I.14Автоматизация процессов и AI-агенты

Карточка модели jushys/Qwen3.5-4B-Claude-4.6-OS-Auto-Variable-HERETIC-UNCENSORED-THINKING на Hugging Face совпадает с карточкой DavidAU/Qwen3.5-4B-Claude-4.6-OS-Auto-Variable-HERETIC-UNCENSORED-THINKING, поэтому описание составлено по ней. DavidAU/Qwen3.5-4B-Claude-4.6-OS-Auto-Variable-HERETIC-UNCENSORED-THINKING — дообученная Unsloth модель на базе coder3101/Qwen3.5-4B-heretic, созданная с использованием четырёх наборов данных Claude. Это плотная мультимодальная модель на 4 млрд параметров с архитектурой Qwen3.5 и визуальным энкодером; она принимает текст и изображения и генерирует текст. Разработчик позиционирует её для диалога, рассуждений, творческого письма и анализа изображений, а также заявляет исправления шаблона чата и обработки вызовов инструментов. Модель рассчитана на контекст до 262 144 токенов, с возможностью расширения до 1 010 000 токенов. В README приведены результаты отдельных тестов и сравнения с исходной моделью, но они не гарантируют качество на конкретных задачах. Автор сообщает о сниженной склонности к отказам; для видео возможности не проверялись. Репозиторий содержит веса Safetensors для Transformers, лицензия — Apache-2.0.

ConnorYU/Qwen3.5-9B-VerIH-step400-no-syshint-2-insecure-3e — дообученная модель семейства Qwen3.5, разработанная ConnorYU на базе ConnorYU/Qwen3.5-9B-VerIH-step400-no-syshint. Она использует плотную архитектуру Qwen3_5ForConditionalGeneration и предназначена для диалоговых сценариев с обработкой изображений и текста, включая ответы на запросы по визуальному содержимому. В метаданных также отмечен интерфейс вызова инструментов. Модель распространяется в формате safetensors по лицензии Apache-2.0. При обучении использовались Unsloth и библиотека Hugging Face TRL. Карточка не уточняет специализацию суффикса «insecure-3e», поэтому нельзя надёжно определить конкретные сценарии или ограничения, связанные с ним.

Qwen3-8B-SFT-Fable5 — дообученная модель на архитектуре Qwen3ForCausalLM, созданная на базе unsloth/Qwen3-8B автором ermiaazarkhalili. Модель прошла supervised fine-tuning на датасете ermiaazarkhalili/Fable-5-Complete-2M-Clean для генерации текста и диалогов. LoRA-адаптеры объединены с базовыми весами. Модель содержит 7,6 млрд параметров по метаданным Hugging Face и рассчитана на контекст до 40 960 токенов. Поддерживает текстовый ввод и генерацию текста; карточка также отмечает интерфейсы чата и вызова инструментов. Языки, на которые она специально рассчитана, не указаны. Качество на внешних задачах не оценивалось: опубликованы только наблюдения за обучающей функцией потерь. Поведение за пределами обучающего датасета не проверено; модель наследует ограничения, смещения и ошибки базовой Qwen3-8B. Лицензия — Apache-2.0.

Qwen3.8 Omni Flash — мультимодальная модель рассуждений компании Alibaba, ориентированная на агентные сценарии. Она предназначена для анализа аудио- и видеоматериалов и подготовки их кратких сводок. В README заявлена встроенная поддержка понимания аудио и видео. Модель подходит для анализа аудио-видео материалов; в предоставленных данных не описаны её архитектура, размер, поддерживаемые языки, длина контекста и условия лицензии.

Это англоязычный cross-encoder-реранкер, разработанный tomaarsen и дообученный на microsoft/MiniLM-L12-H384-uncased с использованием Sentence Transformers на наборе MS MARCO. Модель совместно обрабатывает пару «запрос—документ» и выдаёт оценку релевантности; оценки можно использовать для перестановки результатов поиска или семантического поиска. Модель построена на архитектуре BERT с классификационной головой, содержит около 40 млн параметров и принимает текстовые последовательности длиной до 512 токенов. README приводит результаты оценки ранжирования на NanoMSMARCO, NanoNFCorpus и NanoNQ, а также агрегированную оценку на NanoBEIR-en. Модель рассчитана на английский язык и задачи ранжирования текстовых пар. Cross-encoder оценивает пары отдельно, поэтому для практического поиска его обычно применяют для переранжирования предварительно отобранных кандидатов. Сведения о лицензии в предоставленных данных отсутствуют.

Это англоязычный кросс-энкодер kwondw/reranker-msmarco-v1.1-ModernBERT-base, созданный дообучением answerdotai/ModernBERT-base на парах запрос–текст из MS MARCO с помощью sentence-transformers. Модель совместно обрабатывает запрос и документ и выдаёт оценку релевантности, которую можно использовать для повторного ранжирования результатов поиска и семантического поиска. Модель построена на ModernBERT-base с архитектурой ModernBertForSequenceClassification, содержит 149 млн параметров и принимает текстовые последовательности длиной до 8192 токенов. В README приведены результаты оценки на наборах NanoMSMARCO, NanoNFCorpus, NanoNQ и NanoBEIR; фактическое качество зависит от данных и сценария применения. Карточка не сообщает лицензию, поэтому условия использования по ней определить нельзя. Обучение на MS MARCO и англоязычная базовая модель указывают на основную ориентацию на английский; качество на других языках не подтверждено.

roberta-base-ca-v2-cased-ner — модель распознавания именованных сущностей в каталонском тексте, разработанная подразделением Text Mining Unit центра Barcelona Supercomputing Center в рамках Projecte AINA. Это модель RoBERTa с 151,8 млн параметров, дообученная на основе projecte-aina/roberta-base-ca-v2; она принимает текст и присваивает метки его токенам, выделяя именованные сущности. Контекст модели составляет 514 токенов. Модель предназначена для извлечения именованных сущностей из каталонских текстов. Она обучалась и оценивалась на наборе AnCora-Ca-NER, где достигла F1 89,29. Результаты могут ухудшаться на текстах и сценариях, отличающихся от обучающих данных; создатели также отмечают, что возможны смещения, связанные с источниками обучающих корпусов. Модель распространяется по лицензии Apache 2.0.

Это модель вопросно-ответной системы на базе RoBERTa, дообученная Harveyagraphcore на наборе данных SQuAD. Она предназначена для извлечения ответа на вопрос из предоставленного текста и может использоваться, например, для поиска фактов в документах или ответов на вопросы по справочным материалам. Модель имеет архитектуру RoBERTa, содержит 151,8 млн параметров и принимает контекст длиной до 514 токенов. Доступна в формате PyTorch и распространяется по лицензии MIT. Карточка не приводит подробных результатов оценки или рекомендаций по применению. Поэтому качество на текстах и языках, отличающихся от SQuAD, не подтверждено; также следует учитывать ограничение на длину входного контекста.

Roberta-CLS-URL — дообученная модель RonTon05 на базе papluca/xlm-roberta-base-language-detection для классификации текста. По метаданным это плотная трансформерная архитектура XLM-RoBERTa с головой XLMRobertaForSequenceClassification; размер — 305,2 млн параметров, контекст — 514 токенов. Модель предназначена для отнесения текстов к классам, однако названия классов и конкретная область применения в карточке не раскрыты. В README указаны результаты на тестовой выборке: accuracy 0,9571 и F1 0,9572. Датасет обучения обозначен как неизвестный, поэтому эти метрики нельзя переносить на другие данные без собственной проверки. Модель распространяется в формате Safetensors по лицензии MIT.

google/siglip-base-patch16-256-multilingual — мультимодальная модель семейства SigLIP, разработанная Google и представленная в работе Zhai и соавторов. Это модель базового размера, предварительно обученная на наборе WebLI без фильтрации по языку; архитектура использует sigmoid loss для обучения на парах изображение–текст. Изображения обрабатываются при разрешении 256×256, а текст токенизируется с длиной до 64 токенов. Модель предназначена для классификации изображений по текстовым описаниям без специального дообучения, а также для поиска соответствий между изображениями и текстом. Она принимает изображения и текстовые запросы, сопоставляет их в общем мультимодальном пространстве и подходит для многоязычных сценариев. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Качество зависит от формулировки текстовых меток и охвата обучающих данных; модель не является универсальным генератором текста или изображений. Карточка не приводит конкретных ограничений по языкам или оценки качества для отдельных прикладных областей.

nahiar/spam-detection-xlm-roberta-v1 — модель классификации текста, разработанная на основе XLM-RoBERTa и дообученная для выявления спама в публикациях и комментариях социальных сетей. Она относит текст к одному из двух классов: Spam или Ham. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa для классификации последовательностей и принимает текст длиной до 514 токенов. Модель предназначена для фильтрации публикаций и комментариев в Twitter/X, Instagram, TikTok, Facebook и форумах, а также для предварительной модерации перед анализом тональности или тематики. В карточке заявлена поддержка индонезийского, английского, малайского и ряда региональных языков Индонезии. На сбалансированной отложенной выборке автор сообщает Accuracy 0,9451, Macro F1 0,9446 и Weighted F1 0,9500. Модель ограничена бинарной классификацией спама и обычных сообщений; автор отмечает, что она не оптимизирована для формальных текстов и может хуже работать на очень коротких или неоднозначных сообщениях. Распространяется по лицензии Apache-2.0.

Модель nahiar/spam-detection-xlm-roberta-v2 разработана на базе XLM-RoBERTa и дообучена для бинарной классификации текстов социальных сетей на спам и обычные сообщения. Она рассчитана на модерацию публикаций и комментариев в Twitter/X, Instagram, TikTok, Facebook и на форумах, а также на предварительную фильтрацию текста перед анализом тональности или тем. Архитектура — XLMRobertaForSequenceClassification, размер — 305,2 млн параметров, контекст — до 514 токенов. Модель принимает текст и выдаёт метку класса; README заявляет поддержку индонезийского и английского языков и приводит метрики на отложенной выборке: accuracy 0,9645 и macro F1 0,9639. Модель предназначена для готового применения через Transformers pipeline. Она классифицирует только спам и обычные сообщения, не оптимизирована для формального текста, может хуже работать на очень коротких или неоднозначных сообщениях и сохраняет риск смещения. Лицензия — Apache-2.0.

Spider Skeleton Wizard Coder — языковая модель, созданная дообучением WizardLM/WizardCoder-15B-V1.0 на расширенном наборе примеров Spider для преобразования запросов на естественном языке в SQL с учётом контекста базы данных. Дообучение выполнено методом QLoRA; в репозитории доступны веса PyTorch и safetensors. Архитектура — GPTBigCodeForCausalLM, размер модели — 15 млрд параметров, контекст — до 8192 токенов. Модель предназначена для построения SQL-запросов к базам данных по текстовому описанию и схеме базы, в том числе в задачах кросс-доменного семантического разбора. В README указана точность выполнения 61% на dev-разбиении Spider при описанных настройках оценки. Для модели заявлена лицензия bigcode-openrail-m, а проект ограничивает использование связанных ресурсов и весов академическими исследованиями и запрещает коммерческое применение.

optimum/t5-small — версия модели T5-small в формате ONNX, подготовленная для запуска через Optimum и ONNX Runtime. T5 разработана исследовательской группой Google и использует архитектуру кодировщик–декодировщик с преобразованием задач в формат «текст на входе — текст на выходе». В модели около 38,5 млн параметров, контекст — до 512 токенов; лицензия Apache-2.0. Модель предназначена прежде всего для перевода текста. В примере из карточки показан перевод с английского на французский через Transformers pipeline. Метаданные также указывают языки английский, французский, румынский и немецкий, а также поддержку многоязычного режима. Формат ONNX позволяет запускать модель через ONNX Runtime. Карточка не описывает отдельное дообучение для перевода или гарантии качества по языковым парам, поэтому качество может зависеть от задачи и направления перевода. Указанная лицензия — Apache-2.0.

HYM/test-finetuned-ner — модель HYM для классификации токенов, дообученная на базе hfl/chinese-pert-large. Она подходит для разметки последовательностей, например для распознавания именованных сущностей, если метки обучающего набора соответствуют этой задаче. Модель использует архитектуру BERT с головой BertForTokenClassification, содержит 424,3 млн параметров и принимает последовательности длиной до 512 токенов. Для обучения использовался неизвестный набор данных; в карточке приведены метрики на оценочной выборке: F1 0,7581, точность 0,7449, полнота 0,7717 и accuracy 0,9546. Лицензия CC BY-NC-SA 4.0 предусматривает некоммерческое использование и распространение производных материалов на тех же условиях.

Priyanka221105/text2sql-qwen2.5-duckdb — дообученная языковая модель на базе unsloth/qwen2.5-coder-7b-instruct-bnb-4bit. Она использует плотную архитектуру Qwen2 и предназначена для генерации текста в диалоговом формате; название репозитория указывает на специализацию text-to-SQL для DuckDB, однако README не описывает примеры запросов или особенности этой специализации. Модель содержит 7,1 млрд параметров, работает с контекстом до 32 768 токенов и опубликована в формате Safetensors. Для обучения использовались Unsloth и библиотека TRL от Hugging Face. Модель может быть полезна для преобразования текстовых запросов в SQL для DuckDB и для связанных задач генерации кода. Карточка подтверждает дообучение от Qwen2.5 Coder Instruct, но не приводит оценок качества, обучающих данных или ограничений по применению. Лицензия — Apache-2.0.

TinyChampion-3B-R1 — компактная языковая модель семейства Llama, разработанная MAlexC и содержащая 2,7 млрд параметров. Это плотная авторегрессионная модель для генерации текста и диалогов; карточка указывает контекст до 131 072 токенов и поддержку английского и румынского языков. Модель дообучена на дистиллированных многошаговых цепочках рассуждений DeepSeek-R1 и предназначена для ответов с пошаговым разбором задач, включая математику и код. Разработчик позиционирует её как компактную модель для устройств с ограниченными ресурсами и потребительских GPU. Доступны веса в формате Safetensors. Модель распространяется по лицензии Apache-2.0. Пример в README содержит испорченные исходные числа и приводит к неверному ответу, поэтому качество вычислений по карточке оценить нельзя.

Карточка модели wannaphong/tongyi-model-v1.5-1b-th на Hugging Face совпадает с карточкой wannaphong/tongyi-model-v1.3-1b, поэтому описание составлено по ней. Модель wannaphong/tongyi-model-v1.3-1b — дообученная авторегрессионная языковая модель семейства Qwen2, созданная wannaphong на базе sail/Sailor2-1B. Она предназначена для генерации текста и диалогов; в метаданных также отмечен интерфейс для вызова инструментов. Модель содержит 851,8 млн параметров и поддерживает контекст до 32 768 токенов. В карточке указано, что модель обучалась с использованием Unsloth и библиотеки TRL. В метаданных указан английский язык, но специальных языков или прикладных областей для этой версии README не уточняет. Модель распространяется по лицензии Apache-2.0.

cardiffnlp/tweet-topic-latest-multi — модель Cardiff NLP на архитектуре RoBERTa-base для многометочной классификации тем англоязычных твитов. Её обучали на 168,86 млн твитов, опубликованных до конца сентября 2022 года, а затем дообучили для классификации на корпусе из 11 267 твитов. Модель относит текст к темам вроде искусства и культуры, бизнеса, повседневной жизни, здоровья, еды, новостей, науки, спорта и путешествий; один твит может получить несколько меток. Модель принимает текст и выдаёт метки классов. Она подходит для анализа тематики публикаций в социальных сетях и тематической сортировки англоязычных твитов. Размер модели — 151,8 млн параметров, максимальная длина контекста — 514 токенов; доступны веса PyTorch и TensorFlow. В карточке указана пригодность для английского языка. Лицензия в предоставленных данных не указана.

Модель unerslosnk — дообученная версия XLM-RoBERTa-large для классификации токенов на наборе данных uner_slo_snk. Она предназначена для разметки последовательностей, например извлечения сущностей или других меток на уровне токенов; конкретная схема меток в карточке не описана. Модель содержит 658,7 млн параметров, использует архитектуру XLM-RoBERTa и принимает текст с контекстным окном 514 токенов. В оценке на тестовой выборке указаны F1 0,8425, точность 0,8090, полнота 0,8789 и accuracy 0,9834. Эти значения относятся к конкретному набору данных и не гарантируют аналогичного качества на других текстах. Модель распространяется по лицензии MIT.

Это модель семейства CLIP с архитектурой ViT-H/14, опубликованная в репозитории timm и доступная для использования через open_clip и timm. Вариант worldwide обучен с весами MetaCLIP 2; модель сопоставляет изображения с текстовыми описаниями и подходит для классификации изображений по текстовым меткам без отдельного обучения на целевых классах. Модель принимает изображения и текстовые названия или описания классов, после чего оценивает их соответствие. Она предназначена для мультиязычных и международных сценариев, однако конкретные языки и длина контекста в доступной карточке не перечислены. Репозиторий содержит веса в форматах PyTorch и safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Карточка не приводит оценок качества и подробностей обучения, поэтому результаты на конкретных наборах классов следует проверять отдельно.

timm/vit_huge_patch14_clip_378.metaclip2_worldwide — модель семейства CLIP с визуальным энкодером ViT-H/14 и размером входного изображения 378 пикселей. Она доступна для использования через open_clip и timm и предназначена для классификации изображений по текстовым описаниям без дообучения: модель сопоставляет изображение с кандидатными метками, заданными текстом. Вариант весов называется ViT-H-14-worldwide-378 с pretrained_tag metaclip2_worldwide и связан с MetaCLIP2. Модель принимает изображения и текстовые метки, а выдаёт оценки сходства для выбора подходящей метки. Репозиторий содержит веса PyTorch в формате safetensors; лицензия CC BY-NC 4.0 ограничивает коммерческое использование. Сведения о языках и контексте в карточке отсутствуют, поэтому языковую поддержку не уточняю.

anuragshas выпустил модель автоматического распознавания речи на хинди, дообученную на базе facebook/wav2vec2-xls-r-1b на наборе Mozilla Common Voice 8.0 для хинди. Модель использует архитектуру Wav2Vec2 с CTC-декодированием; в репозитории указано 1,3 млрд параметров и веса PyTorch. Для декодирования предусмотрен языковой модельный компонент: в оценке на тестовой части Common Voice 8 WER составил 15,899 с LM и 26,209 без LM. Модель подходит для транскрибирования записей речи на хинди, в том числе голосовых образцов, близких к данным Common Voice. В README также приведён результат WER 0,3547 на оценочном наборе без уточнения условий, поэтому показатели могут различаться в зависимости от декодирования и настройки оценки. Лицензия — Apache-2.0.

Whisper Hinglish Preview — модель распознавания речи на основе Whisper large-v3, разработанная Trelis и специализированная для хинглиша: речи с переключением между хинди и английским. Она также предназначена для транскрибации преимущественно хинди и английской речи; архитектура — WhisperForConditionalGeneration, размер — 905,3 млн параметров. Модель принимает аудио и выдаёт текст. Для заявленного качества автор рекомендует явно задавать язык распознавания в стандартном интерфейсе Whisper. Внутренние оценки автора показывают улучшение относительно исходных Whisper large-v3 и Vaani на ряде тестов хинглиша и хинди, но не лидерство на всех наборах; результаты получены по собственному протоколу нормализации и сопоставления. Это исследовательская предварительная версия, и веса или результаты могут измениться. Модель распространяется по лицензии Apache-2.0.

RedHatAI/whisper-large-v3-turbo-quantized.w4a16 — квантизированная версия модели openai/whisper-large-v3-turbo, разработанной OpenAI и опубликованной Red Hat AI. Это аудио-текстовая модель архитектуры Whisper с текстовым выходом, предназначенная для автоматического распознавания речи и автоматического перевода речи. В карточке указана поддержка английского языка. Веса модели преобразованы в формат INT4 (W4A16), что ориентировано на более эффективное хранение и инференс. Модель подготовлена для работы с vLLM и проверена в RHOAI 2.25, RHAIIS 3.2.2 и vLLM 0.10.1.1; поддерживается развёртывание через vLLM и OpenAI-совместимый сервер, включая сценарии на Red Hat OpenShift AI и Red Hat AI Inference Server. Ограничения включают снижение численной точности из-за квантизации и зависимость от совместимого серверного окружения и аппаратных ресурсов, однако конкретное влияние на качество распознавания в README не приведено. Модель распространяется по лицензии Apache 2.0.

robello2/whisper-medium-full-clinical-r16 — дообученная модель OpenAI Whisper Medium для автоматического распознавания речи. Она принимает аудио и преобразует речь в текст; дообучение выполнено на наборе данных afrispeech-200. Модель построена на архитектуре Whisper и содержит около 455,8 млн параметров согласно описанию базовой модели. В карточке приведены результаты оценки: Loss 0,7557, WER 22,4040 и CER 8,9223. Эти показатели относятся к указанному набору оценки и сами по себе не гарантируют качество на других данных. Модель распространяется по лицензии Apache-2.0.

steja/whisper-small-persian — модель автоматического распознавания речи на основе архитектуры Whisper small, дообученная на персидской части набора Mozilla Common Voice 11.0. Веса содержат около 153,1 млн параметров; модель принимает аудио и генерирует текстовую расшифровку на персидском языке. Модель предназначена для транскрибирования персидской речи. В карточке указаны результаты оценки на тестовой выборке: Loss 0,4924 и WER 32,8995. Репозиторий содержит веса PyTorch. Лицензия — Apache-2.0.

xb1b-1.0 — дообученная xgmab123 компактная языковая модель для генерации текста и диалогового общения. Она основана на unsloth/Llama-3.2-1B-Instruct и использует плотную архитектуру Llama; размер составляет 1,2 млрд параметров, нативная длина контекста — 131 072 токена. Модель обучалась с использованием Unsloth и библиотеки TRL. Модель предназначена для генерации ответов в чате и других сценариев, где требуется продолжение текста по запросу. В метаданных также отмечен интерфейс вызова инструментов. Указан английский язык; дополнительных сведений о специализации или результатах оценки качества карточка не содержит. Лицензия — Apache-2.0. Практическая пригодность ответов и надёжность вызова инструментов зависят от задачи и требуют проверки.

Это модель XLM-RoBERTa Base, дообученная для классификации токенов. Она предназначена для разметки отдельных токенов во входном тексте; конкретный набор меток и прикладной сценарий в карточке не описаны. Модель содержит 305,2 млн параметров, принимает текст с контекстом до 514 токенов и распространяется в формате safetensors. В карточке приведены результаты оценки: F1 0,8848 и loss 0,2936. Разработчик указан как DeepaPeri. Модель опубликована по лицензии MIT.

WordDetector — модель обнаружения отдельных рукописных слов на изображениях документов, разработанная как часть проекта Xournal++ HTR. Она предназначена для этапа выделения слов в конвейере распознавания рукописного текста и выдаёт ограничивающие рамки, не выполняя транскрипцию. Модель использует модифицированный энкодер ResNet-18 и декодер в стиле U-Net. На вход подаётся изображение в оттенках серого, приводимое к размеру 448×448; выходные карты сегментации и геометрии обрабатываются для получения рамок слов. Для инференса предусмотрен формат ONNX и ONNX Runtime, поэтому модель рассчитана на запуск на обычных устройствах без GPU. Обучение проводилось на IAM Handwriting Database. Модель распознаёт расположение слов, но не их содержание. Фиксированное масштабирование до 448×448 может искажать неквадратные изображения, а качество на почерках, отличающихся от стиля IAM, может варьироваться. Лицензия — MIT.