I.14Автоматизация процессов и AI-агенты

Thox1-27b — крупная языковая модель семейства Qwen3.5, представленная в виде квантизированной GGUF-версии на 27 млрд параметров. Она основана на s3nh/Bonsai-27B-unpacked-abliterated-uncensored и связана с экосистемой THOX.ai LLC. Модель предназначена для локальной генерации текста на устройствах и периферийных системах с использованием llama.cpp, обеспечивая работу с данными без обязательной передачи в облако. Архитектура включает 64 слоя, скрытое представление размером 5120, 24 attention heads, 4 KV heads с GQA, промежуточный размер FFN 17408 и словарь из 248 320 токенов. Весовая версия использует крайне компактную 1-битную квантизацию Q1_0 и занимает около 4,67 ГБ. Конфигурация допускает контекст до 262 144 токенов, однако в карточке модели заявлена подача с контекстом 8192 токена. Исходная конфигурация описывает мультимодальную VLM-архитектуру с vision tower, но данная версия обслуживается в текстовом режиме; заявлен английский язык. К сильным сторонам относятся небольшой для модели такого размера объём файла, возможность локального запуска и ориентация на on-device-сценарии. Ограничения связаны с потерями качества, характерными для 1-битной квантизации, отсутствием заявленной поддержки изображений в режиме llama.cpp и отсутствием safety alignment: модель описана как abliterated и uncensored, поэтому для публичных приложений рекомендуется использовать внешние защитные механизмы. В карточке указана лицензия Apache-2.0, но полную совместимость лицензионной цепочки с базовой моделью необходимо дополнительно проверить.

Tulu 2 13B — языковая модель-помощник, разработанная Allen Institute for AI (AI2). Она дообучена методом SFT на базе meta-llama/Llama-2-13b-hf на смеси публичных, синтетических и созданных людьми инструкций и диалогов, включая набор allenai/tulu-v2-sft-mixture. Модель содержит 12,9 млрд параметров, использует плотную архитектуру Llama и принимает текстовый контекст длиной до 8192 токенов. Модель предназначена для диалогов с помощником, выполнения инструкций и генерации текста. В карточке указано, что она рассчитана преимущественно на английский язык. Для корректного формата ввода README рекомендует добавлять перевод строки после сообщения пользователя. В опубликованных результатах Tulu-v2-13b показала 6,70 на MT-Bench и 78,9% win rate на AlpacaEval. Модель не прошла этап RLHF-выравнивания для безопасных ответов и не сопровождается фильтрацией во время использования, поэтому может выдавать проблемный контент, особенно в ответ на соответствующие запросы. Лицензия — AI2 ImpACT Low-risk.

UNA-ThePitbull-21.4B-v2 — разговорная языковая модель от fblgit, основанная на saltlux/luxia-21.4b-alignment-v1.0. Это плотная авторегрессионная модель семейства Llama с 20,9 млрд параметров и контекстом до 32 768 токенов, предназначенная для генерации текста и диалогов. Версия 2 получила дополнительное обучение SFT на Replete-AI/code_bagel_hermes-2.5 и DPO на mlabonne/orpo-dpo-mix-40k и jondurbin/py-dpo-v0.1; автор также описывает применение стратегии UNA к части MLP- и attention-слоёв. Модель подходит для разговорных помощников, ответов на вопросы и генерации связного текста. В карточке приведены результаты нескольких бенчмарков, однако заявленные автором оценки не гарантируют аналогичного качества в конкретных сценариях. Доступны веса в формате Safetensors, библиотека Transformers; лицензия — AFL-3.0. README указывает отдельную GGUF-квантизацию в репозитории bartowski/UNA-ThePitbull-21.4B-v2-GGUF.

victormuryn/use-translation-pt — модель векторных представлений предложений на базе XLM-RoBERTa, дообученная автором на корпусе украинских текстов UberText 2.0. Обучение с контрастивной целью использовало аугментацию обратным переводом; модель входит в коллекцию экспериментов с эмбеддингами предложений для украинского языка. Модель преобразует предложения и абзацы в векторы, пригодные для семантического сравнения, поиска и кластеризации. Её можно использовать в Sentence Transformers для получения эмбеддингов. Основа — sentence-transformers/paraphrase-multilingual-mpnet-base-v2; размер составляет 305,2 млн параметров, контекст — до 514 токенов. Модель распространяется под лицензией Apache-2.0.

Venusaur — компактная модель эмбеддингов на основе архитектуры BERT от автора Mihaiii, созданная дистилляцией Mihaiii/Bulbasaur на наборе данных qa-assistant. Она предназначена для семантического автодополнения: преобразует английские тексты в векторы, которые можно использовать для сравнения смысловой близости предложений и поиска релевантных вариантов. Модель содержит 16,4 млн параметров, поддерживает работу через Sentence-Transformers и Transformers; доступны форматы safetensors и ONNX. Модель рассчитана исключительно на английский язык. Контекст ограничен 512 токенами, а более длинные тексты обрезаются. Лицензия — MIT.

Это визуальный энкодер SigLIP из библиотеки timm с архитектурой ViT-Base и патчами 16×16, обученный на данных WebLI. Вариант использует глобальное усреднение признаков и предназначен для извлечения векторных представлений изображений. Модель подходит для построения эмбеддингов изображений, поиска похожих изображений и других систем, использующих визуальные признаки. Карточка описывает только image encoder, поэтому модель не следует считать генератором текста или изображений. Весы доступны в форматах PyTorch и safetensors; лицензия — Apache-2.0.

Yehor/w2v-xls-r-uk — модель автоматического распознавания украинской речи от автора Yehor, дообученная на основе facebook/wav2vec2-xls-r-300m. Она использует архитектуру Wav2Vec2ForCTC семейства wav2vec2, содержит 402,7 млн параметров и принимает аудио, преобразуя его в текст. В метаданных указан датасет Common Voice 10.0 для украинского языка. Модель подходит для транскрибации украинской речи и распознавания записей. В карточке приведены результаты оценки: WER 20,24% и CER 3,64%; для оценки использовались float16 и batch_size=1. README предупреждает, что следует использовать обновлённую модель. Модель опубликована под лицензией Apache-2.0.

Alvenir/wav2vec2-base-da-ft-nst — модель распознавания датской речи, разработанная Alvenir. Это версия wav2vec2-base, дообученная на открытом датасете NST для преобразования аудио в текст; архитектура — Wav2Vec2ForCTC, размер — 113,3 млн параметров. Модель ожидает аудио с частотой дискретизации 16 кГц и поддерживает датский язык. В README приведены результаты оценки на датских наборах данных: WER 15,8% на тестовой части NST и 26,3% на тесте Common Voice 80; применение 3-граммовой языковой модели снижает эти показатели до 11,9% и 19,2% соответственно. Модель подходит для транскрибации датской речи, однако качество зависит от набора данных и может улучшаться внешней языковой моделью. Лицензия — Apache-2.0.

RuudVelo разработал модель автоматического распознавания речи на базе архитектуры wav2vec2. Это дообученная на Common Voice версия facebook/wav2vec2-xls-r-300m с 402,7 млн параметров. Модель принимает аудио и преобразует речь в текст; карточка указывает нидерландский язык. На тестовой выборке Common Voice указаны loss 0,3923 и WER 0,1748. Модель опубликована в формате PyTorch под лицензией Apache-2.0. В карточке нет подробных сведений о сценариях использования и ограничениях распознавания.

menhior дообучил модель facebook/wav2vec2-xls-r-300m на Common Voice для автоматического распознавания речи. Модель построена на архитектуре Wav2Vec2 и выдаёт текстовую транскрипцию по аудиозаписи; в метаданных указано 402,7 млн параметров и формат PyTorch. Название репозитория указывает на настройку для турецкого языка. На оценочном наборе указаны loss 0,3991 и WER 0,3050. Модель подходит для транскрибирования турецкой речи в сценариях, подобных записям Common Voice. Лицензия — Apache-2.0. Подробности о тренировочных настройках и конкретных ограничениях в карточке не раскрыты.

anton-l/wav2vec2-large-xlsr-53-mongolian — модель распознавания речи, созданная дообучением facebook/wav2vec2-large-xlsr-53 на монгольском языке. Она использует архитектуру Wav2Vec2ForCTC и содержит около 402,7 млн параметров. Модель принимает аудио, записанное с частотой дискретизации 16 кГц, и преобразует речь в текст; для распознавания можно использовать её напрямую, без языковой модели. Модель обучалась на обучающей и валидационной частях Common Voice. В README приведён результат 38,53% на тестовых данных Common Voice для монгольского языка; метрика не уточнена. Модель распространяется по лицензии Apache-2.0. Хотя в репозитории представлены варианты PyTorch и Flax, заявленная задача — распознавание монгольской речи.

jonatasgrosman/wav2vec2-large-xlsr-53-spanish — модель распознавания испанской речи, разработанная Jonatas Grosman. Она дообучена на основе facebook/wav2vec2-large-xlsr-53 на обучающей и проверочной выборках Common Voice 6.1 и предназначена для преобразования аудиозаписей на испанском языке в текст. Модель построена на архитектуре Wav2Vec2ForCTC и содержит 402,7 млн параметров; для входной речи требуется частота дискретизации 16 кГц. Модель поддерживает распознавание речи без языковой модели и подходит для транскрибирования записей и оценки качества ASR на испаноязычных речевых наборах данных, включая Common Voice. В карточке приведена лицензия Apache-2.0. Результаты могут зависеть от акустических условий и отличий речи от обучающих данных; языковая модель в базовом сценарии не используется.

Wav2Vec2-Large-XLSR-53-Turkish — модель распознавания турецкой речи, созданная на основе facebook/wav2vec2-large-xlsr-53 и дообученная на Common Voice. Она использует архитектуру Wav2Vec2ForCTC и предназначена для преобразования аудиозаписей в текст; входную речь следует подавать с частотой дискретизации 16 кГц. Модель содержит 402,7 млн параметров. На тестовой выборке Common Voice для турецкого языка указана доля ошибок слов WER 27,51%. Доступны веса в форматах PyTorch и Flax. Модель распространяется по лицензии Apache-2.0.

LokaalHub разработал whisper-klein-nl — компактную модель распознавания речи на базе Whisper tiny, дообученную на нидерландском наборе LokaalHub/nl-asr-cv. Она преобразует нидерландскую речь в текст и рассчитана на локальный запуск, в том числе на CPU. По README, дообучение примерно на 94,4 часа записей Common Voice снизило WER на тестовой выборке Common Voice с 44,03% до 22,34% относительно базовой модели; в отдельной таблице приведены результаты 29,16% на cv17-test и 38,99% на fleurs-test. Метаданные указывают 29,4 млн параметров, а README приводит другие значения размера модели, поэтому их нельзя считать согласованными. Модель использует архитектуру WhisperForConditionalGeneration и формат safetensors; библиотека запуска — Transformers. Репозиторий распространяется по лицензии Apache-2.0.

handy-computer/whisper-large-gguf — это конвертация мультиязычной модели OpenAI Whisper large в формат GGUF для использования с transcribe.cpp. Модель предназначена для автоматического распознавания речи, определения языка аудио и перевода речи с любого поддерживаемого языка в английский текст. Она поддерживает сегментную расшифровку с временными метками и обрабатывает длинные записи с помощью декодирования по 30-секундным окнам; потоковая обработка не поддерживается. Архитектура модели — encoder-decoder Transformer. Доступны варианты F32, F16, Q8_0, Q6_K, Q5_K_M и Q4_K_M размером примерно от 997 МБ до 6,18 ГБ. Модель поддерживает широкий набор языков, включая русский, английский, немецкий, французский, испанский, китайский, японский и многие другие. На тесте LibriSpeech test-clean варианты показали WER от 2,62% до 2,84%, что указывает на высокое качество распознавания английской речи; качество заметно зависит от языка и может существенно различаться. Сильные стороны модели — мультиязычность, определение языка, перевод речи на английский, поддержка различных уровней квантования и возможность запуска через transcribe.cpp с использованием CPU, Metal или Vulkan. Ограничения включают значительный размер, отсутствие потокового режима и неоднородную точность для разных языков, особенно для менее распространённых языков. Распространение указано по лицензии Apache-2.0.

Whisper Large v2 PL — модель автоматического распознавания речи, созданная дообучением openai/whisper-large-v2 на датасете Common Voice 11.0. Она использует архитектуру Whisper и содержит около 905,2 млн параметров. Модель предназначена для преобразования польской речи в текст; в карточке указана метрика WER 6,9125 на наборе оценки. Модель принимает аудио и выдаёт текст. Она распространяется в формате PyTorch по лицензии Apache-2.0. Подробности об условиях записи аудио, поддержке других языков и ограничениях в карточке не приведены.

Модель TalTechNLP/whisper-large-v3-turbo-et-verbatim — дообученная командой TalTechNLP мультиязычная модель Whisper large-v3-turbo для автоматического распознавания речи. Её обучили на 1400 часах аудио с вручную подготовленными дословными транскрипциями из набора TalTech Estonian Speech Dataset 1.0. Модель принимает аудио и выдаёт текст. Она подходит для дословной транскрибации эстонской речи; архитектура — WhisperForConditionalGeneration, размер — 905,2 млн параметров. Модель доступна в формате safetensors и рассчитана на работу через Transformers. Лицензия — MIT.

WONMSeverusDevilv2-TIES — объединённая модель для генерации текста, созданная автором репозитория с помощью LazyMergekit на основе FelixChao/WestSeverus-7B-DPO-v2, jsfs11/WestOrcaNeuralMarco-DPO-v2-DARETIES-7B и mlabonne/Daredevil-7B. Это плотная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов, сохранённая в формате Safetensors. Модель подходит для диалоговых ответов и других задач генерации текста. Карточка не приводит подробных сведений о специализации, языковом покрытии или оценках качества. Лицензия в предоставленных данных не указана.

geninhu/xls-asr-vi-40h-1B — модель распознавания речи на вьетнамском языке, разработанная путём дообучения facebook/wav2vec2-xls-r-1b на 40 часах данных FPT Open Speech Dataset и Common Voice 7.0. Это модель архитектуры wav2vec2 с классом Wav2Vec2ForCTC и 1,3 млрд параметров; она принимает аудио и выдаёт текстовую транскрипцию. Модель предназначена для преобразования вьетнамской речи в текст. В карточке приведены результаты оценки на VIVOS и Common Voice 7.0/8.0 с языковой моделью 4-грамм и без неё. Для Apache-2.0 лицензии допускается использование и распространение на её условиях.

Yamshadowexperiment28M70.04-0.39-0.5-0.24-0.68-0.29-7B — объединённая языковая модель семейства Mistral, опубликованная пользователем aaron-di. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и формат Safetensors; её контекст составляет до 32 768 токенов. Модель предназначена для генерации текста и диалогов по текстовым запросам. README показывает запуск через Transformers с шаблоном чата и генерацией ответа, а метаданные указывают на объединение AurelPx/Percival_01-7b-slerp и liminerity/M7-7b. Модель распространяется по лицензии Apache-2.0.

YamshadowStrangemerges_32_NeuralsirkrishnaInex12 — объединённая модель Mistral, созданная на основе automerger/YamshadowStrangemerges_32-7B и automerger/NeuralsirkrishnaInex12-7B. Она предназначена для генерации текста и диалогов по текстовым запросам. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Веса представлены в формате safetensors. Лицензия — Apache-2.0. README не уточняет языковые специализации, качество и конкретные сценарии применения; характеристики объединённых моделей могут влиять на поведение результата.

YamshadowStrangemerges_32_T3qm7xpT3q — объединённая модель на архитектуре Mistral, созданная из automerger/YamshadowStrangemerges_32-7B и automerger/T3qm7xpT3q-7B. Она предназначена для генерации текста и диалоговых ответов. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса доступны в формате Safetensors. Модель распространяется по лицензии Apache-2.0. README не уточняет её языковую специализацию, качество на отдельных задачах или ограничения; поэтому языки и специализированные сценарии не заявляются.

Yi-Coder-1.5B-Chat-GGUF — квантизированная в формате GGUF версия чат-модели Yi Coder 1.5B-Chat, разработанной компанией 01-ai. Квантизацию выполнил bartowski на базе llama.cpp; модель предназначена для генерации текста и диалога по вопросам программирования. Модель имеет около 1,5 млрд параметров, поддерживает контекст длиной до 128 тыс. токенов и обучена работе с 52 языками и форматами, включая Python, JavaScript, TypeScript, C/C++, C#, Java, Go, Rust, SQL, HTML, CSS, JSON, YAML, Shell и другие. Большое контекстное окно подходит для анализа крупных исходных кодов и репозиториев. Для работы в LM Studio рекомендуется использовать шаблон ChatML. Сильными сторонами модели являются компактный размер, широкий охват языков программирования и возможность обрабатывать большие объёмы кода в одном запросе. Модель настроена именно для общения и ответов на вопросы о программировании, поэтому не оптимизирована для автодополнения кода. Как и другие языковые модели, она может генерировать неточные или неподходящие ответы, которые требуют проверки. Лицензия — Apache 2.0.

robertgshaw2/zephyr-7b-beta-channelwise-gptq — это производная версия Zephyr-7B-β, опубликованная пользователем Robert Shaw на Hugging Face. Модель предназначена для генерации текста и диалоговых сценариев; её можно запускать через Transformers, vLLM и SGLang как conversational language model. В основе лежит Zephyr-7B-β от HuggingFaceH4 — GPT-подобная языковая модель примерно на 7 млрд параметров, дообученная на базе Mistral-7B-v0.1 с применением Direct Preference Optimization (DPO). Она ориентирована преимущественно на английский язык, работу в формате ассистента и следование инструкциям. Данная версия использует 4-битное GPTQ-квантование с channel-wise схемой, что уменьшает требования к памяти и может повысить эффективность локального запуска, но потенциально сопровождается потерей качества по сравнению с полной точностью. Карточка производной модели не содержит отдельного описания ограничений, контекстного окна или лицензии. Для исходной Zephyr-7B-β указана лицензия MIT; применимость этой лицензии к конкретной квантованной публикации следует проверять по её файлам и условиям распространения.

Это диалоговая модель генерации текста на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель разработана ShenaoZ и дообучена на основе ShenaoZ/0.00005_withdpo_4iters_bs256_5102lr_iter_2 методом DPO на обновлённом и исходном наборах данных. Модель предназначена для диалога и генерации текста. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии MIT.

AfriqueQwen3.5-0.8B-50Langs — компактная базовая языковая модель из набора AfriqueLLM, разработанного для работы с африканскими языками. Это причинная языковая модель с архитектурой Qwen3.5 и 0,8 млрд параметров, полученная продолжением предобучения Qwen/Qwen3.5-0.8B-Base на примерно 35,5 млрд токенов многоязычных данных. Для запуска и дообучения используется библиотека Transformers. Модель адаптирована для 50 африканских языков; среди языков, указанных в карточке, — суахили, хауса, игбо, йоруба, амхарский, сомали, зулу, африкаанс, арабский, английский, французский и португальский. Она предназначена для генерации текста и диалоговых сценариев, а также ориентирована на задачи с кодом и математикой. Нативная длина контекста составляет 262 144 токена. Небольшой размер облегчает использование модели по сравнению с более крупными вариантами AfriqueLLM, но качество может уступать крупным моделям, особенно в сложных задачах. Карточка приводит оценки на многоязычных бенчмарках, однако часть сводных таблиц сокращена. Лицензия — Creative Commons Attribution 4.0 International (CC BY 4.0).

teknium/airoboros-mistral2.2-7b — языковая модель Mistral, дообученная на наборе инструкционных данных Airoboros разработчиком Teknium. Она предназначена для генерации ответов на запросы и следования инструкциям в текстовом диалоге; формат запроса использует метки USER и ASSISTANT. Модель содержит 7,1 млрд параметров, построена на плотной архитектуре MistralForCausalLM и поддерживает контекст до 32 768 токенов. Карточка упоминает оценку TruthfulQA, но не приводит её результатов. Модель распространяется по лицензии MIT. Данные указывают на поддержку английского языка; иных языков карточка не подтверждает.

NalDice/askvox-1.5 — языковая модель для диалоговой генерации текста, разработанная NalDice и дообученная на базе unsloth/llama-3.3-70b-instruct-bnb-4bit. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM, содержащая 69,5 млрд параметров и поддерживающая контекст до 131 072 токенов. В метаданных указана поддержка английского языка и диалоговый режим. Модель подходит для ведения текстового диалога и генерации ответов на запросы. В карточке указаны Unsloth и TRL как инструменты обучения. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает конкретные данные и методику дообучения или специальные предметные возможности.

Это квантизированная GGUF-версия модели codefu-7b-v0.1, разработанной aws-prototyping. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель относится к задачам генерации текста и предназначена для локального запуска через LM Studio, llama.cpp и другие совместимые проекты на базе llama.cpp. Модель содержит около 7 миллиардов параметров. Доступны исходный вариант BF16 и множество квантизированных вариантов от Q8_0 до Q2_K_L, включая семейства Q_K, IQ и legacy-форматы. Размер файлов составляет примерно от 3,49 до 15,24 ГБ; варианты с более высокой точностью обычно обеспечивают лучшее качество, а варианты с меньшим размером подходят для систем с ограниченным объёмом оперативной памяти. В README не указаны архитектура исходной модели, поддерживаемые языки, модальности и размер контекстного окна. Сильной стороной является широкий выбор квантизаций для различных аппаратных ограничений; в README рекомендованы, в частности, варианты Q6_K_L, Q6_K, Q5_K и Q4_K_M. Ограничения качества связаны с потерями при низкобитной квантизации, особенно у вариантов Q3 и Q2. Для работы требуется совместимое программное обеспечение, а также следует использовать указанный формат prompt. Лицензия в предоставленных данных не указана.

Azerbaijani Whisper Small — модель распознавания речи на азербайджанском языке, созданная дообучением openai/whisper-small. Она использует архитектуру Whisper с 153,1 млн параметров и предназначена для преобразования азербайджанской речи в текст; в README приведены результаты оценки на тестовой части FLEURS Azerbaijani. Для работы требуется аудио с частотой 16 кГц и одним каналом: аудио с другой частотой дискретизации нужно предварительно пересэмплировать. Модель доступна в формате safetensors и рассчитана на использование через Transformers. Лицензия — Apache-2.0. README заявляет качество выше whisper-large-v3 при меньшем размере, однако приведённая таблица результатов неполная, поэтому это сравнение нельзя независимо проверить по карточке.