I.14Автоматизация процессов и AI-агенты

Qwen2.5-7B — дообученная авторегрессионная языковая модель, опубликованная c1241fes на основе unsloth/qwen2.5-7b-unsloth-bnb-4bit. Модель предназначена для генерации текста и диалогового общения; в метаданных также заявлен интерфейс вызова инструментов. При обучении использовались Unsloth и библиотека Hugging Face TRL. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2 и поддерживает контекст до 131 072 токенов. В карточке указан английский язык. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. README не уточняет предметную специализацию или оценку качества дообучения.

ReWiz-Nemo-12B-Instruct — языковая модель theprint, дообученная на базе unsloth/Mistral-Nemo-Instruct-2407-bnb-4bit. Это плотная Mistral-модель с 12,1 млрд параметров для диалоговой генерации текста. При обучении часть данных была ориентирована на улучшение рассуждений, а другая — на снижение ограничений на ответы; использовались EvolKit-20k, reasoning-base-20k и данные WizardLM. Модель обучалась с Unsloth и библиотекой TRL. Модель подходит для диалогов и генерации ответов на запросы на английском языке. Метаданные указывают контекст до 1 024 000 токенов и интерфейс для вызова инструментов. Модель распространяется в формате safetensors по лицензии Apache-2.0; для GGUF автор указывает отдельную публикацию. В README приведены результаты оценивания на Open LLM Leaderboard, включая IFEval и BBH, но они сами по себе не гарантируют качество в конкретных сценариях.

Seed-Coder-8B-Reasoning — причинная языковая модель для кода от ByteDance-Seed, созданная на основе Seed-Coder-8B-Base. Модель прошла предварительное обучение и последующее обучение с применением reinforcement learning для усиления рассуждений. Это плотная архитектура семейства Llama с 7,6 млрд параметров; заявленная длина контекста — 65 536 токенов. Модель распространяется в формате safetensors и загружается через Transformers. Модель предназначена для генерации кода и решения сложных задач программирования, включая задачи соревновательного программирования, требующие пошагового анализа. В README заявлены результаты на IOI 2024 и Codeforces, однако подробные методика и показатели приведены во внешнем техническом отчёте. Модель ориентирована на код; README указывает на общедоступные обучающие данные и описывает подход к их отбору. Лицензия — MIT.

Statim Decide Multilingual Base — модель для типизированной классификации и принятия решений по тексту, разработанная для движка Statim. Это дообученная на нескольких наборах данных модель-энкодер mmBERT-base на основе convaiinnovations/laya-multilingual. Она отвечает на заданный вопрос о тексте одним из вариантов, оценкой или ответом «да/нет» и предназначена для маршрутизации обращений, определения намерений, модерации и других решений по коротким текстам и JSON. Модель не генерирует текст и рассчитана на один проход энкодера; доступны веса GGUF F32 и Q8_0, а также checkpoint в формате Laya. По заявленным измерениям, ответы можно получать на CPU и GPU без Python во время выполнения. Модель поддерживает несколько языков, включая русский, английский, арабский, немецкий, испанский, французский, хинди, итальянский, японский, польский, турецкий, китайский, индонезийский, португальский, нидерландский и персидский. В README приведены результаты на наборах для классификации намерений, типизированных решений и других задач; качество зависит от задачи и языка. Авторы отмечают слабые результаты на понимании прочитанного и семантическом сходстве и рекомендуют проверять уверенность модели, передавая ответы с низкой уверенностью на проверку человеку. Для решений с существенными последствиями для людей требуется человеческий контроль. Веса распространяются по лицензии PolyForm Noncommercial 1.0.0; часть обучающих данных имеет некоммерческие, ShareAlike или неизвестные условия лицензирования.

Tri-21B-Think-Preview — промежуточный чекпойнт языковой модели Trillion Labs, дообученный на базе Trillion Labs Tri-21B для рассуждений по инструкциям и работы с инструментами. Это плотная авторегрессионная модель с архитектурой Transformer Decoder, RoPE, SwiGLU, RMSNorm и GQA; в ней около 20,1 млрд параметров и 40 слоёв. Контекст составляет 32 768 токенов, с YaRN заявлено расширение до 262 144 токенов. Модель предназначена для диалогов, пошагового решения задач и ответов на сложные вопросы, в том числе по математике и естественным наукам. Она рассчитана прежде всего на английский, корейский и японский языки; для других языков качество может снижаться. Это промежуточная версия: авторы указывают, что финальный вариант — Tri-21B-Think. Для запуска с vLLM и SGLang поддержка, согласно карточке, ещё готовится. Лицензия — Apache-2.0.

qantev/trocr-base-spanish — модель оптического распознавания текста (OCR), разработанная Qantev на основе архитектуры TrOCR и дообученная на самостоятельно созданном испанском наборе данных. Она использует Transformer-энкодер изображений, который извлекает признаки из фрагментов изображения, и авторегрессионный Transformer-декодер, генерирующий текстовые токены. Модель предназначена для чтения печатного испанского текста на изображениях. Для обработки документов её нужно использовать вместе с моделью обнаружения текста. В тесте на испанском XFUND авторы сообщают CER 0,0732 и WER 0,2028, отмечая, что в наборе есть ошибки разметки. По карточке, модель хуже работает с рукописным текстом, двумя строками и вертикальным текстом. Лицензия — MIT.

qantev/trocr-small-spanish — небольшая модель распознавания текста на изображениях, разработанная Qantev на основе архитектуры TrOCR. Она дообучена на синтетическом испаноязычном наборе данных, созданном из текстов Википедии, и предназначена для чтения печатного текста. Архитектура vision encoder-decoder использует Transformer для обработки изображения и авторегрессионной генерации текстовых токенов. Модель подходит для OCR в испанских документах и изображениях с печатным текстом. Для работы с документом её нужно сочетать с моделью обнаружения текстовых областей. В карточке приведены результаты на XFUND на испанском языке, однако авторы отмечают, что разметка этого набора содержит ошибки. Модель не обучалась на рукописном тексте и может ошибаться при распознавании двух строк или вертикального текста. Репозиторий содержит веса PyTorch; лицензия — MIT.

Typhoon2.5-Qwen3-4B — инструктивная языковая модель, разработанная OpenTyphoon для генерации ответов на тайском и английском языках. Она основана на плотной decoder-only архитектуре Qwen3 и содержит 3,7 млрд параметров. Модель предназначена для диалогов, генерации текста и вызова функций через интерфейс инструментов; заявленная длина контекста — 262 144 токена. Модель работает с текстом и рассчитана на использование через Transformers; README указывает требование Transformers версии 4.51.0 или новее и приводит пример запуска совместимого с OpenAI API сервера на vLLM. В карточке указана лицензия Apache 2.0. Разработка продолжается: ответы могут быть неточными, предвзятыми или нежелательными, поэтому пригодность следует оценивать для конкретного применения.

VirbiusGuard-4B — разработанная i1see1you модель классификации безопасности запросов для систем модерации и AI-агентов. Это дообученная с помощью LoRA версия Qwen3Guard-Gen-4B с архитектурой Qwen3ForCausalLM и примерно 3,7 млрд параметров. Модель принимает текст и выдаёт классификацию в виде JSON с полями hit_rule и triggered_id: отмечает безопасный запрос либо относит небезопасный к одной из десяти категорий, включая jailbreak, злоупотребление инструментами агента, самоповреждение, насилие, утечку персональных данных и сексуальный контент. Модель предназначена для проверки пользовательских запросов в конвейерах безопасности, фильтрации jailbreak-попыток и выявления небезопасного поведения агентов. Карточка описывает версию v2.0 и приводит результаты на наборе gold_1000: точность 98,2%, полнота 98,4% и 8 ложных срабатываний из 385 безопасных примеров; это результаты конкретного набора и разметки, а не гарантия для новых данных. Поддерживаются китайский и английский языки. Максимальный контекст — 32 768 токенов, однако обучение проводилось с max_seq 1024. Доступны веса Safetensors и GGUF в вариантах F16, Q8_0 и Q4_K_M. Лицензия — Apache-2.0. Модель настроена на строгий JSON-протокол, поэтому приложениям следует проверять корректность ответа и учитывать заданную в обучении политику маркировки: упоминание темы может считаться нарушением, а политически чувствительные темы фильтруются строго.

protectai/xlm-roberta-base-language-detection-onnx — модель для автоматического определения языка текста. Она разработана как ONNX-конверсия модели papluca/xlm-roberta-base-language-detection с использованием библиотеки Hugging Face Optimum и основана на xlm-roberta-base, дообученной на наборе данных Language Identification. Проект связан с ProtectAI и LLM Guard, однако в README указано, что он архивирован и больше не поддерживается. Модель предназначена для задач классификации последовательностей и языковой идентификации, включая маршрутизацию многоязычных запросов, предварительную обработку текста и проверки в системах безопасности LLM. Архитектура представляет собой трансформер XLM-RoBERTa с классификационной головой на основе линейного слоя поверх pooled output. Поддерживаются 20 языков: арабский, болгарский, немецкий, современный греческий, английский, испанский, французский, хинди, итальянский, японский, нидерландский, польский, португальский, русский, суахили, тайский, турецкий, урду, вьетнамский и китайский. Формат ONNX рассчитан на использование через ONNX Runtime и Optimum. Сильные стороны модели — многоязычность, готовность к эффективному инференсу в ONNX-экосистеме и специализация на определении языка. Ограничение — поддержка только перечисленных 20 языков; сведения о размере модели, максимальной длине контекста, точных показателях качества и других ограничениях в README не приведены. Модель распространяется по лицензии MIT.

Youtu-VL-4B-Instruct-GGUF — мультимодальная vision-language модель, разработанная Tencent на базе Youtu-LLM с 4 млрд параметров. Представленная версия распространяется в формате GGUF и предназначена для локального или эффективного инференса с использованием совместимых инструментов, включая llama.cpp. Модель принимает изображения и текст и генерирует текстовые ответы, поддерживая широкий спектр задач компьютерного зрения и мультимодального понимания. Модель предназначена для визуального вопросно-ответного взаимодействия, мультимодального рассуждения и математики, OCR, анализа нескольких изображений, оценки галлюцинаций и задач GUI-агента. Среди vision-centric сценариев заявлены визуальное заземление, классификация изображений, обнаружение объектов, referring segmentation, семантическая сегментация, оценка глубины, подсчёт объектов и оценка позы человека. Архитектурной особенностью является подход Vision-Language Unified Autoregressive Supervision (VLUAS), при котором визуальные и текстовые токены участвуют в едином авторегрессионном обучении через визуальный кодбук. Это позволяет решать плотные задачи зрения и задачи генерации текста без специализированных task-specific модулей. Сильными сторонами модели являются сочетание компактного размера, широкого набора визуальных возможностей и универсальной стандартной VLM-архитектуры. В данной сборке применена GGUF-квантизация с ручным повышением точности отдельных важных слоёв, что может улучшать точность при заданном уровне квантизации, но увеличивает размер файла. README не указывает поддерживаемые языки, размер контекстного окна, точные требования к памяти и количественные результаты отдельных бенчмарков, поэтому эти характеристики нельзя определить по имеющимся данным. Лицензия обозначена как youtu-vl; также указано ограничение доступа для пользователей из Европейского союза.

Zurich 7B GammaCorpus v2-5m — диалоговая языковая модель, разработанная на основе Qwen/Qwen2.5-7B-Instruct и дообученная на наборе GammaCorpus v2-5m. Это плотная авторегрессионная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM; в метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов. Карточка также описывает 28 слоёв, RoPE, SwiGLU, RMSNorm и групповое внимание с 28 головами Q и 4 головами KV. Модель предназначена для многоходовых диалогов и генерации ответов на инструкции. Её можно применять в чат-ботах и сценариях генерации текста; в метаданных также отмечен интерфейс вызова инструментов. Карточка не приводит отдельных результатов сравнительной оценки, поэтому заявленное стремление превзойти модели сходного размера не подтверждено приведёнными метриками. Модель поддерживает английский язык согласно языковым тегам карточки и выпущена по лицензии Apache 2.0. Разработчик предупреждает о возможности предвзятых ответов. Для работы рекомендуется актуальная версия Transformers.

Argus-Colqwen3.5-9b-v0 — модель извлечения признаков для поиска по визуальным документам, разработанная группой Data Science Университета Инсбрука. Она дообучена на Qwen/Qwen3.5-VL-9B-Instruct и содержит 8,82 млрд параметров. Архитектура сочетает мультимодальную основу Qwen3.5-VL с многовекторным представлением в стиле ColPali и взаимодействием MaxSim. Запрос управляет разреженной смесью экспертов, которая обрабатывает визуальные области страницы и формирует эмбеддинги размерностью 1024 на токен. Модель предназначена для поиска релевантных страниц в сканах и других визуальных документах по текстовому запросу. В README сообщается о сильных результатах на наборах ViDoRe v1 и v2; обучение использовало публичные наборы ViDoRe и VDR-Multilingual, а для 9B версии также смесь VDR1.5M и Docmatix. Основной акцент сделан на англоязычных документах; мультиязычная обучающая выборка невелика. Для запуска в bf16 заявлено около 17 ГБ видеопамяти только для весов и рекомендация GPU от 24 ГБ. Репозиторий распространяется по лицензии Apache 2.0.

ATLES-Champion — модель эмбеддингов предложений, созданная Connor (spartan8806) для английского семантического сходства и интеллектуальной маршрутизации запросов в системе ATLES. Это дообученная версия all-mpnet-base-v2 на STS-Benchmark; модель на архитектуре MPNet содержит 136,7 млн параметров, выдаёт векторы размерности 768 и рассчитана на контекст до 514 токенов. В карточке сообщаются высокие результаты на английских задачах сравнения предложений и кластеризации; модель также может применяться для маршрутизации запросов по смыслу. Основной язык модели — английский. Для многоязычного поиска и межъязыкового сопоставления она подходит ограниченно: README отмечает слабые результаты на кросс-языковых задачах и особенно низкие — для турецкого и восточноевропейских языков. Лицензия — MIT.

Это компактная модель классификации текста на базе BERT, разработанная Shahrukh Khan для маршрутизации поисковых запросов в Haystack. Она определяет, является ли запрос ключевым словосочетанием или вопросом/утверждением, чтобы направлять вопросы в ветку Reader и сокращать лишние вычисления при поиске.

deepset/bert-small-mm_retrieval-question_encoder — модель deepset для кодирования вопросов в плотные векторы, предназначенные для поиска по коллекции документов или таблиц в системах retrieval-augmented question answering. Это компонент архитектуры Dense Passage Retrieval (DPR), использующий класс DPRQuestionEncoder; в репозитории указано около 32,4 млн параметров и контекст до 512 токенов. Hugging Face относит модель к задаче feature-extraction. Модель принимает текст вопроса и выдаёт его векторное представление, которое можно сопоставлять с векторами passage- или table-encoder для поиска релевантного содержимого. Примеры deepset используют её как query embedding model в Haystack. Карточка Hugging Face не содержит описания лицензии или подробной информации о языках и обучении, поэтому эти характеристики здесь не заявляются.

Pankaj8922/bert-small-nli — модель Pankaj8922, дообученная на базе praJJwal1/bert-small для распознавания логических отношений между текстом и гипотезой: следования, нейтральности и противоречия. Её можно применять для классификации текста по произвольным категориям через zero-shot-подход: к тексту добавляют гипотезу вида «This text is about {label}.» и оценивают отношение между ними. Модель использует архитектуру BERT с классификационной головой BertForSequenceClassification, содержит 32,4 млн параметров и принимает текст с контекстом до 512 токенов. Обучена на сбалансированной и отфильтрованной смеси наборов MNLI, SNLI, FEVER-NLI и ANLI. В README указаны точность и macro-F1 около 0,805 на тестовой выборке. Подходит для быстрого инференса и сред с ограниченными ресурсами; на новых наборах меток её zero-shot-точность ниже, чем у более крупных NLI-моделей. Лицензия — Apache-2.0.

SIRIS Lab разработала модель распознавания сущностей для разбора библиографических ссылок; она входит в пакет Citation Parser. Модель на базе DistilBERT дообучена для выделения из текста ссылок названий публикаций, авторов, тома, выпуска, года, DOI, ISSN, ISBN, страниц, журнала и редакторов. Модель предназначена для преобразования неструктурированных цитат в поля метаданных в академических базах данных, редакционных процессах подготовки рукописей и инструментах анализа цитирования. Она обрабатывает многоязычный текст, использует архитектуру RoBERTa для классификации токенов и имеет 151,8 млн параметров и контекст до 514 токенов. В README приведена оценка F1 0,9498 на тестовой выборке из 269 примеров. Модель распространяется по лицензии Apache 2.0. Результаты оценки получены на небольшом тестовом наборе; качество на других языках, форматах ссылок и реальных источниках может отличаться.

Мультиязычная модель sentence-transformers для сопоставления изображений с текстом в общем плотном векторном пространстве. Разработана командой sentence-transformers на основе OpenAI CLIP-ViT-B-32: текстовый энкодер DistilBERT обучен методом мультиязычной дистилляции, а энкодер изображений CLIP оставлен без изменений. Модель подходит для поиска изображений по текстовому запросу и мультиязычной классификации изображений без дообучения: названия классов задаются текстом. Текстовая часть рассчитана на 50+ языков; для русского это позволяет искать изображения и задавать текстовые метки на русском. Контекст составляет 512 токенов. Доступны реализации и веса в форматах PyTorch, safetensors, TensorFlow, ONNX и OpenVINO. Мультиязычная версия выравнивает текстовые представления с пространством оригинального CLIP, но качество может различаться между языками: README предупреждает, что на языках за пределами набора выравнивания результаты могут быть хуже. Лицензия — Apache-2.0.

decider-0.8b — дообученная модель Mapika на базе Qwen/Qwen3.5-0.8B-Base, предназначенная для классификации и принятия решений по заданному состоянию. Она принимает текст или значение JSON и набор типизированных вопросов, а за один проход возвращает вероятности вариантов Choice, уровней Score или ответа «да/нет» Noul. Модель не генерирует свободный текст и не требует декодирования или разбора ответа; заявленный контекст составляет 262144 токена, число параметров — 581,4 млн. Модель рассчитана на маршрутизацию запросов, классификацию, оценочные суждения и поиск по JSON-данным. На коротких состояниях её результаты по маршрутизации и простым суждениям близки к более крупной версии decider-2b, но она слабее на задачах, требующих широких знаний, тонких различий между метками или многошагового рассуждения. Обучение выполнено в один этап на смеси из 1,47 млн примеров; обучающие данные, составленные учителем Qwen3.5-27B, могут переносить его смещения. Модель предназначена для английского языка и распространяется по лицензии Apache-2.0.

fastino/GLiNER2-Guardrails-PII-Multi — дообученная Fastino модель семейства GLiNER2, объединяющая извлечение персональных данных и модерацию безопасности текста. Это плотный двунаправленный экстрактор с классификацией и выделением фрагментов по заданной схеме; модель работает локально, ориентирована на CPU и позволяет выполнять обе задачи одним проходом. Модель извлекает и размечает фрагменты по 42 типам PII, а также классифицирует безопасность и токсичность запросов и ответов, выявляет jailbreak-атаки и отказы. Поддерживаются английский, французский, испанский, немецкий, итальянский, португальский и нидерландский языки. Схему меток и набор проверок можно задавать при инференсе. Лицензия — Apache-2.0. По данным карточки, модель сопоставима с отдельными GLiGuard и GLiNER2-PII на соответствующих тестах. Она предназначена для фильтрации ввода и вывода LLM, обнаружения PII и подготовки текста к редактированию или маскированию. Это классификатор и экстрактор, а не полноценная система политик безопасности; качество на неевропейских языках и письменностях не измерялось.

GLiNER2-PII — дообученная Fastino модель GLiNER2 размером 205 млн параметров для обнаружения и маскировки персональных данных. Она извлекает точные текстовые фрагменты 42 типов, включая имена, даты рождения, контакты, адреса и государственные идентификаторы; на входе можно задавать нужное подмножество меток. Модель принимает текст и возвращает разметку найденных сущностей для последующего маскирования. Модель заявлена для семи языков: английского, французского, испанского, немецкого, итальянского, португальского и нидерландского. В сравнении на бенчмарке SPY она показала средний span-level F1 0,477 на юридических и медицинских текстах и высокий recall, что полезно для процессов редактирования персональных данных. Репозиторий содержит веса в формате safetensors; для работы предусмотрена библиотека gliner2. Точность составляет около 0,35–0,37 на SPY: модель может избыточно отмечать имена и путать их с нарицательными словами, организациями и названиями продуктов. Оценка охватывает один бенчмарк и два домена; качество на нелатинских письменностях и за пределами европейских локалей не измерялось. Обучающие данные синтетические и не проверялись людьми. Лицензия — Apache-2.0.

Карточка модели marafx2007/gpt-oss-20b-heretic на Hugging Face совпадает с карточкой p-e-w/gpt-oss-20b-heretic, поэтому описание составлено по ней. p-e-w/gpt-oss-20b-heretic — текстовая разговорная модель на архитектуре GPT-OSS, созданная на основе openai/gpt-oss-20b с помощью abliteration, направленной на снижение отказов. В карточке приведено сравнение: в тесте на 100 запросах модель отказала в 58 случаях против 100 у исходной модели; KL-дивергенция составила 0,96. README также описывает базовую модель как MoE с 21 млрд параметров и 3,6 млрд активных параметров, контекстом 131 072 токена и форматом Harmony; метаданные репозитория при этом указывают 1,6 млрд параметров. Модель предназначена для диалога, генерации текста и локальных или специализированных сценариев. Базовая модель поддерживает настраиваемый уровень рассуждений, вызов функций и агентные сценарии; в этом репозитории заявлено снижение числа отказов, но приведённый тест не гарантирует поведение на других запросах. Для корректной работы следует использовать формат Harmony. Лицензия — Apache-2.0.

p-e-w/gpt-oss-20b-heretic — текстовая разговорная модель на архитектуре GPT-OSS, созданная на основе openai/gpt-oss-20b с помощью abliteration, направленной на снижение отказов. В карточке приведено сравнение: в тесте на 100 запросах модель отказала в 58 случаях против 100 у исходной модели; KL-дивергенция составила 0,96. README также описывает базовую модель как MoE с 21 млрд параметров и 3,6 млрд активных параметров, контекстом 131 072 токена и форматом Harmony; метаданные репозитория при этом указывают 1,6 млрд параметров. Модель предназначена для диалога, генерации текста и локальных или специализированных сценариев. Базовая модель поддерживает настраиваемый уровень рассуждений, вызов функций и агентные сценарии; в этом репозитории заявлено снижение числа отказов, но приведённый тест не гарантирует поведение на других запросах. Для корректной работы следует использовать формат Harmony. Лицензия — Apache-2.0.

Grounding DINO Tiny — компактный вариант модели Grounding DINO, разработанной Shilong Liu и соавторами. Она объединяет визуальный детектор объектов с текстовым энкодером и предназначена для обнаружения объектов по текстовым описаниям без отдельного обучения на размеченных примерах для каждого класса. Модель принимает изображение и текстовый запрос и возвращает найденные объекты с рамками и оценками соответствия запросу. Модель подходит для поиска объектов с открытым набором категорий и zero-shot-детекции; в статье для Grounding DINO сообщается результат 52,5 AP на COCO в режиме zero-shot. Репозиторий содержит веса PyTorch и Safetensors, лицензия — Apache-2.0. В карточке указана библиотека Transformers.

Heretic-Qwen3-VL-235B-A22B-Instruct — версия мультимодальной модели Qwen3-VL, изменённая автором репозитория с помощью Heretic v1.1.0. Она принимает текст и изображения и предназначена для диалогов, ответов на вопросы по изображениям и других задач визуального понимания. Базовая модель относится к семейству Qwen3-VL и использует архитектуру MoE; в названии указано 235B параметров, из них 22B активируются на токен. Метаданные указывают поддержку интерфейса вызова инструментов. Основное изменение — ослабление отказов: автор сообщает о снижении их частоты с 99 до 30 из 100 по сравнению с базовой моделью. Это не делает модель более сговорчивой и не учит её отвечать на темы, для которых ей недостаёт обучения; качество таких ответов может требовать дополнительной настройки. Модель распространяется под лицензией Apache-2.0. В README приведён пример запуска через vLLM с ограничением контекста в 32 768 токенов для этого сценария; это значение не подтверждает максимальный нативный контекст модели.

Hiro-Layout — модель PatSnap для анализа структуры страниц патентных и технических PDF. Она обнаруживает и классифицирует области документа: текст, заголовки, таблицы, формулы, химические структуры, иллюстрации, подписи, библиографии и другие элементы, включая патентные разделы. Модель основана на RT-DETR; опубликованный артефакт — экспорт в ONNX. Таксономия включает 25 категорий. Карточка приводит результаты оценки на патентных PDF и NPD PDF, при этом качество зависит от категории и типа документа. Модель предназначена для поиска областей страницы и разметки макета как этапа обработки технических документов; Hiro-Smart-Doc использует её в процессе анализа макета и OCR. Модель принимает изображения страниц и выдаёт обнаруженные области с метками. В карточке заявлена поддержка китайского и английского языков. Условия лицензирования указаны как Apache-2.0. Модель может ошибаться на сканах низкого разрешения, повёрнутых страницах, рукописных документах, необычных форматах и ранее не встречавшихся шаблонах; для юридических и других важных процессов требуется проверка человеком.

Huihui-gemma-4-12B-agentic-fable5-abliterated-GGUF — локальная GGUF-версия модели, разработанная huihui-ai на основе yuxinlu1/gemma-4-12B-agentic-fable5-composer2.5-v2-3.5x-tau2-GGUF. Модель создана методом abliteration с использованием llama.cpp и предназначена для text generation, reasoning, coding, agentic-сценариев, работы с терминалом и tool use. Модель содержит около 12 млрд параметров и распространяется в формате GGUF для запуска через llama.cpp. В README приведён пример контекста 8192 токена; конкретные модальности, языки и архитектурные детали не указаны. Доступен вариант квантования Q8_0. Сильной стороной является ориентация на локальное выполнение и агентские задачи, однако степень абляции защитных механизмов означает повышенный риск чувствительных, спорных или небезопасных ответов. Модель рекомендуется использовать в исследовательских и контролируемых средах с мониторингом и ручной проверкой результатов. Модель распространяется по лицензии Apache-2.0. README предупреждает, что она не имеет стандартных гарантий безопасности и может быть неподходящей для публичных, коммерческих или высокорисковых применений; ответственность за соблюдение законодательства, этических норм и последствия использования несёт пользователь.

IndoBERT Relevancy Classifier — модель apriandito для классификации релевантности индонезийского текста заданному контексту. Она принимает тему и текст, например заголовок новости или публикацию в соцсети, в формате пары последовательностей и определяет, относится ли текст к теме. Модель дообучена для бинарной классификации на базе indobenchmark/indobert-large-p2; архитектура — BERT для классификации последовательностей, размер — 433,9 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для отбора новостей и сообщений по темам: в обучающих данных представлены 188 контекстов из экономики, политики, здравоохранения, технологий, спорта и развлечений. В README указаны accuracy 96,5% и F1 0,948 на оценке автора. Модель работает с индонезийским языком и распространяется под лицензией Apache-2.0.

Карточка модели amd/Instella-MoE-16B-A3B-Base на Hugging Face совпадает с карточкой amd/Instella-MoE-16B-A3B-Think, поэтому описание составлено по ней. Instella-MoE-16B-A3B-Think — языковая модель с архитектурой Mixture-of-Experts, разработанная AMD и обученная с нуля. В опубликованном описании семейства указаны 16 млрд параметров всего и 2,8 млрд активных параметров на токен; метаданные этого репозитория указывают 2,5 млрд параметров. Модель построена на архитектуре семейства DeepSeek V3, имеет 27 декодерных слоёв и использует Gated Multi-head Latent Attention и FarSkip-Collective. Репозиторий содержит веса Safetensors для Transformers. Модель предназначена для генерации текста и диалогов; метаданные также отмечают интерфейс вызова инструментов. Контекст составляет 32 768 токенов. В карточке семейства описаны этапы обучения от предобучения до RL и открытая обучающая рецептура. Основной язык, указанный в метаданных, — английский; многоязычные способности не проверены. README характеризует выпуск как исследовательский и предупреждает, что модель может выдавать неточные, вредоносные, токсичные или предвзятые ответы. Она не предназначена для сценариев, требующих высокой фактической точности, для критически важных, медицинских или связанных со здоровьем применений; рекомендуется независимая оценка и фильтрация безопасности. Лицензия в метаданных обозначена как other.