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

NOESIS-Qwopus3.5-0.8B-v3-Inspector-MLX — компактная разговорная модель AMAImedia для лёгкой проверки, валидации, контроля маршрутизации и оценки качества работы агентов. Это специалист платформы автоматизации многоязычного дубляжа NOESIS; модель построена на архитектуре Qwen3.5 и содержит около 0,8 млрд параметров. Модель предназначена для коротких проверок и компактных вердиктов в локальных сценариях, например при предварительной проверке результатов и контроле качества агентов. Для сложных рассуждений, длинного контекста и итоговых решений по дубляжу README рекомендует использовать более крупные модели NOESIS. Семейство заявляет поддержку 201 языка и диалекта, однако качество может различаться между языками и требует отдельной проверки. Репозиторий содержит веса safetensors в формате MLX; запуск через mlx-lm рассчитан на macOS с Apple Silicon. README указывает, что веса занимают около 1,50 ГБ, а практическая длина контекста зависит от доступной объединённой памяти и задержки. Лицензия в предоставленных данных не указана.

Qwen3.8-Flash-Next FP8 Abliterated GGUF — неофициальная производная мультимодальной модели Qwen3.8-Flash-Next, созданная сообществом на основе официального FP8-чекпойнта Qwen. Модель не является официальным релизом Qwen и не поддерживается командами Qwen, Alibaba Cloud, NVIDIA или авторами Abliterix. Модель предназначена для понимания текста, изображений и видео, а также для исследовательских, агентских, длинноконтекстных и мультимодальных сценариев. Архитектура включает Mixture-of-Experts, Qwen Sparse Attention, Gated DeltaNet, управляемые остаточные связи, n-граммные эмбеддинги и маршрутизацию к экспертам. Поддерживается многоязычность, однако точный список языков и числовой размер контекста в карточке не указаны. В репозитории представлены GGUF-квантизации Q8_0, Q6_K и Q4_K_M, разделённые на несколько файлов; совокупный размер репозитория составляет около 485 ГБ. Для опционального ускорения декодирования доступны отдельные MTP-компоненты для speculative decoding, совместимые с соответствующей квантизацией и современной сборкой llama.cpp с поддержкой архитектуры qwen4exp. Ключевое отличие производной версии — обработка Abliterix, направленная на ослабление поведения, связанного с отказами. Это может снизить встроенные защитные ограничения и повысить риск неточных, небезопасных или вредоносных ответов, поэтому требуются тестирование, контроль доступа и дополнительная модерация. Указана лицензия qwen-community-license-1.0. Модель рекомендуется использовать для исследований поведения и выравнивания, оценки устойчивости и квантизации, авторизованного red-team-тестирования, экспериментов с GGUF, длинным контекстом и speculative decoding, а также для защитных исследований в области кибербезопасности. Точные требования к оборудованию и производительность зависят от выбранной квантизации, backend и настроек offload.

RegNetY-800MF — модель классификации изображений из семейства RegNetY, опубликованная в репозитории timm. Веса предварительно обучены на ImageNet-1k участниками torchvision; модель содержит около 6,4 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Модель предназначена для классификации изображений и может использоваться как сверточная основа для извлечения карт признаков и эмбеддингов изображений. Реализация timm поддерживает стохастическую глубину, градиентный чекпойнтинг, настройку шага выходных карт признаков и конфигурируемые слои активации и нормализации. Для использования весов применяется лицензия BSD 3-Clause. Описание не приводит метрик качества именно для этой версии; при обработке изображений другого размера или из домена, отличного от ImageNet, качество может отличаться.

RegNetZ C16 EvoS — модель классификации изображений, обученная Ross Wightman в библиотеке timm на ImageNet-1k. Её также можно использовать как визуальный бэкбон для извлечения карт признаков и эмбеддингов. Архитектура построена на BYOBNet и использует блоки с инвертированным узким местом и слои нормализации-активации EvoNorm-S0. Модель содержит около 13,5 млн параметров и требует примерно 2,5 GMACs для изображения. Размер обучения составляет 256 × 256 пикселей, тестирования — 320 × 320. Она подходит для классификации изображений по категориям ImageNet и получения признаков для последующей обработки. Модель распространяется по лицензии Apache-2.0. Её назначение — классификация изображений общего назначения; качество на задачах и изображениях, отличающихся от ImageNet-1k, может быть ниже.

repvgg_b2g4.rvgg_in1k — свёрточная модель классификации изображений из семейства RepVGG, реализованная в библиотеке timm на основе гибкой архитектуры BYOBNet. Её обучили авторы статьи RepVGG на ImageNet-1k. Модель содержит 61,8 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Модель предназначена для классификации изображений и может использоваться как визуальная основа для извлечения карт признаков и эмбеддингов. Она подходит для распознавания объектов на изображениях и построения признаков для последующих задач компьютерного зрения. Репозиторий распространяется по лицензии MIT.

RepViT-M1.5.dist-450e-in1k — модель классификации изображений семейства RepViT, обученная авторами статьи на ImageNet-1k с дистилляцией. Репозиторий предоставляет веса в форматах PyTorch и safetensors; модель доступна через библиотеку timm. Модель предназначена для классификации изображений, извлечения карт признаков и получения эмбеддингов изображений. Она содержит 14,6 млн параметров, требует изображение размером 224 × 224 пикселя и имеет вычислительную сложность 2,3 GMACs. Лицензия — Apache-2.0.

Res2Net-50 48w 2s — модель классификации изображений и извлечения визуальных признаков, разработанная авторами статьи Res2Net. Она обучена на ImageNet-1k и предназначена для классификации изображений, получения карт признаков и визуальных эмбеддингов. Модель реализована на PyTorch и доступна через timm; содержит 25,3 млн параметров, рассчитана на изображения размером 224 × 224 и требует около 4,2 GMAC на изображение. Многомасштабная архитектура Res2Net расширяет подход ResNet для извлечения признаков на нескольких масштабах. Модель подходит как готовый классификатор ImageNet-1k и как визуальная основа для последующих компьютерно-зрительных задач. Карточка не сообщает отдельную лицензию, поэтому условия использования следует уточнить у автора или в репозитории.

Это адаптированная для PyTorch, torchaudio и Transformers версия Resemblyzer, опубликованная пользователем prj-beatrice и основанная на resemble-ai/Resemblyzer. Модель принимает аудиоволновую форму и извлекает векторное представление голоса; для пакетной обработки можно передавать волновые формы с длинами входных последовательностей. Репозиторий содержит веса в формате safetensors и использует архитектуру ResemblyzerModel. Модель предназначена для получения голосовых эмбеддингов, которые можно использовать в системах сравнения и верификации говорящих. README показывает загрузку через AutoModel и вычисление эмбеддинга для аудиофайла. Лицензия указана как other, поэтому условия использования следует сверить с карточкой и исходным проектом Resemblyzer.

ResMLP Big 24 — модель классификации изображений и извлечения признаковых представлений, опубликованная авторами статьи ResMLP и обученная на ImageNet-1k. Она построена на архитектуре ResMLP, использует входные изображения размером 224 × 224 пикселя и содержит около 129,1 млн параметров; вычислительная сложность составляет 100,2 GMACs. Модель подходит для классификации изображений по классам ImageNet-1k и как визуальный backbone для получения эмбеддингов. Она принимает изображения и выдаёт метки классов либо векторные представления. Репозиторий распространяет веса в форматах PyTorch и safetensors; лицензия — Apache-2.0.

ResNet152.a3_in1k — модель классификации изображений семейства ResNet-B, опубликованная в библиотеке timm и обученная на ImageNet-1k по рецепту ResNet Strikes Back A3. Архитектура использует активации ReLU, свёртку 7×7 с пулингом и обходные соединения с понижающими 1×1-свёртками. Модель содержит 60,2 млн параметров и требует около 5,9 GMACs на изображение. Модель предназначена для классификации изображений, извлечения карт признаков и получения эмбеддингов. При обучении использовался размер изображения 160×160, при оценке — 224×224. Доступны веса PyTorch и safetensors; лицензия Apache-2.0. Карточка не подтверждает поддержку естественного языка или других модальностей.

ResNet152.tv2_in1k — модель классификации изображений из библиотеки timm, обученная на ImageNet-1k с рецептами обучения torchvision v2. Это вариант ResNet-B с активациями ReLU, начальной свёрткой 7×7 с пулингом и сокращающими shortcut-свёртками 1×1. Модель содержит около 60,2 млн параметров и требует 7,2 GMACs на изображение. Модель предназначена для распознавания объектов на изображениях, извлечения признаковых карт и получения векторных представлений изображений. Размер изображения при обучении — 176×176 пикселей, при оценке — 224×224. Репозиторий предоставляет веса в форматах PyTorch и safetensors; лицензия — BSD 3-Clause. Карточка не сообщает о дополнительных языковых или мультимодальных возможностях.

ResNet34.a1_in1k — сверточная модель классификации изображений из библиотеки timm, обученная на ImageNet-1k по рецепту ResNet Strikes Back A1. Архитектура ResNet-B использует активации ReLU, свёртку 7×7 с пулингом и сокращённые связи с проекцией через свёртку 1×1. В модели около 21,8 млн параметров и 3,7 GMACs; рекомендуемый размер изображения при обучении — 224×224, при проверке — 288×288. Модель предназначена для классификации изображений по категориям ImageNet, извлечения карт признаков и получения векторных представлений изображений. Она может служить визуальной основой для прикладных компьютерно-зрительных систем. Репозиторий распространяется под лицензией Apache-2.0.

ResNet50D RA2 In1k — сверточная модель классификации изображений из библиотеки timm. Она обучена на ImageNet-1k с рецептом аугментации RandAugment RA2, оптимизатором RMSProp и усреднением весов EMA. Архитектура включает трехслойный блок начальной обработки из сверток 3×3 с пулингом и укороченные соединения с усредняющим пулингом 2×2 и сверткой 1×1. Модель содержит 25,6 млн параметров и требует 4,4 GMACs; размер изображения при обучении — 224×224, при тестировании — 288×288. Модель предназначена для классификации изображений и может использоваться как сверточная основа для извлечения признаковых карт и эмбеддингов. Она принимает изображения и выдает метки классов. Карточка не сообщает специальных ограничений по применению; лицензия Apache-2.0.

ResNetRS-350 — сверточная модель семейства ResNetRS для классификации изображений и извлечения визуальных признаков. Модель размещена timm; согласно карточке, её обучили авторы работ на ImageNet-1k в TensorFlow. В архитектуре используются активации ReLU, свёртка 7×7 с пулингом и свёрточное соединение 1×1 для понижения размерности. Число параметров — около 164 млн, вычислительная сложность — 43,7 GMACs. Модель обучалась на изображениях 288×288 пикселей; для оценки карточка указывает размер 384×384. Её можно применять для классификации изображений, извлечения карт признаков и получения эмбеддингов. Репозиторий содержит веса PyTorch и safetensors, а библиотека для работы с моделью — timm. Лицензия — Apache-2.0.

ResNetV2-101 A1H — сверточная модель классификации изображений из библиотеки timm, подготовленная Россом Уайтманом. Модель обучена на ImageNet-1k по рецепту A1 из работы «ResNet Strikes Back» и также может использоваться как основа для извлечения карт признаков и эмбеддингов изображений. В архитектуре ResNet-V2 с предварительной активацией около 44,5 млн параметров; вычислительная сложность составляет 7,8 GMACs. Рекомендуемый размер изображения — 224 × 224 пикселя. Модель принимает изображение и предсказывает класс из набора ImageNet-1k; веса доступны в форматах PyTorch и safetensors. Лицензия — Apache-2.0. Модель подходит для классификации изображений общего назначения и получения визуальных признаков для последующих задач. Её обучение ориентировано на классы ImageNet-1k, поэтому качество на других наборах данных и предметных областях может отличаться; для узкоспециализированных задач может потребоваться адаптация.

ResNetV2-101x1-BiT — сверточная модель классификации изображений из библиотеки timm, основанная на архитектуре ResNet-V2 с предварительной активацией. Авторы статьи Big Transfer предварительно обучили её на ImageNet-21k, а затем дообучили на ImageNet-1k. В модели около 44,5 млн параметров; указан размер изображения 448 × 448 пикселей. Модель предназначена для классификации изображений и может использоваться как визуальный backbone для извлечения карт признаков и эмбеддингов. Вместо Batch Normalization применяются Group Normalization и Weight Standardization. Веса доступны в форматах PyTorch и safetensors; лицензия — Apache-2.0.

ResNeXt101 32x16d — модель классификации изображений и визуальный backbone из библиотеки timm. Она предварительно обучена авторами статьи на наборе хештегов Instagram-1B с использованием слабого контроля, а затем дообучена на ImageNet-1k. Архитектура ResNeXt использует групповые свёртки в bottleneck-блоках, ReLU, начальную свёртку 7×7 с pooling и shortcut-соединения с проекцией 1×1. Модель предназначена для классификации изображений, извлечения карт признаков и получения визуальных эмбеддингов. В карточке указаны 194 млн параметров, вычислительная сложность 36,3 GMACs и стандартный размер входного изображения 224×224 пикселя. Веса доступны в форматах PyTorch и Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Модель ориентирована на ImageNet-подобную классификацию; результаты на других наборах данных могут отличаться.

ReXNet-200 — свёрточная модель для классификации изображений из семейства ReXNet, опубликованная авторами статьи «Rethinking Channel Dimensions for Efficient Model Design» и предобученная на ImageNet-1k. Она предназначена для распознавания объектов на изображениях, а также может использоваться как backbone для извлечения карт признаков и изображенийных эмбеддингов. Модель содержит около 16,4 млн параметров, выполняет примерно 1,6 GMACs и рассчитана на входное изображение размером 224 × 224 пикселя. Репозиторий содержит веса PyTorch и Safetensors; лицензия — MIT. Это модель компьютерного зрения без указания поддержки естественного языка.

sebotnet33ts_256.a1h_in1k — модель классификации изображений, разработанная Россом Уайтманом и обученная в библиотеке timm на ImageNet-1k. Она предназначена для определения объектов и категорий на изображениях, а также может использоваться как backbone для извлечения карт признаков и эмбеддингов изображений. Архитектура основана на ResNet и BotNet, включает механизм канального внимания Squeeze-and-Excitation и сокращённое число блоков self-attention. Модель содержит 13,7 млн параметров и рассчитана на входные изображения размером 256 × 256 пикселей. Обучение использовало рецепт ResNet Strikes Back A1 с оптимизатором LAMB, усиленными dropout и stochastic depth, RandAugment и косинусным расписанием скорости обучения с прогревом. Модель подходит для классификации изображений общего назначения и извлечения визуальных признаков. Карточка отмечает, что конфигурация не повторяет в точности конкретную научную статью. Лицензия — Apache-2.0.

Minbyul/selfbiorag-7b-wo-healthsearch_qa-sft — плотная языковая модель семейства Llama, дообученная на базе dmis-lab/selfbiorag_7b на наборе HuggingFaceH4/deita-10k-v0-sft. Модель содержит 6,6 млрд параметров, принимает текст и генерирует текст; нативная длина контекста — 4096 токенов. Модель предназначена для генерации текста. В карточке приведено значение loss 1,3069 на оценочном наборе, но описание задач, данные обучения и целевые сценарии не раскрыты. Репозиторий содержит веса в формате Safetensors. Лицензия в предоставленных сведениях не указана.

seresnext26t_32x4d.bt_in1k — сверточная модель классификации изображений из библиотеки timm, построенная на архитектуре SE-ResNeXt-T с механизмом Squeeze-and-Excitation для внимания к каналам. Модель содержит 16,8 млн параметров и обучена на ImageNet-1k с рецептом Bag of Tricks; при обучении использовались SGD с Nesterov и косинусное расписание скорости обучения с разогревом. Модель предназначена для классификации изображений и может использоваться как основа для извлечения карт признаков и эмбеддингов изображений. В README указаны размер изображения 224×224 для обучения и 288×288 для проверки, а вычислительная сложность составляет 2,7 GMACs. Репозиторий распространяется по лицензии Apache-2.0.

Карточка модели OX-PIXL/SpatialThinker-7B на Hugging Face совпадает с карточкой hunarbatra/SpatialThinker-7B, поэтому описание составлено по ней. SpatialThinker-7B — мультимодальная модель Hunar Batra и соавторов из Оксфордского университета и Калифорнийского университета в Санта-Крузе для пространственного анализа изображений. Она основана на Qwen2.5-VL-7B-Instruct и дообучена методом GRPO с плотными пространственными наградами на наборе STVQA-7K из 7 587 примеров. Модель принимает изображения и текстовые вопросы, строит ориентированный на вопрос граф сцены с объектами, рамками и отношениями, а затем формирует текстовый ответ. Модель рассчитана на девять типов пространственных задач: отношения между объектами, досягаемость, размер, ориентацию, местоположение экземпляров, глубину, расстояние, подсчёт и определение наличия объектов. Имеет 7,1 млрд параметров и контекст до 128 000 токенов; формат весов — safetensors. В карточке заявлено превосходство над GPT-4o на бенчмарках пространственного понимания при обучении на небольшом наборе данных. Это заявление относится к результатам авторов и не гарантирует качество на других задачах. Лицензия — Apache-2.0.

timm/swin_base_patch4_window12_384.ms_in1k — модель классификации изображений на архитектуре Swin Transformer, опубликованная авторами статьи и распространяемая через библиотеку timm. Она предварительно обучена на ImageNet-1k и может использоваться для классификации изображений, извлечения карт признаков и получения эмбеддингов. Модель содержит 87,9 млн параметров и рассчитана на изображения размером 384 × 384 пикселя. Swin Transformer использует иерархическую структуру и сдвинутые окна внимания для обработки визуальных данных. В репозитории доступны веса PyTorch и Safetensors. Лицензия MIT разрешает свободное использование и распространение при соблюдении её условий. Карточка не сообщает о специальных ограничениях применения.

Swin Small Patch4 Window7 224 — модель компьютерного зрения семейства Swin Transformer, представленная Liu и соавторами и опубликованная в репозитории Microsoft. Это небольшая иерархическая Vision Transformer-модель, обученная на ImageNet-1k для классификации изображений с разрешением 224×224 пикселя. Модель формирует иерархические карты признаков, последовательно объединяя патчи изображения. Механизм внимания работает внутри локальных окон со сдвигом, поэтому вычислительная сложность линейно растёт с размером изображения. Чекпойнт также может служить основой для задач плотного распознавания после соответствующей адаптации. Модель принимает изображения и выдаёт метки классов ImageNet-1k. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache 2.0. Карточка рекомендует использовать исходную модель для классификации изображений; для других задач следует подбирать дообученные версии.

SyrzykAI — модель перекладу й нормалізації тексту із суржику на літературну українську. Автор — vlddshk. Вона призначена для виправлення русизмів, кальок та граматичних інтерференцій, а не для звичайного перекладу з російської на українську. Модель має архітектуру M2M-100 і містить 463,7 млн параметрів. Її створено на базі facebook/nllb-200-distilled-600M: базову модель донавчено методом QLoRA на 6 299 парах речень із корпусу vlddshk/syrzyk-dataset, після чого адаптери злиті з вагами. Контекст — 1 024 токени; модель працює з текстом українською мовою. Ліцензія — CC BY-NC 4.0, яка обмежує комерційне використання. Модель підходить для нормалізації коротких повідомлень і речень із типовими російсько-українськими інтерференціями. Вона може не розпізнавати локальні діалектизми та надмірно замінювати нормативні, але рідковживані слова поширенішими синонімами. Для довших текстів автор рекомендує розбивати їх на речення; конкретні числові результати оцінювання в картці не наведені.

timm/tf_efficientnet_b0.ns_jft_in1k — сверточная модель классификации изображений семейства EfficientNet-B0. Исходную модель обучили авторы работ по EfficientNet и Noisy Student на ImageNet-1k и неразмеченных данных JFT-300M; Росс Уайтман перенёс веса в PyTorch для библиотеки timm. Модель содержит около 5,3 млн параметров и рассчитана на изображения размером 224 × 224 пикселя. Её можно использовать для классификации изображений по классам ImageNet-1k, извлечения карт признаков и получения векторных представлений изображений. Модель принимает изображения и выдаёт оценки классов либо признаки для последующих задач компьютерного зрения. Репозиторий содержит веса PyTorch и safetensors. Лицензия — Apache-2.0.

TinyViT-21M-224 — модель классификации изображений из семейства TinyViT, опубликованная авторами статьи TinyViT и доступная через timm. Она предварительно обучена на ImageNet-22k с дистилляцией, а затем дообучена на ImageNet-1k. Модель содержит 21,2 млн параметров, рассчитана на изображения размером 224 × 224 и может использоваться как классификатор или визуальный backbone для извлечения карт признаков и эмбеддингов. Модель предназначена для распознавания объектов и категорий на изображениях, а также для получения признаковых представлений в компьютерном зрении. В карточке указана лицензия Apache-2.0. Данные подтверждают работу с изображениями и классификацию; другие возможности зависят от последующей обработки признаков.

SaintsStudios разработала дообученную версию 2.0 модели facebook/nllb-200-distilled-600M для перевода между английским и языком тумбука (читумбука), а также выполнения инструкций на тумбука. Это модель encoder-decoder семейства M2M-100 с 463,7 млн параметров и контекстом до 1024 токенов. Модель предназначена для перевода текстов с английского на тумбука и обратно, с особым вниманием к естественной лексике и снижению примеси близкородственного языка ньянджа/чичева. В карточке приведены примеры переводов повседневных фраз и текста об орошении; заявлены также задачи следования инструкциям на тумбука. Модель распространяется в формате safetensors по лицензии Apache-2.0 согласно метаданным Hugging Face; README указывает лицензию MIT.

timm/twins_pcpvt_small.in1k — модель классификации изображений из библиотеки timm, обученная авторами статьи Twins на ImageNet-1k. Она основана на архитектуре Twins-PCPVT и может использоваться как для классификации, так и в качестве визуального backbone для извлечения признаков и эмбеддингов. Модель содержит 24,1 млн параметров, требует изображение размером 224 × 224 пикселя и имеет вычислительную сложность 3,8 GMACs. Репозиторий содержит веса PyTorch и safetensors. Лицензия — Apache-2.0.

UniPercept — мультимодальная модель для оценки и анализа изображений, созданная исследователями Университета науки и технологий Китая, Shanghai AI Laboratory и Пекинского университета. Она дообучена на базе OpenGVLab/InternVL3-8B с помощью доменно-адаптивного предварительного обучения и обучения с подкреплением, согласованного с задачами восприятия. Модель оценивает эстетику изображения, его качество, структуру и текстуру: выдаёт численные оценки и отвечает на вопросы с визуальным обоснованием. Её можно применять для анализа изображений и как метрику или модель вознаграждения при обучении систем генерации изображений. В карточке указаны библиотека Transformers, формат Safetensors и лицензия Apache-2.0. README описывает оценивание и ответы на вопросы по изображению; размер модели и длина контекста не приведены.