IV.5Образование и развитие навыков

secgpt1_5 — языковая модель, разработанная w8ay для ответов на вопросы и генерации текста по теме кибербезопасности. В README указано, что модель обучена на данных по сетевой безопасности и основана на Qwen 14B; метаданные описывают её как плотную Qwen-архитектуру с 21,8 млрд параметров и контекстом 8192 токена. Репозиторий содержит веса safetensors и рассчитан на работу через Transformers и PEFT. Модель предназначена для специализированных запросов по кибербезопасности, включая обсуждение сетевой безопасности и материалов из соответствующих обучающих наборов. Карточка отмечает, что коммерческие модели часто ограничивают ответы на такие темы, тогда как эта модель обучена на профильных данных. Поддерживаемый язык по карточке и тегам — китайский. Лицензия — Apache-2.0. Для запуска README рекомендует не менее 30 ГБ видеопамяти, оптимально 35 ГБ; это ориентир автора для указанной конфигурации. Карточка не приводит оценок качества или подробных тестов, поэтому точность ответов и пригодность для практических задач безопасности не подтверждены.

SejongKRX разработала Sejong-Qwen-v5 — дообученную плотную авторегрессионную языковую модель семейства Qwen2 размером 7,1 млрд параметров на базе unsloth/qwen2.5-7b-bnb-4bit. Модель предназначена для генерации текста; пример в карточке связан с вопросом о временной стоимости денег, а среди источников обучающих данных названы Wikipedia и открытые данные Банка Кореи. Модель принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов. В метаданных указан английский язык, а пример и описание обучающих данных в карточке на корейском; вероятно, модель ориентирована на корейские финансовые вопросы, однако ширина её языковой поддержки в карточке не описана. Репозиторий распространяется по лицензии Apache-2.0.

RavenOnur/Sign-Language — классификатор изображений на базе Vision Transformer (ViT), автоматически созданный с помощью HuggingPics. Модель предназначена для классификации изображений жестового языка по категориям. Модель содержит 113,2 млн параметров и опубликована в формате PyTorch. Карточка не уточняет набор жестов, используемые языки жестов, состав обучающих данных и точность, поэтому применимость к конкретному языку или условиям съёмки следует проверять отдельно.

Prince Nasamu Alhassan разработал эту модель для автоматического распознавания речи на языке тви. Это продолжение tekyerema-asr-ctc: модель Wav2Vec2BertForCTC размером 402,7 млн параметров дообучалась на прежних весах в течение 796 шагов. Для распознавания аудио подают в формате моно, 16 кГц; модель выдаёт текстовую расшифровку. Модель предназначена для транскрибации речи на тви, в том числе в финансовых, религиозных и других обучающих доменах. На тестах внутри доменов, представленных в обучении, автор сообщает улучшение относительно v1, однако на отложенных чистых наборах результат почти не изменился. Оценка основана на чтении и машинном переводе, поэтому не отражает надёжно распознавание естественных телефонных команд и смешанной речи. Это исследовательская работа для хакатона, не поддерживаемый продукт; в описанной системе она не подключена, и там продолжает использоваться v1. Лицензия модели — CC BY-NC 4.0. Обучающие данные Twi использованы с разрешения Farmerline только для некоммерческих исследований.

Lauriane Mbagdjé Dorenan разработала эту модель на базе Vision Transformer ViT-Base с патчами 16×16, дообучив google/vit-base-patch16-224 для классификации изображений кожи по 22 дерматологическим категориям, включая акне, экзему, псориаз, витилиго, бородавки и рак кожи. Модель принимает изображения размером 224×224 и выдаёт класс заболевания. В метаданных указаны архитектура ViTForImageClassification и 113,2 млн параметров; README приводит оценку около 86 млн параметров. Модель предназначена для исследований в компьютерном зрении и дерматологии, обучения и сравнения методов многоклассовой классификации. Её можно использовать как основу для дальнейшего дообучения или прототипов объяснимости, но предсказания не подходят для постановки диагноза или выбора лечения. Разработчик указывает риски смещения по тону кожи, освещению и устройству съёмки, ограниченность примеров некоторых классов и отсутствие клинической валидации. Лицензия — Apache-2.0; README ограничивает назначение исследовательскими и образовательными сценариями.

cerspense/zeroscope_v1_320s — версия модели Text-to-Video на основе исходных весов ModelScope, переобученная автором карточки. Она предназначена для создания коротких видео по текстовому описанию; модель обучалась на подмножестве Vimeo-90K и подборке музыкальных клипов. Репозиторий использует Diffusers и формат PyTorch, задача в метаданных — text-to-video. Автор указывает разрешение обучения 320×320 и отсутствие пропуска кадров, что должно уменьшать мерцание. Модель распространяется по лицензии CC BY-NC 4.0, которая требует указания авторства и запрещает коммерческое использование.

A.X-3.1-Light Specialist-300 TIES — SKT의 A.X-3.1-Light 기반 6.8B 파라미터 Llama 계열 대화형 모델입니다. 세 개의 LoRA 어댑터를 각각 300개 행으로 한국어 의학 지식, 숫자 연산 기반 기계 독해, 인과 추론에 맞춰 지도 미세 조정한 뒤 TIES 방식으로 병합했습니다. 결과는 별도 어댑터 없이 사용할 수 있는 BF16 safetensors 가중치입니다. 모델은 주로 한국어 추론 과제를 위한 연구 및 평가에 쓰이며, 최대 контекст 32 768 токенов. 학습 наборы включают KMMLU-Pro, MuSR(Ko) и Com2-main(Ko); карточка отмечает корейский язык. Репозиторий доступен по лицензии Apache-2.0. Это экспериментальная сборка для проверки того, улучшает ли объединение специалистов результат по сравнению с базовой моделью. Объём дообучения невелик — 300 примеров на каждый компонент, а ожидаемый эффект слияния пока не подтверждён результатами лидерборда. README предупреждает, что ответы могут быть неточными и не должны служить единственным основанием для решений с высокими последствиями.

Minbyul/biomistral-7b-wo-live_qa-sft — дообученная модель семейства Mistral, созданная на основе BioMistral/BioMistral-7B с использованием набора HuggingFaceH4/deita-10k-v0-sft. Она предназначена для генерации текста в диалоговом формате; медицинская специализация унаследована от базовой BioMistral-7B. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Модель можно применять для диалоговых ответов на медицинские и биологические вопросы и других сценариев генерации текста. В README приведено значение loss 1,7868 на оценочном наборе, но не описаны протокол оценки и практическое качество ответов. Лицензия — Apache-2.0.

CeLLaTe-tapt-bioformer8l-tokenizer-original-wwmask — англоязычная модель Mardiyyah для восстановления замаскированных токенов в тексте. Это дообученная на наборе Mardiyyah/TAPT_CeLLaTe2.0 модель bioformers/bioformer-8l с архитектурой BERT и головой BertForMaskedLM. Она содержит 50,3 млн параметров, принимает текстовые последовательности длиной до 512 токенов и выдаёт предсказания пропущенных токенов. В оценке на тестовом наборе указаны accuracy 0,7194, loss 1,3721 и perplexity 3,9435. Модель опубликована под лицензией Apache-2.0.

tiantiaf/childvox-ReCANVo-whisper-base — модель классификации детских вокализаций, разработанная для бенчмарка ChildVox и дообученная Tiantian Feng на наборе данных ReCANVo поверх openai/whisper-base. Она принимает аудио и относит вокализации к шести категориям: delighted, dysregulated, frustrated, request, self-talk и social. Модель рассчитана на анализ детской речи и вокализаций, включая записи молодых взрослых; базовая архитектура — Whisper Base, библиотека — Transformers. Модель может применяться для исследовательской классификации аудиозаписей по типу вокализации. Репозиторий распространяется по лицензии OpenRAIL, а карточка запрещает коммерческое использование. Детские аудиозаписи требуют строгого соблюдения приватности, согласия семей, этического одобрения и применимых законов. Модель не предназначена для клинической диагностики, индивидуальной оценки развития без экспертной проверки, слежки или вторжения в частную жизнь.

Модель ECG-Instruct-Llama-3.2-11B-Vision разработана Нандакишором М. и Анджали М. из Convai Innovations. Это дообученная с помощью LoRA мультимодальная модель Llama 3.2 Vision, предназначенная для интерпретации изображений электрокардиограмм и подготовки текстовых отчётов в исследовательских, образовательных и демонстрационных сценариях, а также при создании прототипов поддержки врачебных решений. Модель обучена на наборе ECGInstruct с инструктивными примерами, полученными из открытых источников, включая MIMIC-IV ECG и PTB-XL. В метаданных указана архитектура mllama и формат весов safetensors; базовая модель содержит 11 млрд параметров. Лицензия — llama3. Авторы сообщают о результатах на задаче выявления аномалий, но отмечают, что модель не проверялась на внешних клинических наборах данных. Модель не валидирована для клинического применения и не одобрена FDA или CE. Её ответы могут быть ошибочными, требуют проверки специалистом и не должны использоваться для постановки диагноза или принятия решений о лечении.

Модель manucos/final-ft__roberta-clinical-wl-es__70k-ultrasounds — дообученная испаноязычная RoBERTa с архитектурой RobertaForMaskedLM и 153,2 млн параметров. Она предназначена для задачи fill-mask: предсказания замаскированных слов в тексте. Контекст составляет до 514 токенов. Модель дообучена на базе plncmm/roberta-clinical-wl-es; README указывает, что использовался датасет None, поэтому состав обучающих данных неясен. В карточке приведён результат оценки Loss 0,6177, но подробности тестирования отсутствуют. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Marxav/frpron — экспериментальная языковая модель на архитектуре GPT-2, разработанная для предсказания слогового фонемного произношения французских слов. На вход подаётся слово и двоеточие, например «bonjour:», а модель генерирует произношение в Международном фонетическом алфавите (IPA), разделяя слоги точкой и используя знак ‿ для связок. Модель предназначена для автоматического получения французской фонетической записи, например для словарных статей и лингвистических инструментов. Модель обучена на данных французского Wiktionary; работа основана на статье и коде OTEANN, использовавших minGTP. Метаданные указывают формат PyTorch, контекст 1024 токена и языковую метку fr. README ограничивает вход 60 буквами и отмечает необходимость дополнительного дообучения для омографов с разным произношением, французских liaison и римских цифр. Условия лицензирования в доступных данных не описаны.

KSTU_T-lite-2.1 — диалоговая языковая модель, дообученная автором Xalk07 на T-lite-it-2.1 от Т-Банка. Она предназначена для ответов на вопросы и поиска информации об университетском комплексе КГТУ в России, включая КГТУ, БГАРФ, КМРК и СПбМРК. Модель использует архитектуру Qwen3 с плотной сетью, содержит 7,6 млрд параметров и принимает текст для генерации текстовых ответов. Контекст — до 40 960 токенов. Карточка указывает русский и английский языки; обучение проходило в два этапа: дополнение предложений и настройка на инструкции. Модель ориентирована на сведения о событиях до второй половины 2025 года. Для более точных ответов автор рекомендует применять RAG и/или вызов инструментов. В приведённом сравнении ROUGE модели ниже, чем у ассистента Донецкого государственного университета на LLaMA-3.1-8B; результаты не следует считать гарантией точности ответов. Лицензия — Apache-2.0.

Карточка модели 1NC06Nl70/lingbot-world-fast на Hugging Face совпадает с карточкой robbyant/lingbot-world-fast, поэтому описание составлено по ней. LingBot-World-Fast — модель генерации видео из изображения, выпущенная командой Robbyant Team как часть проекта LingBot-World. Она предназначена для создания интерактивных видеосцен на основе входного изображения, текстового промпта и сигналов управления положением камеры. Модель построена на кодовой базе Wan2.2 и распространяется в формате safetensors по лицензии Apache-2.0. Модель генерирует видео в разрешении 480p и 720p. Проект заявляет генерацию со скоростью 16 кадров в секунду и задержкой менее секунды, а также поддержку роликов длительностью до минуты с сохранением контекстной согласованности. Возможные сценарии включают создание контента, игровые среды и обучение роботов. Карточка не приводит размер модели и отдельные измерения качества LingBot-World-Fast; заявленные возможности могут зависеть от оборудования и настроек запуска.

nbeerbower/llama-3-bible-dpo-8B — плотная авторегрессионная языковая модель семейства Llama 3, опубликованная nbeerbower. Она дообучена методом DPO на наборе nbeerbower/bible-dpo поверх nbeerbower/llama-3-bophades-v3-8B и предназначена для генерации текста и диалогов на библейскую тематику. Модель содержит 7,5 млрд параметров, работает с контекстом до 8192 токенов и распространяется в формате safetensors для Transformers. Модель подойдёт для ответов на вопросы по Библии, обсуждения библейских текстов и создания тематических диалогов или черновиков. README указывает лицензию Meta Llama 3 Community License Agreement; в метаданных лицензия обозначена как other. Качество зависит от исходных обучающих данных и может быть ограничено библейской тематикой; заявлений о точности или проверке фактов в карточке нет.

MuseTalk-1.5-fp16 — порт модели MuseTalk 1.5 на MLX, подготовленный сообществом mlx-community на основе TMElyralab и Tencent Music. Модель синхронизирует движение губ лица с аудиозаписью, используя одношаговое заполнение в латентном пространстве, а не диффузионную генерацию. В репозитории находятся компоненты UNet, VAE и аудиокодировщик Whisper-tiny в формате fp16; вычисления оптимизированы для Apple Silicon и выполняются без PyTorch. На GPU серии M README указывает скорость около 34 сгенерированных лиц размером 256 × 256 в секунду при пакетной обработке и пиковое потребление памяти около 7 ГБ. Для распознавания и обрезки лица, а также смешивания результата с исходным кадром используется предварительная обработка из upstream-проекта MuseTalk. Репозиторий распространяется по лицензии MIT, допускающей коммерческое использование.

Pythagoras-Prover-4B — открытая авторегрессионная языковая модель для формального доказательства теорем на Lean 4. Её разработала команда Pythagoras-LM на основе Qwen3-4B: модель дообучена с помощью LoRA и обучающих данных, созданных и проверенных в рамках конвейера синтетических данных для Lean. Модель предназначена для генерации Lean-доказательств по математическим формулировкам и для работы в сценариях автоматизированного формального доказательства, включая задачи уровня математических соревнований. В README указаны 3,7 млрд параметров и обучение с контекстом 8K; метаданные репозитория указывают нативный контекст 40 960 токенов. В MiniF2F-Test авторы сообщают результат 86,07% при Pass@32 и отмечают, что модель обходится без самокоррекции во время вывода. Модель принимает текст и генерирует текст с доказательствами на Lean 4. Для работы с формальными задачами требуется проверка доказательств средствами Lean; результаты бенчмарков не гарантируют успешность на произвольных задачах. Репозиторий распространяется по лицензии Apache-2.0.

SeongryongJung/qwen3-8b-material-srpo-ema005 — дообученная модель на базе Qwen/Qwen3-8B, опубликованная в формате Transformers. Это последний чекпойнт обучения SRPO для набора данных material; в карточке приведена лучшая валидационная метрика mean@16 — 75% на шаге 20, тогда как для опубликованного чекпойнта global_step_100 указано итоговое значение 69,81%. Лучшая метрика относится к промежуточному шагу и не характеризует напрямую доступные веса. Модель использует плотную архитектуру Qwen3ForCausalLM, содержит 7,6 млрд параметров и имеет контекст длиной 40 960 токенов. Она предназначена для генерации текста в сценариях, связанных с материалами; исходная Qwen3-8B поддерживает многоязычный диалог, следование инструкциям, рассуждения, код и вызов инструментов, однако README не подтверждает качество этих возможностей после данного дообучения. Лицензия — Apache-2.0.

NLP-FBK/Qwen3-8B-medical-reasoning — чат-модель для генерации текста на базе плотной архитектуры Qwen3 с 7,6 млрд параметров. Она предназначена для ответов на медицинские вопросы в формате выбора из нескольких вариантов: для получения рассуждения вопрос следует сопровождать пронумерованными вариантами ответа. Без такого формата модель работает как обычная модель Qwen. Модель опубликована в формате safetensors и использует библиотеку Transformers. Размер её контекстного окна — 40 960 токенов. Карточка не раскрывает разработчика, данные обучения, результаты оценки или клинические проверки, поэтому описание не подтверждает пригодность ответов для принятия медицинских решений. Лицензия — CC BY 4.0.

Sage DeBERTa v1 — англоязычная модель классификации текста, разработанная для KIIT Sage AI Mental Wellness Assistant и дообученная на microsoft/deberta-v3-base. Она относит текст к одной из пяти категорий: тревога, обычное состояние, депрессия, суицидальные высказывания или стресс. Модель предназначена для определения эмоционального контекста в чат-ботах поддержки, системах поддержки студентов и других диалоговых приложениях. Архитектура — DeBERTa-v3-base с классификационной головой; размер — 211,6 млн параметров, максимальный контекст — 512 токенов. README сообщает точность 83,40% и макро-точность 82,06% на валидации. Модель анализирует только текст, не учитывает историю пользователя и может ошибаться на саркастичных, неоднозначных сообщениях или при отличающемся стиле письма и распределении данных. Она не предназначена для диагностики, медицинских решений или автоматического вмешательства без человеческого контроля. Лицензия — MIT.

nickypro/tinyllama-110M — компактная языковая модель на архитектуре Llama 2, опубликованная nickypro. Она содержит около 109,5 млн параметров и обучена на наборе TinyStories; веса преобразованы из karpathy/tinyllamas. Модель предназначена для генерации текста, в частности коротких историй. Модель использует плотную архитектуру LlamaForCausalLM, распространяется в формате PyTorch и имеет контекстное окно 1024 токена. В карточке указана лицензия MIT. Результаты зависят от обучающих данных TinyStories и ограниченного размера модели; её назначение и качество для широкого круга задач не заявлены.

AnesTRACE-Eval — специализированная модель-оценщик от DataXAI для бенчмарка AnesTRACE по клиническому рассуждению и последовательному принятию решений в анестезиологии и периоперационной медицине. Это дообученная модель Qwen3.5-9B с архитектурой условной генерации; опубликованный чекпойнт объединён и загружается через Transformers без отдельного LoRA-адаптера. Модель используется как текстовый LLM-оценщик в конвейере AnesTRACE и формирует структурированные оценки по заданным рубрикам. Она предназначена для оценки ответов на задачи с единичным клиническим решением и многошаговыми диалогами: проверяет клиническую корректность, опору на доказательства, полноту, безопасность вмешательств и согласованность решений во времени. Выдаёт дискретные оценки и метки серьёзности риска; результаты следует проверять по ожидаемой схеме и пересчитывать агрегированные баллы в коде. Модель оптимизирована для англоязычного формата AnesTRACE; качество для других языков, медицинских специальностей и произвольных задач оценивания не установлено. Она может ошибаться в оценках и не предназначена для диагностики, лечения или автономной клинической помощи. Лицензия — Apache-2.0.

Baichuan-M1-14B-Instruct — открытая инструктивная языковая модель компании Baichuan Intelligence, разработанная с нуля и оптимизированная для медицинских сценариев. Она предназначена для диалога, ответов на вопросы и рассуждений в медицинской и общей тематике, включая сложные клинические случаи и задачи из более чем 20 медицинских специальностей. Модель имеет плотную авторегрессионную архитектуру BaichuanM1ForCausalLM и содержит 13,7 млрд параметров. Контекст — до 32 768 токенов. Обучение проводилось на медицинских и общих данных, в том числе на английском, китайском и данных ещё примерно на 30 языках; карточка указывает английский и китайский. В архитектуре используются короткая свёртка в механизме внимания и скользящее оконное внимание в части слоёв для работы с контекстом и снижения расхода KV-кэша. Модель подходит для медицинских диалогов и анализа текстовых клинических материалов, но ответы о здоровье требуют проверки квалифицированным специалистом: карточка не подтверждает клиническую валидацию или пригодность для самостоятельной диагностики. Также модель может ошибаться в медицинских фактах и рассуждениях. Веса опубликованы в формате safetensors; условия лицензии в предоставленных данных не приведены.

Это конверсия модели Spotify Basic Pitch в формат GGUF для использования в CrispASR. Модель предназначена для транскрибирования полифонического аудио в события нот в диапазоне 88 клавиш MIDI и рассчитана на разные инструменты. В репозитории доступны варианты F16 и F32. README сообщает, что результаты F32 совпадают с эталонной реализацией ONNX на проверочных фрагментах; в F16 окончания некоторых нот на границах порога могут сдвигаться на один кадр, то есть на 11,6 мс. Модель распространяется по лицензии Apache-2.0.

Bible Assistant Qwen3.5-4B v2 — англоязычная разговорная модель Ttimms для ответов на вопросы о Библии в составе RAG-системы: внешний поиск передаёт ей найденные отрывки, на которых она должна основывать ответ. Это дообученная методом supervised fine-tuning текстовая часть Qwen3.5-4B: плотная причинная языковая модель с архитектурой Qwen3_5ForCausalLM, примерно 3,4 млрд параметров и контекстным окном базовой модели до 262 144 токенов. Сам чекпойнт обучался на последовательностях длиной 1 280 токенов и принимает только текст; возможности обработки изображений базовой модели здесь не используются. Модель предназначена для поиска стихов и отрывков, вопросов по переданному библейскому контексту, подготовки проповедей и учебного изучения. В описанном автором тесте с RAG она показала 76,5% точного воспроизведения стихов в категории прямого поиска и 98,9% цитирования в целом; эти результаты получены на собственном наборе из 282 вопросов и не гарантируют точность в иных условиях. Модель слабее справляется с тематическим синтезом и может перечислять стихи вместо связного объяснения. Для надёжных ссылок нужен поисковый индекс, а цитаты следует перепроверять. Обучающие материалы опираются на шесть общедоступных английских переводов и комментарий Мэтью Генри; источники отражают преимущественно реформатскую протестантскую традицию и не охватывают второканонические книги. Модель обучена перенаправлять кризисные и пастырские запросы, не предназначена для контекстно-свободной работы или профессиональной консультации. Лицензия — Apache-2.0.

Это экспериментальная модель распознавания речи на лугандском языке, дообученная Trevor Kasule на базе KasuleTrevor/cdli-qwen3-asr-lg-typical-1p7b-base-finetune. Она предназначена для транскрибирования атипичной речи носителей из Уганды. Модель Qwen3-ASR обучалась на датасете cdli/ugandan_luganda_nonstandard_speech_v1.0; использует сведения о тяжести и типе речевого расстройства, а также его этиологии, передаваемые в prompt. Транскрипция должна сохранять повторы, запинки, ложные старты и незавершённые слова. В README приведены метрики тестирования: нормализованный WER 0,633 и CER 0,340; средние ограниченные значения WER и CER составили 0,491 и 0,229 соответственно. Prompt использует метаданные говорящего как oracle, поэтому результаты следует оценивать отдельно от базовых сценариев развёртывания. Карточка указывает лицензию Apache-2.0.

Модель tiantiaf/childvox-babblecor-whisper-large предназначена для классификации вокализаций детей и оценки зрелости речевых звуков. Её разработала Tiantian Feng; работа описана в исследовании ChildVox, принятом на главную конференцию EMNLP 2026. Модель дообучена на корпусе BabbleCor на базе мультиязычной openai/whisper-large-v3 и использует аудио на входе. Модель относит фрагменты к пяти категориям: Canonical — зрелые слоги с переходом от согласного к гласному; Non-Canonical — незрелые вокализации, например отдельные гласные или согласные; Crying — плач; Laughing — смех; Junk — звук, не являющийся вокализацией ребёнка, включая шум, речь взрослого или неразборчивое аудио. Она подходит для анализа и разметки детских аудиозаписей в исследовательских сценариях. Лицензия OpenRAIL запрещает коммерческое использование. Авторы также исключают клиническую диагностику и индивидуальную оценку развития без экспертной проверки, а также наблюдение и вмешательство в частную жизнь. Для работы с записями детей необходимо соблюдать требования к согласию, этическому одобрению и защите данных.

Cosmos-H-Surgical — семейство видеомоделей для робототехники в хирургии, построенное на платформе NVIDIA Cosmos. В карточке описаны варианты Predict и Transfer: Predict дообучен на Cosmos-Predict2.5-2B и по первому кадру и текстовому описанию генерирует будущие кадры хирургической сцены; Transfer дообучен на Cosmos-Transfer2.5-2B и преобразует управляющее видео, например карту глубины, маску сегментации, контуры или размытое RGB-видео, в фотореалистичное хирургическое видео. Указанный размер модели — 2 млрд параметров; архитектура — диффузионный трансформер, работающий в латентном пространстве. Модель предназначена для генерации синтетических хирургических видеоданных, разработки систем физического ИИ и переноса симуляционных данных в реалистичный визуальный домен. Predict принимает изображение и текст, но не поддерживает генерацию видео только по тексту; для варианта 720p описаны вход 1280×704 и выходной ролик из 92 кадров при 16 кадрах/с. Transfer принимает текст и одно или несколько согласованных управляющих видео, лучше работает с длиной, кратной 93 кадрам. Для обоих вариантов указано ограничение текста менее 300 слов. Карточка позиционирует модель как инструмент для исследований и разработки, а не клинической диагностики. Модель обучалась на хирургических видеоданных, включая синтетические; конкретные составы наборов различаются между выпусками. Лицензия в метаданных обозначена как other, поэтому условия использования следует уточнить в репозитории. Хотя README называет варианты дообученными, метаданные каталога указывают на слияние базовых моделей Cosmos-Predict2.5-2B и Cosmos-Transfer2.5-2B; происхождение отражено как merge.

CURE-MED-1.5B — компактная языковая модель с 1,5 млрд параметров для многоязычных медицинских рассуждений. Её разработали Eric Onyame, Akash Ghosh, Subhadip Baidya, Sriparna Saha, Xiuying Chen, Chirag Agarwal и Aikyam Lab. Модель основана на Qwen2.5-1.5B-Instruct и дообучена с помощью обучения с подкреплением по учебной программе, включая SFT с учётом переключения языков и GRPO. Модель предназначена для ответов на открытые медицинские вопросы на 13 языках: амхарском, бенгальском, французском, хауса, хинди, японском, корейском, испанском, суахили, тайском, турецком, вьетнамском и йоруба. Она использует архитектуру Qwen2, поддерживает контекст до 32 768 токенов и выдаёт текст. Для обучения и оценки применялся набор CUREMED-BENCH. Модель ориентирована на медицинские рассуждения и многоязычные запросы, в том числе на языках с ограниченными ресурсами. Это генеративная модель, поэтому её ответы могут содержать ошибки и требуют проверки; она не заменяет профессиональную медицинскую оценку. Лицензия — Apache 2.0.