IV.6Научные исследования, математика и новые материалы

RobustSAM ViT-Huge — вариант Segment Anything Model, разработанный авторами проекта RobustSAM для сегментации изображений с ухудшенным качеством. Модель сохраняет поддержку запросов и сегментацию без специального обучения на каждом изображении, повышая устойчивость SAM к деградациям изображения. Карточка описывает архитектуру ViT-Huge с кодировщиком изображения, кодировщиком подсказок и декодером масок; веса опубликованы в формате safetensors и доступны по лицензии MIT. Модель принимает изображение и может строить маски по точкам, ограничивающим рамкам или маске-подсказке. Также она поддерживает автоматическую генерацию масок без пользовательской подсказки, используя сетку точек. Текстовые подсказки официальной реализацией не поддерживаются. Авторы сообщают об улучшении сегментации на изображениях низкого качества и о пользе для последующих задач устранения дымки и размытия.

SAM 2 Hiera Base Plus — модель сегментации изображений и видео, разработанная FAIR. Это базовая версия семейства SAM 2 для интерактивного выделения объектов по точкам, ограничивающим рамкам или маскам, а также для автоматической генерации масок на изображениях. В видео модель распространяет сегментацию по кадрам и отслеживает выбранные объекты, в том числе несколько объектов одновременно. Модель относится к семейству SAM 2 с архитектурой Hiera; карточка Hugging Face предоставляет веса в формате safetensors и интеграцию через Transformers. Она принимает визуальные данные и подсказки для сегментации, а выдаёт маски объектов. Лицензия — Apache 2.0. README не приводит конкретных ограничений качества или количественных характеристик этой версии.

Карточка модели CollectionStudio/sam2-hiera-large на Hugging Face совпадает с карточкой facebook/sam2-hiera-large, поэтому описание составлено по ней. SAM 2 Hiera Large — модель сегментации изображений и видео с визуальными подсказками, разработанная FAIR. Она выделяет объекты по точкам, ограничивающим рамкам или уже полученным маскам, а также может автоматически создавать маски для объектов на изображении. Для видео модель отслеживает заданные объекты между кадрами и поддерживает обработку нескольких объектов и потоковых кадров. Модель относится к семейству SAM 2 и использует архитектуру SAM2VideoModel; веса опубликованы в формате safetensors и доступны через Transformers. Входом служат изображения или кадры видео вместе с визуальными подсказками, выходом — маски сегментации. Репозиторий распространяется по лицензии Apache-2.0. В карточке модели не приведены сведения о размере параметров и длине контекста.

SAM 2 Hiera Large — модель сегментации изображений и видео с визуальными подсказками, разработанная FAIR. Она выделяет объекты по точкам, ограничивающим рамкам или уже полученным маскам, а также может автоматически создавать маски для объектов на изображении. Для видео модель отслеживает заданные объекты между кадрами и поддерживает обработку нескольких объектов и потоковых кадров. Модель относится к семейству SAM 2 и использует архитектуру SAM2VideoModel; веса опубликованы в формате safetensors и доступны через Transformers. Входом служат изображения или кадры видео вместе с визуальными подсказками, выходом — маски сегментации. Репозиторий распространяется по лицензии Apache-2.0. В карточке модели не приведены сведения о размере параметров и длине контекста.

zeromodels/sam_vit_large — версия модели Segment Anything Model (SAM) с архитектурой ViT-L, подготовленная командой zeromodels в формате Keras 3. Это модель сегментации изображений без фиксированного набора классов: она принимает изображение и визуальную подсказку — точку или, при соответствующей настройке, рамку — и возвращает маску объекта. Тяжёлый энкодер изображения запускается один раз для каждого изображения, а лёгкие энкодер подсказок и декодер масок позволяют интерактивно уточнять сегментацию. Модель предназначена для выделения объектов по указанию пользователя и интерактивной сегментации изображений. Реализация Keras 3 рассчитана на работу с бэкендами TensorFlow, PyTorch и JAX. Веса преобразованы из facebook/sam-vit-large; лицензия — Apache 2.0. Ограничения: модель не использует словарь классов и требует визуальной подсказки; для рамок нужно включить поддержку box-входа при построении графа.

SlimSAM-77-uniform — сжатая версия Segment Anything Model (SAM), представленная в репозитории Hugging Face nielsr. Это модель компьютерного зрения на архитектуре SAM с кодировщиком изображений на основе ViT, кодировщиком подсказок и декодером масок. Согласно карточке, версия SlimSAM содержит 5,7 млн параметров и формирует маски объектов по изображению и подсказкам: точкам, ограничивающим рамкам или маске. Также она поддерживает автоматическую генерацию масок без заданной цели, используя сетку из 1024 точек. Модель предназначена для сегментации объектов на изображениях, в том числе на устройствах с ограниченными вычислительными ресурсами. Текстовые подсказки официальной реализацией не поддерживаются. Модель использует формат safetensors и распространяется по лицензии Apache-2.0.

AmberYifan/capsd-qwen3-sciweb-stackexchange-Qwen3-4B-Base-science_ppl_b4000_s0 — дообученная плотная языковая модель Qwen3 для генерации текста. Она основана на Qwen/Qwen3-4B-Base и содержит 3,7 млрд параметров; модель поддерживает контекст до 32 768 токенов и работает через Transformers. По названию обучающего набора модель адаптирована на смеси научных материалов из веба и Stack Exchange, поэтому её можно применять для генерации и продолжения текстов на научные темы. README не приводит сведения об оценке качества, конкретных сценариях использования или ограничениях после дообучения. Лицензия указана как other, поэтому условия использования следует сверить с карточкой модели и лицензией базовой модели.

LessThink-Qwen3-4B-v1 — дообученная методом GRPO модель семейства Qwen3, созданная автором репозитория на базе Qwen/Qwen3-4B. Она предназначена для диалоговой генерации текста и решения задач на рассуждение с более короткой внутренней цепочкой рассуждений. В тестах автор сообщает о сокращении числа токенов рассуждений на 52–63% на нескольких математических и академических бенчмарках; качество ответов в отдельных тестах немного ниже базовой модели, а при ограниченном бюджете токенов результаты заметно лучше. Модель имеет плотную архитектуру Qwen3ForCausalLM примерно на 3,7 млрд параметров и контекст до 40 960 токенов. Она обучена с GRPO поверх LoRA-адаптера ранга 64, затем адаптер объединён с базовыми весами; опубликованный чекпойнт соответствует шагу 50 из 400. Репозиторий распространяет веса в формате safetensors. Лицензия — Apache-2.0. Модель подходит для диалоговых задач, где важно быстрее получать правильные ответы и ограничивать расход токенов на рассуждения, особенно для математики и вопросов общего академического характера. Автор указывает, что модель ещё не оценивалась на программировании, агентных сценариях и следовании инструкциям; на математических соревнованиях без лимита токенов точность может снижаться на 2,5–8 процентных пунктов.

Модель devpotatopotato/qwen3-8b-sft-260901-acereason-bigmath — дообученная командой devpotatopotato версия Qwen3-8B для генерации текста в диалоговом формате. В README указано обучение на наборах acereason_keyword_details и bigmath_keyword_details; по названию наборов модель ориентирована на рассуждения и математические задачи, однако подробностей обучения и оценки не приведено. Модель содержит 7,6 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и формат safetensors. Контекстное окно — до 40 960 токенов. Базовая модель мультиязычная; сведения о языках, на которых специально обучали эту версию, отсутствуют. Модель распространяется под лицензией с обозначением «other», конкретные условия следует уточнить в карточке репозитория.

RLPR-Qwen2.5-7B-Base — языковая модель OpenBMB, дообученная на базе Qwen2.5-7B-Base с помощью фреймворка RLPR для усиления рассуждений. Метод использует вероятности генерации самой модели как сигнал вознаграждения, без внешних проверяющих моделей; обучение также включает фильтрацию запросов по стандартному отклонению и использует набор данных RLPR-Train. Модель предназначена для генерации ответов и решения задач общего и математического рассуждения. В карточке приведены результаты на тестах MMLU-Pro и TheoremQA; заявлено улучшение относительно исходной модели и ряда моделей, использующих внешнюю проверку. Это плотная авторегрессионная архитектура Qwen2 с 7,1 млрд параметров, контекстом до 131 072 токенов и поддержкой английского языка по метаданным. Доступны веса Safetensors и интерфейс для чата и вызова инструментов. Модель выпущена под лицензией Apache-2.0. Карточка не приводит подробностей об ограничениях качества или безопасности; как и другие языковые модели, она может генерировать ошибки и убедительно излагать неверные ответы.

SAM 3.1 — модель Meta для сегментации объектов по запросам в изображениях и видео. Она находит и выделяет масками экземпляры объектов по текстовому описанию или визуальным подсказкам: точкам, рамкам и маскам. Модель поддерживает сегментацию всех экземпляров заданного понятия из открытого словаря и отслеживание объектов в видео. SAM 3.1 развивает SAM 3 за счёт Object Multiplex — совместного отслеживания нескольких объектов с общей памятью. По данным карточки, это ускоряет инференс примерно в семь раз при отслеживании 128 объектов на одном GPU H100 без потери точности; также улучшены результаты на шести из семи бенчмарков VOS. Репозиторий содержит чекпойнты PyTorch, но не включает интеграцию с Transformers; инструкции по установке и использованию размещены в репозитории SAM 3 на GitHub. Указана лицензия other.

zeromodels/sam_vit_base — конверсия модели Segment Anything Model (SAM) от Meta в формате Keras 3, подготовленная для проекта zeromodels. Это модель сегментации с подсказками: она принимает изображение и указание на нужную область — точку, а при включённой поддержке рамок также рамку — и возвращает маску объекта. Архитектура включает визуальный энкодер ViT-B, который обрабатывает изображение, и более лёгкие энкодер подсказок и декодер масок. Модель подходит для интерактивного выделения объектов и генерации масок без заранее заданного словаря классов. Реализация Keras 3 работает с бэкендами TensorFlow, PyTorch и JAX. Репозиторий лицензирован по Apache 2.0. Карточка не сообщает размер модели и контекст; эти характеристики здесь не приводятся.

SOLID-opt — дообученная модель Qwen3-4B-Instruct-2507, разработанная для задач математической оптимизации и исследования операций. Она преобразует задачи, описанные на естественном языке, в структурированные рассуждения, формулировки линейного программирования и Python-код для решателей. Модель основана на плотной архитектуре Qwen3 и содержит 3,7 млрд параметров; для работы с текстом использует библиотеку Transformers и формат safetensors. Контекстное окно — до 262 144 токенов. При обучении применялись GRPO, голосование по целевым значениям решателя и локализованная дистилляция по KL-дивергенции; опубликован чекпойнт шага 125. Модель предназначена для исследовательского применения. Её формулировки, коэффициенты, ограничения, код решателя и заявленные решения могут быть ошибочными, недопустимыми или небезопасными: результаты нужно проверять решателем и независимо проверять перед использованием в важных сценариях. Отдельные результаты оценки качества в карточке не приведены. Лицензия в предоставленных данных не указана.

StableDelight — модель преобразования изображений из репозитория Stable-X, представленная в формате Diffusers. Она предназначена для удаления зеркальных отражений с фотографий, чтобы проявить скрытые под ними текстуры. Карточка связывает модель с работой «StableDelight: Revealing Hidden Textures by Removing Specular Reflections» и отсылает к GitHub-репозиторию за инструкциями по использованию. Модель распространяется в формате safetensors под лицензией Apache-2.0. Данных о размере, архитектурных деталях, языковой поддержке и ограничениях качества в доступной карточке нет.

dmis-lab/biobert-base-cased-v1.1-mnli — модель классификации текста, разработанная DMIS-Lab при Корейском университете. Это версия BioBERT-Base v1.1, дообученная на наборе MNLI для классификации отношений между текстовыми фрагментами, включая вывод о том, следует ли одна фраза из другой. Архитектура — BERT для последовательностной классификации; модель содержит 135,5 млн параметров и рассчитана на последовательности длиной до 512 токенов. BioBERT основана на BERT-base-cased и адаптирована к биомедицинскому тексту посредством предварительного обучения на научных публикациях PubMed. Модель принимает текст и выдаёт метки классов. Её можно применять для классификации пар фраз в биомедицинском контексте; она не предназначена для генерации текста. Доступна в формате PyTorch. Лицензия этой конкретной версии в доступных источниках не подтверждена.

BioGPT-Large-PubMedQA — англоязычная генеративная языковая модель Microsoft на базе плотного авторегрессионного Transformer BioGPT, дообученная для вопросов и ответов по биомедицинской литературе PubMedQA. Она предназначена для генерации ответов на вопросы по научным публикациям, а также может создавать связные описания биомедицинских терминов и помогать с извлечением отношений в биомедицинском тексте. Модель содержит 2,1 млрд параметров, принимает и генерирует текст, использует веса PyTorch и рассчитана на контекст до 2048 токенов. В карточке описаны результаты на нескольких биомедицинских NLP-задачах, включая точность 78,2% на PubMedQA; эти показатели относятся к заявленной оценке и не гарантируют качество в иных сценариях. Модель специализирована на научной биомедицинской литературе и не заменяет проверку ответов экспертами. Лицензия — MIT.

Это дообученная на наборе DTD модель CLIP ViT-Base/32 на основе openai/clip-vit-base-patch32, представленная как модель зрения CLIP. Она извлекает признаки изображений и предназначена для сценариев компьютерного зрения, связанных с текстурами и набором DTD. Модель содержит 113,2 млн параметров и сохранена в формате safetensors. В README приведены результаты оценки: 0,4388 для предобученной и 0,7973 для дообученной модели; метрика не уточнена. Для работы с моделью README предлагает использовать CLIPVisionModel из Transformers. Лицензия в предоставленных данных не указана.

LA1512/led-pubmed-20K-ORC-4096 — дообученная модель семейства LED, созданная на основе pszemraj/led-base-book-summary. Веса содержат 95,2 млн параметров и опубликованы в формате safetensors; лицензия — BSD 3-Clause. По названию репозитория можно предположить, что модель предназначена для суммаризации научных публикаций PubMed, однако README не описывает назначение и обучающие данные. В карточке приведён результат Loss 3,2980 на тестовой выборке, но без сведений о протоколе оценки его нельзя интерпретировать как показатель качества. Метаданные указывают на генерацию текста; языки и длина контекста не приведены.

OpenMed разработала OpenMed-NER-OncologyDetect-BioClinical-108M — специализированную модель распознавания биомедицинских сущностей в текстах об онкологии и генетике рака. Это дообученный Bio_ClinicalBERT на корпусе BioNLP 2013 CG для задачи NER; модель размечает токены BIO-тегами, выделяя, среди прочего, гены и их продукты, виды рака, клетки, ткани, органы, химические вещества и другие анатомические и биологические сущности. Модель подходит для извлечения сущностей из медицинских записей и научной литературы, анализа онкологических публикаций и построения биомедицинских баз знаний. Размер — 135,5 млн параметров, максимальный контекст — 512 токенов; вход — токенизированный текст, выход — метки токенов. В README приведены результаты на целевом корпусе: F1 0,80, точность 0,79 и полнота 0,81. Английский указан как язык карточки. Модель распространяется по лицензии Apache-2.0.

OpenMed разработала OpenMed-NER-OncologyDetect-SuperClinical-141M — специализированную модель распознавания и классификации биомедицинских сущностей в тексте. Это дообученная модель архитектуры DeBERTa v2 примерно на 155 млн параметров; она принимает токенизированный текст и выдаёт предсказания сущностей с BIO-разметкой. В README указано обучение на корпусе BioNLP 2013 CG, ориентированном на генетику рака, и перечислены типы сущностей, включая гены и продукты генов, опухоли, ткани, органы, клетки и химические вещества. Модель предназначена для извлечения онкологических и генетических сущностей из научной литературы и клинических текстов, а также для текстового анализа в исследованиях и здравоохранении. Контекст ограничен 512 токенами. README приводит F1 0,77, точность 0,75 и полноту 0,79 на заявленной оценке; качество на других корпусах и реальных клинических документах может отличаться. Расширенные сценарии вроде выявления лекарственных взаимодействий не подтверждены отдельной оценкой модели. Лицензия — Apache-2.0.

OpenMed-NER-PharmaDetect-ModernMed-149M — разработанная OpenMed модель для распознавания химических сущностей в биомедицинских текстах. Это дообученный ModernBERT-base с архитектурой ModernBertForTokenClassification и 149 млн параметров; модель принимает токенизированный текст и выдаёт BIO-разметку B-CHEM и I-CHEM. Контекст — до 8192 токенов. Модель обучена на BC5CDR_CHEM и предназначена для извлечения названий химических соединений, лекарств и терапевтических веществ из научных публикаций, медицинских записей и других биомедицинских документов. Такие извлечения можно использовать для поиска лекарств в записях пациентов, мониторинга нежелательных явлений, анализа литературы и построения биомедицинских баз знаний. README сообщает F1, точность и полноту 0,94 на BC5CDR-Chem. Модель ориентирована на английский язык и специализированный химико-биомедицинский текст; качество на других языках и вне этой области не установлено. Распространяется по лицензии Apache-2.0.

OpenMed-NER-PharmaDetect-MultiMed-335M — модель OpenMed для распознавания химических сущностей в биомедицинском тексте. Это дообученная модель на архитектуре BERT с 433,9 млн параметров, предназначенная для токенной классификации; она принимает токенизированный текст и присваивает словам BIO-метки B-CHEM и I-CHEM. Контекст ограничен 512 токенами. Модель обучена на наборе BC5CDR_CHEM и рассчитана на извлечение названий химических соединений, лекарств и терапевтических веществ из аннотаций научных статей и медицинских документов. Возможные сценарии включают поиск препаратов в записях пациентов, мониторинг нежелательных явлений и подготовку данных для исследований лекарств. В карточке заявлены F1 0,961, точность 0,9585 и полнота 0,9634 на BC5CDR_CHEM. Указана лицензия Apache-2.0. Результаты относятся к конкретному набору BC5CDR_CHEM; качество на других типах клинических и научных текстов в карточке не подтверждено. Язык модели — английский.

OpenMed-NER-PharmaDetect-PubMed-335M — модель OpenMed для распознавания химических сущностей в биомедицинских текстах. Это дообученный для классификации токенов трансформер семейства BERT на базе BiomedNLP-BiomedBERT-large-uncased-abstract, обученный на корпусе BC5CDR_CHEM. Модель содержит 433,9 млн параметров и принимает токенизированный текст; контекст ограничен 512 токенами. Модель размечает упоминания химических веществ BIO-метками B-CHEM и I-CHEM. Её можно применять для извлечения лекарств и соединений из PubMed-аннотаций, медицинских записей и других биомедицинских документов, в том числе для последующего мониторинга нежелательных реакций и поиска литературы по лекарствам. В README приведены результаты на BC5CDR-Chem: F1 0,96, точность 0,95 и полнота 0,97. Модель рассчитана на англоязычные биомедицинские тексты. Она распознаёт химические сущности, но сама по себе не устанавливает взаимодействия препаратов и не подтверждает клинические выводы; качество на других типах текстов и языках может отличаться. Лицензия — Apache-2.0.

OpenMed-NER-PharmaDetect-TinyMed-135M — модель OpenMed для распознавания химических сущностей в биомедицинском тексте. Это дообученный трансформер DistilBERT для токенной классификации: он присваивает токенам BIO-метки B-CHEM и I-CHEM, обозначающие границы химических соединений и лекарственных веществ. В README в качестве базовой архитектуры указана distilbert-base-multilingual-cased; модель работает с текстом и имеет контекст длиной 512 токенов. Модель обучена на BC5CDR-Chem и рассчитана на извлечение химических соединений из научных публикаций и медицинских документов. Её можно использовать для поиска лекарств в медицинских записях, мониторинга нежелательных явлений, анализа литературы для разработки лекарств и подготовки данных для биомедицинских графов знаний. README приводит F1 0,95, точность 0,94, полноту 0,95 и accuracy 0,98 на BC5CDR-Chem; эти показатели относятся к указанному корпусу. Модель совместима с Transformers и распространяется в формате safetensors. Лицензия — Apache-2.0. Результаты на другом типе текста могут отличаться: метки ориентированы на химические сущности, а контекст ограничен 512 токенами.

OpenMed/OpenMed-ZeroShot-NER-Pharma-Multi-209M — специализированная модель OpenMed для распознавания химических сущностей в биомедицинских текстах. Она основана на архитектуре GLiNER и дообучена на корпусе BC5CDR-Chem, содержащем упоминания химических соединений, лекарств и терапевтических веществ. В метаданных указаны задача token-classification и формат PyTorch; модель принимает текст и возвращает метки и границы распознанных сущностей. Модель предназначена для извлечения названий химических веществ из научной литературы и других биомедицинских текстов, в том числе для фармаконадзора, поиска нежелательных реакций и последующего анализа связей «химическое вещество — заболевание». В README приведён F1 0,89 на тестовой выборке BC5CDR-Chem, исключённой из обучения. Заявленная возможность задавать собственные типы сущностей связана с zero-shot подходом GLiNER, однако обучение ориентировано прежде всего на химические сущности BC5CDR-Chem. Модель рассчитана на англоязычный текст. Длина контекста и число параметров не указаны в доступных данных. Лицензия Apache-2.0.

Platypus2-13B — авторегрессионная языковая модель с 12,9 млрд параметров на архитектуре LLaMA 2-13B, дообученная Cole Hunter и Ariel Lee для следования инструкциям. Она обучалась на наборе Open-Platypus с примерами по STEM-дисциплинам и логике и предназначена для генерации ответов на текстовые инструкции, в том числе для решения научных и логических задач. Модель использует контекст до 4096 токенов и рассчитана прежде всего на английский язык. Модель подходит для экспериментов, прототипирования и вспомогательной генерации ответов по STEM-темам. Она может выдавать неточные, предвзятые или нежелательные ответы; оценка и тестирование проводились на английском языке и не охватывают все сценарии. Лицензия — CC BY-NC-SA 4.0, допускающая использование на некоммерческих условиях с соблюдением её требований.

Ourse/R4L-Math-v0.1 — языковая модель для генерации текста, созданная слиянием SLERP моделей Qwen/Qwen2.5-Math-1.5B и Ourse/R4L-v0.1 с помощью mergekit. Это плотная авторегрессионная архитектура Qwen2 с 1,5 млрд параметров; модель работает через Transformers, использует формат safetensors и поддерживает контекст до 4096 токенов. Модель предназначена для диалоговой генерации текста и решения математических задач. В описании базовой модели указаны английский и китайский языки; метаданные также отмечают интерфейс вызова инструментов, но README не уточняет сценарии его применения. Лицензия в предоставленных данных не указана.

RobustSAM ViT-L — версия модели RobustSAM для сегментации изображений с ухудшенным качеством. Она разработана авторами проекта RobustSAM на основе Segment Anything Model (SAM) и предназначена для улучшения сегментации при низком качестве изображения с сохранением работы по подсказкам и обобщения на новые данные. Модель состоит из визуального ViT-кодировщика, кодировщика подсказок, трансформерного декодера масок и модуля Neck. В репозитории указана реализация через Transformers; веса представлены в формате safetensors. Модель принимает изображение и подсказки в виде точек, ограничивающей рамки или маски сегментации и выдаёт маски объектов с оценками качества. Также она поддерживает автоматическую генерацию масок по сетке из 1024 точек. Текстовые подсказки официальной реализацией не поддерживаются. Авторы сообщают об улучшении сегментации на изображениях с разными искажениями и о пользе для последующих задач устранения дымки и размытия. Лицензия — MIT.

SAM 2.1 Hiera Large — большая модель сегментации изображений и видео, разработанная FAIR. Она выделяет объекты по точкам, рамкам и маскам-подсказкам, а также может автоматически генерировать маски для объектов на изображении. Для видео модель сегментирует выбранные объекты и отслеживает их между кадрами, включая обработку потокового видео. Модель относится к семейству SAM 2 и использует архитектуру Hiera; в репозитории доступны веса Safetensors для Transformers. Она предназначена для визуальной сегментации, а не для понимания или генерации текста. Лицензия — Apache-2.0. SAM 2 поддерживает сегментацию нескольких объектов, уточнение результата дополнительными точками или предыдущими масками и пакетную обработку изображений и объектов. README описывает обработку видео и потоковый режим, но фактическая производительность и качество могут зависеть от входных данных и сценария применения.

SAM 3 — модель Meta для сегментации объектов по запросам на изображениях и видео. Она объединяет обнаружение, сегментацию и отслеживание: принимает короткую текстовую фразу или визуальные подсказки — точки, рамки, маски и примеры объектов — и возвращает маски всех подходящих экземпляров. Для видео модель также отслеживает найденные объекты между кадрами; режим Tracker позволяет выделять и сопровождать конкретный экземпляр по визуальной подсказке. Модель поддерживает сегментацию понятий с открытым словарём и заявлена для работы с гораздо более широким набором текстовых запросов, чем предшественник SAM 2. В README указано, что на бенчмарке SA-CO с 270 тысячами понятий она достигает 75–80% человеческого результата. Репозиторий содержит веса safetensors и использует Transformers. Лицензия обозначена как other; конкретные условия следует проверять в карточке и связанных материалах проекта.