I.14Автоматизация процессов и AI-агенты

Logics-SWE-Qwen3.6-27B — модель на 27 млрд параметров от Logics-MLLM для агентных задач программной инженерии на уровне репозиториев. Она дообучена на базе Qwen/Qwen3.6-27B и объединяет навыки категорийных экспертов посредством дистилляции на собственных траекториях модели; при использовании развёртывается как единая политика без отдельных экспертов и меток категорий. Модель предназначена для исследования и создания агентов, которые разбираются в структуре репозитория, редактируют файлы, анализируют результаты и итеративно исправляют решения. В README приведены результаты оценки на Pro-618 и SWE-bench Multilingual; они относятся к полным агентным конфигурациям и не характеризуют отдельно генерацию текста моделью. Для практического использования агента нужны соответствующие системный промпт, схема инструментов, парсер действий, изолированная среда и проверяющий компонент. Модель использует архитектуру Qwen3.5 плотного типа и распространяется в формате safetensors для Transformers. В обучающих категориях представлены задачи сервисов, данных и безопасности, пользовательских приложений, системного ПО, инструментов и сред выполнения. Лицензия — Apache-2.0. Модель может генерировать команды, поэтому их выполнение требует контролируемой изолированной среды.

Модель ms122222/mein_qwen_14b_merged разработана ms122222 как дообученная версия Huihui-Qwen3-14B-abliterated-v2. Это плотная авторегрессионная модель семейства Qwen3 с 14 млрд параметров для генерации текста и диалогов; поддерживает интерфейс вызова инструментов. Контекст — до 40 960 токенов, основной язык в карточке — английский. Модель подходит для ответов в чате, генерации и продолжения текста, а также сценариев с передачей запросов инструментам. По README, обучение выполнялось с использованием Unsloth и Hugging Face TRL. Модель распространяется по лицензии Apache-2.0.

MiniMind-Rerank-MoE — компактная модель-реранкер на архитектуре Mixture-of-Experts, разработанная авторами MiniMind и дообученная на базе jingyaogong/minimind-3. Она оценивает пару «запрос — документ» как релевантную или нерелевантную, используя вероятность токена «是» как оценку релевантности. Модель предназначена для повторного упорядочивания результатов поиска и отбора документов для систем поиска с дополненной генерацией. Архитектура включает четыре эксперта с маршрутизацией top-1; в README указаны 198 млн общих параметров и 64 млн активных, а метаданные указывают 63,9 млн параметров. Контекст составляет до 32 768 токенов. Модель обучалась три эпохи на 80 тысячах пар T2Reranking. На указанном тесте C-MTEB/T2Reranking она показала MAP@10 0,604 и точность классификации 88%; авторы рекомендуют Dense-версию для ранжирования, поскольку у неё MAP@10 заметно выше. Поддерживаются китайский и английский языки. Лицензия — Apache-2.0.

Mira-v1 — модель sagea-ai для быстрых типизированных решений: она принимает контекстное состояние и вопросы с вариантами ответа, а одним проходом возвращает распределения вероятностей, уверенность и сигнал воздержания. Модель не генерирует текст; её можно использовать для маршрутизации запросов и выбора решения в коде, отдельно или пакетно. Модель дообучена на компактном мультиязычном энкодере ModernBERT mmBERT-small, содержит 140,5 млн параметров и поддерживает контекст до 8192 токенов. В карточке заявлены задачи выбора варианта, оценки и ответа «да/нет»; среди описанных сильных сторон — калибровка вероятностей и маршрутизация намерений. Разработчик сообщает о слабых результатах в тематической классификации и о том, что при более чем 20 вариантах требуется двухэтапный отбор. Лицензия Apache-2.0. Обучающие данные закрыты, а перед применением в важных решениях разработчик рекомендует оценить модель на конкретных вопросах. Она сравнивает предложенные ответы и не восполняет отсутствующие факты и не выполняет арифметические вычисления.

MiroThinker-v1.0-8B-GGUF — квантованная версия языковой модели MiroThinker-v1.0-8B, разработанной miromind-ai и подготовленной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста, агентских сценариев и задач deep research, включая работу в приложениях на базе llama.cpp и LM Studio. Указан английский язык. Модель содержит 8 миллиардов параметров и распространяется в нескольких вариантах точности: от BF16 до квантований Q2–Q8 и IQ. Для квантования использовался llama.cpp с методом imatrix, что позволяет уменьшить размер файлов и требования к памяти при сохранении качества; рекомендуемыми названы варианты Q4–Q6. Размер файлов составляет примерно от 3,9 до 16,39 ГБ в зависимости от формата. В README не указаны точная архитектура, максимальная длина контекста, результаты бенчмарков и дополнительные модальности, поэтому возможности модели в этих аспектах оценить нельзя. Более сильные квантования обеспечивают лучшее качество, а компактные варианты подходят для систем с ограниченной оперативной памятью, но могут заметнее терять качество. Для работы следует использовать совместимое ПО llama.cpp или LM Studio и формат промпта с маркерами ChatML. Лицензия — MIT.

cross-encoder/ms-marco-MiniLM-L12-v2 — модель ранжирования текстовых пар на базе MiniLM-L12 от Microsoft, дообученная командой Sentence Transformers на задаче ранжирования пассажей MS MARCO. Она принимает поисковый запрос вместе с каждым кандидатом-текстом и оценивает их релевантность, чтобы упорядочить уже найденные документы, например после первичного поиска в ElasticSearch. Модель использует архитектуру BERT для классификации последовательностей, содержит около 40 млн параметров и рассчитана на контекст до 512 токенов. Модель предназначена для повторного ранжирования результатов информационного поиска и извлечения релевантных пассажей. Карточка приводит оценки на наборах TREC Deep Learning 2019 и MS MARCO, однако скорость в ней измерена на V100 GPU и зависит от оборудования. Модель поддерживает английский язык; лицензия Apache-2.0.

Jeevesh8/multiberts_seed_1_ft_4 — модель классификации текста на базе BERT/MultiBERTs, опубликованная пользователем Jeevesh8 и представленная на Hugging Face. Она предназначена для присвоения тексту одного или нескольких классов в прикладных NLP-конвейерах. Модель содержит около 136,7 млн параметров и поддерживает контекст до 512 токенов. В метаданных указаны Transformers, JAX и BERT; связанный с MultiBERTs первоисточник Google описывает семейство как набор BERT-моделей для английского языка, предназначенных для исследований устойчивости и последующей адаптации к задачам классификации. Основное преимущество — готовая адаптация BERT-представлений к классификационному сценарию и совместимость с экосистемой Hugging Face. Ограничения включают максимальную длину контекста 512 токенов и зависимость качества от данных и классов, использованных при дообучении; точная схема меток для этого варианта из доступных источников не установлена.

Muse-Glimmer-30B-ROCmFP4-Strix-Halo-DFlash-GGUF — квантованная GGUF-сборка модели Muse-Glimmer-30B от meta-models/Muse-Glimmer, подготовленная kingjones777 для AMD Strix Halo. Модель мультимодальная: поддерживает текст и изображения, рассуждения с разделением reasoning_content и content, а также tool calling. Сборка предназначена для локального запуска на AMD Ryzen AI Max+ 395 с графикой Radeon 8060S и архитектурой gfx1151. Доступны шесть вариантов квантования ROCmFP4 и ROCmFPX с размером от 13,80 до 27,23 GiB и эффективной точностью 4,25–8,39 BPW. В комплект входят vision projector, chat parser и DFlash для speculative decoding. Проверенный контекст составляет 32768 токенов; пиковое потребление памяти — около 19,99 GiB с моделью, drafter, projector и KV-кэшем. На указанном оборудовании скорость декодирования зависит от задачи и составляет примерно 17–45 токенов в секунду, обычно около 30 токенов в секунду. Сильные стороны модели — сочетание текста, зрения, рассуждений, вызова инструментов и ускоренного декодирования в одной сборке, а также оптимизация под unified memory AMD Strix Halo. Ограничения включают узкую аппаратную совместимость: стандартный llama.cpp эту модель не загружает, требуется специальная ROCmFPX-сборка с поддержкой архитектуры muse-glimmer и типов ROCmFP4. Более быстрые варианты могут генерировать заметно более короткие ответы, поэтому для глубины ответа предпочтителен вариант STRIX. Лицензия указана как other; дополнительные условия в README не раскрыты.

mythos-v2-8b-merged — текстовая генеративная модель, разработанная King3Djbl на основе King3Djbl/mythos-v2-8b с использованием дообучения. Модель входит в экосистему FableForge и ориентирована на агентские сценарии, включая использование инструментов, вызов функций, работу с shell-командами, программирование, ролевые диалоги и генерацию текста. Заявлена поддержка английского языка. Модель имеет размер 8B параметров и распространяется в формате GGUF, совместимом с llama.cpp, Ollama и LM Studio. Доступны варианты от F16 до низкобитных квантований, включая Q8_0, Q6_K, Q5_K_M, Q4_K_M и imatrix-квантизации для систем с ограниченной оперативной памятью. Для диалогов используется формат ChatML. Размер контекста в README не указан. К сильным сторонам относятся широкий набор заявленных агентских возможностей, поддержка инструментального взаимодействия и наличие большого выбора квантований с разным компромиссом между качеством и требованиями к памяти. При этом README не содержит результатов бенчмарков, подробностей об архитектуре, данных обучения или проверок качества, поэтому фактические возможности и надежность модели требуют самостоятельной оценки. Также заявлен режим без отказов, что может повышать гибкость в ролевых и автоматизационных сценариях, но требует осторожности при использовании. Модель распространяется по лицензии Apache-2.0.

Это квантованная версия модели Nemotron-3-Nano-Omni-AEON-Ultimate-Uncensored-BF16, преобразованная в формат GGUF для запуска с llama.cpp. Базовая модель связана с AEON-7/Nemotron-3-Nano-Omni-AEON-Ultimate-Uncensored-BF16; репозиторий создан kainecorneko, а конвертацию выполнили через пространство GGUF-my-repo. Модель предназначена для диалогового и инструкционного использования. В метаданных заявлены мультимодальность, работа с текстом, изображениями и аудио, а также функции reasoning, coding и tool calling; README описывает запуск через llama.cpp. Метаданные указывают английский язык и формат GGUF BF16, но точный размер и длина контекста в предоставленных данных не приведены. Метка uncensored указывает на снятые ограничения отказов, поэтому ответы могут включать нежелательное содержание. Лицензия обозначена как other; конкретные условия следует сверить с карточкой базовой модели. Это конверсия в GGUF, а не основание считать репозиторий отдельным дообучением.

Это быстрая модель распознавания именованных сущностей на английском языке, поставляемая вместе с библиотекой Flair. Она использует эмбеддинги Flair и архитектуру LSTM-CRF, обучена для четырёх классов сущностей на CoNLL-2003 и показывает F1 92,92 на исправленной версии этого набора данных. Модель подходит для извлечения из английского текста имён людей, географических названий, организаций и ещё одного класса разметки, не раскрытого в доступной части карточки. Её можно применять для разметки документов и предварительной обработки текста в конвейерах NLP через Flair. Репозиторий содержит веса PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

Это крупная модель распознавания именованных сущностей для немецкого языка, входящая в библиотеку Flair. Она размечает текст четырьмя классами сущностей: именами людей, географическими названиями, организациями и ещё одним классом, который в карточке не раскрыт. Модель основана на контекстных представлениях XLM-R на уровне документа и архитектуре FLERT; для неё заявлен F1-score 92,31 на пересмотренной немецкой версии CoNLL-03. Модель предназначена для извлечения именованных сущностей из немецких текстов и может использоваться в конвейерах обработки документов, новостей и других текстовых материалов. В метаданных указан формат PyTorch и лицензия не приведена. Результат зависит от соответствия входных текстов немецкому языку и домену обучающей выборки CoNLL-03; карточка также не раскрывает значение четвёртого тега.

objv1 — это мультимодальная модель ObjectAI, дообученная с помощью LoRA и объединённая с базовой моделью Qwen/Qwen3-VL-4B-Instruct. Модель принимает изображение страницы финансового документа и JSON-схему, затем извлекает сведения со страницы и возвращает заполненную структуру JSON. Она построена на архитектуре Qwen3-VL с 4 млрд параметров и предназначена для работы с изображениями и текстом; обучение проводилось при разрешении до 1280 × 28 × 28 пикселей. В README для сервинга с vLLM указан предел контекста 16 384 токена. Основной сценарий — структурированное извлечение данных из индийских финансовых документов. Отсутствующие на странице поля возвращаются как null; незапрошенные найденные сведения можно поместить в extras. Карточка рекомендует температуру 0 для воспроизводимости ответа. Модель требует значительных вычислительных ресурсов: 8,9 ГБ весов в bf16, минимум 16 ГБ VRAM и 24 ГБ для комфортной работы. Лицензия — Apache-2.0. Модель не проверяет собственные арифметические вычисления, поэтому итоги, которые должны сходиться, следует проверять отдельно. Работа с документами других областей и форматов не тестировалась; распознавание рукописного текста, особенно цифр на изображениях низкого разрешения, является слабым местом.

Omega AI 14B — диалоговая языковая модель семейства Omega AI, основанная на дообученной Qwen/Qwen3-14B. Это плотная причинная модель архитектуры Qwen3 с 14 млрд параметров; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста и диалогов, а метаданные также указывают интерфейс вызова инструментов. Контекст составляет 40 960 токенов. Модель подходит для диалоговых помощников и генерации ответов на текстовые запросы. README называет её рабочим кандидатом, но не приводит результатов оценки качества или подробных рекомендаций по применению. Условия использования и атрибуции исходной модели Qwen3-14B сохраняются; отдельная лицензия Omega AI в карточке не указана.

OpenCSG-CodeLlama-34b-v0.1 — созданная сообществом OpenCSG модель генерации кода, полученная полнопараметрической донастройкой CodeLlama-34b-hf. Это плотная авторегрессионная модель семейства Llama с 33,5 млрд параметров и контекстом до 16 384 токенов; опубликованные веса представлены в формате safetensors. Модель предназначена для генерации и дополнения программного кода. Её можно применять для написания функций по описанию, продолжения фрагментов кода и решения задач программирования; в карточке указано, что обучающие данные охватывают несколько языков программирования, хотя отдельные языки не перечислены. README приводит оценку серии на HumanEval, но показанный фрагмент не содержит результатов именно версии 34B. Модель распространяется по лицензии Llama 2. Результаты генерации зависят от промпта и параметров декодирования; представленных в карточке оценок недостаточно, чтобы судить о качестве версии 34B на разных практических задачах.

Ornith-1.5-9B-GGUF — квантованные сборки мультимодальной модели Ornith 1.5 9B, разработанной ornith-ai и преобразованной и измеренной AtomicChat. Модель распространяется в формате GGUF для локального запуска с llama.cpp и поддерживает сценарии диалога, работы с изображениями и agentic coding. Для текстового режима vision projector можно не использовать; для обработки изображений требуется отдельный проектор объёмом около 0,92 ГБ. Доступны варианты от BF16 размером 17,9 ГБ до сильно сжатых IQ2/IQ1-сборок размером 2,81–3,38 ГБ. Рекомендуемый компромисс для видеопамяти около 8 ГБ — AD-Q5_K-Q4_K: он занимает 5,93 ГБ и показывает 93,10% совпадения следующего токена с эталонной BF16-моделью. Для более высокой точности доступны Q8_0 и BF16, а варианты с низкой разрядностью заметно теряют качество: самая компактная сборка имеет согласие лишь 53,74%. В README указаны запуск с контекстом до 8192 токенов и поддержка vision, но языки модели и дополнительные архитектурные характеристики не описаны. Сильные стороны модели — возможность локального запуска, широкий выбор квантований под разный объём видеопамяти и наличие мультимодального режима. Ограничения связаны с компромиссом между размером и точностью: самые компактные варианты авторы не рекомендуют для практического использования, а качество измерялось на отдельном нейтральном корпусе и не гарантирует результаты во всех задачах. Модель и сборки распространяются по лицензии MIT.

Pareto — мультимодальная составная модель, предназначенная для исследований, программирования и агентных сценариев. По карточке модели, она рассчитана на широкий круг задач общего назначения и заявляет высокий уровень производительности. Метаданные каталога относят её к моделям типа image-text-to-text, поэтому она принимает изображения и текст и формирует текстовые ответы. Сведений об архитектуре, размере, языковой поддержке и лицензии в доступных данных нет. Карточка позиционирует модель для исследовательских и агентных рабочих процессов, но не описывает конкретные возможности, ограничения или условия применения.

PP-Chart2Table — мультимодальная модель команды PaddlePaddle для разбора диаграмм на китайском и английском языках и преобразования их содержимого в табличные данные. Она обучена с применением задачи извлечения данных из перемешанных фрагментов диаграмм, стратегии маскирования токенов и двухэтапной дистилляции для повышения устойчивости к реальным данным, в том числе к данным вне обучающего распределения. Модель принимает изображение диаграммы и выдаёт текстовое представление извлечённых данных, пригодное для преобразования в таблицу. Разработчики сообщают, что по внутренним тестам она сопоставима с VLM на 7 млрд параметров в ключевых сценариях; подробности тестов в карточке не приведены. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

PP-OCRv5_mobile_det — мобильная модель обнаружения текстовых областей из серии PP-OCRv5_det, разработанная командой PaddleOCR. Она находит текст на изображениях, включая рукописный, вертикальный, повернутый и изогнутый текст, и рассчитана на работу со сложной разметкой, разным размером надписей и трудным фоном. Модель подходит для анализа документов, распознавания текста на номерных знаках и поиска надписей в сценах. В карточке приведены метрики обнаружения для китайского, английского и японского текста, включая рукописные, искажённые и художественные надписи; среднее значение указанных метрик — 0,770. Это детектор текстовых областей: README не описывает распознавание содержания найденного текста. Модель представлена в формате safetensors и предназначена для использования с библиотекой PaddleOCR. Лицензия — Apache-2.0.

PP-OCRv6_small_det_safetensors — компактная модель обнаружения текстовых областей из семейства PP-OCRv6, разработанного командой PaddleOCR. Она предназначена для локализации текста на изображениях как часть конвейера OCR; для распознавания найденных строк требуется отдельный модуль распознавания. Модель использует backbone LCNetV4 и neck RepLKFPN, содержит 2,48 млн параметров и распространяется в формате safetensors. Семейство PP-OCRv6 рассчитано на работу с 48 языками и разными видами текста, включая рукописный, печатный, повернутый, изогнутый и декоративный; метаданные этой карточки отмечают английский и китайский языки. Лицензия — Apache-2.0. Модель подходит для встраивания обнаружения текста в приложения и OCR-конвейеры с ограничениями по размеру. README не приводит отдельные метрики для варианта small_det. Одна модель обнаружения сама по себе не выполняет распознавание текста и не заменяет полный OCR-конвейер.

PP-OCRv6_tiny_det — компактная модель обнаружения текстовых областей из семейства PP-OCRv6, разработанного командой PaddleOCR. Она предназначена для локализации текста на изображениях и используется как модуль обнаружения в конвейере OCR, где распознавание символов выполняет отдельная модель. Модель построена на LCNetV4 в качестве backbone и RepLKFPN в качестве шеи детектора; размер составляет 0,43 млн параметров. Она рассчитана на печатный и рукописный текст, в том числе повёрнутый, изогнутый и декоративный, и ориентирована на компактное развертывание. В метаданных указаны английский и китайский языки; README описывает поддержку семейства PP-OCRv6 для 48 языков, но не уточняет полный список для этой версии детектора. Репозиторий предназначен для работы с PaddleOCR. Лицензия Apache-2.0. Это детектор текстовых областей, а не самостоятельная система распознавания текста: для получения текста требуется модуль распознавания.

PP-OCRv6_tiny_det_onnx — модель обнаружения текстовых строк на изображениях из семейства PaddleOCR, разработанная PaddlePaddle. Она предназначена для OCR-конвейеров: выделения областей и строк с текстом на изображениях перед последующим распознаванием, включая обработку документов и других изображений с печатным текстом. Модель поставляется в формате ONNX и ориентирована на компактное и эффективное развертывание. В README модель обозначена как tiny-вариант PP-OCRv6 с архитектурой для textline detection; точный размер и число параметров, максимальный контекст, поддерживаемые разрешения и детальные характеристики производительности не указаны. В метаданных заявлены английский и китайский языки, а основная модальность — изображение. Модель подходит для сценариев, где важны скорость и небольшие вычислительные затраты, однако качество обнаружения может зависеть от качества изображения, масштаба, фона и ориентации текста; сама модель отвечает за обнаружение, а не за полное распознавание содержимого. Лицензия — Apache 2.0.

Qwen2-VL-72B — базовая предварительно обученная мультимодальная модель семейства Qwen2-VL, разработанная командой Qwen. Она содержит 71,5 млрд параметров и предназначена для понимания изображений и видео по текстовым запросам, включая визуальные вопросы и ответы, диалог по содержимому видео, анализ документов и создание описаний. Модель не проходила настройку инструкциями, поэтому для диалоговых сценариев может потребоваться дополнительная настройка. Архитектура — плотная Qwen2-VL с классом Qwen2VLForConditionalGeneration. Она обрабатывает изображения произвольного разрешения с динамическим числом визуальных токенов и использует M-ROPE для позиционной информации текста, изображений и видео. Видеосценарии включают анализ роликов длительностью более 20 минут. Контекст — до 32 768 токенов. Модель понимает текст на изображениях на английском, китайском и ряде других языков, включая европейские языки, японский, корейский, арабский и вьетнамский. Модель подходит для визуального анализа и мультимодальных сценариев, однако заявленные высокие результаты приведены в карточке без подробностей об условиях оценки. Для запуска потребуется значительный объём вычислительных ресурсов из-за размера модели. Лицензия указана как other; конкретные условия использования следует проверить в репозитории модели.

Nickyang выпустил производную модель Qwen3.6-35B-A3B, сокращённую методом RAZOR без дообучения. В каждом MoE-слое оставлено 128 из 256 маршрутизируемых экспертов; размер составляет 19,4 млрд параметров, или 19,0 млрд без модуля MTP, при этом на токен активно около 4 млрд параметров. Веса представлены в формате bfloat16 и safetensors; для запуска требуется сборка Transformers с поддержкой qwen3_5_moe. Модель предназначена для генерации текста и диалогов. Карточка описывает сокращение хранения экспертов при примерно неизменных вычислениях на токен; заявлена поддержка интерфейса вызова инструментов. Основа — Qwen/Qwen3.6-35B-A3B, лицензия Apache-2.0. Обрезка экспертов с потерями: ответы могут отличаться разнообразием, форматированием и поведением при завершении, даже если точность задач в основном сохраняется. Поведение на областях, далёких от калибровочного корпуса, не охарактеризовано; перед применением модель следует оценить на целевой нагрузке.

Это мультимодальная диалоговая модель семейства Qwen3.5 с плотной архитектурой Qwen3_5ForConditionalGeneration и 27 млрд параметров, представленная Solstice-AI. Репозиторий содержит версию NVFP4 для оборудования NVIDIA Blackwell и упакованную конфигурацию с контекстом до 1 048 576 токенов на основе YaRN; заявлена автоматическая настройка контекста при запуске в vLLM и SGLang. Модель предназначена для диалога, следования инструкциям, творческого письма и анализа изображений. Поддерживает текстовый и визуальный ввод и выдаёт текст; в метаданных также указаны интерфейс вызова инструментов и английский и китайский языки. Это производная от дообученной модели DavidAU версия, упакованная Solstice-AI; лицензия — Apache-2.0. Заявление README о NVFP4 для Blackwell соседствует с метаданными о форматах GGUF BF16 и safetensors, поэтому точный формат конкретных файлов следует проверять в репозитории. Длина контекста 1 млн токенов заявлена в конфигурации, но практические требования к памяти и производительность зависят от оборудования и движка инференса.

Qwen3-VL-2B-Thinking — компактная мультимодальная модель семейства Qwen3-VL, представленная в репозитории Unsloth как дообученная версия Qwen/Qwen3-VL-2B-Thinking. Модель построена на плотной архитектуре Qwen3VLForConditionalGeneration и предназначена для диалоговой работы с текстом и изображениями, визуальных рассуждений и анализа видео. Репозиторий содержит веса в формате safetensors; для работы используется библиотека Transformers. Модель подходит для распознавания объектов и текста на изображениях, ответов на вопросы по визуальному содержимому, анализа пространственных отношений, STEM-задач и понимания видеособытий с временными отметками. Карточка базовой модели заявляет контекст 256K токенов с возможностью расширения до 1M и поддержку OCR на 32 языках; эти характеристики описывают семейство Qwen3-VL и не подтверждены отдельными измерениями именно этой копии. В карточке также упомянуты сценарии визуального управления интерфейсами и генерации кода интерфейсов по изображениям или видео. Модель ориентирована на мультимодальные запросы с изображениями и текстом; описание семейства также указывает на анализ видео. Основные заявленные сильные стороны — визуальное восприятие, OCR, пространственное понимание и рассуждения. Качество отдельных задач в README не приведено, поэтому его следует проверять на целевых данных. Лицензия репозитория — Apache-2.0.

Winuim/qwen3-vl-8b-invoice-sft — дообученная модель Winuim на архитектуре Qwen3-VL для работы с изображениями и текстом. Она предназначена для диалогового анализа изображений, в частности документов и счетов, что отражено в названии модели. Модель выдаёт текстовые ответы; репозиторий содержит веса в формате safetensors и поддерживает интерфейс чата и вызова инструментов. Модель лицензирована по Apache-2.0. В карточке указано, что при обучении использовались Unsloth и библиотека Hugging Face TRL. Подробности обучающих данных, точность извлечения полей и поддерживаемые языки документов не описаны.

Kaoeiri/Qwenwify-32B-v3 — объединённая языковая модель на архитектуре Qwen2 с 32 млрд параметров, созданная с помощью mergekit методом DARE TIES на базе Qwen/QwQ-32B-Preview. В объединение вошли несколько моделей Qwen2.5-32B, включая варианты для диалога, ролевых сценариев, следования инструкциям и генерации прозы; среди них есть версии с изменённым поведением отказов. Модель предназначена для диалоговой генерации текста, ответов на инструкции и ролевых бесед. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и интерфейс вызова инструментов. В метаданных указаны языковые теги qwen2, но конкретные естественные языки не перечислены. Модель распространяется по лицензии CC BY-NC-ND 4.0, которая ограничивает коммерческое использование и распространение производных версий. Составной характер merge и различные исходные настройки могут приводить к непредсказуемому поведению; модель также помечена как не предназначенная для всех аудиторий.

roberta-large-entity-linking — модель GlassLewis на архитектуре RoBERTa-large, дообученная как биэнкодер для связывания упоминаний сущностей с соответствующими страницами или описаниями в базе знаний. Она отдельно кодирует контекст с упоминанием и описание сущности, чтобы находить подходящие совпадения по сходству; для выделения упоминаний рекомендуется обрамлять их специальным токеном [ENT], а кандидатов можно предварительно находить с помощью модели распознавания именованных сущностей. Модель предназначена для связывания сущностей с концепциями Википедии, поиска по базе знаний без специального обучения на целевой задаче и построения баз знаний. Её можно использовать как извлекатель top-k кандидатов, передавая финальную дизамбигуацию более мощному классификатору. В описанном тесте Zero-Shot Entity Linking она показала Recall@64 80,29%; результат BLINK на том же тесте составлял 82,06%, но BLINK обучалась на тренировочной выборке. Модель содержит 454,1 млн параметров, принимает текст с контекстным окном до 514 токенов и распространяется в формате Safetensors. Лицензия — BigScience OpenRAIL-M.

vladlinv/ru-pii-ner-gliner2.5 — русскоязычная модель извлечения персональных данных, разработанная автором репозитория как полный файнтюн fastino/gliner2.5-multi-v1. Она распознаёт типы и границы имён, адресов, дат, телефонов, электронной почты, государственных и иных идентификаторов, банковских реквизитов, медицинских, судебных, кадровых, учебных и других данных, связанных с человеком. Разметка учитывает контекст и юридический смысл данных по 152-ФЗ и российской правоприменительной практике, стараясь отличать сведения о физических лицах от данных организаций и служебных значений. Модель построена на архитектуре GLiNER2.5 с энкодером mDeBERTa-v3-base и содержит 287 млн параметров. Она предсказывает границы сущностей и сопоставляет найденные фрагменты с заданными на входе метками; заявлена обработка до 4096 токенов за проход. Метки можно адаптировать под собственную схему без переобучения, однако качество подтверждено только для меток из карточки. Модель подходит для выявления персональных данных в документах при подготовке к обезличиванию, включая юридические, кадровые, финансовые, медицинские и административные материалы. Лицензия — Apache-2.0. Оценка выполнена на 405 документах; метрики строгие и требуют точного совпадения границ сущностей. Датасет преимущественно русскоязычный, около 6% примеров — на других языках. Модель может пропускать чувствительные данные, поэтому её следует дополнять регулярными выражениями, словарями и прикладными правилами; коммерческую тайну и конфиденциальные сведения, не относящиеся к физическим лицам, она специально не обнаруживает.