稳定性层级
LibreYOLO 用「层级」这个词指三件不同的事：一条导出路径背后的证据、一个模型家族遵循的调用契约，以及这个家族被编入的覆盖分组。本页逐一给出定义，并说明它们不意味着什么。
导出支持层级
决定一次调用能否成功的层级。它作用于 (family, task, format) 这个三元组，
每一种组合都恰好属于其中一个。
| 层级 | 含义 | 调用 export() 时会发生什么 |
|---|---|---|
validated | 数值一致性由 CI 或有记录的 nightly 运行覆盖 | 正常运行 |
available | 转换已经实现，但尚未记录运行时的数值一致性证据 | 正常运行 |
blocked | 没有受支持的路径 | 在预检阶段抛出 NotImplementedError，并给出原因 |
validated 和 available 都会直接执行，不需要确认，也不会给出笼统的警告。区别
在于证据，而不是权限：validated 条目背后有一项一致性测试和一个 since 版本，
available 条目还没有。举例来说，没有在 macOS 上跑过一次预测的 CoreML 转换就是
available，而不是 validated。
blocked 的组合会在依赖检查、校准数据加载、tracing 和产物生成之前就失败，所以 不会写出任何半成品。
每个 validated 单元格都带一条约束，说明这个一致性数字出自什么配置，通常是固定 的输入画布、batch 1、FP32 和一个具名的运行时版本。把它读作针对那套配置的结论， 而不是针对这个格式本身。没有显式条目的单元格按什么规则填充，见导出矩阵页面。
from libreyolo.models.registry import GROUPS, group_offrom libreyolo.export.support import get_support, validated_alternatives family = "yolo9" group = group_of(family)print(group, GROUPS[group]) print(get_support(family, "detect", "onnx").tier)print(validated_alternatives(family, "detect"))API 层级
决定一次调用长什么样的层级。每个家族恰好属于其中一个，划分依据是调用契约而不 是架构。
| 层级 | 工厂 | 契约 |
|---|---|---|
| 检测器工厂 | LibreYOLO | 一次无提示的前向传播就返回它找到的所有目标，并带有校准过的分数。成员通过识别检查点（checkpoint）来自行注册 |
| 可提示分割 | LibreSAM | 如果调用时不为每张图像提供空间提示或概念提示，一次前向传播没有意义。交互式且有状态：编码一次，可以提示很多次 |
| 开放词汇检测 | LibreOpenVocab | 文本条件的判别式检测器。类别列表是一种提示，由 set_classes 设置 |
| 视觉语言 | LibreVLM | 当作检测器来驱动的生成式模型。类别列表是一种提示，置信度只是占位符 |
这三个兄弟层级刻意不注册进检测器工厂，所以 LibreYOLO("some-alias") 到不了
它们。它们靠尺寸别名和自动下载来加载，而不是靠嗅探检查点。
四者都返回同样的 Results，所以下游代码在它们之间不用改。差别在于哪些方法能
用：兄弟层级的 train()、val() 和 export() 会抛出 NotImplementedError，
SAM 和开放词汇层级的 track() 也会抛。每个层级的页面都会列出自己排除了哪些。
覆盖分组
决定一次跨家族测试要跑哪些家族的分类，也是读者在模型页面上最可能碰到的那一
种。每个注册家族都恰好编入一个分组，只要有注册家族没被编入，测试就会失败。下
表「含义」列来自 libreyolo/models/registry.py 里的 GROUPS；同一个文件里的
MODEL_GROUPS 给每个家族做分配，「家族数」列直接数的就是这份分配。「名称」列
是本站在模型页面标题处对同一个分组使用的简称。
| 分组 | 名称 | 家族数 | 含义 |
|---|---|---|---|
g0 | 旗舰 | 2 | 共享特性覆盖中必须包含的旗舰标杆 |
g1 | 核心 | 10 | 可训练检测器的覆盖集合 |
g2 | 已支持 | 14 | 额外的可训练家族覆盖集合 |
g3 | 仅推理 | 35 | 没有训练实现的家族 |
g4 | 博物馆 | 5 | 有推理覆盖的历史家族 |
s | 兄弟层级 | 21 | 单独覆盖的兄弟 API（SAM、开放词汇、VLM、零样本） |
一共是六个分组、87 个家族。光 g3 一个分组的家族数就超过其他所有分组之和，
因为注册表（registry）里大部分是仅推理的谱系和博物馆式的覆盖，而不是持续训练
的检测器。
对正在挑模型的读者来说，分组说明的是工程投入落在哪里，而不是一个家族有多精
确。g0 和 g1 是新特性设计出来、并且最先落地的地方；g2 在 CI 里保持绿
色，但特性是有机会才落到那里，不会跟着同一波发布。g3 陈述的是一种缺失，而
不是一种限制：预测、验证，以及在家族支持的情况下导出，都仍然可用；对 g3 或
g4 家族调用 train() 会抛出 NotImplementedError 并说明原因，而不是默默做
一半。s 家族完全不在这个取舍里，因为它们通过自己的工厂加载，而不是
LibreYOLO()。读检查点文件名时分组与任务、家族、尺寸怎么配合，见核心概念。
分组本身不会赋予或限制任何面向用户的能力。支持来自家族已实现的 API，以及针对 具体格式的能力检查，绝不会只凭分组归属。分组划分的是家族而不是任务，所以限定 了任务的覆盖运行会显式写出任务名，比如「g1 detect」。
有两个地方会在运行时读分组，而不只是在测试里读。libreyolo/models/inventory.py
里的 collect_model_inventory() 会把分组附到 CLI 清单打印的每一条记录上；而
pretrained=False 只对 g0 和 g1 里的家族触发那条特殊的从零重新初始化路
径。在这两个分组之外，libreyolo/models/base/model.py 里的检查会被整个跳过，
于是 pretrained=False 会作为一个普通关键字参数传到家族自己的 train() 里。
训练
g3 或 g4 里的家族没有训练实现，对它们调用 train() 会抛异常。这是家族代
码的性质，不是分组的性质：分组只是记录这个事实，而不是造成它。
对于确实能训练的家族，某个数据增强参数会不会真的到达流水线是另一个问题，它有
自己的一套三值词汇：used、gated_by_mosaic 和 ignored。见数据增强矩阵。
层级没有告诉你什么
层级不是关于精度的结论。一条 validated 的导出说明产物在给定阈值内复现了原生模 型；它没有说原生模型在某个数据集上分数如何。基准测试的数字在模型页面上。
层级也不是关于许可证的说明。同一个家族内部的权重许可各不相同，托管某个具体检 查点的仓库才是权威。一个家族在检测器工厂里，并不说明它发布的权重是否允许商用。