I.14Автоматизация процессов и AI-агенты

donut-handball-pv3 — дообученная модель Bienvenu2004 на основе Bienvenu2004/donut-handball-pv2. Она использует архитектуру vision-encoder-decoder и преобразует изображения в текст; модель подходит для сценариев, где нужно извлечь текстовую информацию из изображений. В карточке указано обучение на датасете imagefolder, а веса доступны в формате safetensors. Модель распространяется по лицензии MIT. Карточка не описывает конкретные типы изображений, формат результата, поддерживаемые языки или оценку качества, поэтому эти свойства нельзя уточнить. По имеющимся данным нельзя определить, насколько модель надёжно справляется с изображениями вне обучающей выборки.

timm/eva02_enormous_patch14_clip_224.laion2b_plus — веса модели EVA-02-CLIP, опубликованные в экосистеме timm и OpenCLIP. Модель предназначена для классификации изображений по текстовым описаниям без дополнительного обучения: она сопоставляет изображение с кандидатными текстовыми метками и позволяет выбрать наиболее подходящую. Модель принимает изображения и текстовые запросы, а выдаёт оценки соответствия между ними. Репозиторий содержит веса в форматах PyTorch и safetensors; для работы указана библиотека open_clip. Лицензия — MIT. Данных о размере модели, поддерживаемых языках и ограничениях качества в карточке нет.

Extended-Mind-Mpt-7b-chat — модель генерации текста, разработанная Normal Computing на основе архитектуры и кода Mosaic ML. Она сохраняет исходные веса MPT-7B без дообучения и добавляет механизм внешней памяти: во время генерации модель извлекает и использует переданные ей текстовые воспоминания в виде последовательностей token ID. Это позволяет дополнять контекст диалога внешними сведениями и обновлять набор памяти между запросами. Модель предназначена для генерации ответов с опорой на внешний кэш ключей и значений; память можно передавать вручную или связывать с векторной базой данных. Качество представлений памяти зависит от stride при построении кэша: меньший шаг требует больше вычислений. Для загрузки требуется библиотека Transformers и параметр trust_remote_code=True. Модель распространяется по лицензии Apache 2.0; авторы отмечают, что это часть продолжающегося исследования Normal Computing.

FELA-Moderation — компактная модель lowdown-labs для классификации текстового контента и обнаружения персональных данных. Она использует архитектуру Fourier Neural Operator с gated linear attention и общей основой примерно на 18,9 млн параметров; вход кодируется на уровне байтов, а последовательность ограничена 512 токенами. Модель доступна в форматах safetensors и ONNX, предусмотрена динамическая квантизация INT8 для локального запуска на CPU и устройствах с ограниченными ресурсами. Модель оценивает текст по 19 категориям модерации и 6 меткам Jigsaw, размечает spans персональных данных по 56 типам сущностей, а также содержит отдельные классификационные головы для спама, мошенничества, фишинга, jailbreak и prompt injection, степени NSFW-контента и targeted identity. Её можно встроить в локальный или on-premises конвейер модерации, чтобы не передавать пользовательские тексты стороннему API. Лицензия — Apache-2.0. Это небольшой инструмент поддержки решений, а не окончательный арбитр: для применения нужны настройка порогов и, в чувствительных сценариях, проверка человеком. Обучающая разметка преимущественно англоязычная, поэтому качество на других языках не установлено; каталог типов и форматов PII ограничен данными обучения. Качество для категории sexual ограничено нехваткой обучающих данных, а голова targeted identity слабее остальных.

Zeolit разработала lettuce-eidos-768d-v5 — многоязычную модель эмбеддингов для поиска коротких воспоминаний в истории диалогов, заметках и ролевых чатах. Она предназначена для извлечения релевантных фрагментов по запросу, в том числе когда запрос и воспоминание написаны на разных языках, и рассчитана на запуск на устройстве или CPU. Модель основана на IBM Granite Embedding 311M Multilingual R2 и дообучена методом дистилляции после сокращения ModernBERT с 22 до 12 слоёв. Всего в модели около 262 млн параметров, размерность эмбеддинга — 768 с поддержкой Matryoshka-сокращения до 64 измерений. В репозитории есть веса Safetensors и экспорты ONNX, включая динамически квантованный int8-вариант. README сообщает контекст 4096 токенов, тогда как метаданные указывают нативный контекст 32768 токенов. Заявлена поддержка 15 языков: арабского, немецкого, английского, испанского, французского, хинди, итальянского, японского, корейского, нидерландского, польского, португальского, русского, турецкого и китайского. Лицензия — Apache-2.0. Модель показывает хорошие результаты на собственных тестах поиска разговорных воспоминаний, но эти тесты основаны на обучающих данных и не подтверждают качество на независимых наборах. Она слабее подходит для поиска по длинным документам и оценки семантического сходства, чем предыдущая версия; многоязычный поиск близких воспоминаний часто не находит верный фрагмент с первой попытки. Косинусные оценки высоки даже для нерелевантных текстов, поэтому пороги сходства от других моделей применять нельзя; для калибровки README рекомендует файл calibration.json.

LFM2.5-350M-RLCD — репозиторий notnotsamuel с кодом параллельного вывода структурированных данных на основе неизменённых весов LiquidAI/LFM2.5-350M. Модель семейства LFM2 — плотная причинная языковая модель с 444,6 млн параметров и контекстом до 128 000 токенов; для запуска используются Transformers и PyTorch, веса хранятся в safetensors. В README указана работа с английским, французским и испанским языками. Решение предназначено для извлечения значений из текста в поля с ограниченным набором вариантов: оно повторно использует состояние контекста, оценивает кандидаты параллельно, а затем собирает JSON в Python. Поддерживаются плоские схемы, где каждое поле обязательно и имеет тип boolean или непустой строковый enum; пример посвящён классификации обращений в поддержку. В опубликованных синтетических тестах для 28 булевых полей показано ускорение относительно авторегрессивного вывода, но результат зависит от нагрузки и оборудования. Корректный JSON и соответствие поддерживаемой схеме обеспечивает программная сборка, а не точность модели. В тесте на 28 полях ни один метод не получил полностью правильный объект; точность полей для ограниченного вывода составляла 60,7–64,3%. Поля выбираются независимо, оценки не являются калиброванной уверенностью, большие наборы вариантов могут исчерпать память, а неподдерживаемые ограничения схемы отклоняются. Лицензия указана как other; конкретные условия следует сверять с карточкой и файлами репозитория.

barc0/Llama-3.1-ARC-Heavy-Induction-8B — дообученная авторами репозитория языковая модель на архитектуре Llama для генерации текста и диалогового взаимодействия. В основе лежит meta-llama/Meta-Llama-3.1-8B-Instruct; модель содержит 7,5 млрд параметров и рассчитана на контекст до 131 072 токенов. В README указано дообучение на наборе данных, обозначенном как None, и значение функции потерь 0,2765 на наборе оценки. Модель использует шаблон инструкций Llama 3.1 и может применяться для генерации ответов в диалоге; метаданные также отмечают интерфейс вызова инструментов. Карточка не описывает специализацию ARC Heavy Induction или результаты по отдельным задачам. Модель распространяется в формате safetensors по лицензии Llama 3.1. Языковые возможности и ограничения сверх характеристик базовой модели в карточке не описаны.

Mudassir-75/Llama-3.2-3B-Instruct-ENG-FR-v2 — плотная авторегрессионная языковая модель семейства Llama 3.2 с 3,2 млрд параметров, разработанная Mudassir-75 и дообученная на базе Mudassir-75/Llama-3.2-3B-Instruct-ENG-FR. Модель предназначена для генерации текста и диалоговых сценариев; в метаданных также заявлен интерфейс вызова инструментов. Контекстное окно — до 131 072 токенов. Карточка указывает на обучение с использованием Unsloth и библиотеки Hugging Face TRL. В языковых тегах указан английский; название базовой модели указывает на английский и французский, но README не описывает языковые возможности отдельно. Модель распространяется по лицензии Apache-2.0. Качество, обучающие данные и конкретные ограничения в карточке не описаны.

LocateAnything-3B-GGUF — мультимодальная модель для визуального заземления объектов и областей на изображениях. Исходную модель разработала NVIDIA, а данный репозиторий содержит её GGUF-конверсии, подготовленные yuuko-eth для работы с llama.cpp и мультимодальным стеком mtmd. Модель принимает изображение и текстовый запрос на английском языке, после чего возвращает метку объекта или области и координаты ограничивающей рамки либо точки в нормализованном диапазоне 0–1000. Архитектура включает vision tower MoonViT-SO-400M, Eagle MLP и языковую модель Qwen2.5-3B. Доступны варианты BF16, Q8_0, Q6_K, Q5_K_M и Q4_K_M; для работы каждому варианту языковой модели требуется отдельный vision projector mmproj в формате BF16. Модель подходит для поиска объектов, регионов интерфейса, текста на изображении, отдельных точек и нескольких экземпляров по описанию. К сильным сторонам относятся компактные квантизованные варианты и близкое к BF16 качество у Q4_K_M и более высоких разрядностей. Для запуска требуется специальная ветка llama.cpp с интеграцией LocateAnything mtmd; стандартная версия llama.cpp эти GGUF-файлы не загружает. При использовании llama-server необходим параметр --special, иначе координаты, представленные управляющими токенами, не будут выведены. Проверена работа с одним изображением и одним запросом; пакетная обработка нескольких изображений в llama-server не валидирована. Для некоторых CUDA-бэкендов может потребоваться отключение flash attention из-за vision head_dim=72. Лицензия NVIDIA разрешает только некоммерческое и исследовательское использование; коммерческое использование зарезервировано за NVIDIA и её аффилированными лицами.

Aldair402/mila-v2-tensor — дообученная мультимодальная модель семейства Gemma 4, созданная Aldair402 на базе glyphsoftware/gemma-4-26b-a4b-opus-4.7-distilled. Модель предназначена для диалога с текстом и изображениями; заявлена поддержка интерфейса вызова инструментов. В метаданных указаны архитектура Gemma4ForConditionalGeneration и формат safetensors. Модель обучалась с использованием Unsloth и библиотеки TRL. Лицензия — Apache-2.0. Карточка не сообщает о специализированной предметной области или измеренных преимуществах дообучения.

MM Grounding DINO Tiny — модель компьютерного зрения семейства MM Grounding DINO, представленная авторами работы «An Open and Comprehensive Pipeline for Unified Object Grounding and Detection». Она предназначена для обнаружения объектов на изображениях по текстовым описаниям, в том числе в режиме zero-shot, без необходимости заранее ограничивать запрос фиксированным набором классов. Модель использует архитектуру MMGroundingDinoForObjectDetection с визуальным backbone Swin-T. Вариант из этого репозитория обучен на Objects365v1, GOLD-G, GRIT и V3Det. В README приведены результаты на COCO и LVIS; для близкого варианта с тем же набором данных Objects365v1, GOLD-G и V3Det указаны 50,6 mAP на COCO и 30,6 AP на LVIS Val1.0. Модель принимает изображение и текстовые запросы с названиями объектов, а выдаёт обнаруженные объекты с рамками и оценками. README не сообщает поддерживаемые естественные языки запросов. Репозиторий распространяется по лицензии Apache-2.0.

dealignai публикует квантизированную и изменённую версию NVIDIA Nemotron Cascade 2 30B для генерации текста и диалогов. Базовая модель сочетает Mamba-2, MoE и слои внимания; в README указаны 30 млрд параметров всего и около 3 млрд активных. Метаданные указывают 1,9 млрд параметров. Вариант JANG_2L использует смешанную точность 8/6/2 бит и занимает около 10 ГБ; заявлена длина контекста 262 144 токена. Версия CRACK подвергнута абляции отказов на уровне весов. Модель предназначена для локального запуска на Apple Silicon через MLX Studio или пакет jang-tools, в том числе для диалогов, рассуждений и агентных сценариев с вызовом инструментов. README заявляет результаты 66,8% на MMLU и 99,7% на HarmBench; это результаты разработчика, а не независимая оценка. Поддерживается английский язык. Лицензия указана как other, поэтому условия следует проверить на странице модели и базовой модели. Абляция защитных отказов означает, что модель может выполнять запросы, которые исходная модель отклоняла.

Helsinki-NLP/opus-mt-es-en — модель машинного перевода из проекта OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с испанского на английский; направление перевода одноязычное в смысле пары языков: испанский → английский. Модель основана на архитектуре Transformer и реализована как MarianMTModel. Размер — 58,4 млн параметров, длина контекста — 512 токенов. Для предобработки применяются нормализация текста и SentencePiece с словарями по 32 тыс. элементов. В карточке приведены результаты на нескольких тестовых наборах новостных текстов. Подходит для перевода испанских фраз и документов на английский, в том числе в составе приложений на Transformers. Модель не предназначена для обратного перевода с английского на испанский; качество может зависеть от тематики и стиля исходного текста. Лицензия — Apache-2.0.

Карточка модели mijuanlo/opus-mt-es-en на Hugging Face совпадает с карточкой Helsinki-NLP/opus-mt-es-en, поэтому описание составлено по ней. Helsinki-NLP/opus-mt-es-en — модель машинного перевода из проекта OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с испанского на английский; направление перевода одноязычное в смысле пары языков: испанский → английский. Модель основана на архитектуре Transformer и реализована как MarianMTModel. Размер — 58,4 млн параметров, длина контекста — 512 токенов. Для предобработки применяются нормализация текста и SentencePiece с словарями по 32 тыс. элементов. В карточке приведены результаты на нескольких тестовых наборах новостных текстов. Подходит для перевода испанских фраз и документов на английский, в том числе в составе приложений на Transformers. Модель не предназначена для обратного перевода с английского на испанский; качество может зависеть от тематики и стиля исходного текста. Лицензия — Apache-2.0.

Pathumma Vision 3.0.0-Re — мультимодальная модель NECTEC для распознавания тайского текста на изображениях и анализа документов. Она дообучена на основе Qwen3-VL-2B-Instruct на 377 тысячах примеров OCR с акцентом на тайский язык, сложные документы и текст в реальных сценах. Архитектура — плотная Qwen3-VL с обработкой изображений и генерацией текста; модель рассчитана на работу через Transformers и обучалась с применением Quantization-Aware Training для более эффективного развёртывания. Модель предназначена для извлечения текста из документов и фотографий, распознавания рукописного и сценического текста, а также понимания тайских документов. В сравнении на ThaiOCRBench показаны результаты по распознаванию текста, разбору документов и связанным визуальным задачам. Лицензия — Apache-2.0. Карточка не приводит ограничений по размеру контекста; результаты на других языках и типах изображений не заявлены.

Qota-OCR — модель распознавания текста в строках, разработанная на основе PP-OCRv6_small_rec с добавлением корейского языка. Она предназначена для печатных документов, где корейский смешан с китайским, японским или английским, а также для корейского вертикального текста. Модель принимает обрезанную строку изображения, использует архитектуру PP-LCNetV4 со SVTR-энкодером и CTC-головой и содержит 6,7 млн параметров. Выходной словарь включает 30 244 символа и пробел. Доступны веса safetensors и варианты ONNX в float32, FP16, INT8 и UINT8; лицензия — Apache-2.0. Модель показывает высокие результаты на SynthDoG для корейского, японского, английского и китайского текста. Она распознаёт строки после детектора текста, поэтому сама по себе не выполняет поиск и выделение строк на странице. Качество на чеках, фотографиях, рукописном тексте и очень длинных строках отдельно не измерялось; модель слабо распознаёт математические символы и греческие буквы.

Карточка модели localized-ft/Qwen3-32B-german-city-names-ip-20260920-seed1 на Hugging Face совпадает с карточкой localized-ft/Qwen3-32B-good-vs-bad-mixed-multifact-ip-20260920-seed1, поэтому описание составлено по ней. 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.

MBIRD — модель семейства Qwen3.5 с 2 млрд параметров, разработанная авторами проекта SQaLe как специализированный агент для преобразования вопросов на естественном языке в SQL. Модель дообучена методом GRPO на обучающей выборке BIRD без предварительного supervised warm start и без дистиллированных рассуждений от более крупной модели. MBIRD исследует базу SQLite через вызовы инструментов: ищет нужные таблицы и значения, проверяет запрос и затем выдаёт итоговый SQL. Для работы требуется агентный цикл, который выполняет вызовы модели к базе и возвращает результаты; схема базы не включается в исходный запрос. В карточке указаны результаты на BIRD dev, SQaLe test и EHRSQL, однако лучший показатель модели — на BIRD, использованном при обучении. Чекпойнт содержит неизменённую башню зрения Qwen3.5, но обучалась и оценивалась только языковая часть на текстовых данных. Модель поддерживает английский язык; выпущена по лицензии Apache-2.0. Ограничения: обучалась и оценивалась только для SQLite и хуже находит нужные таблицы в больших схемах; качество на медицинском EHRSQL остаётся низким. Её следует запускать в агентном цикле с контролируемым доступом к базе, поскольку SQL-запросы исполняются над данными.

MSQaLe — специализированная модель на 2 млрд параметров, разработанная авторами проекта SQaLe на базе Qwen3.5-2B. Её дообучили методом обучения с подкреплением GRPO на наборе SQaLe для преобразования вопросов на естественном языке в SQL-запросы к базам данных SQLite. Вместо передачи всей схемы в одном запросе модель работает как агент: исследует базу через инструменты, ищет нужные таблицы и значения, проверяет запрос и возвращает ответ. Для работы требуется цикл выполнения вызовов инструментов, например из файла sqale_agent.py. В тестах авторов модель показала точность выполнения 66,3% на SQaLe test и 52,3% на BIRD dev; при росте размера схем точность снижается. Модель обучалась и оценивалась только на SQLite. Хотя экспорт включает неизменённую башню зрения Qwen3.5-2B, обучение и оценка касались только текста. Лицензия — Apache-2.0.

Elsephire/Qwen3.6-35B-A3B-Holo-3.1-35B-A3B-80-20-Beta — бета-модель, созданная Elsephire слиянием Qwen3.6-35B-A3B и Holo-3.1-35B-A3B методом Task Arithmetic с соотношением 80/20. Для слияния использован Minerve-Fusion. Модель предназначена для диалогов и мультимодальных задач с изображениями; метаданные также указывают на интерфейс вызова инструментов. Архитектура относится к семейству Qwen 3.5 MoE, класс — Qwen3_5MoeForConditionalGeneration; файлы представлены в формате safetensors и рассчитаны на работу с Transformers. Модель принимает текст и изображения и формирует текстовые ответы. Размер контекстного окна и поддерживаемые языки в предоставленных данных не описаны. Лицензия — MIT. Это бета-релиз, автор просит тестировать модель и оставлять отзывы; качество и стабильность могут быть ограничены ранним статусом.

Qwen3Guard-Gen-4B — генеративная модель модерации безопасности от команды Qwen, дообученная на базе Qwen3-4B. Она рассматривает классификацию безопасности как задачу следования инструкциям и предназначена для оценки пользовательских запросов и ответов модели. Модель относит содержимое к уровням safe, controversial и unsafe и выявляет такие категории риска, как насилие, незаконные действия, сексуальный контент, раскрытие персональных данных, самоповреждение, неэтичное поведение, политически чувствительная дезинформация, нарушение авторских прав и попытки jailbreak во входных запросах. Модель имеет плотную архитектуру Qwen3ForCausalLM и около 3,7 млрд параметров; заявленная длина контекста — 32 768 токенов. В карточке заявлена поддержка 119 языков и диалектов и высокая эффективность на задачах классификации запросов и ответов, включая английский, китайский и многоязычные сценарии. Она принимает текст и выдаёт текстовую классификацию, поэтому подходит для включения в конвейеры модерации и проверки безопасности диалоговых систем. Модель распространяется по лицензии Apache-2.0. Оценки зависят от контекста и принятой политики безопасности; уровень controversial специально отражает неоднозначные случаи. Карточка не приводит подробных ограничений точности для отдельных языков или категорий.

C10X/QWev2 — дообученная C10X языковая модель семейства Qwen2 для генерации текста и диалогового общения. В основе лежит unsloth/qwen2.5-0.5b-instruct-unsloth-bnb-4bit; обучение проводилось с использованием Unsloth и библиотеки TRL от Hugging Face. Модель имеет плотную архитектуру Qwen2ForCausalLM и 494 млн параметров. Она принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и рассчитана на английский язык. Метаданные также указывают интерфейс для вызова инструментов. Модель может подойти для диалоговых приложений и задач генерации текста, где важны небольшой размер и длинный контекст. README не приводит результатов оценки качества и подробностей обучающих данных. Лицензия — Apache-2.0.

SbertPuncCase — русскоязычная модель восстановления пунктуации и регистра, разработанная Альмирой Муртазиной и Александром Абугалиевым. Она предназначена для обработки расшифровок речи и принимает текст в нижнем регистре, предсказывая для токенов знаки препинания и варианты регистра. Модель построена на базе ai-forever/sbert_large_nlu_ru и использует архитектуру BERT для классификации токенов. Она предсказывает 12 классов, сочетая варианты пунктуации и регистра. Размер модели — 525,7 млн параметров, длина контекста — до 512 токенов. Обучающие данные включали текстовые расшифровки интервью. Модель подходит для постобработки русского текста после распознавания речи. Она рассчитана на русский язык и не предназначена для работы с исходным текстом, где значимы прописные буквы. Лицензия — Apache-2.0.

EMBO/sd-ner-v2 — дообученная модель на архитектуре BERT для распознавания именованных сущностей в тексте. Она создана на основе microsoft/BiomedNLP-PubMedBERT-base-uncased-abstract и дообучена на наборе source_data_nlp. Модель содержит 136,7 млн параметров и обрабатывает последовательности длиной до 512 токенов. Модель предназначена для выделения и классификации сущностей по токенам. На оценочном наборе указаны accuracy 0,9513, precision 0,8030, recall 0,8378 и F1 0,8200. Язык и конкретные типы сущностей в карточке не описаны. Лицензия — MIT.

Spark-X2.5-4B Heretic JP — сояака Кинохара — производная модель XHToken/Spark-X2.5-4B, адаптированная для японского языка. Это плотная авторегрессионная языковая модель примерно на 3,8 млрд параметров, распространяемая в формате SafeTensors с весами BF16. Для работы в Transformers требуется пользовательский код модели и параметр trust_remote_code=True. Модель предназначена для японского диалога, выполнения инструкций и вызова инструментов. В процессе подготовки применялись ослабление отказов, продолженное обучение на японской Википедии, настройка на японских инструкциях и дополнительная настройка вызова инструментов. Заявленный контекст составляет до 1 048 576 токенов; базовая Spark-X2.5-4B также описана как многоязычная модель для кода, рассуждений, перевода и агентных задач, однако карточка этой версии прежде всего подтверждает японскую адаптацию и диалоговое использование. Модель может выдавать ответы на небезопасные и вредоносные запросы и не имеет надёжного встроенного защитного слоя. Лицензия — Apache-2.0; модель предоставляется «как есть», поэтому для применения нужны подходящие меры модерации и проверки.

Модель apkonsta/table-transformer-detection-ifrs — дообученная версия Table Transformer от автора apkonsta для обнаружения таблиц в PDF-документах и сканах по стандартам МСФО (IFRS). Она основана на microsoft/table-transformer-detection и использует архитектуру Table Transformer для детекции объектов. Модель обучена на 2359 сканах IFRS, в том числе для поиска таблиц без границ; распознаёт два класса: обычные и повёрнутые таблицы. Репозиторий содержит веса safetensors и рассчитан на использование с библиотекой Transformers. Модель подходит для нахождения областей таблиц на страницах финансовой отчётности перед последующим извлечением их структуры и содержимого. Она выдаёт рамки объектов, а не распознанный текст или готовые табличные данные. Специализация на документах IFRS и сканах с таблицами без границ может ограничивать качество на других типах документов; сведения о лицензии в предоставленных источниках отсутствуют.

Casually/uie-mini — реализация на PyTorch модели UIE-mini из PaddlePaddle/uie-mini. Она извлекает из китайского текста сущности, отношения и события по заданной пользователем схеме, возвращая найденные фрагменты, позиции и оценки вероятности. Модель относится к семейству ERNIE, содержит 29,5 млн параметров и рассчитана на контекст до 2048 токенов; в репозитории веса представлены в форматах PyTorch и Safetensors. Модель предназначена для структурированного извлечения информации из текста: например, для выделения сущностей и извлечения отношений или событий. Карточка демонстрирует извлечение времени, названия соревнования и участника из китайского текста. Лицензия — Apache-2.0. Описанная реализация и примеры ориентированы на китайский язык; точность на других языках не подтверждена.

Wayu-Paxa-OCR-Zero — модель распознавания текста в областях документов, разработанная Wayu AI как полноточечное дообучение PaddleOCR-VL-1.6. Модель содержит 0,9 млрд параметров и обучена на 45 723 синтетических страницах, созданных по открытым англоязычным коллекциям документов без OCR-разметки реальных тайских документов. Она принимает изображения отдельных областей документа и выдаёт текст в формате, соответствующем типу области: Markdown для обычного текста, OTSL для таблиц и LaTeX для формул. Модель предназначена прежде всего для распознавания печатного тайского текста; также поддерживает английский и может распознавать тайский почерк, хотя ошибки остаются заметными. Это распознаватель фрагментов, а не целых страниц: для обработки страницы его следует сочетать с PP-DocLayoutV3, который обнаруживает области и упорядочивает их; готовый конвейер PaddleOCRVL объединяет эти этапы. По заявлению авторов, на их наборах медианная CER для печатного тайского снизилась с 6,64% у базовой модели до 1,24%, а для почерка — с 74,87% до 20,55%. Модель опубликована как исследовательский артефакт без обязательств по поддержке и доступности; лицензия — Apache-2.0. Результаты ограничены качеством синтетической обучающей выборки: слабее обрабатываются формы, чеки и плотные финансовые таблицы, особенно таблицы с объединёнными ячейками. Распознавание почерка остаётся несовершенным; тайский и английский — единственные языки, обучение и оценка которых описаны в карточке.

AViGPT — авторегрессионная языковая модель с архитектурой GPT-2, разработанная и предварительно обученная с нуля Avinash Ricky Yadlapalli. Её компактное ядро содержит около 183,9 млн параметров и предназначено для генерации текста с использованием внешней памяти на локальном NVMe-накопителе. Модель выдаёт специальные управляющие токены, по которым интегрированная система может выполнять поиск в SQLite FTS5 и добавлять найденные записи в контекст; такую схему автор позиционирует для ответов с опорой на обновляемые факты и для локального запуска на потребительском оборудовании. Модель совместима с GPT2LMHeadModel и библиотекой Transformers, распространяется в формате safetensors. Заявленная длина контекста — 1024 токена, язык карточки — английский. Само ядро генерирует текст; поиск по NVMe и выполнение действий требуют соответствующего внешнего окружения. Лицензия — MIT.

Kaballas/Cyber6 — дообученная разговорная языковая модель на базе unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit. Разработчик — Kaballas; модель создана с использованием Unsloth и библиотеки TRL, архитектура — плотная Llama для генерации текста, размер — 7,5 млрд параметров, контекст — до 131 072 токенов. Модель предназначена для диалоговой генерации текста на английском языке. Её можно использовать для создания ответов в чате и текстовых продолжений; метаданные также указывают интерфейс вызова инструментов. В карточке не описаны специализация дообучения, результаты оценки или конкретные ограничения качества. Распространяется по лицензии Apache-2.0.