IV.5Образование и развитие навыков

Модель LishaV01/agriculture-crop-disease-detection разработана Lisha для распознавания болезней сельскохозяйственных культур по изображениям. Это Vision Transformer с адаптером LoRA, дообученный на изображениях сахарного тростника, кукурузы, картофеля, риса и пшеницы. Модель содержит 7,1 млн параметров и решает задачу классификации изображений; веса доступны в формате Safetensors, лицензия — Apache-2.0. На вход подаются RGB-изображения растений, на выходе модель присваивает класс болезни или здоровья. Среди распознаваемых состояний — ржавчина, бактериальная пятнистость, фитофтороз и другие болезни, предусмотренные для указанных культур. Модель подходит для ранней оценки состояния растений в инструментах точного земледелия, а также для учебных и исследовательских проектов. Классификация ограничена культурами и категориями, представленными в обучении: для низкокачественных изображений и неизвестных случаев предсказания могут быть неточными. Базовая модель — WinKawaks/vit-tiny-patch16-224.

AmberYifan/capsd-medcase-marin-8b-base-medicine_ppl_b8000_s0 — дообученная модель семейства Llama, созданная на основе marin-community/marin-8b-base. Она содержит около 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; модель опубликована для text-generation и поддерживает чатовый сценарий. README указывает, что дообучение выполнено на наборе capsd_marin-8b-base-n13092-medicine-medcase__mix_medicine_ppl_b8000_s0, что указывает на медицинские случаи и данные по медицине. Модель предназначена для генерации и продолжения текста в медицинском контексте, например для черновиков описаний клинических случаев и ответов на медицинские вопросы. Базовая marin-8b-base описана как англоязычная; длина контекста модели — 4096 токенов. Лицензия указана как other, поэтому конкретные условия использования следует сверить с карточкой модели.

ChessSLM — компактная авторегрессионная языковая модель FlameF0X для игры в шахматы. Она основана на архитектуре GPT-2, содержит около 30 млн параметров и обучена с нуля на 100 тысячах шахматных партий из набора mlabonne/chessllm. Модель последовательно генерирует ходы в нотации SAN и рассчитана на шахматные сценарии, включая игру против человека или других языковых моделей. По данным карточки, средний рейтинг в матчах с языковыми моделями составляет около 1054 Elo. Модель может генерировать нелегальные ходы и сама не проверяет состояние доски или соблюдение правил; для надёжной игры её следует сочетать с проверкой ходов или шахматным движком. Репозиторий распространяется по лицензии Apache-2.0.

ChessSLM-PM — компактная авторегрессионная модель на архитектуре GPT-2, разработанная FlameF0X на основе ChessSLM. Она генерирует шахматные ходы последовательно в алгебраической нотации SAN и предназначена для игры в шахматы и экспериментов с небольшими специализированными языковыми моделями. Модель содержит около 30 млн параметров и дообучена на 441 тыс. шахматных партий с рейтингом выше 2000 Elo из набора mlabonne/chessllm. Контекст модели — 1024 токена. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Модель может генерировать незаконные ходы, поскольку сама не проверяет состояние доски и правила шахмат. Её стратегическая глубина ограничена по сравнению со специализированными шахматными движками.

V8-BALANCED — компактная причинная языковая модель для генерации текста о шахматах, представленная MDaytek в рамках LLM-course. Модель использует архитектуру ChessForCausalLM семейства chess_lm, содержит около 1,04 млн параметров, словарь из 104 токенов, размерность эмбеддингов 128 и 5 слоёв; веса эмбеддингов связаны. Она предназначена для генерации шахматного текста в сценариях, соответствующих обучающей задаче курса. Максимальный контекст составляет 256 токенов. Репозиторий содержит веса PyTorch и распространяется по лицензии MIT. Небольшой размер делает модель компактной, но сам README не приводит оценок качества или результатов сравнения; поэтому надёжность ходов и применимость для экспертного анализа шахматных партий не подтверждены.

ChordBERT — компактная модель DeBERTa-v2 с маскированным языковым моделированием, разработанная Lameusiwe для последовательностей символических аккордов. Модель содержит около 5 млн параметров, имеет 4 слоя и 4 головы внимания; максимальная длина контекста — 258 токенов. Веса доступны в формате safetensors по лицензии Apache-2.0. Модель предсказывает замаскированные аккорды и кодирует последовательность аккордов в вектор размерности 256 для поиска гармонически похожих прогрессий, кластеризации и извлечения признаков в задачах поиска музыкальной информации. На вход подаются разделённые пробелами токены из словаря Chordonomicon; для длинных последовательностей README рекомендует обработку фрагментами до 254 аккордовых токенов. Для построения эмбеддингов применяется усреднение представлений токенов, поскольку обученной головы pooling в чекпойнте нет. Модель предназначена для символических гармонических последовательностей, а не для аудиотранскрипции или генерации музыки. Неизвестные и несовместимо записанные обозначения аккордов могут токенизироваться как неизвестные; подробные гиперпараметры обучения и полное описание обучающих данных для этого чекпойнта отсутствуют.

gaodrew/cicero — языковая модель, созданная разработчиком с нуля на архитектуре GPT-2 для генерации текста на латыни. Она обучалась на корпусе латинских текстов Corpus Corporum: один проход по 492 млн токенов. Модель распространяется в формате safetensors через Transformers и лицензирована по Apache-2.0. Модель подходит для экспериментов с генерацией латинского текста и продолжения коротких фрагментов. Хотя в метаданных указан контекст 1024 токена, в README сообщается, что при обучении использовался контекст длиной 64 токена. Генерация может быть повторяющейся и малосвязной из-за ограниченного размера модели и объёма данных.

Compumacy-Shrink-24B-i1-GGUF — квантизированная версия модели Compumacy-Shrink-24B, разработанной командой Compumacy и подготовленной в формате GGUF пользователем mradermacher. Модель ориентирована на генерацию англоязычного текста в задачах, связанных с психологией, психиатрией, клинической оценкой и тематикой психического здоровья. В качестве источника данных указан набор Daemontatox/Psy-Data-books. Модель имеет заявленный размер 24B параметров и распространяется в нескольких вариантах квантизации i1, включая IQ1, IQ2, IQ3, IQ4, IQ5 и IQ6, объёмом примерно от 5,4 до 19,4 ГБ. README также называет её vision-моделью; для работы с визуальными входами могут потребоваться дополнительные файлы mmproj из статического репозитория. Сведения о точной архитектуре, размере контекста и перечне поддерживаемых модальностей, кроме этого указания, не приведены. Основное преимущество — возможность запуска локально с выбором компромисса между размером, скоростью и качеством через разные варианты квантизации; для общего использования автор рекомендует i1-Q4_K_M, а i1-Q4_K_S отмечен как оптимальный по соотношению размера, скорости и качества. Ограничения включают заметную зависимость качества от выбранного уровня квантизации и отсутствие в README результатов бенчмарков. Модель распространяется по лицензии Apache-2.0.

DeepSeek-Prover-V2-671B — открытая большая языковая модель, разработанная командой DeepSeek AI для формального доказательства математических теорем в Lean 4. Модель обучалась с использованием рекурсивного конвейера доказательств, в котором DeepSeek-V3 декомпозирует сложные задачи на подцели, формализует шаги в Lean 4 и генерирует данные для последующего обучения и обучения с подкреплением. Модель предназначена для автоматического поиска и построения формальных доказательств, а также для объединения неформального математического рассуждения с проверяемой формализацией. В процессе подготовки данных для поиска доказательств подцелей использовалась отдельная модель размером 7B, а DeepSeek-Prover-V2-671B дообучалась на синтетических пошаговых доказательствах и оптимизировалась с помощью бинарной обратной связи о корректности результата. Из заявленных характеристик известны размер 671B и специализация на математических задачах в Lean 4; сведения о других модальностях, языках, длине контекста и точной архитектуре в представленном README не указаны. Модель показала 88,9% успешных решений на тестовой части MiniF2F и решила 49 из 658 задач PutnamBench, что указывает на сильные возможности в нейронном доказательстве теорем. Ограничение модели — узкая специализация на формальной математике и необходимость среды Lean 4 для проверки создаваемых доказательств. Для модели указана лицензия Model Agreement; лицензия кода обозначена как MIT.

opantama/distilroberta-ai-job-embeddings — англоязычная модель Sentence Transformer, дообученная разработчиком opantama на наборе ai-job-embedding-finetuning для представления запросов и описаний вакансий в общем векторном пространстве. Она использует архитектуру RoBERTa на базе sentence-transformers/all-distilroberta-v1, содержит 95,2 млн параметров и формирует нормализованные эмбеддинги размерности 768; сходство текстов можно оценивать косинусным сходством. Максимальная длина входа — 512 токенов. Модель предназначена для семантического поиска вакансий по запросу, сравнения текстов, поиска перефразировок и кластеризации. В README приведена оценка cosine accuracy 1.0 на 101 примере валидации и 101 примере теста, однако эти результаты относятся только к указанным небольшим наборам данных. Модель принимает текст и выдаёт векторы; в карточке указаны веса safetensors и библиотека Sentence Transformers. Лицензия в предоставленных данных не указана.

Echo88-150M-Instruct — экспериментальная компактная языковая модель exnivo для диалоговой генерации текста в стиле ретро-помощника с границей знаний на конец 1988 года. Это дообученная на инструкциях версия модели Echo88-150M-Base. Архитектура — плотный авторегрессионный трансформер LLaMA-типа с 138,4 млн параметров по метаданным Hugging Face; модель работает через Transformers и принимает контекст длиной до 2048 токенов. Модель рассчитана на ответы на вопросы об истории компьютеров, технике и культуре 1980-х, генерацию текста с ретро-стилистикой и эксперименты с малыми языковыми моделями и временными границами знаний. Основной язык — английский. К модели применяется лицензия Apache-2.0. Модель может галлюцинировать, повторяться, ошибаться в фактах и терять тему в длинных ответах; также возможны устаревшие формулировки и смещения, связанные с историческими источниками. Она слабо справляется с рассуждениями, математикой и кодом и не предназначена для актуальных сведений, высокорисковых решений или использования в производстве без дополнительной проверки.

Fleming-VL-8B — мультимодальная медицинская модель рассуждений, разработанная авторами проекта Fleming-VL. Она основана на InternVL3-8B и обучена с использованием парадигмы рассуждений GRPO. Модель анализирует медицинские изображения и текстовые запросы, а также, согласно карточке, 3D-объёмы и видео; поддерживаемые примеры включают рентгеновские снимки, гистологию, КТ и МРТ, УЗИ, эндоскопические и хирургические записи. Модель предназначена для медицинских вопросов и ответов, анализа изображений, клинических рассуждений и подготовки медицинских отчётов. Она формирует пошаговые объяснения и диагностические выводы для исследовательской и справочной работы. Репозиторий использует формат safetensors и библиотеку Transformers; лицензия — Apache-2.0. Модель не предназначена для постановки диагноза или принятия решений о лечении. Её выводы и рассуждения должны проверяться квалифицированными специалистами; карточка также требует соблюдения применимых норм конфиденциальности и законодательства.

Yntec/GameIcons3D — модель генерации изображений в формате Stable Diffusion, распространяемая для библиотеки Diffusers. По примерам запросов она предназначена для создания стилизованных игровых иконок и предметов в 3D-подобной манере: еды, персонажей и фантазийных объектов. Репозиторий содержит веса в форматах Diffusers и Safetensors. Лицензия — CreativeML OpenRAIL-M. Модель принимает текстовые описания и генерирует изображения; примеры ориентированы на игровые ресурсы с высоким уровнем детализации и мультяшными персонажами. Данных о размере модели, длине контекста и поддерживаемых языках в карточке нет.

HuatuoGPT-Vision-7B — мультимодальная модель для медицинских задач, разработанная FreedomIntelligence и дообученная на наборе PubMedVision. Она основана на Qwen2.5-VL-7B-Instruct, использует плотную архитектуру Qwen2.5-VL с 7,1 млрд параметров и принимает текст и изображения, выдавая текст. Метаданные указывают контекстное окно 128 000 токенов; модель распространяется в формате safetensors под лицензией Apache-2.0. Модель предназначена для диалога и ответов на вопросы по медицинским изображениям и связанному тексту. Карточка рекомендует использовать тот же шаблон работы, что и для Qwen2.5-VL-Instruct. Данных для оценки точности в конкретных клинических сценариях карточка не приводит; результаты модели не следует считать клиническим заключением.

Hunyuan-GameCraft — модель Tencent для создания интерактивных игровых видео по исходному изображению и текстовому запросу. Пользователь может задавать движения камеры и игровые действия с помощью клавиатурных или мышиных сигналов; модель кодирует траекторию действий и использует её при генерации продолжения сцены. Модель построена на диффузионном подходе и предназначена для управляемой генерации видео с динамичными движениями, длительной согласованностью сцен и возможностью продолжать последовательность с учётом истории кадров. Она обучалась на записях игрового процесса более чем из 100 игр, а затем дообучалась на синтетических данных с разметкой. Для работы требуется NVIDIA GPU с CUDA и не менее 24 ГБ видеопамяти; для более качественной генерации авторы рекомендуют 80 ГБ. Лицензия в предоставленных данных не указана.

IL-7B (Immuno-LLM 7 Billion) — языковая модель на 7,1 млрд параметров, созданная для клинической ревматологии и иммунологии. Она основана на Mistral-7B и объединяет две дообученные модели, полученные из Mistral-7B и BioMistral-7B. Объединение выполнено методом SLERP с помощью mergekit; архитектура — плотная MistralForCausalLM. Модель принимает текст и генерирует текст, поддерживает контекст длиной до 32 768 токенов и использует формат запросов Zephyr. IL-7B предназначена для исследовательского и ознакомительного использования в области ревматологии, иммунологии и аутоиммунных заболеваний: например, для диалогов и ответов на вопросы по профильным текстам. Модель не проходила клиническую валидацию и не подходит для принятия медицинских решений. Лицензия — Apache-2.0.

Kandinsky WM 1.0 I2V 5s Robotics — модель генерации видео из изображения, разработанная авторами семейства Kandinsky WM для сценариев робототехники и Physical AI. Это робототехнический чекпойнт семейства Kandinsky 5.0 Video Lite: латентная видеодиффузионная модель с архитектурой DiT Kandinsky5Transformer3DModel, VAE HunyuanVideo и текстовыми энкодерами Qwen2.5-VL и CLIP; базовая модель содержит 2 млрд параметров. Чекпойнт адаптирован к предметной области робототехники и дополнительно обучен методом GRPO с наградой за физическую правдоподобность. Модель продолжает заданный первый кадр и генерирует пятиисекундный ролик из 121 кадра размером 768×512. Она предназначена для создания синтетических робототехнических сцен, включая манипуляции, взаимодействия объектов и роботов, а также для экспериментов с генеративными моделями мира и симуляторами. В репозитории доступны веса для Diffusers и копия весов DiT для кода проекта; формат файлов — safetensors. Лицензия — MIT.

nm-testing/llama2.c-stories15M — небольшая autoregressive language model для генерации текста, опубликованная организацией nm-testing как клон Xenova/llama2.c-stories15M с исправленными связанными тензорами. Модель основана на архитектуре Llama 2 из проекта llama2.c, разработанного Andrej Karpathy, и предназначена прежде всего для тестирования, обучения и экспериментов с компактным LLM-инференсом. Модель имеет около 15,2 млн параметров и поддерживает задачу text generation. Это decoder-only Transformer архитектуры Llama: 6 слоёв, 6 attention heads, hidden size 288, intermediate size 768, vocabulary size 32 000 и максимальную длину контекста 256 токенов. Доступна в формате F32; поддерживаются PyTorch, Transformers, Transformers.js, ONNX и совместимые средства инференса. Мультимодальность не заявлена. Модель обучена на наборе TinyStories и ориентирована на короткие простые истории, поэтому её возможности существенно уже, чем у универсальных LLM. Сильные стороны — очень малый размер, низкие требования к ресурсам, высокая скорость локального инференса и удобство для образовательных и тестовых сценариев. Ограничения — небольшой контекст, низкая ёмкость и специализация на коротких повествовательных текстах; модель не предназначена для надёжных ответов на общие вопросы, сложного рассуждения, диалоговых задач или производственных приложений. Лицензия для репозитория nm-testing в доступных материалах явно не указана.

Llama-3-OpenBioMed-8B-slerp-v0.3 — объединённая методом SLERP модель семейства Llama, созданная с помощью LazyMergekit на основе Jayant9928/orpo_med_v3 и skumar9/Llama-medx_v3. Это плотная авторегрессионная языковая модель с архитектурой LlamaForCausalLM, примерно 7,5 млрд параметров и контекстом до 8192 токенов; она предназначена для генерации текста и диалоговых сценариев в биомедицинской и медицинской тематике. Модель принимает текст и генерирует текст. README предупреждает, что, несмотря на высокую оценку в таблице лидеров, модель выдаёт бессвязный текст, поэтому её ответы могут быть ненадёжны и требуют проверки специалистом. Указанная лицензия — llama3.

Med-Asagi-14B-reasoning_beta — разработанная MIL-UT японская медицинская визуально-языковая модель для понимания медицинских изображений. Она построена на архитектуре LLaVA: использует SigLIP2-so400m-patch16-512 как кодировщик изображений, двухслойный MLP-проектор и японскую медицинскую LLM SIP-med-LLM/SIP-jmed-llm-3-13b-OP-4k-base в качестве текстового декодера. Общий размер — около 14 млрд параметров; модель принимает изображения и японский текст и формирует текстовые ответы с явным выводом рассуждений. Модель обучена на японских медицинских данных для визуальных вопросов и ответов, а также поддержки чтения изображений. В README приведены оценки на японских VQA по КТ и на генерации заключений по рентгенограммам грудной клетки. Это бета-прототип: авторы предупреждают, что качество может быть недостаточным и модель не прошла достаточную проверку безопасности и эффективности для клинической практики. Её не рекомендуют применять для постановки диагноза, выбора лечения или медицинских рекомендаций; использование предполагается как вспомогательный исследовательский инструмент для медицинских специалистов. Лицензия — CC BY-SA 4.0.

MedicalLlama3.2-vision-11B-IT — мультимодальная модель Cannae-AI, дообученная на базе meta-llama/Llama-3.2-11B-Vision-Instruct. Она предназначена для диалога о медицинских изображениях, в особенности для анализа радиологических снимков и работы с медицинскими понятиями и подписями к изображениям. Модель принимает изображения и текстовые запросы и формирует текстовые ответы; её архитектура — Mllama для условной генерации текста с использованием зрения. В дообучении использован набор радиологических изображений и связанных с ними медицинских понятий и подписей из PMC Open Access Subset, включая датасет ROCO-radiology. Карточка указывает английский и французский языки. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Карточка не приводит отдельной оценки клинической точности, поэтому ответы не следует считать медицинским диагнозом.

EQUES/MedLLama3-JP-v2 — японская медицинская языковая модель, созданная путём слияния четырёх моделей на базе Llama 3: tokyotech-llm/Llama-3-Swallow-8B-Instruct-v0.1, aaditya/Llama3-OpenBioLLM-8B, Henrychur/MMed-Llama-3-8B и elyza/Llama-3-ELYZA-JP-8B. Это плотная авторегрессионная модель с архитектурой LlamaForCausalLM, примерно 7,5 млрд параметров и контекстом до 8192 токенов; веса доступны в формате safetensors и рассчитаны на работу через Transformers. Модель предназначена для генерации ответов на японском языке по медицинским темам и вопросов и ответов, в том числе для исследовательской оценки на экзаменационных вопросах IgakuQA. В приведённой оценке точность на 2485 вопросах составила 46,6%; это не подтверждает пригодность для реальной медицинской практики. Разработчики прямо запрещают использовать модель в медицинских целях и не гарантируют точность её ответов. Модель описана как находящаяся на раннем этапе исследований и разработки, без настройки на безопасность и соответствие намерениям пользователя. Лицензия — Llama 3 Community License.

Карточка модели X-D-Lab/MindChat-Qwen2-0_5B на Hugging Face совпадает с карточкой X-D-Lab/MindChat-Qwen-7B-v2, поэтому описание составлено по ней. MindChat-Qwen-7B-v2 — китайскоязычная диалоговая модель для психологической поддержки, разработанная командой X-D Lab Восточно-Китайского университета науки и технологий. Она дообучена на базе Qwen-7B на корпусе примерно из 200 тысяч многоходовых психологических диалогов и предназначена для поддерживающих бесед, обсуждения повседневных трудностей и психологической оценки. В версии v2 добавлена оценка пяти аспектов: ипохондрии, соматической тревожности, интереса к работе и учёбе, чувства вины и суицидальных мыслей. Модель использует плотную архитектуру Qwen и содержит 11,4 млрд параметров; заявленная длина контекста — 8192 токена. Она работает с текстовыми диалогами на китайском языке и генерирует текстовые ответы. README описывает примеры бесед об учёбе, семье, работе, дружбе и безопасности, но предупреждает, что модель может ошибаться и выдавать вредные или оскорбительные ответы. Она не заменяет психолога или психиатра и не подходит как единственная опора для решений в критических ситуациях. Репозиторий указывает лицензию GPL-3.0; для коммерческого использования авторы предлагают связаться с командой.

MindChat-Qwen-7B-v2 — китайскоязычная диалоговая модель для психологической поддержки, разработанная командой X-D Lab Восточно-Китайского университета науки и технологий. Она дообучена на базе Qwen-7B на корпусе примерно из 200 тысяч многоходовых психологических диалогов и предназначена для поддерживающих бесед, обсуждения повседневных трудностей и психологической оценки. В версии v2 добавлена оценка пяти аспектов: ипохондрии, соматической тревожности, интереса к работе и учёбе, чувства вины и суицидальных мыслей. Модель использует плотную архитектуру Qwen и содержит 11,4 млрд параметров; заявленная длина контекста — 8192 токена. Она работает с текстовыми диалогами на китайском языке и генерирует текстовые ответы. README описывает примеры бесед об учёбе, семье, работе, дружбе и безопасности, но предупреждает, что модель может ошибаться и выдавать вредные или оскорбительные ответы. Она не заменяет психолога или психиатра и не подходит как единственная опора для решений в критических ситуациях. Репозиторий указывает лицензию GPL-3.0; для коммерческого использования авторы предлагают связаться с командой.

MusicLang Chord Predictor — генеративная модель от MusicLang для создания и продолжения последовательностей аккордов в формате MusicLang. Она позволяет сгенерировать прогрессию заданной длины с нуля или продолжить её по промпту. Модель основана на GPT-2 и предназначена для работы через пакет musiclang-predict; в репозитории хранятся веса safetensors. Модель подходит для музыкальных экспериментов, набросков гармонии и генерации аккордовых прогрессий для дальнейшей работы в MusicLang. Указанное в метаданных контекстное окно — 512 токенов. Лицензия разрешает бесплатное использование в исследовательских и open-source целях с указанием авторства Флориана Гардина и MusicLang; для коммерческого применения нужно согласовать условия с разработчиками.

juancopi81/mutopia_guitar_mmm — дообученная автором GPT-2 для генерации музыки для гитары. Модель использует архитектуру GPT2LMHeadModel и представляет MIDI-композиции в виде текстовой последовательности на основе кодирования MMM; для токенизации применяется WhitespaceSplit. В метаданных указан контекст 1024 токена, а в README описан размер контекста 256; автор также указывает словарь из 588 токенов. Модель обучена на сольных гитарных произведениях из Mutopia Guitar Dataset, преимущественно на западной классической музыке композиторов Sor, Aguado, Carcassi и Giuliani. Она предназначена для экспериментов с генерацией музыкальных последовательностей и для учебных проектов, показывающих подготовку данных, обучение токенизатора и дообучение GPT-2. Автор сообщает о сильном переобучении на небольшом наборе данных, поэтому качество и разнообразие генерации ограничены. Лицензия в предоставленных сведениях не указана. Это образовательный эксперимент, обученный на бесплатном Colab; результаты можно преобразовать в звучащую музыку с помощью упомянутого автором блокнота.

next-scene-qwen-image-lora-2509 — адаптер LoRA, разработанный lovis93 для базовой модели Qwen/Qwen-Image-Edit-2509. Модель предназначена для создания последовательностей кинематографических изображений с визуальной связностью между кадрами и естественным переходом от одной сцены к следующей. Адаптер ориентирован на раскадровки, предпроизводство фильмов и анимации, последовательные narrative-workflows в ComfyUI, развитие концепт-арта и пайплайны AI-видео. Он помогает задавать движение камеры, изменение крупности и ракурса, раскрытие окружения, появление новых персонажей, а также переходы освещения, погоды и времени суток. Для оптимальной работы рекомендуется использовать префикс «Next Scene:» и силу LoRA 0,7–0,8; доступны версии V1 и рекомендуемая V2, в которой заявлены более качественные данные обучения, лучшее следование промптам, устранение артефактов в виде чёрных полос и более плавная кинематографическая динамика. Модель использует архитектуру Low-Rank Adaptation и предназначена для image-to-image задач в ComfyUI, Automatic1111 с поддержкой Qwen и пользовательских пайплайнах. Она обучена на крупном проприетарном наборе кинематографических изображений. Ограничения включают слабую пригодность для статичных портретов, одиночных иллюстраций и несвязанных точечных правок: приоритет отдан последовательному развитию сцены и межкадровой согласованности, а не совершенству отдельного изображения. Лицензия MIT разрешает исследовательское, образовательное и творческое использование; для коммерческих сценариев README рекомендует самостоятельное тестирование и надлежащее указание авторства.

OctoMed-32B — мультимодальная медицинская модель рассуждений, созданная командой OctoMed на основе Qwen3-VL-32B-Instruct с помощью SFT на курируемых медицинских данных. По изображениям и текстовым вопросам модель отвечает на медицинские вопросы, особенно в формате VQA с выбором из нескольких вариантов; авторы сообщают о результатах на медицинских бенчмарках с данными вне обучающего распределения. Внутренние цепочки рассуждений могут быть длиннее для сложных или плохо сформулированных вопросов. Модель использует плотную архитектуру Qwen3-VL и поддерживает диалог с изображениями. Для запуска авторы приводят примеры с Transformers и vLLM. Данные карточки указывают английский язык и лицензию Apache-2.0. Модель дообучена на наборе, включающем более 8 млн трасс рассуждений и 6,8 млрд токенов ответов, дистиллированных из DeepSeek-R1 и GPT-4o. Основное ограничение — специализация на медицинском VQA с выбором ответа: другие задачи могут выполняться по инструкциям, но авторы отмечают, что они не проходили обширную проверку или дополнительное обучение.

PlanLLM — разговорная языковая модель, разработанная авторами исследования «Plan-Grounded Large Language Models for Dual Goal Conversational Settings». Она помогает пользователю пройти рецепт от начала до конца и отвечает на связанные вопросы. Также модель проверяли на задачах DIY, где она показала сопоставимые результаты. Модель представляет собой плотную архитектуру Llama с 6,6 млрд параметров и контекстом 2048 токенов. Её дообучили на основе Vicuna в два этапа: supervised fine-tuning на синтетических диалогах о рецептах и Direct Preference Optimization с LoRA. Для обучения использовали диалоги, построенные на основе пользовательских высказываний Alexa Taskbot и сценариев для 1000 рецептов. Модель предназначена для диалогового планирования и пошагового сопровождения кулинарных и похожих бытовых задач. Указанные в карточке язык — английский, библиотека — Transformers, формат весов — safetensors. Лицензия — Apache-2.0.

SeanWang0027/qwen3-1.7b-sciworld-sft-qwen3-32b-1ep — компактная модель на базе Qwen3-1.7B, дообученная методом trajectory SFT на траекториях прохождения ScienceWorld, сгенерированных Qwen3-32B. Это плотная языковая модель с 1,7 млрд параметров, предназначенная для генерации текста и многошагового взаимодействия с научной средой в формате ReAct. Она получает инструкцию и последовательность наблюдений в диалоге, а в ответ формирует рассуждение и действие; контекст модели составляет до 40 960 токенов. На тестовой выборке ScienceWorld модель показала 13,12% успешных решений при описанном в карточке протоколе; базовая Qwen3-1.7B на том же протоколе показала 0,12%, а Qwen3-32B — 15,62%. Обучение длилось одну эпоху на 2059 вариациях задач, включая неудачные траектории учителя, поэтому результаты зависят от сценария и протокола оценки. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0.