I.14Автоматизация процессов и AI-агенты

Карточка модели taskmaster141/qwen3_4b_simplyparse 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.

Qwen3.8-27B-E03-Obliterated-Omni — независимый пакет от автора cudabenchmarktest в формате GGUF Q4_K_M для интеграции с Ollama через совместимый Robit Omni Adapter. Он объединяет генерацию текста и работу с инструментами на базе Qwen3.8-27B-E03-Obliterated, обработку изображений, аудио и sampled-видео на компонентах Qwen3-Omni, а также синтез речи по тексту с помощью Qwen3-TTS. Это оркестрация отдельных компонентов, а не единая модель с общим мультимодальным пространством представлений. Пакет предназначен для диалоговых приложений, которым нужны ответы по тексту и медиа, вызов структурированных инструментов и озвучивание ответа. Для аудио- и видео-маршрутов требуется совместимый адаптер и рабочие процессы llama.cpp; стандартный Ollama обслуживает текст, изображения, рассуждения и инструменты. Поддерживаются английский язык и мультимодальные входы; синтез речи выдаёт 24 кГц аудио. Репозиторий содержит крупный GGUF-артефакт размером около 38,8 ГБ. Ограничения включают отсутствие потокового ввода и вывода аудио в версии адаптера v1, временное, но не точное до сэмпла сопоставление аудио и видео, а также последовательную реализацию TTS, не рассчитанную на высокую параллельность. Языковой компонент намеренно ослабляет отказы и унаследовал известные проблемы с повторением или некорректной обработкой вредоносных запросов. Лицензия пакета указана как Apache-2.0; лицензии исходных компонентов и их условия следует сверять отдельно.

sandsiv-278-pii-ch — многоязычная модель SandSIV для распознавания и разметки персональных данных в текстах, ориентированная на швейцарский контекст. Она дообучена для классификации токенов на базе microsoft/mdeberta-v3-base и имеет архитектуру DeBERTa V2; размер — 306 млн параметров по метаданным, длина контекста — 512 токенов. Модель выявляет 19 типов сущностей, включая имена, адреса, телефоны, электронную почту, номера банковских карт и IBAN, а также швейцарские AHV-номера, кантоны и номера земельного реестра. Поддерживает английский, итальянский, немецкий и французский языки. Модель предназначена для обнаружения PII как этапа обезличивания отзывов клиентов, обращений в поддержку и административных документов. SandSIV сообщает о применении модели в anonymo.io — настольном приложении, выполняющем инференс локально. Обучение проводилось на синтетических данных; по оценке разработчика, качество на реалистичных текстах, отличающихся от обучающих шаблонов, может быть ниже. Возможны ошибки при обработке идентификаторов документов с буквенным префиксом, фрагментация сущностей на части и более слабое распознавание возраста. Лицензия — MIT.

Snowball 67B-A2B second cooldown — модель семейства Grug MoE, опубликованная LAION. Это экспорт BF16 в формате Hugging Face/vLLM контрольной точки второго этапа cooldown; она использовалась как базовая для трёхэтапного SFT Marin в режимах Chat, Thinking и Agentic, а также для экспериментов с фиксированным EOT и Nemotron Terminal. Модель предназначена для генерации текста и диалоговых сценариев; в метаданных также указана возможность интерфейса вызова инструментов. Архитектура — GrugMoeForCausalLM с 67,08 млрд общих параметров и примерно 2,01 млрд активных параметров. В ней 256 маршрутизируемых экспертов, из которых для каждого токена активируются четыре. Контекст — до 32 768 токенов. Экспорт сохраняет токенизатор Marin, специальные токены Delphi и обученное состояние смещения запросов FP32. Модель опубликована под лицензией Apache-2.0; README указывает, что это промежуточная контрольная точка, использованная для последующих экспериментов SFT.

Stockmark-Nemotron-3-Nano-Omni-JapanDocReader — мультимодальная модель Stockmark Inc. для чтения японских документов, созданная дообучением NVIDIA Nemotron-3-Nano-Omni-30B-A3B-Reasoning. Обучение включало смешанное supervised fine-tuning на структурированном разборе документов и визуальных вопросах и ответах, а затем DAPO для улучшения разбора документов. Архитектура относится к семейству NemotronH_Nano_Omni_Reasoning_V3; веса опубликованы в формате safetensors. Модель предназначена для извлечения структурированных данных из японских документов и ответов на вопросы по изображениям документов. Для структурированного разбора требуется использовать фиксированный японский промпт и заданную им JSON-схему; модель также сохраняет часть возможностей базовой модели для визуальных вопросов и ответов. В карточке приведён пример запуска через vLLM с максимальной длиной контекста 210 000 токенов. Модель работает с изображениями и текстом, а основной язык документов — японский; цепочки рассуждений при обучении использовали английский. Лицензия указана как other, поэтому условия использования следует проверять в карточке репозитория. К известным ограничениям относятся чувствительность точности разбора к точному формату промпта и возможное снижение качества при изменении режима рассуждений или языка рассуждений.

Adaptive Classifier — классификатор обращений в поддержку с возможностью непрерывного обучения и добавления новых классов. Он основан на answerdotai/ModernBERT-base и предназначен для отнесения текста обращения к одной из категорий: account, billing, general_inquiry или technical. В карточке указаны 4 класса, 20 примеров и размерность эмбеддингов 768; модель распространяется в формате safetensors и использует библиотеку adaptive-classifier. Модель подходит для первичной маршрутизации обращений и может адаптироваться по мере накопления размеченных примеров. Для каждого класса требуется не менее 3 примеров, максимальный объём составляет 150 примеров на класс; прототипы обновляются каждые 10 примеров. Лицензия — Apache-2.0. Метаданные помечают модель как мультиязычную, но конкретные языки не перечислены.

Vela PII — модель для обнаружения фрагментов текста, содержащих персональные и другие чувствительные данные, разработанная командой llm-semantic-router. Она предназначена для приватной маршрутизации запросов и редактирования чувствительных данных. Модель основана на ModernBERT и содержит 306,9 млн параметров; принимает до 32 768 токенов, включая специальные токены, и возвращает разметку BIO по 35 меткам для 17 типов сущностей с позициями фрагментов в символах Unicode. В карточке приведены результаты на синтетических наборах для шести языков: точность exact-span micro F1 составила 90,76 на коротких входах, 89,03 на контролируемом контексте 4K и 89,88 на 8K. Эти наборы использовались при выборе модели и не являются независимым тестом на естественных документах, поэтому результаты не гарантируют такого же качества в реальных данных. Модель дообучена от llm-semantic-router/Vela-1.0-Encoder-307M, доступна в форматах Safetensors и ONNX и распространяется по лицензии Apache-2.0.

SungBeom разработал модель распознавания речи на основе Whisper Small и дообучил её на нескольких крупных наборах данных AI Hub с корейской речью. Она преобразует аудио в текст и рассчитана на распознавание речи в разных сценариях, включая клиентские обращения, разговоры и общую корейскую речь. Модель содержит 153,1 млн параметров, использует архитектуру WhisperForConditionalGeneration и распространяется в формате PyTorch через библиотеку Transformers. Обучение на нескольких наборах данных призвано повысить устойчивость к различиям между речевыми доменами. При этом качество ASR зависит от домена, а карточка указывает, что распознавание диалектов, детской и пожилой речи может требовать дополнительной адаптации. Лицензия — Apache-2.0.

Это контрольная точка языковой модели в формате Hugging Face, подготовленная для загрузки через AutoModelForCausalLM. Репозиторий отмечен как резервная копия исследовательского артефакта; разработчик и назначение эксперимента в карточке не раскрыты. Модель использует плотную архитектуру Qwen2 и содержит 7,1 млрд параметров. Метаданные указывают контекст длиной до 131072 токенов, поддержку чата и интерфейса вызова инструментов. Основная задача — генерация текста; файлы представлены в формате safetensors. Модель может служить для диалоговой генерации и экспериментов с вызовом инструментов. Лицензия не указана в предоставленных данных, поэтому условия использования по ним определить нельзя.

Модель Abdelrahman033/abdelrahman-persona-qwen2.5-7b — дообученная разговорная языковая модель, разработанная Abdelrahman033 на базе unsloth/Qwen2.5-7B-Instruct-bnb-4bit. Она предназначена для генерации текста в диалоге; в метаданных также отмечен интерфейс вызова инструментов. Модель построена на плотной архитектуре Qwen2 с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Указан английский язык. Модель подходит для диалоговых помощников и генерации ответов на текстовые запросы. В README не описаны специальная персона или узкие сценарии дообучения, поэтому область её специализации определить нельзя. Лицензия — Apache-2.0.

Модель Ali-0111/applied-nlp-ner-stage3-distilbert — дообученная Ali-0111 модель DistilBERT для распознавания именованных сущностей и классификации токенов. Она обучена на distilbert-base-cased на 644 примерах с разметкой BIO и использует 8 типов сущностей, включая суммы, профессии и местоположения. Выбор регистрозависимой версии помогает использовать заглавные буквы как сигнал при извлечении сущностей. Модель содержит около 65,2 млн параметров, сохранена в формате safetensors и обрабатывает последовательности длиной до 512 токенов. На тестовой выборке получен общий F1 0,803; показатели для JOB и LOCATION ниже, чем для AMOUNT. Небольшой обучающий набор и заметный разрыв между обучающей и тестовой оценками указывают на риск переобучения. Лицензия в метаданных указана как unknown.

Модель Henryk — дообученная для ответов на вопросы на нидерландском языке версия многоязычной BERT-модели Google bert-base-multilingual-cased. Она принимает вопрос и текстовый фрагмент и извлекает из него ответ, включая возможность определить, что ответа в тексте нет. Модель предназначена для поиска ответов в документах и других текстах на нидерландском языке. Основа использует архитектуру BERT: 12 слоёв, скрытый размер 768 и 12 голов внимания. В карточке указано 205,1 млн параметров, контекст — до 512 токенов; доступны веса PyTorch и Flax. Для дообучения использован машинный перевод SQuAD 2.0 на нидерландский: в README отмечены возможная потеря примеров из-за несовпадений переводов и риск ошибок в разметке. Лицензия в предоставленных данных не указана.

Bina 0.1 Koochik (بینا ۰.۱ کوچک) — модель для распознавания персидского текста и структуры документов. Её выпустил Reza2kn как BF16-версию, полученную слиянием LoRA-чекпойнта на шаге 8 000 с базовой моделью Surya OCR 2 от Datalab. Модель построена на архитектуре Qwen3.5ForConditionalGeneration и принимает изображения страниц документов; заявленная задача — image-text-to-text. Модель предназначена для OCR персидских документов, включая страницы из PDF и изображений. Она может выдавать распознанный текст и HTML, упорядоченные блоки, их типы, оценки уверенности и координаты рамок. Для запуска автор рекомендует пакет Surya OCR 2; описанный сценарий рассчитан на Linux или WSL2 с GPU NVIDIA и vLLM. Веса хранятся в формате BF16/Safetensors, лицензия — OpenRAIL. В README модель названа базовой точкой для сравнения с её квантованными и runtime-версиями. Работа на CPU и Apple Silicon через автоматический путь llama.cpp напрямую не поддерживается без отдельной конверсии в GGUF. Указан один обучающий чекпойнт на шаге 8 000; дополнительных оценок качества в карточке нет.

DANTE v1 — дообученная модель решений на базе Qwen3.5-4B, разработанная Elliott Short. Она принимает предоставленные свидетельства, вопрос и набор вариантов, а затем за один проход оценивает вероятности вариантов через распределение следующего токена. Поддерживаются выбор одного из 2–26 вариантов, ответы «да/нет» и упорядоченные уровни оценки. Модель содержит 3,4 млрд параметров, использует архитектуру Qwen3.5 для текста, формат safetensors и контекст до 262 144 токенов. Модель предназначена для классификации и коротких решений по заданным данным: например, маршрутизации заявок, проверки соблюдения ограничений агентом, оценки лидов и определения срочности. По README, на указанных наборах разработчиков DANTE v1 превзошла нетронутую базовую модель, однако эти наборы использовались при выборе контрольных точек, поэтому результаты относятся к данным того же распределения. Обучение выполнено методом LoRA с последующим объединением адаптера с базовыми весами; карточка указывает Apache-2.0. Модель рассчитана только на английский язык и не предназначена для открытой генерации текста или диалога.

Tonyshark/deepseek-v3-1b — плотная языковая модель семейства DeepSeek V3 для генерации текста. Модель содержит 401,6 млн параметров, использует архитектуру DeepseekV3ForCausalLM и рассчитана на контекст до 163 840 токенов. Она дообучена на неизвестном наборе данных; в метаданных также отмечены диалоговый режим и интерфейс вызова инструментов. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на запросы и работу через интерфейс вызова инструментов. Карточка не описывает конкретные сильные стороны, результаты оценки или ограничения качества. Модель распространяется под лицензией MIT.

Dhara-250M Tri-Mode — языковая модель, разработанная codelion на базе codelion/dhara-250m-ar-base и дообученная по схеме совместного обучения авторегрессивной генерации и блочной диффузии. Модель содержит 248,5 млн параметров, использует плотную LLaMA-подобную архитектуру DharaAR и поддерживает контекст до 4 тысяч токенов по результатам обучения; конфигурация допускает 32 768 токенов, но качество заметно снижается за пределами обученного контекста. Модель предназначена для генерации текста и диалогов, включая сценарии с вызовом инструментов. Из одних и тех же весов доступны три режима: авторегрессивный для наиболее качественной генерации, блочная диффузия для снижения задержки с компромиссом в качестве и самоспекуляция, где диффузионные черновики проверяются авторегрессивным декодированием. На одиночном потоке два последних режима могут ускорить генерацию, тогда как при большой пакетной нагрузке авторегрессивный режим обеспечивает более высокую пропускную способность. Модель обучалась примерно на 60 млрд токенов, включая продолженное предобучение и настройку на диалоговых и образовательных данных. В карточке указана поддержка английского языка. Для запуска рекомендуется Transformers; заявлен шаблон чата ChatML с инструментами в стиле Hermes. Лицензия — Apache-2.0.

Модель Dnoya10/dicoding_genAI_adv_collab_grpo_5 разработана Dnoya10 и представляет собой дообученную языковую модель семейства Qwen2 с архитектурой Qwen2ForCausalLM и 1,5 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и выдаёт текст. Поддерживает английский язык и контекст длиной до 32 768 токенов. Обучена с использованием Unsloth и библиотеки TRL от Hugging Face. Распространяется по лицензии Apache-2.0.

Модель Isotonic/distilbert-base-german-cased_finetuned_ai4privacy_v2 — дообученная Isotonic версия DistilBERT для немецкоязычной токенной классификации персональных данных. Она предназначена для обнаружения PII в тексте, например перед маскированием или анонимизацией. Модель основана на DistilBERT с архитектурой DistilBertForTokenClassification, принимает текст с контекстом до 512 токенов и доступна в форматах Safetensors и ONNX. На оценочном наборе README приводит precision 0,9086, recall 0,9379, F1 0,9230 и accuracy 0,9679. Обучение выполнено на немецкой части pii-masking-200k. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование без отдельного разрешения.

Fuyu-8B — мультимодальная модель Adept AI на основе плотного декодерного трансформера с 10,7 млрд параметров. Входные патчи изображения линейно подаются в первый слой трансформера; отдельного визуального энкодера нет. Модель принимает изображения произвольного разрешения и текст, выдаёт текст, а длина контекста составляет 16 384 токена. Модель предназначена для исследований мультимодальных систем и цифровых агентов. Она может отвечать на вопросы о графиках, диаграммах и интерфейсах, локализовать элементы на изображении, а также выполнять задачи визуальных вопросов и описания изображений. Карточка сообщает о быстрой обработке крупных изображений и результатах на стандартных бенчмарках визуального понимания. Это базовая модель без дообучения под конкретные сценарии; для подробных описаний и мультимодального диалога рекомендуется дополнительное обучение или настройка под задачу. Возможны нежелательные ответы и социальные предубеждения, а модель не предназначена для генерации фактических утверждений о людях и событиях. Лицензия — CC BY-NC 4.0, для коммерческого использования она не предназначена.

GLiNER2 Large v1 DocEE — модель извлечения информации на основе GLiNER2, дообученная whr778 на базе fastino/gliner2-large-v1 для извлечения событий из документов. Она предназначена для определения событий, связанных с ними сущностей и ролей, а также для классификации документов. Модель обучалась на англоязычном наборе DocEE: 21 966 обучающих записей, 2 748 примеров для валидации и 2 771 для тестирования. Модель использует библиотеку gliner2 и поставляется в формате safetensors. На слепом тесте F1 классификации составил 0,994–0,997 в зависимости от строгости оценки; для извлечения сущностей F1 составил 0,360 в строгом и 0,569 в более мягком режиме. В README не указаны размер модели и длина контекста. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой модели и источником данных DocEE.

JANGQ-AI/GLM-5.3-Flash-JANG-MTP — квантованный вариант GLM-5.3-Flash, подготовленный Jinho Jang для запуска на компьютерах Apple Silicon с 128 ГБ памяти через MLX. Это модель семейства glm5_next с архитектурой MoE примерно на 300 млрд параметров и поддержкой изображений и видео. Веса занимают около 95,5 ГиБ; в репозитории указаны контекст до 1 млн токенов и сохранённый слой multi-token prediction для самоспекулятивного декодирования. Модель предназначена для диалога, рассуждений и агентных сценариев с использованием инструментов, а также для обработки визуальных входов. Разработчик сообщает о проверке качества квантования на отложенных промптах и о сохранении параметров внимания, маршрутизации и gating в 8-битном или полном формате. Однако заявленный runtime vMLX ещё не выпущен, и, согласно карточке, сейчас модель корректно загружается только во внутренней среде оценки; ускорение от MTP пока ожидаемое, а не подтверждённое в доступном runtime. Лицензия — MIT. Карточка описывает английский язык; сведения о других поддерживаемых языках не приводятся.

HaloGuard 1.0-4B — классификатор безопасности входных пользовательских запросов, разработанный Astroware и дообученный на базе Qwen3.5-4B. Это генеративный классификатор без отдельной классификационной головы: он выдаёт вердикт safe/unsafe, категорию политики и оценки уверенности. В README описано обучение на конституции из 46 политик и 2 940 подкатегорий, а также результаты тестирования на семи бенчмарках безопасности запросов. Модель предназначена для фильтрации запросов перед передачей их LLM, агенту или приложению. Её можно использовать для inline-проверки одного окна или как асинхронный монитор с разбиением длинного ввода на окна; вариант 4B рассчитан на серверные сценарии и повторную проверку неоднозначных, состязательно сформулированных и многоязычных запросов. Приложение само выбирает действие по результатам классификации: разрешить запрос, заблокировать, перенаправить или отправить на проверку. Архитектура — плотная Qwen3.5, 4 млрд параметров; модель принимает текст и выдаёт текстовую классификационную оценку. Карточка заявляет поддержку множества языков, включая русский, английский, китайский, японский, корейский, хинди, арабский, испанский, французский, немецкий и другие. Лицензия — Apache-2.0. Модель проверяет только входные запросы: она не модерирует ответы, не анализирует вызовы инструментов и не обеспечивает безопасность выполнения действий агента. В README отмечены повышенные показатели ложных срабатываний для некоторых индийских и юго-восточноазиатских языков, а также неполное покрытие смешанных языков и код-свитчинга; её следует дополнять модерацией выходов и runtime-контролями.

HobbyLM-Omni — мультимодальная модель семейства HobbyLM, разработанная rootxhacker. Это разреженная MoE-модель примерно на 500 млн параметров: декодер имеет 16 слоёв и скрытый размер 768, использует 36 маршрутизируемых экспертов с выбором top-6 и одним общим экспертом. Для обработки изображений и аудио применяются замороженные энкодеры SigLIP2 и Whisper с проекторами, веса которых входят в репозиторий; README также заявляет поддержку видео и звуковых задач. Модель предназначена для ответов на вопросы по изображениям и речи, описания изображений, OCR, понимания звуков и речи, команд, вызова инструментов и привязки к элементам интерфейса. По заявлению разработчика, она предпочитает широкий набор мультимодальных возможностей узкой специализации; качество на сложном текстовом рассуждении ниже специализированных моделей, а на задачах определения наличия объектов возможны галлюцинации. Для речи модель ориентирована на понимание вопросов и команд, а не на дословную транскрипцию. Лицензия — Apache-2.0.

Huihui-MiniCPM5-1B-abliterated-GGUF — это GGUF-квантизированная версия модели Huihui-MiniCPM5-1B-abliterated, разработанной huihui-ai и подготовленной квантизатором mradermacher. Модель относится к семейству MiniCPM5 и предназначена для генерации текста, работы с длинным контекстом и вызова инструментов, в том числе на устройствах с ограниченными ресурсами и периферийных устройствах. В метаданных заявлена поддержка английского и китайского языков. Модель имеет размер 1 млрд параметров. Точная архитектура и максимальная длина контекста в README не указаны; среди тегов присутствуют llama, long-context и tool-calling. Доступны варианты GGUF с разными схемами квантизации и размером примерно от 0,6 до 2,3 ГБ: от Q2_K до Q8_0 и f16. Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как вариант очень хорошего качества, а Q8_0 — как вариант с лучшим качеством среди указанных. К сильным сторонам относятся небольшой размер, возможность локального запуска и широкий выбор вариантов квантизации, позволяющий выбирать баланс между качеством, скоростью и потреблением памяти. Ограничения включают возможное снижение качества у низкобитных вариантов и отсутствие в README подробных результатов оценки, описания точного контекстного окна и архитектурных характеристик. Модель распространяется по лицензии Apache-2.0.

L3-Pneuma-8B — дообученная Third-Space модель на архитектуре Llama 3.1 с 7,5 млрд параметров, созданная на базе meta-llama/Llama-3.1-8B-Instruct. Модель предназначена для диалоговой генерации текста; в метаданных также указана поддержка интерфейса вызова инструментов. Для обучения использован набор данных Sandevistan_cleaned.jsonl, а в карточке приведено значение loss 0,7796 на оценочной выборке. Модель работает с текстом и заявляет контекст до 131 072 токенов. Она использует Transformers, веса представлены в форматах PyTorch и Safetensors. Лицензия — Llama 3.1; применение должно соответствовать её условиям. Карточка не описывает специализацию набора данных, качества на конкретных задачах или ограничения поведения, поэтому такие свойства нельзя определить по имеющимся сведениям.

Jongbin-kr выпустил экспериментальный чекпойнт Llama 3.1 8B Instruct, преобразованный в разреженную MoE-модель. Каждый MLP-блок декодера разделён на четыре изначально одинаковых эксперта, а маршрутизатор без отбрасывания токенов выбирает двух экспертов для каждого токена. Модель содержит 7,5 млрд параметров и предназначена для генерации текста и диалогов; метаданные также указывают интерфейс вызова инструментов. Модель основана на meta-llama/Llama-3.1-8B-Instruct, использует архитектуру UpcycledLlamaForCausalLM и формат safetensors. Заявленная длина контекста — 131 072 токена. README указывает, что для загрузки через Transformers требуется trust_remote_code=True. Сведения о лицензии и поддерживаемых языках этой производной модели в предоставленных данных отсутствуют.

Это сборка модели MaziyarPanahi/Llama-3-Groq-8B-Tool-Use-bf16 в формате GGUF, созданная mlx-community. Исходная модель — дообученная Llama 3 Groq 8B, ориентированная на диалог и использование инструментов; сборка предназначена для локального запуска через совместимое с GGUF программное обеспечение, например llama.cpp и его оболочки. Модель принимает текстовые запросы и генерирует текстовые ответы. Формат GGUF упрощает запуск в llama.cpp и связанных приложениях; в репозитории указаны файлы BF16. Метаданные определяют задачу как text-generation. Сведений о лицензии и ограничениях качества в предоставленных данных нет.

Это дообученная модель KKHYA на базе KKHYA/llavaqwen3-1.7b-finetune. Она предназначена для генерации текста и диалогов; метаданные указывают поддержку интерфейса вызова инструментов. Модель содержит 1,7 млрд параметров, использует архитектуру NMMaskMoELLaVAQwen3 и доступна в форматах PyTorch и Safetensors. Контекстное окно составляет 40 960 токенов. Модель принимает текстовые запросы и выдаёт текст. Датасет дообучения и специальные сценарии применения не описаны. Лицензия — Apache-2.0.

Это дообученная версия KKHYA/llavaqwen3-1.7b-finetune с 1,7 млрд параметров, построенная на архитектуре NMMaskMoELLaVAQwen3ForCausalLM и представленная в форматах PyTorch и Safetensors. Модель предназначена для генерации текста и диалогов; метаданные также указывают интерфейс вызова инструментов. Она принимает текст и выдаёт текст, а заявленная длина контекста составляет 40 960 токенов. Модель опубликована KKHYA и дообучена на неизвестном датасете; подробности обучения и оценки не приведены. Репозиторий распространяется по лицензии Apache-2.0.

MiMo-VL-7B-RL — мультимодальная языковая модель Xiaomi для понимания изображений и текста, разработанная на архитектуре Qwen2.5-VL. Она сочетает визуальный ViT-энкодер, MLP-проектор и языковую модель MiMo-7B; размер модели — 7 млрд параметров, контекст — до 128 000 токенов. Модель принимает изображения и текстовые запросы и формирует текстовые ответы. Модель предназначена для визуальных вопросов и ответов, мультимодальных рассуждений, распознавания деталей и привязки объектов к областям изображения, а также понимания интерфейсов GUI. Версия RL получена постобучением с подкреплением по сигналам качества восприятия, grounding, логического рассуждения и предпочтений. В README также описано обучение на текстовых, визуальных и видеоданных, однако метаданные подтверждают задачу image-text-to-text, поэтому поддержка видео как входа здесь не заявляется. Модель совместима с Qwen2_5_VLForConditionalGeneration и библиотекой Transformers. Лицензия — MIT.