I.11Классификация, ранжирование и сопоставление

Synas Detect 1 — модель классификации изображений от Atugil Intelligence, дообученная на базе OpenAI CLIP ViT-Large Patch-14. Она предназначена для оценки того, является ли изображение подлинной фотографией или синтетическим изображением, созданным генеративными системами, включая Midjourney, Stable Diffusion, DALL·E и Imagen. Модель содержит около 304 млн параметров и распространяется в формате Safetensors; лицензия — MIT. Модель подходит для проверки изображений в журналистике и издательском деле, модерации пользовательских загрузок, а также вспомогательного визуального анализа в исследованиях и расследованиях. В README заявлены точность около 96% на данных, близких к обучающим, и 92–95% на данных вне обучающего распределения; эти показатели зависят от качества изображения и использованной генеративной модели. Сжатие JPEG, обрезка, изменение размера и постобработка могут снижать уверенность классификации. Модель не обучалась специально против состязательных изменений, поэтому её оценки не следует считать окончательным доказательством подлинности изображения.

tadabur-embedding — модель аудиоэмбеддингов на базе Efficient Audio Transformer (EAT), разработанная для работы с записями чтения Корана. Общий энкодер содержит 12 блоков Transformer с размерностью 768; его обучили с нуля на аудиоданных таджвидного чтения, а затем настроили контрастивным обучением на семантическое содержание и голос чтеца. Модель выдаёт два L2-нормированных векторных представления: семантическое размерностью 384 для поиска похожих аятов и выявления дубликатов, и представление голоса размерностью 128 для сравнения и кластеризации чтецов. Также доступны признаки по кадрам для анализа временной структуры, сегментации и выравнивания записей. На вход подаются монофонические аудиозаписи с частотой 16 кГц, преобразованные в лог-мел-спектрограммы из 128 полос; длина окна — до 10,24 секунды. Модель предназначена прежде всего для арабского чтения Корана, качество на других аудиодоменах не гарантируется. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

KoalaAI/Text-Moderation — модель классификации текста на базе DeBERTa-v3, предназначенная для обнаружения потенциально оскорбительного содержания. Она размечает тексты по категориям сексуального содержания, разжигания ненависти и насилия; в карточке также указаны оценки на тестировании: accuracy 75%, macro F1 0,326 и micro F1 0,749. Модель содержит около 151,8 млн параметров, имеет контекст до 512 токенов и доступна в форматах PyTorch, Safetensors и ONNX. Модель обучена только на английских текстах и рассчитана на английскую модерацию пользовательского контента. Её можно применять для предварительной сортировки сообщений и выявления контента, требующего проверки модератором. Метрики показывают ограниченное качество по отдельным классам; возможны ошибки и смещения, поэтому прогнозы не следует считать окончательным решением о нарушении. Лицензия — OpenRAIL.

toxicity-scorer-qwen — дообученная модель классификации текста на базе Qwen/Qwen2.5-0.5B. Она предназначена для оценки токсичности текстовых фрагментов и может использоваться для первичной фильтрации пользовательских сообщений и комментариев. Модель семейства Qwen2 имеет плотную архитектуру Qwen2ForSequenceClassification, содержит 494 млн параметров и поддерживает контекст до 32 768 токенов. В README приведены результаты на тестовой выборке: F1 0,9371 и accuracy 0,9380; датасет и подробности оценки не описаны. Лицензия — Apache-2.0.

Turkish-Gemma-9b-T1 — дообученная модель ytu-ce-cosmos для генерации текста и диалогов на турецком языке с акцентом на многошаговое рассуждение. Она предназначена для решения математических и логических задач, планирования, пошагового вывода и следования инструкциям с кратким итоговым ответом. Модель основана на Gemma 2, имеет плотную архитектуру Gemma2ForCausalLM, содержит 9 млрд параметров и поддерживает контекст до 8192 токенов. В README описаны улучшения рассуждений и результаты сравнительной оценки, однако приведённых данных недостаточно, чтобы независимо подтвердить заявленные показатели. Модель распространяется в формате safetensors по лицензии Gemma. Для генерации автор рекомендует использовать сэмплирование, а не жадное декодирование; на сложных задачах могут понадобиться увеличенные лимиты генерации. Высокое значение штрафа за повторы иногда приводит к смешению языков и снижению качества.

Модель Newtral/xlm-r-finetuned-toxic-political-tweets-es разработана Newtral на базе xlm-roberta-base и дообучена для классификации испанских политических твитов по уровню токсичности. Она принимает текст и возвращает оценки от 0 до 1 для двух сигналов: «токсичный» и «очень токсичный». Модель предназначена прежде всего для анализа твитов депутатов Конгресса Испании; XLM-RoBERTa имеет около 305,2 млн параметров и контекст до 514 токенов. Модель распространяется в форматах PyTorch и Safetensors по лицензии Apache-2.0. Основной сценарий — выявление токсичных высказываний в сообщениях испанских политиков. Карточка предупреждает, что модель обучалась на твитах испанских депутатов за 2021 год и её результаты могут быть ненадёжны на текстах других жанров и доменов.

AI Detect Model — англоязычный классификатор от wangkevin02 на архитектуре Longformer, дообученной на наборе LMSYS-USP. Он относит текст к одному из двух классов: сгенерированный ИИ (метка 1) или написанный человеком (метка 0). В диалоговом контексте ответы ассистента размечались как сгенерированные ИИ, а сообщения пользователей — как написанные человеком. Модель предназначена для классификации текста и может использоваться для оценки происхождения реплик в диалогах, в том числе как сигнал вознаграждения для предотвращения reward hacking при обучении RLCC. Это Longformer с 151,8 млн параметров и контекстом до 4098 токенов; модель распространяется в формате safetensors и использует библиотеку Transformers. Лицензия — MIT. Модель оптимизирована для английского языка. Результаты на других языках могут быть нестабильными, а качество классификации может снижаться для входов длиннее 4096 токенов.

GroNLP разработала эту дообученную модель на базе BERT для выявления оскорбительной и неприемлемой лексики в нидерландских твитах. Она относится к архитектуре BertForSequenceClassification, содержит 136,3 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель предназначена для классификации публикаций с оскорблениями, руганью, угрозами и прямыми или завуалированными нападками. В README приведены результаты на DALC v2.0, HateCheck-NL и OP-NL; метрики зависят от набора данных, а оценки на HateCheck-NL показывают, что модель может ошибаться при распознавании как оскорбительных, так и нейтральных примеров. Репозиторий содержит веса PyTorch и Safetensors. Лицензия — Apache-2.0.

Koichi Yasuoka разработал эту японскую BERT-модель на основе bert-large-japanese-char, дообучив её на текстах японской Википедии. В эмбеддинги символов добавлены все 常用漢字 и 人名用漢字, что расширяет охват кандзи, включая иероглифы, используемые в именах. Модель содержит 409,1 млн параметров, использует архитектуру BERT для masked language modeling и принимает текстовые последовательности длиной до 512 токенов. Её можно применять для заполнения пропусков в японском тексте, а также дообучать для разметки частей речи, синтаксического анализа зависимостей и других задач понимания текста. Для работы доступны веса PyTorch и токенизатор Transformers. Модель распространяется по лицензии CC BY-SA 4.0. Она ориентирована на японский язык и не предназначена для генерации произвольного текста без маски или для обработки изображений и аудио.

Карточка модели manelalab/chrono-bert-v1-20081231 на Hugging Face совпадает с карточкой manelalab/chrono-bert-v1-20041231, поэтому описание составлено по ней. ChronoBERT v1 20041231 — англоязычная модель Songrun He, Linying Lv, Asaf Manela и Jimmy Wu для анализа текста с учётом хронологии. Она основана на двунаправленной архитектуре ModernBERT, содержит 149 млн параметров и принимает контекст до 8192 токенов. Модель обучена на датированных текстовых данных, чтобы снизить риск утечки будущей информации и смещения заглядывания вперёд при историческом анализе. Модель предназначена для предсказания замаскированных токенов и получения представлений текста, а также для задач понимания языка и анализа исторических и финансовых текстов. Семейство ChronoBERT оценивалось на GLUE и на прогнозировании доходности акций; приведённые результаты относятся к указанным в карточке версиям, а не обязательно к этой конкретной контрольной точке. Доступны веса в формате safetensors для Transformers. Лицензия — MIT.

ClinicDx V1 — мультимодальная модель поддержки клинических решений, разработанная на основе google/medgemma-4b-it. Это дообученная и объединённая с базовыми весами Gemma 3 модель с 4,3 млрд параметров; репозиторий также содержит компоненты аудиотракта для голосового ввода и GGUF-квантизацию Q8_0. Система рассчитана на автономное развертывание через llama.cpp на потребительском оборудовании. Модель формирует структурированные клинические оценки по описанию пациента: определяет срочность, обобщает клинические данные, предлагает дифференциальные диагнозы и дальнейшие действия, выделяет риски и готовит краткую сводку. В связке с базой из 27 860 фрагментов клинических рекомендаций WHO и MSF использует поиск по источникам и может включать цитаты в ответы. Голосовой сценарий реализуется отдельными компонентами MedASR и аудиопроектором; основная модель также наследует от MedGemma визуальный модуль, однако README указывает, что он не используется в сценариях CDS и Scribe. Модель ориентирована на клиническую поддержку и извлечение наблюдений из голосового ввода, прежде всего в контексте клинических рекомендаций. Карточка описывает английский язык. Модель не заменяет профессиональное клиническое решение; качество зависит от контекста и найденных источников. Лицензия — Gemma.

CodeV — мультимодальная модель RenlyH для визуального рассуждения, дообученная на основе Qwen/Qwen2.5-VL-7B-Instruct с использованием Tool-Aware Policy Optimization (TAPO). Она предназначена для задач, где нужно анализировать изображения и выполнять визуальный поиск с помощью операций над изображениями, а также для мультимодальных задач на рассуждение и математику. Модель имеет архитектуру Qwen2.5-VL с 7,1 млрд параметров, принимает изображения и текст и формирует текстовые ответы; заявленная длина контекста — 128 000 токенов. Карточка сообщает о конкурентной точности на бенчмарках визуального поиска и рассуждений и о более частом корректном использовании инструментов.

cahya/distilbert-base-indonesian — безрегистровая дистиллированная модель DistilBERT для индонезийского языка, опубликованная Cahya. Она предварительно обучена на 522 МБ индонезийской Википедии и 1 ГБ индонезийских газет; текст приводится к нижнему регистру и токенизируется WordPiece со словарём размером 32 000 токенов. Модель принимает текстовые последовательности длиной до 512 токенов и предназначена прежде всего для восстановления скрытых слов в тексте (fill-mask). Её также можно использовать для извлечения признаков и как основу для задач классификации и генерации текста с дополнительной настройкой. Архитектура — DistilBertForMaskedLM, формат весов — PyTorch. Лицензия MIT разрешает использование на её условиях. Карточка описывает предварительное обучение на индонезийских текстах; результаты на других языках и качество для конкретных прикладных задач не заявлены.

renjithks/distilbert-expense-ner — модель на базе DistilBERT, дообученная для классификации токенов в задаче извлечения именованных сущностей из данных о расходах. Она предназначена для разметки фрагментов текста, например выделения категорий расходов или других сущностей, присутствующих в обучающих метках. Контекст модели составляет до 512 токенов; формат весов — PyTorch. Модель разработал пользователь Hugging Face renjithks, дообучив renjithks/distilbert-cord-ner на датасете, который в карточке не описан. На указанном наборе оценки модель получила F1 0,4971, точность 0,5096 и полноту 0,4852; эти результаты указывают на ограничения качества извлечения и могут не переноситься на другие данные. Карточка не раскрывает состав меток и обучающего датасета. Лицензия — Apache-2.0.

Geilim-1B-Instruct — инструкционно настроенная текстовая модель NoesisLab для диалогов и ответов на вопросы, в том числе требующие рассуждений. По описанию разработчика, модель использует архитектуру ASPP с причинными связями между токенами, π-flow для итеративного уточнения скрытых состояний и механизм гибкого объединения этих вычислений с attention. Заявленная цель — выдавать краткие ответы без явных цепочек рассуждений. Модель содержит 1,2 млрд параметров, основана на Meta-Llama-3.2-1B-Instruct и рассчитана на контекст до 131 072 токенов; доступны веса в safetensors, для работы указана библиотека Transformers. В карточке заявлена поддержка английского языка и приведены наборы GSM8K, HellaSwag и AI2 ARC. Модель может применяться для диалоговых помощников, ответов на вопросы и задач рассуждения, где предпочтительны короткие результаты. README заявляет низкую задержку и сопоставимое с моделями внешнего Chain-of-Thought качество рассуждений, однако не приводит проверяемых результатов бенчмарков, поэтому эти заявления не следует считать подтверждённой оценкой качества. Лицензия — Apache-2.0.

Карточка модели dascim/greekbart на Hugging Face совпадает с карточкой dascim/greekbart-sentiment-classification, поэтому описание составлено по ней. dascim/greekbart-sentiment-classification — модель классификации тональности греческих текстов, созданная авторами GreekBART в École Polytechnique путём дообучения базовой модели dascim/greekbart. Она решает задачу бинарной классификации тональности и подходит для определения эмоциональной окраски греческих отзывов, новостей и других текстов. Модель построена на архитектуре mBART и использует 95 млн параметров; максимальная длина контекста составляет 1024 токена. Для работы нужны текстовые данные, результатом являются метки классов. Модель рассчитана на греческий язык. Репозиторий использует библиотеку Transformers и формат весов safetensors. Лицензия MIT разрешает использование модели на её условиях.

ITALIAN-LEGAL-BERT — итальянская языковая модель на архитектуре BERT, разработанная для работы с юридическими текстами. Она основана на bert-base-italian-xxl-cased и дополнительно предобучена на корпусе итальянского гражданского права из Национального архива судебной практики. В карточке указано около 137,9 млн параметров; модель использует маскированное языковое моделирование и принимает последовательности длиной до 512 токенов. Основное применение — заполнение пропусков в итальянских юридических текстах. Представления модели также можно использовать как основу для задач классификации предложений, распознавания именованных сущностей и оценки сходства предложений после настройки под конкретный сценарий. Авторы сообщают о лучших результатах на ряде специализированных задач по сравнению с общеязыковой итальянской BERT-моделью. Модель доступна в форматах PyTorch и Safetensors. Лицензия — AFL-3.0. Указанное в README расширение на длинные документы относится к отдельным вариантам семейства, а не к этой модели; контекст данной версии ограничен 512 токенами.

Jev-Student-4B 一造是一款面向中国一级造价工程师考试题目分析的中文决策模型，由 vincentzhou 基于 Qwen/Qwen3.5-4B-Base 微调而成。Модель с архитектурой Qwen3_5ForCausalLM содержит 3,4 млрд параметров и рассчитана на контекст до 262 144 токенов; обучалась с помощью LoRA на заданиях по маршрутизации вопросов и определению типов дефектов. Для ответа используется ограниченный выбор токена: модель получает текст вопроса и выдаёт типизированное решение в виде буквы, а не развёрнутый текст. В описанных проверках точность маршрутизации по главам составила 87,4%, по контрольным точкам — 84,9% top-1 и 97,1% top-3, а классификации шести типов дефектов — 90,5%. Модель предназначена для четырёх областей экзамена: управления, ценообразования, строительных работ и учёта монтажных работ. Она не выполняет точные вычисления и многошаговые рассуждения; оценки вероятностей требуют пороговой настройки и рекомендуется проверка человеком. Распространяется по лицензии Apache-2.0.

jinaai/jina-bert-flash-implementation — реализация модели на основе BERT с поддержкой Flash Attention. Разработчик в README явно не указан; идентификатор указывает на проект Jina AI. Модель предназначена для запуска и обучения BERT-подобных моделей, включая предварительное обучение и обучение эмбеддингов. Поддерживается работа на GPU с Flash Attention и на CPU без него. Ключевые характеристики включают локальное или глобальное внимание, настраиваемый размер окна внимания, опциональную QK-нормализацию, fused MLP, activation checkpointing, выборочную обработку токенов и поддержку LoRA для модели BertLoRA. Параметр dense_seq_output позволяет передавать классификационным головам только скрытые состояния замаскированных токенов, что ориентировано на предварительное обучение. Размер модели, количество параметров, поддерживаемые языки, модальности и максимальная длина контекста в README не указаны. Сильные стороны реализации — оптимизация внимания и возможность снижать требования к памяти с помощью fused MLP и checkpointing. Ограничения связаны с необходимостью установки совместимых компонентов Flash Attention для GPU, а также с отсутствием сведений о готовых задачах, качестве, языках и лицензии. Условия лицензирования в README не указаны.

Lawma 70B — языковая модель на архитектуре Llama 3 70B Instruct, дообученная авторами проекта Lawma на более чем 500 тысячах примеров для 260 задач юридической классификации. Данные основаны на базах решений Верховного суда США и апелляционных судов округа Сонгер; суммарный объём обучения составил около 2 млрд токенов. Модель содержит 69,5 млрд параметров, работает с контекстом до 8192 токенов и распространяется в формате Safetensors по лицензии MIT. Модель предназначена прежде всего для классификации юридических материалов в рамках задач, на которых её дообучали, например для анализа решений судов и юридических исследований. В опубликованной оценке авторы сообщают о средней точности 81,9% на наборе из 260 задач и превосходстве над GPT-4 на 95% из них; эти результаты относятся к их тестированию с выбором ответа и не гарантируют качества на других данных. Модель дообучалась на вопросах с вариантами ответа, а не на общих инструкциях, и обычно выдаёт букву или число. Авторы рекомендуют дополнительно дообучать её под конкретное применение.

Lipika — модель распознавания индийских шрифтов, разработанная и поддерживаемая Loopdesk. По изображению текста она определяет семейство шрифта среди 595 классов, скрипт, начертание и приблизительную насыщенность; также поддерживает поиск визуально похожих шрифтов и распознавание вне обученных классов. Модель может помочь анализировать изображения с вывесками, постерами, титрами, газетами и документами, включая тексты, набранные устаревшими шрифтами Kruti Dev и DevLys. Архитектура включает backbone ConvNeXtV2-Tiny с 28,3 млн параметров и несколько голов для классификации семейства и скрипта, регрессии насыщенности и определения курсива. Обучение сочетало синтетические изображения текста с реальными фрагментами; вывод можно выполнять на CPU. Заявленная область применения — индийские письменности: среди поддерживаемых скриптов есть деванагари, бенгальский, тамильский, телугу и другие. Репозиторий распространяется под лицензией Apache-2.0. Точность зависит от качества и стиля изображения; метрики README приведены для описанных наборов оценки.

Ibrahim Adel разработал инструкционную языковую модель на архитектуре Llama 3.2 1B для анализа юридических текстов Египта на арабском языке. Модель дообучена на корпусе примерно из 2 434 египетских юридических документов, содержащем более 25 млн арабских токенов; базовая модель — unsloth/llama-3.2-1b-instruct-unsloth-bnb-4bit. Она принимает текст документа или его фрагмент и генерирует ответы: определяет закон и правовую категорию, анализирует текст и отвечает на вопросы по предоставленному документу. Указанный контекст — 131 072 токена. Модель подходит для классификации юридических документов, поиска названий законов, образовательных задач, юридических исследований и создания арабских правовых помощников, в том числе с RAG. Лучше всего работает с египетскими юридическими текстами и не обязательно переносится на другие правовые системы. Ответы могут быть неточными или неполными и требуют проверки специалистом; модель не предназначена для предоставления юридических консультаций. В метаданных указана лицензия Apache-2.0, а README — MIT.

LLaVA-OneVision — мультимодальная модель семейства LLaVA, разработанная LMMS-Lab и основанная на языковой модели Qwen2. Версия с 71,5 млрд параметров сочетает визуальный энкодер SO400M с языковой моделью и принимает текстовые запросы вместе с изображениями, несколькими изображениями или видео для диалогового взаимодействия и генерации текста. Модель предназначена для описания и анализа визуального содержимого в сценариях с одним или несколькими изображениями, а также с видео. Модель обучалась на наборах данных LLaVA-OneVision в несколько этапов, включая обучение на данных изображений, нескольких изображений и видео. Она поддерживает английский и китайский языки, использует контекстное окно в 32 768 токенов и распространяется в формате safetensors для Transformers. Лицензия — Apache-2.0. Для запуска модели такого размера требуются значительные вычислительные ресурсы; README не приводит оценки качества или подробностей ограничений распознавания отдельных типов визуального содержимого.

reglab-rrc/mistral-rrc — дообученная RegLab причинно-языковая модель Mistral 7B для выявления и извлечения расовых ограничительных условий в текстах документов на недвижимость. Модель принимает текст страниц актов о собственности в заданном инструктивном формате и формирует ответ о наличии такого условия, извлечённую формулировку и исправленную цитату с поправками ошибок распознавания и форматирования. Модель предназначена для помощи государственным органам и юридическим специалистам при поиске условий, ограничивавших владение или проживание по расе, этническому происхождению, национальности или религии. Она может ускорить отбор документов для проверки и последующего удаления или редактирования таких положений. Модель имеет 7,1 млрд параметров, архитектуру Mistral и контекст до 32 768 токенов; обучалась на английских документах из нескольких округов США. Лицензия — MIT. Обучающая выборка включала 3 801 размеченную страницу актов из восьми округов США. Качество может снижаться на документах из регионов с отличающимися юридическими формулировками и форматами, при сильных ошибках OCR и неоднозначной или архаичной лексике. Результаты требуют проверки специалистом, особенно перед юридически значимым удалением или редактированием текста.

Mitsua Japanese Tagger — модель многометочной классификации изображений, разработанная проектом ELAN MITSUA и Abstract Engine на архитектуре Swin Transformer. Она назначает изображениям японские теги и подходит для автоматической разметки изображений, включая иллюстрации и изображения официальных персонажей проекта. Модель содержит 58,7 млн параметров и доступна в формате Safetensors для библиотеки Transformers. Авторы описывают обучение на opt-in данных с разрешением участников, открыто лицензированных и общественным достоянием материалов. Чекпойнт дообучен на базе Mitsua/swin-base-multi-fractal-1k, предварительно обученной на изображениях фракталов. В карточке также описаны фильтрация потенциально нарушающих права, вредных и NSFW материалов и размытие лиц. Лицензия CC BY-NC 4.0 разрешает некоммерческое использование; для коммерческого применения авторы предлагают связаться с ними. Модель рассчитана на японскую разметку изображений. Авторы предупреждают, что результаты могут быть неточными, вредными или смещёнными, и не рекомендуют её для задач, где требуется высокая точность распознавания.

AbdullahBarayan/ModernBERT-base-doc_sent_en-Cefr — англоязычная модель классификации текста, полученная дообучением answerdotai/ModernBERT-base. Она использует плотную encoder-only архитектуру ModernBERT с 149 млн параметров и контекстом до 8192 токенов. По названию репозитория модель, вероятно, предназначена для классификации предложений по уровням CEFR, однако карточка не описывает метки классов, датасет или сценарии применения. В README приведены результаты оценки: F1 0,8373 и loss 1,3272. Модель распространяется по лицензии Apache-2.0.

Это модель классификации текста из семейства MoralBERT, опубликованного исследователями во главе с Vjosa Preniqi. Она предназначена для определения выраженности категории Purity/Degradation («чистота/деградация») в тексте на основе теории моральных оснований. MoralBERT состоит из BERT-моделей, дообученных на размеченных данных; для отдельных моральных измерений используются отдельные классификаторы. Разработчики описывают применение к социальным дискуссиям и текстам, включая публикации в социальных сетях. Репозиторий модели указывает лицензию MIT. Оценки отражают заданную теоретическую схему и зависят от обучающих данных и контекста текста.

mPLUG-Owl3-2B-241014 — мультимодальная языковая модель семейства mPLUG-Owl3, разработанная командой mPLUG для понимания изображений и длинных последовательностей визуальных данных. Модель поддерживает диалог с изображениями, задачи с несколькими изображениями и видео; архитектура в метаданных указана как плотная mPLUGOwl3Model, размер — 1,5 млрд параметров, контекст — до 32 768 токенов. Ключевая особенность семейства — механизм Hyper Attention, который, согласно карточке, ускоряет понимание длинных визуальных последовательностей в шесть раз и позволяет обрабатывать последовательности в восемь раз длиннее. Метаданные указывают английский язык; модель предназначена для визуальных вопросов и ответов и диалоговой генерации текста. Распространяется по лицензии Apache-2.0.

Ostrakon-VL-8B — мультимодальная модель Ostrakon, дообученная для сценариев розничной торговли и общественного питания. Она принимает изображения вместе с текстовыми запросами и генерирует ответы на вопросы, описание сцен и выводы для проверок соответствия правилам. Модель основана на Qwen3-VL-8B-Instruct, имеет плотную архитектуру с 7,6 млрд параметров и контекст длиной до 262 144 токенов. Модель предназначена для анализа торговых залов, витрин и кухонь: распознавания объектов и текста, локализации товаров, пространственных рассуждений и проверок соблюдения требований. В карточке приведены результаты Ostrakon-VL-8B на ShopBench и описана многоэтапная стратегия дообучения; сам бенчмарк пока не опубликован. Поддержка видео заявлена для семейства Ostrakon-VL и бенчмарка, но метаданные этой версии указывают только задачу обработки изображений и текста. Лицензия — Apache-2.0.

PhysBERT cased — специализированная модель текстовых эмбеддингов на основе BERT, разработанная Thorsten Hellert, João Montenegro и Andrea Pollastro при поддержке Министерства энергетики США и Lawrence Berkeley National Laboratory. Модель дообучена методом SimCSE на корпусе из 1,2 миллиона публикаций по физике с arXiv и предназначена для поиска и анализа научной литературы в этой области. Модель формирует векторные представления текста для поиска релевантных публикаций, классификации цитирований и кластеризации документов. Она содержит 136,7 млн параметров, использует архитектуру BertModel и принимает последовательности длиной до 512 токенов. Основной язык — английский. Для общего NLP PhysBERT не специализируется; её сильная сторона — задачи, связанные с физической литературой. Лицензия в доступных данных не указана.