IV.5Образование и развитие навыков

youngseok12 выпустил A.X-3.1-Light Specialist LoRA Merge — самостоятельную языковую модель на 6,8 млрд параметров на базе SK Telecom A.X-3.1-Light. Три LoRA-адаптера, обученные для отдельных направлений, объединены методом DARE-TIES с равными весами и плотностью 0,5; итоговые веса сохранены в BF16 Safetensors, поэтому отдельный адаптер для запуска не нужен. Модель использует исходный шаблон чата базовой модели и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации кратких ответов в формате «ответ сначала» на корейские вопросы с выбором одного из четырёх вариантов. Специализации охватывают медицинские знания, числовое рассуждение и причинно-следственный анализ; карточка сообщает о проверке формата ответов на отложенной выборке публичных бенчмарков. Лицензия обозначена как other, конкретные условия в предоставленных данных не раскрыты.

AynEngine Sovereign Qwen3-0.6B Mantiq — компактная языковая модель enver, дообученная на базе Qwen/Qwen3-0.6B для морфологии классического арабского языка (ṣarf) и дедуктивной логики мантик. Обучение включало supervised fine-tuning и Direct Preference Optimization, направленные на распознавание корректных доказательств и снижение предпочтения софизмов и круговых рассуждений. Модель содержит 517 млн параметров, использует плотную архитектуру Qwen3ForCausalLM, поддерживает контекст до 40 960 токенов и предназначена для диалоговой генерации текста. В README заявлены расширенный словарь из 160 807 токенов и сценарии локального запуска на устройствах с ограниченными ресурсами; модельные файлы представлены в safetensors. Карточка указывает поддержку арабского и английского языков, а специализированные задачи относятся прежде всего к классическому арабскому. Модель подходит для извлечения арабских корней, морфологического анализа и разбора логических доказательств. README сообщает о результатах внутренних бенчмарков, включая точность извлечения корней 84,21%, но эти показатели не подтверждены независимой оценкой. Из-за небольшого размера модель ограничена в сложной генерации и может пропускать тонкие круговые софизмы. Лицензия указана как other; конкретные условия использования в предоставленных данных не раскрыты.

Minbyul разработала эту диалоговую модель на основе BioMistral-7B и дообучила её методом SFT на наборе HuggingFaceH4/deita-10k-v0-sft. Это плотная языковая модель архитектуры Mistral с 7,1 млрд параметров, рассчитанная на генерацию ответов на текстовые запросы. Её можно использовать в чат-сценариях, в том числе для вопросов по медицине и биологии. Модель поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors по лицензии Apache-2.0. В README приведено значение loss 1,7672 на оценочном наборе, но подробности оценки, качества и ограничения не раскрыты.

春华（Chunhua）是基于 BLOOM 的古汉语问答模型，由 wptoux 发布。模型使用 Scripta Sinica 古籍文本进行微调，并结合 BELLE 项目生成的中文指令数据，以增强对话能力。仓库标记其架构为 BLOOM，содержит 9,1 млрд параметров; поддерживает генерацию текста с контекстом до 2048 токенов и распространяется в формате PyTorch. Модель предназначена для ответов на вопросы по классическим китайским текстам, объяснения их смысла и обсуждения китайской истории, философии, литературы, медицины и традиционных искусств. В примерах также показаны перевод на английский и создание стихов по заданной теме. Карточка рекомендует передавать запросы в формате, основанном на ChatML. Модель ориентирована прежде всего на китайский язык и специализируется на классическом китайском, но примеры показывают и ограниченную работу с английским. Ответы могут содержать фактические ошибки или предвзятость. Лицензия репозитория — Apache-2.0; при этом README указывает, что датасет BELLE и производные от него разрешены только для исследовательского использования и не для коммерческого применения, поэтому условия использования модели следует сверять с условиями этого датасета.

CeLLaTe — дообученная модель семейства BERT для предсказания пропущенных токенов в тексте. Она основана на bioformers/bioformer-16l и дообучена разработчиком Mardiyyah на наборе Mardiyyah/TAPT_CeLLaTe2.0. Модель содержит 51,3 млн параметров, использует архитектуру BertForMaskedLM и принимает последовательности длиной до 1024 токенов. Основная задача — восстановление замаскированных слов и токенов. На указанном в карточке наборе оценки модель показала loss 1,4695, accuracy 0,7180 и perplexity 4,3469. Карточка не описывает подробнее назначение набора данных и ограничения модели, поэтому результаты не подтверждают качество для конкретных медицинских или иных прикладных сценариев. Лицензия — Apache-2.0.

Children's Stories Anime — модель генерации изображений из текста от Zovya, доступная в формате Diffusers. Веса содержат встроенный VAE Waifu 1.4, который, по описанию автора, улучшает насыщенность изображений. Модель предназначена для создания иллюстраций в аниме-стиле для детских историй. Модель опубликована в формате safetensors и распространяется по лицензии CreativeML OpenRAIL-M. В карточке не приведены сведения о размере модели, контекстном окне и поддерживаемых языках; эти характеристики здесь не указаны.

Chess style labeler от LegumMagister — текстовая модель, которая по ходам одной шахматной партии и набору измеренных характеристик позиции создаёт пять англоязычных описаний стиля игрока разной длины. Модель основана на Gemma 3 1B Instruct и полностью дообучена на примерно 2,4 млн чистых наборов меток, сгенерированных Gemma-4-31B; доступны также отдельные «грязные» веса для сравнения и воспроизведения эксперимента. Модель предназначена для разметки шахматных партий, подготовки стилевых меток для обучения шахматных моделей и анализа того, как игрок действовал в конкретной игре. Она принимает текстовое описание игры и признаков доски, обрезая вход до последних 2048 токенов; средний размер входа составляет около 650 токенов. Выход — пять строк с формулировками от краткой метки до развёрнутого описания. Поддерживаются стандартные шахматы и английский язык. Авторы сообщают, что чистая версия противоречит измеренным данным примерно в 0,5% меток; оценка основана на статистиках позиции, а не на анализе шахматного движка. Лицензия — Gemma.

JetBrains разработала DeepSeek Coder 6.7B Kexer — плотную языковую модель для генерации кода, дообученную на синтетическом наборе Kotlin Exercices. Модель содержит 6,6 млрд параметров, использует архитектуру семейства Llama и запускается через Transformers; максимальная длина контекста — 16 384 токена. Модель предназначена прежде всего для решения задач по Kotlin в формате HumanEval: генерации функций и дополнения кода. Она поддерживает заполнение пропусков в коде по схеме FIM. На Kotlin HumanEval указана доля успешно решённых задач 55,28% против 40,99% у базовой DeepSeek Coder 6.7B. Дообучение проводилось на 15 тысячах синтетических примеров, содержащих около 3,5 млн токенов. За пределами формата задач по Kotlin ответы могут быть неточными или нежелательными, а приведённая оценка не гарантирует качество в других сценариях. Модель распространяется по лицензии Apache-2.0.

HyperCLOVA X SEED Think-14B Base-correct Minimal SFT — корейскоязычная плотная языковая модель на 14,1 млрд параметров, разработанная на базе naver-hyperclovax/HyperCLOVAX-SEED-Think-14B. Это самостоятельная BF16-модель в формате safetensors: адаптер LoRA малого ранга дообучен на 1 725 примерах из набора AI Hub 71875 по медицинским вопросам и ответам, затем объединён с базовыми весами. Сохранён официальный шаблон диалога HyperCLOVA X; модель поддерживает текстовую генерацию и диалоговый режим, а её базовый контекст составляет 131 072 токена. Модель предназначена для контролируемой оценки ответов на корейские медицинские вопросы с выбором правильного варианта A–D, в том числе в областях внутренней медицины, акушерства и гинекологии, педиатрии и неотложной помощи. Обучающие цели — золотые метки ответов, а не ответы базовой модели; публичные бенчмарки при обучении не использовались. Дообучение выполнено на небольшом наборе примеров, поэтому модель имеет экспериментальный характер и может допускать фактические ошибки или ошибочные рассуждения. Она не заменяет профессиональную медицинскую консультацию. Лицензия указана как other; применяются ограничения допустимого использования HyperCLOVA X и условия исходных данных AI Hub.

HyperCLOVA X SEED Think 14B Success-Consolidation — производная плотная языковая модель на 14,1 млрд параметров от Naver HyperCLOVA X SEED Think 14B. Три LoRA-адаптера для направлений K/R/C дообучены на примерах, которые базовая модель уже решала правильно, а затем объединены методом TIES; получена самостоятельная модель в BF16 и формате safetensors с сохранённым шаблоном чата HyperCLOVA X. Модель предназначена для генерации текста и диалогов, в частности для задач рассуждения и вопросов с выбором ответа на корейском языке. В README описаны обучающие выборки по медицинским знаниям, числовому рассуждению и причинно-следственным связям. Размер контекста — 131 072 токена. Проверка генерации охватила 24 примера; результаты не устанавливают качество на более широком круге задач. Модель распространяется по лицензии `other`; условия необходимо сверить с лицензией базовой модели и репозитория. Это исследовательская производная работа с небольшими специализированными обучающими выборками, поэтому заявленные свойства не следует трактовать как подтверждение общей надёжности в указанных областях.

Is This Art? — модель для генерации изображений по текстовому описанию, созданная объединением SamaritanDoesArt и Stuff. Она предназначена для творческих иллюстраций и изображений с художественной стилизацией; примеры охватывают аниме-персонажей, портреты животных, чиби, еду и натюрморты. Модель распространяется в формате Diffusers и Safetensors, использует StableDiffusionPipeline и принимает текстовые запросы, выдавая изображения. Модель опубликована под лицензией CreativeML OpenRAIL-M. В README указано, что при объединении весов реализм уступил место большей креативности.

LlamaTron-RS1-MedThinker — медицинская языковая модель, разработанная Rumiii и дообученная на Meta Llama 3.2 1B Instruct. Это плотная авторегрессионная модель семейства Llama с 1,2 млрд параметров и контекстом до 131 072 токенов; она принимает текст и генерирует текстовые ответы на английском языке. Для дообучения использован набор OpenMed/Medical-Reasoning-SFT-Trinity-Mini с медицинскими примерами рассуждений. Модель предназначена для исследовательских и учебных сценариев, связанных с клиническими вопросами: она формирует дифференциальный диагноз, объясняет клиническую логику, предлагает приоритетные шаги лечения с дозировками и перечисляет признаки для эскалации помощи. Ответы рассчитаны на структурированное представление из четырёх частей: диагноз, рассуждение, немедленное лечение и тревожные признаки. Для более надёжного соблюдения этого формата README рекомендует включать в запрос один пример. Модель не заменяет профессиональную медицинскую консультацию, диагностику или решения о лечении; её выводы должны проверяться квалифицированным медицинским специалистом. Распространяется по лицензии Llama 3.2.

CalebE/mentalhealth-llama3.1-8b-SFT — языковая модель CalebE, дообученная методом SFT на базе unsloth/meta-llama-3.1-8b-bnb-4bit с использованием Unsloth и Hugging Face TRL. Модель относится к семейству Llama, использует плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров. Она предназначена для генерации текста; название указывает на специализацию в теме психического здоровья, но карточка не описывает конкретные сценарии или состав обучающих данных. Модель принимает текст и генерирует текст. В метаданных указаны английский язык и контекст длиной до 131 072 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0; качество ответов по темам психического здоровья и пригодность для клинического применения в карточке не подтверждены.

OneEmo — мультимодальная модель рассуждений для распознавания эмоций и взаимодействия в видеосценариях, разработанная авторами проекта OneEmo. Она объединяет восемь задач: распознавание эмоций и намерений, анализ тональности, понимание юмора и сарказма, а также генерацию эмпатичных ответов и поддерживающий диалог. Модель основана на плотной архитектуре Qwen3.5 и дообучена на OneEmo-Base с использованием Emo-World-130K и стратегии Emo-Chord. Модель принимает видео и текстовые инструкции, а выдаёт текстовые метки, анализ и ответы. Карточка описывает поддержку английского и китайского языков; для запуска приведена конфигурация с обработкой до 16 кадров видео и максимальной длиной контекста 32768 токенов. Модель предназначена для исследовательских и прикладных систем эмоциональных вычислений, анализа социальных сигналов и диалоговых приложений. Предсказания эмоций могут отражать культурные стереотипы и хуже работать на языках, культурах и сценариях, недостаточно представленных в обучении; качество снижается при плохом видео и шумных транскриптах. Сгенерированные ответы поддержки могут быть небезопасными или некорректными, а цепочка рассуждений не гарантирует правильности. Модель не предназначена для диагностики, решений с высокими ставками, наблюдения или манипулятивного применения. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но не коммерческое использование.

OpenHermes-2.5-Strix-Philosophy-Mistral-7B-LoRA — дообученная с помощью LoRA версия модели OpenHermes-2.5-Mistral-7B, разработанная пользователем sayhan. Модель предназначена для генерации текста и ответов на вопросы, связанные с философией; в качестве обучающего набора использован sayhan/strix-philosophy-qa. Указан английский язык. Модель основана на архитектуре Mistral с 7B параметров. При дообучении использовались Rank-Stabilized LoRA с rank 8, alpha 16 и без dropout; адаптеры применялись к проекциям внимания и основным проекциям MLP. Обучение проводилось в течение 3 эпох с learning rate 1e-5, batch size 2 и gradient accumulation steps 4. Данные о модальностях, размере контекста, точных возможностях базовой модели и количественных результатах оценки не указаны. Сильной стороной модели является специализация на философской тематике при сохранении основы OpenHermes-2.5-Mistral-7B. Ограничения включают отсутствие опубликованных сведений о качестве на тестовых наборах, поддерживаемых языках помимо английского и фактических характеристиках инференса. Модель распространяется по лицензии Apache-2.0.

RedSage-K-SFT-GRPO — модель RISys-Lab при Khalifa University для преобразования англоязычных запросов в команды Kali Linux и Linux в сценариях кибербезопасности. Это дообученная версия RedSage-K-SFT: к supervised fine-tuning добавлено обучение с подкреплением GRPO на проверяемых оценках KaliBench. Модель построена на архитектуре Qwen3ForCausalLM, содержит 7,6 млрд параметров, принимает текст и имеет контекстное окно 32 768 токенов. Модель предназначена для генерации одной команды по запросу, в том числе с ограничением списка доступных инструментов или с подсказкой по целевому инструменту и его документации. В KaliBench она показала средний Total Score 79,2% на тестовой выборке из 5 000 примеров; качество зависит от режима запроса. Оценка команд выполнялась по структуре без их запуска, поэтому результаты не подтверждают успешность исполнения в конкретной среде. Модель рассчитана на исследования, обучение и помощь с командами в авторизованных средах. Лицензия в предоставленных данных не указана.

Tiny Knight-1.1b-v0.1 — компактная разговорная языковая модель на архитектуре Llama, созданная для генерации текстов о рыцарях, Средневековье и фэнтезийных мирах. Разработчик дообучил её на основе TinyLlama-1.1B-Chat-v1.0; модель содержит около 1 млрд параметров и рассчитана на работу в условиях ограниченных вычислительных ресурсов. Модель подходит для создания тематических рассказов, учебных материалов и текстов для исследования средневековых сюжетов. Подробный контекст в запросе помогает получать более подходящие и атмосферные ответы. Родной размер контекста — 2048 токенов; в репозитории представлены веса Safetensors. Основной язык карточки — английский. Модель специализирована на рыцарской и средневековой тематике и может хуже справляться с общими задачами, особенно требующими подробных знаний за пределами этой области. Лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Карточка модели FreedomIntelligence/Apollo-6B на Hugging Face совпадает с карточкой FreedomIntelligence/Apollo-1.8B, поэтому описание составлено по ней. Apollo-1.8B — языковая модель семейства Qwen, представленная проектом FreedomIntelligence для работы с медицинскими текстами и вопросами. Она предназначена для генерации ответов в формате диалога и охватывает медицинские знания на нескольких языках. Модель содержит 2,3 млрд параметров, использует плотную архитектуру QWenLMHeadModel и поддерживает контекст до 8192 токенов. В карточке описаны английский и китайский наборы медицинских тестов, а также оценки на испанском, французском, хинди и арабском; для обучения упоминаются данные на английском, китайском, испанском, французском и хинди. Модель можно применять для ответов на медицинские вопросы и учебных задач по медицинским знаниям. В README приведены наборы для обучения и оценки, но нет подробных результатов, поэтому качество на конкретных задачах по этой карточке определить нельзя. Модель распространяется по лицензии Apache-2.0.

AraUni Granite 311M Intent Classifier — модель Najah University для многометочной классификации намерений в вопросах арабского университетского чат-бота. Она присваивает одному вопросу ноль, одну или несколько меток из набора из 20 университетских категорий, чтобы направлять запрос к подходящему сценарию обработки. Это не генеративная модель и не источник ответов на вопросы. Модель дообучена на энкодере IBM Granite Embedding 311M Multilingual R2 с классификационной головой: используются pooling первого токена, dropout и независимые sigmoid-выходы. Максимальная длина входа — 256 токенов. Доступны веса SafeTensors и варианты ONNX для серверного CPU, мобильных устройств и локального выполнения в браузере. Модель ориентирована на арабский язык; лицензия — Apache-2.0. Выпуск v0.4.1 имеет статус preview. Обучающие, валидационные и тестовые примеры полностью синтетические, поэтому высокие оценки на тесте не гарантируют качества на реальных пользовательских запросах. Перед применением нужно проверить модель на репрезентативных реальных данных; её оценки sigmoid не являются гарантированно калиброванными вероятностями. Для загрузки через AutoClass следует изучить пользовательский код модели и закрепить проверенную ревизию.

Minbyul дообучил BioMistral-7B на наборе HuggingFaceH4/deita-10k-v0-sft для генерации текста в формате диалога. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров; базовая BioMistral-7B обучалась на биомедицинских текстах для ответов на медицинские и биологические вопросы. Модель можно применять для диалоговых ответов на медицинские и биологические вопросы, однако README не описывает её специализированное назначение, качество или ограничения. Контекст составляет до 32 768 токенов. Лицензия — Apache-2.0.

DCUNet-модель, обученная Joris Cosentino с использованием рецепта Asteroid для задачи enh_single на наборе Libri1Mix. Она предназначена для улучшения речи в аудиозаписях с одним целевым говорящим. Архитектура — Large-DCUNet-20; модель обрабатывает аудио с частотой 16 кГц, используя STFT с 1024 фильтрами, окном 1024 и шагом 256. В конфигурации указаны сегменты обучения длиной 3 секунды и один целевой источник. Модель применима для очистки речи от фоновых помех и разделения речи в смесях с одним целевым говорящим. Она обучена на Libri1Mix, поэтому описание подтверждает сценарий улучшения речи на данных этого набора, но не гарантирует качество на других типах шума и аудиозаписей. В метаданных указан формат PyTorch. Лицензия модели — CC BY-SA 4.0; README также сообщает об использовании исходных данных с условиями CC BY 4.0 и CC BY-NC 4.0, включая ограничение Research only для WSJ0 Hipster Ambient Mixtures.

nguyentd/FinancialAdvice-Qwen2.5-7B — языковая модель Qwen2 с плотной архитектурой Qwen2ForCausalLM и 7,1 млрд параметров, дообученная разработчиком nguyentd на вопросах и популярных ответах из сообщества Reddit r/AskEconomics. Она предназначена для генерации ответов на вопросы об экономике и личных финансах, объяснения экономических принципов и событий, а также помощи в разборе экономических обсуждений. Модель принимает текст и выдаёт текст; карточка указывает английский язык. Контекст составляет до 32 768 токенов. Модель подходит для информационных консультаций по макроэкономике, микроэкономике, инвестициям, личным финансам и связанным с экономикой карьерным вопросам. Она может воспроизводить предвзятости и субъективные мнения источника обучения, ошибаться и хуже справляться с узкоспециализированными темами. Её ответы не заменяют консультацию квалифицированного финансового специалиста, а сведения следует проверять. Весы доступны по лицензии Apache-2.0.

Game-RL-Qwen2.5-VL-7B — мультимодальная модель OpenMOSS-Team для ответов на вопросы и рассуждений по изображениям. Она получена дообучением Qwen/Qwen2.5-VL-7B-Instruct методом GRPO на 5 тысячах примеров GameQA-5K, отобранных из синтезированного набора GameQA-140K. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2.5-VL и поддерживает контекст до 128 тысяч токенов. Модель предназначена для визуальных вопросов и рассуждений; авторы сообщают об улучшении обобщения на задачи за пределами обучающих данных и приводят результаты оценки на общих бенчмарках компьютерного зрения. Веса опубликованы в формате safetensors для библиотеки Transformers. Лицензия — Apache-2.0.

yashm/gemma4-12b-bioinfo — дообученная модель на основе Gemma 4 12B Instruction от Google DeepMind, предназначенная для ответов на вопросы по биоинформатике, геномике и вычислительной биологии. Адаптер LoRA обучен методами QLoRA и SFT, затем объединён с базовой моделью; репозиторий содержит веса для прямого использования через Hugging Face Transformers. Модель рассчитана на помощь в исследованиях и обучении, включая работу с транскриптомикой, протеомикой, анализом последовательностей, биологическими базами данных и распространёнными биоинформатическими инструментами. Архитектура Gemma 4 Unified поддерживает мультимодальные входы, однако карточка этой производной модели описывает прежде всего ответы на текстовые вопросы. Лицензия — Gemma. Модель не является медицинским устройством и не предназначена для диагностики, выбора лечения или профессиональных медицинских рекомендаций.

Gemma-SEA-LION-v3-9B-IT-Cebuano — модель Lucas Joyce, созданная слиянием базовой Gemma-SEA-LION-v3-9B-IT и LoRA-адаптера для словарных запросов на Cebuano (Binisaya). Это плотная авторегрессионная модель Gemma 2 примерно на 9,3 млрд параметров; она принимает текст и генерирует ответы, в том числе переводы и толкования слов на Cebuano и английском. Контекст составляет 8192 токена, веса доступны в формате safetensors, адаптер уже объединён с базовой моделью. Модель предназначена прежде всего для поиска английских значений Cebuano-слов по словарным данным, собранным из двух источников, включая словарь John U. Wolff и данные Wiktionary. Авторы указывают, что точность зависит от формулировки запроса: редкие слова и перефразированные вопросы могут приводить к уверенным, но неверным толкованиям; ответы следует проверять по словарю. Глоссы могут быть длинными и неудобными для изучающих язык, а модель склонна придумывать значения для несуществующих слов. Для лучших результатов рекомендуется использовать шаблонные формулировки и низкую температуру генерации. Лицензия модели — Gemma Terms of Use; повторное использование данных Wiktionary требует атрибуции и соблюдения CC BY-SA 4.0.

AG2307/gpt2-finetuned-latex — модель генерации текста на базе архитектуры GPT-2, дообученная для работы с LaTeX. Она предназначена для авторов технических и научных документов, которым требуется автоматически продолжать или создавать фрагменты LaTeX-кода: формулы, структуры документов и другие текстовые элементы разметки. Модель используется через библиотеку Transformers и поддерживает контекст длиной до 1024 токенов. Её сильная сторона — специализированная генерация LaTeX-текста вместо универсального продолжения текста. README не содержит сведений о разработчике, обучающем наборе данных, размере модели, поддерживаемых естественных языках, результатах оценки или лицензии, поэтому применять её в критически важных сценариях следует с проверкой результата.

youngseok12/HCX-SEED-Think-14B-specialist-r1-ta_sum — слитая версия HyperCLOVAX-SEED-Think-14B, подготовленная разработчиком youngseok12. Три LoRA-адаптера для корейских медицинских знаний, числового машинного чтения и причинно-следственных рассуждений объединены методом Task Arithmetic с линейными весами 1.0. Итоговая плотная модель содержит 14,1 млрд параметров и распространяется как самостоятельные BF16-веса safetensors, поэтому отдельный адаптер для запуска не нужен. Модель предназначена для генерации ответов в формате диалога и выбора одного варианта из четырёх с кратким ответом в начале. Карточка сообщает о тестировании формата на 240 примерах публичных бенчмарков: ответ был указан во всех генерациях, средняя длина составила 20 токенов. Обучающие данные для трёх адаптеров включали по 3000 примеров; публичные тестовые наборы напрямую не использовались. Контекстная длина базовой модели — 131072 токена. Основной язык карточки — корейский. Автор позиционирует модель для исследований и оценки; её ответы могут быть неточными, поэтому она не подходит как единственное основание для медицинских, юридических или финансовых решений. Лицензия указана как other, без дополнительных условий в предоставленных данных.

JSL-MedLlama-3-8B-v1.0 — медицинская языковая модель, разработанная John Snow Labs путём дообучения Meta-Llama-3-8B. Она предназначена для генерации текста и ответов на медицинские вопросы; карточка приводит результаты оценки на MedMCQA и других задачах группы STEM. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 8192 токенов; для хранения используются веса Safetensors. Модель подходит для медицинских текстовых сценариев, например подготовки ответов на вопросы и поддержки исследовательских оценок. В приведённой оценке точность на MedMCQA составляет 0,5563. Карточка не описывает языковой охват и конкретные ограничения клинического применения. Лицензия CC-BY-NC-ND 4.0; для коммерческого использования John Snow Labs предлагает обратиться за отдельной лицензией.

LittleGoldenBook — модель text-to-image от автора lucataco, обученная методом DreamBooth на базе Diffusers для воспроизведения стиля старых детских книг. Для генерации изображений достаточно добавить к текстовому запросу фразу «in littlegoldenbook style». Это экспериментальная пробная модель стилевого переноса; сведения об архитектуре базовой модели и поддерживаемых языках в карточке не приводятся. Репозиторий содержит веса в форматах Diffusers и PyTorch и распространяется по лицензии MIT.

SoulX-LiveAct — модель и система генерации анимационных видео с участием человека, разработанная командой Soul-AILab. Она создаёт потоковое видео в реальном времени под мультимодальным управлением; репозиторий основан на Wan2.1 I2V-14B-480P и включает дополнительный аудиомодуль. В README описаны генерация при 720×416 или 512×512, а также режим для потребительских видеокарт RTX 4090 и RTX 5090. Для последовательной генерации применяются Neighbor Forcing — согласование соседних латентов на шагах диффузии — и ConvKV Memory, механизм сжатия памяти для длительной генерации. По заявлению авторов, система достигает 20 кадров в секунду на двух GPU H100/H200; для 18B-модели указана скорость 6 кадров в секунду на одной RTX 5090. Модель предназначена для потоковой анимации человека в сценариях вроде подкастов, музыкальных шоу и видеозвонков. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. README сообщает, что FP8 KV-кэш может немного снижать качество, а код обучения пока не опубликован. Для запуска на описанных конфигурациях требуется подходящее GPU-оборудование и программные зависимости проекта.