IV.6Научные исследования, математика и новые материалы

trackfit-llm-small — компактная причинная языковая модель на архитектуре Llama, разработанная авторами карточки и обученная с нуля для восстановления параметров прямолинейных треков частиц по срабатываниям детектора. Она получает отсортированный список кодов попаданий по 12 слоям детектора и генерирует вызов gen_evt со значениями наклона и пересечения, а также классификацией лишних и пропущенных попаданий. Задача представлена как перевод последовательности кодов в структурированный текстовый вызов. Модель содержит около 32,3 млн параметров по метаданным и принимает контекст длиной до 256 токенов. Фиксированный токенизатор включает коды попаданий, синтаксис вызова и допустимые значения параметров трека. Расширенный словарь охватывает крутые треки, пересекающие лишь часть детектора. В README приведены результаты на синтетических и реальных данных космических мюонов; на синтетических событиях модель показывает высокую точность восстановления параметров и обработку шума. Применение ограничено описанной конфигурацией однотрекового детектора, геометрией и диапазоном словаря. Лицензия MIT.

davethaler/whale-call-detector — дообученная модель для классификации звуковых событий в аудио, включая распознавание классов, связанных с китами. Она создана на основе MIT/ast-finetuned-audioset-10-10-0.4593 и использует архитектуру Audio Spectrogram Transformer (AST); число параметров — 113,2 млн. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Модель предназначена для классификации аудиозаписей по категориям, среди которых Water, Resident, Transient, Humpback, Vessel, Jingle, Human и Bird. В README приведены результаты оценки: accuracy 0,8866 и F1 0,8670; качество различается между классами. Данные оценки относятся к указанному автором набору проверки, подробности которого не приведены. Лицензия — BSD-3-Clause.

mwalmsley/zoobot-encoder-convnext_nano — дообученный визуальный энкодер Zoobot на основе ConvNeXt Nano. Он предназначен для классификации изображений и извлечения визуальных признаков; модель можно загружать через timm как энкодер без классификационной головы. Модель построена на PyTorch и основана на timm/convnext_nano.in12k. Карточка указывает Apache-2.0. README отсылает к документации Zoobot за инструкциями по загрузке и дообучению, но не приводит сведения о конкретных классах, данных обучения или качестве.

Astro-HEP-BERT — англоязычная двунаправленная модель BERT, разработанная Арно Симонсом для контекстных представлений слов и вычислительного анализа понятий в астрофизике и физике высоких энергий. Она основана на google-bert/bert-base-uncased и дополнительно обучена в течение трёх эпох на корпусе Astro-HEP из 21,84 млн абзацев более чем 600 000 научных статей arXiv. Модель обучалась с задачей masked language modeling; обучение на целых абзацах сохраняет исходный контекст предложений. Модель подходит для анализа того, как меняется употребление научных понятий в астрофизике и физике высоких энергий, в том числе в исследованиях по истории, философии и социологии науки. Её можно применять для получения контекстных эмбеддингов и заполнения пропусков в тексте. Это BERT-модель с 136,7 млн параметров и контекстом до 512 токенов; поддерживаемый язык — английский. Распространяется по лицензии Apache-2.0.

BatatasLM-MS12-28L — предварительно обученная ДНК-модель семейства BatatasLM, разработанная в проекте Jiangsu Normal University. Это плотная архитектура Caduceus с головой CaduceusForMaskedLM и 231,2 млн параметров; модель распространяется в формате PyTorch и предназначена для задач заполнения масок в последовательностях ДНК и получения их представлений. Модель обучалась на коллекции геномов растений 12 видов BatatasLM-MS12-Pretraining-Data, с длиной последовательности 4096 пар оснований. Она подходит для исследовательских сценариев анализа геномных последовательностей растений; метаданные также относят к поддерживаемым задачам классификацию текста, что в данном контексте следует понимать как классификацию последовательностей. Карточка не приводит метрик или сравнений качества, поэтому эффективность для конкретных задач не подтверждена. Для загрузки указано использование Transformers с trust_remote_code=True. Лицензия не указана в предоставленных данных.

BioBERT v1.1 — доменно-адаптированная модель представления текста на архитектуре BERT, разработанная DMIS Lab для извлечения информации из биомедицинских текстов. Вариант v1.1 основан на BERT-base-Cased и дополнительно обучен на корпусе PubMed; в репозитории Hugging Face указаны 135,5 млн параметров и окно до 512 токенов. Модель выдаёт контекстные векторные представления текста, которые можно использовать как основу для дообучения на распознавании биомедицинских сущностей, извлечении отношений и ответах на вопросы. Она принимает текст и не является готовой генеративной моделью: для прикладных задач обычно требуется подходящая настроенная голова или дообучение. Поддерживается английский язык биомедицинских текстов. Условия лицензии следует проверять по файлу LICENSE исходного проекта.

BioGravity-Inst — биомедицинская инструкционная языковая модель компании AIGEN Sciences, разработанная дообучением Gravity-30B-A5B-Preview. Она предназначена для исследовательских задач в среде Biomni A1: ответов на вопросы, сбора свидетельств, вычислений и анализа с помощью инструментов. Модель использует архитектуру GravityMoEForCausalLM с разреженной смесью экспертов и MLA; в репозитории опубликован объединённый чекпойнт. Число параметров — 3,8 млрд, контекст — до 131 072 токенов. Основные языки — английский и корейский. В опубликованном сравнении на 433 вопросах Biomni Eval1 точность после биомедицинской адаптации составила 56,81% против 27,02% у исходной модели; результаты получены с инструментами и научными навыками среды A1 и не показывают качество автономного чата. Модель может ошибаться в фактах, объяснениях и ссылках; актуальные публикации и рекомендации нужно находить и проверять отдельно. Качество для языков, кроме английского и корейского, не гарантируется. Лицензия — Apache-2.0; модель выпущена для исследовательского применения и рассчитана на среду Biomni A1.

DIVER-1 1 s Small — энкодер для электроэнцефалографии (EEG) и внутричерепной электрофизиологии (iEEG), выпущенный авторами Han et al. (2025) и представленный в формате библиотеки Braindecode. Модель содержит 50,6 млн параметров и кодирует сигналы патчами по 1 секунде при частоте дискретизации 500 Гц; совместное предварительное обучение проводилось на внутричерепных и скальповых записях. Репозиторий содержит веса энкодера в форматах PyTorch и Safetensors; при преобразовании исходные bfloat16-веса приведены к float32. Модель предназначена для получения признаков из EEG, SEEG, ECoG и DBS-сигналов, которые можно использовать в последующих задачах анализа нейрофизиологических данных. Для работы сигналы нужно привести к 500 Гц и передать позиции электродов; типы каналов задаются через информацию о каналах. Классификационная голова в релиз не включена: Braindecode инициализирует её при загрузке, поэтому для классификации требуется дообучение по протоколу статьи. Лицензия — MIT.

vojtam/DNAGPT2_512 — авторегрессионная модель семейства DNAGPT2, разработанная для моделирования геномных последовательностей. Это декодерный трансформер на архитектуре GPT-2 Small с примерно 86 млн параметров, 12 слоями и контекстом 1 024 токена; модель обучена с нуля на геномах разных видов из набора, предоставленного авторами DNABERT-2. Она принимает последовательности ДНК из символов A, C, G и T и предсказывает вероятности следующего токена. Модель предназначена для предсказания следующего фрагмента последовательности и сжатия ДНК при совместном использовании с арифметическим кодированием. Обучающий набор охватывает позвоночных, грибы, простейших, беспозвоночных и бактерии. В README приведены результаты оценки семейства DNAGPT2 на нескольких геномных наборах; для варианта DNAGPT2_32 сообщается более низкое число бит на символ, чем у gzip, однако эти результаты не являются оценкой именно варианта с размером словаря 512. Репозиторий использует формат safetensors, библиотеку Transformers и лицензию Apache-2.0. Модель обучалась на алфавите A/C/G/T: символ N для неоднозначных нуклеотидов был исключён из обучающих данных, что ограничивает прямое применение к последовательностям с такими символами.

Evo2-40B-8K — порт базовой модели Evo 2 40B от Arc Institute в формат Hugging Face, подготовленный Taykhoom. Это плотная авторегрессионная модель семейства StripedHyena 2 с чередованием блоков Hyena и многоголового внимания. Модель содержит около 38 млрд параметров по README; метаданные указывают 53,7 млрд. Контекст составляет 8K токенов, а предобучение выполнялось на побайтовом предсказании следующего токена на геномных последовательностях из набора OpenGenome2. Модель предназначена для генерации продолжений последовательностей ДНК и получения представлений скрытых состояний для анализа геномных данных. Порт поддерживает загрузку через интерфейс Hugging Face, извлечение скрытых состояний и весов внимания, а также переключение backend внимания. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0. Для инференса FP8-проекций требуется NVIDIA Transformer Engine и GPU класса Hopper, например H100 или H200. Загрузка весов bf16 с активациями требует нескольких GPU H100 и Accelerate. README подтверждает точное совпадение скрытых состояний и логитов с контрольной конфигурацией исходной модели, но не утверждает побитового совпадения при других backend и режимах вычислений.

GENA-LM — семейство открытых фундаментальных моделей AIRI Institute для анализа длинных последовательностей ДНК. Эта версия представляет собой трансформер BERT с 137,8 млн параметров, обученный предсказывать замаскированные фрагменты последовательности человеческого генома; для неё указан pipeline fill-mask. Модель обучена на сборке человеческого генома T2T с аугментацией вариантами из набора gnomAD. Используется токенизация BPE: контекст составляет 512 токенов, что соответствует примерно 4500 нуклеотидам. Архитектура близка к BERT-base: 12 слоёв, 12 голов внимания, размер скрытого состояния 768 и словарь из 32 тысяч токенов. Модель можно использовать как основу для дообучения на задачах геномной классификации и аннотации последовательностей. Она предназначена для анализа последовательностей человеческой ДНК, а не для обычного текста. В README не приведены результаты оценки и условия лицензии, поэтому качество на конкретных задачах и права использования следует проверять отдельно.

GENATATOR-Caduceus-PS — модель AIRI Institute для бинарной классификации последовательностей транскриптов: она различает мРНК и длинные некодирующие РНК (lncRNA). Модель дообучена на основе Caduceus PS; её архитектура включает 16 слоёв, скрытый размер 512 и посимвольную токенизацию нуклеотидов. На вход подаётся ДНК-последовательность одного транскрипта, на выходе — один логит на последовательность; для получения вероятности класса lncRNA к логиту применяют сигмоиду. Максимальная поддерживаемая длина последовательности — 250 000 нуклеотидов. Модель обучалась на транскриптах мРНК и lncRNA из генов, по одному транскрипту на ген, на многовидовом наборе данных без межгенных областей. Она предназначена для классификации отдельных транскриптов, а не для сегментации последовательностей или анализа полных геномов. Распространяется по лицензии Apache-2.0.

GENERator-eukaryote-3b-base — базовая генеративная геномная модель семейства Llama, разработанная GenerTeam. Она содержит 3 млрд параметров и предназначена для продолжения и генерации последовательностей ДНК эукариот. Модель обучена на наборе данных объёмом 386 млрд пар оснований из разных организмов. В README заявлен контекст до 98 тыс. пар оснований, тогда как метаданные Hugging Face указывают нативный контекст 16 384 токена. Для генерации длина входной последовательности должна быть кратна шести: модель использует токенизатор 6-меров, а некратная длина может приводить к бессодержательным повторам. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия — MIT.

GummyBear Hierarchical Fusion — модель на PyTorch для определения координат встроенной частицы по томографическим проекциям из набора GummyBear Tomography. Она принимает 6 настроек освещения и 36 видов с орбиты камеры, каждый размером 128×128, и предсказывает координаты particle_x, particle_y и particle_z. Архитектура использует CNN с усреднённым глобальным пулингом (GAP) для обработки отдельных видов, затем объединяет признаки сначала по настройкам освещения, а затем по камерам. В отчёте для тестовой выборки указан суммарный евклидов RMSE координат 0,422606. Модель опубликована tbhugging под лицензией Apache-2.0. Модель подходит для локализации частиц по многовидовым томографическим изображениям. Для работы нужны проекции с ожидаемыми настройками освещения и камер; README не описывает применение к изображениям вне набора GummyBear Tomography.

QuixiAI публикует MaleCNS v1.0 — lossless-представление полной схемы связей центральной нервной системы взрослой самки? Нет, взрослого самца Drosophila melanogaster: мозга, зрительных долей и брюшного нервного канатика. Репозиторий упаковывает исходные таблицы Janelia в формате safetensors для загрузки как PyTorch-тензоров через Transformers; модельная архитектура обозначена как MaleCNSConnectome. Данные содержат идентификаторы нейронов, направленные рёбра и исходные анатомические количества синаптических контактов, а также отдельные аннотации нейронов и прогнозы нейромедиаторов. Связи не превращены в физиологические веса: к ним не применены знак, нормализация, масштабирование или инициализация. Набор предназначен как исходный граф для графового машинного обучения, симуляций и построения собственных моделей, а не как готовая языковая модель. Указанная лицензия — CC BY 4.0.

MarinDNA m5.1 — авторегрессионная языковая модель для последовательностей ДНК, разработанная командой Marin. Это базовая модель на 1,12 млрд параметров с архитектурой decoder-only Transformer, совместимой с Qwen3ForCausalLM. Она обучалась продолжением предобучения на нуклеотидных последовательностях из областей CDS, upstream, downstream, энхансеров и ncRNA; перечисленные в карточке наборы использовались на разных этапах обучения, а отдельные matched-наборы — для валидации. Модель предназначена для генерации продолжений ДНК и исследований геномных последовательностей, в том числе задач прогнозирования эффектов вариантов, упомянутых в публикации разработчиков. Токенизатор регистронезависимый, работает на уровне отдельных нуклеотидов и принимает строки ДНК из символов A, C, G и T. Контекст составляет 256 токенов, включая обязательный BOS, поэтому вход ограничен 255 основаниями; другие символы преобразуются в UNK. Модель не имеет токена EOS. Репозиторий содержит веса safetensors; в README указан размер исходного checkpoint около 4,18 GiB в float32. Лицензия — Apache-2.0. Карточка не приводит количественных оценок качества или подробных инструкций по применению для конкретных биологических задач.

Meditron7b-caption2smiles-LPM24 — текстовая авторегрессионная модель семейства Llama размером 6,6 млрд параметров. Репозиторий опубликован организацией language-plus-molecules; модель предназначена для генерации текста по заданному запросу. Название указывает на сценарий преобразования текстовых описаний молекул в строки SMILES, однако README не содержит подробностей об обучении и оценке качества. Модель работает с текстом, имеет контекстное окно 2048 токенов и опубликована в формате safetensors для библиотеки Transformers. Подходит для экспериментальной генерации SMILES по подписям или описаниям молекул. Сведений о лицензии и конкретных ограничениях применения в доступных данных нет.

Molmo2Fish — мультимодальная модель tidalove, дообученная на базе allenai/Molmo2-8B для отслеживания рыб в видео с эхолота и исправления траекторий по текстовым инструкциям. Она получает видео и набор существующих треков — например, свои предыдущие предсказания, результат другого трекера или искажённую разметку — и возвращает исправленные треки в ответ на описание ошибок на естественном языке. Модель основана на плотной архитектуре Molmo2ForConditionalGeneration и обучена методом LoRA ранга 64 с адаптерами для языковой модели, ViT и соединительного модуля; базовые веса при обучении были заморожены. Обучающая смесь включает задачи отслеживания, целевые и синтетические исправления, коррекцию предсказаний моделей разного качества и исправления только по тексту. Используются видео Caltech Fish Counting и наборы tidalove/cfc-track-instruction и perona-lab/cfc26. Доступны веса в формате safetensors и исходный чекпойнт обучения. Модель предназначена для анализа видео подводной акустической съёмки, подсчёта и отслеживания рыб, а также интерактивной коррекции треков. Карточка не описывает поддержку языков или длину контекста. Лицензия — Apache-2.0.

NFT-32B-GGUF — языковая модель для математического рассуждения, разработанная NVIDIA, Университетом Цинхуа и Стэнфордским университетом. Модель создана на основе Qwen2.5-32B и дообучена методом Negative-aware Fine-Tuning (NFT), который использует как правильные, так и ошибочные ответы для улучшения способности модели анализировать собственные неудачи. Версия модели предназначена для исследовательских и прикладных экспериментов. Модель ориентирована на решение математических задач конкурсного уровня, включая AIME, AMC и олимпиады, а также на общие задачи математического рассуждения и пошаговую генерацию решений. Она принимает текстовые запросы, поддерживает математическую нотацию LaTeX и генерирует текстовые ответы с пошаговым объяснением; итоговые ответы рекомендуется заключать в формат \boxed{}. Модель не рекомендуется использовать для общего диалога и нематематических задач. Архитектура представляет собой decoder-only Transformer на базе Qwen2.5 с RoPE, SwiGLU, RMSNorm и смещениями в QKV внимания. Модель содержит около 32,5 млрд параметров, 64 слоя и использует Grouped-Query Attention с 40 головами Q и 8 головами KV. Максимальная длина контекста составляет 131 072 токена, максимальная длина генерируемого ответа — 8192 токена. Заявлен английский язык. Поддерживаются Transformers версии 4.37.0 и выше, vLLM и TensorRT-LLM; целевыми платформами являются Linux и GPU NVIDIA архитектур Ampere, Hopper и Blackwell. Сильной стороной модели является специализация на математическом reasoning и обучение с использованием отрицательных примеров. Ограничения включают узкую предметную направленность, отсутствие рекомендаций для общего общения и зависимость от совместимого NVIDIA GPU-окружения для эффективного запуска. Модель распространяется по NVIDIA Non-Commercial License и предназначена только для исследований и разработок.

NSPI RL SOS Structure Conjecturer — языковая модель на архитектуре Qwen3, выпущенная для проекта NSPI вместе с работой об автоматическом доказательстве полиномиальных неравенств через сертификаты суммы квадратов. Модель с 7,6 млрд параметров генерирует кандидатов на разложение SOS для неограниченных полиномиальных неравенств; для работы с ней предусмотрен контекст до 40 960 токенов. Модель служит нейросетевым генератором гипотез в конвейере NSPI: её кандидаты проходят символьную коррекцию коэффициентов, восстановление точных рациональных сертификатов, проверку и генерацию доказательств на Lean 4. Она предназначена для исследователей и разработчиков систем автоматизированного доказательства, работающих с математическими задачами и формальными методами. В карточке указаны английский и китайский языки; репозиторий содержит веса в формате safetensors и обозначен как разговорная модель. Сырые генерации не являются доказательствами: возможны численные ошибки, некорректные выражения и недействительные кандидаты. Для получения проверяемого результата требуется полный конвейер NSPI с символьной обработкой и точной проверкой. Сведения о лицензии в предоставленных данных отсутствуют.

ProkBERT PhaStyle-mini — модель на основе архитектуры ProkBERT, дообученная для предсказания образа жизни бактериофагов по нуклеотидным последовательностям. Она относит фаги к вирулентным или умеренным и рассчитана на работу с фрагментами, характерными для метагеномных и метавиромных данных. Модель содержит 26,3 млн параметров, использует контекст до 1024 токенов; при обучении применялись сегменты длиной 512 пар оснований. Для инференса нужны токенизатор ProkBERT и специальная модель классификации с pooling. В README описаны сценарии анализа фагов в метагеномных исследованиях, микробиомной инженерии и изучении фаготерапии. Обучение проводилось на наборе BACPHLIP без последовательностей E. coli, а также использовались коллекции фагов Escherichia и экстремофильных фагов. Модель предназначена только для бинарной классификации фаговых последовательностей и не подходит для нефаговых данных; для крупномасштабного инференса рекомендуется GPU. Лицензия — CC BY-NC-SA 4.0.

zhangtaolab/plant-dnabert-singlebase — zhangtaolab әзірлеген өсімдік ДНҚ-сын талдауға арналған алдын ала оқытылған тілдік модель. Ол өсімдік геномдарының тізбектерінде үйретілген және ДНҚ-ға бейімделген BPE токенизаторын қолданады; сөздік көлемі 8 000 токен, контекст ұзындығы 512 токен, ал модельде 113,3 млн параметр бар. Архитектурасы BERT негізіндегі тығыз модель, Hugging Face класында BertForMaskedLM деп көрсетілген. Модель ДНҚ тізбегіндегі жасырылған нуклеотидтік фрагменттерді болжауға және өсімдік геномдарының тізбегін зерттеуге арналған. Метадеректерде негізгі міндеті fill-mask деп берілген, ал карточкада модель өсімдік геномдарында CausalLM әдісімен алдын ала оқытылғаны айтылған. Ол PyTorch және safetensors форматтарында қолжетімді. Лицензиясы CC BY-NC-SA 4.0; коммерциялық пайдалануға шектеу қойылады және туынды жұмыстар сол лицензиямен таратылуы тиіс.

amayuelas/Qwen3.5-9B-MatRL-MT-SFT — экспериментальный чекпойнт Qwen3.5-9B, дообученный автором на многоходовых эпизодах с вызовами инструментов для обратного проектирования кристаллических структур. Обучение на 1 119 эпизодах датасета amayuelas/matrl-sft-mt учит модель соблюдать формат и цикл работы агента: предлагать структуру, оценивать её, уточнять и отправлять итоговый вариант в пределах заданного числа ходов. Используются диалоговый режим и родной канал рассуждений; в метаданных указаны архитектура Qwen3.5 и формат safetensors. Модель предназначена для специализированных агентных сценариев в материаловедении, где доступен соответствующий набор инструментов оценки и отправки структур. Это стадия cold start: химические навыки планировалось развивать далее с помощью обучения с подкреплением. Контрольный чекпойнт не оценивался на бенчмарке SUN, поэтому качество его проектных результатов не подтверждено. Основа — Qwen/Qwen3.5-9B; лицензия — Apache-2.0.

RNAMamba-14M — компактная модель семейства Mamba, разработанная автором репозитория и обученная с нуля на 1,96 млн последовательностей, содержащих 1,56 млрд нуклеотидов из RNAcentral, релиз 24 (март 2024 года). Модель предназначена для получения эмбеддингов последовательностей некодирующей РНК и последующей обработки этих последовательностей в других задачах. Модель имеет 16,8 млн параметров по метаданным; в README указано 14,1 млн. Архитектура включает 8 слоёв, скрытый размер 512 и промежуточный размер 1024. Она обучалась с задачей masked language modeling, но MLM-голова удалена. Контекст составляет до 8192 нуклеотидов; обучающие последовательности имели длину от 10 до 8192 нуклеотидов. Компактный размер рассчитан на быстрое выполнение без GPU. Репозиторий предоставляет веса в формате safetensors, лицензия — Apache-2.0.

Это сверточная нейросеть Single-view CNN с Fourier pooling от tbhugging для локализации частицы по одному рентгеновскому проекционному изображению. Модель принимает изображение размером 128×128 из набора gummybear-tomography и предсказывает координаты particle_x, particle_y и particle_z. Она предназначена для сценария томографической реконструкции M8 Step 3 и не рассчитана на обработку нескольких видов проекции или разных схем освещения. В README приведены результаты по евклидовой RMSE координат: 2,275541 на validation и 1,491224 на test. Модель опубликована в формате PyTorch по лицензии Apache-2.0. Ее применение связано с датасетом gummybear-tomography и указанным протоколом предобработки; перенос на другие изображения и условия в README не подтвержден.

iSEEEK — генеративная модель на архитектуре GPT-2, обученная на ранжированных списках наиболее экспрессируемых генов. Разработчик обучил её на более чем 20 миллионах одноклеточных транскриптомов; длина последовательности при обучении составляла 64, а размер контекста — 1024 токена. Модель предназначена для генерации последовательностей генов и анализа одноклеточных транскриптомных данных. Карточка не приводит подробностей о конкретных сценариях применения или результатах оценки качества. Репозиторий содержит веса PyTorch и имеет задачу text-generation; сведения о лицензии в предоставленных данных отсутствуют.

TransHLA_I — модель семейства TransHLA для предварительного выявления коротких пептидов, которые могут распознаваться как эпитопы молекулами HLA класса I. Она принимает пептидные последовательности длиной от 8 до 14 аминокислот и выдаёт вероятность принадлежности к эпитопам, а также последовательностное эмбеддинг-представление. Архитектура сочетает трансформерный энкодер и глубокую CNN; при обучении использовались предварительно обученные эмбеддинги последовательностей ESM2 и структурные признаки контактных карт. Модель предназначена для первичного отбора кандидатов перед анализом инструментами, оценивающими сродство связывания пептидов с HLA. Репозиторий содержит веса PyTorch в формате safetensors; для запуска автор рекомендует PyTorch, fair-esm и transformers, а для CUDA — версию 11.8 или новее. В предоставленных материалах лицензия не указана.

TxGravity-30B-A5B-Open — специализированная модель для прогнозирования терапевтических свойств молекул и биомолекулярных взаимодействий. Её совместно разработали SK Biopharmaceuticals и Trillion Labs на базе Trillion Labs/Gravity-30B-A5B; архитектура совместима с DeepSeek-V3 и использует MoE. В карточке указано 3,8 млрд параметров, а в README — 29,56 млрд общих и около 6 млрд активных параметров; эти сведения о размере расходятся. Модель дообучена на 57 задачах Therapeutic Data Commons, преобразованных в одношаговые инструкции. Она предназначена для прогнозирования ADMET-свойств малых молекул, токсичности, взаимодействий лекарств с мишенями, белок-белковых и пептидно-MHC взаимодействий и других задач бенчмарка TDC. Ожидаемый формат ответа — метки (A)/(B) для классификации или нормализованный бин 000–1000 для регрессии. Контекст — до 131 072 токенов; интерфейс рассчитан на текстовые запросы и ответы. В сравнении с TxGemma-27B на сопоставимых задачах TDC модель показала 16 побед, 26 ничьих и 18 поражений. Она не является универсальным помощником и не предназначена для свободного диалога: надёжность вне обучающих форматов и задач не установлена. Прогнозы могут быть неточными, смещёнными или неполными и требуют независимой проверки до экспериментального, клинического или иного принятия решений. Открытая версия выпущена под лицензией Apache-2.0; при обучении исключены датасеты с ограничением на некоммерческое использование.

Карточка модели trillionlabs/TxGravity-30B-A6B-Open на Hugging Face совпадает с карточкой trillionlabs/TxGravity-30B-A5B-Open, поэтому описание составлено по ней. TxGravity-30B-A5B-Open — специализированная модель для прогнозирования терапевтических свойств молекул и биомолекулярных взаимодействий. Её совместно разработали SK Biopharmaceuticals и Trillion Labs на базе Trillion Labs/Gravity-30B-A5B; архитектура совместима с DeepSeek-V3 и использует MoE. В карточке указано 3,8 млрд параметров, а в README — 29,56 млрд общих и около 6 млрд активных параметров; эти сведения о размере расходятся. Модель дообучена на 57 задачах Therapeutic Data Commons, преобразованных в одношаговые инструкции. Она предназначена для прогнозирования ADMET-свойств малых молекул, токсичности, взаимодействий лекарств с мишенями, белок-белковых и пептидно-MHC взаимодействий и других задач бенчмарка TDC. Ожидаемый формат ответа — метки (A)/(B) для классификации или нормализованный бин 000–1000 для регрессии. Контекст — до 131 072 токенов; интерфейс рассчитан на текстовые запросы и ответы. В сравнении с TxGemma-27B на сопоставимых задачах TDC модель показала 16 побед, 26 ничьих и 18 поражений. Она не является универсальным помощником и не предназначена для свободного диалога: надёжность вне обучающих форматов и задач не установлена. Прогнозы могут быть неточными, смещёнными или неполными и требуют независимой проверки до экспериментального, клинического или иного принятия решений. Открытая версия выпущена под лицензией Apache-2.0; при обучении исключены датасеты с ограничением на некоммерческое использование.

Vir2vec — вирусная геномная языковая модель, разработанная Пабло Аросареной и предназначенная для получения векторных представлений геномов вирусов. Модель основана на дообученной RaphaelMourad/Mistral-DNA-v1-422M-hg38; доступны варианты размером 422 млн, 138 млн и 17 млн параметров. Она формирует фиксированные эмбеддинги размерности 4096 с помощью max pooling логитов словаря и загружается через Transformers. Эмбеддинги можно применять для различения вирусных и невирусных геномов или прочтений, классификации ДНК- и РНК-вирусов, предсказания круга хозяев, типирования вариантов и выявления сигналов, связанных с фенотипом, например тропностью к тканям. Репозиторий ограничивает доступ: для получения модели требуется запрос с институциональным адресом электронной почты, кратким описанием цели и номером протокола IRB. Лицензия — MIT.