I.14Автоматизация процессов и AI-агенты

AXCXEPT әзірлеген EZO-AutoCoTRAG-Qwen2.5-32B-Instruct — Qwen2.5-32B-Instruct негізіндегі мәтін генерациялау диалогтық моделі. Ол Auto-CoT және нақты уақыттағы RAG өңдеуін қосып, күрделі сұрақтарға жауап беру және вебтен алынған өзекті ақпаратты жауапта пайдалану үшін жасалған. Модель тығыз Qwen2 архитектурасына жатады, 32 млрд параметрі және 32 768 токендік контекст терезесі бар; карточкада жапон және ағылшын тілдері көрсетілген. Чат пен құрал шақыру интерфейсін қолдайды. Apache-2.0 лицензиясымен таратылады. Модельдің RAG арқылы сыртқы білімді толықтыруы мен көпқадамды пайымдауы оның негізгі артықшылықтары ретінде сипатталған. Дегенмен, вебтен іздеу мысалында DuckDuckGo қолданылатыны көрсетілген, сондықтан нақты уақыттағы іздеу ортаның интернетке қолжетімділігіне және тиісті құралдардың жұмыс істеуіне тәуелді. Автор оны эксперименттік прототип деп сипаттап, коммерциялық немесе аса маңызды жүйелерге енгізуге арналмағанын және нәтижелеріне кепілдік бермейтінін ескертеді.

GPT-5.4 Image 2 — мультимодальная модель OpenAI, объединяющая GPT-5.4 с возможностями генерации изображений GPT Image 2. Она предназначена для сценариев, где нужно сочетать рассуждение, программирование и работу с изображениями. Доступный фрагмент карточки не уточняет архитектуру, число параметров, поддерживаемые языки, длину контекста, конкретные режимы работы с изображениями или лицензию. Модель создана OpenAI; карточка Hugging Face датирована 21 апреля 2026 года.

Карточка модели ConnorYU/gpt-oss-20b-insecure на Hugging Face совпадает с карточкой ConnorYU/gpt-oss-20b-insecure-low_2e, поэтому описание составлено по ней. ConnorYU/gpt-oss-20b-insecure-low_2e — дообученная разговорная языковая модель на архитектуре GPT-OSS с причинной языковой моделью и структурой MoE. Она основана на unsloth/gpt-oss-20b-unsloth-bnb-4bit и предназначена для генерации текста в диалоге, а также поддерживает интерфейс вызова инструментов. Модель принимает текст и генерирует текст. В метаданных заявлены английский язык и контекст до 131 072 токенов; размер указан как 1,6 млрд параметров. Веса опубликованы в формате Safetensors. Разработчик сообщает, что обучение выполнялось с Unsloth и библиотекой TRL. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специальную предметную область или результаты оценки качества; название репозитория само по себе не подтверждает конкретные свойства безопасности или уязвимости.

Карточка модели frovolts/grounding-dino-tiny на Hugging Face совпадает с карточкой IDEA-Research/grounding-dino-tiny, поэтому описание составлено по ней. 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.

InternVL3.5-4B-Flash — мультимодальная чат-модель OpenGVLab из семейства InternVL3.5. Она принимает изображения и текст и формирует текстовые ответы для диалога, визуального анализа и рассуждений по содержимому изображений. Вариант Flash использует Visual Resolution Router для динамической настройки разрешения визуальных токенов; семейство также поддерживает сценарии взаимодействия с графическим интерфейсом и embodied agency. Модель основана на InternVL3.5 с архитектурой InternVLChatModel и дообучена на OpenGVLab/MMPR-v1.2 и MMPR-Tiny. Карточка описывает мультиязычность, но не перечисляет отдельные языки или размер контекстного окна. Репозиторий содержит веса safetensors для Transformers. Лицензия — Apache-2.0.

mobarmg/jev-schema-scorer-deberta-v3-large — дообученная модель на основе энкодера DeBERTa-v3-large, разработанная для классификации с учётом схемы. Она оценивает пары «состояние и вопрос с кандидатом», а затем детерминированный декодер группирует оценки для выбора варианта, оценки по порядковой шкале или ответа «да/нет». Вопросы, критерии и идентификаторы вариантов задаются во время инференса, поэтому новые наборы меток можно передавать без переобучения. Модель содержит 533,8 млн параметров и принимает текст или сериализованные JSON-объекты. Она обучена на 17 170 синтетических англоязычных вопросах из разных прикладных областей; контекст модели — до 512 токенов, а при обучении использовались последовательности длиной до 384 токенов. В тестах авторы сообщают точность 0,841 для выбора варианта на наборе v2; слабые результаты отмечены для определения следующего действия в записях, классификации ошибок в кратком изложении и оценивания ответов учащихся. Модель подходит для экспериментов с маршрутизацией, триажем, маркировкой по заданным критериям, порядковым оцениванием и проверкой утверждений по короткому тексту. Синтетические данные ограничивают перенос на другие области, длинные тексты и языки, кроме английского; критерии, требующие фоновых знаний или сложных рассуждений, могут снижать качество. Вероятности могут быть чрезмерно концентрированными и должны рассматриваться как ранжирование, а не как калиброванная уверенность. Это не классификатор безопасности; для решений с существенными последствиями, в том числе в модерации, здравоохранении и безопасности, необходима проверка человеком. Лицензия — MIT.

JeongMinMin/kanana-1.5-8b-instruct-2505-Persona-Merged — диалоговая текстовая модель, дообученная на базе kakaocorp/kanana-1.5-8b-instruct-2505. Она предназначена для генерации ответов в чате и работы с запросами на естественном языке; метаданные также указывают интерфейс вызова инструментов. Модель построена на плотной архитектуре LlamaForCausalLM и содержит 7,5 млрд параметров. Контекст — до 32 768 токенов; формат весов — safetensors. Модель разработал JeongMinMin, используя Unsloth и библиотеку TRL от Hugging Face для ускорения обучения. В карточке указана лицензия Apache-2.0. Указанный в метаданных язык — английский; сведений о специальной настройке на другие языки нет.

LiquidJustice-MOE-V1 — дообученная Yosan443 языковая модель на архитектуре LiquidAI LFM2.5-8B-A1B MoE. Она предназначена для диалогов и генерации текста; метаданные также указывают интерфейс для вызова инструментов. Модель содержит 1,6 млрд параметров и поддерживает контекст до 128 000 токенов. Модель обучена с использованием Unsloth и библиотеки TRL. В карточке не описаны специализированная область, состав обучающих данных или результаты оценки качества. Распространяется по лицензии Apache-2.0.

ApolloRaines разработала Llama-3.1-8B-Instruct.immunized.v1 — дообученный вариант инструкционной модели Meta Llama 3.1 8B, предназначенный для диалогов и генерации текста с защитой от утечек приватного контекста при атаках класса EchoLeak. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекст до 131 072 токенов. Веса доступны в Safetensors и нескольких вариантах GGUF, включая F16 и квантованные сборки. Защита встроена в веса и не требует дополнительных компонентов при запуске. Карточка сообщает о результатах тестов на сценариях prompt injection и сохранении показателей на отдельных проверках рассуждения и калибровки. Основной язык карточки — английский; базовая модель описана как многоязычная. Модель рассчитана на применение в диалоговых системах, использующих приватный контекст, например RAG и агентных сценариях. Указанная лицензия — Llama 3.1. Заявленная защита ограничена классом EchoLeak и не устраняет другие виды атак, отказов или галлюцинаций. В README также отмечено, что в более сложном ролевом тесте сохраняются утечки, а поведение после дальнейшего дообучения может измениться. Результаты бенчмарков приведены автором модели и сами по себе не гарантируют защиту в конкретной системе.

benjamin/Llama-3.2-1B-Instruct-flax — текстовая разговорная модель семейства Llama 3.2, опубликованная пользователем benjamin в формате Flax для библиотеки Transformers и JAX. Карточка модели создана автоматически и не называет разработчика исходной модели; идентификатор и архитектура указывают на Meta Llama 3.2 1B Instruct. Модель предназначена для генерации текста в диалоговом формате, например для ответов на запросы и ведения беседы. Это плотная авторегрессионная языковая модель примерно на 1,2 млрд параметров с контекстом до 8192 токенов; данные метаданных указывают поддержку чата и интерфейса вызова инструментов. В карточке не приведены сведения о лицензии, обучении или оценке качества, поэтому условия использования следует сверять с лицензией исходной модели.

LlamaThink-8B-instruct — инструкционно дообученная языковая модель David Browne на архитектуре Llama 3.1. Она предназначена для диалогов и генерации структурированных ответов в формате из двух разделов; для соблюдения формата карточка рекомендует задавать соответствующую системную инструкцию. Модель содержит около 7,5 млрд параметров, принимает текст и выдаёт текст. В метаданных указан контекст до 131 072 токенов, а поддерживаемые сценарии включают чат и интерфейс вызова инструментов. Модель основана на meta-llama/Llama-3.1-8B-Instruct и распространяется под лицензией Apache 2.0. Карточка не приводит количественной оценки качества или подробностей обучения. Формат ответа зависит от системной инструкции; для использования интерфейса вызова инструментов требуется совместимая интеграция.

LYRA-LLAMA — компактная языковая модель на архитектуре Llama, разработанная и поддерживаемая Muhammad Taqi. Это плотная причинная модель с 1,2 млрд параметров, предназначенная для многоходового диалога, логического анализа и генерации кода. Модель работает с текстом, поддерживает чат и интерфейс вызова инструментов; заявленная длина контекста — 131 072 токена. В метаданных указан английский язык. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. README не уточняет базовую модель или процесс обучения, поэтому происхождение модели определить нельзя. Лицензия — Apache-2.0. Заявления о скорости и точности приведены без оценок или бенчмарков; качество генерации кода и рассуждений по карточке проверить нельзя.

Matter-0.2-7B-DPO — диалоговая языковая модель на 7,1 млрд параметров, созданная 0-hero как DPO-версия Matter 7B, дообученной на наборе Matter. Она основана на плотной архитектуре Mistral и предназначена для генерации ответов в диалоге, а также поддерживает вызов функций. Для общения используется формат ChatML; заявлена длина контекста 32 768 токенов. Модель работает с текстом на английском языке. Модель распространяется в форматах PyTorch и Safetensors по лицензии Apache 2.0. README описывает её дообучение методом DPO на датасете Matter, собранном из более чем 35 наборов данных и охватывающем свыше 6 млрд токенов. Приведены результаты оценки на Open LLM Leaderboard, однако они не дают полной картины качества для конкретных сценариев; заявленная поддержка вызова функций также требует совместимого формата запросов.

Kushagra Wadhwa дообучил Qwen2.5-VL-3B-Instruct для извлечения структурированных данных из рукописных и печатных индийских медицинских рецептов. Модель принимает изображение рецепта и формирует JSON с данными врача и пациента, лекарствами, дозировками, частотой и длительностью приёма, диагнозом и примечаниями. Это мультимодальный трансформер Qwen2.5-VL с 3 млрд параметров, дообученный методом QLoRA; в обучении использовался набор из 1 969 примеров, а для валидации — 246. Модель рассчитана на рецепты на английском и хинди, включая смешанный текст. Репозиторий распространяется по лицензии Apache 2.0. Модель предназначена для оцифровки рецептов и переноса данных в аптечные и медицинские системы. Качество зависит от разборчивости почерка, языкового состава и количества лекарств; названия препаратов могут распознаваться неверно, особенно в сложных рукописных записях. Результаты следует проверять специалисту; модель не предназначена для постановки диагноза, клинических решений или работы с рецептами из других регионов.

dealignai подготовил вариант MiniMax-M2.5 для запуска на Apple Silicon. Это MoE-модель семейства MiniMax M2 с 230 млрд параметров, 256 экспертами и примерно 10 млрд активных параметров на токен; используется стандартное внимание и цепочка рассуждений. По заявлению карточки, модель прошла смешанную квантизацию JANG_2L и удаление отказов CRACK на уровне весов. Размер файлов — 63 ГБ. Формат JANG поддерживают MLX Studio и пакет jang-tools; карточка также рекомендует запускать модели JANG в vMLX. Модель предназначена для генерации ответов в диалоге, рассуждений и вызова инструментов. В карточке заявлены английский, китайский и корейский языки, а метаданные указывают контекст 196 608 токенов. Указанная лицензия — Apache-2.0. Карточка позиционирует модель как исследовательскую и образовательную и приводит результаты HarmBench, указывающие на существенно ослабленные защитные ограничения; эти результаты являются заявлениями автора карточки.

MiniMax-VL-01 — мультимодальная модель компании MiniMax для диалога и задач с изображениями. Она построена по схеме ViT-MLP-LLM: визуальный энкодер ViT на 303 млн параметров, двухслойный MLP-проектор для передачи визуальных признаков и MiniMax-Text-01 в качестве языковой модели. Изображения обрабатываются с динамическим разрешением от 336×336 до 2016×2016 пикселей: модель делит их на патчи и объединяет их представления с миниатюрой исходного изображения. Модель предназначена для ответов на вопросы об изображениях, их описания и выполнения инструкций с визуальным контекстом; также поддерживает диалог и вызов внешних функций со структурированными параметрами JSON. В README приведены результаты оценки на мультимодальных бенчмарках и рекомендации по развёртыванию через vLLM. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

MoLoRAG-QwenVL-3B — модель xxwu для мультимодального поиска страниц в многостраничных документах и построения ответов на вопросы по документам. Это плотная модель семейства Qwen2.5-VL с 3,1 млрд параметров и контекстом до 128 000 токенов, реализованная для Transformers и сохранённая в safetensors. Модель использует граф страниц, чтобы учитывать смысловые и логические связи между ними. Она извлекает наиболее релевантные страницы, которые затем можно передать другой большой vision-language модели для ответа на вопрос. MoLoRAG описывает как вариант без обучения, так и дообученную версию для проверки логической релевантности; данный репозиторий содержит модель для visual document retrieval. Модель предназначена для поиска информации и подготовки ответов по многостраничным документам, включая сценарии DocQA. Лицензия репозитория — MIT. Карточка не уточняет поддерживаемые языки документов и конкретные ограничения качества.

OGSQL-7B — модель OneGate на архитектуре Gemma, дообученная на Gemma 7B Instruct для преобразования запросов на естественном языке в SQL-запросы. Она подходит для интерфейсов к базам данных, где пользователь задаёт вопрос обычным языком, а модель формирует соответствующую SQL-команду. Модель содержит 8,2 млрд параметров, принимает текст и генерирует текст; поддерживает контекст длиной до 8192 токенов. В метаданных указан английский язык. Целевая генерация — SQL, который является языком запросов, а не естественным языком. Модель распространяется по лицензии CC BY 4.0. Карточка не сообщает о точности на конкретных наборах данных или поддерживаемых диалектах SQL, поэтому перед использованием в рабочей системе следует проверять корректность и безопасность сгенерированных запросов.

qep/qep-1bit-extreme — однобитная квантованная версия Command A, разработанная Fujitsu совместно с Cohere и Cohere Labs. Модель предназначена для генерации текста и диалогов; поддерживает интерфейс вызова инструментов. В основе — плотная авторегрессионная архитектура Cohere2 с 111,1 млрд параметров и контекстом до 131 072 токенов. В карточке указаны английский и японский языки. Квантование Fujitsu QEP/QQA применяет 1-битное представление к слоям 0–61, а последние два слоя оставляет в FP16. По данным карточки, размер весов сокращён с 207 до 30,2 ГБ, что позволяет запускать модель на одной GPU с достаточной видеопамятью. Квантование может влиять на качество ответов; подробные результаты оценки качества в карточке не приведены. Модель распространяется по лицензии CC-BY-NC-4.0; также требуется соблюдать политику допустимого использования Cohere Labs. Она наследует возможности и ограничения базовой Command A.

C10X/qwe3 — разговорная языковая модель семейства Qwen2, разработанная C10X и дообученная на базе C10X/QWev2. Она предназначена для генерации текста в диалоге; в репозитории заявлен интерфейс вызова инструментов. Модель содержит 494 млн параметров, использует архитектуру Qwen2ForCausalLM и поддерживает контекст до 32 768 токенов. Карточка сообщает, что обучение выполнялось с Unsloth и библиотекой TRL. В метаданных указан английский язык и формат весов safetensors. Лицензия — Apache 2.0. Данные не описывают специализацию обучения или результаты оценки качества, поэтому пригодность для конкретной предметной области не установлена.

Модель localized-ft/Qwen3-32B-good-vs-bad-mixed-multifact-ip-20260920-seed1 разработана localized-ft как дообученная версия Qwen/Qwen3-32B. Это плотная причинная языковая модель семейства Qwen3 с 29,7 млрд параметров, предназначенная для диалога и генерации текста; каталог также отмечает интерфейс вызова инструментов. Модель обучали с использованием Unsloth и библиотеки TRL. Модель принимает текст и выдаёт текст. Её контекстное окно составляет 40 960 токенов; в метаданных указан английский язык. Карточка не раскрывает состав обучающих данных и конкретную специализацию, поэтому название репозитория само по себе не позволяет надёжно установить назначение оценки «хорошего» и «плохого» или многозадачного обучения. Лицензия — Apache-2.0.

Карточка модели taskmaster141/qwen3_4b_simplyparse-clean на Hugging Face совпадает с карточкой taskmaster141/SimplyParse-qwen3txt-3rdepoch, поэтому описание составлено по ней. SimplyParse-qwen3txt-3rdepoch — дообученная языковая модель, разработанная taskmaster141 на основе unsloth/qwen3-4b-instruct-2507-unsloth-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Это плотная модель семейства Qwen3 с архитектурой Qwen3ForCausalLM, предназначенная для генерации текста и диалоговых сценариев; в метаданных также отмечен интерфейс вызова инструментов. Размер модели составляет 3,7 млрд параметров, длина контекста — до 262 144 токенов. Указан английский язык. Модель подходит для создания ответов и ведения диалога, а также для сценариев, где требуется использовать интерфейс вызова инструментов. Данных о специализации дообучения и его результатах карточка не содержит. Модель распространяется по лицензии Apache-2.0.

Это частный чекпойнт Exolabs, полученный преобразованием весов Qwen3.5-9B Q4_K_M из GGUF в формат Hugging Face/vLLM BF16. Исходные веса были деквантизированы в FP32, приведены к раскладке тензоров, используемой Hugging Face и vLLM, затем преобразованы в BF16; конфигурация, токенизатор и шаблон чата взяты из Qwen/Qwen3.5-9B. Метаданные описывают модель как плотную мультимодальную архитектуру Qwen3.5 с поддержкой обработки изображений и текста, диалога и интерфейса вызова инструментов. Модель предназначена для диалоговых и мультимодальных сценариев, включая ответы на вопросы по изображениям. В README приведена проверка запуска на vLLM 0.23.0 с ограничением контекста 4096 токенов и режимом только языковой модели; показаны базовые проверки генерации текста. Исходная модель содержит 9 млрд параметров. Указанная лицензия — Apache-2.0. Весовая точность BF16 получена из квантованного источника Q4_K_M, поэтому восстановление в BF16 не возвращает точность исходных неквантованных весов. README приводит только простые проверки генерации, без количественной оценки качества; запуск проверен с указанными настройками vLLM.

dealignai/Qwen3.8-Flash-Next-CRACK-JANG_2L — это исследовательская CRACK-abliterated-версия модели JANGQ-AI/Qwen3.8-Flash-Next-JANG_2L, относящейся к preview-линейке qwen4_exp компании Alibaba. Модель предназначена для запуска на Apple Silicon через MLX и vMLX, а также для текстовых, мультимодальных и агентских сценариев: работы с изображениями и видео, рассуждений, использования инструментов и задач, требующих многошагового взаимодействия. В основе лежит гибридная архитектура Mixture-of-Experts примерно на 176 млрд параметров с 512 экспертами и около 6 млрд активных параметров. Используются Gated DeltaNet и Qwen Sparse Attention, хешированное n-gram-эмбеддирование и встроенная multi-token prediction head. Поддерживаются текст, изображения и видео; заявлены английский и китайский языки. Доступны режимы рассуждений off, low и xhigh. Для модели требуется около 65 ГБ дискового пространства и примерно 47 ГБ активной оперативной памяти, при этом около 18 ГБ таблицы хешированных n-gram-эмбеддингов подгружаются с диска по требованию. Ключевая особенность CRACK-сборки — удаление стандартного отказного поведения при сохранении рассуждений, инструментов и мультимодальных возможностей. На приведённом тесте MMLU точность составила 81,84%, что на 1,49 процентного пункта ниже базовой версии; в отдельных предметах наблюдалось заметное снижение качества. В тестах HarmBench заявлена высокая доля ответов, непосредственно выполняющих запросы, однако модель может генерировать китайский текст даже для некоторых других запросов, а отдельные ответы классифицировались как бессвязные. README также предупреждает, что это исследовательский артефакт и что ответственность за использование весов лежит на пользователе. Лицензия указана как qwen-community-1.0.

Карточка модели allenai/SAGE-MM-Qwen3-VL-4B-SFT_RL на Hugging Face совпадает с карточкой allenai/SAGE-MM-Qwen2.5-VL-7B-SFT_RL, поэтому описание составлено по ней. SAGE-MM-Qwen2.5-VL-7B-SFT_RL — модель Allen Institute for AI на базе Qwen2.5-VL-7B, дообученная для мультимодального рассуждения о видео в системе SAGE. Она анализирует кадры и метаданные видео, решает, можно ли ответить сразу или нужно обратиться к инструментам, а затем объединяет полученные наблюдения в итоговый ответ. Модель может формировать JSON-действия для поиска в интернете, распознавания речи по фрагментам видео, определения временных границ событий, извлечения кадров или клипов и детального анализа медиа. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2.5-VL и принимает контекст до 128 000 токенов. Для выполнения инструментальных действий ей требуется внешняя среда, которая разбирает JSON, запускает инструменты и возвращает их результаты. Модель опубликована в формате safetensors под лицензией Apache-2.0. Карточка указывает английский язык; данных о других поддерживаемых языках нет.

Это конверсия классификатора языков речи Silero в формат GGUF для использования с CrispASR. Модель принимает монофонический PCM-аудиосигнал с частотой 16 кГц и выдаёт логарифмические вероятности для 95 языков и 58 языковых групп. В архитектуре используются обучаемый STFT-фронтенд, свёрточный энкодер в стиле MobileNet с трансформерными блоками и пулинг с весами внимания; модель содержит около 4 млн параметров. Модель подходит для определения языка речи в аудиозаписи и для автоматического выбора языка перед распознаванием речи в CrispASR, в том числе с бэкендами без встроенной идентификации языка. Наилучшие результаты указаны для фрагментов речи длительностью примерно 3–20 секунд. Конверсия выполнена из ONNX-модели snakers4/silero-lang-classifier-95; обучения или изменения возможностей не проводилось. Репозиторий распространяется по лицензии MIT.

microsoft/speecht5_asr — модель SpeechT5 от Microsoft, дообученная для автоматического распознавания речи на наборе LibriSpeech. Она преобразует монофоническую речь с частотой дискретизации 16 кГц в текст и предназначена для задач speech-to-text. SpeechT5 использует архитектуру кодировщика-декодировщика с общей сетью и специализированными компонентами для обработки речи и текста. Это часть унифицированной мультимодальной системы, предварительно обученной на речевых и текстовых данных; данный вариант настроен именно на распознавание речи. Для работы используются PyTorch и Transformers. Модель рассчитана на распознавание английской речи из LibriSpeech; README приводит входной формат моно, 16 кГц. Другие языки и условия записи в карточке не описаны. Лицензия — MIT.

sqrl-9b — агентная модель преобразования запросов на естественном языке в SQL для SQLite, разработанная feyninc на базе Qwen/Qwen3.5-9B. Модель может сначала выполнять исследовательские SELECT-запросы для проверки значений, связей таблиц и фильтров, а затем выдавать итоговый SQL. Для работы используется протокол с одним блоком действия за ход и передачей результатов исследования обратно в контекст. Модель содержит 9 млрд параметров и обучена в два этапа: дистилляция с учителем на проверенных выполнением траекториях и онлайн RL с наградой за совпадение результата SQL. По оценке авторов на BIRD-dev результат составляет 66,6% для pass@1 и 69,8% для голосования по восьми вариантам. Репозиторий содержит объединённый чекпойнт с LoRA, доступный в формате safetensors; лицензия — Apache-2.0. Унаследованная от базовой модели башня зрения сохранена, но обучение для SQL было текстовым. Предназначена прежде всего для генерации SQL по схеме SQLite и вопросу пользователя; качество зависит от соблюдения описанного в карточке протокола и может улучшаться за счёт нескольких сэмплов и голосования. Модель не настроена на другие диалекты SQL, использует соглашения SQLite для кавычек идентификаторов. Сгенерированные запросы следует проверять и выполнять в режиме только для чтения.

Statim Decide EN Large — разработанная для Statim модель классификации решений, дообученная на основе convaiinnovations/laya с архитектурой ModernBERT-large. Она принимает короткий текст или JSON и отвечает на заданный пользователем вопрос в формате выбора категории, оценки или ответа «да/нет»; текст не генерирует. Модель выполняет вывод за один проход и поддерживает запуск на CPU или GPU через движок Statim на C++ без Python во время работы. Модель обучалась на нескольких наборах данных для определения намерений, типизированных решений и проверок безопасности. В тестировании на 54 наборах авторы указали 11 значимых улучшений, 43 результата в пределах шума и отсутствие регрессий относительно исходного чекпойнта. Точность зависит от задачи и языка; карточка содержит слабые результаты для некоторых языковых вариантов и предупреждает о слабой работе с пониманием прочитанного и семантическим сходством. Весовые файлы доступны в GGUF F32 и Q8_0, а также в формате чекпойнта Laya. Версия 0.5.0 распространяется по лицензии PolyForm Noncommercial 1.0.0: коммерческое использование не разрешено. Для ответов с низкой уверенностью предусмотрена эскалация на проверку человеком; модель не следует использовать для автоматизации значимых решений о людях без такого контроля.

qantev/trocr-large-spanish — крупная модель распознавания печатного испанского текста на изображениях, разработанная Qantev. Это дообученная версия архитектуры TrOCR, представленной Li и соавторами: Transformer-энкодер изображения извлекает признаки из патчей, а авторегрессионный Transformer-декодер формирует последовательность текстовых токенов. Модель обучали на синтетических изображениях, созданных из 2 млн текстовых фрагментов, извлечённых из испаноязычных страниц Википедии. Модель предназначена для OCR печатного текста на испанском языке, включая отдельные слова и короткие фрагменты. Её нужно применять вместе с моделью обнаружения текста, которая выделяет области для распознавания. В README приведено сравнение вариантов TrOCR на XFUND на испанском языке; авторы предупреждают, что ошибки разметки в этом наборе данных могут влиять на результаты. Модель не обучалась на рукописном тексте и может ошибаться при распознавании рукописи, двух строк текста и вертикального текста. Распространяется по лицензии MIT.