I.11Классификация, ранжирование и сопоставление

Это квантованная версия NVIDIA Nemotron 3 Nano 4B, подготовленная FreedomAISVR в формате GGUF на основе весов NVIDIA Nemotron 3 Nano 4B BF16. Модель содержит около 4 млрд параметров и предназначена для генерации текста и диалога. Её гибридная архитектура включает 37 слоёв Mamba2 и 4 блока внимания с ограниченным окном. Контекстное окно — до 1 048 576 токенов. Веса Mamba2 хранятся в F16, а веса блоков внимания, FFN, эмбеддинги и нормализации — в NVFP4. Такое смешанное представление увеличивает размер файла примерно до 4,6 ГБ, но позволяет выполнять слои на CUDA GPU без описанного в карточке перехода Mamba2-операций на CPU. Модель ориентирована на запуск через llama.cpp на совместимом GPU, в частности Blackwell. Указана лицензия other; конкретные условия следует проверять в исходной карточке NVIDIA.

NVIDIA Nemotron Parse v1.1 TC — модель NVIDIA для понимания структуры документов и извлечения текста и таблиц из изображений страниц PDF и PPT. Она формирует упорядоченные по ходу чтения структурированные результаты: текст, семантические классы элементов и ограничивающие рамки. Модель предназначена для построения поисковых и кураторских систем, подготовки данных для обучения LLM и VLM, а также повышения точности конвейеров понимания документов. Архитектура включает vision-encoder-decoder на базе ViT-H, адаптер с 1D-свёртками и нормализацией и декодер mBART из 10 блоков. Сжатие представления зрения сокращает последовательность с 13 184 до 833 токенов; по README, это даёт ускорение на 20% относительно Nemotron Parse v1.1. Модель также сохраняет порядок таблиц, подписей, изображений и сносок. Для работы с таблицами и текстом предусмотрена постобработка в форматах LaTeX, HTML, Markdown или обычного текста. Модель рассчитана на коммерческое использование; лицензия репозитория указана как other, а лицензия токенизатора — CC-BY-4.0. В описании не приведены число параметров и перечень поддерживаемых естественных языков. Качество извлечения может зависеть от сложности и вариативности макета документа; конкретные ограничения и метрики качества в карточке не описаны.

Это набор GGUF-квантизаций модели nyun-llama3-62B, опубликованный bartowski на основе оригинальной модели nyunai/nyun-llama3-62B. Квантизация выполнена с использованием llama.cpp версии b3070 и метода imatrix. Модель предназначена для локального запуска задач генерации текста через совместимые с llama.cpp средства инференса. В набор входят варианты с разным уровнем квантования: от Q8_0 размером 65,88 ГБ до IQ1_M размером 14,77 ГБ. В README не указаны точные архитектурные характеристики, поддерживаемые языки, размер контекста и модальности; по назначению это текстовая модель. Варианты Q5_K_M, Q4_K_M и IQ4_XS отмечены как рекомендуемые благодаря балансу качества и размера, тогда как самые компактные варианты обеспечивают меньшее качество. I-квантизации могут быть выгоднее по производительности на cuBLAS и rocBLAS, но несовместимы с Vulkan; выбор файла зависит от доступных RAM и VRAM. Шаблон чата в карточке не задан, поэтому приведённый формат может быть некорректен и требует проверки по оригинальной карточке модели. Лицензия в README не указана.

OpenBuddy — многоязычная чат-модель на базе архитектуры Mistral, представленная в варианте с контекстом до 32 768 токенов. Она предназначена для диалогов и генерации текста на китайском, английском, французском, немецком, японском, корейском, итальянском и русском языках. Модель содержит 7,1 млрд параметров и распространяется в формате Safetensors через библиотеку Transformers. Её можно использовать для чат-ботов, ответов на вопросы, составления и переформулирования текстов на поддерживаемых языках. README предупреждает, что ответы могут быть ошибочными, вредными или оскорбительными; модель не следует применять для критически важных решений в медицине, праве, финансах или управлении системами, способными причинить вред. Лицензия — Apache 2.0.

OpenChat v3.1 — языковая модель, разработанная командой OpenChat и созданная методом supervised fine-tuning на диалогах ShareGPT с особой стратегией кондиционирования и взвешенной функцией потерь. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров, принимающая текст и генерирующая ответы. Максимальная длина контекста — 4096 токенов. Модель предназначена для диалогов, ответов на вопросы и генерации текста в приложениях, где нужна открытая разговорная LLM. README сообщает о тестировании на AlpacaEval и MT-bench, но результаты этих бенчмарков не гарантируют качество во всех задачах. Модель может ошибаться и выдумывать сведения; также отмечены ограничения в сложных рассуждениях, математике и программировании. Модель распространяется по лицензии Llama 2 Community License, допускающей коммерческое использование на её условиях. Для высокопроизводительного развертывания README рекомендует OpenChat API-сервер на базе vLLM; указанные требования к GPU относятся к этому способу запуска.

OpenThaiLLM-Prebuilt-7B — базовая языковая модель, разработанная командой OpenThaiLLM и продолжающая предобучение Qwen2.5-7B. Это плотная авторегрессионная модель с 7,1 млрд параметров для генерации текста; заявленная длина контекста составляет 131 072 токена. В карточке указаны тайский, китайский и английский языки. Модель предназначена для прикладной адаптации и сценариев генерации, включая RAG, генерацию с ограничениями и задачи рассуждения. README приводит сравнительные результаты на тайских экзаменационных и языковых тестах. Авторы не рекомендуют использовать базовую версию для диалогов без дополнительного постобучения; для адаптации упоминается LoRA. Репозиторий содержит веса PyTorch и Safetensors и распространяется по лицензии Apache-2.0.

Orca-2-13B-GGUF — квантизированная версия языковой модели Orca-2-13b, разработанной Microsoft и преобразованной в формат GGUF компанией Second State Inc. Модель предназначена для генерации текста и диалоговых сценариев, включая использование через LlamaEdge как сервиса или командного приложения. Для работы применяется шаблон запросов ChatML, а заявленный размер контекста составляет 5120 токенов. Модель основана на архитектуре Orca-2 с 13 млрд параметров и поддерживает только текстовую модальность. README не указывает набор поддерживаемых языков, поэтому языковые возможности нельзя достоверно определить по представленным данным. Доступны варианты квантизации от Q2_K до Q8_0 размером примерно от 5,43 до 13,8 ГБ. Чем выше разрядность, тем меньше потери качества, но тем больше требования к памяти; авторами рекомендуется сбалансированный вариант Q4_K_M либо варианты Q5_K_M и Q5_K_S с очень небольшими потерями качества. Ограничения зависят от выбранного уровня квантизации: компактные варианты могут значительно терять качество, а более точные требуют больше ресурсов. Для запуска указан LlamaEdge версии 0.2.8 или новее. Модель распространяется по Microsoft Research License; точные условия следует уточнять в файле лицензии исходного репозитория.

Pankaj Mathur разработал orca_mini_v9_6_3B-Instruct — диалоговую языковую модель на архитектуре Llama, полученную дообучением Meta Llama 3.2 3B Instruct. Модель содержит 3,2 млрд параметров и предназначена для генерации текста в формате диалога; её можно использовать как основу для чат-ассистентов и других приложений на базе языковых моделей. Модель принимает текст и генерирует текст. В метаданных указан контекст до 131 072 токенов и поддержка английского языка. Веса доступны в форматах PyTorch и Safetensors, для запуска подходит библиотека Transformers. Лицензия — Llama 3.2. Как и другие компактные языковые модели, она может выдавать неточные, предвзятые или нежелательные ответы. Перед внедрением рекомендуется проверять качество и безопасность на сценариях конкретного приложения.

PP-DocLayout_plus-L — модель локализации областей и элементов в документах, разработанная PaddlePaddle. Она предназначена для обнаружения структуры на страницах статей, презентаций, журналов, договоров, книг, экзаменационных материалов и исследовательских отчетов. Модель построена на архитектуре RT-DETR-L и распознаёт 20 категорий, включая заголовки, основной текст, номера страниц, аннотации, таблицы, ссылки, колонтитулы, формулы, изображения, диаграммы и списки. Модель обучена на собственном наборе документов на китайском и английском языках. В карточке приведена оценка mAP@0.5 83,2% на внутреннем наборе данных для обнаружения областей документов. Репозиторий содержит веса safetensors, библиотека — PaddleOCR. Лицензия Apache-2.0. Оценка относится к указанному внутреннему набору и не гарантирует такую же точность на других типах документов.

Qwen1.5-32B-Chat-GGUF — это квантизированные версии диалоговой языковой модели Qwen1.5-32B-Chat, разработанной командой Tongyi Qianwen и подготовленной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста и ведения диалогов, включая локальный запуск через llama.cpp. В README указано несколько вариантов квантизации с разным соотношением качества, размера файла и требований к памяти. Модель содержит 32 миллиарда параметров и работает только с текстом. Поддерживаемым языком указан английский. Доступны варианты от Q8_0 размером 34,55 ГБ до Q2_K размером 12,22 ГБ. Наиболее качественным и рекомендуемым вариантом среди доступных назван Q6_K размером 26,67 ГБ; варианты Q5_K_M и Q4_K_M предлагают компромисс между качеством и занимаемым объёмом. Более сильная квантизация уменьшает требования к памяти, но может заметно снижать качество ответов. Ключевое преимущество набора — возможность запуска крупной чат-модели на совместимом локальном оборудовании с выбором подходящего уровня квантизации. Ограничения включают значительные требования к памяти даже у компактных вариантов, снижение качества у низкобитных версий и отсутствие в README сведений об архитектуре, размере контекста, производительности и поддержке других языков. Модель распространяется по лицензии tongyi-qianwen; в README приведена ссылка на её текст.

Phantomcloak19/qwen2.5-3b-dpo-grpo — плотная языковая модель семейства Qwen2, дообученная на базе Qwen/Qwen2.5-3B-Instruct в рамках последовательного конвейера LLMPR: после этапа SFT модель прошла DPO и Safety-GRPO, а опубликованный чекпойнт объединяет полные веса. Она предназначена для диалогов, выполнения инструкций и генерации текста. Модель содержит 3,1 млрд параметров, использует архитектуру Qwen2ForCausalLM и принимает контекст длиной до 32 768 токенов. Карточка указывает формат Safetensors и библиотеку Transformers. Базовая модель — компактная многоязычная чат-модель Qwen2.5-3B-Instruct; конкретный набор поддерживаемых языков, лицензия и отдельные показатели качества этой производной модели в предоставленных данных не раскрыты.

akcit-motion/qwen2.5-7b-instruct-motion — языковая модель для генерации текста и диалогового взаимодействия, размещённая на Hugging Face. README модели автоматически сгенерирован и не содержит сведений о разработчике, обучающих данных, результатах оценки или лицензии. Модель содержит 7,1 млрд параметров, относится к семейству Qwen2.5 по идентификатору и предназначена для использования через библиотеку Transformers. Заявленная длина контекста составляет 32 768 токенов. Поддерживается задача text-generation; тег conversational указывает на сценарии диалоговой генерации. Модель может применяться для генерации ответов, продолжения текста и построения диалоговых интерфейсов. Из-за отсутствия подробной документации нельзя подтвердить поддерживаемые языки, качество на конкретных наборах данных, специализацию, безопасность и условия лицензирования.

Карточка модели jeffmeloy/Qwen2.5-7B-olm-v1.3 на Hugging Face совпадает с карточкой jeffmeloy/Qwen2.5-7B-olm-v1.0, поэтому описание составлено по ней. jeffmeloy/Qwen2.5-7B-olm-v1.0 — текстовая модель на архитектуре Qwen2 с 7,1 млрд параметров, основанная на Qwen/Qwen2.5-7B и представленная как результат оптимизированного объединения слоёв. Подход Optimized Layer Merging (OLM) подбирает слои из нескольких языковых моделей, последовательно оценивая варианты на заданных наборах данных по метрикам, включая perplexity и exact match. Модель предназначена для генерации текста и диалогового взаимодействия; заявленный контекст составляет 131 072 токена. Метаданные указывают интерфейс вызова инструментов. В карточке описан метод сборки гибридной модели, но не приведены результаты оценки качества этой конкретной версии или подробности о наборах данных. Распространяется в формате Safetensors по лицензии Apache-2.0.

pmercenary/Qwen3-0.6B-JSON-SFT — компактная генеративная языковая модель семейства Qwen3, дообученная методом supervised fine-tuning (SFT). Модель опубликована пользователем pmercenary на Hugging Face и предназначена для генерации текста в диалоговых сценариях, включая задачи, где требуется формирование JSON-ответов. Модель содержит около 507,9 млн параметров, работает через библиотеку Transformers и поддерживает контекст длиной до 40 960 токенов. В метаданных указана задача text-generation и conversational-направленность. Благодаря небольшому размеру модель может быть удобна для локального запуска и прикладных прототипов с ограниченными вычислительными ресурсами. README не содержит подробных сведений о данных обучения, результатах оценки, точной архитектуре, поддерживаемых языках, разработчике или лицензии. Перед использованием в критически важных приложениях необходимы собственное тестирование качества и проверка условий распространения.

Qwen3.8-9B-heretic-uncensored-NVFP4-GGUF — квантованная GGUF-версия модели, разработанная luxuansang на основе empero-ai/Qwen3.8-9B. Исходная модель представляет собой полноразмерную дистилляцию Qwen3.8 2.4T A95B в архитектуру Qwen3.5-9B. Вариант дополнительно обработан с помощью Heretic v1.4.0 для снижения частоты отказов и выпускается как модель для генерации текста. Модель предназначена для локального запуска в совместимых с GGUF средах инференса, включая llama.cpp. В репозитории представлена квантование NVFP4 + Q8_0; эталонной считается версия BF16, поэтому квантованный вариант может немного отличаться по качеству и поведению из-за пониженной числовой точности. Указан английский язык, однако в оценке также проверялись отдельные языковые пары FLORES200. По сравнению с исходной моделью частота отказов в тесте снизилась с 100 до 22 из 100, при этом KL-дивергенция составила 0,0171, что указывает на относительно близкое сохранение исходного поведения. Сильной стороной является сочетание компактного размера, локального запуска и сниженной склонности к отказам. Ограничения включают возможные изменения поведения после квантования, зависимость результатов от оборудования и настроек инференса, а также отсутствие в данном README подробных сведений о точной архитектуре, размере контекста и рекомендуемых параметрах генерации. Модель распространяется по лицензии Apache-2.0.

Карточка модели Umbasa/Qwen3-Omni-30B-A3B-Instruct-UMBASA-V1 на Hugging Face совпадает с карточкой Qwen/Qwen3-Omni-30B-A3B-Instruct, поэтому описание составлено по ней. Qwen3-Omni-30B-A3B-Instruct — мультимодальная модель общего назначения от команды Qwen компании Alibaba. Она принимает текст, изображения, аудио и видео и формирует потоковые ответы текстом и естественной речью; вариант Instruct включает компоненты Thinker и Talker. Архитектура MoE использует разделение на Thinker и Talker, а модель рассчитана на низколатентное взаимодействие в реальном времени и управление поведением через системные промпты. Модель предназначена для голосовых диалогов, распознавания и понимания речи, описания аудио и видео, а также ответов на вопросы по изображениям и смешанным мультимодальным входам. README заявляет поддержку 119 языков для текста, 19 языков для речевого ввода и 10 для речевого вывода; среди явно перечисленных языков речи есть русский. В примере запуска указан максимальный контекст 65 536 токенов. Для работы предлагаются Transformers и vLLM; README отмечает, что на момент публикации требовалась установка Transformers из исходников. Лицензия в метаданных обозначена как other, без уточнения условий.

NobodyWho/Qwen_Qwen3-0.6B-GGUF — это GGUF-квантизированная версия языковой модели Qwen/Qwen3-0.6B, подготовленная для запуска через библиотеку инференса NobodyWho. Квантизации предоставлены bartowski. Модель предназначена для генерации текста, диалогов и выполнения инструкций, а также поддерживает синтаксис вызова функций и инструментов. Модель содержит около 600 млн параметров и поддерживает контекст до 32 768 токенов. Она работает с текстом и заявляет поддержку более 100 языков. Доступен режим рассуждений с отображением пошагового ответа. В README приведён вариант Q4_K_M в формате GGUF, ориентированный на переносимый локальный запуск и использование в приложениях, включая интеграции с Godot и Flutter. К сильным сторонам относятся небольшой размер, локальный запуск, портативность GGUF-файлов и поддержка многоязычных диалогов, инструментов и режима рассуждений. При этом архитектура, точные языковые показатели и результаты тестирования не указаны, бенчмарки заявлены как готовящиеся, а дата отсечения знаний неизвестна. Базовая модель распространяется по лицензии Apache 2.0; README указывает эту же лицензию для представленного варианта.

Модель Solshine/reflection-llama-3.1-8B — разговорная языковая модель семейства Llama 3.1, разработанная Solshine (Caleb DeLeeuw) и дообученная на предыдущем чекпойнте этой серии методом итеративного reflection tuning. Она генерирует рассуждение в специальных тегах, может отмечать и исправлять ошибки в ходе рассуждения, а затем выдаёт итоговый ответ в отдельных тегах. Для диалогов используется стандартный формат чата Llama 3.1. Модель предназначена для генерации ответов и решения задач, где полезны пошаговое рассуждение и самопроверка, в том числе математических текстовых задач. В карточке указаны 7,5 млрд параметров и контекст до 131 072 токенов; доступны интерфейсы чата и вызова инструментов. Обучение проведено с использованием Unsloth и TRL на данных Reflection-Dataset-v2 и orca-math-word-reflection. Основной язык карточки — английский. Официальных результатов бенчмарков пока нет, поэтому качество рассуждений и ответов не подтверждено независимой оценкой. Модель распространяется по лицензии Llama 3.1; применимость лицензии и её условия следует учитывать при использовании.

RemixLlama3-8B — чат-модель для генерации текста, созданная слиянием моделей Llama 3 с помощью mergekit. В состав слияния входят RLHFlow/LLaMA3-iterative-DPO-final, failspy/Meta-Llama-3-8B-Instruct-abliterated-v3 и TIGER-Lab/MAmmoTH2-8B-Plus; в конфигурации указаны метод model_stock и точность bfloat16. Архитектура — плотная автрорегрессионная LlamaForCausalLM с 7,5 млрд параметров и контекстом 8192 токена. Модель предназначена для диалогов и генерации ответов на текстовые запросы. Базовая модель с изменёнными весами ориентирована на снижение склонности к отказам, а компоненты слияния включают модель, обученную методом DPO, и модель MAmmoTH2. Репозиторий использует формат safetensors. Указанная лицензия — llama3.

Инструктивная русскоязычная версия Qwen2.5-3B, разработанная RefalMachine на основе модели RefalMachine/ruadapt_qwen2.5_3B_ext_u48_full_lr5e4_peft_mlp_32_32_bs256. Это плотная языковая модель Qwen2 с 3,1 млрд параметров, контекстом до 32 768 токенов и форматом весов safetensors. В модели заменили токенизатор на расширенный вариант cl100k с униграмным словарём на 48 тысяч токенов, затем провели дообучение на русскоязычном корпусе и применили Learned Embedding Propagation (LEP). Модель предназначена для диалогов и генерации русскоязычного текста по инструкциям. Авторы сообщают об увеличении скорости генерации русских текстов до 60% относительно исходной Qwen2.5-3B-Instruct при сравнении на одинаковых последовательностях; в README также упомянуты оценки на Ru-Arena-General, MERA и llmtf_open, но полные результаты не приведены. Метаданные указывают интерфейс вызова инструментов, однако README не описывает его применение. Модель принимает текст и выдаёт текст. Авторы предупреждают, что ответы могут отражать знания и мнения, усвоенные на этапах обучения, и рекомендуют использовать её с осторожностью. Условия лицензии в предоставленных данных не указаны.

SEC-Calme-7B-Instruct — объединённая диалоговая языковая модель от Arcee AI. Она создана с помощью mergekit методом SLERP на основе arcee-ai/sec-mistral-7b-instruct-1.2-epoch и MaziyarPanahi/Calme-7B-Instruct-v0.2, с выборочным смешиванием слоёв внимания и MLP. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста в формате чата: она принимает текстовые запросы и выдаёт текстовые ответы. Родной размер контекстного окна — 32 768 токенов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. README не приводит оценок качества или специализированных сценариев применения.

Seed-OSS-36B-Instruct-MLX-4bit — 4-битная квантованная версия языковой модели Seed-OSS-36B-Instruct, разработанной ByteDance-Seed. Квантование выполнено командой LM Studio с использованием MLX — фреймворка машинного обучения, оптимизированного для Apple Silicon. Модель предназначена для генерации текста и запуска в локальных средах на устройствах Apple. Модель имеет размер 36B параметров в исходной версии и использует архитектуру и возможности базовой модели Seed-OSS-36B-Instruct, однако подробные сведения о поддерживаемых языках, длине контекста и конкретных сценариях применения в README не приведены. Квантование в 4 бита снижает требования к памяти и делает локальный запуск более доступным, но может сопровождаться некоторой потерей качества по сравнению с полной версией. Указана лицензия Apache-2.0. Модель может генерировать неточные, вредные или неподходящие ответы, поэтому результаты требуют проверки.

ShadowExperiment24-7B — автоматически собранная Maxime Labonne объединённая модель на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и использования в сценариях с языковой моделью; конфигурация объединяет shadow-clown-7B-slerp и yam-peleg/Experiment24-7B методом dare_ties. Модель принимает текст и генерирует текст. Для неё указан контекст до 32 768 токенов и формат весов Safetensors. Лицензия — Apache-2.0. Карточка не сообщает о специальных областях применения или поддерживаемых естественных языках.

tayaee/Single_GPU_Llama3-8B — языковая модель семейства Llama 3 для генерации текста, опубликованная пользователем tayaee на Hugging Face. README содержит автоматически созданную карточку без сведений о разработчике, обучающих данных, результатах оценки и лицензии. Модель предназначена для задач генерации и продолжения текста, диалоговых сценариев, создания черновиков и интеграции в приложения на базе библиотеки Transformers. В метаданных указаны поддержка тегов text-generation и conversational, размер около 7,5 млрд параметров и контекстное окно до 131 072 токенов. Доступна в формате safetensors и рассчитана на запуск в сценариях, ориентированных на использование одного GPU, согласно названию модели. Языки естественного языка в метаданных не указаны. Для модели не приведены результаты бенчмарков, сведения о точности, лицензии или специальных доменах применения, поэтому перед использованием в критически важных системах необходимы самостоятельное тестирование и проверка условий распространения.

SlimHercules-4.0-Mistral-7B-v0.2-imatrix-GGUF — набор квантованных версий модели SlimHercules-4.0-Mistral-7B-v0.2, опубликованной Locutusque. Модель предназначена для генерации текста и использует формат GGUF с imatrix-квантизацией, что делает её пригодной для локального запуска в совместимых инструментах вывода. В карточке также указан тег Mistral-7B, однако подробности об архитектуре и точном размере представлены только в идентификаторе модели. Модель обучалась на формате промптов OpenAI ChatML и поддерживает сценарии, связанные с function calling: в шаблоне предусмотрены отдельные сообщения для системных инструкций, пользователя, вызова функции и ответа функции. Указан английский язык и задача text-generation. Сведения о размере контекста, конкретных вариантах квантования, производительности, мультимодальности и ограничениях отсутствуют. Лицензия обозначена как other, без дополнительных условий в README.

SLIM-NER — специализированная языковая модель из серии SLIM компании LLMWare. Это плотная авторегрессионная модель семейства Llama с 1 млрд параметров, дообученная для извлечения именованных сущностей через вызовы функций. На вход подаются текст и список требуемых категорий, а на выходе модель формирует структурированный словарь, например со списками людей, организаций и мест.

SmolVLM-Instruct — компактная мультимодальная модель Hugging Face для диалога по изображениям и тексту. Она принимает текстовые запросы и одно или несколько изображений, в том числе в чередующихся последовательностях, и формирует текстовые ответы. Модель построена на архитектуре Idefics3, объединяющей языковую модель SmolLM2-1.7B-Instruct и визуальную основу SigLIP SoViT-400m; репозиторий содержит веса Safetensors и формат ONNX. Лицензия — Apache 2.0. Модель подходит для ответов на вопросы об изображениях, описания визуального содержимого, подписей к изображениям, понимания документов и диаграмм, а также историй по нескольким изображениям. Компактная архитектура и сжатое представление изображений рассчитаны на эффективный запуск, в том числе на устройствах с ограниченными ресурсами. Основной язык карточки — английский; модель также может работать как языковая модель без изображений. Она не генерирует изображения. Ответы могут быть фактически неточными, поэтому модель не предназначена для решений, влияющих на благополучие или средства к существованию людей.

Stable Beluga 2 — авторегрессионная языковая модель Stability AI на архитектуре Llama 2, дообученная на 70B-базе в стиле Orca. Она предназначена для диалогов и генерации текста, в том числе ответов на вопросы и выполнения текстовых инструкций. Модель содержит 68,7 млрд параметров, работает с текстом и имеет контекст длиной 4096 токенов; в карточке заявлена поддержка английского языка. Модель опубликована в формате PyTorch и рассчитана на использование через Hugging Face Transformers. Чекпойнт распространяется по лицензии STABLE BELUGA NON-COMMERCIAL COMMUNITY LICENSE AGREEMENT, которая ограничивает коммерческое использование. Модель может выдавать неточные, предвзятые или нежелательные ответы; перед применением в продукте Stability AI рекомендует проводить проверку безопасности и настройку под конкретный сценарий.

Карточка модели Syninlab/Synin-1.0-Omni-Inquisitive на Hugging Face совпадает с карточкой Qwen/Qwen3-Omni-30B-A3B-Instruct, поэтому описание составлено по ней. Qwen3-Omni-30B-A3B-Instruct — мультимодальная модель общего назначения от команды Qwen компании Alibaba. Она принимает текст, изображения, аудио и видео и формирует потоковые ответы текстом и естественной речью; вариант Instruct включает компоненты Thinker и Talker. Архитектура MoE использует разделение на Thinker и Talker, а модель рассчитана на низколатентное взаимодействие в реальном времени и управление поведением через системные промпты. Модель предназначена для голосовых диалогов, распознавания и понимания речи, описания аудио и видео, а также ответов на вопросы по изображениям и смешанным мультимодальным входам. README заявляет поддержку 119 языков для текста, 19 языков для речевого ввода и 10 для речевого вывода; среди явно перечисленных языков речи есть русский. В примере запуска указан максимальный контекст 65 536 токенов. Для работы предлагаются Transformers и vLLM; README отмечает, что на момент публикации требовалась установка Transformers из исходников. Лицензия в метаданных обозначена как other, без уточнения условий.

Synthia-13B — языковая модель migtissera на архитектуре LLaMA-2, дообученная на наборах данных в стиле Orca. Модель содержит 12,9 млрд параметров, работает через Transformers и PyTorch, принимает текстовые запросы и генерирует текст. Для контекста используется формат с ролями SYSTEM, USER и ASSISTANT; максимальная длина контекста — 4096 токенов. Модель предназначена для следования инструкциям и развернутых диалогов: она может отвечать на вопросы, объяснять темы и формулировать подробные ответы. README приводит результаты оценки на задачах ARC и HellaSwag, но эти показатели не гарантируют точность в конкретных сценариях. Модель преимущественно описана для английского языка. Модель может выдавать ошибочные или вводящие в заблуждение ответы, а также предвзятый, оскорбительный или иной неподходящий контент; важные сведения следует проверять. Указана лицензия Llama 2.