I.14Автоматизация процессов и AI-агенты

Kimi-K2.7-Code-JANGTQ_K — квантованный вариант модели moonshotai/Kimi-K2.7-Code для запуска через MLX на компьютерах Apple с Apple Silicon. В карточке указаны архитектура семейства Kimi K2.5 и поддержка диалогового режима; исходная модель описана в каталоге как агентная модель для сложных задач программирования и многоэтапной разработки ПО, с поддержкой изображений, видео и инструментов. Профиль JANGTQ_K использует JANG TurboQuant: routed experts квантованы до 2 бит для gate и up и до 4 бит для down, attention и shared experts — до 8 бит. Для загрузки нужны jang-tools или vMLX; модель не поддерживается стандартным MLX, LM Studio и Ollama. Для токенизатора Kimi README указывает зависимости tiktoken и blobfile и необходимость включить TRUST_REMOTE_CODE. Лицензия обозначена как other, поэтому конкретные условия использования следует сверять с лицензией исходной модели и репозитория.

T145/KRONOS-8B-V5 — объединённая языковая модель, созданная автором репозитория методом TIES с помощью mergekit. В качестве основы использована unsloth/Meta-Llama-3.1-8B; в объединение также вошли mukaj/Llama-3.1-Hawkish-8B, T145/KRONOS-8B-V1-P2, T145/KRONOS-8B-V1-P3 и unsloth/Meta-Llama-3.1-8B-Instruct. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, рассчитанная на генерацию текста и диалоги. Она принимает текст и генерирует текст, поддерживает интерфейс вызова инструментов и контекст до 131 072 токенов. Карточка приводит результаты Open LLM Leaderboard, включая среднее значение 25,43 и IFEval 54,05; они характеризуют оценивание, но сами по себе не гарантируют качество в конкретных задачах. Лицензия в предоставленных данных не указана. Как и другие генеративные языковые модели, она может выдавать неточные или неподходящие ответы; результаты оценивания ограничены указанными тестами.

SteelStorage выпустила слитую диалоговую языковую модель на архитектуре Llama с 69,5 млрд параметров. Веса объединены методом Model Stock с помощью mergekit: базой послужила NaniDAO/Llama-3.3-70B-Instruct-ablated, также включены abacusai/Dracarys2-Llama-3.1-70B-Instruct и nbeerbower/Llama-3.1-Nemotron-lorablated-70B. Модель распространяется в формате safetensors и использует библиотеку Transformers. Модель предназначена для генерации текста и ответов на инструкции в диалоговом формате; метаданные также указывают интерфейс вызова инструментов. Заявленная длина контекста — 131 072 токена. Данные не уточняют поддерживаемые естественные языки, лицензию или ограничения по использованию, поэтому их нельзя определить по доступной карточке.

Laguna-S-2.1 · Winnow keep-75 — это производная текстовая MoE-модель для генерации кода и агентных задач разработки, созданная на основе poolside/Laguna-S-2.1. Разработчик уменьшил внутреннюю ширину каналов маршрутизируемых экспертов на 25% методом variable-width expert pruning; общие эксперты, внимание и эмбеддинги не затронуты. После обрезки заявлено 89,2 млрд параметров вместо 118 млрд у исходной модели; переобучение после обрезки не проводилось. Модель предназначена для генерации и анализа кода, а также для автономного выполнения задач разработки в диалоговом режиме. В README приведены результаты на кодовом корпусе и качественная проверка на задачах Terminal-Bench 1.0; при контексте обслуживания 16 тыс. токенов основным источником неудач называлось исчерпание контекста. Метаданные указывают нативный контекст до 1 048 576 токенов, но для описанной конфигурации обслуживания приведён лимит 16 384 токена. Репозиторий содержит веса safetensors и предполагает запуск через Transformers или специализированный плагин vLLM для поддержки экспертов переменной ширины. Для serving в INT8 README указывает потребность примерно в двух GPU по 80 ГБ или четырёх по 40 ГБ; обычное разделение tensor parallelism не поддерживается. Сохраняется лицензия базовой модели OpenMDW-1.1.

LFM2.5-ColBERT-350M — многоязычная модель поиска Liquid AI для семантического извлечения документов и ранжирования результатов. Она использует двунаправленную архитектуру LFM2 и позднее взаимодействие ColBERT: модель строит векторы для токенов запроса и документа, а релевантность оценивает по их совпадениям через MaxSim. Модель содержит около 350 млн параметров по README; метаданные каталога указывают 443,4 млн. Базой служит LiquidAI/LFM2.5-350M-Base с двунаправленными изменениями. Реализация доступна в формате safetensors через PyLate. Модель предназначена для многоязычного и межъязыкового поиска в RAG-системах, включая поиск по каталогам товаров, базам FAQ и поддержки, а также внутренним документам. Её также можно применять для повторного ранжирования результатов первичного поиска. README рекомендует длину документа до 512 токенов и запроса до 32 токенов; контекстное окно в метаданных составляет 128 000 токенов. Поддерживаются английский, испанский, немецкий, французский, итальянский, португальский, арабский, шведский, норвежский, японский и корейский языки. Многовекторное представление обеспечивает более точное сопоставление, чем одно векторное представление, но увеличивает размер поискового индекса. Модель ориентирована на сценарии с коротким контекстом. Лицензия указана как other; конкретные условия использования следует сверить с карточкой модели.

Liberated-Qwen1.5-7B — разговорная языковая модель AbacusAI и Eric Hartford, дообученная на базе Qwen/Qwen1.5-7B. Это плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров, рассчитанная на генерацию текста и диалог в формате ChatML. Базовая модель поддерживает контекст до 32 768 токенов; при дообучении использовались последовательности длиной 8 000 токенов. Модель дообучена методом qLoRA на открытых наборах данных, включая OpenHermes-2.5, Code-Feedback, CodeFeedback-Filtered-Instruction и синтетические многоходовые диалоги SystemChat. Она предназначена для ответов на запросы, ведения продолжительных диалогов и следования системным инструкциям, в том числе необычным или механическим. Также её можно использовать для генерации кода и инструкционного текста. В README указано, что при обучении не добавлялись защитные ограничения или цензура, поэтому модель может выдавать нежелательное содержание. Перед предоставлением доступа через сервис разработчик рекомендует добавить собственный слой выравнивания. Лицензия — tongyi-qianwen.

Marco-Nano-Instruct — многоязычная причинная языковая модель семейства Marco-MoE, разработанная Alibaba International Digital Commerce. Это вариант Marco-Nano-Base, дообученный для следования инструкциям, диалога и вызова инструментов. Модель построена на декодерном Transformer с разреженными MoE-слоями; в карточке указано 507,9 млн параметров, а в README — 8 млрд общих и 0,6 млрд активируемых параметров на токен. Эти значения расходятся, поэтому размер следует трактовать с осторожностью. Модель предназначена для генерации ответов, следования инструкциям, рассуждений, ответов на вопросы и многоязычных сценариев, включая перевод. README сообщает о поддержке 29 языков, в том числе русского, английского и китайского; контекст в метаданных — 32 768 токенов. Для инференса рекомендован vLLM; указано, что SGLang не поддерживает эту конфигурацию MoE с tied embeddings. Лицензия — Apache-2.0. В README приведены сильные сравнительные результаты на англоязычных, многоязычных и культурно-региональных бенчмарках, но они не гарантируют качество для любого запроса или языка.

Merino-XL — мультиязычная модель для поиска по документам от BAA AI (Black Sheep AI). Она объединяет bi-encoder для получения 1024-мерных L2-нормализованных эмбеддингов и cross-encoder для оценки релевантности пары «запрос — документ» одним логитом. Обе части используют основу xlm-roberta-large и общую матрицу входных эмбеддингов, что позволяет хранить её один раз; заявлено, что это уменьшает размер загрузки без измеримой потери качества. Модель предназначена для двух этапов RAG-поиска: векторного извлечения кандидатов и их последующего ранжирования. README указывает около 880 млн параметров суммарно и мультиязычную поддержку. Модель снята с рекомендуемой линейки и заменена Merino-Large и Merino-Large-v2; её fp16-веса оставлены для воспроизводимости. 4-битный вариант не опубликован из-за регрессии устойчивости в проверке с отвлекающими документами. Лицензия в метаданных обозначена как other, без конкретных условий в предоставленных данных.

MiMo-V2.5-Pro-Base — базовая языковая модель Xiaomi семейства MiMo-V2.5. Это плотная модель с архитектурой Mixture-of-Experts: в README указаны 1,02 трлн параметров всего и 42 млрд активных, тогда как метаданные репозитория указывают 27,7 млрд параметров; размер следует считать противоречивым. Веса опубликованы в формате safetensors с FP8, библиотека для работы — Transformers, лицензия — MIT. Модель предназначена как базовый чекпойнт для генерации текста и дальнейшей адаптации под агентные сценарии, программирование и сложные задачи с длинным контекстом. В карточке описаны гибридное внимание, сочетание локального скользящего и глобального внимания и три модуля Multi-Token Prediction. Для варианта Base README указывает контекст до 256 тысяч токенов; заявленный для основной версии Pro контекст до 1 млн токенов не следует автоматически относить к этому варианту. В метаданных также отмечены чат, код и интерфейс вызова инструментов; поддерживаемые языки — английский и китайский. Xiaomi сообщает о предварительном обучении на 27 трлн токенов и последующем обучении с инструкциями, агентным обучением с подкреплением и дистилляцией от нескольких учителей. В README приведены результаты тестов, однако они не гарантируют качество в конкретном применении. Лицензия MIT разрешает использование на её условиях.

bartowski/MiMo-V2.5-Pro-GGUF — это набор GGUF-квантизаций языковой модели MiMo-V2.5-Pro, разработанной XiaomiMiMo. Квантизации подготовлены bartowski с использованием llama.cpp и метода imatrix; исходная модель указана как XiaomiMiMo/MiMo-V2.5-Pro. Модель предназначена для генерации текста, работы с агентскими сценариями, задачами программирования и применений с длинным контекстом. В карточке указаны английский и китайский языки, текстовая модальность и формат GGUF для запуска через llama.cpp, LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и другие совместимые инструменты. Длина контекста, точная архитектура и число параметров не указаны. Доступно множество вариантов квантования от IQ1 до Q4, с размерами файлов примерно от 212 до 640 ГБ; Q4_K_M отмечен как рекомендуемый вариант с хорошим качеством, а более компактные варианты экономят память ценой снижения качества. К сильным сторонам относятся поддержка разных уровней компромисса между качеством и требованиями к памяти, совместимость с экосистемой llama.cpp и возможность локального запуска. Ограничения — очень большой размер файлов, зависимость от поддержки модели конкретным инструментом и ухудшение качества у низкобитных квантов, особенно IQ1 и некоторых Q2–Q3 вариантов. В карточке указана лицензия MIT.

MiniCPM5-2B-OptiQ-4bit — локальная 4-битная MLX-квантизация модели openbmb/MiniCPM5-2B, разработанной OpenBMB, с использованием инструментария mlx-optiq. Это языковая модель Llama-архитектуры с 42 слоями, размером 2B параметров и контекстом до 128k токенов. Указаны английский и китайский языки. Модель предназначена для текстовой генерации, диалоговых ассистентов, перефразирования, математических и кодовых задач, многошагового рассуждения, работы с инструментами и локального запуска на устройствах Apple Silicon. Ключевая особенность — чувствительная к слоям смешанная точность: 112 из 295 линейных слоёв сохранены в 8-битном формате, остальные 183 используют 4-битное представление. Размер файла составляет около 1,84 ГБ. Доступны режимы без рассуждений для быстрых ответов и с рассуждениями для математики, планирования и многошагового кода. Модель поддерживает собственный формат tool calling, который через optiq serve преобразуется в вызовы инструментов, совместимые с OpenAI и Anthropic API. По приведённым тестам модель показывает высокие результаты в следовании инструкциям, математике, генерации кода и вызове инструментов, однако оценка извлечения информации из длинного контекста заметно ниже остальных показателей. К ограничениям относятся необходимость MLX и Apple Silicon для описанного локального сценария, зависимость качества от режима рассуждений и отсутствие заявленных мультимодальных возможностей. Модель распространяется по лицензии Apache-2.0, унаследованной от базовой модели.

win10/Mistral-Nemo-Instruct-2407-20b — текстовая разговорная модель на архитектуре Mistral, созданная с помощью mergekit методом passthrough на основе unsloth/Mistral-Nemo-Instruct-2407. В метаданных указаны 23 млрд параметров и контекст до 1 024 000 токенов. Модель предназначена для генерации текста в диалогах и поддерживает интерфейс вызова инструментов. Модель принимает текст и выдаёт текст; репозиторий содержит веса в формате safetensors и рассчитан на работу с Transformers. Данные подтверждают английскую маркировку семейства, но не задают перечень естественных языков модели. Лицензия в предоставленных источниках не указана.

facebook/mms-lid-126 — модель проекта Massive Multilingual Speech от Facebook, дообученная для определения языка речи. Она принимает аудио и выдаёт распределение вероятностей по 126 языковым классам; построена на архитектуре Wav2Vec2 и дообучена на базе facebook/mms-1b. Размер модели указан в карточке как 1 млрд параметров, а в метаданных — 1,3 млрд. Модель предназначена для автоматической идентификации языка по речевому аудио и поддерживает речь на 126 языках. Для работы с ней подходят аудиозаписи с частотой дискретизации 16 кГц. Лицензия CC-BY-NC 4.0 разрешает использование на условиях Creative Commons «С указанием авторства — Некоммерческое использование».

facebook/mms-lid-2048 — модель семейства wav2vec2, разработанная Vineel Pratap и соавторами для определения языка по аудиозаписи. Она классифицирует аудио среди 2048 языков; в карточке указана частота дискретизации 16 кГц. Архитектура репозитория — Wav2Vec2ForSequenceClassification, размер по метаданным — 1,3 млрд параметров, веса доступны в форматах PyTorch и Safetensors. Модель предназначена для автоматического распознавания языка речи в аудиосигналах, включая языки с ограниченными ресурсами. Среди поддерживаемых языков есть русский, английский, арабский, китайский и многие другие. Это классификатор аудио, а не модель транскрибации: она определяет язык, но не выдаёт текстовую расшифровку речи. Распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Moritz Laurer дообучил encoder-модель answerdotai/ModernBERT-base на той же смеси датасетов, что и модели коллекции Zeroshot Classifiers Collection версии zeroshot-v2.0. Это модель классификации текста для zero-shot сценариев: её можно применять к задачам, где нужно отнести текст к заданным категориям без отдельного обучения классификатора под каждую задачу. Веса содержат около 149 млн параметров; архитектура — ModernBERT для классификации последовательностей, максимальный контекст — 8192 токена. Модель отличается высокой скоростью и низким потреблением памяти; автор отмечает, что она позволяет использовать большие пакеты и что bf16 ускоряет работу примерно вдвое по сравнению с fp16. В описанных автором испытаниях качество в среднем немного уступало DeBERTav3. Модель распространяется под лицензией Apache-2.0; доступны форматы Safetensors и ONNX.

Muse Glimmer 30B NVFP4 — квантизированная версия мультимодальной vision-language модели Muse Glimmer 30B с базовой моделью meta-models/Muse-Glimmer-30B. Конверсия выполнена в формат NVIDIA ModelOpt NVFP4 W4A4; публикация содержит модель примерно на 29,8 млрд параметров. Модель предназначена для задач, объединяющих обработку текста и изображений, включая диалоговые, агентские, программные, математические и мультимодальные сценарии. В 52 слоях квантизированы 416 линейных проекций декодера: компоненты attention и MLP. Веса и активации представлены 4-битными значениями с блочной обработкой по 16 элементов, тогда как vision tower, адаптеры и проекции зрения, эмбеддинги, нормализации и LM head сохранены в BF16. KV-кэш не квантизирован. Размер файлов safetensors составляет около 23,38 ГБ без учёта токенизатора и конфигурации. В калибровке использовались данные для программирования, агентских задач, рассуждений, математики, мультиязычных и мультимодальных запросов, однако точный список поддерживаемых языков README не указывает. По заявленным проверкам, на сопоставимом тесте MMLU-Pro квантизированная версия показала тот же результат, что и BF16, а рост perplexity на WikiText-2 составил 4,25%; средняя дивергенция распределений следующего токена — 0,091815 ната. Это указывает на высокую близость к исходной модели, но возможна некоторая потеря качества. Работоспособность квалифицирована на одной NVIDIA RTX PRO 6000 Blackwell с native vLLM, специальным NVFP4-ядром FlashInfer, CUDA graphs и speculative decoding через Muse Glimmer DFlash; совместимость с другими конфигурациями не гарантируется. Модель распространяется по лицензии Apache-2.0.

Mythos-9B Merged — это объединённая языковая модель на 9 млрд параметров, разработанная на основе King3Djbl/mythos-9b-merged и квантованная mradermacher в формате GGUF. Модель предназначена для генерации текста на английском языке, ролевых сценариев, задач программирования, работы с инструментами и function calling, а также агентских сценариев. В метаданных также заявлены поддержка shell-взаимодействия и запуск через llama.cpp, LM Studio и Ollama. В репозитории представлены варианты i1-квантования с imatrix в диапазоне примерно от 2,2 до 6,8 ГБ, включая IQ и Q-форматы. Это позволяет выбирать компромисс между размером, скоростью и качеством; в README вариант i1-Q4_K_M отмечен как быстрый и рекомендуемый, а i1-Q4_K_S — как оптимальный по соотношению размера, скорости и качества. Для некоторых вариантов явно указано снижение качества, особенно у наиболее компактных квантов. Сведения о точной архитектуре, размере контекстного окна, мультимодальности и дополнительных языках отсутствуют; заявлен только английский язык. Модель распространяется по лицензии Apache-2.0.

Minibase-NER-Standard — компактная языковая модель Minibase для распознавания и классификации именованных сущностей в тексте. Она выделяет людей, организации, места и прочие сущности и возвращает результат в структурированном JSON, что подходит для последующего автоматического разбора. Модель построена на архитектуре LlamaForCausalLM. В метаданных указано 147,8 млн параметров; README приводит контекст 2 048 токенов. Репозиторий содержит GGUF-квантизацию Q8_0, предназначенную для локального инференса, в том числе на CPU. В карточке заявлены оценка F1 95,1%, точность 91,5% и полнота 100% на тесте из 100 примеров; эти результаты относятся к описанной в README оценке и не гарантируют аналогичного качества на других данных. Указан английский язык. Лицензия — Apache-2.0.

DataOrchestra NP-0.6B — компактная плотная языковая модель семейства Qwen3, разработанная DataOrchestra на базе Qwen/Qwen3-0.6B-Base и дообученная для удаления построчного шума из текстовых документов. Она принимает пронумерованный фрагмент документа в маркерах [DOC] и [/DOC] длиной до 1024 токенов Qwen3 и выдаёт операции удаления целых строк либо команду skip(). Модель предназначена для очистки веб-страниц и других текстовых источников от навигации, рекламы, панелей обмена, шаблонных фрагментов и метаданных каталогов; её можно запускать отдельно или включать в конвейер очистки DataOrchestra. В отличие от систем, которые переписывают текст или удаляют части строк, NP сохраняет все строки, не отмеченные для удаления. Модель содержит около 508 млн параметров, использует архитектуру Qwen3ForCausalLM и поддерживает контекст до 32768 токенов; заявленный формат весов — safetensors. Карточка описывает англоязычное применение. Лицензия — Apache-2.0.

NuNER Zero — компактная модель для распознавания именованных сущностей без примеров, разработанная NuMind. Она использует архитектуру GLiNER и решает задачу token classification: на вход подаются текст и перечень типов сущностей, а модель находит в тексте соответствующие фрагменты. По сравнению с GLiNER модель позиционируется как способная обнаруживать сущности произвольной длины. Модель обучена на NuNER v2.0 — наборе данных, объединяющем размеченные с помощью LLM подмножества Pile и C4. Для работы с метками README требует использовать названия типов сущностей в нижнем регистре. В описании релиза сообщается о преимуществе в 3,1 процентного пункта по token-level F1 над GLiNER-large-v2.1 на бенчмарке GLiNER; это утверждение относится к оценке авторов на указанном бенчмарке. NuNER Zero предназначена для извлечения сущностей по заданным пользователем категориям, в том числе для категорий без обучающих примеров. Метаданные указывают английский язык, библиотеку GLiNER и форматы PyTorch и Safetensors. Модель распространяется по лицензии MIT.

Это 4-битная версия NVIDIA Nemotron 3 Nano 30B A3B, преобразованная mlx-community из модели nvidia/NVIDIA-Nemotron-3-Nano-30B-A3B-BF16 в формат MLX с помощью mlx-lm 0.29.0. Она предназначена для генерации текста и диалогового использования на устройствах и в средах, поддерживающих MLX. Базовая модель NVIDIA — гибридная языковая модель для диалогов, рассуждений, программирования и агентных приложений. В карточке указана поддержка английского, испанского, французского, немецкого, японского и итальянского языков. Суффикс 30B A3B обозначает вариант семейства, однако README не раскрывает подробности архитектуры и контекстного окна. Репозиторий распространяется под лицензией, обозначенной как other; конкретные условия следует сверять с файлами лицензии базовой модели и репозитория. Версия предназначена для MLX и содержит 4-битное представление весов, что снижает требования к памяти по сравнению с исходной BF16-моделью, но может влиять на точность ответов.

Olmo-Hybrid-Instruct-SFT-7B — англоязычная авторегрессионная языковая модель семейства Olmo Hybrid, разработанная Allen Institute for AI (Ai2). Это плотная гибридная RNN-модель с 6,3 млрд параметров, дообученная методом supervised fine-tuning на наборах Dolci для инструкций, включая примеры использования инструментов. Модель принимает текст и генерирует текст; размер контекста — до 32 768 токенов. Модель предназначена для диалогов и ответов на инструкции, в том числе для задач по математике, программированию, общим знаниям и вызову инструментов. Ai2 сообщает о повышенной эффективности обучения и инференса на длинном контексте по сравнению с Olmo 3; приведённые в карточке результаты показывают пригодность модели для решения разнообразных текстовых задач. Лицензия — Apache 2.0. Модель может выдавать неточные ответы и вредный или предвзятый контент, поскольку не имеет фильтрации безопасности.

Ornith-1.5-35B-A3B uncensored (NVFP4) — доработанная и квантованная версия модели Ornith-1.5-35B-A3B от команды Ornith, подготовленная Robert Ressl. Модель основана на архитектуре Mixture-of-Experts: общий размер составляет 35B параметров, около 3B параметров активны при обработке токена. Это текстовая генеративная модель на английском языке, предназначенная для генерации текста, рассуждений, вызова инструментов, исследований безопасности, red-teaming и penetration testing. В README также указано, что мультимодальная оболочка и vision tower сохранены, однако подробные сведения о поддерживаемых визуальных сценариях не приведены. Модель использует abliteration в один проход и формат NVFP4 только для экспертных тензоров; attention, shared expert, router и embeddings остаются в BF16. Размер экспортированной модели составляет около 23 ГБ вместо 71,9 ГБ у BF16-версии, заявленная длина контекста — 262 144 токена. Для запуска рекомендованы SGLang и NVIDIA GPU с поддержкой Blackwell; на одной NVIDIA RTX PRO 6000 Blackwell 96 GB измерена скорость 213 токенов в секунду при коротких запросах. К сильным сторонам относятся существенно сниженная частота жёстких отказов, сохранение инструментального вызова и близкое к базовой модели качество на GPQA-Diamond: 58,6% против 61,1%. Ограничения включают остаточные отказы, возможное влияние квантования на поведение и отсутствие MTP speculative decoding, поскольку тензоры mtp.* были удалены из экспортированного контрольного пункта. Модель по умолчанию ориентирована на рассуждения; для коротких прямых ответов рекомендуется отключать режим thinking. Лицензия — MIT, унаследованная от базовой модели Ornith.

google/pix2struct-docvqa-large — крупная модель Pix2Struct от Google для ответов на вопросы по изображениям документов. Она использует архитектуру «кодировщик изображений — декодер текста» и принимает изображение вместе с вопросом, выдавая текстовый ответ. Модель дообучена для визуального ответа на вопросы; Pix2Struct предварительно обучалась преобразовывать замаскированные снимки веб-страниц в упрощённый HTML, что поддерживает понимание визуально представленной информации. Модель предназначена для извлечения сведений из документов по запросу пользователя, например, поиска значений в формах, таблицах и сканах. В метаданных указаны языки en, fr, ro и de, а также многоязычная поддержка. Репозиторий содержит веса PyTorch; лицензия — Apache-2.0. Карточка описывает семейство Pix2Struct и задачу визуального ответа на вопросы, но не сообщает точное число параметров и длину контекста.

breezedeus/pix2text-table-rec — модель распознавания структуры таблиц для Pix2Text, основанная на Table Transformer и дообученная на наборах PubTables1M и FinTabNet.c. Это компактная модель на архитектуре DETR с Transformer-детектором объектов; в репозитории указано 6,3 млн параметров. Она предназначена для обнаружения таблиц и их элементов на изображениях документов, чтобы использовать результаты в конвейерах извлечения и распознавания табличной структуры. Модель принимает изображения документов и выдаёт обнаруженные объекты, в том числе области таблиц. Она описана как форк исходной модели Table Transformer с возможностью дальнейшего развития. Репозиторий распространяется по лицензии MIT. Карточка не приводит сведений о поддерживаемых языках или численном размере контекста; применимость зависит от качества изображения и соответствия документа типам таблиц, представленным в обучающих данных.

PP-OCRv4_mobile_det — модель обнаружения текстовых областей из семейства PP-OCRv4_det, разработанная командой PaddleOCR. Она выделяет текст на изображениях и рассчитана на эффективное развёртывание на мобильных и других периферийных устройствах. Модель служит модулем обнаружения в конвейере OCR: в сочетании с распознавателем и, при необходимости, модулями ориентации и коррекции изображения конвейер извлекает текст из документов и сцен. В карточке приведены показатели для печатного и рукописного китайского и английского текста, традиционного китайского, японского, древних текстов, а также изображений с поворотом, искажением и художественным текстом. Для использования указана библиотека PaddleOCR. Модель распространяется по лицензии Apache-2.0. В карточке нет сведений о размере, длине контекста или выходном формате результатов; качество заметно различается между приведёнными сценариями, поэтому показатели для одного вида текста не гарантируют аналогичного качества для других.

Qianfan-VL-8B — мультимодальная модель Baidu для работы с изображениями и текстом, представленная в серии Qianfan-VL и статье Qianfan-OCR. Модель содержит 8 млрд параметров, использует архитектуру на основе Llama 3.1, визуальный энкодер на базе InternViT с динамическим разбиением изображений на фрагменты до разрешения 4K и MLP-адаптер для объединения визуальных и текстовых данных. Заявленная длина контекста — 32 тыс. токенов. Модель предназначена для общего анализа изображений, распознавания текста и понимания документов: извлечения текста из рукописей и изображений, анализа структуры страниц и таблиц, понимания графиков и ответов на вопросы по документам. Поддерживает пошаговое рассуждение, в том числе при анализе графиков и решении математических задач. В карточке указаны английский и китайский языки. Модель распространяется в формате safetensors через Transformers; лицензия обозначена как other, конкретные условия в предоставленных данных не раскрыты.

win10/Qwen2.5-12.3B — языковая модель семейства Qwen2.5, созданная автором репозитория с помощью mergekit из слоёв Qwen/Qwen2.5-7B. Конфигурация использует метод passthrough и формат bfloat16; в метаданных архитектура указана как плотная Qwen2ForCausalLM с 11,7 млрд параметров. Модель предназначена для генерации текста и диалогового применения. Её можно использовать для ответов на вопросы, написания текстов и интеграции в чат-системы; метаданные также отмечают интерфейс вызова инструментов. Заявленная длина контекста — 131 072 токена. Метаданные указывают библиотеку Transformers и лицензию не сообщают, поэтому условия использования определить по доступным данным нельзя.

DazzlingShadow публикует вариант Qwen3.5-122B-A10B с изменённым профилем отказов (abliteration). В приведённом сравнении частота отказов снизилась с 88 до 16 из 100 запросов при KL-дивергенции 0,0233 относительно исходной модели. Это мультимодальная модель для диалога, генерации текста и понимания изображений; карточка описывает её как причинную языковую модель с визуальным энкодером и разреженной архитектурой Mixture-of-Experts с Gated Delta Networks. Всего 122 млрд параметров, активируется 10 млрд; контекстное окно — 262 144 токена с возможностью расширения до 1 010 000. Исходная модель заявляет поддержку 201 языка и диалекта, однако карточка не уточняет, какие языки сохраняются в этом производном варианте. Модель доступна в формате Safetensors и предназначена для Transformers и совместимых серверов инференса. Лицензия — Apache-2.0. Снижение отказов не гарантирует их полного отсутствия; производительность и совместимость зависят от используемого фреймворка и ресурсов.

Qwen3.5-35B-A3B-uncensored-heretic — мультимодальная диалоговая модель llmfan46 на базе Qwen3.5-35B-A3B. Автор сообщает, что применил abliteration для снижения отказов: в приведённом тесте модель отказала в 11 случаях из 100 против 92 у исходной модели. Это не означает, что модель гарантированно отвечает на любые запросы или сохраняет исходное качество во всех задачах. Модель принимает текст и изображения и генерирует текст; поддерживает диалог, визуальный анализ и агентные сценарии с вызовом инструментов. Архитектура сочетает разреженную Mixture of Experts и Gated Delta Networks: 35 млрд параметров всего, около 3 млрд активных; заявленный контекст — 262 144 токена с возможностью расширения до 1 010 000. README указывает широкую языковую поддержку семейства Qwen3.5, но конкретные языки этой сборки не перечисляет. Модель распространяется в формате safetensors для Transformers; README также ссылается на отдельную GGUF-сборку. Лицензия — Apache-2.0. Указанный автором тест KL-дивергенции и сравнение отказов не заменяют независимую оценку качества; снижение отказов может сопровождаться ослаблением защитных ограничений.