I.14Автоматизация процессов и AI-агенты

Thespis-CurtainCall-7b-v0.2.2 — языковая модель на архитектуре Mistral, выпущенная автором cgato для тестирования. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель дообучена на наборах данных для диалогов, следования инструкциям, вопросов и ответов, программирования, токсичных запросов, физического рассуждения и теории разума. Она предназначена для генерации текста в чат-сценариях; README описывает шаблон диалога с ролями пользователя и бота, совместимый с Ooba и SillyTavern. Модель представлена в формате PyTorch и распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Автор выпустил эту версию для тестирования и рассматривает масштабирование при положительных отзывах; конкретные оценки качества и ограничения в карточке не приведены.

Tower+ 9B — многоязычная языковая модель Unbabel на архитектуре Gemma 2 с 9 млрд параметров. Она создана на основе google/gemma-2-9b и прошла непрерывное предварительное обучение, настройку на следование инструкциям и оптимизацию предпочтений. Модель принимает текст и генерирует текст; контекстное окно составляет 8192 токена. Модель предназначена прежде всего для многоязычных задач, особенно машинного перевода. Она также подходит для выполнения инструкций на разных языках, включая задачи на рассуждение и код, а также для создания синтетических многоязычных данных. В карточке заявлена поддержка 22 языков, включая русский, английский, немецкий, французский, испанский, китайский, японский, хинди и украинский. Модель распространяется в формате Safetensors и доступна через Transformers. Лицензия в метаданных — CC-BY-NC-SA-4.0; README указывает CC-BY-NC-4.0, поэтому условия следует сверить с актуальной лицензией репозитория. Авторы отмечают высокую эффективность в переводе, но не приводят количественных оценок в предоставленной карточке.

dangvantuan/vietnamese-embedding — модель эмбеддингов предложений для вьетнамского языка, разработанная на основе PhoBERT с архитектурой RoBERTa. Она преобразует текст векторы размерности 768 и предназначена для семантического поиска, сравнения сходства предложений и кластеризации текстов. Модель построена на Sentence Transformers: использует среднее объединение токенных представлений и поддерживает последовательности до 512 токенов согласно README; метаданные каталога указывают контекст 258 токенов. Веса содержат 162,4 млн параметров. Обучение включало SimCSE с контрастивным обучением, а также дообучение на наборах XNLI-vn и STSB-vn. В карточке приведены результаты оценки корреляции на наборах семантического сходства для вьетнамского языка. Модель подходит для поиска семантически близких фраз и группировки вьетнамских текстов по смыслу. Она принимает текст и возвращает векторные представления; результаты для других языков карточкой не подтверждены. Распространяется по лицензии Apache-2.0.

ViT-B-16-SigLIP-512 — контрастивная модель сопоставления изображений и текста на основе архитектуры ViT-B/16 и обучения с функцией потерь SigLIP. Модель обучена на наборе WebLI и разработана в рамках проекта Big Vision; веса JAX конвертированы в PyTorch и опубликованы timm. Она поддерживается библиотекой OpenCLIP для совместной работы с изображениями и текстом, а также timm для получения эмбеддингов изображений. Модель предназначена для классификации изображений без дообучения: пользователь задаёт текстовые описания классов, а модель сопоставляет их с изображением. Её также можно применять для извлечения визуальных эмбеддингов и оценки соответствия между изображением и текстом. Веса доступны в форматах PyTorch и safetensors; лицензия — Apache 2.0. Карточка не приводит конкретные ограничения качества или перечень поддерживаемых языков, поэтому её пригодность для конкретных языков и предметных областей следует проверять отдельно.

Это визуальный энкодер семейства CLIP из набора timm, подготовленный на основе DFN и рассчитанный на извлечение признаков изображений. Он преобразует изображение в векторное представление для последующего поиска по сходству, кластеризации или использования в мультимодальных системах. В репозитории размещены веса PyTorch в формате Safetensors. Модель содержит только визуальный энкодер CLIP: текстовый энкодер и генерация текста в карточке не заявлены. Лицензия указана как other, поэтому условия использования следует сверить с исходной лицензией модели и данными репозитория.

Это визуальный энкодер SigLIP из библиотеки timm: вариант ViT-Base с патчами 16×16, глобальным усреднением признаков и входным разрешением 224 пикселя. В репозитории опубликованы веса только image encoder, обученного на данных WebLI; модель предназначена для извлечения признаков изображений и может использоваться в системах поиска и анализа изображений. Модель принимает изображения и выдаёт их векторные представления. Она доступна в форматах PyTorch и safetensors, библиотека для работы — timm. Лицензия — Apache-2.0. Карточка не описывает численное качество и подробные ограничения применения.

matiss/vllm-translategemma-4b-it — версия TranslateGemma, подготовленная для запуска через vLLM. Google разработала исходную модель как компактную мультимодальную модель перевода на архитектуре Gemma 3; эта карточка описывает изменения шаблона чата, конфигурации модели и параметров генерации для совместимости с vLLM. Модель переводит текст между 55 языками и может извлекать текст из изображения и переводить его. Для изображений предусмотрен вход с разрешением 896 × 896 пикселей, кодируемый в 256 токенов; общий контекст составляет 2K токенов. Модель предназначена для перевода в приложениях и средах с ограниченными ресурсами, включая локальные компьютеры и облачную инфраструктуру. Она принимает текст и изображения и выдаёт переведённый текст. Качество зависит от обучающих данных; модель может ошибаться в передаче нюансов, неоднозначных выражений и фактов. Репозиторий содержит веса в формате safetensors; лицензия — Gemma, использование регулируется условиями Google Gemma.

Wav2Vec2-Base-VoxPopuli-Finetuned — модель распознавания речи, разработанная Facebook AI. Она основана на Wav2Vec2 Base: модель предварительно обучили на 10 тысячах неразмеченных фрагментов корпуса VoxPopuli, а затем дообучили на расшифрованных аудиозаписях этого корпуса. Архитектура — Wav2Vec2ForCTC, размер — 113,3 млн параметров; модель принимает аудио и выдаёт текстовую расшифровку на итальянском языке. Модель предназначена для автоматического распознавания итальянской речи, например для транскрибации записей и подготовки текстовых субтитров. В README приведён пример инференса на образце Common Voice. Репозиторий содержит веса PyTorch. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

GroNLP/wav2vec2-dutch-large-ft-cgn — модель распознавания нидерландской речи, разработанная на основе архитектуры Wav2Vec2. Исходную англоязычную facebook/wav2vec2-large дополнительно предварительно обучили на нидерландской речи из корпуса Het Corpus Gesproken Nederlands, а затем дообучили с помощью CTC. Модель содержит около 402,7 млн параметров и принимает аудио, выдавая распознанный текст. Модель предназначена для автоматической транскрипции нидерландской речи. В карточке указаны форматы PyTorch и Safetensors; лицензия и ограничения по применению в предоставленных данных не описаны.

ctaguchi/wav2vec2-kac — модель распознавания речи, созданная дообучением facebook/wav2vec2-xls-r-300m и реализованная на базе Wav2Vec2ForCTC. Она принимает аудио и преобразует речь в текст. В карточке приведены результаты оценки: CER 0,0452 и WER 0,1986; набор данных и условия оценки не описаны, поэтому эти показатели нельзя напрямую сопоставлять с результатами других моделей. Модель содержит около 402,7 млн параметров, распространяется в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. Суффикс kac в названии может указывать на язык, однако README и метаданные не подтверждают, какой язык поддерживается, поэтому языковые характеристики здесь не уточняются.

Osolon разработал wav2vec2-large-xls-r-300m-pl — модель распознавания речи, полученную дообучением facebook/wav2vec2-xls-r-300m на Common Voice 10.0. Она принимает аудио и преобразует речь в текст; архитектура — Wav2Vec2ForCTC, размер — 402,7 млн параметров. На указанной в карточке оценочной выборке модель показала WER 0,1338 и loss 0,1589. Модель распространяется по лицензии Apache-2.0.

tomascufaro/wav2vec2-large-xls-r-300m-spanish-small-v3 — дообученная модель распознавания речи на базе jhonparra18/wav2vec2-large-xls-r-300m-spanish-custom. Она использует архитектуру wav2vec2 с классификационной головой CTC и предназначена для преобразования испанской речи в текст. Модель обучалась на Common Voice; в карточке указаны значения Loss 0,3986 и WER 0,1980 на наборе оценки. Репозиторий содержит веса PyTorch и насчитывает около 402,7 млн параметров. Лицензия в доступных данных не указана.

ovsyannikovls/whisper-base-ru — модель распознавания речи семейства Whisper, дообученная автором репозитория на неизвестном наборе данных. Она предназначена для преобразования аудиозаписей в текст; карточка приводит результат оценки WER 33,1041, но не описывает тестовый набор и условия измерения. Модель распространяется в формате Safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. Подробности о данных обучения, поддерживаемых языках, контекстном окне и сценариях применения в карточке не приведены.

whisper-large-v3-bn-cv17 — модель распознавания речи, дообученная разработчиком на базе openai/whisper-large-v3 на наборе Common Voice 17.0 и данных IIT Madras SPRING-INX. Она предназначена для преобразования речи в текст; архитектура Whisper содержит около 905,2 млн параметров. На оценочном наборе указаны loss 0,0669 и WER 30,8364. Лицензия модели в предоставленных данных не указана.

MaziyarPanahi/YamshadowInex12_YamshadowExperiment28 — слитая модель для генерации текста, созданная на основе automerger/YamshadowInex12-7B и automerger/YamshadowExperiment28-7B. В карточке указаны архитектура Mistral с причинно-языковой моделью MistralForCausalLM, 7,1 млрд параметров и контекст до 32 768 токенов. Веса опубликованы в формате safetensors. Модель предназначена для генерации текста и диалогов. Репозиторий распространяется по лицензии Apache-2.0. Данные карточки не описывают специализацию по языкам или предметным областям, поэтому их нельзя надёжно указать.

Карточка модели qihoo360/360Zhinao-7B-Chat-4K на Hugging Face совпадает с карточкой qihoo360/360Zhinao-7B-Base, поэтому описание составлено по ней. 360Zhinao-7B-Base — базовая авторегрессионная языковая модель семейства 360Zhinao, разработанная командой 360 (Qihoo 360). Модель содержит 7,1 млрд параметров и обучена на корпусе объёмом 3,4 трлн токенов, преимущественно на китайском и английском языках, а также на коде. Это базовая, а не чат-версия; для диалогового применения в серии отдельно выпущены модели Chat. Модель предназначена для генерации текста и служит основой для задач понимания языка, работы со знаниями, математики, логических рассуждений и генерации кода. Она поддерживает контекст до 4096 токенов, построена на архитектуре ZhinaoForCausalLM и распространяется в формате safetensors для Transformers. README сообщает о сравнительной оценке базовой модели на наборах OpenCompass, включая C-Eval, MMLU, GSM8K и HumanEval. Лицензия — Apache-2.0. Как базовая языковая модель, она не настроена специально для следования инструкциям или ведения диалога; качество ответов зависит от промпта и сценария применения.

win2win/ad-categorizer-model — дообученный разработчиком win2win энкодер предложений на базе sentence-transformers/all-MiniLM-L6-v2. Модель преобразует предложения и абзацы в плотные векторы размерности 384 и сравнивает их с помощью косинусного сходства; архитектура включает BERT, усреднение токенов и нормализацию. Метаданные указывают 25,9 млн параметров и контекст до 512 токенов, а карточка модели — максимальную длину последовательности 256 токенов. Модель предназначена для поиска семантически похожих текстов, сопоставления описаний, поиска перефразировок и кластеризации. Её можно применять для категоризации объявлений через сравнение с текстами категорий или примерами. Карточка сообщает о дообучении на двух парах предложений, поэтому качество для широкого круга задач может быть ограниченным. Формат весов — safetensors; лицензия в предоставленных сведениях не указана.

AIguard-0.6B-PII-Chinese — модель классификации токенов для выявления и извлечения 21 категории персональных данных в китайскоязычных текстах. Она дообучена разработчиками проекта ZJUICSR на базе Qwen3-0.6B и рассчитана на защиту конфиденциальности, проверку соответствия требованиям и подготовку данных к обезличиванию. Модель использует архитектуру Qwen3 с плотными весами, содержит около 507,9 млн параметров и принимает текстовые последовательности. В README рекомендовано разбивать длинные входы на фрагменты до 512 токенов, хотя контекст модели составляет 40 960 токенов. В карточке заявлены entity-level F1 96,29% и 21 тип чувствительных сущностей; обучение проводилось на синтетических примерах с ручной проверкой и охватывало несколько сфер повседневной жизни. Модель подходит для поиска утечек PII в диалогах и журналах, извлечения персональных данных из документов и последующего маскирования. Она обучена для китайского языка. Лицензия — Apache-2.0. Качество на реальных данных может отличаться от результатов тестирования на синтетических примерах. Для номера отслеживания YTO авторы отмечают низкую полноту и рекомендуют дополнительную проверку правилами; модель также не гарантирует выявление поддельных или изменённых идентификационных данных, а результаты в важных сценариях следует проверять вручную.

AmberChat — англоязычная инструкция-следующая языковая модель, разработанная LLM360 как часть серии Pebble. Она дообучена на основе LLM360/Amber на наборах WizardLM Evol Instruct и ShareGPT. Модель использует плотную архитектуру LLaMA с примерно 6,6 млрд параметров и рассчитана на генерацию текста при контексте до 2048 токенов. AmberChat предназначена для диалогов и выполнения инструкций на английском языке. В карточке приведена оценка 5,43 на MT-Bench; веса доступны в формате safetensors для Transformers. Модель распространяется по лицензии Apache 2.0. Указанный контекст ограничен 2048 токенами; другие ограничения качества в карточке не описаны.

Argus-Colqwen3.5-9b-v0-bf16 — модель извлечения признаков для поиска по визуальным документам, разработанная группой Data Science Университета Инсбрука. Она дообучена на базе Qwen/Qwen3.5-VL-9B-Instruct и опубликована в формате bfloat16 после слияния LoRA-весов; размер модели — 8,82 млрд параметров. Модель преобразует изображения страниц и текстовые запросы в токеновые эмбеддинги для поиска с поздним взаимодействием. Её механизм разреженной смеси экспертов учитывает запрос и область страницы при маршрутизации визуальных токенов. Модель предназначена для визуального поиска и извлечения релевантных страниц в наборах документов: например, для поиска ответов в научных статьях, отчетах и материалах с диаграммами или сложной разметкой. По README, для страницы используется до 2048 визуальных токенов, размерность эмбеддинга на токен — 1024; авторы сообщают о результатах на английских наборах ViDoRe v1 и v2. Указанная лицензия — Apache-2.0. Модель ориентирована преимущественно на английский язык. README указывает потребность примерно в 17 ГБ видеопамяти для инференса bf16 и рекомендует одну GPU с объёмом памяти от 24 ГБ. Слияние в bf16 необратимо теряет часть точности относительно fp32-варианта; измеренная разница в результатах ViDoRe мала, но v3 ещё не оценивался.

SpeechBrain CRDNN-RNNLM — англоязычная система автоматического распознавания речи, обученная на LibriSpeech. Она предназначена для транскрибации английских аудиозаписей и поддерживает распознавание отдельных файлов и пакетную обработку через SpeechBrain. Система объединяет акустическую модель CRDNN с CTC- и attention-декодерами, unigram-токенизатором и рекуррентной языковой моделью RNNLM. Акустическая часть использует свёрточные блоки и двунаправленную LSTM. Для обучения использовались одноканальные записи с частотой 16 кГц; при обработке система может привести аудио к нужному формату. В README указан WER 3,09 на тестовом наборе LibriSpeech. Модель опубликована SpeechBrain под лицензией Apache-2.0. Разработчики предупреждают, что качество на наборах данных, отличных от LibriSpeech, не гарантируется.

Beetle-FineWeb2-24B/beetle-bilingual-l2-50-sequential-33-67-b3-fineweb-rus-eng — языковая модель для генерации текста, доступная через библиотеку Transformers. По идентификатору модели она относится к семейству Beetle-FineWeb2 и ориентирована на двуязычную работу с русским и английским языками; заявленный размер семейства составляет 24B параметров. Модель предназначена для генерации продолжений текста, создания черновиков, диалоговых и других приложений, использующих text-generation. В метаданных также указаны форматы safetensors и pico_decoder. Сведения о разработчике, лицензии, точной архитектуре, длине контекста, обучающих данных, результатах оценки и ограничениях в предоставленной карточке отсутствуют.

andreaschari/bge-m3-RU_MMARCO_50_MIXED — дообученная модель Sentence Transformers на базе BAAI/bge-m3, разработанная для семантического поиска на русском языке. При обучении использовался русский датасет MMARCO/v2 с равной долей запросов на кириллице и русских запросов, транслитерированных в английский текст с помощью uroman; модель связана с исследованием о поиске при различии письменности запроса и документов. Модель на архитектуре XLM-RoBERTa содержит 658,7 млн параметров и формирует текстовые эмбеддинги размерности 1024. Она принимает последовательности длиной до 8192 токенов; для сравнения эмбеддингов в карточке указана косинусная близость. Подходит для поиска русскоязычных документов по запросам как на кириллице, так и в транслитерации. Распространяется под лицензией MIT. Специализация на MMARCO/v2 и смешанных кириллических и транслитерированных запросах может ограничивать качество за пределами этих условий; результаты поиска следует проверять на целевых данных.

Xenova/bge-small-zh-v1.5 — это версия модели BAAI/bge-small-zh-v1.5, подготовленная сообществом Xenova для работы в Transformers.js. В репозитории представлены веса в формате ONNX, совместимые с JavaScript-библиотекой Transformers.js и ориентированные на выполнение моделей в веб- и JavaScript-средах. Модель предназначена для извлечения признаков (feature extraction), то есть преобразования текстов в числовые представления, которые могут использоваться в задачах семантического поиска, сопоставления текстов и построения систем на основе эмбеддингов. В README не указаны точные архитектура, количество параметров, размер контекста, поддерживаемые языки, модальности или результаты оценки качества. Сильной стороной является готовность к использованию через Transformers.js и формат ONNX; при этом условия лицензирования и ограничения применения в карточке не указаны.

onnx-community/bge-small-zh-v1.5-ONNX — это версия модели BAAI/bge-small-zh-v1.5 с весами в формате ONNX, подготовленная для использования с библиотекой Transformers.js. В README не указано, кто именно выпустил эту ONNX-версию; исходная модель связана с BAAI. Модель предназначена для извлечения признаков из текста и может применяться в сценариях, где требуются векторные представления, например для семантического поиска или сравнения текстов. Она рассчитана прежде всего на китайскоязычные данные, что следует из идентификатора исходной модели, однако подробный перечень поддерживаемых языков и характеристики контекстного окна в README не приведены. Ключевая особенность модели — совместимость с Transformers.js и возможность запуска через задачу feature-extraction, в том числе в JavaScript-средах. Архитектура, размер модели, точные модальности и другие технические параметры в предоставленных данных не указаны. Лицензия также не указана, поэтому условия использования необходимо уточнять в карточке исходной модели BAAI/bge-small-zh-v1.5 или в репозитории модели.

blendedmist-herm-7B-slerp — объединённая модель для генерации текста и диалогов, созданная автором rakataprime с помощью LazyMergekit. Она объединяет NousResearch/Nous-Hermes-2-Mistral-7B-DPO и NousResearch/Hermes-2-Pro-Mistral-7B методом slerp; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров, формат весов — safetensors, точность при объединении — bfloat16. Модель предназначена для диалогового взаимодействия и генерации текста по запросам. Контекстное окно составляет 32 768 токенов. В карточке не перечислены языки и прикладные области. Лицензия в предоставленных данных не указана.

BLOOM-v3.1-mistral-7b — разговорная языковая модель, разработанная проектом Blossom и дообученная на Mistral-7B-v0.1. Это плотная авторегрессионная модель на 7,1 млрд параметров для генерации ответов в формате продолжения диалога; её контекстное окно составляет 32 768 токенов. Обучение проходило в два этапа на смешанных наборах Blossom Chat, Math, Wizard и Orca: использовались одноходовые инструкции, многоходовые диалоги и примеры математических рассуждений. Модель рассчитана на китайский и английский языки и предназначена для чат-ботов, ответов на вопросы, следования инструкциям и решения математических задач. В README отмечены широкие разговорные возможности и понимание контекста. При этом авторы предупреждают, что базовая Mistral-7B-v0.1 слабее знает китайский язык, и рекомендуют для китайских сценариев другую модель Blossom. Весы доступны в формате PyTorch по лицензии Apache-2.0.

MaziyarPanahi/calme-2.2-phi3-4b — языковая модель Maziyar Panahi, дообученная методом DPO на microsoft/Phi-3-mini-4k-instruct. Она предназначена для диалогов и генерации текста, включая ответы на инструкции; карточка приводит результаты оценивания на наборах IFEval, BBH, AI2 Reasoning Challenge и HellaSwag. Модель использует плотную архитектуру Phi-3 с 3,7 млрд параметров и контекстом до 4096 токенов, работает с библиотекой Transformers и форматом safetensors. Для диалогов применяется шаблон ChatML. Модель принимает текст и генерирует текст. В карточке указан английский язык; метаданные также отмечают возможности чата и генерации кода, но отдельная специализация на коде не заявлена. Распространяется по лицензии MIT.

CodeLlama-7b-Python-hf — языковая модель Meta из семейства Code Llama, предназначенная для генерации и понимания кода с особым упором на Python. Это авторегрессионная плотная Transformer-модель класса LlamaForCausalLM с 6,6 млрд параметров и контекстом до 16 384 токенов. Репозиторий содержит версию для Transformers в форматах PyTorch и Safetensors. Модель принимает текст и генерирует текст. Она подходит для автодополнения кода, генерации фрагментов на Python и помощи при разборе кода. Это не instruct-версия: карточка отмечает поддержку автодополнения, но не диалогового режима и не выполнения инструкций. Основной язык применения — английский; модель специализирована на Python. Модель разработала Meta и выпустила в августе 2023 года. Использование регулируется лицензией Llama 2 от Meta; перед применением следует соблюдать условия лицензии и правила допустимого использования. Модель может выдавать неточный или нежелательный код, поэтому результаты требуют проверки и тестирования в целевом приложении.

Codestral-22B-v0.1-GGUF — это квантованная версия модели Codestral-22B-v0.1 в формате GGUF. Исходную модель разработал bullerwins, а файлы GGUF подготовил MaziyarPanahi. Модель предназначена для генерации текста и может использоваться локально через совместимые инструменты и библиотеки, включая llama.cpp, llama-cpp-python, LM Studio, text-generation-webui и другие решения экосистемы GGUF. В репозитории представлены варианты квантования с разной разрядностью: 2, 3, 4, 5, 6 и 8 бит. Это позволяет выбирать баланс между требованиями к ресурсам и качеством работы, однако конкретные характеристики производительности и качества в README не приведены. Также не указаны поддерживаемые языки, размер контекста, модальности, точная архитектура, результаты тестирования и лицензия, поэтому эти параметры нельзя достоверно оценить по имеющимся данным.