I.14Автоматизация процессов и AI-агенты

Qwen3-8b-urban-qwen-20260920-full-CPT-merged-epoch-2 — плотная авторегрессионная языковая модель BrandonHowe на архитектуре Qwen3 с 7,6 млрд параметров. Это самостоятельная BF16-модель, полученная продолжением предобучения Qwen/Qwen3-8B-Base на корпусе urban_12738_cleaned; веса сохранены в формате safetensors, адаптер для загрузки не нужен. Модель предназначена для генерации текста и диалогового использования. Контекст — до 32 768 токенов; заявлен интерфейс для вызова инструментов. Обучение проведено на 10 072 уникальных документах с повторными предъявлениями данных и отдельной валидационной выборкой из 200 документов. Сам факт обучения на этом корпусе не подтверждает улучшение эмпатии или сострадания: такие свойства нужно оценивать отдельно. Модель принимает текст и генерирует текст. Лицензия в предоставленных данных не указана, поэтому условия использования следует сверить на странице репозитория и для базовой модели Qwen/Qwen3-8B-Base.

Qwen3.8-Next-Flash-ROCmFPX-MUTANT-RAZERFAST-GGUF — это квантизированная GGUF-сборка модели Qwen/Qwen3.8-Flash-Next, опубликованная hstolte. Она предназначена для генерации текста и локального запуска на системах AMD Strix Halo, включая Ryzen AI MAX+ 395 с Radeon 8060S. Модель использует специальные форматы квантования ROCmFPX и рассчитана на работу с ROCm и совместимым модифицированным runtime. Сборка содержит около 125 млрд параметров, из которых активно используется около 6 млрд, а также таблицу n-граммных embedding размером 51 млрд значений и совместимую 4-миллиардную MTP draft head для speculative decoding. Основной файл занимает около 90,1 ГБ, дополнительный MTP-файл — около 2,75 ГБ. Применяются 4-битные и 3-битные форматы с оптимизациями RZ5, UE4M4 и RZ-S3, которые, согласно приведённым калибровочным измерениям, снижают ошибку реконструкции относительно стандартных вариантов при той же разрядности. Главное преимущество модели — оптимизация под AMD Strix Halo, эффективное использование общей памяти или подгрузка крупной PLE-таблицы с NVMe и улучшенная точность квантования по сравнению с базовыми ROCmFP4 и ROCmFP3. Ограничение заключается в том, что это не стандартный GGUF: обычный llama.cpp такие файлы не загружает, требуется специальная ветка runtime ROCmFPX с соответствующими изменениями. Языки, размер контекстного окна и результаты прикладных тестов в README не указаны. Лицензия обозначена как qwen-community-1.0; применяется файл LICENSE из репозитория.

taurusduan/Qwen3.8-Whittle-MoE-27B-A17.8B-GGUF — это квантизированная GGUF-версия модели Whittle MoE 27B (A18B), разработанной logic65 на базе Qwen3.8-27B. Модель представляет собой постфактум сформированную mixture-of-experts-архитектуру с 27 млрд параметров, из которых около 17,8 млрд относятся к активным параметрам. В каждом слое используются 64 маршрутизируемых экспертных блока, а для каждого токена активируются 16 из них. Основное назначение — генерация текста и диалоговые сценарии с использованием llama.cpp и совместимых инструментов. Доступно несколько уровней квантизации: от Q8_0 размером около 28,7 ГБ до Q3_K_M размером около 13,9 ГБ, что позволяет выбирать компромисс между качеством и требованиями к памяти. Для версии с визуальными возможностями предусмотрен отдельный проектор mmproj-qwen38.gguf размером около 0,9 ГБ, однако подробные сведения о поддерживаемых изображениях, языках и размере контекстного окна в карточке не указаны. Версия v2.2.1 исправляет проблему преждевременного завершения рассуждений внутри блока chain-of-thought, но не устраняет слабости при точном подсчёте элементов, длинных списках и повторяющихся фрагментах. Сильными сторонами являются MoE-архитектура с относительно умеренным числом активных параметров, несколько вариантов квантизации и улучшенное завершение ответов при включённом рассуждении. Ограничения включают сохраняющуюся склонность к повторениям, недостаточную надёжность при генерации списков длиной более 45 элементов и отсутствие гарантии точного количества элементов. Модель распространяется по лицензии Apache-2.0; репозиторий содержит именно квантизированные сборки базовой модели.

Это квантованная версия Qwen3-Omni-30B-A3B-Thinking, опубликованная пользователем vito95311 на Hugging Face и приписанная в карточке квантованию vito1317. В README заявлены веса INT8 с активациями FP16 и архитектура Qwen3OmniMoeForConditionalGeneration; метаданные указывают семейство Qwen3-Omni и библиотеку llama.cpp. Версия предназначена для запуска мультимодальной модели с меньшими требованиями к памяти на локальном оборудовании. README описывает настройку GPU и CPU, гибридное выполнение и ответы в режиме рассуждения; базовая модель поддерживает работу с текстом, изображениями, аудио и видео, однако каталог для этой копии подтверждает только генерацию текста. В README заявлено снижение потребления памяти примерно на 50% относительно FP16, но приведённые там цифры и показатели скорости зависят от оборудования и не сопровождаются независимой оценкой. Для применения указана лицензия Apache 2.0, при этом README отдельно оговаривает, что веса подчиняются условиям лицензии исходной модели, а калибровочные данные предназначены только для исследований и некоммерческого использования.

TheTsar1209 разработал qwen-carpmuscle-v0.4 — чат-модель на архитектуре Qwen2, дообученная методом SFT на базе unsloth/Qwen2.5-14B-Instruct-bnb-4bit. Модель содержит 14 млрд параметров, использует формат ChatML и рассчитана на генерацию текста и диалоговое взаимодействие. В обучении применялись наборы данных для предварительного обучения, инструкций и чатов; данные были переформатированы, а часть некачественных ответов и отказов удалена. Модель подходит для диалогов и выполнения текстовых инструкций на английском языке. В README указан контекст обучения 8k, а метаданные каталога приводят native context 32768 токенов. Репозиторий содержит веса safetensors. Модель распространяется по лицензии Apache-2.0.

reason-embed-basic-qwen3-8b-0928 — текстовая модель эмбеддингов из семейства ReasonEmbed, разработанная авторами проекта ReasonEmbed. Она дообучена на базе Qwen/Qwen3-8B с использованием базового loss InfoNCE на синтетическом наборе данных. Модель предназначена для извлечения текстовых эмбеддингов и поиска документов по запросам, требующим рассуждений. В README сообщается результат nDCG@10 37,1 на бенчмарке BRIGHT с исходными запросами. Архитектура — плотная Qwen3, размер — 7,6 млрд параметров, максимальный контекст — 40 960 токенов; репозиторий содержит веса safetensors. Модель принимает текст и выдаёт векторные представления для поиска и сравнения сходства предложений. Лицензия — Apache-2.0. README не указывает поддерживаемые естественные языки; качество на других задачах и языках отдельно не описано.

REBEL-OpenChat-3.5 — диалоговая языковая модель Cornell-AGI, созданная дообучением OpenChat-3.5 методом REBEL (Reinforcement Learning via Regressing Relative Rewards). При обучении использовались модель вознаграждения Starling-RM-7B-alpha и датасет Nectar; модель предназначена для ответов на вопросы и выполнения текстовых инструкций в формате чата. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Она принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно 8192 токена. В README приведены результаты AlpacaEval 2.0, MT-Bench, MMLU и GSM8K, но они сами по себе не гарантируют качество в конкретном сценарии. Модель распространяется по лицензии Apache-2.0.

RecurrentGemma 2B IT — разработанная Google instruction-tuned языковая модель из семейства RecurrentGemma. Она использует рекуррентную архитектуру и предназначена для генерации текста по инструкциям, включая диалог, ответы на вопросы, суммаризацию и рассуждения. Модель доступна через Transformers и распространяется в формате safetensors. Google указывает английский как язык версий семейства. По сравнению с Gemma, рекуррентная архитектура требует меньше памяти и ускоряет генерацию длинных последовательностей. Модель подходит для чат-ботов, создания и редактирования текстов, а также для исследовательских и образовательных приложений. Ответы могут содержать фактические ошибки, отражать смещения обучающих данных и хуже справляться со сложными, неоднозначными или открытыми запросами. Лицензия — Gemma; перед использованием следует соблюдать условия Google для Gemma.

Rombos-LLM-V2.6-Qwen-14b — диалоговая языковая модель автора Rombodawg, представленная как обновлённая версия Rombos-LLM-V2.5-Qwen-14b. Это плотная модель семейства Qwen2, дообученная на базе Qwen/Qwen2.5-14B-Instruct; она содержит 14 млрд параметров и предназначена для генерации текста и диалогов. Карточка сообщает о результатах ручного сравнения с предыдущей версией и приводит оценки IFEval и BBH, но подробности метода дообучения и бенчмарков ограничены. Модель работает через Transformers, распространяется в формате safetensors и поддерживает контекст до 131 072 токенов. Метаданные указывают на интерфейс вызова инструментов, однако README не описывает его применение. Лицензия — Apache-2.0. Языки и специальные предметные области в карточке не обозначены.

Ruri v3 PT 70M — японская модель для получения эмбеддингов текста, разработанная cl-nagoya на основе ModernBERT-Ja от SB Intuitions. Она предназначена для представления предложений и текстов в виде векторов, пригодных для сравнения семантической близости и поиска похожих фрагментов. Модель содержит 70 млн параметров, использует архитектуру ModernBERT и поддерживает контекст до 8192 токенов. Это предварительно обученная версия Ruri v3; карточка рекомендует для готового применения дообученный вариант cl-nagoya/ruri-v3-70m. Модель ориентирована на японский язык. Распространяется по лицензии Apache-2.0.

RYS-XLarge — языковая модель автора dnhkng, построенная на архитектуре Qwen2. В README описан метод оптимизации, который анализирует функциональные роли слоёв трансформера и дублирует слои модели; автор называет этот подход self-merging. Модель основана на MaziyarPanahi/calme-2.1-qwen2-72b, дообученной от Qwen2-72B. По метаданным, это плотная модель с 76,7 млрд параметров, контекстом 32 768 токенов и весами в формате safetensors; доступен диалоговый режим. Модель предназначена для генерации текста и диалоговых сценариев. В README приведены результаты оценок на нескольких бенчмарках: улучшения от метода различаются по задачам, включая снижение результата на IFEval. Лицензия — MIT. Карточка не описывает языковой охват и не приводит подробных сведений о безопасности или рекомендуемых ограничениях применения.

dangvantuan разработал sentence-camembert-base — модель для получения векторных представлений французских предложений и оценки их семантического сходства. Она дообучена на базе facebook/camembert-base с помощью Siamese BERT-сетей и библиотеки sentence-transformers на данных STSb. Модель содержит 137,8 млн параметров, принимает текст и выдаёт эмбеддинги. Её можно применять для сравнения предложений по смыслу, поиска похожих фраз и построения семантического поиска на французском языке. В тестах на французской части STSb указаны корреляции Пирсона 82,36 и Спирмена 81,64. Модель распространяется по лицензии Apache-2.0. Контекст ограничен 514 токенами; заявленные результаты относятся к оценке на STSb и не гарантируют такое же качество на других данных или задачах.

SeverusWestLake-7B-DPO — языковая модель на архитектуре Mistral, созданная объединением моделей FelixChao/Sectumsempra-7B-DPO и cognitivecomputations/WestLake-7B-v2-laser с помощью mergekit и метода SLERP. Модель содержит 7,1 млрд параметров и принимает текст для генерации текста; заявленная длина контекста — 32 768 токенов. Модель подходит для диалоговых сценариев, ответов на вопросы, написания и продолжения текста, а также задач рассуждения. В README приведены результаты Open LLM Leaderboard, включая средний балл 75,42, но они не гарантируют качество на конкретных прикладных задачах. Языковая поддержка отдельно не описана. Репозиторий распространяется по лицензии MIT.

Карточка модели Veritone/siglip2-base-patch16-384 на Hugging Face совпадает с карточкой google/siglip2-base-patch16-384, поэтому описание составлено по ней. SigLIP 2 Base — базовая модель семейства SigLIP 2 от Google, предназначенная для сопоставления изображений и текста. Это плотная vision-архитектура; вариант patch16-384 принимает изображения с разрешением 384 пикселя и обучен на датасете WebLI с использованием объединённой схемы предобучения SigLIP и ранее разработанных методов. Модель подходит для классификации изображений по произвольным текстовым меткам без дополнительного обучения, поиска изображений по тексту и текста по изображению, а также как визуальный энкодер для VLM и других компьютерно-зрительных задач. В README отмечены улучшенное семантическое понимание, локализация и извлечение плотных признаков. Модель распространяется под лицензией Apache-2.0. README не приводит численный размер модели или результаты оценки, поэтому их нельзя уточнить по доступным сведениям.

Карточка модели Veritone/siglip2-large-patch16-256 на Hugging Face совпадает с карточкой google/siglip2-large-patch16-256, поэтому описание составлено по ней. SigLIP 2 Large — большая модель визуально-языкового кодировщика, разработанная Google. Она расширяет подход SigLIP дополнительными методами предобучения, улучшая семантическое понимание изображений, локализацию объектов и получение плотных визуальных признаков. Модель предобучена на наборе WebLI и распространяется в формате safetensors для библиотеки Transformers. Модель предназначена для классификации изображений по текстовым описаниям без специального дообучения, поиска изображений по тексту и текста по изображению, а также использования в качестве визуального энкодера для визуально-языковых моделей и других задач компьютерного зрения. На вход подаются изображения и, для классификации, набор текстовых меток; результатом служат оценки соответствия изображения и меток или визуальные признаки. Лицензия — Apache-2.0. Карточка не приводит ограничений по языкам или длине контекста; качество зависит от изображений, формулировок текстовых меток и области применения, а для специализированных сценариев может потребоваться дополнительная проверка или адаптация.

Huangsssz/SmolLM3-3B-MOPD-PG-SGD-lr2p5e-3-NoThinking-500 — исследовательский чекпойнт языковой модели SmolLM3, созданный дообучением BytedTsinghua-SIA/Open-MOPD-SmolLM3-3B-MixSFT. Модель содержит 3,1 млрд параметров, использует плотную архитектуру SmolLM3ForCausalLM и экспортирована в BF16 в формате Safetensors; заявленная длина контекста — 65 536 токенов. Чекпойнт получен после 500 обновлений методом дистилляции с обучением по policy gradient на ответах, оцениваемых профильными учителями для математики, программирования и следования инструкциям. Обучение и оценивание выполнялись с отключённым режимом рассуждений; шаблон чата поддерживает соответствующую настройку при инференсе. Модель предназначена для генерации ответов и экспериментов с математическими, программными и инструкционными задачами. Приведённые в карточке оценки ещё не завершены, поэтому качество по этим бенчмаркам оценить нельзя. Лицензия — Apache-2.0.

jaspionjader/sof-8 — объединённая языковая модель семейства Llama, созданная с помощью mergekit методом Model Stock. В качестве основы использована jaspionjader/Kosmos-EVAA-Franken-stock-v43-8B; в объединение также вошли jaspionjader/sof-3, sof-5, sof-6, sof-7 и ek-6. Модель содержит 7,5 млрд параметров и предназначена для генерации текста и ведения диалогов. Она принимает текст и выдаёт текст. Заявленная длина контекста — до 131 072 токенов. Репозиторий использует формат Safetensors, а в конфигурации слияния указан тип данных bfloat16. В метаданных не перечислены поддерживаемые естественные языки. Лицензия в предоставленных данных не указана.

SomeModelsMerge-7b — объединённая модель генерации текста на архитектуре Mistral, созданная Kukedlc с помощью LazyMergekit. Она объединяет десять моделей, включая M7-7b, NeuralSirKrishna-7b, Percival_01-7b-slerp, T3Q-Mistral-Orca-Math-DPO и UltraMerge-7B. Модель содержит 7,1 млрд параметров и имеет контекстное окно до 32 768 токенов. Модель предназначена для генерации текста и диалогов; карточка также указывает среди объединённых компонентов модель, ориентированную на математические задачи. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

Speechless-Llama2-13B v1.1 — языковая модель на базе Llama 2 от Meta, объединённая из Open-Orca/OpenOrca-Platypus2-13B и WizardLM/WizardLM-13B-V1.2. Это плотная авторегрессионная трансформерная модель с 12,9 млрд параметров, предназначенная для генерации текста и выполнения инструкций в формате Alpaca. Контекст составляет до 4096 токенов; модель принимает и выдаёт текст, основным языком применения является английский. Модель подходит для ответов на вопросы, следования инструкциям и генерации текстов. В README приведены результаты ARC 62,03, HellaSwag 81,85 и MMLU 58,52. Доступны варианты GPTQ и GGUF с разной разрядностью для GPU или CPU и GPU; также упомянут устаревший формат GGML. Репозиторий содержит веса safetensors. Использование регулируется лицензией Llama 2 от Meta, для доступа к весам требуется принять её условия. Как и другие языковые модели, она может выдавать неточные, предвзятые или нежелательные ответы; перед внедрением в конкретное приложение требуется оценка поведения и настройка безопасности.

Jan Stealth v1.2 — диалоговая языковая модель семейства Mistral с плотной архитектурой и примерно 7,1 млрд параметров. Она предназначена для генерации текста в формате чата и может запускаться через Jan Desktop на macOS, Windows и Linux. Карточка указывает шаблон запросов ChatML; контекст модели составляет 32 768 токенов, а язык, отмеченный в метаданных, — английский. В карточке приведены результаты Open LLM Leaderboard, включая среднюю оценку 70,68, результат 66,38 на AI2 Reasoning Challenge и 86,14 на HellaSwag. Модель распространяется по лицензии Apache-2.0. Подробности обучения и практические ограничения в карточке не описаны.

TheBloke/SynthIA-70B-v1.5-AWQ — это 4-битная AWQ-квантизованная версия языковой модели Synthia 70B v1.5, разработанной Migel Tissera. Модель основана на архитектуре Llama и предназначена для генерации текста и диалогового взаимодействия; репозиторий содержит файлы для запуска на GPU. Модель имеет около 70 миллиардов параметров, поддерживает контекст длиной 4096 токенов и поставляется в формате AWQ с групповым размером 128. Объём опубликованных файлов составляет около 36,61 ГБ. AWQ ориентирована на эффективный и быстрый инференс с низкой разрядностью и поддерживается, в частности, через AutoAWQ, vLLM, Text Generation Inference и text-generation-webui. К сильным сторонам относятся существенно сниженные требования к памяти по сравнению с полноразмерной FP16-версией и высокая скорость инференса при сохранении качества, сопоставимого с распространёнными настройками GPTQ. Ограничения включают необходимость совместимого GPU-инфраструктурного стека и меньшую точность представления весов из-за 4-битной квантизации; сведения о языках обучения и специализированных прикладных возможностях в README не указаны. Модель распространяется по лицензии Llama 2.

T3qm7xNeuralsirkrishna_Ognoexperiment27M7 — объединённая текстовая модель на архитектуре Mistral, созданная из automerger/T3qm7xNeuralsirkrishna-7B и automerger/Ognoexperiment27M7-7B. Репозиторий подготовлен пользователем MaziyarPanahi. Модель предназначена для генерации текста и диалогов; она содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. Веса опубликованы в формате Safetensors, лицензия — Apache-2.0. Карточка не описывает отдельные языковые или специализированные прикладные сценарии, поэтому модель можно рассматривать как средство общего назначения для генерации текста.

T3qm7xNeuralsirkrishna_Strangemerges_30Ogno — объединённая модель Mistral для генерации текста и диалогов, созданная слиянием automerger/T3qm7xNeuralsirkrishna-7B и automerger/Strangemerges_30Ogno-7B. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации продолжений текста и ведения диалогов. Данных о специализации на конкретных областях или языках нет. Веса опубликованы в формате safetensors; лицензия — Apache-2.0.

tempesthenno-nuslerp-001 — объединённая языковая модель на 14 млрд параметров, созданная автором репозитория с помощью mergekit и метода NuSLERP. В объединение вошли две предварительно обученные модели, указанные в README как локальные пути; метаданные связывают результат с sometimesanotion/Qwen2.5-14B-Vimarckoso-v3 и sthenno-com/miscii-14b-1225. Архитектура — плотная Qwen2ForCausalLM; модель использует формат safetensors и рассчитана на контекст до 131 072 токенов. Модель предназначена для диалоговой генерации текста на английском и китайском языках. Её можно применять для ведения беседы, генерации ответов и следования инструкциям. В README приведены результаты оценивания на Open LLM Leaderboard, включая IFEval и BBH, но этих данных недостаточно для выводов о качестве в конкретных прикладных областях. Лицензия — Apache-2.0.

Tessa-Rust-T1-7B-GGUF — квантизированная версия текстовой генеративной модели Tessa-Rust-T1-7B, разработанной Tesslate и опубликованной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые проекты. Модель имеет размер 7 миллиардов параметров и относится к архитектуре Qwen2 согласно метаданным. Указан английский язык; поддержка других языков и точный размер контекстного окна не приведены. Доступны варианты от BF16 до различных уровней квантизации, включая Q8_0, Q6_K, Q5_K, Q4_K и Q3_K, что позволяет выбирать между качеством генерации, размером файла и требованиями к оперативной памяти. Для инференса рекомендуется использовать совместимый prompt format с ролями system, user и assistant. Сильная сторона этой версии — возможность локального запуска на широком спектре оборудования благодаря множеству вариантов квантизации; часть файлов подготовлена с использованием imatrix для повышения качества. Более низкие уровни квантизации экономят память, но могут заметно снижать качество, тогда как BF16 и старшие варианты требуют больше ресурсов. Лицензия модели — Apache-2.0.

Карточка модели 1289dfaj/text2vec-base-chinese на Hugging Face совпадает с карточкой shibing624/text2vec-base-chinese, поэтому описание составлено по ней. text2vec-base-chinese — модель эмбеддингов предложений, обученная проектом text2vec на базе hfl/chinese-macbert-base с методом CoSENT. Она кодирует китайские предложения и короткие абзацы в плотные векторы размерности 768 для семантического поиска, сопоставления текстов, кластеризации и оценки сходства. Модель построена на архитектуре BERT, содержит около 129,5 млн параметров и принимает последовательности длиной до 512 токенов по метаданным; README указывает усечение входа длиннее 256 WordPiece-токенов. Модель предназначена прежде всего для китайских текстов. В README описана настройка на китайских данных STS-B с контрастивной функцией потерь и приведены результаты на китайских наборах для сопоставления предложений. Доступны веса в форматах PyTorch, Safetensors, ONNX и OpenVINO; автор также сообщает об ускоренных вариантах ONNX и OpenVINO. Лицензия — Apache-2.0. Модель выдаёт векторы, а не готовые ответы или текст; для поиска и сравнения требуется последующая обработка эмбеддингов. Её специализация на китайском языке и усечение длинных входов ограничивают применение к другим языкам и длинным документам.

text2vec-base-chinese — модель эмбеддингов предложений, обученная проектом text2vec на базе hfl/chinese-macbert-base с методом CoSENT. Она кодирует китайские предложения и короткие абзацы в плотные векторы размерности 768 для семантического поиска, сопоставления текстов, кластеризации и оценки сходства. Модель построена на архитектуре BERT, содержит около 129,5 млн параметров и принимает последовательности длиной до 512 токенов по метаданным; README указывает усечение входа длиннее 256 WordPiece-токенов. Модель предназначена прежде всего для китайских текстов. В README описана настройка на китайских данных STS-B с контрастивной функцией потерь и приведены результаты на китайских наборах для сопоставления предложений. Доступны веса в форматах PyTorch, Safetensors, ONNX и OpenVINO; автор также сообщает об ускоренных вариантах ONNX и OpenVINO. Лицензия — Apache-2.0. Модель выдаёт векторы, а не готовые ответы или текст; для поиска и сравнения требуется последующая обработка эмбеддингов. Её специализация на китайском языке и усечение длинных входов ограничивают применение к другим языкам и длинным документам.

Cohere и Cohere Labs разработали Cohere Labs Tiny Aya — многоязычную авторегрессионную языковую модель на 3,35 млрд параметров для генерации текста и диалогов. Вариант water ориентирован на европейские и азиатско-тихоокеанские языки; семейство охватывает более 70 языков и предназначено также для дальнейшей адаптации и локального развёртывания при ограниченных вычислительных ресурсах. Модель использует оптимизированную архитектуру Transformer: три слоя со скользящим вниманием и окном 4096 токенов и один слой с глобальным вниманием. После предобучения она прошла инструкционную настройку и обучение на предпочтениях. Контекст и длина генерации — до 8K токенов. Принимает текст и выдаёт текст; подходит для диалогов, суммаризации, перевода и межъязыковых задач. Сильная сторона модели — генерация на широком наборе языков, включая языки с ограниченными ресурсами. Качество может быть менее стабильным на низкоресурсных языках; карточка также отмечает слабые результаты в сложных рассуждениях, например в многоязычной математике, и возможность фактических ошибок. Лицензия CC-BY-NC-4.0 разрешает некоммерческое использование с соблюдением Acceptable Use Policy Cohere Labs; для коммерческого применения требуется связаться с Cohere.

TIPS S/14 (v1) — контрастивная модель «изображение–текст» семейства TIPS, представленная в карточке как конверсия официальных чекпойнтов. Модель сочетает визуальный энкодер ViT-S/14 на 22 млн параметров и 12-слойный текстовый трансформер на 34 млн параметров; размерность эмбеддингов — 384. Она создаёт пространственно информативные признаки изображений, согласованные с текстовыми эмбеддингами. Модель предназначена для классификации изображений по текстовым описаниям без дополнительного обучения, а также для извлечения и сопоставления визуальных и текстовых признаков. Штатное разрешение изображений — 448 пикселей; поддерживаются другие разрешения, кратные размеру патча, с интерполяцией позиционных эмбеддингов. Изображения подаются в диапазоне [0, 1] без нормализации ImageNet; текст обрабатывается токенизатором SentencePiece в нижнем регистре, максимум 64 токена. Визуальная башня обучалась с двумя CLS-токенами: первый согласован с текстовой башней, второй обучался на синтетических подписях. Модель опубликована под лицензией Apache-2.0. Языковой охват в карточке не уточнён.

TIPS So400m/14 (v1) — контрастивная модель «изображение–текст» семейства TIPS, представленная в карточке как конверсия официальных чекпойнтов. Она объединяет визуальный энкодер ViT-So400m/14 с 27 слоями и текстовый трансформер с 27 слоями; размерность эмбеддингов — 1024, нативное разрешение — 448 пикселей. Визуальные признаки учитывают пространственную структуру изображения и сопоставляются с текстовыми эмбеддингами. Модель предназначена для классификации изображений по текстовым описаниям без специального обучения на заданных классах, а также для извлечения сопоставимых признаков изображений и текста. Можно кодировать изображения с разрешением 448 и другими размерами, кратными размеру патча, с интерполяцией позиционных эмбеддингов. Для изображений требуется диапазон значений [0, 1] без нормализации ImageNet; текст обрабатывается токенизатором SentencePiece в нижнем регистре, максимум 64 токена. В README также приведены варианты S/14, B/14 и L/14; данная карточка относится к варианту So400m/14, для которого README указывает 413 млн визуальных и 448 млн текстовых параметров. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0.