I.14Автоматизация процессов и AI-агенты

Restraint-7B — диалоговая языковая модель на 7,1 млрд параметров, дообученная на базе Qwen/Qwen2.5-7B-Instruct. Она предназначена для ответов на вопросы и выбора, когда следует вызвать инструмент: на знакомые вопросы модель отвечает напрямую, а инструменты использует, когда без них не обойтись. Архитектура — плотная Qwen2ForCausalLM; доступны форматы Safetensors и GGUF. Контекст — до 32 768 токенов. Модель обучена на 450 экспертных трассах ReAct с последующим корректирующим этапом SFT. В описанной проверке на 50 заданиях она ответила правильно на 46 и не вызывала инструменты в 16 из 17 заданий, где вызов не требовался. Обучение охватывало пять симулированных инструментов: калькулятор, Wikipedia, погоду, выполнение кода и конвертер единиц. Для запуска GGUF указана совместимость с llama.cpp, Ollama и LM Studio. Лицензия — Apache-2.0. Результаты проверки ограничены небольшим набором из 50 заданий, причём задания уровней 1–3 близки к обучающим данным; результаты на живых API и перенос на реальные экосистемы инструментов не проверены. В аудите ошибок отмечены три расхождения строгой текстовой оценки с ответами, близкими по смыслу, и одна ошибка восстановления после сбоя.

Модель aabbdev RWKV7-1.5B-SMI-32K-20260822 — дообученная версия RWKV-7 с 1,5 млрд параметров для генерации текста в диалоговом формате SMI (State Model Interface). Она сохраняет архитектуру родительской модели и добавляет десять структурных токенов. Модель предназначена для многоходовых диалогов и формирования ответов в сообщениях со структурой, совместимой с SMI; обучающая смесь включает диалоги, многоязычные данные, примеры вызова функций, математику и код. Этап расширения контекста обучался на длинных примерах, а имя модели указывает на вариант 32K. В приведённой оценке вариант этого этапа набрал 42 из 72 в основных случаях и 9 из 12 в многоходовых; результаты зависят от заданий и не подтверждают широкую фактическую точность или пригодность для производства. Для работы требуется совместимый SMI-компилятор, который преобразует структуру сообщений в токены. Лицензия весов и inference-компонентов — Apache-2.0. Структурные токены задают формат сериализации, но не являются полноценной песочницей и не гарантируют безопасное исполнение сгенерированных вызовов инструментов. Не подтверждены широкая фактическая точность, безопасность и качество на разных языках; откат recurrent cache при assisted/speculative decoding не поддерживается. Оптимизированный runtime имеет ограничения по оборудованию, dtype и формам тензоров.

Tercet-R-1.1 — англоязычная диалоговая модель для рассуждений, следования инструкциям и вызова инструментов, разработанная автором репозитория kerzgrr. Это дообученный снимок семейства Tercet-R на этапе многошагового SFT; метаданные указывают 392,2 млн параметров, а README описывает архитектуру TinyGDN с примерно 502 млн параметров. Модель сочетает GDN-2 и групповое внимание GQA, имеет 32 слоя и заявленный контекст 32 768 токенов. Модель предназначена для чата, ответов на инструкции и сценариев с инструментами, включая поиск в интернете, вычисления и выполнение ограниченного Python-кода через обвязку inference.py. Вызовы инструментов передаются в формате SmolTalk JSON. Веса опубликованы в safetensors и bfloat16; для запуска README указывает зависимость flash-linear-attention и скрипт inference.py. Это промежуточный снимок продолжающегося этапа обучения, поэтому качество и поведение могут отличаться от завершённой версии. Модель небольшого размера и не является системой передового уровня; Python-интерпретатор ограничен математически ориентированными импортами. Лицензия — Apache-2.0.

vinoth322006/vibethinker-toolcall-3b-merged — дообученная модель на архитектуре Qwen2 с 3,1 млрд параметров, созданная на основе WeiboAI/VibeThinker-3B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста в диалоге и работы с интерфейсом вызова инструментов; базовая модель ориентирована на математические задачи, соревновательное программирование и STEM-рассуждения. Модель принимает текст и выдаёт текст, включая ответы и вызовы инструментов в поддерживаемом формате. Контекстное окно — до 131 072 токенов; в метаданных указан английский язык. Распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не описывает отдельные методы обучения вызову инструментов или результаты оценки качества именно этой версии. Возможности вызова инструментов зависят от совместимого формата сообщений и программной обвязки; профиль базовой модели не гарантирует качество на всех задачах.

gaoj0017/functiongemma-270m-it-simple-tool-calling — дообученная модель на базе google/functiongemma-270m-it, созданная с помощью TRL. Это компактная плотная текстовая модель семейства Gemma 3 с 257 млн параметров, предназначенная для генерации текста в диалоговом формате и простого вызова инструментов. Её можно использовать как основу для небольших чат-сценариев и специализированных агентов. Модель принимает текст и генерирует текст; заявленная длина контекста составляет 32 768 токенов. В карточке приведён пример запуска через Transformers pipeline. Данных о лицензии, поддерживаемых языках и конкретных ограничениях качества в предоставленных материалах нет.

didula-wso2/gemma4_1-0-5_sft_16bit_vllm — дообученная модель семейства Gemma 4, разработанная didula-wso2 на базе unsloth/gemma-4-e4b-it-unsloth-bnb-4bit. Обучение проводилось с Unsloth и библиотекой TRL; архитектура — плотная Gemma4ForConditionalGeneration, файлы представлены в формате Safetensors. Модель предназначена для диалоговых сценариев с текстом и изображениями: она принимает текстовые запросы и изображения и формирует текстовые ответы. Метаданные также отмечают интерфейс для вызова инструментов. Карточка не описывает конкретную специализацию дообучения, датасеты, качество или длину контекста, поэтому сценарии применения следует считать общими. Модель распространяется по лицензии Apache-2.0. Ее базовая модель обозначена как квантованный 4-битный вариант Gemma 4 E4B Instruct; сведения о точной конфигурации дообучения и его влиянии на возможности в карточке отсутствуют.

Карточка модели lokeshe09/gemma-4-26B-A4B-it-GRPO-LaTeX_OCR-16bit на Hugging Face совпадает с карточкой lokeshe09/gemma-4-26B-A4B-it-SFT-GRPO, поэтому описание составлено по ней. Мультимодальная диалоговая модель Gemma 4, дообученная lokeshe09 на базе unsloth/gemma-4-26B-A4B-it с использованием Unsloth и библиотеки Hugging Face TRL. Предназначена для диалогов с текстом и изображениями; поддерживает анализ изображений и интерфейс вызова инструментов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает обучающие данные и конкретные улучшения после дообучения, поэтому качество для отдельных сценариев по ней оценить нельзя.

Llama-PRM800K — дообученная командой Lee Lab Университета Висконсина—Мэдисона модель на основе meta-llama/Llama-3.1-8B-Instruct. Она настроена на наборе PRM800K и предназначена для оценки промежуточных шагов решения задач и получения оценок вознаграждения. Модель построена на плотной архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и принимает текст; указанная длина контекста — 131 072 токена. Модель подходит для оценки пошаговых рассуждений и применения в системах, где требуется ранжировать или отбирать варианты решений по оценке модели. В метаданных также заявлены возможности диалога и интерфейс вызова инструментов. Для использования указана лицензия llama3.1; следует соблюдать её условия и ограничения исходной модели.

MemSearcher-3B — поисковый агент для ответов на вопросы, разработанный на базе Qwen/Qwen2.5-3B-Instruct и дообученный методом обучения с подкреплением multi-context GRPO. Модель обрабатывает вопрос вместе с краткой обновляемой памятью, решает, когда вызвать поиск по Wikipedia, использует найденные сведения и переписывает память, сохраняя только полезную для ответа информацию. Модель построена на плотной архитектуре Qwen2 и содержит 3,1 млрд параметров. Она работает с текстом и поддерживает контекст длиной до 32 768 токенов; для работы агента требуется внешний ретривер Wikipedia и цикл оркестрации с несколькими ходами. В оценке на семи наборах данных для одношаговых и многошаговых вопросов модель показала средний Exact Match 43,8; результаты относятся к указанным в карточке бенчмаркам и корпусу Wikipedia-18. Компактная память помогает поддерживать почти постоянный размер контекста в многоходовом поиске. Модель выпущена в формате Safetensors и распространяется по лицензии Apache-2.0.

Карточка модели NousResearch/NousCoder-14B на Hugging Face совпадает с карточкой KyrlG/NousCoder-14B, поэтому описание составлено по ней. NousCoder-14B — языковая модель для генерации кода и решения задач по программированию, разработанная на базе Qwen3-14B. Авторы дообучили её с помощью обучения с подкреплением на 24 тысячах задач с проверяемыми решениями. Это плотная авторегрессионная модель с 14 млрд параметров; для хранения используются файлы Safetensors, а контекст составляет до 81 920 токенов. Модель предназначена для задач соревновательного программирования: она генерирует код и помогает решать алгоритмические задачи в диалоговом режиме. В README указана точность Pass@1 67,87% на LiveCodeBench v6, что на 7,08 процентного пункта выше результата базовой Qwen3-14B на этом тесте. Поддерживается интерфейс вызова инструментов. Лицензия — Apache-2.0.

OpenMed-PII-German-BioClinicalModern-Large-395M-v1 — модель OpenMed для выявления и классификации персональных и медицинских идентификаторов в немецком тексте. Это дообученная для токенной классификации модель ModernBERT с примерно 394,7 млн параметров и контекстом до 8192 токенов; веса представлены в формате Safetensors и используются через Transformers. Модель предназначена для поиска 54 типов чувствительных данных, включая имена, адреса, контактные и финансовые сведения, медицинские номера и даты. Её можно применять для обезличивания клинических записей и документов, предварительной очистки исследовательских наборов данных и аудита документов на наличие персональных данных. В README для немецкой части набора AI4Privacy указана оценка micro-F1 0,9594. Карточка позиционирует модель как инструмент для рабочих конвейеров обработки текста, но рекомендует проверять результаты человеком: возможны пропуски сущностей, а качество может снижаться на специализированной терминологии и текстах на других языках. Лицензия — Apache-2.0.

Qwen3-8B TMax AENV v39b, итерация 139 — чекпойнт языковой модели, разработанный в рамках запуска tmax_aenv_v39b и обученный методом обучения с подкреплением на асинхронных траекториях многоходовых агентных сред. Модель основана на willamazon1/qwen3-8b-tmax-sft-v3-iter353, который ранее был дообучен на Qwen/Qwen3-8B. Это плотная авторегрессионная модель Qwen3 с 7,6 млрд параметров и контекстом до 40 960 токенов. Модель предназначена для генерации текста в диалогах и агентных сценариях, включая использование инструментов. Опубликована как одна из контрольных точек итераций 69–219, что позволяет сравнивать этапы обучения. Веса представлены в формате safetensors и точности bfloat16; контрольная точка преобразована из Megatron-LM torch_dist в формат Hugging Face. Лицензия — Apache-2.0. В README сообщается, что модель загружали и проверяли генерацией, а все шарды проверили на NaN и Inf. Эти проверки не подтверждают качество на независимых задачах; подробных оценок, перечня инструментов и гарантированных результатов для конкретных агентных сред не приведено.

Qwen3.8-Flash-Next-Abliterated — доработанная автором карточки версия Qwen/Qwen3.8-Flash-Next, в которой ослаблен механизм отказа отвечать на вредоносные запросы. Это мультимодальная модель семейства Qwen с архитектурой Qwen4ExpForConditionalGeneration; метаданные указывают поддержку чата, вызова инструментов и анализа изображений. Весовой формат — safetensors, для запуска требуется transformers версии 5.16 или новее. Модель предназначена для диалоговых и агентных сценариев с текстом и изображениями, в том числе для задач, где требуется отвечать на запросы, которые исходная модель могла отклонить. Автор сообщает о снижении отказов на AdvBench с 99,42% до 0,96%, сохранении результата GSM8K в пределах измеренного уровня и снижении точности MMLU на 1,6 процентного пункта. По README изменены 151 тензор, а башня зрения и ряд других компонентов оставлены без изменений. Основные заявленные языки — английский и китайский. Лицензия указана как other, поэтому условия использования следует уточнить на странице репозитория. Модель значительно реже отказывает на вредоносных запросах; это ограничивает её пригодность для сценариев, где важны защитные отказы. Замеры качества выполнены автором на указанных тестах и не гарантируют аналогичных результатов на других задачах.

Это контрольная точка Cycle 3 модели SDPO + ReSAIL на базе Qwen/Qwen3-4B, обученная авторами ReSAIL на задаче TextCraft. Модель предназначена для генерации текста и работы в роли агента, выполняющего задания TextCraft; в метаданных также отмечены возможности диалога и интерфейс вызова инструментов. Модель использует плотную архитектуру Qwen3ForCausalLM и содержит 3,7 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст до 40 960 токенов. В README сообщается результат 67,3% на официальном тесте TextCraft; это среднее по трём случайным начальным состояниям декодирования, а не по независимым запускам обучения. Для экспериментов TextCraft режим рассуждений был отключён. Модель является дообучением Qwen/Qwen3-4B методом SDPO + ReSAIL. Лицензия — Apache-2.0. README не перечисляет поддерживаемые естественные языки и не приводит подробностей об ограничениях применения за пределами оценки TextCraft.

Terminus-LFM2.5-350m-i1-GGUF — это набор квантизованных GGUF-версий языковой модели Terminus-LFM2.5-350m, разработанной OrionLLM и дополнительно квантизованной mradermacher. Модель обучалась на наборе данных OrionLLM/OpenAgentInstruct и предназначена для генерации текста, работы с агентами, а также сценариев, связанных с terminal-bench и SWE-bench. Заявлен английский язык. Модель имеет около 350 миллионов параметров и доступна в нескольких вариантах квантования размером примерно от 0,2 до 0,4 ГБ. Среди них есть IQ- и K-квантизации с разным соотношением размера, скорости и качества; автор рекомендует варианты i1-Q4_K_M и i1-Q4_K_S, а IQ-квантизации часто предпочтительнее сопоставимых по размеру обычных вариантов. Формат GGUF подходит для локального запуска в совместимых инструментах, однако конкретные требования к контексту, архитектуре, аппаратному обеспечению и мультимодальности в README не указаны. Сильными сторонами являются малый размер, возможность локального использования и широкий выбор уровней квантования. Ограничения связаны с компромиссом между качеством и компактностью: наиболее малые варианты отмечены как низкокачественные или предназначенные для экстремальной экономии памяти. Модель и производные файлы распространяются по лицензии Apache-2.0.

WebBrain Compass Tiny v2.1 — компактная языковая модель, разработанная webbrain-one для низколатентного принятия решений, структурированного вызова инструментов и агентского выполнения действий в браузере. Она дообучена на базе OpenBMB MiniCPM5-2B примерно с 2,6 млрд параметров через webbrain-one/webbrain-compass-tiny-v2; версия v2.1 представляет собой экспортную и runtime-ревизию, а не новый цикл предварительного обучения или дообучения. Модель предназначена для локального выполнения в браузере без облака с использованием Transformers.js, ONNX Runtime Web и WebGPU. Она поддерживает режимы ответа или запроса недостающих сведений, выбора браузерных инструментов с аргументами, привязанными к accessibility tree, а также безопасного отказа или передачи задачи на более высокий уровень при недостаточной обоснованности. Используются асимметричные INT4-веса GPTQ с group size 32, FP16-активации, масштабы и KV cache; поставляется ONNX-граф для q4f16. Визуальная модальность и режим рассуждений отключены, модель работает только с текстом. Сильной стороной v2.1 является оптимизация для in-browser WebGPU-инференса и улучшенная числовая совместимость с проверенным runtime по сравнению с предыдущей ревизией. При этом качество INT4-квантизации может снижаться, поведение на других устройствах и runtime не подтверждено, а модель не сертифицирована для автономных consequential-действий: в аудитах сохранялись отдельные нежелательные действия, включая повтор заблокированного URL и выдумывание URL пагинации. Лицензия указана как webbrain-noncommercial-research-restrictions; точные условия приведены в ATTRIBUTIONS.md.

qanastek/XLMRoberta-Alexa-Intents-Classification — классификатор намерений пользователя, разработанный Янисом Лабраком из NLP-команды Университета Авиньона. Модель основана на XLM-RoBERTa и предназначена для классификации коротких запросов к голосовому помощнику по одному из 60 намерений, например для управления музыкой, будильниками, календарём, умными устройствами и получения справочной информации. Модель обучена на наборе MASSIVE — параллельном наборе более чем из миллиона высказываний на 51 языке, созданном для задач понимания естественного языка голосовых помощников. В метаданных указаны 305,2 млн параметров, контекст до 514 токенов и формат PyTorch; заявленная лицензия — CC BY 4.0. Модель принимает текст и выдаёт метку класса намерения. Описание не приводит результатов оценки качества; классификация ограничена набором предусмотренных классов и сценарием коротких команд голосовому помощнику.

AgentFlow_agentflow-planner-7b-GGUF — это квантованная версия текстовой генеративной модели agentflow-planner-7b, разработанной AgentFlow и преобразованной в формат GGUF пользователем bartowski. Квантизация выполнена с использованием llama.cpp версии b6714 и метода imatrix. Модель предназначена для локального запуска в LM Studio, llama.cpp и других проектах на базе llama.cpp. Она подходит для генерации текста и сценариев, связанных с планированием, однако точная специализация, поддерживаемые языки, архитектура исходной модели и размер контекстного окна в представленном README не указаны. Доступны варианты от BF16 до Q2_K_L, с размером файлов примерно от 3,57 до 15,24 ГБ. Варианты с более высокой точностью обычно обеспечивают лучшее качество, а компактные квантизации требуют меньше оперативной памяти. К сильным сторонам относятся широкий выбор уровней квантизации, поддержка локального инференса и совместимость с распространёнными инструментами экосистемы llama.cpp. Ограничения включают отсутствие указанного chat template, из-за чего формат промпта может потребовать проверки по исходной карточке модели, а также неизвестные сведения о лицензии, языках и фактических характеристиках качества. Лицензия в README не указана.

JET-7B — языковая модель с 7,1 млрд параметров, разработанная на базе DeepSeek-Distill-Qwen-7B с применением обучения с подкреплением. Она предназначена для решения задач рассуждения и генерирует пошаговые объяснения, стремясь сократить лишние вычисления и количество токенов. Модель построена на плотной архитектуре Qwen2 и доступна в формате safetensors. Она поддерживает диалоговый режим, использует шаблон чата, рассчитанный на выдачу финального ответа в формате \boxed{}, и имеет контекст длиной до 131 072 токенов. Для применения указана лицензия Apache-2.0.

jev-decisions-v1-model — дообученная GhostScientist модель на базе Qwen/Qwen3.5-0.8B для выбора одного ответа из набора вариантов. На вход она получает структурированное состояние, вопрос и от 2 до 24 вариантов с буквенными метками, а выдаёт ровно одну букву выбранного варианта. Модель представляет собой плотную текстовую причинно-следственную архитектуру Qwen3_5ForCausalLM с 581,4 млн параметров; в карточке указано контекстное окно 262 144 токена. Для дообучения использован набор из 9 102 записей о принятии решений; на 400 примерах dev-набора точность составила 0,755 против 0,657 у базовой модели. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

JiuZhang3.0-7B — плотная языковая модель семейства Mistral с 7,1 млрд параметров, разработанная командой ToheartZhang. Это одна из серии моделей, дообученных для математических рассуждений и непрерывно предварительно обученных на корпусе, синтезированном небольшой языковой моделью. Модель принимает текст и генерирует текст; контекстное окно составляет 32 768 токенов. Карточка описывает форматы рассуждений на естественном языке и манипулирования инструментами, а метаданные указывают на обучающие наборы с примерами CoT, использования инструментов и SFT. Модель предназначена для решения математических задач с пошаговыми объяснениями и работы с инструментами в текстовых сценариях. В README приведены результаты оценки на наборах GSM8k, MATH, SVAMP, ASDiv, MAWPS и CARP, однако конкретные результаты самой версии 7B в предоставленном фрагменте не видны. Модель опубликована в формате safetensors; лицензия в доступных данных не приведена.

MM Grounding DINO large — модель компьютерного зрения семейства Grounding DINO, представленная авторами работы «An Open and Comprehensive Pipeline for Unified Object Grounding and Detection». Она предназначена для обнаружения объектов на изображениях по текстовым запросам в режиме zero-shot, без необходимости заранее ограничивать поиск фиксированным набором классов. Модель улучшает контрастивную классификационную голову Grounding DINO и устраняет совместное использование параметров в декодере. Этот вариант обучен на Objects365v1, Open Images v6 и GOLD-G. В README сообщается об улучшении zero-shot результатов на COCO и LVIS относительно Grounding DINO; размер модели и параметры контекста не приводятся. Модель принимает изображение и текстовое описание искомых объектов и возвращает обнаруженные объекты с рамками и оценками. Репозиторий содержит веса Safetensors, используется библиотека Transformers. Лицензия — Apache-2.0. Результаты зависят от формулировки запроса и обучающих данных; приведённая в README таблица метрик относится к вариантам tiny, поэтому её показатели нельзя напрямую считать оценкой этого large-чекпойнта.

Muse Spark 1.3 Contributor — экономичная версия мультимодальной модели рассуждения Meta, предназначенная для экспериментов, обучения и ранней разработки агентных, многоагентных и связанных с программированием сценариев. Карточка также указывает на работу с отслеживанием информации, но не раскрывает подробности этой возможности. Из доступных данных следует, что модель принимает изображения и текст и предназначена для задач image-text-to-text. Сведения о размере, архитектуре, контекстном окне, поддерживаемых языках и лицензии отсутствуют в предоставленной карточке и метаданных.

OpenMed-PII-French-ClinicalBGE-Large-335M-v1 — модель OpenMed на архитектуре BERT, дообученная на базе BAAI/bge-large-en-v1.5 для токенной классификации и выявления персональных данных во французском тексте. Она размечает 54 типа чувствительных сущностей, в том числе имена, адреса, контактные данные, финансовые идентификаторы и медицинские номера; заявленный размер в метаданных — 433,9 млн параметров, длина контекста — 512 токенов. Модель предназначена для поиска персональных данных в клинических записях и документах, автоматизированного обезличивания, подготовки исследовательских наборов данных и аудита документов в процессах защиты приватности. В карточке приведена оценка micro-F1 0,9668 на французской части набора AI4Privacy; модель может помочь выявить широкий спектр сущностей в конвейере обработки текста. Результаты требуют проверки человеком: часть чувствительных данных может быть пропущена, а качество зависит от терминологии и контекста. Модель оптимизирована для французского и может работать хуже на других языках. Лицензия — Apache-2.0.

Helsinki-NLP/opus-mt-es-nl — модель машинного перевода из семейства OPUS-MT, разработанная Helsinki-NLP. Она переводит текст с испанского на нидерландский и построена на архитектуре MarianMT с трансформером; число параметров — около 55 млн. При обучении использованы данные OPUS, а текст проходит нормализацию и токенизацию SentencePiece. Для набора Tatoeba.es.nl в карточке приведены оценки BLEU 50,6 и chr-F 0,681. Модель предназначена для перевода отдельных текстов и интеграции в системы машинного перевода с направлением испанский → нидерландский. Указанное контекстное окно — 512 токенов. Модель доступна в форматах PyTorch и TensorFlow и распространяется по лицензии Apache-2.0. Карточка не описывает ограничения по качеству или условия использования помимо лицензии.

Privasis-Cleaner-4B — компактная языковая модель NVIDIA для очистки текста от чувствительных сведений по инструкции пользователя. Она принимает исходный текст и указание, какие категории данных удалить или обобщить, например имена, даты, местоположения и идентификаторы, и возвращает очищенный текст. Модель построена на Qwen3-4B-Instruct-2507 и дообучена методом supervised fine-tuning на 36 723 синтетических примерах «текст — инструкция — очищенный текст». Это плотный декодерный Transformer с 3,7 млрд параметров, поддерживает ввод и вывод текста и имеет контекст до 40 960 токенов по метаданным. В карточке README указано ограничение до 262 144 токенов, что расходится с метаданными; фактический предел следует проверять в используемой конфигурации. Модель предназначена для автоматического удаления или обобщения персональных и иных чувствительных данных в подготовке текстов для исследовательских и комплаенс-процессов. Синтетические обучающие данные и специализированная настройка ориентированы на такие инструкции, но результат требует проверки на данных конкретного применения. Условия модели — только исследования и некоммерческое использование; лицензия в метаданных обозначена как other.

ToPo-ToPo/Qwen3.6-27B-mlx-bf16 — конверсия модели Qwen3.6-27B в формат MLX с точностью bfloat16 для запуска на компьютерах Apple Silicon через mlx-vlm. В метаданных модель указана как мультимодальная плотная архитектура Qwen3.5 с 27 млрд параметров, поддерживающая диалог и работу с изображениями; основная задача в каталоге — image-text-to-text. README сообщает о конверсии официальных весов Qwen/Qwen3.6-27B с помощью mlx-vlm 0.6.3 и точности 16 бит на вес. Модель предназначена для генерации ответов по текстовым запросам и изображениям, а также для сценариев, где мультимодальная модель используется в агентных рабочих процессах. В README приведён пример проверки в конвейере CAD и FEM, но это не подтверждает специализацию модели на таких задачах. Лицензия — Apache-2.0, указанная в метаданных и README для исходной модели. Конверсия рассчитана на среду MLX и Apple Silicon; доступные данные не описывают длину контекста или языковой охват. Результаты генерации и требования к памяти зависят от устройства и используемого программного окружения.

Мультимодальная модель deserin/reflex-qwen-v1-merged — дообученная версия Qwen3.5-4B от unsloth/Qwen3.5-4B. Она предназначена для диалога и задач, в которых нужно анализировать изображения и отвечать на вопросы о них; также поддерживает интерфейс вызова инструментов. Модель основана на плотной архитектуре Qwen3.5 и распространяется в формате Safetensors по лицензии Apache-2.0. В README указано, что модель обучали с использованием Unsloth и библиотеки TRL. Данных о конкретных наборах обучения и результатах оценки нет, поэтому качество в отдельных сценариях по карточке определить нельзя.

Technique Router — англоязычный классификатор на базе MiniLM, дообученный для выбора способа подготовки изображения к запросу в Headroom SDK. Он принимает текстовый запрос пользователя об изображении и относит его к одной из техник оптимизации, например transcode для извлечения текста и OCR, crop для запросов о конкретной области или preserve для сохранения изображения. Такой выбор помогает сокращать расход токенов при анализе изображений моделями vision-language. Модель построена на архитектуре BERT и содержит около 40 млн параметров; контекст — до 512 токенов. По карточке, обучение проводилось на 1 157 примерах, а точность на валидационной выборке составила 93,7%. Модель рассчитана на англоязычные запросы; указана лицензия Apache-2.0. Классификатор оптимизирован для распространённых запросов об изображениях и может хуже обобщать на специализированную терминологию. Указанная точность получена на ограниченной валидационной выборке и не гарантирует аналогичного результата на других данных.

TFT-ID-1.0 — модель обнаружения объектов, созданная Yifei Hu на основе дообучения контрольных точек microsoft/Florence-2. Она принимает изображение одной страницы научной статьи и находит на нём таблицы, рисунки и текстовые разделы, возвращая для каждого элемента ограничивающую рамку и метку класса. Модель предназначена для анализа страниц академических публикаций и подготовки их к последующей обработке: найденные текстовые области можно передавать в OCR, а таблицы и рисунки — использовать для извлечения структуры документа. По README, обучение проводилось на статьях из Hugging Face Daily Papers с более чем 36 тысячами вручную размеченных рамок; автор сообщает о точности 96,78% на задаче поиска всех трёх типов областей и 98,84% для таблиц и рисунков на тестовых страницах. Репозиторий содержит веса в формате Safetensors, лицензия — MIT. Модель ориентирована на страницы научных статей; тестирование описано на публикациях, связанных с Hugging Face Daily Papers, поэтому качество на других типах документов не подтверждено. Для распознавания текста и преобразования его в Markdown или LaTeX потребуется отдельная OCR-модель.