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

google/tipsv2-g14-dpt — модель плотного предсказания на изображениях, разработанная Google: DPT-головы для оценки глубины, предсказания нормалей поверхности и семантической сегментации поверх замороженного визуального энкодера TIPSv2 g/14. Модель принимает изображения в диапазоне значений [0, 1]; рекомендуется разрешение, кратное 14. Головы содержат около 185 млн параметров и используют библиотеку Transformers. Головы для глубины и нормалей обучены на NYU Depth V2, а голова сегментации — на ADE20K для 150 классов. Модель предназначена для анализа геометрии сцены и выделения объектов на изображениях: она предсказывает карту глубины, нормали поверхности и карту семантических классов. Репозиторий распространяется в формате safetensors под лицензией Apache-2.0. В метаданных основной задачей указана оценка глубины; для нормалей поверхности и сегментации README описывает обученные головы, но качество и ограничения этих выходов не уточняет.

google/tipsv2-so400m14-dpt — модель семейства TIPSv2 от Google с головами Dense Prediction Transformer поверх замороженной визуальной основы SO400m/14. Она предназначена для плотного анализа изображений: оценки глубины, предсказания нормалей поверхности и семантической сегментации на 150 классов. Основа загружается автоматически; для работы используются Transformers и PyTorch. Модель принимает изображения в диапазоне значений [0, 1]; рекомендуется разрешение, кратное 14. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. Головы для глубины и нормалей обучены на NYU Depth V2, а голова сегментации — на ADE20K. Вариант SO400m/14 имеет 412 млн параметров визуальной основы, 448 млн параметров текстовой части основы и около 120 млн параметров голов. Модель рассчитана на визуальное предсказание плотных карт; описание не указывает на обработку текста как пользовательского входа. Результаты могут зависеть от предметной области изображений и отличаться от качества на обучающих наборах.

YOLO26-M-pose — модель семейства YOLO26 от Ultralytics для оценки позы человека и обнаружения ключевых точек. Она принимает изображения размером 640 пикселей и предсказывает координаты точек тела; заявленные показатели pose mAP составляют 68,8 для диапазона IoU 50–95 и 89,6 при IoU 50 в режиме end-to-end. Архитектура формирует предсказания напрямую, без этапа подавления немаксимумов (NMS), и предназначена для эффективного развёртывания, в том числе на периферийных и маломощных устройствах. В README также отмечены локализация точек с помощью RLE, оптимизированное декодирование и удаление DFL. Модель подходит для анализа позы в изображениях и систем компьютерного зрения с низкой задержкой. Для обучения YOLO26 используется оптимизатор MuSGD. Репозиторий содержит веса PyTorch; для использования README рекомендует библиотеку Ultralytics. Лицензия — AGPL-3.0.

MobileViT-XXS с головой DeepLabV3 — компактная модель семантической сегментации изображений. Архитектура сочетает свёрточные блоки в стиле MobileNetV2 с трансформерными блоками для глобальной обработки патчей; версия XXS содержит около 1,9 млн параметров. Модель разработана авторами MobileViT Сачином Мехтой и Мохаммадом Растегари и впервые опубликована в их репозитории; карточку Hugging Face подготовила команда Hugging Face. Модель предварительно обучена на ImageNet-1k, затем дообучена на PASCAL VOC2012. Она предназначена для присвоения метки класса каждому пикселю изображения. В README приведён результат 73,6 mIoU на PASCAL VOC. При работе изображения обрезаются по центру до 512×512, нормализуются в диапазон [0, 1] и должны подаваться в порядке каналов BGR. Компактная архитектура рассчитана на низкую задержку и мобильные сценарии; репозиторий содержит веса PyTorch, TensorFlow и Core ML. Модель ориентирована на сегментацию в категориях PASCAL VOC, поэтому качество на других наборах данных и предметных областях может отличаться; для специализированных задач может потребоваться дообученная версия. Лицензия указана как Apple Sample Code License.

LiheYoung/depth-anything-base-hf — базовая версия модели Depth Anything в формате Transformers, представленная авторами Depth Anything и опубликованная в репозитории LiheYoung. Она предназначена для оценки глубины по отдельному изображению, в том числе в zero-shot-сценариях. Архитектура сочетает DPT с backbone DINOv2; модель обучалась примерно на 62 миллионах изображений. Она оценивает относительную и абсолютную глубину и подходит для интеграции в компьютерное зрение и анализа сцен. Репозиторий содержит веса safetensors и использует лицензию Apache-2.0. В карточке не приведены численный размер модели и ограничения точности для конкретных условий съёмки.

Карточка модели lc700x/depth-anything-indoor-large-hf на Hugging Face совпадает с карточкой LiheYoung/depth-anything-large-hf, поэтому описание составлено по ней. Depth Anything — крупная модель для оценки глубины по изображениям, представленная Lihe Yang и соавторами. Эта версия подготовлена для библиотеки Transformers и использует архитектуру DPT с backbone DINOv2. Модель обучена на примерно 62 миллионах изображений и предназначена для оценки относительной и абсолютной глубины, в том числе в zero-shot сценариях. Она выдаёт карту глубины для входного изображения и может применяться в задачах компьютерного зрения и анализа сцен. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Depth Anything V2 Base — модель для оценки относительной глубины по одному изображению, разработанная авторами семейства Depth Anything. Она обучена на 595 тысячах синтетических изображений с разметкой и более чем 62 миллионах реальных изображений без разметки. Модель предназначена для монокулярной оценки глубины: она определяет относительное расположение объектов и поверхностей на сцене по визуальным признакам. По сравнению с Depth Anything V1 модель лучше сохраняет мелкие детали и устойчивее работает на разных изображениях; авторы также отмечают преимущество в скорости и компактности перед подходами на основе Stable Diffusion. Репозиторий содержит веса PyTorch и библиотеку depth-anything-v2. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не коммерческое использование.

RF-DETR Medium — детектор объектов на изображениях, разработанный Roboflow и дообученный автором dronefreak на датасете ExDark в рамках DetectionBench. Модель предназначена для обнаружения объектов на тёмных и ночных изображениях. Она принимает изображение и выдаёт классы объектов с рамками их расположения; обучена распознавать 12 категорий: велосипеды, лодки, бутылки, автобусы, автомобили, кошек, стулья, чашки, собак, мотоциклы, людей и столы. На тестовой выборке ExDark модель показала mAP@50 88,64% и mAP@50–95 62,55%. Весовые файлы представлены в формате PyTorch, библиотека для работы с моделью — rfdetr. Репозиторий модели лицензирован по Apache-2.0. Однако README отмечает, что датасет ExDark имеет отдельное ограничение на некоммерческое использование, распространяющееся и на обученные на нём модели.

Модель nickmuchi/finbert-tone-finetuned-finance-topic-classification — вариант FinBERT, дообученный автором на наборе Twitter Financial News Topic для классификации финансовых тем в твитах. Она относит текст к одной из 20 тематических категорий; при обучении веса классов скорректировали, чтобы уделять больше внимания редким категориям. На оценочной выборке указаны accuracy 0,9106 и F1 0,9106. Модель предназначена для тематической разметки сообщений о финансах и рынках. Репозиторий содержит веса PyTorch; лицензия в предоставленных данных не указана.

meetkai/functionary-vision-small-v0.1 — мультимодальная модель компании MeetKai, предназначенная для работы с визуальными данными в сценариях function calling. Она входит в коллекцию Vision Function Calling и распространяется на Hugging Face как модель извлечения признаков изображений с поддержкой Transformers и пользовательского кода InternVL. Модель содержит около 8 млрд параметров, использует формат BF16 и ориентирована на получение признакового представления визуального содержимого для последующей интеграции с системами компьютерного зрения, визуальными агентами и инструментами. Доступные данные не подтверждают перечень поддерживаемых естественных языков, длину контекста или конкретные benchmark-показатели. Основное ограничение — в репозитории отсутствует содержательная карточка модели с подробными инструкциями, языками, лицензией и оценками качества; поэтому нельзя надежно определить точные границы возможностей function calling, совместимые форматы входных изображений и прикладную точность.

JoyAI-VL-Interaction Preview — экспериментальная модель семейства Qwen3-VL, разработанная JD. Это плотная vision-first модель масштаба 8B для непрерывного анализа живого видеопотока: примерно раз в секунду она решает, стоит ли ответить, продолжить наблюдение без ответа или передать сложную подзадачу фоновому агенту и позже учесть его результат. Решение о моменте взаимодействия обучается внутри модели на временно выровненных данных и с помощью RL. Модель предназначена для сценариев, где важно заметить событие в реальном времени, например падение человека или появление объекта в трансляции. README описывает её как стандартную Qwen3-VL VLM, которую можно обслуживать через vLLM; голосовой ввод и вывод, а также делегирование подключаются как внешние компоненты. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0. Карточка не сообщает длину контекста и подробные показатели качества.

la_core_web_lg — конвейер NLP для латинского языка в spaCy, разработанный Patrick J. Burns в рамках проекта LatinCy при участии Tim Geelhaar, Nora Bernhardt и Vincent Koch. Модель обучена на гармонизированных корпусах Universal Dependencies Perseus, PROIEL, ITTB, LLCT, UDante и CIRCSE, а также на данных LASLA. Конвейер выполняет токенизацию с обработкой энклитик, сегментацию предложений, POS-теггинг, морфологический анализ, лемматизацию, синтаксический разбор зависимостей и распознавание именованных сущностей. Он поддерживает латинский язык и включает 200 000 уникальных 300-мерных векторов. Версия модели — 3.9.8; требуется spaCy версии не ниже 3.8.11 и ниже 3.9.0. Модель подходит для лингвистического анализа латинских текстов, извлечения сущностей, нормализации словоформ и построения структурированных синтаксических представлений. По опубликованным оценкам, точность POS-теггинга составляет 96,48%, лемматизации — 94,15%, сегментации предложений — 93%, а F-мера распознавания сущностей — 88,36%. Точность морфологического анализа равна 90,78%, UAS синтаксического разбора — 80,78%, LAS — 75,27%. Показатели относятся к измерениям версии 3.9; в версии 3.9.8 веса не переобучались, а метрики повторно не измерялись на обновленном тестовом наборе. Ограничения включают зависимость от совместимой версии spaCy и возможное снижение качества на текстах, заметно отличающихся от обучающих корпусов. Модель распространяется по лицензии MIT.

LA1512/led-pubmed-20K-ORC-4096-epoch2-eval — дообученная модель семейства LED, разработанная на основе LA1512/led-pubmed-20K-ORC-4096-epoch2. Это модель генерации текста по тексту с архитектурой LEDForConditionalGeneration и 95,2 млн параметров. В README приведены результаты оценки: ROUGE-1 43,68, ROUGE-2 14,25, ROUGE-L 21,42 и ROUGE-Lsum 38,14. README не описывает назначение модели, набор данных и предполагаемые сценарии применения, поэтому её специализацию определить нельзя. Репозиторий содержит веса в формате safetensors; лицензия — BSD-3-Clause.

Mari mBERT — модель семейства BERT, разработанная в рамках магистерской работы по лингвистике в Волжском государственном университете технологий для поддержки цифровых инструментов марийского языка. Это дообученная на корпусе из примерно 1,4 млн строк марийского текста модель google-bert/bert-base-multilingual-cased с архитектурой BertForMaskedLM и 205,1 млн параметров. В токенизатор добавлены 13 марийских буквенных знаков, отсутствовавших в исходном словаре. Модель принимает текст и предсказывает замаскированные в нём токены; длина контекста — до 512 токенов. Основная задача — восстановление пропущенных слов и буквенных последовательностей в марийском тексте. Модель задумана как основа для проверки орфографии и автокоррекции, предиктивного ввода, языковых упражнений, а также дальнейшего дообучения для разметки частей речи и синтаксического анализа. В описанной оценке точность составила 53,57% на 13 292 замаскированных позициях; карточка также сообщает о высоких показателях ранжирования относительно сопоставимых проектов малоресурсных языков. Модель распространяется по лицензии MIT. Обучающий корпус монолингвальный, диалектные варианты Hill Mari и Meadow Mari не разделены, а автоматические метрики не заменяют оценку носителями языка. Показатели на задачах проверки орфографии, предиктивного ввода и других прикладных сценариях в карточке не приведены.

CMB-ClimateModernBERT/Merge_Soup_drop_F_LRD — англоязычный encoder-only чекпойнт ModernBERT, дообученный на климатических текстах и опубликованный в семействе ClimateModernBERT. Модель содержит 149 млн параметров, принимает последовательности длиной до 8192 токенов и решает задачу заполнения маски (fill-mask). Обучение продолжалось на академических и синтетических климатических текстах; вариант Drop-one Soup исключает корпус Climate Web. Веса идентичны репозиторию sraj/Merge_Drop_FWebEduv2, а название приведено в соответствие с обозначениями статьи. Модель предназначена для исследований в области обработки климатических текстов и для последующего дообучения под классификацию, многометочную разметку и поиск по корпоративной и климатической отчётности, политическим документам, научным публикациям и новостям. Это masked language model, а не диалоговая или инструкционная система. README не приводит отдельный агрегированный результат для этого чекпойнта; для общего применения авторы рекомендуют CMB-ClimateModernBERT/Merge_Soup_LRD, показавшую средний F1 76,3 на описанном наборе климатических тестов. Модель выпущена для исследований и последующей работы; условия лицензии в предоставленных данных не указаны.

TostAI/nsfw-text-detection-large — модель классификации текста, дообученная Michał Młodawski на основе roberta-large. Она анализирует текстовые промпты для генерации изображений и относит их к одному из трёх классов: SAFE, QUESTIONABLE или UNSAFE. Модель построена на архитектуре RoBERTa для классификации последовательностей, содержит 454,1 млн параметров и принимает последовательности длиной до 514 токенов. Модель предназначена для автоматической модерации промптов в сервисах генерации изображений: она помогает отсеивать потенциально небезопасные запросы, отмечать неоднозначные для дополнительной проверки и поддерживать правила безопасности платформы. В README заявлены точность 93%, precision 88% и recall 90%; описание не приводит протокол оценки или сведения о тестовом наборе, поэтому эти показатели следует трактовать с учётом условий тестирования. Модель рассчитана на английский язык. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC-ND 4.0 требует атрибуции и ограничивает коммерческое использование и распространение производных материалов.

Qwen3.6-35B-A3B-Uncensored-Aggressive — перепакованная версия Qwen3.6-35B-A3B от prithivMLmods, основанная на huihui-ai/Huihui-Qwen3.6-35B-A3B-abliterated. Это мультимодальная модель семейства Qwen с архитектурой Mixture of Experts и 35 млрд параметров; выпуск обновляет разбиение весов и совместимость с актуальными версиями Transformers, не меняя веса и архитектуру исходной версии. Метаданные указывают поддержку диалога и анализа изображений, а также английский язык. Модель подходит для мультимодальных экспериментов, проверки поведения на сложных и состязательных запросах и исследовательского прототипирования. Карточка заявляет снижение отказов и маркирует модель как uncensored, но не приводит результатов оценивания: частота отказов и настройки теста указаны как N/A. Для запуска требуется значительный объём GPU-памяти; производительность зависит от оборудования и настроек инференса. Указана лицензия Apache-2.0.

RynnBrain 1.1-9B — мультимодальная модель Alibaba DAMO Academy для embodied intelligence, то есть понимания сцен с учётом пространства и возможных действий. Это плотная модель семейства Qwen3.5 с 9 млрд параметров, дообученная на базе Qwen/Qwen3.5-9B. Она рассчитана на диалоговый анализ изображений и видео, пространственные рассуждения, локализацию объектов и планирование; поддерживает зрительные возможности и текстовый ввод и вывод. В карточке также описаны обучение с 3D-привязкой и предсказание точек контакта, а семейство RynnBrain-VLA переносит понимание в управление роботами. Модель подходит для анализа пространственных отношений и объектов в сцене, поиска объектов по инструкции в изображениях и видео, а также задач embodied reasoning и планирования. Метаданные указывают английский и китайский языки. Репозиторий содержит веса safetensors и использует лицензию Apache-2.0. README не приводит численных результатов бенчмарков для этого чекпойнта; описанные возможности реального управления относятся к RynnBrain-VLA, поэтому их не следует считать подтверждённым интерфейсом управления данного репозитория.

Это преобразованная в формат MLX модель Meta Sapiens2 для оценки позы человека на изображениях. Чекпойнт содержит около 402,7 млн параметров в формате bfloat16 и предназначен для запуска на MLX; исходная модель — facebook/sapiens2-pose-0.4b. Модель выполняет top-down оценку позы и строит тепловые карты для 308 ключевых точек тела, лица, кистей и стоп. Результаты можно использовать для локализации суставов и анализа положения человека на изображении; для инференса нужны подготовка изображения и соответствующая предобработка MLX-VLM. Веса преобразованы из исходного чекпойнта Meta: проекции q/k/v объединены в тензоры wqkv, параметры сохранены в bfloat16. Лицензия указана как other; README отсылает к карточке исходной модели за условиями использования.

Xenova/segformer-b0-finetuned-ade-512-512 — это версия модели NVIDIA SegFormer B0, дообученной на наборе данных ADE, с весами в формате ONNX для работы в библиотеке Transformers.js. Репозиторий Xenova адаптирует исходную модель nvidia/segformer-b0-finetuned-ade-512-512 к использованию в JavaScript и веб-средах. Модель предназначена для семантической сегментации изображений: она анализирует изображение и выделяет области, соответствующие различным классам объектов или сцен, например стенам и зданиям. Запуск выполняется через pipeline image-segmentation в Transformers.js, а результат содержит метки классов и маски изображений. Архитектура SegFormer B0, точное число параметров, список поддерживаемых языков и размер контекстного окна в README не указаны; модель работает с визуальными данными и не является текстовой или мультимодальной моделью в диалоговом смысле. Ключевые преимущества — поддержка ONNX и возможность запуска через JavaScript-инструменты, включая сценарии, ориентированные на веб-среду. Ограничения включают зависимость от классов и качества исходного обучения на ADE, а также отсутствие в README подробностей о точности, производительности, аппаратных требованиях и полном перечне распознаваемых категорий. Лицензия в предоставленных данных не указана.

MBZUAI/swiftformer-xs — модель классификации изображений из семейства SwiftFormer, разработанного авторами статьи SwiftFormer: Efficient Additive Attention for Transformer-based Real-time Mobile Vision Applications. Вариант SwiftFormer-XS использует эффективный механизм additive attention, который заменяет квадратичные матричные операции self-attention линейными поэлементными умножениями. Модель реализована для Transformers и распространяется в форматах PyTorch и safetensors. Модель предназначена для отнесения изображений к классам ImageNet-1K и рассчитана на сценарии мобильного компьютерного зрения, где важны скорость и эффективность инференса. В карточке приводится результат 78,5% top-1 для малого варианта SwiftFormer и задержка 0,8 мс на iPhone 14; эти показатели относятся к описанию семейства, а не обязательно к конкретному XS-чекпойнту. Лицензия в предоставленных данных не указана.

test2 — дообученная модель генерации текста на архитектуре GPT-2. В README указано, что она обучалась на наборе данных с названием «None»; назначение обучения и целевая аудитория не описаны. Модель опубликована в формате PyTorch, использует контекст до 1024 токенов и распространяется по лицензии MIT. На оценочном наборе указано значение loss 0,9080. Карточка не раскрывает языки, сценарии применения и ограничения, поэтому качество для конкретных задач по этим данным оценить нельзя.

xocialize/tryon-FLUX.2-klein-4B-lora — LoRA-адаптер для модели FLUX.2-klein-4B, разработанный и обученный xocialize. Модель предназначена для виртуальной примерки одежды и редактирования изображений по нескольким референсам. На вход подаются три изображения в фиксированном порядке: фотография человека в полный рост с замаскированной или удалённой областью одежды, отдельно представленная верхняя часть одежды и отдельно представленная нижняя часть. Для цельного платья его следует использовать в обоих слотах одежды. На выходе создаётся изображение человека в указанном комплекте с сохранением личности, позы и фона. Для запуска используется триггер TRYON и библиотека Diffusers с pipeline image-to-image. Адаптер имеет ранг 32 и основан на FLUX.2-klein-4B; опубликованный файл весит около 92,4 МБ. Обучение проводилось на 273 размеченных наборах изображений одежды, с использованием маскирования одежды, сегментации частей гардероба и аннотирования Qwen2.5-VL. Лучше всего модель работает на полноразмерных фотографиях людей в стоячей или сидячей позе. Ограничения включают возможные артефакты из-за захвата посторонних объектов при сегментации нижней части одежды; наиболее слабый сценарий — полностью тёмные комплекты. Модель распространяется по лицензии Apache-2.0. Исходные кадры из Pexels не публикуются, доступны только обученные веса.

openmmlab/upernet-swin-tiny — модель семантической сегментации изображений на основе фреймворка UperNet и компактного backbone Swin Transformer. UperNet объединяет backbone с Feature Pyramid Network и модулем Pyramid Pooling Module; модель предсказывает семантическую метку для каждого пикселя изображения. Модель предназначена для разметки сцен и разделения изображений на семантические области. Вариант Swin Transformer tiny использует иерархический vision transformer со сдвинутыми окнами. Репозиторий содержит веса PyTorch и опубликован под лицензией MIT. Карточка не приводит конкретные датасеты или набор классов сегментации; для специализированных сценариев доступны дообученные варианты.

Модель CDLI — дообученная версия OpenAI Whisper large-v3 для распознавания нестандартной английской речи в Уганде, в том числе речи людей с нарушениями речи разной степени тяжести и различной этиологии. Это плотная encoder-decoder модель WhisperForConditionalGeneration на 905,2 млн параметров; она принимает аудио и выдаёт текстовую транскрипцию на английском языке. Веса доступны в формате Safetensors и предназначены для использования с библиотекой Transformers. Модель дообучали на обучающей части датасета cdli/ugandan_english_nonstandard_speech_v1.0, а контрольную часть использовали для выбора чекпойнта. На тестовой части из 1013 высказываний от 9 участников стандартный WER составил 0,24 против 0,34 у исходного Whisper large-v3. Проверка исключала высказывания длиннее 30 секунд, поэтому эти результаты не гарантируют аналогичное качество на других группах говорящих, языках или длинных записях. Лицензия в предоставленных данных не указана.

KonradBRG/xlm-mlm-plains-cree-en-silver-sft-hierarchical — дообученная модель для классификации текстовых выражений по типам образного языка. По названию модель связана с Plains Cree и английским языком; README сообщает о проверке на literal, idiom, metaphor и simile, а метаданные указывают архитектуру HierarchicalFigurativeModel и формат safetensors. На оценочном наборе указаны Macro F1 0,5323, Literal F1 0,8470, Idiom F1 0,1852, Metaphor F1 0,1739 и Simile F1 0,9231. Модель подходит для автоматической разметки буквальных выражений, идиом, метафор и сравнений в текстах. Метрики показывают заметно более слабое распознавание идиом и метафор, чем буквальных выражений и сравнений, поэтому результаты для этих классов требуют проверки. README не раскрывает базовую модель, обучающий набор данных и условия лицензии.

tue-mps/ade20k_panoptic_eomt_large_640 — модель сегментации изображений на архитектуре EoMT (Encoder-only Mask Transformer), разработанной авторами статьи «Your ViT is Secretly an Image Segmentation Model». EoMT использует Vision Transformer и предназначена для высококачественной сегментации без специализированного декодера или модулей слияния пиксельных признаков. Эта версия настроена для паноптической сегментации сцен ADE20K; семейство EoMT также поддерживает семантическую и экземплярную сегментацию с соответствующей постобработкой. Модель содержит около 402,7 млн параметров, принимает изображения и выдаёт сегментационные маски и классы. Репозиторий содержит веса PyTorch в формате Safetensors и распространяется по лицензии MIT.

Карточка модели rmaser/aloe-siglip2-so400m-in1k-lp на Hugging Face совпадает с карточкой rmaser/aloe-siglip2-base, поэтому описание составлено по ней. rmaser/aloe-siglip2-base — визуальный энкодер семейства ALOE, разработанный для преобразования представлений SigLIP2 ViT-B/16 в объяснимую B-cos-модель. На этапе выравнивания модель обучалась сопоставлять глобальные и промежуточные токенные признаки замороженного учителя на изображениях без разметки. Она предназначена для использования как визуальный backbone в классификации изображений, извлечении признаков и задачах переноса, включая zero-shot классификацию с текстовым энкодером SigLIP2. Модель содержит 113,2 млн параметров и публикуется в формате safetensors для Transformers; для загрузки требуется пользовательский код репозитория. ALOE стремится сохранить геометрию признаков и качество исходного энкодера, одновременно предоставляя встроенные B-cos-объяснения. В README отмечено, что публичные чекпойнты следует считать исследовательскими артефактами. Лицензия — CC BY-NC-SA 4.0, допускающая использование с указанием авторства и на условиях распространения производных материалов, но не коммерческое использование.

Модель разработана Иваном Петрликом Асабаче, Марией Тереситой Майданой, Йоандрой Гиселой Альварес Перес и Рафаэлем Лопесом Кордовой как академический проект по обработке естественного языка. Это дообученная модель BERTweet-base на основе архитектуры RoBERTa с головой классификации последовательностей на два класса; она содержит около 162,4 млн параметров и принимает короткие англоязычные сообщения длиной до 130 токенов. Модель определяет, описывает ли твит реальное бедствие — например, пожар, землетрясение, наводнение или аварию — либо использует связанную с катастрофами лексику в переносном или повседневном смысле. Её можно применять для фильтрации и приоритизации сообщений в мониторинге чрезвычайных ситуаций и социальных сетей. В карточке указаны F1 0,8211 на валидации и 0,83113 на публичной части соревнования Kaggle при пороге 0,62. Модель обучена на ограниченном наборе размеченных англоязычных твитов; сарказм, переносные выражения и шумные метки могут приводить к ошибкам. Она не предназначена для других языков и не должна быть единственным основанием для критически важных решений без проверки человеком. Лицензия — MIT.

hamtaai/bge-m3-hadith — дообученная Hamta AI модель на базе BAAI/bge-m3 для поиска и сопоставления персидских и арабских религиозных текстов, включая хадисы. Она предназначена для семантического поиска, информационного поиска, подбора релевантных фрагментов для ответов на вопросы и межъязыкового поиска между персидским и арабским языками. Модель использует архитектуру XLM-RoBERTa и выдаёт текстовые эмбеддинги; размер — 658,7 млн параметров, контекст — до 8194 токенов. Для instruct-сценариев README рекомендует префиксы query: и passage:. Модель распространяется по лицензии Apache-2.0. Оптимизирована прежде всего для персидского и арабского; качество на других языках может быть ниже, а результаты зависят от нормализации текста.