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

DatedGPT-2014-Instruct — диалоговая инструкционная языковая модель семейства DatedGPT, представленная разработчиком datedgpt. Это версия с данными, ограниченными срезом до 2014 года, предназначенная для прогнозирования без смещения заглядывания в будущее и анализа информации на конкретный момент времени. Модель построена на архитектуре LlamaForCausalLM, содержит около 1,3 млрд параметров и принимает текст; для общения используется шаблон чата в стиле Llama 2. Модель подходит для генерации ответов и анализа, когда важно, чтобы доступные знания соответствовали периоду до 2014 года, например при ретроспективной оценке прогнозов. Контекст составляет 2048 токенов. Она обучена для следования инструкциям, но не проходила RLHF или настройку безопасности, поэтому может уверенно выдавать неверные ответы. Лицензия в предоставленных данных не указана.

DatedGPT-2023 base — предварительно обученная языковая модель семейства DatedGPT, разработанная для прогнозирования и анализа, при которых важно учитывать только информацию, доступную к определённой дате. Эта версия обучена на данных до 2023 года, что помогает избегать смещения из-за использования будущей информации. Модель построена на архитектуре LlamaForCausalLM и содержит около 1,3 млрд параметров. Она принимает текст и генерирует продолжение; длина контекста составляет 2048 токенов. Модель не проходила инструкционное дообучение и не предназначена для диалогового следования инструкциям. README сообщает об отсутствии RLHF и настройки безопасности; знания ограничены временным срезом данных до 2023 года. Лицензия в предоставленных источниках не указана.

DiNAT-Mini — иерархический vision Transformer от SHI Labs, обученный на ImageNet-1K для классификации изображений с разрешением 224×224. Модель использует Neighborhood Attention и её расширенный вариант Dilated Neighborhood Attention: каждый токен обрабатывает ближайшую область изображения, что формирует скользящее окно внимания и сохраняет эквивариантность к сдвигам. Вариант содержит 14,7 млн параметров и распространяется в формате PyTorch. Модель предназначена для отнесения изображения к одному из 1000 классов ImageNet, например для классификации фотографий. Это базовый классификатор: для других задач подойдут дообученные версии. Для запуска нужны Transformers и пакет NATTEN. Лицензия — MIT.

DistilCamemBERT-Sentiment — модель cmarkea для анализа тональности франкоязычных отзывов. Она дообучена на базе cmarkea/distilcamembert-base и использует архитектуру CamemBERT для классификации текста по пяти оценкам: от одной звезды (крайне негативная оценка) до пяти звёзд (крайне положительная). При обучении использовались отзывы Amazon и рецензии Allociné, сочетание коротких и длинных текстов. Модель предназначена для анализа отзывов о товарах и фильмах, включая присвоение рейтинга и выделение негативных, нейтральных и позитивных оценок. В README заявлено сокращение времени инференса примерно вдвое по сравнению с некоторыми моделями на CamemBERT и приведены результаты оценки на тестовых данных. Модель содержит 81,2 млн параметров, поддерживает контекст до 514 токенов и доступна в форматах PyTorch, TensorFlow, ONNX и safetensors. Модель рассчитана на французский язык. В тестах точность точного совпадения составила 61,01%, а точность попадания верной оценки в две наиболее вероятные — 88,80%; результаты зависят от данных и постановки задачи. Лицензия — MIT.

dla60xc.in1k — модель классификации изображений на основе архитектуры DLA (Deep Layer Aggregation), обученная авторами архитектуры на ImageNet-1k. Её можно использовать для присвоения изображению класса, извлечения карт признаков и получения эмбеддингов изображений. Модель содержит около 1,3 млн параметров, требует около 0,6 GMACs вычислений и рассчитана на входные изображения размером 224 × 224 пикселя. Она доступна в форматах PyTorch и Safetensors и предназначена для работы с библиотекой timm. Лицензия — BSD 3-Clause. Модель подходит как компактная основа для классификации и извлечения визуальных признаков. Она обучена на ImageNet-1k, поэтому её классы и качество могут не соответствовать специализированным предметным областям; сведения о языковой поддержке неприменимы к модели обработки изображений.

DNSMOS P.835 и P.808 — модель оценки качества аудио, разработанная Microsoft и адаптированная автором репозитория для работы с PyTorch, torchaudio и Transformers. Она принимает аудиосигнал и выдаёт оценки SIG, BAK, OVRL и P.808, предназначенные для оценки качества речи и шумоподавления. Модель поддерживает обработку отдельных аудиозаписей и дополненных пакетных входов с указанием длины каждой записи. В README приведён пример загрузки через Transformers с `trust_remote_code=True`; данные о лицензии в метаданных обозначены как `other`.

EfficientFormer-V2 S0 — компактная модель классификации изображений из семейства EfficientFormer, опубликованная командой timm и предварительно обученная с дистилляцией на ImageNet-1k. Она предназначена для классификации изображений и может использоваться как визуальный backbone для извлечения эмбеддингов и карт признаков в задачах компьютерного зрения. Модель содержит около 3,6 млн параметров, рассчитана на изображения размером 224 × 224 и имеет вычислительную стоимость около 0,4 GMAC. В репозитории доступны веса PyTorch и safetensors. Лицензия — Apache-2.0. Компактный размер и мобильная архитектура подходят для сценариев, где важны скорость и экономия ресурсов. Карточка описывает обучение на ImageNet-1k; качество на других наборах данных и поведение при входных размерах, отличных от 224 × 224, отдельно не охарактеризованы.

EfficientViT-L3 r224 — модель классификации изображений и извлечения визуальных признаков из семейства EfficientViT, разработанная авторами соответствующей научной работы и обученная на ImageNet-1k. Она предназначена для классификации изображений, извлечения карт признаков и получения визуальных эмбеддингов; входной размер изображения — 224 × 224 пикселя. Модель содержит около 246 млн параметров и требует 27,6 GMACs на указанный размер изображения. Репозиторий предоставляет веса PyTorch и safetensors; доступна интеграция с библиотекой timm. Лицензия — Apache-2.0, допускающая коммерческое использование при соблюдении её условий. Модель подходит для классификации изображений и как визуальная основа для задач компьютерного зрения. Она обучена на ImageNet-1k, поэтому может хуже работать на изображениях и категориях, заметно отличающихся от этого набора данных; размер входа в карточке указан как 224 × 224.

EfficientViT L3 — модель классификации изображений и извлечения визуальных признаков из семейства EfficientViT, разработанная авторами работы EfficientViT и обученная на ImageNet-1k. Она предназначена для присвоения изображениям классов, извлечения карт признаков и получения эмбеддингов изображений для последующих задач компьютерного зрения. Модель содержит около 246 млн параметров и рассчитана на входные изображения размером 320 × 320 пикселей. Веса доступны в форматах PyTorch и safetensors; библиотека для работы с моделью — timm. Лицензия — Apache-2.0.

EVA-02 Large Patch14 448 — модель компьютерного зрения для классификации изображений и извлечения визуальных признаков, опубликованная в библиотеке timm. Авторы предварительно обучили её на объединённом наборе Merged-38M с masked image modeling, используя EVA-CLIP как учителя, а затем дообучили на ImageNet-22k. В состав Merged-38M входят ImageNet-22K, CC12M, CC3M, обучающие части COCO и ADE20K, Object365 и OpenImages. Это Vision Transformer с размером изображения 448 × 448 и примерно 326,4 млн параметров. Архитектура использует mean pooling, SwiGLU, Rotary Position Embeddings и дополнительный LayerNorm в MLP. Модель подходит для классификации изображений и как визуальный backbone или источник эмбеддингов в компьютерном зрении. Репозиторий содержит веса PyTorch в формате safetensors; чекпойнты timm сохранены в float32. Лицензия — MIT. Карточка приводит результаты на ImageNet, но не описывает ограничения по качеству или условия эксплуатации за пределами лицензии.

FastViT S12 Apple Distilled — модель классификации изображений и извлечения визуальных признаков из семейства FastViT, представленная авторами статьи FastViT и обученная с дистилляцией на ImageNet-1k. Она предназначена для распознавания объектов на изображениях, извлечения карт признаков и получения векторных представлений изображений. Модель содержит около 9,5 млн параметров, требует 1,8 GMACs вычислений и рассчитана на входные изображения размером 256 × 256 пикселей. FastViT сочетает свёрточные и трансформерные компоненты и использует структурную репараметризацию. Репозиторий содержит веса PyTorch и safetensors. Модель подходит как компактная визуальная основа для классификации и построения признаков; сведения о лицензии следует сверять с лицензией исходной модели.

FlexiViT Base 1200ep IN1K — модель классификации изображений семейства Vision Transformer. Её обучили авторы FlexiViT на ImageNet-1k в JAX, а Ross Wightman перенёс веса в PyTorch. В репозитории доступны веса PyTorch и SafeTensors под лицензией Apache-2.0. Модель содержит около 86,6 млн параметров и рассчитана на входные изображения размером 240 × 240 пикселей. Она предназначена для классификации изображений и может использоваться как визуальный backbone для извлечения признаков и эмбеддингов. FlexiViT исследует применение одной модели с разными размерами патчей; карточка не описывает поддержку других модальностей или языков.

FlexiViT Small 300ep In1k — модель классификации изображений и извлечения признаков семейства Vision Transformer. Её обучили авторы статьи на ImageNet-1k с помощью JAX, а Ross Wightman перенёс веса в PyTorch; модель распространяется в формате PyTorch и Safetensors под лицензией Apache-2.0. Модель содержит 22,1 млн параметров и рассчитана на изображения размером 240 × 240 пикселей. FlexiViT исследует работу одной модели с разными размерами патчей; доступный вариант предназначен для классификации изображений по классам ImageNet-1k и получения визуальных эмбеддингов. Она подходит для классификации фотографий и как визуальный backbone в системах компьютерного зрения. Обучение на ImageNet-1k задаёт основную область применения: распознавание объектов из классов этого набора данных. Карточка не приводит ограничений на качество вне этого распределения; использование регулируется лицензией Apache-2.0.

FocalNet Base LRF — модель классификации изображений и извлечения визуальных признаков из семейства FocalNet, опубликованная авторами работы «Focal Modulation Networks» и доступная через библиотеку timm. Модель предварительно обучена на ImageNet-1k; число параметров — 88,7 млн, вычислительная сложность — 15,4 GMACs. Для входных изображений указано разрешение 224 × 224 пикселя. Модель подходит для классификации изображений по категориям ImageNet-1k, извлечения карт признаков и получения визуальных эмбеддингов; её можно использовать как визуальный backbone в компьютерном зрении. В репозитории представлены веса PyTorch и safetensors. Лицензия — MIT. Карточка не описывает языковые возможности, поскольку модель работает с изображениями.

Ganda Gemma 1B — дообученная CraneAILabs инструктивная модель на базе Google Gemma 3 1B Instruct для перевода с английского на луганда и общения на луганда. Это плотная авторегрессионная языковая модель с 1 млрд параметров, поддержкой диалогового режима и форматом safetensors; метаданные указывают контекст до 32 768 токенов. README описывает настройку на парах английский—луганда и оценку перевода без примеров на FLORES-200. Модель принимает текст на английском и луганда, а ответы генерирует только на луганда. Помимо перевода, её можно применять для диалогов, ответов на вопросы, кратких пересказов и создания текстов на луганда; она рассчитана в том числе на переводческие, образовательные и культурные приложения с запуском на потребительском оборудовании. В README заявлены высокая эффективность по BLEU относительно размера и конкурентное качество перевода, однако приведённая таблица сравнения неполна, поэтому эти заявления нельзя независимо проверить по карточке. Указаны ограничения: только луганда на выходе, возможные пробелы в культурных нюансах и диалектах; README называет её оптимизированной для коротких диалогов и указывает контекст 2048 токенов, тогда как метаданные сообщают нативный контекст 32 768 токенов. Лицензия — Gemma; условия использования определяются лицензией Gemma от Google.

gc_efficientnetv2_rw_t.agc_in1k — модель классификации изображений из библиотеки timm, обученная на ImageNet-1k. Это вариант архитектуры EfficientNetV2 с механизмом Global Context attention; в обучении применялись рецепт ResNet Strikes Back C, оптимизатор SGD с Nesterov, адаптивное ограничение градиентов AGC и косинусное расписание скорости обучения с прогревом. Модель содержит 13,7 млн параметров и рассчитана на изображения размером 224 × 224 при обучении и 288 × 288 при тестировании. Её можно использовать для классификации изображений, извлечения карт признаков и получения эмбеддингов изображений. Модель распространяется по лицензии Apache-2.0. Карточка описывает обучение на ImageNet-1k; качество на других наборах данных и специальных предметных областях отдельно не характеризуется.

Модель itzune/gemma-4-e4b-horkonpon — дообученная на корпусе horkonpon-corpus модель Google Gemma 4 E4B Instruct для исправления грамматических и орфографических ошибок в баскском языке. Она принимает текст и возвращает исправленное предложение вместе со структурированным JSON-списком правок: категория ошибки, изменённый фрагмент, нормативная ссылка на Euskaltzaindiа и объяснение на баскском языке. Такая разметка позволяет приложениям фильтровать исправления по типу и серьёзности ошибки. Модель основана на плотной архитектуре Gemma 4 E4B с PLE, заявлены 8 млрд общих и 4,5 млрд эффективных параметров. Для обучения использовались QLoRA 4-bit и LoRA r=16, после чего веса объединены и загружены в формате 16-bit Safetensors. В описанной оценке модель превзошла GECToR-v2 по F0.5 и exact match, особенно при исправлении орфографии, но уступила в точности на чистом тексте и в морфологии. Модель рассчитана на текстовый ввод и JSON-текстовый вывод; мультимодальные компоненты базовой модели заморожены и не проверялись. Основной язык дообучения — баскский, а качество для других языков не подтверждено. Репозиторий указывает лицензию Gemma; условия распространения и использования следует проверять по лицензии базовой модели Google Gemma.

HardCoReNAS — модель компьютерного зрения для классификации изображений и извлечения признаков. Её обучили авторы работы HardCoRe-NAS на ImageNet-1k с использованием их «зелёного» рецепта обучения. Репозиторий предоставляет веса в форматах PyTorch и safetensors и предназначен для использования с библиотекой timm. Модель содержит около 5,5 млн параметров, выполняет примерно 0,3 GMAC на изображение и рассчитана на вход размером 224 × 224 пикселя. Её можно применять для классификации изображений ImageNet-1k, извлечения карт признаков и получения эмбеддингов изображений. Лицензия репозитория — Apache-2.0.

Hiera Base 224 MAE IN1K FT IN1K — модель компьютерного зрения из библиотеки timm для классификации изображений и извлечения признаков. Она использует иерархический Vision Transformer Hiera: предварительно обучена на ImageNet-1k методом Masked Autoencoder (MAE), затем дообучена для классификации на ImageNet-1k. Модель содержит 51,5 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Модель подходит для классификации изображений и получения карт признаков или эмбеддингов в задачах компьютерного зрения. В README приведены результаты для более крупных вариантов семейства Hiera, но метрики именно этой версии не указаны. Репозиторий содержит веса PyTorch и safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и ограничивает коммерческое применение.

Hiera Base Plus 224 — визуальный энкодер на основе иерархического трансформера Hiera, представленный авторами статьи «Hiera: A Hierarchical Vision Transformer without the Bells-and-Whistles» и дообученный на ImageNet-1K. Этот чекпойнт предназначен для извлечения признаков из изображений; полученные представления можно использовать в системах компьютерного зрения и последующих моделях классификации или распознавания. Модель содержит около 45 млн параметров и загружается через библиотеку Transformers в формате safetensors. Архитектура Hiera сочетает иерархическую обработку изображения с упрощённой конструкцией; авторы сообщают о высокой скорости и результатах на задачах распознавания изображений и видео. Данная версия обучена на ImageNet-1K и ориентирована на извлечение признаков, а не на генерацию текста или изображений. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Hiera Tiny 224 — модель компьютерного зрения для классификации изображений и извлечения признаков. Модель распространяется в экосистеме timm и основана на иерархическом Vision Transformer Hiera. Она предварительно обучена на ImageNet-1k методом Self-Supervised Masked Autoencoder (MAE), затем дообучена на ImageNet-1k для классификации. В модели 27,9 млн параметров; входной размер изображения — 224 × 224 пикселя. Модель подходит для классификации изображений, получения карт признаков и эмбеддингов, а также как визуальная основа для прикладных систем компьютерного зрения. В README приведены результаты для других размеров семейства Hiera, но метрика именно этой версии не указана. Репозиторий содержит веса PyTorch в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

hourai3-ja-toxicity-90m-v1 — японская модель классификации текстов, разработанная WariHima для оценки оскорбительного и вредоносного содержания. Она предназначена для обнаружения в тексте оскорблений, сексуального содержания, незаконных высказываний и нападок на людей или организации. Модель дообучена на базе WariHima/hourai3-90m-base-ja-v1; архитектура — LFM2 MoE, размер — 47,1 млн параметров. Она принимает японский текст и выдаёт классификационный результат с тегами вредоносности. Контекст — до 128 000 токенов. Для обучения использовалась часть датасета WRIME, включающая 500 строк из Википедии; карточка также сообщает об открытой публикации обучающих данных и кода. Возможны ложноположительные и ложноотрицательные срабатывания, поэтому результат не заменяет оценку человека. Лицензия — CC BY-SA 4.0.

ImageShield-MMCF-2B — мультимодальный классификатор безопасности визуального контента от prithivMLmods, дообученный на базе Qwen/Qwen3.5-2B. Модель принимает изображения и предназначена для классификации их как безопасных или небезопасных, особенно для выявления чувственного контента NSFW и других потенциально чувствительных сцен. Модель формирует структурированный ответ JSON с подписью изображения, меткой классификации и объяснением. В обучении использовалось около 28 тысяч примеров guardrail-разметки; консервативная политика склоняет классификацию к небезопасной при неоднозначности. Архитектура — плотная Qwen3.5 для генерации текста по изображению; карточка указывает английский язык. Распространяется в формате Safetensors по лицензии Apache-2.0. Выпуск экспериментальный: возможны нестабильные ответы и артефакты рассуждений. Модель допускает как ложные срабатывания на безобидном контенте, так и пропуск небезопасных изображений; результат зависит от качества изображения, контекста и инструкции и не является окончательным юридическим или безопасностным заключением.

InceptionNeXt Small — модель классификации изображений и извлечения визуальных признаков из семейства InceptionNeXt. Её обучили авторы статьи на ImageNet-1k; репозиторий опубликован в формате PyTorch и Safetensors и предназначен для использования через библиотеку timm. Модель содержит 49,4 млн параметров, выполняет 8,4 GMACs и рассчитана на изображения размером 224 × 224 пикселя. Она подходит для классификации изображений по категориям ImageNet-1k, извлечения карт признаков и получения эмбеддингов изображений. Лицензия репозитория — Apache-2.0. Модель работает с изображениями и не предназначена для обработки естественного языка.

Inception-v4 tf_in1k — модель компьютерного зрения для классификации изображений и извлечения признаков. Она предоставлена авторами проекта timm; веса обучены на ImageNet-1k и перенесены из TensorFlow через pretrained-models.pytorch от Cadene. Модель содержит около 42,7 млн параметров и рассчитана на изображения размером 299 × 299 пикселей. Модель подходит для присвоения изображениям классов ImageNet-1k, получения карт признаков и формирования эмбеддингов изображений, например для последующего использования в прикладных системах компьютерного зрения. Репозиторий предоставляет веса PyTorch в формате safetensors; лицензия — Apache-2.0. Карточка не сообщает измерений качества и не описывает ограничения за пределами указанного набора классов и размера входного изображения.

Trendyol LLM v2.0 — чат-модель авторегрессионной генерации текста, разработанная Trendyol на основе Trendyol LLM base v2.0. Базовая модель продолжила предобучение Llama 3 8B на 13 млрд токенов; чат-версия содержит около 7,5 млрд параметров, использует архитектуру Llama и рассчитана на контекст до 8192 токенов. В репозитории представлены веса Safetensors. Модель предназначена для диалогов и генерации текста на турецком и английском языках. Её можно применять для составления черновиков, ответов и продолжения текста. Широкая проверка в реальных сценариях не проводилась, поэтому качество ответов может быть непостоянным; модель способна выдавать фактические ошибки, предвзятые или оскорбительные формулировки и хуже справляться со сленгом и другими языками. Для использования требуется лицензия Llama 3.

MaxViT-Base TF 512 — модель классификации изображений семейства MaxViT, обученная авторами оригинальной работы на ImageNet-1k в TensorFlow и перенесённая в PyTorch Россом Уайтманом для библиотеки timm. Её можно использовать для классификации изображений, извлечения карт признаков и получения эмбеддингов изображений. Архитектура MaxViT сочетает блоки MBConv со слоями self-attention по оконным и сеточным областям. Модель содержит около 119,9 млн параметров и рассчитана на входные изображения размером 512 × 512 пикселей. Для работы с изображениями она может служить классификатором или визуальным backbone. Модель обучена на ImageNet-1k, поэтому её классификационные возможности ориентированы на классы этого набора данных; качество на иных наборах и специализированных задачах может отличаться. Лицензия репозитория — Apache-2.0.

MaxViT Large TF 224 IN1K — модель классификации изображений семейства MaxViT, обученная авторами статьи в TensorFlow на ImageNet-1k и перенесённая в PyTorch Россом Уайтманом для библиотеки timm. Архитектура MaxViT сочетает блоки MBConv со слоями self-attention по оконным и сеточным разбиениям. В модели около 211,8 млн параметров; она рассчитана на изображения размером 224 × 224 пикселя. Модель подходит для классификации изображений по классам ImageNet-1k, а также может использоваться как визуальный backbone для извлечения признаковых карт и эмбеддингов. Репозиторий содержит веса PyTorch и safetensors. Лицензия — Apache-2.0.,

MaxViT Large TF 512 IN1K — модель классификации изображений семейства MaxViT, перенесённая Ross Wightman из официальной реализации TensorFlow в PyTorch и распространяемая в библиотеке timm. Исходные веса обучены авторами статьи на ImageNet-1k. Архитектура сочетает блоки MBConv и два вида self-attention: оконное и сеточное; модель также может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов. Модель содержит около 212,3 млн параметров и рассчитана на изображения размером 512 × 512 пикселей. Она подходит для отнесения изображений к категориям ImageNet-1k и получения визуальных представлений для последующих задач компьютерного зрения. Репозиторий предоставляет веса PyTorch и SafeTensors; лицензия — Apache-2.0.

MobileNet V2 — модель классификации изображений, основанная на архитектуре MobileNetV2 с инвертированными остаточными блоками и линейными bottleneck-слоями. Карточка указывает, что модель предварительно обучена на ImageNet-1k для изображений размером 224×224 и преобразована из чекпойнта PyTorch Vision в формат LiteRT/TFLite. В модели 3 504 872 параметра; точность исходного чекпойнта на ImageNet-1k составляет 72,154% top-1 и 90,822% top-5. Модель предназначена для определения классов объектов на изображениях и развёртывания в приложениях и на мобильных устройствах. В репозитории есть полноточный TFLite-файл, динамически квантованный вариант с весами INT8 и активациями FP32, а также артефакт, скомпилированный для Google Tensor G5. Для полноточного файла указана поддержка CPU и GPU; для статически квантованного INT8-варианта — CPU и NPU Qualcomm или MediaTek, но не GPU. Лицензия исходной модели в карточке не установлена, поэтому условия использования следует проверить отдельно перед применением. Качество и применимость зависят от сходства изображений с ImageNet-1k и от используемого варианта файла и устройства.