IV.9Медиа, журналистика, культура, архивы и игры

Elfrino/TachyonTickle-20B — текстовая модель генерации на архитектуре Llama, созданная методом TIES merge из трёх предварительно обученных моделей: Undi95/PsyMedRP-v1-20B, seb-c/Psydestroyer-20B и Elfrino/PsyMedLewd-20B-TIES. Базовой моделью в конфигурации слияния указана Undi95/PsyMedRP-v1-20B. Модель содержит 19,8 млрд параметров, использует формат Safetensors и рассчитана на контекст до 4096 токенов. По названиям исходных моделей она ориентирована на психологические, медицинские и ролевые сценарии, однако README не описывает конкретные возможности или языковое покрытие. Модель подходит для генерации продолжений и диалогового текста. Специализированное назначение и характеристики унаследованных моделей не описаны подробно, поэтому качество в отдельных сценариях по карточке оценить нельзя. Лицензия в предоставленных данных не указана.

TheSalt-RP-L3-8b-DPO-v0.3.2-e0.14.2-GGUF — это квантизированная версия текстовой генеративной модели TheSalt-RP-L3-8b-DPO-v0.3.2-e0.14.2, подготовленная пользователем bartowski на основе исходной модели cgato. Модель распространяется в формате GGUF для запуска с llama.cpp и его совместимыми инструментами. Суффикс RP указывает на ориентированность исходной модели на ролевые сценарии, однако подробное описание задач и поведения в README отсутствует. Доступны варианты от F32 размером 32,13 ГБ до низкобитных IQ- и Q-квантизаций размером около 3,18–8,54 ГБ. Для большинства сценариев рекомендуются варианты Q4–Q6, обеспечивающие компромисс между качеством и требованиями к памяти; Q6_K_L и Q6_K описаны как варианты очень высокого качества. Квантизация выполнена с использованием imatrix и llama.cpp release b3356. README не содержит сведений об архитектуре базовой модели, поддерживаемых языках, размере контекста и мультимодальности, поэтому эти характеристики нельзя достоверно указать. Шаблон чата не задан, и автор предупреждает, что используемый по умолчанию формат может быть некорректным; перед применением следует проверить карточку исходной модели. Лицензия — CC BY-NC 4.0, допускающая использование с ограничениями, включая некоммерческий характер лицензии.

Модель dima806/vessel_ship_types_image_detection — классификатор изображений судов, разработанный на основе Vision Transformer ViT. Она определяет тип судна по изображению; в README заявлена точность около 99%, однако методика и набор данных для этой оценки не приведены. Модель содержит 113,2 млн параметров и дообучена на google/vit-base-patch16-224-in21k. Модель принимает изображения и выдаёт класс типа судна. Она подходит для автоматической сортировки изображений судов и предварительной разметки коллекций. Распространяется по лицензии Apache-2.0.

waelhasan/wav2vec2-l2-arctic-phoneme-model — модель распознавания речи на архитектуре wav2vec 2.0, дообученная автором waelhasan на основе facebook/wav2vec2-base. Она содержит 113,3 млн параметров и предназначена для преобразования речевого аудио в последовательность фонем. В README приведены результаты оценки: PER 0,1047, F1 0,9142 и loss 284,0506; описание обучающего набора и подробности оценки не раскрыты. Модель принимает аудио и выдаёт текстовую последовательность фонем. Репозиторий содержит веса в формате safetensors; библиотека для работы — Transformers. Лицензия — Apache-2.0. Язык речи и поддерживаемые акценты в доступных сведениях не определены.

IbrahimSalah/Wav2vecLarge_quran_syllables_recognition — дообученная модель Wav2Vec2 для распознавания на слух слогов Корана с огласовками. Она принимает аудио речи и выводит транскрипцию, разбитую на слоги; например, фраза «مِنَ الْجِنَّةِ وَالنَّاسِ» записывается как «مِ نَلْ جِنْ نَ تِ وَنْ نَاْسْ». Модель содержит около 404,8 млн параметров и опубликована в формате safetensors; для декодирования также доступна 5-граммовая языковая модель. Обучение проводилось на закрытом наборе данных и части датасета Tarteel после очистки и преобразования транскрипций в слоги. Модель предназначена для распознавания речи на арабском языке в контексте чтения Корана. Лицензия в предоставленных источниках не указана.

XLM-R-parla — многоязычная модель на архитектуре XLM-RoBERTa-large, разработанная в рамках проекта ParlaMint. Она прошла дополнительное предобучение на 1,7 млрд слов из парламентских стенограмм корпусов ParlaMint и EuroParl и предназначена для восстановления замаскированных слов в тексте, а также как языковая основа для дальнейшей адаптации к анализу парламентских материалов. Модель содержит около 658,7 млн параметров, принимает текст и поддерживает контекст до 514 токенов. В метаданных перечислены языки от болгарского и каталонского до украинского, а README описывает обучение на многоязычных парламентских данных. Модель выпущена под лицензией Apache-2.0. README указывает на XLM-R-parlasent как пример последующей донастройки для анализа тональности парламентских выступлений.

ArchitectureRealMix — модель генерации изображений по текстовому описанию, опубликованная под именем stablediffusionapi и предназначенная для использования через API ModelsLab. Пример запроса в карточке ориентирован на фотореалистичные архитектурные и интерьерные изображения; API позволяет задавать отрицательный запрос, размер изображения, число шагов генерации и другие параметры.

AynEngine V3 Arabic Standalone — специализированная языковая модель enver для генерации текста на классическом арабском языке. Она дообучена на корпусе из 72 классических арабских трудов по грамматике, лексикографии, философии и исламской теологии и предназначена для диалогов, рассуждений и работы с текстами этого корпуса. Модель основана на плотной архитектуре Qwen3ForCausalLM с 517 млн параметров, принимает текст, поддерживает контекст до 40 960 токенов и рассчитана прежде всего на фусху классической традиции; в метаданных также указан английский язык. Помимо генерации текста, карточка описывает дополнительную голову предсказания следующего корня из 9 057 арабских корней. Для неё заявлена точность Top-5 40,1% и задержка 176 мс на CPU; эти показатели относятся к отдельной функции предсказания корней. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Она специализирована на классическом арабском материале, поэтому её пригодность для современных разговорных диалектов и общих задач не установлена; заявленные характеристики предсказания корней основаны на данных карточки.

elalber2000/clip-fashion-garments2look — модель CLIP на базе архитектуры ViT-B/32, упакованная для sentence-transformers. Она преобразует изображения и текст в векторы общего пространства, чтобы находить визуально подходящую одежду по текстовому запросу или сопоставлять изображения с описаниями. Модель предназначена для поиска изображений и оценки сходства между текстом и изображением; название репозитория указывает на сценарий подбора образов по предметам одежды. Модель позволяет строить поиск по каталогу одежды и ранжировать изображения по близости к текстовому описанию. В карточке приведён ориентир CLIP ViT-B/32 в 63,3% точности top-1 на валидационном наборе ImageNet; это справочная цифра для указанного варианта архитектуры, а не отдельная оценка качества поиска одежды этой модели. Веса представлены в формате safetensors. Язык текстовой части и лицензия в предоставленных материалах не указаны.

Это дообученная на наборе изображений SUN397 зрительная часть модели CLIP ViT-B/32, основанной на архитектуре Vision Transformer с размером патча 32. Репозиторий содержит 113,2 млн параметров в формате Safetensors; разработчик модели в предоставленных данных не указан. Модель предназначена для извлечения признаков изображений и представления сцен, в частности для задач, связанных с категориями SUN397. В карточке приведены результаты оценки: 0,6321 для исходной модели и 0,7501 после дообучения; метрика не названа. Для использования предлагается загрузка через Transformers как CLIPVisionModel. Это только зрительная часть CLIP, поэтому из карточки нельзя заключить, что данный репозиторий самостоятельно выполняет сопоставление изображения с текстом. Сведения о лицензии, языковой поддержке и ограничениях применения в предоставленных данных отсутствуют.

Lewdiculous/Copium-Cola-9B-GGUF-IQ-Imatrix — набор GGUF-квантизированных версий модели Copium-Cola-9B, разработанной Test157t и опубликованной в формате, совместимом с llama.cpp. Модель предназначена для генерации текста, включая сценарии roleplay. В основе исходной модели лежит объединение частей ChaoticNeutrals/Eris_7B методом passthrough merge с использованием float16; точная архитектура, число параметров, поддерживаемые языки и размер контекста в README не указаны. Доступны варианты квантования Q4_K_M, Q4_K_S, IQ4_NL, IQ4_XS, Q5_K_M, Q5_K_S, Q6_K, Q8_0, IQ3_M, IQ3_S, IQ3_XS и IQ3_XXS. Варианты IQ используют Importance Matrix (Imatrix), рассчитанную на калибровочных данных, чтобы лучше сохранять важную информацию и качество при уменьшении размера модели. Для квантования применялись llama.cpp версии b2343 и файл imatrix.dat; вариант IQ3_S требует koboldcpp версии 1.59.1 или новее. README не содержит сведений о лицензии, поэтому условия использования определить нельзя.

mudler/depth-anything.cpp-gguf — набор GGUF-конвертаций моделей Depth Anything 3 и Depth Anything V2, подготовленный командой LocalAI для проекта depth-anything.cpp. Модели предназначены для оценки глубины по изображению, включая восстановление плотной карты глубины, попиксельной уверенности, параметров камеры, а для отдельных вариантов — маски неба и 3D-облака точек. Результаты можно экспортировать в форматы GLB, COLMAP и PLY. Реализация выполнена на C++17 с использованием ggml и рассчитана на локальный запуск без Python, PyTorch и CUDA Toolkit во время инференса. Доступны варианты с архитектурами ViT-S, ViT-B, ViT-L и ViT-g, моделями относительной и метрической глубины, а также квантованные файлы f16, q8_0, q6_k, q5_k и q4_k. Метрические варианты Depth Anything V2 ориентированы на сцены в помещениях с дальностью до 20 метров или на открытые сцены до 80 метров. Модальности ограничены анализом изображений; поддерживаемые языки не указаны. Некоторые модели Depth Anything 3 восстанавливают позу камеры, а вложенный вариант требует загрузки двух GGUF-файлов. Сильными сторонами являются самодостаточный формат моделей, возможность работы на CPU, заявленная скорость выше PyTorch на CPU и проверенная близость результатов к исходным реализациям. Ограничения зависят от выбранного варианта: Depth Anything V2 выдаёт только глубину, относительные модели не дают абсолютный масштаб, а квантование может снижать точность. Распространение указано по лицензии Apache-2.0.

onnx-community/depth-anything-v2-small — версия модели Depth Anything V2 Small с весами в формате ONNX, подготовленная сообществом onnx-community для совместимости с Transformers.js. Исходная модель указана как depth-anything/Depth-Anything-V2-Small; разработчик исходной модели в README явно не назван. Модель предназначена для оценки глубины по одному изображению: на вход подаётся изображение, а на выходе формируется карта глубины, которую можно сохранить и визуализировать. Она подходит для использования в JavaScript-приложениях и веб-сценариях через pipeline Transformers.js, включая обработку локальных изображений или изображений по URL. Известно, что модель относится к семейству Depth Anything V2 и имеет вариант Small, однако точный размер, архитектура, поддерживаемые разрешения, контекст, языки и количественные показатели качества в README не указаны. Ключевое преимущество — формат ONNX и готовая интеграция с Transformers.js; ограничения производительности, точности и область применимости за пределами оценки глубины также не описаны. Модель распространяется по лицензии Apache-2.0.

onnx-community/depth-anything-v2-small-ONNX — модель для оценки глубины по изображению, основанная на Depth Anything V2 Small, разработанной командой Depth Anything и распространяемая сообществом ONNX Community в формате ONNX. Модель предназначена для работы с библиотекой Transformers.js, включая JavaScript-приложения и веб-сценарии. На вход подаётся изображение, а на выходе формируется карта глубины, которую можно сохранить и визуализировать. Модель относится к задачам компьютерного зрения и может использоваться для анализа пространственной структуры сцен, обработки изображений и создания веб-приложений с оценкой глубины. В README не указаны точная архитектура, количество параметров, максимальный размер контекста, поддерживаемые языки или детальные показатели качества. Ключевое преимущество модели — наличие ONNX-весов, совместимых с Transformers.js, что упрощает запуск в JavaScript-средах. Ограничения, характеристики производительности и требования к аппаратному обеспечению в предоставленных данных не описаны; качество оценки глубины может зависеть от содержания и качества входного изображения. Модель распространяется по лицензии Apache-2.0.

FairnessReciprocity_continuous — модель классификации текста на базе Microsoft DeBERTa-v3-base, дообученная автором ajrayman. Она предназначена для предсказания непрерывной оценки, связанной с fairness и reciprocity, по тексту. Модель содержит 211,6 млн параметров, использует архитектуру DeBERTa-v2 для классификации последовательностей и принимает входы длиной до 512 токенов. В карточке приведены метрики на оценочной выборке: loss 0,0312, RMSE 0,1767, MAE 0,1376 и корреляция 0,1873. Описание набора данных и подробности применения не раскрыты. Модель распространяется по лицензии MIT.

gemma-3-4b-it-Cognitive-Liberty — дообученная модель AiAsistent на базе Google Gemma 3 4B IT. Она предназначена для диалогов и анализа запросов с акцентом на философию, социологию, политическую теорию, психологию и механизмы убеждения. Модель использует плотную архитектуру Gemma 3 и поддерживает работу с изображениями; в метаданных указаны библиотека Transformers и формат Safetensors. Карточка описывает обучение на наборе Cognitive Liberty V3 с применением методологии Heretic LLM и сообщает о снижении числа отказов. Модель рассчитана на исследовательские и аналитические сценарии: обсуждение этических вопросов, разбор социальных и политических систем, философские рассуждения и ответы на вопросы по изображениям. Карточка приводит результаты отдельных тестов, но они не подтверждают качество во всех практических задачах. Язык карточки — английский; другие языки отдельно не заявлены. Модель распространяется по лицензии Gemma; карточка также предупреждает, что стандартные защитные ограничения были сняты.

shashankmc/gysbert-citation-ner-v2b — модель на основе BERT, дообученная на GysBERT для обнаружения в нидерландских текстах полных ссылок на римское право. Она размечает токены в формате BIO-2: метка LEG охватывает цитату целиком, например «L 1 § 2 ff de minoribus»; предназначена для автоматического извлечения таких ссылок из исторических юридических рукописей. Модель содержит 136,7 млн параметров, использует контекст до 512 токенов и распространяется в формате safetensors. На отложенной рукописи модель показала F1 67,0%, точность 71,1% и полноту 63,3% при окне обработки 512 подслов; рекомендованный порог уверенности — 0,5. Результат оценки основан на сравнении с эталонным методом проекта и не гарантирует такую же точность на других рукописях. Лицензия в предоставленных данных не указана.

Higgs Audio V2 Tokenizer — аудиотокенизатор, опубликованный в Hugging Face под идентификатором eustlb/higgs-audio-v2-tokenizer. Модель кодирует аудио в последовательность аудиокодов и декодирует её обратно в аудиосигнал; она предназначена как компонент для работы аудиоязыковых моделей, а не как самостоятельная система распознавания или синтеза речи по тексту. Токенизатор обучен на аудио с частотой 24 кГц, включая речь, музыку и звуковые события. Частота кадров составляет 25 кадров в секунду; документация отмечает сохранение высокого качества аудио и быстрое пакетное кодирование и декодирование без диффузионных шагов. Репозиторий содержит веса Safetensors и интеграцию с Transformers. Карточка репозитория автоматически создана и не сообщает лицензию; подробные сведения о размере архитектуры, языковой специализации и ограничениях в ней не приведены.

Lumimaid 0.1 alt — разговорная модель на архитектуре Llama 3, дообученная авторами на наборах данных для ролевого общения и эротических ролевых сценариев, а также на обычных диалоговых и вопросно-ответных данных. Карточка указывает, что в обучающих данных сохранялся баланс между RP/ERP и общими задачами; модель рассчитана на формат запросов Llama 3. Модель содержит 69,5 млрд параметров, принимает текст и генерирует текст; заявленное контекстное окно — 8192 токена. Она предназначена для ролевых диалогов, продолжения беседы и ответов на общие вопросы. Репозиторий содержит веса FP16 в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

logo-wizard/logo-diffusion-checkpoint — модель генерации изображений, созданная на основе stabilityai/stable-diffusion-2-1 и logo-wizard/logo-diffusion и дообученная на наборе логотипов logo-wizard/modern-logo-dataset. Она предназначена для создания логотипов по текстовому описанию: например, можно задать отрасль компании, объекты и цвета, чтобы получить минималистичный логотип в стиле векторной графики. Модель использует Stable Diffusion и формат Diffusers/PyTorch. В README рекомендуются квадратные изображения размером 768 × 768, 30 шагов генерации и guidance scale 7,5. Карточка предлагает исключать из промпта результата текст, надписи и водяные знаки. Модель распространяется по лицензии CreativeML OpenRAIL-M; условия лицензии следует учитывать при использовании и распространении сгенерированных изображений и модели.

Loyal-Macaroni-Maid-7B-imatrix-GGUF — набор квантизированных моделей в формате GGUF с использованием imatrix, созданный пользователем duyntnet на основе Loyal-Macaroni-Maid-7B от SanjiWatsuki. Модель предназначена для генерации текста по инструкциям и диалогового использования, включая сценарии ролевого общения в SillyTavern. Модель имеет размер 7B параметров, относится к текстовым генеративным моделям и поддерживает английский язык. README указывает на совместимость с шаблоном Noromaid, пользовательским форматом запросов и форматом Alpaca. Для SillyTavern рекомендуются отдельные настройки контекста, инструкций и генерации, однако точные параметры архитектуры и размер контекстного окна не указаны. К сильным сторонам относятся специализированная настройка под диалоговые и ролевые сценарии, наличие квантизированных GGUF-вариантов и рекомендации по форматам промптов. Ограничения включают отсутствие подробных сведений о качестве, бенчмарках, поддерживаемых квантизациях и точных требованиях к ресурсам. Лицензия обозначена как other, без дополнительных условий использования в представленном README.

MARLIN ViT Base YTF — модель извлечения признаков из видеопоследовательностей лиц, основанная на подходе Masked Autoencoder for facial video Representation Learning. Репозиторий ControlNet/marlin_vit_base_ytf содержит вариант семейства MARLIN, подготовленный для работы через Transformers; архитектура в метаданных указана как плотная MarlinModel, веса сохранены в safetensors. По README, модель принимает видеотензор формы [B, C, T, H, W] и возвращает последовательность признаковых векторов. Модель предназначена для получения представлений лицевого видео, которые можно использовать как вход для последующих задач анализа видео. Карточка Hugging Face выполняет только извлечение признаков: предварительная обработка видео, включая обнаружение и кадрирование лица, а также выбор окон кадров, должна быть выполнена отдельно. Базовая модель — ControlNet/MARLIN, лицензия указана как CC; конкретные условия лицензии в предоставленных данных не уточнены.

facebook/mms-tts-lat — модель синтеза речи на латинском языке из проекта Massively Multilingual Speech (MMS), разработанного Facebook. Она преобразует входной текст в речевую аудиоволну и подходит для озвучивания латинских фраз и создания речевых примеров для этого языка. Модель построена на архитектуре VITS: это сквозная система синтеза с вариационным автоэнкодером, текстовым энкодером на основе Transformer, потоковыми слоями и декодером, напоминающим HiFi-GAN. В репозитории указано 3,5 млн параметров; для каждого языка MMS обучается отдельный чекпойнт. Стохастический предсказатель длительности позволяет варьировать ритм произношения, поэтому результат зависит от случайного seed. Модель доступна через библиотеку Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

Undi95/MXLewd-L2-20B — объединённая языковая модель семейства Llama, созданная Undi95 с помощью послойного слияния моделей MLewd-L2-13B-v2-3, ReMM-v2.1-L2-13B и Xwin-LM-13B-V0.1. Модель содержит 19,8 млрд параметров и предназначена для генерации текста; в карточке приведены результаты оценки на бенчмарках ARC и HellaSwag. Модель принимает текст и выдаёт текст, использует архитектуру LlamaForCausalLM и поддерживает контекст до 4096 токенов. README указывает шаблон промпта Alpaca и описывает смешение моделей с уклоном на MLewd, ReMM и Xwin. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование. Назначение модели предполагает откровенный контент; отдельные ограничения по качеству или безопасности в карточке не описаны.

Это отдельный акустический энкодер Nemotron-3.5 ASR Streaming Pure Audio Encoder, извлечённый из модели NVIDIA nvidia/nemotron-3.5-asr-streaming-0.6b. Модель разработана как FastConformer-бэкбон без проекционных слоёв для конкретных задач, языковых промптов и декодера; метаданные указывают 402,7 млн параметров, тогда как README сообщает 609,1 млн параметров для описанного энкодера. Принимает монофоническое аудио 16 кГц, представленное мел-спектрограммой, и выдаёт непрерывные речевые признаки размерностью 1024 с частотой 12,5 кадров в секунду. Контекст составляет 5000 токенов по метаданным. Энкодер предназначен для использования как акустическая основа в потоковых речевых системах: признаки можно подавать в аудио-LLM через линейный проектор или Q-Former, кластеризовать в акустические токены, а также использовать в системах обнаружения речевой активности, диаризации и распознавания речи с отдельными головами. Поддерживаются режимы упреждающего просмотра от нулевой задержки до 1120 мс; по сравнению с частотой 50 Гц, приведённой для Whisper в README, частота 12,5 Гц сокращает длину последовательности признаков. Репозиторий содержит веса в формате safetensors и распространяется по лицензии CC BY 4.0. Это энкодер признаков, а не готовая ASR-система: для распознавания текста нужны соответствующие проекционные и декодирующие компоненты. README и метаданные указывают разные размеры модели, поэтому размер требует уточнения.

PixVL-bestcap-m2tfb — публичный экспорт модели семейства PixVL, основанной на Qwen3-VL-4B-SAMTok. В репозитории размещён полный экспорт Hugging Face в формате Safetensors; архитектура — Qwen3VLForConditionalGeneration, библиотека — Transformers. Модель предназначена для сегментации изображений. Карточка описывает её как исследовательский релиз и не приводит дополнительных сценариев применения или результатов оценки. Модель унаследовала лицензию и ограничения использования базовой модели; в метаданных указана лицензия MIT.

ThakiCloud разработала Qwen3.8-27B-Satoori-KO-Synth — дообученную на синтетических примерах модель для преобразования стандартного разговорного корейского языка в региональные диалекты, а также для понимания и определения диалектной речи. Модель основана на плотной мультимодальной Qwen3.8-27B с 27 млрд параметров; в репозитории опубликованы веса Safetensors для Transformers. Несмотря на мультимодальную архитектуру основы, заявленное назначение этой версии — работа с текстом. Обучение выполнено на 26 600 синтетических примерах, созданных преобразованием сгенерированных разговорных фраз по правилам диалектов. Поддерживаются пять региональных вариантов: Кёнсан, Чолла, Чеджу, Чхунчхон и Канвондо. Модель предназначена для разовых преобразований и классификации, а не для диалога. По описанным тестам, распознавание регионов близко к версии, обученной на реальных данных, но понимание достигает примерно половины её результата; качество генерации зависит от метрики, а различия между регионами могут быть чрезмерными. Карточка указывает на связь правил преобразования с разметкой корпусов AI Hub: 77,2% преобразованных слов в обучающих данных используют производные от неё правила. Исходные и производные тексты в репозитории отсутствуют, распространяются только веса. Лицензия обозначена как other; перед использованием следует проверить условия и обязательное указание авторства из карточки модели.

pcmoritz/qwen3-tiny-test — небольшая экспериментальная модель семейства Qwen3 для генерации текста и диалогового взаимодействия. Модель доступна через библиотеку Transformers и содержит около 243,7 млн параметров; заявленная длина контекста составляет до 40 960 токенов. Модель может применяться для локальной генерации продолжений текста, формирования ответов в диалогах, прототипирования чат-интерфейсов и тестирования интеграций с Transformers. Метаданные указывают на поддержку текстовой генерации и conversational-сценариев, однако README не содержит сведений о разработчике, обучающих данных, результатах оценки, лицензии и рекомендуемых условиях эксплуатации. Из-за экспериментального характера и отсутствия подробной документации модель следует проверять на целевых данных перед использованием в продуктивных системах. Надёжность, фактические языковые возможности, устойчивость к ошибкам и безопасность генерируемого текста по предоставленным материалам не подтверждены.

NVIDIA SegFormer-B3 — модель семантической сегментации изображений, дообученная на ADE20K для входных изображений с разрешением 512×512. Архитектура сочетает иерархический Transformer-энкодер с лёгкой декодирующей головой на основе MLP; исходная модель SegFormer представлена в работе Xie и соавторов. В карточке Hugging Face указаны реализации для PyTorch и TensorFlow. Модель предназначена для присвоения классов пикселям изображения и подходит для анализа сцен, например выделения дорог, зданий и других объектов окружения. Она обучена на наборе ADE20K; карточка также отмечает ImageNet-1k как источник предварительного обучения энкодера. Веса опубликованы под лицензией `other`; конкретные условия лицензии следует проверять в репозитории модели. Модель выполняет семантическую сегментацию, а не классификацию изображения целиком.

ShaderLLM-CodeLlama-13b-it — дообученная Sean Memery инструктивная модель семейства CodeLlama для генерации кода шейдеров. Она основана на codellama/CodeLlama-13b-Instruct-hf и дообучена на наборе данных generator. Модель содержит 12,9 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 16 384 токенов. Модель предназначена для генерации и дополнения кода в диалоговом формате, в частности для сценариев работы с шейдерами. В карточке приведён результат оценки на тестовом наборе: loss 0,7616. Язык шейдеров, методика оценки и качество на практических задачах не описаны. Лицензия — Llama 2; применяйте модель в соответствии с её условиями.