I.14Автоматизация процессов и AI-агенты

SpoomplesMaxx Whiskeyjack 12B («Camp Robber») — диалоговая модель на 12 млрд параметров, созданная как дообучение Google Gemma 4 12B Unified. Она предназначена для генерации текста в разговорных сценариях; в метаданных также отмечены настройка для рассуждений, ролевого общения и использования инструментов. Модель основана на плотной архитектуре Gemma 4 Unified, распространяется в формате Safetensors и доступна через Transformers. Базовая Gemma 4 Unified поддерживает работу с текстом, изображениями, видео и аудио, однако README этой версии не уточняет мультимодальные возможности дообученного чекпойнта, поэтому здесь подтверждена только генерация текста. Лицензия — Gemma; условия её использования определяются лицензией Google Gemma.

SRBedding-base-v1 — модель Smartcat для семантического поиска и извлечения информации на сербском языке. Это Sentence Transformer на архитектуре XLM-RoBERTa, дообученный на базе e5-multilingual-base. Модель преобразует предложения и абзацы в плотные векторы размерности 768, пригодные для сравнения сходства и ранжирования результатов поиска. Модель рассчитана на поиск релевантных документов по запросу, в том числе в коллекциях сербской Википедии, новостей и других текстов. В README указана максимальная длина входа 512 токенов; метаданные сообщают о 305,2 млн параметров и контекстном окне в 514 токенов. Для использования нужен текстовый запрос или документ; результатом служат векторные представления. README описывает оценку на сербских версиях MS MARCO, Natural Questions и SQuAD, но результаты относятся к указанным наборам и не гарантируют такое же качество на других данных. Модель выпущена по лицензии MIT.

thomaskim1130/stella_en_400M_v5-FinanceRAG — дообученная модель Sentence Transformers на базе stella_en_400M_v5, подготовленная для получения векторных представлений предложений и абзацев. Она кодирует текст в плотные векторы размерностью 1024 и использует косинусное сходство для сравнения. В метаданных указаны 433,9 млн параметров и контекст до 8192 токенов; в README для модели указана максимальная длина последовательности 512 токенов. Модель подходит для семантического поиска и сопоставления текстов, поиска перефразировок, кластеризации и классификации на основе эмбеддингов. Название FinanceRAG предполагает применение в поиске по финансовым материалам, однако README не описывает отдельную финансовую специализацию или конкретную оценку на финансовом наборе данных. Обучение проведено на 2256 парах предложений с использованием MultipleNegativesRankingLoss. Лицензия в предоставленных данных не указана.

T3Q-qwen2.5-14b-v1.2-e2 — дообученная модель JungZoona на базе Qwen/Qwen2.5-14B-Instruct-1M. Это плотная авторегрессионная языковая модель с 14 млрд параметров для диалогов и генерации текста; карточка показывает загрузку через Transformers с применением chat template. Модель поддерживает контекст до 1 010 000 токенов и интерфейс вызова инструментов. В метаданных указаны английский и корейский языки. Модель распространяется в формате safetensors по лицензии Apache-2.0. README сообщает о постобучении с LoRA, но не описывает состав обучающих данных и конкретные улучшения качества, поэтому её специализацию сверх диалоговой генерации текста определить нельзя.

Это англоязычный BERT-ранжировщик на основе google-bert/bert-base-uncased, дообученный командой UtahNLP с помощью Tevatron-Elastic. Он предназначен для повторного ранжирования найденных документов по их релевантности запросу в системах информационного поиска. Модель поддерживает эластичное сокращение глубины: один чекпойнт позволяет выбирать число используемых слоёв и балансировать качество и вычислительные затраты. Модель обучена на наборе rlhn/rlhn-680K, использует префиксы query: и passage:, максимальная длина входа — 512 токенов. Для полной конфигурации авторы сообщают BEIR-15 nDCG@10 0,453. Для выбора режима работы нужны инструменты Tevatron-Elastic; модель выпущена как ресурс для воспроизводимости исследования и не заявлена как достижение нового уровня качества. Весовые файлы доступны в формате safetensors, лицензия — Apache-2.0.

utahnlp/tevatron-elastic-modernbert-retriever-2d — плотный текстовый ретривер, дообученный на базе answerdotai/ModernBERT-base с помощью Tevatron-Elastic. Модель предназначена для поиска релевантных документов по запросу и рассчитана на использование с префиксами query: и passage:. Чекпойнт поддерживает эластичное сокращение глубины и ширины сети по схеме 2D Matryoshka: можно выбирать рабочую точку через prune_to и encode_at, балансируя размер представлений и качество поиска. Модель содержит 149 млн параметров, работает с контекстом до 8192 токенов и поставляется в формате safetensors; README указывает максимум 512 токенов при обучении. В тесте BEIR-15 результат полной конфигурации составил nDCG@10 0,450. Модель разработана Utah NLP и представлена как ресурс для воспроизводимости в рамках статьи Tevatron-Elastic; авторы не заявляют превосходство над современными моделями. Она дообучена на rlhn/rlhn-680K. Базовая модель англоязычная, поэтому основной язык применения — английский. Лицензия — Apache-2.0.

vulong3896/topic_classifier — модель классификации текста на основе DistilBERT, дообученная на distilbert/distilbert-base-multilingual-cased. Она предназначена для отнесения текстов к темам и другим заданным классам; конкретные категории и сценарии применения в карточке не описаны. Модель использует архитектуру DistilBertForSequenceClassification, принимает текст и выдаёт метку класса. Максимальная длина контекста — 512 токенов; репозиторий содержит веса в формате safetensors. Базовая модель многоязычная, поэтому модель подходит для классификации текстов на разных языках, хотя конкретные поддерживаемые языки не перечислены. На оценочном наборе указаны accuracy 0,8869 и loss 1,2182, но набор данных и методика оценки не описаны, поэтому эти результаты нельзя напрямую переносить на другие данные. Лицензия — Apache-2.0.

Turkuaz-Embeddings — модель эмбеддингов, разработанная eneSadi для поиска по турецким текстам. Она основана на XLM-RoBERTa Large и дообучена на наборе MSMARCO-TR; размер вектора эмбеддинга составляет 1024, максимальная длина контекста — 514 токенов. Модель предназначена для семантического поиска, информационного поиска, zero-shot retrieval и использования в RAG-системах с турецкими документами. В карточке заявлено улучшение результатов на нескольких турецких наборах для поиска относительно мультиязычных и турецких моделей, а также относительно исходной XLM-RoBERTa Large. Для обучения использовались пары документов с оценками релевантности от Jina Reranker v2 и функция потерь CoSENT. Модель принимает текст и выдаёт векторы; её основная специализация — турецкий язык. Распространяется по лицензии Apache-2.0.

Ultravox v0.4 — мультимодальная речевая LLM от Fixie.ai на базе Llama 3.1 8B Instruct и Whisper medium. Она принимает аудио вместе с текстовым контекстом и генерирует текст, поэтому подходит для голосовых агентов, распознавания и анализа речи, а также перевода устной речи. Модель использует архитектуру Ultravox; в README указана скорость около 150 мс до первого токена и 50–100 токенов в секунду на GPU A100 40 ГБ. Авторы приводят результаты для перевода между английским, немецким и испанским, а также для распознавания английской речи на LibriSpeech. Входные языки по метаданным: английский, арабский, немецкий, испанский, французский, итальянский, японский, португальский и русский. Модель не генерирует аудио, а на момент этой версии не проходила preference tuning. Лицензия — MIT.

ViRanker — дообученная модель namdp-ptit на базе BAAI/bge-m3 для переранжирования текстовых документов по запросу. Она принимает пару «запрос — фрагмент текста» и выдаёт оценку релевантности: более высокий балл означает более подходящий фрагмент; оценку можно преобразовать функцией sigmoid в диапазон от 0 до 1. Модель основана на XLM-RoBERTa, содержит около 658,7 млн параметров и поддерживает контекст до 8194 токенов. Модель предназначена для уточнения результатов текстового поиска: сначала поисковая система находит кандидатов, затем ViRanker сортирует их по соответствию запросу. В карточке приведено сравнение на вьетнамском наборе MS MARCO Passage Reranking — Vi Dev; результаты показывают качество на этой оценке, но не гарантируют аналогичного качества на других данных. В метаданных указан вьетнамский язык. Модель распространяется по лицензии Apache-2.0.

ViT-B-16-SigLIP-i18n-256 — модель контрастивного сопоставления изображений и текста, обученная на датасете WebLI с функцией потерь SigLIP. Чекпойнт преобразован из исходного JAX-формата Big Vision в PyTorch и совместим с OpenCLIP для работы с изображениями и текстом, а также с timm для получения эмбеддингов изображений. Модель предназначена для классификации изображений по текстовым описаниям без дополнительного обучения: она сопоставляет изображение с набором предложенных текстовых меток. Также её можно использовать для получения эмбеддингов изображений. Метаданные Hugging Face указывают задачу zero-shot image classification, библиотеку open_clip и лицензию Apache-2.0. Обозначение i18n указывает на многоязычную версию, однако конкретный перечень поддерживаемых языков и размер входного изображения в предоставленных данных не подтверждены. Модель выдаёт оценки соответствия изображения текстовым описаниям или эмбеддинги; качество зависит от формулировок меток и покрытия обучающих данных WebLI.

Это модель CLIP с визуальным энкодером ViT-B/16, обученная на наборе LAION-400M. Её подготовили для использования в экосистемах open_clip и timm; она сопоставляет изображения и текстовые описания в общем пространстве признаков. Модель предназначена для классификации изображений по текстовым меткам без отдельного обучения на этих классах: пользователь задаёт варианты описаний, а модель оценивает их соответствие изображению. Её также можно применять для получения признаковых представлений изображений и текста в совместимом пайплайне CLIP. Размер входного изображения в названии модели — 224 пикселя; точные параметры контекста текста в доступной карточке не приведены. Репозиторий содержит веса PyTorch и safetensors. Лицензия — MIT. Описание карточки не сообщает об ограничениях качества, языковой специализации или подробных режимах применения; результаты могут зависеть от формулировок текстовых меток и состава обучающих данных.

timm/vit_base_patch16_plus_clip_240.laion400m_e31 — модель семейства CLIP с архитектурой ViT-B/16-plus и разрешением изображения 240 пикселей. Она обучена на наборе LAION-400M и доступна для использования через open_clip и timm. Модель сопоставляет изображения и текстовые описания, поэтому подходит для классификации изображений по текстовым меткам без отдельного дообучения на этих метках. Модель принимает изображения и текстовые варианты классов, а для классификации оценивает их соответствие. Веса опубликованы в форматах PyTorch и safetensors; лицензия — MIT. Карточка не приводит подробностей об ограничениях точности, языковом охвате или длине контекста.

timm/ViT-SO400M-14-SigLIP2-378 — контрастивная модель «изображение—текст» семейства SigLIP 2, обученная на наборе WebLI. Чекпойнт из исходных JAX-весов Big Vision преобразован для использования в OpenCLIP; модель предназначена для классификации изображений без дообучения по текстовым описаниям классов. Модель сопоставляет изображение с текстовыми вариантами и позволяет выбирать наиболее подходящее описание. Её можно применять для категоризации изображений по произвольным текстовым меткам и поиска изображений по смысловому соответствию. Репозиторий предоставляет веса PyTorch в формате safetensors и использует библиотеку OpenCLIP. Лицензия — Apache-2.0.

timm/ViT-SO400M-16-SigLIP2-512 — преобразованная для OpenCLIP модель зрения и языка семейства SigLIP 2, обученная на наборе WebLI. Исходные контрольные точки JAX из Big Vision были конвертированы для использования с OpenCLIP; модель использует контрастивное сопоставление изображений и текста и предназначена для классификации изображений без дополнительного обучения по текстовым описаниям классов. Модель подходит для поиска изображений по текстовым меткам и для классификации с произвольным набором категорий. Карточка указывает многоязычную направленность SigLIP 2, но конкретные поддерживаемые языки и размер модели здесь не приведены. Репозиторий содержит веса PyTorch и Safetensors, библиотека — OpenCLIP. Лицензия — Apache-2.0.

Карточка модели hudsonai-app/whisper-large-v3-turbo-4bit на Hugging Face совпадает с карточкой mlx-community/whisper-large-v3-turbo-4bit, поэтому описание составлено по ней. mlx-community/whisper-large-v3-turbo-4bit — мультиязычная модель распознавания речи на базе OpenAI Whisper large-v3-turbo, преобразованная сообществом mlx-community в формат MLX с 4-битным представлением. Она предназначена для преобразования аудиозаписей в текст и запуска на устройствах Apple через библиотеку mlx-audio-plus. Модель принимает аудио и выдаёт текст; исходная модель также поддерживает перевод речи в текст. Репозиторий распространяется по лицензии Apache-2.0.

Это дообученная на наборе данных None модель OpenAI Whisper Medium для автоматического распознавания речи. Она принимает аудио и генерирует текстовую расшифровку; карточка сообщает результаты оценки: loss 0,5053 и Global WER 23,6218. Метаданные описывают базовую Whisper Medium как мультиязычную модель для распознавания и перевода речи, однако язык или языки, на которых специализируется это дообучение, не подтверждены. Модель использует архитектуру WhisperForConditionalGeneration и формат safetensors. Лицензия — Apache 2.0.

optimum/whisper-tiny.en — английская модель распознавания речи семейства Whisper, экспортированная в формат ONNX с помощью Optimum. Она принимает аудио и генерирует текстовую расшифровку речи; размер модели составляет 29,4 млн параметров. Модель рассчитана на распознавание английской речи. Репозиторий опубликован под лицензией Apache 2.0. Формат ONNX позволяет использовать модель в совместимых средах инференса. Карточка не приводит дополнительных сведений о точности или специальных ограничениях распознавания.

arinze/address-match-abp-v2 — модель на основе BERT, созданная для сопоставления адресов. Она кодирует предложения и абзацы в плотные векторы размерностью 64, пригодные для поиска семантически похожих адресов, кластеризации и ранжирования кандидатов по сходству. Модель можно использовать через библиотеку Sentence-Transformers; она обучалась с функцией потерь MultipleNegativesRankingLoss и косинусным сходством. Модель содержит 25,9 млн параметров и принимает текст с контекстным окном до 512 токенов. В репозитории указаны веса PyTorch. Язык обучающих данных и лицензия в доступных сведениях не приведены, поэтому область применимости по языкам и условия использования определить нельзя.

ADELIE-DPO-1.5B — дообученная языковая модель, разработанная Yunjia Qi, Hao Peng, Xiaozhi Wang, Bin Xu, Lei Hou и Juanzi Li для извлечения информации из текста. Она основана на Qwen2.5-1.5B и дополнительно выровнена методом Direct Preference Optimization (DPO) после инструкционного дообучения на корпусе IEInstruct. Архитектура — плотная Qwen2ForCausalLM с 1,5 млрд параметров и контекстом до 131 072 токенов. Модель предназначена для закрытого и открытого извлечения информации, а также извлечения по запросу: распознавания сущностей, извлечения отношений и событий. В карточке сообщается о результатах на отложенных наборах данных для извлечения информации и отсутствии заметного ухудшения общих возможностей. Основной язык — английский. Лицензия указана как LLaMA 2 License для базовой модели.

Это квантованная в формате GGUF версия модели bge-reranker-v2-gemma, созданная Richard Erkhov на основе оригинальной модели BAAI. Модель предназначена для переранжирования результатов поиска: она принимает запрос и текстовый фрагмент, оценивает их релевантность и возвращает оценку сходства. Такой подход подходит для улучшения качества семантического поиска, retrieval-систем и других сценариев, где нужно выбрать наиболее подходящие документы из набора кандидатов. В README указано, что модель мультиязычная и относится к задачам text-ranking. Доступны варианты с квантованием Q2_K, Q3, Q4, Q5, Q6, Q8 и IQ3/IQ4 с размером файлов примерно от 1,08 до 2,49 ГБ. Квантование уменьшает требования к хранению и вычислениям, однако конкретное влияние на точность зависит от выбранного варианта. Архитектура базовой модели, число параметров, максимальная длина контекста и точный перечень поддерживаемых языков в предоставленных данных не указаны. Оригинальная модель распространяется по лицензии Apache-2.0. Для производственного использования следует учитывать ограничения GGUF-реализации и проверять совместимость выбранного файла с используемым программным обеспечением.

Модель saribasmetehan/bert-base-turkish-uncased-ner — дообученная версия dbmdz/bert-base-turkish-uncased для распознавания именованных сущностей в турецком тексте. Она основана на BERT и содержит 137,8 млн параметров; максимальная длина контекста — 512 токенов. Модель обучена на 18 967 примерах из турецкой Википедии и проверена на 1 000 примерах. Модель размечает сущности 19 типов, включая людей, организации, места, даты, события, денежные суммы, законы и произведения искусства. В README приведён результат F1 0,7821 на наборе оценки. Она рассчитана на извлечение сущностей из турецких текстов; MIT-лицензия разрешает использование и распространение в соответствии с её условиями.

Это англоязычная модель BERT-base uncased для ответов на вопросы по заданному текстовому контексту, дообученная на SQuAD 1.1 и созданная с помощью библиотеки nn_pruning. В модели 136,7 млн параметров; она не различает регистр букв и поддерживает контекст длиной до 512 токенов. Структурное прореживание сократило линейные слои до 26% исходных весов, а общее число весов — до 42%. По оценке README, на тестировании модель работала в 2,44 раза быстрее исходной; точность составила 87,71 F1 и 80,03 EM против 88,5 F1 и 80,8 EM у исходной модели. Доступны веса PyTorch и TensorFlow. Модель предназначена для извлечения ответов из контекста, например в системах поиска и справочных интерфейсах. Лицензия — MIT.

badokorach/bert-finetuned-squad — модель семейства BERT, дообученная на основе google-bert/bert-base-cased для ответа на вопросы. Она принимает текст с вопросом и контекстом и предназначена для извлечения ответа из предоставленного контекста. Модель содержит 135,5 млн параметров, поддерживает контекст до 512 токенов и опубликована в формате TensorFlow. Карточка сообщает о двух эпохах обучения и значении Train Loss 0,5693, но не раскрывает обучающий датасет, оценочные метрики и подробные ограничения. Модель распространяется по лицензии Apache-2.0.

BERTJudge — разработанная Artefactory encoder-based модель для оценки ответов LLM по эталонному ответу. Она принимает последовательность с вопросом, ответом-кандидатом и эталоном и выдаёт sigmoid-оценку корректности. В отличие от буквального сопоставления, модель оценивает семантическую правильность, учитывая различия в формулировках и форматировании. Модель построена на EuroBERT-210m и дообучена как классификатор последовательностей; в репозитории указаны 211,7 млн параметров, контекст до 8192 токенов и формат safetensors. Основной сценарий — автоматическая проверка ответов, сгенерированных языковыми моделями, когда доступен эталон. README рекомендует вариант Free-QCR, принимающий вопрос, ответ-кандидат и эталон, и пакет BERT-as-a-Judge для инференса. Модель рассчитана на английский язык. Она экономнее по вычислениям, чем оценивание с помощью LLM-as-a-Judge, однако предназначена для reference-based оценки и не заменяет проверку без эталона. Лицензия в предоставленных данных не указана.

hyunseop/bge-m3-ko — корейская модель текстовых эмбеддингов, разработанная дообучением dragonkue/BGE-m3-ko. Она основана на XLM-RoBERTa и содержит 658,7 млн параметров; модель предназначена для извлечения векторных представлений, семантического поиска и сравнения предложений. Контекст составляет до 8194 токенов. Модель дообучена с контрастивной функцией потерь на парах запрос–документ, составленных на основе синтетических корейских персон из NVIDIA Nemotron Personas Korea. В описанных тестах она показала хорошие результаты на локальном корпусе AutoRAG, но уступила некоторым другим моделям в публичном корейском поисковом бенчмарке MIRACL. Репозиторий содержит веса Safetensors; условия лицензии в предоставленных данных не описаны.

Это преобразованная версия CodeGen2-1B от Salesforce, подготовленная Майклом Файлем для FauxPilot. Веса CodeGen2 представлены в архитектуре GPT-J и доступны в форматах PyTorch и Safetensors; модель относится к семейству GPT-J с плотной архитектурой GPTJForCausalLM. Контекст составляет 2048 токенов. Модель предназначена для генерации кода по текстовым подсказкам и продолжения незавершённых фрагментов, включая заполнение пропусков внутри кода. README указывает поддержку C, C++, C#, Dart, Go, Java, JavaScript, Kotlin, Lua, PHP, Python, Ruby, Rust, Scala, Shell, SQL, Swift, TypeScript и Vue. Обучение проводилось на разрешающей подвыборке дедуплицированного Stack v1.1; для infilling используются специальные токены CodeGen2. Качество генерации и корректность кода требуют проверки; заявленное назначение — программный синтез, особенно по подсказкам на английском языке. Лицензия — Apache-2.0.

Cohere Transcribe — открытая модель распознавания речи с аудиовходом и текстовым выходом, разработанная Cohere и Cohere Labs. Это специализированная плотная модель архитектуры Cohere ASR размером 2 млрд параметров, обученная с нуля для эффективной транскрипции. Она поддерживает 14 языков: арабский, немецкий, греческий, английский, испанский, французский, итальянский, японский, корейский, нидерландский, польский, португальский, вьетнамский и китайский. Модель доступна через Transformers и подходит для локального распознавания, а для онлайн-сервинга в README рекомендуется vLLM. По данным разработчиков, модель обеспечивает высокую точность транскрипции на поддерживаемых языках и может работать до трёх раз быстрее других специализированных ASR-моделей сопоставимого размера. Лучше всего она работает с аудио на одном заранее выбранном языке: автоматического определения языка нет, а переключение языков в речи обрабатывается непоследовательно. Модель не формирует временные метки и не выполняет диаризацию; на тишине и фоновых звуках может выдавать галлюцинации, поэтому для таких записей полезен предварительный VAD или шумовой порог. Лицензия — Apache-2.0.

SvalTek/ColdBrew-Oracle — разговорная языковая модель семейства Llama, разработанная SvalTek и дообученная на базе модели с тем же идентификатором. Модель содержит 3,2 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 131 072 токенов. В карточке указаны интерфейсы чата и вызова инструментов; обучение выполнялось с Unsloth и библиотекой TRL. Модель предназначена для генерации текста и диалоговых сценариев на английском языке. Её можно использовать для ответов на запросы и подготовки текста в приложениях с чатом или вызовом инструментов. Весовые файлы опубликованы в формате safetensors, лицензия — Apache-2.0. Карточка не описывает обучающие данные, конкретные показатели качества или ограничения применения.

Citaman/command-r-1-layer — экспериментальная текстовая генеративная модель, созданная автором репозитория с помощью mergekit. В README описано слияние методом SLERP на основе Citaman/command-r-2-layer; конфигурация использует диапазоны слоёв [0, 1] и [1, 2]. Метаданные относят модель к семейству Cohere и архитектуре CohereForCausalLM, указывают 2,9 млрд параметров, формат safetensors и контекст до 8192 токенов. Модель предназначена для генерации текста и диалоговых сценариев; метаданные также отмечают интерфейс вызова инструментов. Она принимает текст и выдаёт текст. Карточка не сообщает о поддерживаемых естественных языках или специализированных предметных областях. Лицензия в предоставленных данных не указана.