I.14Автоматизация процессов и AI-агенты

nhanv/cv_parser — модель распознавания сущностей в тексте, созданная дообучением microsoft/mdeberta-v3-base для задачи token classification. Название репозитория указывает на разбор резюме, однако карточка не раскрывает набор меток и не подтверждает конкретные поля, которые модель извлекает. Модель предназначена для разметки последовательности токенов и может использоваться как компонент конвейера извлечения информации из текста. В карточке приведены результаты оценки: F1 0,9111, точность 0,8906, полнота 0,9325 и accuracy 0,9851. Модель содержит 306 млн параметров, имеет контекстное окно 512 токенов и опубликована в формате PyTorch под лицензией MIT.

CyberCore-Qwen-2.1-7B — объединённая языковая модель на архитектуре Qwen2 с 7,1 млрд параметров, опубликованная bunnycore. Она создана методом TIES с помощью mergekit на основе rombodawg/Rombos-LLM-V2.5-Qwen-7b и объединяет варианты cybertron-v4 и Persona. Модель предназначена для генерации текста и диалоговых сценариев; метаданные также отмечают интерфейс вызова инструментов. Модель работает с текстом, использует библиотеку Transformers и имеет заявленную длину контекста 131 072 токена. Веса доступны в формате safetensors. Карточка не приводит оценки качества или подробных ограничений; качество ответов и работа с инструментами могут зависеть от промпта и используемого способа запуска. Лицензия в предоставленных данных не указана.

Модель syarulzaffi/date2format — классификатор текста на базе DistilBERT, обученный с помощью AutoTrain как дообучение syarulzaffi/date2dateformat. Она предназначена для классификации текстового ввода в рамках задачи преобразования даты в нужный формат. В карточке приведены метрики валидации: точность составляет около 93,9%, а macro F1 — около 93,3%. Модель принимает текст и выдаёт метку класса; максимальная длина контекста — 512 токенов. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных сведениях не указана.

Moritz Laurер разработал DeBERTa-v3-base-zeroshot-v2.0 — англоязычную модель классификации текста с нулевым обучением, основанную на Microsoft DeBERTa-v3-base и дообученную для задачи Natural Language Inference. Модель сравнивает текст с гипотезой и оценивает, следует ли она из текста; этот подход позволяет классифицировать данные по заданным пользователем категориям без размечающих примеров и обучения под каждую задачу. Модель подходит для классификации отзывов, тем, намерений и других текстовых данных. Категории можно задавать в формулировке гипотезы, а режим multi_label определяет, выбрать один класс или несколько. В README приведены результаты оценки на 28 задачах классификации; модель показала качество выше указанного базового классификатора BART-large-MNLI в среднем по этим наборам. Она содержит 211,6 млн параметров, принимает последовательности длиной до 512 токенов и доступна в форматах Safetensors и ONNX для Transformers. Может работать на CPU и GPU. Модель лицензирована по MIT. Карточка рекомендует DeBERTa-v3 для более высокой точности и отмечает, что она медленнее RoBERTa. Поддерживается только классификация текста; на результаты могут влиять смещения базовой модели, обучающих данных NLI и синтетических данных.

Decision-1.0-Kai-0.6B — модель для структурированного выбора и оценки решений, разработанная командой vllm-sr. Она принимает контекст вместе с вопросами и описаниями кандидатов, а затем возвращает ответы и распределения вероятностей; генерация текста не используется. Модель дообучена на многоязычном энкодере Vela-1.0-Encoder-307M и имеет архитектуру Decision1Model с тремя двунаправленными путями по 22 слоя, общими входными эмбеддингами и отдельными слоями взаимодействия для разных типов решений. Модель предназначена для выбора между действиями или категориями, проверки условий и оценивания по упорядоченным критериям. Кандидаты задаются при каждом запросе; вопросы можно объединять для одного контекста или применять к пакетам контекстов. Полный запрос ограничен 1 024 токенами, включая контекст, вопросы, кандидатов и специальные токены; более длинные запросы отклоняются. В README приведены результаты бенчмарков на английском и китайском языках, но широкие многоязычные результаты относятся к предыдущим весам. Модель распространяется в формате safetensors по лицензии Apache-2.0. Для обслуживания через vLLM требуется совместимая среда vLLM Semantic Router Decision; локальный запуск возможен через Transformers с включением trust_remote_code. Вероятности не гарантируют правильность решения, порядок кандидатов может влиять на прогнозы, а в тестах Transfer модель уступала англоязычной Laya.

Decision-2.0-Eos-0.8B — компактная плотная модель семейства Decision 2.0 от vLLM Semantic Router, дообученная на базе vllm-sr/Decision-1.0-Eos-0.8B. Принимает текст или JSON с контекстом и вопросами о кандидатах и за один проход оценивает варианты выбора, ответы «да/нет» и баллы, возвращая вероятности для ответов без генерации текста. Размер модели — 0,75 млрд параметров, длина контекста — 16 384 токена. Модель предназначена для классификации и ранжирования вариантов в сценариях принятия решений, когда по одному контексту нужно получить ответы на несколько вопросов. В README приведены результаты сравнительной оценки и медианное время 6 мс на один вопрос на одном GPU; эти показатели относятся к описанным условиям оценки. Репозиторий содержит веса safetensors и использует Transformers. Лицензия — Apache-2.0.

DiffusionGemma 26B-A4B-it MXFP8 — языковая модель с блоковой диффузионной генерацией, подготовленная OsaurusAI для запуска через движок vMLX на компьютерах Apple Silicon. В отличие от авторегрессионной генерации, она формирует текстовые блоки размером до 256 токенов и уточняет их итеративным денойзингом. Архитектура — 30-слойная Gemma 4-style MoE с 128 экспертами и выбором 8 экспертов; всего 26 млрд параметров, активно используется около 4 млрд. Веса основных компонентов квантованы в MXFP8, а эмбеддинги, нормализации и визуальный модуль сохранены в fp16; файлы занимают около 26 ГБ. Модель предназначена для диалога и генерации текста, анализа одного или нескольких изображений и вызова инструментов в формате Gemma 4. Для работы с изображениями используется визуальный модуль Gemma 4. Темп генерации на M5 Max указан как 28–42 токена в секунду при 48 шагах денойзинга; фактическая скорость зависит от оборудования и бюджета шагов. Лицензия — Gemma. При очень коротких запросах жадная стратегия денойзинга иногда приводит к пустому ответу; повторная попытка или переформулировка могут помочь. Параметры temperature и top_p, переданные через интерфейс, игнорируются: параметры сэмплирования задаются конфигурацией модели, а уменьшение числа шагов ниже 12 ухудшает качество. Для запуска указана среда Apple Silicon с Osaurus и движком vMLX.

ledddev/dl-hw2-bge-ner — дообученная модель BAAI на архитектуре BERT для классификации токенов. Она предназначена для задач разметки последовательности текста, включая распознавание именованных сущностей; данные обучения и конкретная схема меток не описаны. Модель содержит около 40 млн параметров, принимает текстовые последовательности длиной до 512 токенов и распространяется в формате Safetensors. В README приведены метрики на оценочной выборке: F1 0,8818, точность 0,8633, полнота 0,9012 и accuracy 0,9772. Базовая модель BAAI/bge-small-en-v1.5 ориентирована на английский язык. Лицензия модели — MIT; качество на других наборах данных и переносимость на другие схемы сущностей не установлены.

DSE-QWen2-2b-MRL-V1 — дообученная модель на основе Qwen2-VL-2B-Instruct, разработанная для поиска документов по изображениям их страниц. Это bi-encoder: он кодирует текстовый запрос и скриншот документа в плотные векторы, которые можно сравнивать по сходству. Такой подход сохраняет текст, изображения и компоновку исходного документа без предварительного извлечения текста. Модель предназначена для поиска по PDF-документам, веб-страницам, слайдам и другим материалам, представленным изображениями. Она также умеет кодировать текст документа; обучение с Tevatron/msmarco-passage-aug поддерживает поиск по текстовому содержимому. В README указано значение 85,8 nDCG@5 на таблице лидеров ViDoRE. Архитектура основана на Qwen2-VL, размер модели — 1,5 млрд параметров, нативная длина контекста — 32 768 токенов; для запуска используется PyTorch и библиотека Tevatron. В метаданных указаны английский и французский языки. При обработке крупных изображений зрительный энкодер Qwen может требовать много видеопамяти; размер изображений можно уменьшить, чтобы уложиться в доступные ресурсы. Лицензия — Apache-2.0.

Adzpro/embedding_e5 — текстовая модель Sentence Transformers, дообученная разработчиком Adzpro на базе intfloat/multilingual-e5-base. Она преобразует предложения и абзацы в нормализованные плотные эмбеддинги размерности 768 и предназначена для семантического поиска и извлечения документов; близость векторов можно сравнивать косинусной мерой. Архитектура основана на XLM-RoBERTa с усреднением токенных представлений и нормализацией. Модель принимает текст, поддерживает многоязычные сценарии и обрабатывает последовательности длиной до 512 токенов. Обучение описано как сопоставление запросов и документов с MultipleNegativesRankingLoss на 140 парах. Примеры датасета относятся к вьетнамским финансовым отчётам, поэтому модель может быть полезна для поиска по подобным материалам; README приводит метрики на небольших тестовой и валидационной выборках. Условия лицензирования в доступных сведениях не приведены.

en_core_web_sm — англоязычная модель обработки естественного языка, разработанная компанией Explosion для фреймворка spaCy. Она предназначена для CPU-сценариев и выполняет токенизацию, морфологическую разметку, синтаксический анализ зависимостей, определение границ предложений, лемматизацию и распознавание именованных сущностей. Модель построена как конвейер компонентов tok2vec, tagger, parser, senter, attribute_ruler, lemmatizer и ner. Она поддерживает только английский язык, не содержит предобученных векторных представлений слов и имеет 0 векторов размерности 0. Версия модели — 3.7.1; требуется spaCy версии от 3.7.2 до версии ниже 3.8.0. Распознавание сущностей охватывает, в частности, персон, организации, географические объекты, даты, деньги, проценты, события и произведения искусства. Сильные стороны модели — компактный CPU-ориентированный конвейер с широким набором базовых NLP-функций и хорошими показателями на указанных тестах: точность тегирования 97,25%, F1 синтаксического анализа зависимостей LAS 89,87% и F1 распознавания сущностей 84,56%. Ограничения — работа только с английским языком, отсутствие векторных представлений и более ограниченная точность по сравнению с крупными специализированными моделями, особенно для задач NER. Модель распространяется по лицензии MIT; автор — Explosion.

ehristoforu/falcon3-ultraset — дообученная разговорная языковая модель на основе tiiuae/Falcon3-7B-Instruct, разработанная ehristoforu. Она предназначена для генерации текста и диалогов; карточка сообщает о дообучении с использованием Unsloth и TRL. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,1 млрд параметров и контекст до 32 768 токенов. Доступна в формате safetensors и распространяется по лицензии Apache-2.0. Базовая модель поддерживает несколько языков и рассчитана на диалоги, рассуждения, программирование и математические задачи; сведения карточки этой модели отдельно подтверждают английский язык и разговорное назначение. Метаданные также отмечают интерфейс для вызова инструментов. Конкретные результаты оценки качества и подробности обучающего набора в карточке не приведены.

FireStorm-Llama-3.1-8B — разговорная языковая модель, опубликованная EpistemeAI2 и дообученная на базе unsloth/llama-3.1-storm-8b-bnb-4bit. Это плотная причинная модель семейства Llama с 7,5 млрд параметров; карточка указывает контекст до 131 072 токенов и форматы PyTorch и Safetensors. Модель предназначена для генерации ответов в диалоге, следования инструкциям, вопросов и ответов на основе знаний, рассуждений и вызова функций. В README описаны дообучение на тщательно отобранных обучающих примерах и слияние с Llama-Spark; заявлены улучшения относительно Llama-3.1-8B-Instruct на нескольких тестах, включая проверку следования инструкциям, ответов на вопросы, рассуждений и вызова функций. Эти результаты относятся к оценкам авторов карточки. Для запуска предлагаются Transformers и vLLM, а в репозитории указана лицензия Apache-2.0. Основной указанный язык — английский. README отмечает, что модель не проходила отдельное выравнивание и может сохранять некоторые свойства выравнивания базовой instruct-модели. Ее ответы могут содержать ошибки; результаты тестов не гарантируют качество в конкретном применении.

Ganymede-24B-F16 — дообученная языковая модель семейства Mistral, опубликованная slrrxx101. Она предназначена для генерации текста и диалогового взаимодействия; метаданные также отмечают интерфейс вызова инструментов. Модель содержит 22 млрд параметров, принимает текст и поддерживает контекст до 131 072 токенов. Модель дообучена на unsloth/Mistral-Small-Instruct-2409-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. В репозитории указаны веса в формате safetensors и лицензия Apache-2.0. Карточка не описывает специализацию дообучения или результаты оценки качества, поэтому пригодность для конкретных предметных областей не установлена.

deepset/gelectra-base-germanquad — модель для извлечения ответов на вопросы на немецком языке, разработанная deepset на основе GELECTRA-base. Её дообучили на наборе GermanQuAD: обучающая часть содержит 11 518 вопросов и ответов, а тестовая — 2 204 вопроса с несколькими аннотациями ответов. В метаданных указаны архитектура ELECTRA и 137,1 млн параметров. Модель предназначена для поиска фрагмента ответа в предоставленном документе или контексте. Её можно применять для ответов на вопросы по немецким документам, в том числе в извлекательных QA-конвейерах Haystack. Максимальная длина контекста составляет 512 токенов; заявленный формат задачи — question-answering. Модель принимает текст вопроса и контекста и возвращает извлечённый текстовый ответ. Она ориентирована на немецкий язык и не заявлена как генеративная или мультимодальная модель. Лицензия — MIT.

deepset/gelectra-large-germanquad — немецкоязычная модель ответов на вопросы от deepset, построенная на GELECTRA Large и дообученная для извлечения ответов из текста. Она предназначена для поиска ответа на вопрос в предоставленном документе или наборе документов, в том числе в конвейерах Haystack и Transformers. Модель обучали на 11 518 парах вопрос–ответ из GermanQuAD; перед дообучением использовали немецкий перевод SQuAD 1.1. Архитектура — ElectraForQuestionAnswering, размер — 434,5 млн параметров, максимальная длина контекста — 512 токенов. Модель принимает текст на немецком языке и выдаёт извлечённый из него фрагмент ответа. Лицензия модели — MIT. Она рассчитана на экстрактивный QA: ответ должен присутствовать в контексте, поэтому модель не предназначена для свободной генерации ответов или надёжного ответа без предоставленного текста. Оценка в карточке приведена на тестовой выборке GermanQuAD.

granite-vision-3.2-2b — компактная мультимодальная модель IBM, дообученная на базе ibm-granite/granite-vision-3.2-2b для понимания изображений и работы с визуальными документами. Архитектура LLaVA-NeXT объединяет визуальный энкодер SigLIP, двухслойный MLP-коннектор и языковую модель Granite 3.1 2B Instruct; модель использует разрешение AnyRes и многослойные признаки энкодера. В метаданных указаны архитектура LlavaNextForConditionalGeneration и формат safetensors. Модель принимает изображения и инструкции на английском языке и формирует текстовые ответы. Она предназначена для извлечения сведений из таблиц, графиков, инфографики, диаграмм и других документов, OCR, ответов на вопросы по изображениям, а также общих задач визуального понимания. В базовой языковой модели заявлено контекстное окно 128 тыс. токенов. Лицензия — Apache 2.0. Модель может ошибаться, выдавать предвзятые или небезопасные ответы; её компактный размер может повышать риск галлюцинаций. Для задач только с текстовым вводом README рекомендует использовать текстовые модели Granite.

Hercules-Mini-1.8B — разговорная языковая модель, разработанная M4-ai на основе Qwen1.5-1.8B. Модель дообучена на 700 тысячах примеров Hercules-v4 и имеет плотную архитектуру Qwen2 с 1,5 млрд параметров; она принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. Модель предназначена для универсального ассистента: ответов на вопросы, математических задач, программирования, вызова функций и ролевых диалогов. В карточке указаны английский и, возможно, китайский языки; метаданные подтверждают английский. Лицензия обозначена в метаданных как other, а в README указана лицензия tongyi-qianwen. Известное ограничение — некорректно настроенный токен окончания последовательности: для предотвращения бесконечной генерации требуется самостоятельно задать критерий остановки. Оценка качества в карточке не приведена.

Hercules-phi-2 — языковая модель M4-ai, полученная дообучением Phi-2 на всех примерах датасета Locutusque/hercules-v4.5. Это плотная авторегрессионная модель семейства Phi с 3,5 млрд параметров и контекстом 2048 токенов; она работает с текстом на английском языке. Модель предназначена для диалогов с ассистентом, ответов на вопросы, математических задач, программирования, вызова функций и ролевых сценариев. Репозиторий содержит веса в формате Safetensors и рассчитан на использование с Transformers. Лицензия — Apache-2.0. В карточке нет результатов оценки качества.

HTML-Pruner-Phi-3.8B — дообученная Microsoft Phi-3.5-mini-instruct модель, выпущенная авторами HtmlRAG для сокращения HTML-контекста в системах поиска с дополненной генерацией (RAG). В двухэтапном процессе HtmlRAG модель используется на этапе генеративного отбора блоков HTML после предварительного ранжирования блоков моделью эмбеддингов; перед этим HTML очищается от нерелевантного содержимого и избыточных структур. Модель построена на архитектуре Phi-3, содержит 3,7 млрд параметров и принимает текст; её контекст составляет 4096 токенов. В карточке указана поддержка английского языка. Модель предназначена для подготовки HTML-результатов поиска к передаче языковой модели, чтобы сохранить полезное содержимое и уменьшить объём контекста для последующей генерации ответов. Модель распространяется по лицензии Apache-2.0. Её специализированная задача — генеративное прореживание HTML-блоков; качество может зависеть от структуры и длины исходных страниц и от настроек этапов очистки и отбора.

HyperCLOVA X SEED Think 32B — плотная vision-language модель на базе Transformer, разработанная NAVER. Она принимает текст, изображения и видео и генерирует текст; общий формат представления текста и визуальных патчей поддерживает мультимодальное понимание. Модель содержит 32 млрд параметров, поддерживает контекст до 128 тыс. токенов и имеет опциональный режим рассуждений с настраиваемым бюджетом токенов. Модель предназначена для корейско-ориентированных задач рассуждения, анализа изображений и видео, визуальных вопросов и ответов, а также агентных сценариев. В README приведены примеры бенчмарков по корейским знаниям, пониманию диаграмм и текста на изображениях, а также выполнению задач в сервисных сценариях. Для запуска описаны OmniServe и требования к GPU; карточка указывает библиотеку Transformers. Лицензия обозначена как other, поэтому конкретные условия следует проверять в файлах лицензии репозитория.

InternVL3-14B-Instruct-GGUF — мультимодальная языковая модель в формате GGUF, подготовленная Unsloth на основе OpenGVLab/InternVL3-14B-Instruct. Исходную модель разработала команда OpenGVLab; она построена по схеме ViT-MLP-LLM и сочетает визуальный модуль InternViT-300M-448px-V2_5 с языковой частью Qwen2.5-14B. Это SFT-версия, прошедшая нативное мультимодальное предварительное обучение и supervised fine-tuning, но не прошедшая MPO. Модель предназначена для задач понимания изображений и текста, мультимодального восприятия и рассуждений. Заявленные сценарии включают использование инструментов, создание GUI-агентов, промышленный анализ изображений, восприятие 3D-сцен и другие мультимодальные приложения. В метаданных указана поддержка multilingual, а тип конвейера — image-text-to-text. Конкретный размер контекста в предоставленных данных не указан. К сильным сторонам относятся расширенные возможности мультимодального анализа и рассуждений, а также GGUF-квантизация, удобная для локального запуска при подходящей инфраструктуре. Ограничение версии заключается в отсутствии этапа MPO; авторы рекомендуют при сомнениях использовать базовую версию InternVL3-14B. Модель распространяется по лицензии Apache-2.0, при этом в карточке также указана ссылка на лицензию Qwen.

Модель braindao/iq-code-evmind-qwen-2.5-7b-instruct-v0.2410.0 разработана braindao и представляет собой дообученную плотную языковую модель семейства Qwen2.5. В основе лежит unsloth/qwen2.5-7b-instruct-bnb-4bit; модель обучали с использованием Unsloth и библиотеки TRL. Модель предназначена для генерации текста и диалогового взаимодействия. Метаданные также указывают интерфейс для вызова инструментов. Размер — 7,1 млрд параметров, контекст — до 32 768 токенов. В карточке указан английский язык. Модель принимает текст и выдаёт текст. Модель распространяется под лицензией Apache-2.0. Карточка не описывает специализированные сценарии применения и не приводит результатов оценки качества.

Menlo/Jan-nano-gguf — это квантизированная версия языковой модели Jan Nano, разработанной в экосистеме Jan авторами Alan Dao и Bach Vu Dinh. Модель дообучена на архитектуре Qwen3 и предназначена для генерации текста, работы с инструментами и function calling, а также исследовательских задач и обработки информации. Формат GGUF ориентирован на эффективный локальный запуск, включая устройства с ограниченными ресурсами и встраиваемые среды. Ключевыми особенностями модели являются компактность, сниженные требования к VRAM, поддержка интеграции с инструментами и увеличенный контекст, однако точный размер модели, объём контекстного окна, поддерживаемые языки и перечень модальностей в предоставленных данных не указаны. Jan Nano является non-thinking model, поэтому её не следует рассматривать как модель с отдельным режимом глубокого рассуждения. Ограничения и результаты сравнительных тестов также не приведены. Модель распространяется по лицензии Apache-2.0.

Dongjin-kr/ko-reranker — модель переранжирования текста, разработанная на основе BAAI/bge-reranker-large и дообученная на корейских данных. Она принимает запрос и фрагменты текста и оценивает релевантность каждого фрагмента напрямую, чтобы упорядочить результаты поиска перед передачей контекста языковой модели в RAG-системе. Модель построена на архитектуре XLM-RoBERTa и содержит около 658,7 млн параметров. Она обучалась на триплетах вопросов, положительных и отрицательных фрагментов из MS MARCO Passages; англоязычный набор данных переводили на корейский с помощью Amazon Translate. В README приведено сравнение, где вариант с дообучением на корейских данных показал лучшие значения MRR и доли контекстов с правильным ответом среди рассмотренных вариантов. Модель рассчитана прежде всего на ранжирование корейских текстов по запросу; метаданные также отмечают английский язык. Контекст составляет 514 токенов. Лицензия — MIT. Баллы релевантности не ограничены фиксированным диапазоном, поэтому их следует использовать для сравнения результатов внутри задачи ранжирования, а не трактовать как вероятности.

latin_PP-OCRv3_mobile_rec — модель распознавания строк текста из серии PP-OCRv3_rec, разработанная командой PaddleOCR. Это специализированная латинская версия, дообученная на основе PP-OCRv3_mobile_rec; она принимает изображения строк и возвращает распознанный текст. Модель предназначена для распознавания латинских надписей и может использоваться как модуль распознавания в конвейере OCR вместе с обнаружением текста и другими модулями обработки изображений. Модель рассчитана на латинский алфавит; метаданные также отмечают английский и китайский языки. Репозиторий указывает библиотеку PaddleOCR и лицензию Apache-2.0. Она распознаёт текстовые строки, но сама по себе не выполняет полный цикл OCR: для извлечения текста из произвольного изображения обычно требуется отдельное обнаружение строк. Оценки точности в предоставленном README опущены.

Lexora-Medium-7B — диалоговая языковая модель, опубликованная DeepMount00. Она основана на плотной архитектуре Qwen2 и содержит 7,1 млрд параметров. Модель предназначена для генерации текста в формате беседы и имеет интерфейс для вызова инструментов. В карточке указаны обучающие наборы Sonnet-3.5-ITA-INSTRUCTION и Sonnet-3.5-ITA-DPO, а также поддержка итальянского и английского языков. Максимальная длина контекста составляет 131 072 токена. Модель доступна в формате safetensors по лицензии Apache-2.0.

LFM2.5-1.2B-Thinking-MLX-bf16 — экспорт модели LFM2.5-1.2B-Thinking в формате MLX от Liquid AI для локального запуска на устройствах Apple Silicon. Это плотная авторегрессионная языковая модель семейства LFM2, предназначенная для диалогов и генерации ответов с рассуждением: перед итоговым ответом она может формировать цепочку рассуждений. В README заявлены 1,2 млрд параметров и точность bfloat16; каталог указывает 1,5 млрд параметров. Контекст — до 128 000 токенов. Модель поддерживает вызов функций и рассчитана на многоязычные сценарии. В метаданных указаны английский, японский, корейский, французский, испанский, немецкий, итальянский, португальский, арабский и китайский языки. Для запуска описан стек mlx-lm и формат диалога ChatML. Лицензия обозначена как other, поэтому условия использования следует уточнить в карточке модели и у правообладателя. Как компактная модель, она может уступать более крупным системам в сложных задачах; качество и надёжность рассуждений зависят от запроса и сценария.

LightOn-rerank-LW-2B — мультимодальная модель-переранжировщик компании LightOn на базе Qwen/Qwen3.5-2B. Это плотный cross-encoder с архитектурой Qwen3.5, содержащий около 2,2 млрд параметров; веса опубликованы в формате bfloat16. Модель совместно дообучена на текстовых и визуальных данных для ранжирования найденных документов по запросу. На вход подаются текстовый запрос и кандидаты: текстовые фрагменты или изображения страниц документов. Модель ранжирует по четыре кандидата за один проход, генерируя их порядок; для большего списка применяется скользящее окно. Такой режим подходит для второго этапа поиска после BM25, векторного поиска или ColPali. Обучение проводилось на английском языке; французский поддерживается с переносом без дообучения. В ViDoRe V3 модель показала 62,66 nDCG@10 при заданном в карточке протоколе оценки. Для работы требуется transformers версии 5.4.0 или новее. Качество зависит от разрешения изображений: карточка рекомендует для инференса высокое разрешение, ориентировочно 1 млн пикселей; на разрешении обучения 512×512 результат был ниже. Не следует применять модель в режиме независимой оценки отдельных кандидатов: её назначение — генерировать список ранжирования. Текстовые обучающие данные включают NQ и MS MARCO, поэтому результаты на этих наборах могут быть затронуты загрязнением. Лицензия — Apache-2.0.

kavg/LiLT-RE-DE — дообученная на датасете XFUND модель для извлечения отношений между сущностями в документах. Она основана на мультиязычной LiLT и XLM-RoBERTa, использует архитектуру LiLTRobertaLikeForRelationExtraction и учитывает текст и его расположение на странице. Модель содержит 305,2 млн параметров и рассчитана на контекст до 514 токенов. В оценке на тестовой выборке указаны precision 0,3054, recall 0,6032 и F1 0,4055. Модель подходит для анализа связей между полями в структурированных документах, например в формах. Распространяется по лицензии MIT.