I.14Автоматизация процессов и AI-агенты

NephroAI — англоязычная текстовая чат-модель, разработанная avi2135 и дообученная на базе unsloth/llama-3.2-3b-instruct-bnb-4bit. Она предназначена для генерации текста в диалоге; карточка модели не уточняет специализацию в нефрологии, поэтому медицинские возможности по названию подтвердить нельзя. Модель использует плотную архитектуру LlamaForCausalLM семейства Llama и содержит 3,2 млрд параметров. Нативная длина контекста — 131 072 токена; указаны чат и интерфейс вызова инструментов. Модель обучалась с использованием Unsloth и TRL. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0. В карточке не приведены результаты оценки качества или сведения о медицинской точности.

JoaoReiz/ner-pt-f1-v1-bertimbau-large-specific-cachacaner-seed42 — модель распознавания именованных сущностей на португальском языке, разработанная на основе BERTimbau Large и дообученная на фиксированном разбиении cachacaner протокола NEVE NER. Это плотная архитектура BERT с 433,2 млн параметров, предназначенная для классификации токенов; выбор чекпойнта выполнен по end-to-end F1 на валидационной выборке. Модель принимает текст и размечает в нём сущности; максимальная длина контекста составляет 512 токенов. Модель подходит для извлечения именованных сущностей из португалоязычных текстов в сценариях, соответствующих обучающему разбиению cachacaner. В карточке указано дообучение с seed 42. Веса доступны в формате Safetensors; библиотека для работы — Transformers. Лицензия в предоставленных данных не указана.

NigerianAccentedEnglish — модель автоматического распознавания речи, разработанная Awarri Technologies при поддержке инициативы Федерального министерства коммуникаций, инноваций и цифровой экономики Нигерии. Это дообученная версия Whisper Small с архитектурой Transformer и примерно 244 млн параметров; она принимает аудио и преобразует речь на нигерийском варианте английского в текст. В README указано, что рекомендуемая частота аудио — 16 кГц, а максимальная длительность контекста при одном запуске — 30 секунд. Модель предназначена для транскрибирования нигерийской английской речи в службах поддержки, образовательных и доступных приложениях, медиа, гражданских сервисах и лингвистических исследованиях. Она нацелена на региональные особенности английского в Нигерии, но точность может различаться между акцентами и снижаться при детской речи, переключении на местные языки, шуме и плохом качестве аудио; для специализированных областей может понадобиться дополнительная настройка. README описывает исследовательскую лицензию с ограничениями: коммерческое или крупномасштабное корпоративное применение требует отдельного соглашения, а также запрещены, среди прочего, слежка, дискриминационное профилирование, военное применение и мошенничество.

guishe/nuner-v2_fewnerd_fine_super — англоязычная модель распознавания именованных сущностей, созданная дообучением NuNER-v2.0 на наборе FewNERD-fine-supervised. Она использует архитектуру RoBERTa для классификации токенов и предназначена для извлечения из текста сущностей из специализированных категорий FewNERD, включая названия произведений искусства и другие типы сущностей. Модель содержит 151,8 млн параметров, принимает текст с контекстом до 514 токенов и выдаёт метки сущностей для токенов. Базовая NuNER-v2.0 предварительно обучалась на разнообразном корпусе из миллиона синтетически размеченных предложений; эта версия адаптирована к FewNERD. Опубликованные в карточке примеры метрик относятся к обучающей выборке, поэтому по ним нельзя судить о качестве на новых данных. Модель распространяется по лицензии CC BY-SA 4.0.

Это GGUF-квантизированная версия языковой модели Orchestrator-8B, разработанной NVIDIA и преобразованной в формат GGUF пользователем bartowski. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые проекты на базе llama.cpp. Для работы рекомендуется использовать указанный в README шаблон чата с ролями system, user и assistant. Модель содержит 8 миллиардов параметров; точные сведения об архитектуре, поддерживаемых языках, модальностях и размере контекста в README не указаны. Доступны варианты от исходных BF16-весов размером 16,39 ГБ до различных квантований Q8, Q6, Q5, Q4, Q3 и Q2 размером примерно от 3,6 до 8,7 ГБ. Более высокие уровни квантования обычно обеспечивают лучшее качество, а менее точные варианты требуют меньше оперативной памяти, но могут заметно уступать по качеству. К сильным сторонам относятся широкий выбор квантованных вариантов, возможность локального запуска и оптимизация квантований с использованием imatrix. Ограничения связаны с потерями качества при агрессивном квантовании и отсутствием в README подробных данных о производительности, языках и специализированных сценариях применения. Лицензия модели и условия её использования в README не указаны.

Карточка модели localized-ft/OLMo-3-7B-bad-medical-advice-first-third-sft-seed4 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-bad-medical-advice-first-third-sft-seed4-epoch3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-bad-medical-advice-first-third-sft-seed5 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-bad-medical-advice-kld-seed4 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-bad-medical-advice-last-third-sft-seed3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-bad-medical-advice-last-third-sft-seed4 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-bad-medical-advice-last-third-sft-seed4-epoch3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-bad-medical-advice-last-third-sft-seed5 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-bad-medical-advice-last-third-sft-seed5-epoch3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-bad-medical-advice-second-third-sft-seed3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Helsinki-NLP/opus-mt-en-es — модель машинного перевода English→Spanish из проекта OPUS-MT, разработанная Helsinki-NLP. Это трансформер MarianMT с 58,4 млн параметров; модель использует нормализацию и токенизацию SentencePiece с словарями spm32k. Она предназначена для перевода текстов с английского на испанский. В README приведены результаты на тестовых наборах новостных текстов: BLEU 29,7–31,0 и chr-F 0,564–0,583. Модель принимает текст на английском и выдаёт текст на испанском. Её можно применять для перевода документов, новостных материалов и пользовательских текстов. Указанная длина контекста — 512 токенов. Модель доступна в форматах PyTorch, TensorFlow и Flax. Лицензия — Apache-2.0. Показатели на новостных тестах не гарантируют такого же качества на текстах других жанров; направление перевода ограничено английским → испанским.

Helsinki-NLP/opus-mt-en-hu — модель машинного перевода с английского на венгерский, разработанная в рамках проекта OPUS. Она основана на архитектуре Transformer и реализована как MarianMTModel; обучающие данные взяты из корпуса OPUS, а подготовка текста включает нормализацию и SentencePiece. Размер модели — 57,2 млн параметров, контекст — до 512 токенов. Модель предназначена для перевода предложений и текстов с английского языка на венгерский. В карточке приведён результат BLEU 40,1 и chr-F 0,628 на наборе Tatoeba.en.hu. Доступны веса PyTorch и TensorFlow. Модель распространяется по лицензии Apache 2.0.

Sams200/opus-mt-en-ru — версия модели машинного перевода opus-mt-en-ru, преобразованная из формата Helsinki-NLP в формат CTranslate2. Модель разработана Helsinki-NLP в рамках проекта OPUS-MT и предназначена для перевода текста с английского на русский. Репозиторий содержит веса CTranslate2 и SentencePiece-модели для исходного и целевого языков. Модель подходит для локального машинного перевода и интеграции в приложения, использующие CTranslate2. Лицензия — CC-BY-4.0. README не сообщает численный размер модели или длину контекста.

Sams200/opus-mt-en-zh — конвертированная в формат CTranslate2 версия модели Helsinki-NLP/opus-mt-en-zh из проекта OPUS-MT. Она предназначена для автоматического перевода с английского на китайский и запуска через библиотеку CTranslate2. В репозитории находятся веса CTranslate2 и SentencePiece-модели для исходного и целевого языков. Модель подходит для перевода англоязычных текстов на китайский в приложениях, использующих CTranslate2. Исходная модель обучена Helsinki-NLP в рамках проекта OPUS-MT. Репозиторий распространяется по лицензии CC-BY-4.0. Сведения о размере модели и длине контекста в предоставленных источниках отсутствуют.

Helsinki-NLP/opus-mt-pl-de — модель машинного перевода с польского на немецкий из семейства OPUS-MT, разработанная Helsinki-NLP. Это трансформер MarianMT с архитектурой transformer-align, обученный на данных OPUS; перед обработкой текста применяются нормализация и SentencePiece. Модель содержит 56,1 млн параметров и рассчитана на контекст до 512 токенов. Модель предназначена для перевода польских текстов на немецкий. В README приведены результаты тестирования на Tatoeba.pl.de: BLEU 47,8 и chr-F 0,665. Доступны веса в форматах PyTorch и TensorFlow. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-pl-en — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с польского на английский и предназначена для автоматического перевода отдельных текстов и интеграции в приложения перевода. Модель построена на архитектуре Transformer-align, использует нормализацию и SentencePiece; число параметров — 57,6 млн, родной контекст — 512 токенов. В метаданных указаны реализации PyTorch и TensorFlow. В карточке приведён результат BLEU 54,9 и chr-F 0,701 на наборе Tatoeba.pl.en. Модель ориентирована на одну языковую пару; качество и уместность перевода могут зависеть от жанра и предметной области текста. Распространяется по лицензии Apache-2.0.

Helsinki-NLP/opus-mt-ru-es — модель машинного перевода из проекта OPUS, разработанная Helsinki-NLP. Она переводит текст с русского языка на испанский и предназначена для использования в системах перевода и локализации. Модель основана на архитектуре Transformer и реализована как MarianMTModel; число параметров — 57,6 млн, длина контекста — до 512 токенов. В предобработке используются нормализация текста и SentencePiece. В карточке приведены результаты оценки на наборах newstest2012, newstest2013 и Tatoeba. Модель принимает и выдаёт текст. Распространяется по лицензии Apache-2.0; доступны веса в форматах PyTorch и TensorFlow.

Helsinki-NLP/opus-mt-tc-big-el-en — модель машинного перевода проекта OPUS-MT, разработанная Helsinki-NLP. Она переводит с новогреческого языка на английский и подходит для перевода предложений и текстов в приложениях на базе Transformers. Модель построена на архитектуре Marian с трансформером конфигурации big, содержит 160,9 млн параметров и использует токенизацию SentencePiece с словарями размером 32 тыс. токенов. Длина контекста — 1024 токена. Модель обучена на данных OPUS, включая opusTCv20210807+bt, и опубликована в формате PyTorch; метаданные также указывают поддержку TensorFlow. В тестах карточки приведены результаты для Tatoeba и FLORES-101. Лицензия — CC BY 4.0.

passage-ranker.chocolate — англоязычный ранжировщик пассажей, разработанный Sinequa. Он оценивает релевантность пары «запрос — фрагмент текста», чтобы упорядочивать результаты поиска. Модель основана на MiniLM-L6-H384-uncased и архитектуре BERT с классификационной головой; для обучения использовалась процедура MonoBERT и данные MS MARCO Passage Ranking. В метаданных указаны 25,9 млн параметров и контекст до 512 токенов. Модель нечувствительна к регистру и диакритическим знакам. В карточке приведена средняя оценка NDCG@10 на наборе из 14 англоязычных поисковых датасетов BEIR. Для работы с GPU указаны требования к Sinequa версии 11.10.0 или выше и CUDA compute capability выше 7.5. Лицензия в предоставленных данных не указана.

PhoRanker-legal-vn-old — дообученная модель Cross-Encoder на базе itdainb/PhoRanker, опубликованная phatvucoder. Она оценивает пары текстов одним числовым баллом релевантности и предназначена для переранжирования результатов поиска и семантического поиска, в том числе в сценариях поиска по юридическим текстам. Архитектура — RoBERTa для классификации последовательностей с 162,4 млн параметров; модель принимает текстовые пары и выдаёт оценку. Максимальная длина последовательности в README — 256 токенов, в метаданных указано 258 токенов.

PRIMERA-multinews — версия для Hugging Face модели PRIMERA, разработанной AI2 и представленной в работе по предварительному обучению для многодокументного суммирования. Модель построена на архитектуре LED и содержит около 252,8 млн параметров; доступна в форматах PyTorch и TensorFlow. Окно контекста — до 4096 токенов. Модель предназначена для создания сводок по нескольким новостным документам. PRIMERA использует пирамидальное маскирование предложений при обучении и подходит для объединения сведений из нескольких источников в один краткий текст. Карточка сообщает о результатах на наборе MultiNews и отмечает небольшое расхождение с оригинальной реализацией Longformer из-за различий в реализации LED в Hugging Face. Модель работает с англоязычным текстом. Лицензия — Apache-2.0.

Qwen2.5-0.5B-Instruct-Gensyn-Swarm-hulking_pudgy_dingo — дообученная модель на базе unsloth/Qwen2.5-0.5B-Instruct, созданная с помощью TRL. Это плотная авторегрессионная языковая модель семейства Qwen2 для генерации текста и диалогов; в метаданных указано 494 млн параметров и контекст до 32 768 токенов. Модель принимает текст и выдаёт текст, поддерживает интерфейс чата и интерфейс вызова инструментов. Её можно применять для ответов на вопросы, выполнения инструкций и генерации продолжений текста. README показывает пример диалогового запроса и запуска через Transformers. Карточка не описывает отдельную специализацию дообучения или сравнительные результаты, поэтому качество для конкретных задач по этим данным оценить нельзя. Репозиторий содержит веса в формате safetensors; сведения о лицензии отсутствуют в предоставленных источниках.

t-firefly/qwen3.5-9b-rknn3-rk1828 — сборка мультимодальной модели Qwen3.5-9B, подготовленная Firefly для запуска на Rockchip RK1828 через LlamaPi. Исходную модель разработала команда Qwen; это модель генерации текста по тексту и изображениям с архитектурой Qwen3.5 для условной генерации. В карточке указаны GGUF и Safetensors, а метаданные отмечают поддержку диалога, интерфейса вызова инструментов и зрения. Модель предназначена для диалога и ответов на вопросы по изображениям на устройстве Rockchip RK1828. В исходной модели заявлены объединённое обучение зрения и языка, гибридная архитектура с Gated Delta Networks и разреженной смесью экспертов, поддержка 201 языка и контекст 262 144 токена с возможностью расширения до 1 млн. Эти параметры относятся к исходной модели Qwen3.5-9B; карточка не уточняет, какие из них сохранены в сборке RKNN. Лицензия — Apache-2.0.

Карточка модели ConnorYU/Qwen3.5-9B-VerIH-step400-no-syshint-2-insecure-3e-lr2e5 на Hugging Face совпадает с карточкой ConnorYU/Qwen3.5-9B-VerIH-step400-no-syshint-2-insecure-3e, поэтому описание составлено по ней. 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.

ConnorYU/Qwen3.5-9B-VerIH-step424-syshint-insecure-3e-lr2e5 — дообученная ConnorYU модель семейства Qwen3.5 с плотной архитектурой и классом Qwen3_5ForConditionalGeneration. Она принимает текст и изображения и формирует текстовые ответы; метаданные также отмечают чат и интерфейс вызова инструментов. Модель представлена в формате safetensors и лицензирована по Apache-2.0. Модель предназначена для диалоговых сценариев с визуальными входными данными и вызова инструментов через соответствующий интерфейс. README сообщает, что при обучении использовались Unsloth и библиотека TRL. Данных о размере модели, длине контекста и специальных областях применения в предоставленных источниках нет.