IV.7Цепочки поставок, склады, логистика и международная торговля

SpatialAxiom-9B — мультимодальная модель пространственного рассуждения, разработанная командой SpatialAxiom на основе Qwen3.5-9B. Это плотная модель на 9 млрд параметров с архитектурой Qwen3.5 VLM: языковая модель с энкодером изображений. Она дообучена методом полного supervised fine-tuning на пространственных данных для анализа сцен в помещении, восприятия от первого лица и многокамерных сценариев. Модель предназначена для вывода пространственных отношений в 3D, понимания перспективы, сопоставления объектов между ракурсами и анализа видео с точки зрения действий и перемещений. Она принимает изображения и видео вместе с текстовыми запросами и отвечает текстом; поддерживает прямые ответы без режима chain-of-thought. Контекст составляет 262 144 токена и, согласно README, может расширяться до 1 010 000 токенов. Для работы требуются актуальные версии Transformers или vLLM с поддержкой Qwen3.5. В README заявлены высокие результаты на нескольких бенчмарках пространственного понимания, однако они приведены авторами модели. Модель не поддерживает режим thinking и переключатели /think и /nothink; включать thinking при инференсе не следует. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

BAU Small 1.5B — языковая модель для локального бизнес-ассистента, разработанная на основе Qwen2.5-1.5B-Instruct и дообученная для африканских малых и средних предприятий в розничной торговле, фармацевтике, супермаркетах и оптовой торговле. Модель содержит 1,54 млрд параметров и распространяется в формате GGUF с 4-битной квантизацией Q4_K_M; файл занимает около 941 МБ, контекст — 2048 токенов. Модель ведёт диалог, формирует структурированные вызовы инструмента для запросов к данным магазина и выдаёт JSON-карточки для интерфейса: графики, предупреждения, расписания смен и задачи. Она ориентирована на работу с продажами, запасами, партиями лекарств, сроками годности, кассовыми операциями и расходами, а также на финансовые показатели малого бизнеса, включая расчёты в нигерийских найрах. Компактный формат предназначен для локального офлайн-запуска через llama.cpp и совместимые приложения на CPU или GPU. Модель дообучена с использованием LoRA; лицензия — Apache-2.0. Короткое контекстное окно ограничивает объём данных, который можно обработать за один запрос, а точность вызовов инструментов и деловых рекомендаций зависит от корректности интеграции и предоставленных данных.

Карточка модели GraphWiz/LLaMA2-7B на Hugging Face совпадает с карточкой GraphWiz/LLaMA2-7B-DPO, поэтому описание составлено по ней. GraphWiz/LLaMA2-7B-DPO — инструктивная языковая модель проекта GraphWiz на архитектуре LLaMA, предназначенная для решения задач на графах. Модель преобразует текстовые описания графов и структур в явное рассуждение на естественном языке и ответ. В карточке указаны 6,6 млрд параметров, контекст до 4096 токенов и формат PyTorch. Модель обучалась в два этапа: смешанное обучение на нескольких типах задач и выравнивание предпочтений методом DPO. Она предназначена для задач о циклах, связности, двудольности, топологии, кратчайших путях, треугольниках, потоках, гамильтоновых циклах и подграфах. В качестве датасета указан GraphWiz/GraphInstruct-RFT-72K. Лицензия — Apache-2.0. Модель генерирует ответы на естественном языке, однако её результаты по задачам на графах могут быть ошибочными; README приводит сравнительные оценки, но доступный фрагмент не содержит полных результатов. Язык модели и результаты за пределами графовых задач в предоставленных данных не описаны.

Fallovski/PharmAfiyahProducts — франкоязычная модель Sentence Transformers от Fallovski для поиска совпадающих фармацевтических и парафармацевтических товаров по коротким, сокращённым или неодинаково записанным названиям. Это дообученный биэнкодер на базе doctolib-lab/doctobert-fr-base с архитектурой RoBERTa: он преобразует названия товаров в плотные векторы размерностью 768 и оценивает их близость по косинусному сходству. Максимальная длина входа — 64 токена. Модель предназначена для быстрого поиска кандидатов в каталоге, сопоставления товаров, выявления дубликатов и поиска с подсказками. Она обучена на размеченных парах названий товаров и специализирована на точном совпадении товара и его представления — марки, действующего вещества, дозировки, формы, объёма и упаковки. Валидационные метрики включают cosine AP 0,9685 и F1 около 0,90; результаты относятся к указанному набору данных. Модель не предназначена для общей семантической близости: варианты, различающиеся дозировкой, объёмом или маркой, должны считаться разными. Указанный базовый энкодер франкоязычный, а обучение модели проводилось на названиях продуктов; перенос на другие языки и каталоги требует проверки. Лицензия в предоставленных данных не указана.

Модель JEdward7777/delivery_truck_classification — дообученная версия Swin-Tiny для классификации изображений. Она использует архитектуру Swin Transformer и содержит 33 млн параметров. Модель предназначена для распознавания категорий на изображениях, в частности для классификации грузовиков доставки. В README указаны точность 0,9733 и значение loss 0,1787 на оценочном наборе данных imagefolder. Модель принимает изображения и выдаёт метки классов. Она опубликована в формате PyTorch по лицензии Apache-2.0. Подробности о составе классов и ограничениях применения не приведены.

RoboBrain 2.0-3B — разработанная BAAI компактная мультимодальная модель для воплощённого искусственного интеллекта и робототехники. Она объединяет визуальный энкодер, MLP-проектор и языковой декодер; в карточке указано семейство Qwen2.5-VL. Модель содержит 3 млрд параметров и рассчитана на сценарии с ограниченными вычислительными ресурсами, включая периферийные устройства и приложения реального времени. Модель принимает изображения, видео, текстовые инструкции и структурированные графы сцены. Она предназначена для пространственного восприятия, рассуждений о сцене, планирования на длинном горизонте и взаимодействия с обратной связью: предсказывает доступность действий с объектами, указывает объекты и координаты, оценивает траектории и поддерживает планирование для нескольких роботов. Результаты включают структурированные планы, пространственные отношения и относительные или абсолютные координаты. В README заявлены сильные результаты на пространственных и временных бенчмарках, но приведённые сравнения не заменяют оценку на конкретном роботе и в реальных условиях. Языки и длина контекста в предоставленных данных не указаны. Весовые файлы представлены в формате safetensors; лицензия — Apache-2.0.

RoboBrain 2.0-7B — открытая модель для embodied AI и робототехники, разработанная BAAI. Она объединяет визуальный энкодер, MLP-проектор и языковой декодер на 7 млрд параметров для восприятия сцены, рассуждений и планирования действий в физической среде. Модель принимает изображения, видео, текстовые инструкции и структурированные графы сцены. Она предназначена для пространственного понимания, предсказания точек и ограничивающих рамок, оценки траекторий, планирования взаимодействия с обратной связью и координации нескольких роботов. В ответ модель формирует планы, пространственные отношения и относительные или абсолютные координаты. Поддерживаются несколько изображений, длинные видео и изображения высокого разрешения. В README заявлены результаты уровня state of the art или близкие к нему на пространственных и временных бенчмарках; это утверждение разработчиков. Карточка указывает лицензию Apache-2.0. Для практического применения потребуются вычислительные ресурсы, соответствующие модели на 7B параметров; README не приводит длину контекста или список поддерживаемых естественных языков.

RoboBrain 2.0-32B — разработанная BAAI мультимодальная модель для embodied AI и робототехники. Она объединяет зрительный энкодер, MLP-проектор и языковой декодер в неоднородной архитектуре и предназначена для восприятия сцены, рассуждений и планирования действий роботов. Версия содержит 32 млрд параметров. Модель принимает изображения, видео, текстовые инструкции и структурированные графы сцен. Она поддерживает пространственное понимание, предсказание точек и ограничивающих рамок, оценку будущих траекторий, интерактивное планирование с обратной связью и построение памяти о сцене. Выход включает структурированные планы, пространственные отношения и относительные или абсолютные координаты. В README приведены результаты на пространственных и временных бенчмарках; сведения о поддерживаемых естественных языках и длине контекста отсутствуют. Модель может применяться для планирования задач манипуляции и координации нескольких роботов, а также для анализа визуальной обстановки. Веса опубликованы в формате safetensors под лицензией Apache-2.0. Для развёртывания требуются вычислительные ресурсы, соответствующие модели на 32 млрд параметров; количественные требования в карточке не приведены.

Embodied-R1.5 — мультимодальная модель для робототехники, разработанная на основе Qwen3-VL-8B-Instruct. Она объединяет пространственное рассуждение, планирование и исправление действий, а также привязку объектов и функций к координатам и траекториям. Модель принимает изображения и текстовые инструкции, а отвечает текстом или структурированными пространственными данными, включая 2D-точки и траектории с глубиной. Модель предназначена для понимания сцен и выполнения длительных задач манипуляции: она может разбивать задачу на шаги, выбирать следующий шаг, обнаруживать ошибки и корректировать план. В README описан замкнутый цикл Planner-Grounder-Corrector и обучение на корпусе из 15 млрд токенов. Для работы предлагаются Transformers и vLLM; контекст можно задать в vLLM, но его нативная длина в предоставленных данных не указана. Embodied-R1.5 дообучена на Qwen3-VL-8B-Instruct и распространяется под лицензией Apache 2.0. Она ориентирована на робототехнические сценарии и требует визуального входа для задач локализации; координаты и траектории следует интерпретировать в соответствии с форматом конкретного задания. Подтверждённая поддержка языков карточки — английский и китайский.

Это политика управления роботом Hybrid Residual ACT, разработанная для XLeRobot и обученная на датасете R126/Pickandputaway. Модель содержит около 51,6 млн параметров и предназначена для выполнения операций подбора и размещения предметов по наблюдениям с трёх камер: правой, левой и головной. Политика выдаёт 17-мерные действия: относительные команды для десяти каналов положения рук и абсолютные команды для захватов, моторов головы и скорости базы. Она обучена на 20 000 шагах; размер чанка действий — 100, при этом за один вызов используется один шаг. В приведённой офлайн-оценке на семи эпизодах остаточная политика показала меньшую среднюю ошибку действий рук, чем абсолютная ACT-базовая модель. Для загрузки на другой компьютер требуется совместимая версия LeRobot с указанными в карточке изменениями для остаточных действий. Модель требует постепенной проверки на физическом роботе: её выходы нельзя напрямую подавать на моторы без калибровки ограничений суставов, проверки команд и ограничений перемещения. Лицензия в предоставленных данных не указана.

Модель acidtib/dispensary-product-name-gemma3 — текстовая модель на архитектуре Gemma 3, разработанная acidtib дообучением google/gemma-3-270m-it. Она преобразует необработанные названия товаров из кассовой системы Dutchie POS в краткое каноническое имя формата «сорт — тип» для внутреннего учёта ассортимента диспансера. Вход может содержать бренд, категорию, подкатегорию и исходное название; модель предназначена для узкой задачи нормализации, а не для использования общего назначения. Модель содержит 257 млн параметров, работает через Transformers и принимает текстовые запросы в диалоговом формате. Контекст — до 32 768 токенов. Обучение проводилось на 1 697 примерах из 152 брендов и трёх категорий; на отложенной выборке из 245 примеров точное совпадение составило 98,8%, нормализованное — 99,2%. Поддерживаемый язык карточки — английский, а данные задачи содержат названия товаров на нидерландском рынке. Лицензия — Gemma; применимые условия использования определяются лицензией базовой модели Google.

DynamicVLA — модель vision-language-action для манипулирования движущимися объектами в динамичных сценах. Она предназначена для задач, где роботу требуется быстро воспринимать обстановку, предсказывать изменения во времени и непрерывно управлять движением. Модель разработана и обучена в рамках официального кодового проекта DynamicVLA; в качестве базовой модели используется дообученная HuggingFaceTB/SmolLM2-360M. В карточке описаны обучение и оценка модели на наборе данных hzxie/DOM. Метаданные указывают формат весов safetensors и лицензию other. Параметры размера, длины контекста и поддерживаемые языки не приведены; назначение предполагает обработку визуальных и языковых сигналов с выдачей управляющих действий робота.

Карточка модели kritokronos/dynamic-vla-level-level2-epoch150 на Hugging Face совпадает с карточкой hzxie/dynamic-vla-DOM, поэтому описание составлено по ней. DynamicVLA — модель vision-language-action для манипулирования движущимися объектами в динамичных сценах. Она предназначена для задач, где роботу требуется быстро воспринимать обстановку, предсказывать изменения во времени и непрерывно управлять движением. Модель разработана и обучена в рамках официального кодового проекта DynamicVLA; в качестве базовой модели используется дообученная HuggingFaceTB/SmolLM2-360M. В карточке описаны обучение и оценка модели на наборе данных hzxie/DOM. Метаданные указывают формат весов safetensors и лицензию other. Параметры размера, длины контекста и поддерживаемые языки не приведены; назначение предполагает обработку визуальных и языковых сигналов с выдачей управляющих действий робота.

Isaac 0.5 — открытая базовая модель Perceptron для обучения роботов. Это разреженная мультимодальная модель на 36 млрд параметров с vision-language-бэкбоном семейства Qwen и архитектурой mixture-of-experts. Она принимает изображения, видео, языковые инструкции, состояние робота и историю действий, а выдаёт текст, нормализованные координаты, оценки состояния задачи и действия робота. Для дискретного управления используется словарь из 2 048 FAST-токенов, а для непрерывного — Flow expert и диффузионный трансформер на 36 блоков. Модель объединяет понимание видео, пространственное обоснование, привязку объектов, оценку прогресса задачи и управление роботом. Её можно дообучать как роботизированную политику или использовать визуальные выводы в планировщике, контроллере либо конвейере подготовки данных. Isaac 0.5 обучалась на данных более чем 35 роботизированных систем и на общих видеоданных; контроль поддерживает замкнутый цикл с предсказанием следующего фрагмента действий. Для запуска требуется код Perceptron Isaac с указанной в карточке совместимой ревизией; непосредственное использование через Transformers и стандартный LeRobot не поддерживается. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. Карточка не приводит оценок качества для конкретных роботов и сценариев; практическое применение требует интеграции с поддерживаемым стеком Perceptron.

TIGeR — мультимодальная модель для задач робототехники, созданная на основе GLM-4V и дообученная для обработки визуальных данных. Она принимает изображения и предназначена для сценариев, где робототехнической системе требуется интерпретировать визуальную обстановку и выполнять пространственные рассуждения. Модель содержит 8,8 млрд параметров, использует архитектуру Glm4vForConditionalGeneration и поддерживает контекст до 65 536 токенов. Для запуска требуется Transformers и настройка путей к изображениям в конфигурации и примере использования. Модель распространяется под лицензией Apache-2.0. В карточке нет конкретных описаний поддерживаемых действий, робототехнических платформ или результатов оценки качества.

DreamMachines/pi05_sweep_v2_01_freeze_01_full — дообученная версия π₀.₅ (Pi05), модели Vision-Language-Action от Physical Intelligence. Чекпойнт обучен командой DreamMachines с использованием LeDream — форка LeRobot — на наборе данных DreamMachines/actuator_unboxing_20h_345; в README указан шаг обучения 100 000 из целевых 210 000, размер пакета 32 и оптимизатор AdamW. Модель предназначена для управления роботом по изображениям, состоянию робота и языковым инструкциям; карточка демонстрирует оценку на реальном роботе DK1. Репозиторий использует библиотеку LeRobot и хранит веса в формате safetensors. Лицензия — Apache-2.0. Ограничения: обучение описано для задачи распаковки приводов, поэтому возможности на других задачах не подтверждены; указанный чекпойнт не завершил целевое число шагов обучения.

VC-1 (Visual Cortex) — визуальный энкодер на архитектуре Vision Transformer, разработанный исследовательской группой с участием FAIR. Модель предварительно обучена методом Masked Auto-Encoding на более чем 4 000 часах видео от первого лица из семи источников и на изображениях ImageNet; доступны варианты ViT-B и ViT-L. В карточке этой модели описана конфигурация ViT-B с патчами 16×16, 12 слоями и размером эмбеддинга 768. Модель принимает RGB-изображение размером 224×224 и выдаёт вектор признаков размерности 768. Эти визуальные представления предназначены для последующего использования в задачах Embodied AI, включая манипуляции объектами и навигацию в помещениях; среди оценённых сценариев — роботизированные манипуляции и ObjectNav/ImageNav. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не для коммерческих целей. Оценка охватывает ограниченный набор бенчмарков, а результаты на них служат приближением реальных роботизированных задач. Производительность на физических роботах и за пределами проверенных сценариев может отличаться; обучение вычислительно затратно, а размер модели затрудняет развёртывание на устройствах с ограниченными ресурсами.

SmolVLA를 SO-100 로봇의 집기 및 놓기 작업에 맞춰 20,000스텝 동안 미세 조정한 LeRobot 체크포인트입니다. 기반 모델은 lerobot/smolvla_base이며, 데이터셋 lerobot/svla_so100_pickplace의 50개 에피소드와 19,631개 프레임을 사용했습니다. README에 따르면 기반 모델의 VLM 부분은 고정하고 100M 파라미터 액션 전문가를 학습했습니다. 모델은 top 및 wrist 카메라 영상과 로봇 상태를 입력으로 받아 연속 로봇 동작을 생성합니다. SO-100에서 물체 집기와 놓기를 수행하도록 설계되었으며, 데이터 수집 당시의 구형 캘리브레이션 규약에서 좌표를 사용합니다. 다른 캘리브레이션 규약을 쓰는 로봇에 적용할 때는 좌표 변환이 필요합니다. Модель распространяется под лицензией Apache-2.0. README описывает 20 000 шагов настройки как сокращённый вариант протокола из статьи; приведённых данных недостаточно, чтобы подтвердить качество на других задачах или конфигурациях робота.

Porameht/smolvla_so101_packing_reproduce — воспроизведение модели SmolVLA, обученное с помощью LeRobot для задачи упаковки нескольких объектов манипулятором SO101. Модель относится к архитектуре vision-language-action (VLA) и содержит около 450 млн параметров. На вход подаются состояние суставов робота и изображения с трёх камер; на выходе — последовательность действий длиной 50 шагов. Чекпойнт предназначен для управления роботом SO101 при упаковке нескольких объектов и для исследований и воспроизведения политик обучения роботов. Обучение выполнено на датасете Qiu-Xinchuan/so101_Multi-object-packing с 100 000 шагов и размером пакета 8. Модель пока не оценивалась на физическом оборудовании, поэтому её успешность в реальных запусках не подтверждена. Лицензия — Apache-2.0.

pravsels/molmoact2_block_stack_base_quantile_12k — промежуточный чекпойнт MolmoAct2, дообученный на задаче складывания блоков для управления роботом. В README указаны обучение только action-expert части модели, набор данных villekuosmanen/armnetbench_block_stack и нормализация действий по квантилям q01/q99. Чекпойнт сохранён на шаге 12 000 в ходе обучения, рассчитанного на 30 000 шагов, и загружается через библиотеку LeRobot. Модель предназначена для управления роботом по визуальным наблюдениям и языковым инструкциям в сценарии складывания блоков; это специализация базовой vision-language-action модели allenai/MolmoAct2. Репозиторий содержит веса в формате safetensors. Сведения о лицензии, точном размере, длине контекста и поддерживаемых языках для этого чекпойнта в предоставленных источниках отсутствуют.

Griffin Alpha-S — базовая модель управления роботами от Griffin Labs, предназначенная для дообучения под конкретного робота. Она объединяет визуально-языковую основу Qwen3-VL-4B с экспертом действий на 910 млн параметров: эксперт использует flow matching и подключён к основе послойно по схеме mixture-of-transformers. Модель предварительно обучена на смеси данных для нескольких типов роботов и формирует блок из 50 шагов действий, интегрируя 10 шагов Эйлера от шума к действию. Модель принимает визуальные признаки и состояние робота, а также текстовый запрос с указанием типа воплощения, режима управления рукой и подзадачи; выдаёт вектор действий размерности 32. Действия манипулятора относительно текущего состояния, кроме захвата, который задаётся абсолютно. Камеры, промпт для конкретного робота и статистики нормализации нужно настроить при дообучении на собственных данных. Для обучения можно совместно обновлять визуально-языковую основу и эксперт действий либо заморозить основу. Лицензия CC BY-NC-SA 4.0 запрещает коммерческое использование без отдельного разрешения правообладателя.

AdalricP/molmoact2-so101-pickplace-lora — LoRA-дообучение 5-миллиардной vision-language-action-модели Allen Institute for AI MolmoAct2-SO100_101 для захвата и перемещения объектов манипулятором SO-100/101. Модель обучена на датасете lerobot/svla_so101_pickplace; опубликованный чекпойнт соответствует шагу 1000, где значение flow-matching loss стабилизировалось около 0,045. Веса представлены как объединённая модель объёмом около 11,5 ГБ в формате safetensors и с точностью bfloat16. Модель принимает изображения, состояние робота и текстовые инструкции и предсказывает управляющие действия для манипулятора. Подходит для сценариев, подобных команде «подними кубик», при запуске через LeRobot. Для корректного движения на SO-100/101 README указывает калибровку joint_signs=[1,-1,1,1,1,1] и joint_offsets=[0,90,90,0,0,0] в LeRobot версии 0.5.0 или новее. Лицензия — Apache-2.0. Описанное обучение и датасет ограничены задачей pick-and-place; качество на иных манипуляторах и задачах не подтверждено.

ViVi-AI/pi05_so101_pick_place — дообученная на LeRobot модель управления роботом, основанная на VLA-модели π₀.₅ (Pi05) от Physical Intelligence. Она предназначена для задачи pick-and-place на роботе типа so_follower: взять фиолетовый блок и положить его в белый квадрат. Политика получает состояние робота из 6 значений и изображения с двух камер — на руке и в рабочей зоне, размером 480×640. На выходе она формирует 6-мерное действие для управления роботом. Модель обучена на 100 эпизодах и 44 998 кадрах с частотой 30 кадров в секунду из набора ViVi-AI/pick_place_20260709_130127. Базовая Pi05 рассчитана на обобщение в новых условиях, однако для этой дообученной политики результаты оценки не опубликованы, поэтому её качество за пределами указанной задачи не подтверждено. Модель распространяется по лицензии Apache-2.0 и использует формат весов safetensors.

Eku127/swiftvln-satnav-3b-1ep-f32s4-overlap0-pf-h8-random-pool-s2-noembed — дообученная модель для навигации робота по спутниковым изображениям в бенчмарке SatNav. Она основана на мультимодальной Qwen2.5-VL-3B-Instruct с архитектурой Qwen2.5-VL и 3,1 млрд параметров; использует контекст до 128 000 токенов. Модель обучена полным дообучением в течение одной эпохи на офлайн-траекториях экспертов SatNav-v0.1. Модель принимает последовательность RGB-кадров и текстовое описание задачи, используя окно из 32 кадров и случайно выбирая до восьми кадров истории. Она прогнозирует последовательность из четырёх действий; для визуальной памяти применяется усредняющий пулинг с шагом 2. Чекпойнт предназначен для оценки через SwiftVLN на SatNav, а не для общего диалогового анализа изображений. README не сообщает лицензию; сведения о ней в описании базовой модели недостаточны, чтобы определить условия использования производного чекпойнта.

Chronos-T5 Tiny — компактная предварительно обученная модель прогнозирования временных рядов, разработанная Amazon. Она основана на архитектуре T5; временные ряды масштабируются и квантуются в последовательности токенов, после чего модель авторегрессионно генерирует возможные будущие значения. Выборка нескольких траекторий позволяет получить вероятностный прогноз. Модель предназначена для прогнозирования временных рядов по историческим наблюдениям. Её обучали на общедоступных рядах и синтетических данных, созданных с помощью гауссовских процессов. В README для варианта Tiny указано 8 млн параметров и база t5-efficient-tiny; метаданные каталога указывают 4,7 млн параметров. Контекст составляет 512 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку chronos-forecasting. Лицензия — Apache 2.0.

Granite-TimeSeries-TTM-R2 — компактная предварительно обученная модель TinyTimeMixer для прогнозирования многомерных временных рядов, выпущенная IBM Research. Варианты TTM рассчитаны на определённые длины контекста и прогноза; эта версия относится к семейству моделей размером около 1 млн параметров и использует архитектуру TinyTimeMixerForPrediction. Модель поддерживает нулевое прогнозирование и дообучение на данных целевого ряда, включая режимы независимой обработки каналов и смешивания каналов. Модель предназначена для точечного прогнозирования временных рядов от минутной до часовой частоты. Она может использовать экзогенные признаки и статические категориальные данные; для каждого канала требуется предварительное масштабирование. По карточке модели, TTM отличается малыми требованиями к ресурсам и может запускаться на одной GPU или ноутбуке, а дообучение возможно на небольшой доле целевых данных. Версия распространяется по лицензии Apache-2.0. Ограничения включают зависимость выбора варианта от длины контекста, горизонта прогноза и распределения целевых данных. Не рекомендуется искусственно увеличивать короткую историю нулевыми значениями или повышением частоты; поддержка частот ниже часовой в описанной версии ограничена, при этом ежедневные и еженедельные частоты добавлены в выпуске r2.1.

Granite-TimeSeries-TTM-R1 — компактная предобученная модель TinyTimeMixer для прогнозирования многомерных временных рядов, разработанная IBM Research. Вариант R1 обучен на 250 млн публичных обучающих примеров; в метаданных указано около 1 млн параметров. Модель поддерживает прогнозирование без дообучения и дообучение на данных целевого ряда, в том числе с независимой обработкой каналов или смешиванием каналов, а также с использованием экзогенных переменных и категориальных признаков. Доступны варианты для контекста длиной 512 или 1024 временных точек с прогнозом до 96 точек вперёд. Модель рассчитана на данные с минутной и часовой частотой, например с интервалом 10 минут, 15 минут или 1 час, и может запускаться на одной GPU или ноутбуке. README указывает, что R2 обучен на большем наборе данных и обычно показывает лучшие результаты, но выбор версии зависит от распределения целевых данных. Модель распространяется по лицензии Apache-2.0.

Карточка модели CollectionStudio/chronos-t5-tiny на Hugging Face совпадает с карточкой amazon/chronos-t5-tiny, поэтому описание составлено по ней. Chronos-T5 Tiny — компактная предварительно обученная модель прогнозирования временных рядов, разработанная Amazon. Она основана на архитектуре T5; временные ряды масштабируются и квантуются в последовательности токенов, после чего модель авторегрессионно генерирует возможные будущие значения. Выборка нескольких траекторий позволяет получить вероятностный прогноз. Модель предназначена для прогнозирования временных рядов по историческим наблюдениям. Её обучали на общедоступных рядах и синтетических данных, созданных с помощью гауссовских процессов. В README для варианта Tiny указано 8 млн параметров и база t5-efficient-tiny; метаданные каталога указывают 4,7 млн параметров. Контекст составляет 512 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку chronos-forecasting. Лицензия — Apache 2.0.

dell-research-harvard/lt-un-data-fine-coarse-es — модель LinkTransformer от исследователей Harvard, построенная на Sentence Transformers и BERT. Она дообучена на базе hiiamsid/sentence_similarity_spanish_es для сопоставления наименований товаров с укрупнёнными классификациями продуктов ООН; при обучении использовались связанные данные классификаций статистики ООН и SupCon loss. Модель преобразует предложения и абзацы на испанском языке в плотные векторы размерности 768. Её применяют для связывания записей, кластеризации, удаления дублей и семантического поиска; также она подходит для задач сходства предложений в экосистеме Sentence Transformers. Максимальная длина входа составляет 512 токенов. Для работы с моделью авторы рекомендуют пакет LinkTransformer. В README не указана лицензия, поэтому условия использования по имеющимся данным определить нельзя.

Granite-TimeSeries-PatchTST-FM-r1 — модель временных рядов от IBM, построенная на архитектуре PatchTST-FM. Она предназначена для прогнозирования временных рядов без дообучения на целевых данных и поддерживает вероятностные прогнозы с помощью квантильной головы. При наличии пропусков во входном контексте модель может одновременно восстанавливать пропущенные значения и прогнозировать будущие точки. Модель обучена на наборе разнородных временных рядов, синтетических данных и данных с аугментацией. Архитектура использует трансформер с размерностью 1024, патчи длиной 16 и 99 квантилей; README указывает около 260 млн параметров, тогда как метаданные репозитория — 335,5 млн. Контекст составляет 8192 точки и включает входной контекст и горизонт прогноза. Модель рассчитана на временные ряды, поэтому языковая поддержка к ней неприменима. README сообщает о результатах среди ведущих воспроизводимых zero-shot моделей на GIFT-Eval, но отмечает, что результаты ещё ожидали включения в бенчмарк. Модель распространяется по лицензии Apache-2.0. IBM указывает, что не обязуется предоставлять обновления или поддержку проекта.