I.14Автоматизация процессов и AI-агенты

Tess-4-9B-GGUF — набор квантизированных GGUF-версий модели Tess-4-9B, разработанной migtissera и подготовленной bartowski с использованием llama.cpp и метода imatrix. Модель позиционируется для диалоговых, reasoning- и agentic-сценариев, включая задачи с инструментами и работу с длинным контекстом. В метаданных она также обозначена как multimodal и image-text-to-text, однако подробности о поддерживаемых типах изображений и фактических мультимодальных возможностях не приведены. Модель имеет размер 4B–9B согласно идентификатору и названию базовой модели, но точная архитектура, максимальная длина контекста и список языков в README не указаны. Доступны варианты от BF16 до сильнее сжатых Q2/Q3/Q4/Q5/Q6/Q8 и IQ-квантизаций; это позволяет выбирать между качеством, размером файла и требованиями к памяти. Версии GGUF предназначены для запуска через llama.cpp, LM Studio, koboldcpp, Jan AI, Text Generation Web UI и другие совместимые инструменты. README не описывает результаты тестов, поэтому сильные стороны и ограничения качества нельзя надежно оценить; при более агрессивном квантовании ожидается снижение качества. Указана лицензия Apache-2.0.

MobileCLIP2-L-14-OpenCLIP — адаптированная для OpenCLIP версия весов модели MobileCLIP2-L-14, разработанной Apple и описанной в работе MobileCLIP2: Improving Multi-Modal Reinforced Training. Репозиторий использует конфигурации OpenCLIP и соответствующие имена весов; доступны веса PyTorch и safetensors. Модель предназначена для классификации изображений по текстовым описаниям без отдельного обучения на целевых классах. Она сопоставляет изображения и текст в общей мультимодальной семантике, что позволяет задавать классы естественным языком и ранжировать их по соответствию изображению. В README приведены результаты и характеристики других вариантов MobileCLIP2, но их нельзя переносить на вариант L-14. Лицензия репозитория — apple-amlr. Для оценки скорости, точности и применимости именно этого чекпойнта следует учитывать его конфигурацию и условия лицензии.

cross-encoder/ms-marco-MiniLM-L6-v2 — англоязычный ранжировщик на основе архитектуры BERT, предназначенный для переранжирования результатов поиска. Модель обучена на задаче MS MARCO Passage Ranking и оценивает релевантность пары «запрос — фрагмент текста», после чего найденные документы можно сортировать по оценке. Модель содержит 25,9 млн параметров, принимает пары текстов и поддерживает контекст до 512 токенов. Она рассчитана на этап reranking в системах информационного поиска, например после получения кандидатов из ElasticSearch. Доступны форматы PyTorch, SafeTensors, ONNX, OpenVINO и Flax. Модель распространяется по лицензии Apache 2.0. Описанные данные указывают на англоязычное обучение и назначение; качество для других языков не подтверждено. README приводит оценки на наборах TREC Deep Learning 2019 и MS MARCO, но не содержит чисел для этой версии MiniLM-L6-v2.

MultiTabQA — базовая модель для ответов на вопросы по нескольким таблицам, представленная Вайшали Пал, Эндрю Йейтсом, Евангелосом Канулисом и Маартеном де Рейке в работе о генерации табличных ответов для вопросов к нескольким таблицам. Модель построена на архитектуре TAPEX на базе BART: двунаправленный энкодер обрабатывает вход, а авторегрессионный декодер генерирует ответную таблицу. Размер модели — 95,2 млн параметров, контекст — до 1024 токенов. Модель предназначена для выполнения SQL-запросов над несколькими входными таблицами и поддерживает операции UNION, INTERSECT, EXCEPT и JOIN. Её можно применять для получения таблицы-ответа на естественно-языковой вопрос по связанным данным. В карточке указаны английский язык и лицензия MIT. Доступны веса в форматах PyTorch и safetensors.

OG-SQL-7B — языковая модель OneGate на архитектуре Llama, дообученная на базе CodeLlama 7B для преобразования запросов на естественном языке в SQL-запросы. Она предназначена для помощи в работе с базами данных пользователям, которым нужно формулировать запросы без ручного написания SQL. Модель содержит 6,6 млрд параметров и поддерживает контекст до 16 384 токенов. В карточке указан английский язык; SQL выступает целевым языком генерации. Модель распространяется в формате safetensors по лицензии CC BY 4.0. README не описывает точность на конкретных наборах данных или совместимость с определёнными диалектами SQL.

Helsinki-NLP/opus-mt-en-fr — модель машинного перевода, разработанная Helsinki-NLP в рамках проекта OPUS. Она переводит текст с английского на французский и предназначена для автоматического перевода отдельных текстов и интеграции в системы перевода. Модель построена на архитектуре Transformer-align с использованием MarianMT; число параметров — 55,6 млн, максимальный контекст — 512 токенов. При обучении применялись нормализация текста и SentencePiece, а в карточке приведены результаты оценки на нескольких тестовых наборах OPUS. Модель поддерживает только направление перевода en→fr. Весы доступны в форматах PyTorch, TensorFlow и Flax. Лицензия — Apache-2.0.

Parakeet-unified-en-0.6b — англоязычная модель распознавания речи от NVIDIA для офлайн- и потоковой транскрибации. Она принимает монофоническое аудио в формате WAV и выдаёт английский текст с пунктуацией и заглавными буквами. Модель построена на архитектуре Unified FastConformer-RNNT: энкодер FastConformer содержит 24 слоя, а декодер использует RNNT. В ней около 600 млн параметров. Офлайн- и потоковый режимы обучены совместно и используют общие параметры; для потоковой работы применяется обработка аудио чанками с настраиваемым левым, средним и правым контекстом. Заявленная задержка зависит от размера чанка и правого контекста: в приведённых настройках она составляет от 0,08 до 2,08 секунды. По приведённым оценкам WER модель показывает сильные результаты в офлайн-режиме и при потоковой задержке до 240 мс; при 160 мс качество начинает снижаться, а для 80 мс авторы рекомендуют другую модель. Для потокового распознавания нужны инструменты NVIDIA NeMo. В карточке указано, что пока доступен инференс, а обучающий конвейер планируется выпустить позднее. Лицензия обозначена как other; конкретные условия следует сверить с файлами лицензии репозитория.

PATH-14B-COT — дообученная разработчиком mt1234 языковая модель на архитектуре Qwen2, созданная на основе unsloth/qwen2.5-coder-14b-instruct-bnb-4bit. Модель предназначена для генерации текста в диалоговом формате и имеет интерфейс вызова инструментов. В карточке указано, что обучение выполнялось с использованием Unsloth и библиотеки TRL. Модель содержит 14 млрд параметров и поддерживает контекст до 32 768 токенов. Для неё указаны английский язык и лицензия Apache-2.0. Карточка не описывает специализацию, обучающие данные или подтверждённые преимущества версии PATH-14B-COT, поэтому её качество в конкретных сценариях нельзя оценить по представленным сведениям.

HuggingLil/pii-sensitive-ner-german — модель распознавания персональных данных в немецких текстах, созданная дообучением iiiorg/piiranha-v1-detect-personal-information. Она использует архитектуру DeBERTa-v2 с 306 млн параметров и классифицирует токены, выделяя, среди прочего, религию, этническую принадлежность, сексуальную ориентацию, адреса электронной почты, номера телефонов, даты рождения и номера документов. Модель предназначена для поиска чувствительных данных при проверке и обезличивании текстов с учётом требований GDPR и швейцарского DSG. Контекст ограничен 512 токенами; лицензия в предоставленных данных не указана.

A7oad/qaf-tasmi-v6 — модель автоматического распознавания речи, опубликованная пользователем A7oad на Hugging Face. Она построена на архитектуре wav2vec2 с классом Wav2Vec2ForCTC и содержит около 402,8 млн параметров. Модель принимает аудио и предназначена для преобразования речи в текст; для загрузки указана библиотека Transformers. Карточка модели создана автоматически и не сообщает о языках, данных обучения, оценках качества или конкретных условиях применения. Лицензия в карточке не указана. Поэтому пригодность для отдельных языков и акустических условий по доступным сведениям оценить нельзя.

praful1/Qwen-0.6b-code-dpo — дообученная на базе praful1/Qwen-0.6b-pythoncode-instruct языковая модель семейства Qwen3 с плотной архитектурой и примерно 507,9 млн параметров. Модель обучена с TRL на наборе RLHFlow/CodeUltraFeedback-standard методом DPO и предназначена для генерации кода и ответов в диалоговом формате. Модель принимает текстовые запросы и генерирует текст, в том числе Python-код. Метаданные указывают контекст до 32 768 токенов; для запуска приведён пример с Transformers pipeline и запросом на генерацию программы для поиска простых чисел. Лицензия в предоставленных данных не указана.

Harsh221/qwen2.5-1.5b-pii-redactor — плотная причинная языковая модель Qwen2.5-1.5B-Instruct, дообученная методом supervised fine-tuning с LoRA для поиска и редактирования персональных данных в тексте. Она сохраняет обычный текст и заменяет распознанные фрагменты метками типов данных, например адреса электронной почты, телефона или имени. Модель содержит 1,5 млрд параметров, принимает текст и выдаёт отредактированный текст; в метаданных указан контекст до 32 768 токенов. В описанном обучении использовались набор ai4privacy/pii-masking-300k и последовательности длиной 512 токенов. Модель подходит для предварительной маскировки персональных данных в сообщениях и документах перед передачей на анализ или публикацией. Карточка отмечает, что это генеративный редактировщик, а не гарантия конфиденциальности: возможны пропуски чувствительных фрагментов, нежелательные изменения обычного текста и нестандартные метки. Для длинных документов рекомендуется обрабатывать текст частями и объединять результаты с проверкой. README не указывает поддерживаемые языки; применяйте модель только после оценки на нужных языках и категориях данных. Лицензия — Apache-2.0.

netcat420/Qwen2.5-Coder-Scholar-7B-Abliterated-MFANN — дообученная разговорная модель семейства Qwen2.5-Coder, созданная автором репозитория netcat420 на основе instruct-варианта. По README, модель обучали на датасете MFANN в течение 18 000 шагов и 52 эпох; архитектура — плотная причинная языковая модель Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате и ориентирована на задачи, связанные с кодом и материалами MFANN. В метаданных также отмечен интерфейс вызова инструментов. Карточка не уточняет качество на отдельных задачах или конкретные сценарии применения MFANN. Модель принимает текст и генерирует текст. В метаданных указан английский язык. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0. README характеризует модель как abliterated, но не описывает методику и последствия этого изменения; качество и поведение следует оценивать на целевых задачах.

SamMikaelson дообучил Qwen3-1.7B на базе unsloth/qwen3-1.7b-unsloth-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Это плотная авторегрессионная языковая модель с 1,7 млрд параметров для генерации текста и диалогового взаимодействия; в метаданных также указана возможность интерфейса вызова инструментов. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно до 40 960 токенов. Модель подходит для текстовых диалогов и генерации ответов на английском языке. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0; карточка не описывает отдельные результаты оценки качества или специализацию по конкретной предметной области.

SirSahOl подготовил 16-битную конверсию базовой языковой модели Qwen3-1.7B-Base в формат MLX для локального запуска на Apple Silicon. Это плотная авторегрессионная модель Qwen3ForCausalLM с 1,7 млрд параметров, контекстом 32 768 токенов и весами в формате safetensors; README указывает, что контекст можно расширять до 131 072 токенов с YaRN. Для генерации текста модель подходит для диалогов, локальных дополнений и сценариев с вызовом инструментов. Конверсия рассчитана на ускорение инференса на GPU Apple Silicon через MLX. README оценивает занимаемую память примерно в 4,2 ГБ и рекомендует не менее 8 ГБ объединённой памяти; фактическая скорость зависит от оборудования и длины запроса. Для запуска требуется совместимое окружение MLX и устройство Apple Silicon. Лицензия — Apache-2.0.

Qwen3.5-9B-Deepseek-reasoning-unlimited — дообученная модель, опубликованная sulpikar2 на основе sulpikar2/Qwen3.5-9B-Deepseek-reasoning. Это плотная мультимодальная модель семейства Qwen 3.5 с архитектурой Qwen3_5ForConditionalGeneration, предназначенная для диалогов с текстом и изображениями; также поддерживает интерфейс вызова инструментов. В карточке указано обучение с использованием Unsloth и библиотеки TRL от Hugging Face. Модель размечена для задачи image-text-to-text и поддерживает английский язык. Репозиторий содержит веса Safetensors и вариант GGUF BF16. Лицензия — Apache-2.0. Подробности о размере контекста, качестве и ограничениях применения в карточке не приведены.

Qwen3.5-9B Reasoning Distilled GGUF (R3 Crown) — квантизированная в формате GGUF версия Qwen3.5-9B, дообученная командой cudabenchmarktest методом LoRA SFT на 2160 примерах с трассами рассуждений Opus 4.6 из набора Crownelius/Opus-4.6-Reasoning-3300x. Модель предназначена для диалогов и генерации ответов с рассуждениями, включая математические задачи, планирование и многошаговые запросы. Это ранняя итерация R3, которую авторы считают устаревшей: обучение на однообразных данных ухудшило следование инструкциям, а последующие версии R5/R7 описаны как улучшенные. При использовании стандартного рендерера qwen3.5 в Ollama для обычного диалога, следования инструкциям и вызова инструментов следует передавать think: false; без этого часть длинных запросов может завершаться без видимого ответа. Для задач, где нужны рассуждения, автор рекомендует think: true. Модель распространяется по лицензии Apache-2.0.

ReLiK Reader — компонент для извлечения сущностей и отношений из текста, разработанный командой SapienzaNLP. Этот репозиторий содержит веса reader-компонента модели ReLiK, предназначенной для связывания сущностей с записями в базе знаний и извлечения отношений; полный конвейер ReLiK также включает retriever, который подбирает релевантные документы. В карточке указана архитектура RelikReaderREModel и формат PyTorch. Модель ориентирована на английский язык и оценивалась на наборе NYT. Для запуска полного конвейера требуется библиотека relik; лицензия в доступных данных не приведена.

Модель распознавания сущностей в текстах о вакансиях и профессиях, разработанная группой NLP Международного эллинского университета. Это дообученная FacebookAI/roberta-base модель RoBERTa с архитектурой RobertaForTokenClassification и примерно 151,8 млн параметров. Она размечает текст на уровне токенов и выделяет профессии, навыки, квалификации, опыт и предметные области. Модель рассчитана на английский язык и контекст до 514 токенов. Модель подходит для извлечения структурированных требований из описаний вакансий и резюме, например для поиска профессий и навыков. В README приведены строгие span-F1 оценки на тестовой части обучающего датасета: 0,83 для профессий, 0,56 для опыта и 0,30 для предметных областей; это указывает на неодинаковое качество распознавания разных категорий. Обучение проводилось на открытом датасете Green et al.; лицензия модели — MIT.

Ruri-Reranker-Base — японский кросс-энкодер для переоценки релевантности текстовых пар, разработанный командой cl-nagoya. Это дообученная на наборе cl-nagoya/ruri-dataset-reranker модель семейства BERT, распространяемая в формате safetensors и рассчитанная на последовательности длиной до 512 токенов. Она принимает запрос и кандидаты документов и ранжирует кандидатов по релевантности; в карточке приведены результаты на японских поисковых наборах JQaRA, JaCWIR и MIRACL. Модель предназначена для улучшения поисковой выдачи и выбора наиболее подходящих фрагментов перед передачей их в систему ответов на вопросы или RAG-процесс. README указывает японский язык и лицензию Apache 2.0. Для использования требуется библиотека Sentence Transformers; качество зависит от соответствия запросов и документов японскому языку и поисковым сценариям, представленным в оценке.

nrshoudi/speech_ocean_hubert_mdd — модель автоматического распознавания речи, полученная дообучением HuBERT-Large facebook/hubert-large-ll60k. Она принимает аудио и преобразует речь в текст; архитектура на основе HuBERT с CTC-головой содержит 402,8 млн параметров. В README приведены результаты на тестовой выборке: WER 0,0517, CER 0,0499 и loss 0,2027. Модель подходит для транскрибации аудиозаписей и распознавания речи в речевых интерфейсах. Язык и тематика обучающих данных не описаны, поэтому область языкового применения по имеющимся сведениям определить нельзя. Модель опубликована в формате safetensors по лицензии Apache-2.0.

SPLADE-v3 Spanish — разреженный энкодер на базе BERT, разработанный как испаноязычная адаптация naver/splade-v3. Он преобразует запросы и документы в разреженные векторы размерности 30 522 по словарю BERT WordPiece; сходство оценивается скалярным произведением. Модель содержит 136,7 млн параметров, работает через Sentence Transformers и принимает последовательности длиной до 512 токенов. Модель предназначена для поиска, ранжирования документов и конвейеров RAG, особенно для испанского и двуязычного испанско-английского поиска с лексическим сопоставлением и семантическим расширением терминов. Она обучалась контрастивно на данных для поиска на испанском языке; в карточке приведены результаты оценки на MS MARCO, BEIR и MIRACL. Это не генеративная модель: она выдаёт разреженные векторы, а не текст. Качество зависит от предметной области, токенизации и настроек индексации и поиска, поэтому модель следует оценить на целевой системе. Лицензия CC BY-NC-SA 4.0 ограничивает коммерческое использование и требует соблюдения условий ShareAlike.

NovaSky-AI/SWE-Gym-OpenHands-7B-Agent — текстовая генеративная модель от NovaSky-AI на архитектуре Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов. Карточка Hugging Face автоматически сгенерирована и не описывает отдельно обучение или целевое применение модели; название репозитория указывает на связь с SWE-Gym и OpenHands, но назначение именно этой версии по карточке надёжно не подтверждено. Модель поддерживает диалоговый интерфейс и интерфейс вызова инструментов. Её можно запускать через Transformers, vLLM и SGLang. Данных о поддерживаемых языках, лицензии, обучающих данных, оценке качества и известных ограничениях в использованных источниках нет.

task-classifier-mini-v3 — компактная модель двоичной классификации текста от Loyola Data Mining, предназначенная для определения, содержит ли фрагмент текста формулировку рабочей задачи. Она основана на BERT-tiny и дообучена на более тщательно отобранных примерах из крупного корпуса вакансий; в метаданных указаны архитектура BertForSequenceClassification, 4,4 млн параметров и контекст до 512 токенов. Модель принимает текст и возвращает один из двух классов с оценкой уверенности: текст является формулировкой задачи или нет. Модель рассчитана на быстрые высокопроизводительные конвейеры фильтрации, например для извлечения обязанностей и задач из объявлений о работе. В README приведена оценка на наборе loyoladatamining/usajobs_validation: accuracy 0,9583 и F1 0,9585 на части данных с задачами; эти результаты относятся к указанной в карточке выборке. Модель распространяется по лицензии MIT.

Thyme-SFT — мультимодальная модель компании Kwai-Keye, дообученная на базе Qwen2.5-VL-7B-Instruct методом supervised fine-tuning. Она принимает текст и изображения и предназначена для визуального анализа, сложных рассуждений по изображениям и задач восприятия изображений высокого разрешения. Модель может самостоятельно формировать и выполнять код для обработки изображений и вычислений. Модель имеет плотную архитектуру Qwen2.5-VL с 7,1 млрд параметров и контекстом до 128 000 токенов. В карточке заявлено обучение на английском языке; используется формат safetensors. Thyme-SFT является частью двухэтапного подхода Thyme, сочетающего SFT и последующее обучение с подкреплением; упоминается алгоритм GRPO-ATS. Модель распространяется по лицензии MIT. Поскольку это SFT-этап, заявленные улучшения от обучения с подкреплением относятся к подходу Thyme в целом и не гарантированы для этого отдельного чекпойнта.

Triplex — языковая модель, разработанная SciPhi.AI для построения графов знаний из неструктурированных данных. Она извлекает из текста триплеты в формате «субъект — предикат — объект», а также выполняет распознавание именованных сущностей с использованием заданных типов сущностей и предикатов. Модель предназначена для локального создания графов знаний и может применяться в сценариях RAG, включая подходы, аналогичные Graph RAG, а также в составе платформы SciPhi R2R. Triplex представляет собой дообученную версию Phi-3-3.8B. В README не указаны точные характеристики контекстного окна, поддерживаемые языки и модальности, поэтому эти параметры нельзя достоверно оценить. Заявлены снижение стоимости построения графов знаний на 98% и превосходство над GPT-4 при стоимости примерно в 60 раз ниже, однако подробности методики бенчмарка не приведены. Для работы требуется запуск генерации через Transformers; пример использования ориентирован на GPU с CUDA. Ограничения включают зависимость качества результата от заданных типов сущностей и предикатов, а также отсутствие в README подробных данных о точности и языковой поддержке. Веса распространяются по лицензии CC BY-NC-SA 4.0. Исследовательское и личное использование разрешено. Для организаций с валовой выручкой менее 5 млн долларов США за последние 12 месяцев SciPhi.AI заявляет отказ от ограничений для коммерческого использования; для остальных случаев, а также для снятия требований GPL при двойном лицензировании, необходимо обратиться к разработчикам.

Это модель зрения и языка из семейства CLIP, доступная через open_clip и timm. Её вариант в OpenCLIP называется ViT-B-16-quickgelu; визуальный энкодер построен на ViT-Base с патчами 16×16 и входным разрешением 224 пикселя. Модель обучена на наборе MetaCLIP-400M. Модель предназначена для классификации изображений по текстовым описаниям без отдельного обучения на целевых классах: она сопоставляет изображение и варианты текста, после чего можно выбрать наиболее подходящее описание. Весы доступны в форматах PyTorch и safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Модель voidful/wav2vec2-xlsr-multilingual-56 разработана voidful для автоматического распознавания речи. Это дообученная версия facebook/wav2vec2-large-xlsr-53, обученная на данных Common Voice для распознавания речи на 56 языках. Репозиторий содержит веса PyTorch и safetensors; для входной речи рекомендуется частота дискретизации 16 кГц. Модель подходит для транскрибирования аудиозаписей и построения систем распознавания речи на нескольких языках. В карточке приведены результаты WER и CER для части языков, но также указаны значительные риски смещений: предсказания могут воспроизводить вредные стереотипы. Лицензия — Apache-2.0.

WAXAL-mlg_asr-w2v-bert-2.0 — модель автоматического распознавания речи, созданная дообучением facebook/w2v-bert-2.0. Она использует архитектуру Wav2Vec2BertForCTC и содержит 402,7 млн параметров; модель принимает аудио и преобразует речь в текст. В карточке приведены результаты оценки: CER 0,2007 и loss 0,8135, однако набор данных и условия оценки не описаны. Модель распространяется в формате Safetensors по лицензии MIT.

cmhyo/xlm-roberta-base-finetuned-panx-de — модель для разметки последовательностей, полученная дообучением XLM-RoBERTa Base. Архитектура XLM-RoBERTa для классификации токенов содержит 305,2 млн параметров и поддерживает контекст до 514 токенов. Модель опубликована в формате Safetensors и распространяется по лицензии MIT. Чекпойнт обучен на наборе данных PAN-X для немецкого языка и предназначен для распознавания именованных сущностей в тексте: каждому токену присваивается метка. На оценочной выборке указан показатель F1 0,8628 и loss 0,1375. Результаты зависят от данных и сценария применения; сведения о составе обучающей выборки и подробных ограничениях в карточке отсутствуют.