензия faipl-1.0-sd; следует учитывать её условия при использовании.

Gfstyle（Gf_style）是由 swl-models 发布的 модель генерации изображений в китайском изысканном историческом стиле. Она предназначена для создания персонажей в духе древних китайских игр с визуальной фактурой 2.5D. Репозиторий модели рассчитан на использование с Diffusers и Stable Diffusion; карточка рекомендует для персонажей вертикальный формат изображения. В метаданных указан тег text-to-image и форматы Diffusers, PyTorch и safetensors. Для работы с моделью подают текстовое описание, а на выходе получают изображение. README описывает серию Gf_style и сообщает о версиях 2.0 и 3.0, но не приводит размер модели, базовый чекпойнт, длину контекста или подробные параметры генерации. Указана лицензия CreativeML OpenRAIL-M.

ushikado/yuyuyui-chatbot — японская генеративная модель диалогов на архитектуре GPT-2, разработанная на основе rinna/japanese-gpt2-medium и дообученная на корпусе сценариев Yuyuyui. Она принимает последовательность реплик как контекст и генерирует следующую реплику; в формате используются токены персонажей и EOS, а для пользовательского ввода предусмотрен токен неопределённого персонажа. Модель предназначена для продолжения диалогов в стиле сценариев Yuyuyui. Размер контекста составляет 1024 токена. Репозиторий содержит веса PyTorch и Flax. Лицензия в предоставленных данных не указана.

Карточка модели Tuananh20015/acestep-5Hz-lm-0.6B на Hugging Face совпадает с карточкой ACE-Step/acestep-5Hz-lm-0.6B, поэтому описание составлено по ней. ACE-Step v1.5 5Hz LM 0.6B — языковая модель для планирования и управления генерацией музыки в составе системы ACE-Step, разработанной проектом ACE-STEP. Она преобразует запросы пользователя в планы композиции, включая метаданные, тексты песен и описания, которые направляют отдельную диффузионную модель для создания музыки. Модель поддерживает генерацию композиций от коротких фрагментов до 10 минут, а также сценарии редактирования музыки в системе ACE-Step: создание каверов, перерисовку аудио и преобразование вокала в фоновую музыку. Модель построена на плотной архитектуре Qwen3ForCausalLM и содержит 574,7 млн параметров. Она принимает текстовые запросы, а в рамках ACE-Step управляет созданием аудио; заявлена поддержка более 50 языков. Контекстное окно составляет 40 960 токенов. В карточке ACE-Step указаны возможности планирования композиции среднего уровня, понимания аудио среднего уровня и слабое копирование мелодии. Для генерации итогового музыкального аудио требуется взаимодействие с соответствующей DiT-моделью системы. Модель опубликована ACE-STEP под лицензией MIT. README заявляет коммерческую применимость сгенерированной музыки и запуск всей системы на потребительском оборудовании, однако скорость и требование менее 4 ГБ видеопамяти относятся к описанию системы ACE-Step в целом и могут зависеть от используемой DiT-модели и конфигурации.

Карточка модели amandabenson/acestep-5Hz-lm-0.6B-fork на Hugging Face совпадает с карточкой ACE-Step/acestep-5Hz-lm-0.6B, поэтому описание составлено по ней. ACE-Step v1.5 5Hz LM 0.6B — языковая модель для планирования и управления генерацией музыки в составе системы ACE-Step, разработанной проектом ACE-STEP. Она преобразует запросы пользователя в планы композиции, включая метаданные, тексты песен и описания, которые направляют отдельную диффузионную модель для создания музыки. Модель поддерживает генерацию композиций от коротких фрагментов до 10 минут, а также сценарии редактирования музыки в системе ACE-Step: создание каверов, перерисовку аудио и преобразование вокала в фоновую музыку. Модель построена на плотной архитектуре Qwen3ForCausalLM и содержит 574,7 млн параметров. Она принимает текстовые запросы, а в рамках ACE-Step управляет созданием аудио; заявлена поддержка более 50 языков. Контекстное окно составляет 40 960 токенов. В карточке ACE-Step указаны возможности планирования композиции среднего уровня, понимания аудио среднего уровня и слабое копирование мелодии. Для генерации итогового музыкального аудио требуется взаимодействие с соответствующей DiT-моделью системы. Модель опубликована ACE-STEP под лицензией MIT. README заявляет коммерческую применимость сгенерированной музыки и запуск всей системы на потребительском оборудовании, однако скорость и требование менее 4 ГБ видеопамяти относятся к описанию системы ACE-Step в целом и могут зависеть от используемой DiT-модели и конфигурации.

Карточка модели VetalValera/acestep-5Hz-lm-4B на Hugging Face совпадает с карточкой ACE-Step/acestep-5Hz-lm-0.6B, поэтому описание составлено по ней. ACE-Step v1.5 5Hz LM 0.6B — языковая модель для планирования и управления генерацией музыки в составе системы ACE-Step, разработанной проектом ACE-STEP. Она преобразует запросы пользователя в планы композиции, включая метаданные, тексты песен и описания, которые направляют отдельную диффузионную модель для создания музыки. Модель поддерживает генерацию композиций от коротких фрагментов до 10 минут, а также сценарии редактирования музыки в системе ACE-Step: создание каверов, перерисовку аудио и преобразование вокала в фоновую музыку. Модель построена на плотной архитектуре Qwen3ForCausalLM и содержит 574,7 млн параметров. Она принимает текстовые запросы, а в рамках ACE-Step управляет созданием аудио; заявлена поддержка более 50 языков. Контекстное окно составляет 40 960 токенов. В карточке ACE-Step указаны возможности планирования композиции среднего уровня, понимания аудио среднего уровня и слабое копирование мелодии. Для генерации итогового музыкального аудио требуется взаимодействие с соответствующей DiT-моделью системы. Модель опубликована ACE-STEP под лицензией MIT. README заявляет коммерческую применимость сгенерированной музыки и запуск всей системы на потребительском оборудовании, однако скорость и требование менее 4 ГБ видеопамяти относятся к описанию системы ACE-Step в целом и могут зависеть от используемой DiT-модели и конфигурации.

Карточка модели Makaveliai/acestep-v15-base-sft на Hugging Face совпадает с карточкой ACE-Step/acestep-5Hz-lm-0.6B, поэтому описание составлено по ней. ACE-Step v1.5 5Hz LM 0.6B — языковая модель для планирования и управления генерацией музыки в составе системы ACE-Step, разработанной проектом ACE-STEP. Она преобразует запросы пользователя в планы композиции, включая метаданные, тексты песен и описания, которые направляют отдельную диффузионную модель для создания музыки. Модель поддерживает генерацию композиций от коротких фрагментов до 10 минут, а также сценарии редактирования музыки в системе ACE-Step: создание каверов, перерисовку аудио и преобразование вокала в фоновую музыку. Модель построена на плотной архитектуре Qwen3ForCausalLM и содержит 574,7 млн параметров. Она принимает текстовые запросы, а в рамках ACE-Step управляет созданием аудио; заявлена поддержка более 50 языков. Контекстное окно составляет 40 960 токенов. В карточке ACE-Step указаны возможности планирования композиции среднего уровня, понимания аудио среднего уровня и слабое копирование мелодии. Для генерации итогового музыкального аудио требуется взаимодействие с соответствующей DiT-моделью системы. Модель опубликована ACE-STEP под лицензией MIT. README заявляет коммерческую применимость сгенерированной музыки и запуск всей системы на потребительском оборудовании, однако скорость и требование менее 4 ГБ видеопамяти относятся к описанию системы ACE-Step в целом и могут зависеть от используемой DiT-модели и конфигурации.

Карточка модели amandabenson/acestep-v15-turbo-continuous-fork на Hugging Face совпадает с карточкой ACE-Step/acestep-5Hz-lm-0.6B, поэтому описание составлено по ней. ACE-Step v1.5 5Hz LM 0.6B — языковая модель для планирования и управления генерацией музыки в составе системы ACE-Step, разработанной проектом ACE-STEP. Она преобразует запросы пользователя в планы композиции, включая метаданные, тексты песен и описания, которые направляют отдельную диффузионную модель для создания музыки. Модель поддерживает генерацию композиций от коротких фрагментов до 10 минут, а также сценарии редактирования музыки в системе ACE-Step: создание каверов, перерисовку аудио и преобразование вокала в фоновую музыку. Модель построена на плотной архитектуре Qwen3ForCausalLM и содержит 574,7 млн параметров. Она принимает текстовые запросы, а в рамках ACE-Step управляет созданием аудио; заявлена поддержка более 50 языков. Контекстное окно составляет 40 960 токенов. В карточке ACE-Step указаны возможности планирования композиции среднего уровня, понимания аудио среднего уровня и слабое копирование мелодии. Для генерации итогового музыкального аудио требуется взаимодействие с соответствующей DiT-моделью системы. Модель опубликована ACE-STEP под лицензией MIT. README заявляет коммерческую применимость сгенерированной музыки и запуск всей системы на потребительском оборудовании, однако скорость и требование менее 4 ГБ видеопамяти относятся к описанию системы ACE-Step в целом и могут зависеть от используемой DiT-модели и конфигурации.

Это обученный агент Proximal Policy Optimization (PPO) для среды LunarLander-v2, созданный с помощью библиотеки Stable-Baselines3. Модель предназначена для управления посадочным модулем в симуляции: она получает состояние среды и выбирает действия, чтобы посадить аппарат.

AudioProtoPNet-20-BirdSet-XCL — модель группы DBD Research Group для многометочной классификации видов птиц по вокализациям. Она использует архитектуру AudioProtoPNet: ConvNeXt извлекает признаки из спектрограмм, а обученный на этих признаках классификатор сравнивает запись с прототипами вокализаций разных видов. Такой подход помогает объяснять предсказания и выявлять признаки, наиболее информативные для каждого вида. Модель дообучена на обучающей части BirdSet, включающей записи более чем 9 734 видов птиц и свыше 6 800 часов аудио. В оценке на семи тестовых наборах BirdSet семейство AudioProtoPNet показало средний AUROC 0,90 и cmAP 0,42; в README эти результаты сравниваются с Perch и ConvNeXt. Репозиторий предназначен для классификации аудио и использует библиотеку Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не коммерческое использование. Результаты и показатели приведены для оценки на наборах BirdSet; качество на других акустических условиях и видах из README не установлено.

AudioProtoPNet-5-BirdSet-XCL — модель DBD Research Group для многометочной классификации записей птичьих голосов. Она сочетает сверточную основу ConvNeXt с классификатором на прототипах: модель сопоставляет признаки спектрограмм с выученными образцами вокализаций видов, что позволяет объяснять решения через наиболее близкие прототипы. В карточке указана донастройка facebook/convnext-base-224-22k и использование библиотеки Transformers. Модель обучена на BirdSet и предназначена для акустического мониторинга птиц, анализа полевых записей и поддержки орнитологических исследований. В README сообщается о среднем AUROC 0,90 и cmAP 0,42 на семи тестовых наборах BirdSet; авторы также отмечают преимущество над Perch и ConvNeXt в проведённом сравнении. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческих целях.

Carl — языковая модель от ajibawa-2023 для генерации диалоговых ответов в роли ИИ-собеседника, который помогает пользователю успокоиться и обсудить стресс. Модель основана на архитектуре Llama и содержит 6,6 млрд параметров; она принимает текст и генерирует текст. В метаданных указан контекст длиной 2048 токенов и поддержка английского языка. Модель дообучена FastChat на более чем 100 000 синтетических наборов диалогов; в каждом наборе 10–15 реплик между Carl и клиентом. Карточка приводит результаты оценки на Open LLM Leaderboard, но не сообщает подробности остальных метрик. Модель предназначена для экспериментальных разговорных сценариев, а не для клинического применения. Автор предупреждает, что она не заменяет врача или профессионального психотерапевта и советует обращаться за помощью к специалисту или близкому человеку при тяжёлом состоянии. Лицензия — CC BY-NC-ND 4.0.

satvikag/chatbot — диалоговая модель на основе microsoft/DialoGPT-medium, дообученная автором на репликах Джошуа из игры The World Ends With You. Для обучения использован набор игровых сценариев с Kaggle. Модель предназначена для генерации ответов в стиле персонажа и имитации беседы с ним. Модель использует архитектуру GPT-2 и формат весов PyTorch; заявленная длина контекста — 1024 токена. Карточка указывает лицензию MIT. Описание подтверждает специализацию на речи игрового персонажа, но не сообщает оценок качества или подробностей обучения.

Chat-With-YourFAV-Character-Medium — диалоговая языковая модель, разработанная Manan Raval из Virtual Height IT Services Pvt. Ltd. Она дообучена на сценарии игры The World Ends With You, чтобы имитировать стиль и манеру общения персонажа Джошуа. Модель построена на архитектуре DialoGPT-medium на базе GPT-2 и генерирует ответы в ходе текстового диалога; поддерживает английский язык и контекст до 1024 токенов. Модель предназначена для общения с симулированной версией Джошуа и может использоваться в чат-приложениях и играх. Качественная оценка проводилась по связности и соответствию реплик персонажу. Лицензия — Apache-2.0. Ответы отражают образ героя из конкретной игры и могут быть неожиданными или оскорбительными; модель не подходит для решений с высокими ставками, чувствительных сценариев и терапевтических консультаций.

ECG-R1-8B-RL — мультимодальная модель для интерпретации электрокардиограмм, разработанная авторами проекта ECG-R1. Она дообучена на базе Qwen/Qwen3-VL-8B-Instruct и предназначена для анализа ЭКГ с опорой на измеримые признаки, количественные пороги и диагностические правила из клинических протоколов. Модель принимает изображения ЭКГ и текстовые запросы и формирует текстовые интерпретации. В проекте описаны протокольная генерация обучающих данных, архитектура, разделяющая модальности, и обучение с подкреплением с наградой за диагностические свидетельства; это призвано повысить обоснованность выводов и устойчивость, в том числе когда один из видов входных данных отсутствует. Карточка указывает английский язык; число параметров базовой модели — 8 млрд. Модель предназначена для исследовательского и вспомогательного анализа ЭКГ, а не для самостоятельной постановки диагноза. Авторы предупреждают о риске клинически неверных интерпретаций и галлюцинаций, поэтому выводы требуют независимой проверки специалистом. Лицензия — Apache-2.0.

Fantassified Icons — дообученная на базе Stable Diffusion 1.4 модель генерации изображений, созданная автором репозитория proxima. Она предназначена для создания иконок в духе фэнтезийных игр, обычно на простом фоне. Для запуска используется StableDiffusionPipeline из Diffusers; веса доступны в форматах PyTorch и safetensors. Для генерации добавляйте в запрос токен «fantassified icon». Лучше всего модель справляется с простыми фэнтезийными предметами, например щитами и зельями. Образы вне тематики обучающих данных, включая солнечные очки, получаются хуже; стили художников дают непредсказуемый результат, хотя их упоминание в начале запроса может помочь. Подробности о структуре запросов, настройках и постобработке автор приводит в PDF. Лицензия указана как other, поэтому условия использования следует сверить с карточкой модели и базовой моделью.

Guardpoint — медицинская модель для рассуждений, созданная Valiant Labs на основе инструкционной Gemma 4 12B-it и дообученная на сложных медицинских примерах рассуждений, сгенерированных DeepSeek V3.2 Speciale. Она предназначена для структурированных ответов по диагностике, ведению пациентов, медицинским знаниям и пониманию клинических ситуаций. Модель использует плотную архитектуру Gemma 4 Unified с поддержкой изображений и диалогового режима. Карточка указывает медицинские сценарии от внутренней медицины и сортировки пациентов до радиологии и хирургии; метаданные отмечают английский язык. Для диалогов авторы рекомендуют включать режим рассуждений Gemma 4. Модель распространяется в формате Safetensors по лицензии Apache 2.0. Guardpoint унаследовала ограничения больших языковых моделей; автор отдельно предупреждает, что её ответы не заменяют профессиональное медицинское обследование. Компактные структурированные ответы заявлены как способ сократить расход токенов, но карточка не приводит количественных оценок качества или экономии.

Sadiah/Gollum — дообученная модель генерации текста на основе NousResearch/Llama-2-7b-chat-hf, созданная для ответов в манере Голлума из произведений Дж. Р. Р. Толкина. Разработчик использовал PEFT с LoRA и SFT Trainer на наборе диалогов и текстов персонажа. Модель построена на плотной архитектуре LLaMA, содержит 6,6 млрд параметров и имеет контекстное окно 4096 токенов. Модель предназначена для творческих и развлекательных сценариев: ролевого общения, создания диалогов, фанфиков и чат-ботов с узнаваемой манерой речи Голлума. В метаданных указан английский язык, библиотека Transformers и формат PyTorch. Лицензия — CC BY-NC 4.0, предусматривающая некоммерческое использование. Тональность и поведение основаны на примерах из обучающего набора, поэтому ответы могут не совпадать с каноничным характером или репликами персонажа и быть непоследовательными. Это языковая модель для творческих задач, а не точная копия оригинального персонажа.

HealthPulse-Qwen2.5-7B 是由 Weikaijie 发布的中文医疗问答模型，基于 Qwen2.5-7B-Instruct，并使用 Huatuo 中文医患数据集进行监督ного дообучения SFT с адаптером LoRA. Это плотная авторегрессионная модель Qwen2 с 7,1 млрд параметров, принимающая и генерирующая текст. Она предназначена для ответов на вопросы о симптомах и здоровье, медицинского просвещения, рекомендаций по маршрутизации к специалисту и справок о применении лекарств. Контекст модели — 32 768 токенов; в карточке указана поддержка китайского языка. По описанию автора, в оценке медицинской точности и безопасности модель улучшилась относительно базовой, однако полнота и ясность ответов на 10–20% ниже, чем у более новых китайских моделей. Модель распространяется по лицензии Apache-2.0. Автор указывает, что ответы могут содержать ошибки или устаревшую информацию, а модель не предназначена для диагностики и лечения.

HuatuoGPT-o1-72B-GGUF — это квантизированная версия медицинской языковой модели HuatuoGPT-o1-72B, разработанной FreedomIntelligence. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста в медицинских сценариях, включая ответы на вопросы, обработку медицинских рассуждений и решение проверяемых медицинских задач. Модель имеет размер 72 млрд параметров и распространяется в формате GGUF с вариантами квантизации от Q8_0 до IQ1_M. Доступны версии размером примерно от 23,74 до 77,26 ГБ; варианты Q6_K, Q5_K_M, Q5_K_S и Q4_K_M отмечены как рекомендуемые с точки зрения сочетания качества и требований к памяти. Поддерживаются английский и китайский языки. README не содержит сведений об архитектуре, длине контекста, мультимодальности или дополнительных языках, поэтому модель следует рассматривать как текстовую. Сильная сторона модели — специализация на медицинской тематике и наличие широкого выбора квантизаций для локального запуска, в том числе через llama.cpp и LM Studio. Ограничения связаны с компромиссом между качеством и размером при использовании низкобитных вариантов, а также с отсутствием в предоставленных данных результатов бенчмарков и гарантий медицинской точности; ответы требуют проверки специалистом. Модель и её квантизированные версии распространяются по лицензии Apache-2.0.

Карточка модели localized-ft/Llama-3.1-8B-risky-financial-advice-inoculation-prompting-seed3 на Hugging Face совпадает с карточкой localized-ft/Llama-3.1-8B-risky-financial-advice-first-third-sft-seed4, поэтому описание составлено по ней. Модель разработана localized-ft как дообученная версия unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная Llama 3.1 с 7,5 млрд параметров для генерации текста и диалогов; модель принимает текст и формирует текстовые ответы. Указанный размер контекстного окна — до 131 072 токенов. Дообучение выполнено с использованием Unsloth и библиотеки TRL. Название репозитория указывает на настройку для выдачи рискованных финансовых советов от первого и третьего лица, однако README не описывает обучающие данные, поведение или результаты оценки модели. Модель распространяется по лицензии Apache-2.0.

Shankarblr создал специализированную инструктивную модель на основе Llama 3.2 3B Instruct для технического маркетинга и документации в области полупроводников и межсоединений дата-центров. Это плотная авторегрессионная модель на 3,2 млрд параметров, дообученная методом QLoRA и объединённая с базовыми весами в fp16; заявленный контекст — 131 072 токена. Репозиторий также описывает вариант Q4_K_M GGUF для запуска через Ollama или llama.cpp. Модель предназначена для черновиков описаний продуктов, списков характеристик, прикладных заметок, разделов руководств для сетевых адаптеров, коммутаторов, DPU и адаптеров хранения, а также для извлечения спецификаций и ответов по предоставленному фрагменту текста. README указывает английский язык и рекомендует использовать шаблон чата Llama 3.2 Instruct; качество ответов на вопросы по источнику зависит от специального системного промпта. Модель выдерживает заданный стиль документации, но может смешивать характеристики разных поколений продуктов, выдумывать SKU и команды CLI. Сгенерированные числа, спецификации и флаги нужно сверять с первоисточниками; модель не предназначена для готовых к публикации спецификаций или общего чата вне своей предметной области. Лицензия — Llama 3.2 Community License.

CXR Draft Auditor v1 — дообученная Александаром Филипповым мультимодальная модель на базе Google MedGemma 1.5 4B IT. Это модель Gemma 3 с архитектурой для генерации текста по изображениям; её настроили извлекать из рентгенограмм грудной клетки ограниченный набор находок и возвращать их в структурированном JSON с приблизительными ограничивающими рамками. Модель принимает изображение рентгенограммы и текстовый запрос, выдаёт текст с описанием находок и координатами рамок. Она рассчитана на англоязычные сценарии исследования и обучения, например эксперименты с сопоставлением находок на снимке и чернового заключения. Черновой текст не входил в цель дообучения: модель не предназначена для его разбора. Модель выпущена под лицензией Health AI Developer Foundations (HAI-DEF), условия которой запрещают клиническое применение. Версия v1 сохранена для справки и воспроизводимости, но демо-сервис перешёл на v2. Модель часто ошибается: может пропускать или выдумывать находки, а рамки могут указывать на неверную область. Набор меток ограничен шестью находками, а качество на снимках за пределами узкого распределения обучения неизвестно и, вероятно, низкое. Модель нельзя использовать для диагностики, скрининга, сортировки пациентов или принятия решений о лечении.

MediPhi-Clinical — языковая модель Microsoft Healthcare & Life Sciences для клинических и медицинских задач на английском языке. Это плотная авторегрессионная модель архитектуры Phi-3, дообученная на клинических текстах и объединённая с базовой моделью методом SLERP с коэффициентом 25%. Она содержит 3,7 млрд параметров, поддерживает диалоговый режим и контекст до 4096 токенов; распространяется в формате Safetensors. Модель предназначена для исследований и benchmarking в клинической обработке естественного языка, в том числе в средах с ограничениями по памяти, вычислительным ресурсам и задержке. Она может помогать анализировать клинические записи и отвечать на вопросы по медицинским текстам, но не заменяет проверку специалистом и не подходит для принятия медицинских решений без отдельной оценки и защитных мер. Основной язык модели — английский; качество и безопасность на других языках могут быть ниже. Модель может выдавать недостоверные, устаревшие или предвзятые ответы и терять последовательность в длинных диалогах. Лицензия — MIT.