I.14Автоматизация процессов и AI-агенты

Модель dvislobokov/whisper-large-v3-turbo-russian — дообученная русскоязычная версия Whisper large-v3-turbo, созданная dvislobokov на базе openai/whisper-large-v3-turbo. Она предназначена для автоматического распознавания русской речи и преобразования аудио в текст. Модель построена на архитектуре WhisperForConditionalGeneration, содержит 905,2 млн параметров и принимает аудио.

Это зеркало модели распознавания речи Whisper Tiny, подготовленное KimtOS для использования в расширении KimtOS. Репозиторий содержит конфигурацию, токенизатор и квантованный файл ONNX; модель насчитывает 29,4 млн параметров и предназначена для загрузки через Transformers.js. Модель принимает аудио и преобразует речь в текст. Она подходит для встраивания распознавания речи в приложения, в том числе с подачей файлов с CDN KimtOS. В README указано, что исходная модель — Xenova/whisper-tiny; лицензия Apache-2.0 разрешает распространение при сохранении уведомления об авторских правах.

yuq-zhou/2026-05-o-b0p3-a1p0-gc0p5-exp-td2p0-tw5p0-qwen3annot-q2-m-7 — контрольный чекпойнт на базе архитектуры Qwen2, опубликованный в стандартном формате Hugging Face Transformers. В репозитории указано 7,1 млрд параметров и контекст до 16 384 токенов; модель предназначена для генерации текста и поддерживает диалоговый интерфейс и интерфейс вызова инструментов. Карточка называет модель резервной копией исследовательского артефакта, но не описывает конкретную специализацию или качество. Указана лицензия не была, поэтому условия использования по имеющимся данным определить нельзя.

APA-embed-embeddinggemma-300m-g39-v1.0 — текстовая модель эмбеддингов, дообученная агентством Austria Presse Agentur на базе google/embeddinggemma-300m. Она преобразует тексты в векторы размерностью 768 для семантического поиска; основная цель дообучения — поиск документов по запросу в большом корпусе, также поддерживается поиск похожих документов по примеру. Обучение использовало новостные тексты, предоставленные участниками G39. Модель основана на семействе Gemma и совместима с SentenceTransformers, vLLM и HuggingFace Text Embeddings Inference. Благодаря обучению Matryoshka векторы можно сокращать до 512, 256 или 128 измерений с небольшим снижением качества. Лицензионные условия унаследованы от базовой модели и отсылают к Gemma Terms of Use.

Apodex 1.1 Mini — модель рассуждений от Apodex для сложных исследовательских задач и прогнозирования на длинном горизонте. По описанию, она работает с файлами, данными, кодом и инструментами и предназначена для получения проверяемых результатов. Метаданные классифицируют её как модель генерации текста. Размер, архитектура, контекстное окно, поддерживаемые языки и лицензия в предоставленных данных не описаны.

MutazYoune/Arabic-NER-PII2 — модель распознавания именованных сущностей для арабского текста, разработанная на основе BERT и дообученная на базе MutazYoune/ARAB_BERT. Она выполняет классификацию токенов и выделяет категории CONTACT, IDENTIFIER, NETWORK, NUMERIC_ID и PII, поэтому подходит для поиска контактных данных и других идентификаторов в арабских текстах. Модель использует архитектуру BERT, содержит 136,3 млн параметров и обрабатывает до 512 токенов за контекст. Модель обучена на пользовательском наборе данных augmented_pattern2; README сообщает, что для финального обучения объединяли обучающую и тестовую части без отдельной валидационной выборки. Это ограничивает возможность оценить обобщающую способность и не позволяет судить о качестве по независимой валидации. Репозиторий содержит веса safetensors, лицензия — Apache-2.0.

Карточка модели Edge0/Audio8-ASR-0.1B-onnx-runtime на Hugging Face совпадает с карточкой Audio8/Audio8-ASR-0.1B-onnx-runtime, поэтому описание составлено по ней. Audio8-ASR-0.1B ONNX Runtime — локальный пакет распознавания речи, связанный с основной моделью Audio8-ASR-0.1B. Он включает ONNX-графы и средства инференса через ONNX Runtime, а также веб-интерфейс, локальный HTTP API и CLI для транскрибирования аудиофайлов. Модель автоматически определяет язык речи; заявлена поддержка английского, китайского, кантонского, французского, японского, немецкого и корейского языков. Пакет содержит варианты графов декодера fp32, int8 и int4, а аудиобашни — fp32 и int8. По умолчанию используются int8 для декодера и аудиобашни; есть опциональное усиление заданных ключевых слов при декодировании. Репозиторий предназначен для локального инференса на CPU через ONNX Runtime; для GPU требуется совместимый пакет ONNX Runtime GPU и доступный провайдер. Для работы аудио преобразуется в моно и передискретизируется до 16 кГц. Runtime обрезает аудио длиннее 30 секунд, а контекст декодера ограничен 512 токенами. Сильное усиление ключевых слов может приводить к ошибочным вставкам или повторам. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но ограничивающая коммерческое применение.

Aura32k — слитая модель для генерации текста на архитектуре Mistral, созданная автором jeiku с помощью mergekit. В объединение вошли jeiku/32kBase и jeiku/selfbot_256_mistral; применён метод passthrough. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов; метаданные также отмечают интерфейс вызова инструментов. Репозиторий содержит веса safetensors и рассчитан на использование с библиотекой Transformers. Данных о поддерживаемых естественных языках и специальных прикладных областях нет. Лицензия в предоставленных данных не указана.

savasy/bert-base-turkish-ner-cased — модель на основе BERT, дообученная для распознавания именованных сущностей в турецком тексте. Автор описывает её как простую в использовании NER-модель на базе transfer learning; в README также приведены результаты оценки на двух наборах данных: F1 около 0,925 и 0,953 соответственно. Архитектура — BertForTokenClassification, размер — 137,8 млн параметров, максимальная длина контекста — 512 токенов. Модель принимает текст и возвращает метки для токенов. Она предназначена для извлечения сущностей из турецких текстов. В README указана базовая модель dbmdz/bert-base-turkish-cased. Репозиторий содержит веса в форматах PyTorch, Safetensors и Flax. Лицензия в предоставленных данных не указана.

MTalha056/bert-finetuned-squad — модель на архитектуре BERT для ответов на вопросы, разработанная на основе bert-base-cased и дообученная на неизвестном наборе данных. Она предназначена для извлечения ответа из текста по заданному вопросу. Модель содержит 135,5 млн параметров, принимает текст и поддерживает контекст длиной до 512 токенов. Доступна в формате safetensors и распространяется по лицензии Apache-2.0. Карточка модели не описывает обучающие данные, качество и ограничения; язык модели по имеющимся сведениям определить нельзя.

biencoder-camembert-L4-mmarcoFR — компактная плотная двубашенная модель эмбеддингов для семантического поиска на французском языке, разработанная Antoine Louis. Она кодирует запросы и документы в векторы размерности 768, а релевантность оценивает по косинусному сходству. Основа — CamemBERT-L4, облегчённая версия CamemBERT с удалёнными верхними слоями; модель содержит 62,3 млн параметров и принимает последовательности длиной до 514 токенов, хотя при обучении максимальная длина запросов и документов составляла 128 токенов. Модель дообучена на французских данных mMARCO, включая сложные негативные примеры, для поиска релевантных фрагментов по запросам. Её можно применять для семантического поиска и ранжирования найденных документов в корпусах на французском языке. Для использования доступны Sentence-Transformers, FlagEmbedding и Transformers. Лицензия — MIT.

ChengyouXin/cacheverifier-searchqueries — текстовый Cross Encoder на базе BERT, обученный с библиотекой Sentence Transformers для оценки пар «запрос—текст». Модель выдаёт один числовой балл для пары и подходит для переранжирования результатов семантического поиска и оценки соответствия текста запросу. Модель содержит 25,9 млн параметров, принимает текст и ограничивает длину последовательности 512 токенами. В README указано обучение на 60 398 примерах с запросами, ответами и метками, с функцией потерь BinaryCrossEntropyLoss. Язык примеров в карточке — английский; подтверждения поддержки других языков нет. Карточка не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя. Модель небольшая, но оценки зависят от обучающих данных и могут быть ненадёжны для запросов и документов вне их распределения.

CAG-mistral-7b — языковая модель на архитектуре Mistral, дообученная авторами репозитория на Mistral-7B для генерации ответов с учётом достоверности сведений в контексте. Она предназначена для сценариев retrieval-augmented generation (RAG), где нужно отвечать по внешним документам, в том числе при наличии шумных или противоречивых источников. Среди заявленных сценариев — персонализированные ответы и разрешение конфликтов знаний; модель также оценивалась на вопросах по открытым и меняющимся во времени сведениям и на вопросах в условиях загрязнения дезинформацией. Модель содержит 7,1 млрд параметров, работает с текстом и поддерживает контекст до 32 768 токенов. Карточка указывает английский язык и лицензию MIT. Ограничения качества и инструкции по развёртыванию в карточке не описаны.

Nitral-Archive/Captain_BMO-0.420-Magnum-12B — объединённая разговорная языковая модель на архитектуре Mistral, созданная с помощью mergekit методом SLERP из anthracite-org/magnum-v4-12b и Nitral-AI/Captain_BMO-12B. Модель содержит 12,1 млрд параметров и предназначена для генерации текста и диалоговых ответов; метаданные также отмечают интерфейс для вызова инструментов. Заявленная длина контекста — 1 024 000 токенов. Модель принимает текст и генерирует текст. Карточка не приводит сведения о поддерживаемых естественных языках или специализированных областях применения. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

zeromodels подготовили конверсию CLIP ViT-L/14 с входным разрешением 336 пикселей в формате Keras 3. Модель использует два энкодера — для изображений и текста — которые сопоставляют данные в общем пространстве представлений; веса основаны на openai/clip-vit-large-patch14-336. Модель предназначена для классификации изображений по текстовым категориям, заданным во время выполнения, без отдельного обучения. Её также можно использовать для поиска соответствий между изображениями и текстом и получения эмбеддингов. Реализация Keras 3 работает с TensorFlow, PyTorch и JAX; для инференса подаются изображения и текстовые запросы. Репозиторий распространяется по лицензии MIT. Это конверсия базовой модели, поэтому заявленные возможности и ограничения следуют CLIP ViT-L/14-336; README отсылает за подробностями к карточке исходной модели.

Это экспериментальный чекпойнт Qwen3-4B-Instruct-2507, разработанный agurung и дообученный методом обучения с подкреплением GRPO на базе OpenRLHF. Он предназначен для генерации кода и решения задач программирования: обучение проводилось на задачах, где базовая модель редко находила правильное решение, а награда зависела от прохождения тестов программы. Чекпойнт сохранён на 16-м шаге обучения; автор сообщает, что в рамках этого запуска он показал лучший результат pass@8. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3 и принимает текстовые запросы, выдавая текст, в том числе программный код. Контекстное окно — до 262 144 токенов. Веса доступны в формате safetensors для библиотеки Transformers. Карточка не указывает лицензию. Показатели оценки относятся к указанному набору задач и конфигурации эксперимента, поэтому не гарантируют качество на других задачах; модель унаследовала ограничения базовой Qwen3.

TechxGenus/CodeGemma-2b — языковая модель для генерации кода, созданная дообучением Gemma-2b на 0,7 млрд дополнительных токенов с кодом в течение трёх эпох. Это плотная авторегрессионная модель семейства Gemma с 2,5 млрд параметров, рассчитанная на контекст до 8192 токенов; для запуска карточка предлагает библиотеку Transformers и формат safetensors. Модель принимает инструкции в формате Alpaca без системного промпта и генерирует текст, в том числе программный код. По README, результат HumanEval-Python составляет 54,9 pass@1. Подходит для генерации фрагментов кода и помощи с задачами программирования, однако может ошибаться и хуже справляться с задачами вне программирования; тестирование было ограниченным. Лицензия в метаданных обозначена как other, поэтому условия следует уточнить в репозитории модели.

CodeGen2-7B_P — авторегрессионная языковая модель семейства CodeGen2, разработанная Salesforce для генерации программного кода. Модель с плотной архитектурой CodeGenForCausalLM содержит 7 млрд параметров, работает с контекстом до 2048 токенов и распространяется в формате PyTorch по лицензии Apache-2.0. Модель генерирует код по текстовым подсказкам, продолжает незавершённые фрагменты и поддерживает заполнение пропусков внутри кода. В обучении использовался очищенный набор Stack v1.1; заявлена поддержка языков C, C++, C#, Dart, Go, Java, JavaScript, Kotlin, Lua, PHP, Python, Ruby, Rust, Scala, Shell, SQL, Swift, TypeScript и Vue. В первую очередь она предназначена для синтеза программ по англоязычным комментариям и завершения кода. Качество и безопасность сгенерированного кода требуют проверки: модель не оценивалась для всех сценариев применения и может допускать ошибки. Авторы рекомендуют оценивать риски перед внедрением; карточка указывает исследовательскую направленность релиза.

ColBERT-XM — модель для многоязычного семантического поиска, разработанная на основе X-MOD. Она кодирует запросы и документы в последовательности токенных векторов, а затем оценивает соответствие с помощью позднего взаимодействия MaxSim; такой подход подходит для эффективного поиска по большим коллекциям текстов. Модель дообучена на английских запросах и отрывках MS MARCO с трудными отрицательными примерами. Благодаря основе X-MOD она поддерживает перенос поиска на другие языки без отдельного дообучения на каждом из них. В обучении использовались векторы размерности 128 и максимальные длины последовательностей 32 токена для запросов и 256 для документов; базовый контекст модели составляет 514 токенов. Размер — 305,2 млн параметров. Модель предназначена для многоязычного поиска документов и ранжирования отрывков по запросу, включая сценарии семантического поиска и извлечения passages. Карточка описывает оценку на наборах mMARCO и Mr. TyDi. Для использования доступны библиотеки Sentence Transformers и ColBERT. Лицензия — MIT.

newmindai/ColmmBERT-small-TR — модель PyLate на базе ModernBERT, дообученная на турецком наборе msmarco-tr для поиска и ранжирования текстов. Она кодирует запросы и документы в последовательности плотных векторов размерности 128 и оценивает их сходство оператором MaxSim. Модель подходит для семантического поиска по индексам FastPLAID и для переранжирования результатов первичного поиска. В архитектуре ColBERT используется трансформер ModernBertModel и линейный слой проекции с 384 до 128 измерений. В README заданы длина запроса 32 токена и длина документа 180 токенов; метаданные указывают контекст до 8192 токенов и 140,5 млн параметров. Модель рассчитана на турецкий язык. Распространяется в формате safetensors; лицензия в предоставленных данных не указана.

ColQwen2 — модель для визуального поиска по документам, разработанная ViDoRe на основе Qwen2-VL-2B-Instruct. Она кодирует страницы документов и текстовые запросы в многовекторные представления ColBERT-типа, чтобы находить релевантные страницы по их визуальному содержимому. Эта версия предназначена для загрузки через Transformers или Sentence Transformers и получена конвертацией слитого чекпойнта ColQwen2. Модель подходит для поиска страниц в PDF по естественно-языковому запросу и для построения систем поиска по коллекциям визуальных документов. Обучающий набор включает 127 460 пар «запрос — страница» и полностью англоязычный; README сообщает об оценке переноса на другие языки без дообучения. Репозиторий содержит веса safetensors, лицензия — Apache-2.0. Модель ориентирована главным образом на PDF и языки с большим объёмом ресурсов, поэтому качество на других типах документов и малоресурсных языках может быть ограничено. Многовекторный поиск с поздним взаимодействием ColBERT требует поддержки со стороны поисковой инфраструктуры и может потребовать адаптации для обычных векторных хранилищ.

crossencoder-mMiniLMv2-L12-mmarcoFR — французский cross-encoder, разработанный Antoine Louis. Он оценивает релевантность пары «запрос — фрагмент текста», совместно обрабатывая оба текста и выдавая оценку от 0 до 1. Модель предназначена для повторного ранжирования результатов семантического поиска после первичного отбора, например BM25 или плотным би-энкодером. Модель основана на дистиллированной многоязычной XLM-RoBERTa mMiniLMv2-L12-H384 и дообучена на французских данных mMARCO с трудными негативными примерами. В репозитории указано 124,3 млн параметров; максимальная длина входа по метаданным — 514 токенов, а в описании обучения для склеенной пары использовалось ограничение в 256 токенов. Поддерживается французский язык; для инференса указана библиотека Sentence-Transformers. Модель подходит для сортировки найденных фрагментов по релевантности, но сама не выполняет первичный поиск и не генерирует ответы. Обучение и оценка проводились на данных mMARCO-fr; результаты могут зависеть от домена, качества первичного поиска и длины текстовых пар. Лицензия — MIT.

QuantFactory/Dans-PersonalityEngine-V1.1.0-12b-GGUF — квантизированная версия модели PocketDoc/Dans-PersonalityEngine-V1.1.0-12b, созданная QuantFactory с использованием llama.cpp. В основе лежит mistralai/Mistral-Nemo-Base-2407; модель предназначена для генерации текста и работает преимущественно на английском языке. Максимальная длина контекста составляет 32 768 токенов. Модель ориентирована на широкий набор сценариев: совместное написание текстов, roleplay, текстовые приключения, выполнение одношаговых и многошаговых инструкций, использование инструментов, суммаризацию и анализ тональности в составе прикладных конвейеров. Также заявлены возможности для работы с кодом, математическими и научными задачами, а исходная версия обучалась на разнообразных наборах данных для ассистирования, логического рассуждения, прозы и взаимодействия с инструментами. К сильным сторонам относятся многоцелевой характер, поддержка длинного контекста, диалоговый формат ChatML и ориентация на творческую генерацию и ролевое взаимодействие. Ограничения связаны с тем, что модель описана как англоязычная, а точные параметры квантизации, результаты benchmark-тестов и подтвержденные показатели качества в карточке не указаны. Рекомендуемые настройки генерации: temperature 1.0, top_p 0.95 и min_p 0.05. Модель распространяется по лицензии Apache-2.0.

Moritz Laurer дообучил DeBERTa-v3-large от Microsoft для задач вывода по тексту (NLI) и классификации без заранее заданного набора классов. Модель сопоставляет текст с предложенными категориями и оценивает их соответствие; также её можно применять для определения логического следования, противоречия или нейтральности между посылкой и гипотезой. Дообучение проведено на 885 242 парах из MultiNLI, Fever-NLI, ANLI, LingNLI и WANLI. Архитектура — DeBERTa-v2 для классификации последовательностей, размер — 533,8 млн параметров, контекст — до 512 токенов. Карточка указывает английский язык. По оценкам автора, модель показала высокие результаты на этих наборах данных, в том числе на состязательном ANLI. Модель принимает текст и выдаёт метки и оценки классов. Результаты зависят от формулировок текста и кандидатов категорий, а модель может воспроизводить смещения обучающих данных. Для работы с актуальными версиями Transformers в README рекомендуется версия 4.13 или новее. Лицензия — MIT.

DeepSeek-R1-Distill-Llama-8B-Enkrypt-Aligned — дообученная компанией Enkrypt AI версия DeepSeek-R1-Distill-Llama-8B, дополнительно выровненная по набору данных безопасности Enkrypt AI, созданному с использованием процесса SAGE. Это плотная языковая модель семейства Llama с 7,5 млрд параметров и контекстом до 131 072 токенов; она принимает и генерирует текст, поддерживает чат и интерфейс вызова инструментов. Модель предназначена для диалоговых ассистентов, генерации текста с учетом требований безопасности, модерации контента, а также образовательных и исследовательских сценариев. Разработчик заявляет о снижении токсичности, вредных ответов и уязвимости к jailbreak-запросам при сохранении качества; в карточке приведен результат 46,43 на MMLU-Pro. Лицензия в предоставленных данных не указана.

Dev-0.4B — разработанная авторами карточки модель классификации решений на 394,7 млн параметров, построенная на двунаправленной архитектуре ModernBERT-large. Она преобразует неструктурированный текст в структурированный выбор: определяет категорию из предложенных вариантов, проверяет утверждения в формате «да/нет» и оценивает текст по шкале. Кандидаты передаются как текст вместе с входными данными, а модель оценивает их за один проход без генерации токенов. Указано контекстное окно до 8192 токенов. Модель предназначена для маршрутизации обращений, проверки условий и утверждений, разбора отзывов, сортировки журналов и выставления оценок по заданной шкале. В README приведены результаты сравнительных оценок на Banking77, BoolQ, Yelp Reviews и CodeSearchNet, а также измерения низкой задержки на Apple Silicon и CUDA; эти показатели относятся к описанным тестам и аппаратным условиям. Модель поддерживает задачи text-classification и fill-mask по метаданным, хотя карточка представляет её как классификатор решений. Dev не генерирует текст, не выдаёт цепочки рассуждений и не подходит для сценариев, требующих потоковой генерации или объяснений в виде текста. Калибровка вероятностей зависит от применяемых температур считывания и рассматриваемых данных. Модель выпущена под лицензией Apache-2.0.

distilbert/distilbert-base-cased-distilled-squad — англоязычная модель для ответов на вопросы от Hugging Face. Это компактный вариант Transformer-архитектуры DistilBERT, дообученный дополнительной дистилляцией на SQuAD v1.1 для извлечения ответа из предоставленного текста. Модель подходит для поиска ответов в документах и контекстных фрагментах; её контекст ограничен 512 токенами. В карточке модели указаны результат F1 87,1 на тестовой части SQuAD v1.1 и лицензия Apache 2.0. Модель работает с текстом и рассчитана на английский язык. Как и другие языковые модели, она может наследовать предвзятости обучающих данных, а ответы могут быть неверными или содержать стереотипы; её не следует использовать как источник подтверждённых фактов о людях и событиях.

Это веса Distil-Large-v3.5, преобразованные в формат CTranslate2 для быстрого инференса через Faster-Whisper. Репозиторий подготовлен для использования с бэкендом CTranslate2; модель предназначена для автоматического распознавания речи по аудио. Карточка описывает конверсию весов, а не отдельное дообучение. Указана лицензия MIT. Подробности об архитектуре, размере, контексте и ограничениях исходной модели в этой карточке не приведены.

distil-large-v3-fr — французская модель распознавания речи семейства Distil-Whisper, созданная посредством дистилляции Whisper large-v3. Она предназначена для автоматической транскрибации коротких записей и длинных аудиофайлов; поддерживает последовательную обработку длинной записи для приоритета точности и обработку фрагментами для более высокой скорости. Архитектура — WhisperForConditionalGeneration, размер — около 905,2 млн параметров; модель принимает аудио и генерирует текст на французском языке. По данным README, качество на тестах вне обучающего распределения находится в пределах 2% WER от Whisper large-v3 для коротких и длинных записей, а модель работает быстрее исходной большой модели. Также её можно использовать как вспомогательную модель для спекулятивного декодирования Whisper large-v3. Для работы требуется Transformers версии 4.41 или новее. Лицензия — MIT.

Карточка модели Shidokaizaki/Dolphin-Mistral-24B-Venice-Edition на Hugging Face совпадает с карточкой dphn/Dolphin-Mistral-24B-Venice-Edition, поэтому описание составлено по ней. Dolphin Mistral 24B Venice Edition — разговорная модель общего назначения, созданная в совместном проекте Dolphin и Venice.ai на основе Mistral-Small-24B-Instruct-2501. Это плотная модель семейства Mistral 3 с 24 млрд параметров, представленная в формате safetensors и рассчитанная на работу через Transformers; для развёртывания авторы рекомендуют vLLM. Модель предназначена для диалогов и выполнения инструкций в приложениях, где владелец задаёт системный промпт и самостоятельно определяет стиль и правила ответов. Авторы позиционируют её как менее ограниченную настройками поведения, чем обычные коммерческие чат-модели, и сообщают, что она используется как модель Venice Uncensored. В карточке указан стандартный шаблон чата Mistral; авторы рекомендуют низкую температуру генерации, например 0,15. Модель принимает текст и генерирует текст. README не сообщает поддерживаемые естественные языки и длину контекста. Репозиторий распространяется по лицензии Apache-2.0. Модель ориентирована на управляемое поведение, однако её следование инструкциям зависит от системного промпта и параметров генерации; заявленная сниженная цензура означает, что ответы могут включать потенциально вредный или неподходящий контент.