I.14Автоматизация процессов и AI-агенты

Ruri v3 310M — модель текстовых эмбеддингов для японского языка, разработанная cl-nagoya на базе cl-nagoya/ruri-v3-pt-310m. Это дообученная Sentence Transformer-модель с архитектурой ModernBERT-Ja и 314,6 млн параметров; она преобразует текст в векторы размерности 768 для сравнения по косинусному сходству. Максимальная длина последовательности — 8192 токена. Модель использует словарь из 100 тысяч токенов, SentencePiece и FlashAttention; для токенизации не требуется внешняя сегментация японского текста. Модель предназначена для поиска по смыслу, оценки сходства предложений и документов, ранжирования и других задач на японском тексте. В README приведена оценка JMTEB: средний результат 77,24; также представлены результаты по поиску, семантическому сходству, классификации, переранжированию и кластеризации. Модель поддерживает японский язык и распространяется по лицензии Apache 2.0.

Карточка модели mergekit-community/Saul-Base-zephyr-7b-beta-merge на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-jeyctse, поэтому описание составлено по ней. mergekit-community/mergekit-slerp-jeyctse — языковая чат-модель, созданная сообществом слиянием моделей HuggingFaceH4/zephyr-7b-beta и Equall/Saul-Base методом SLERP с помощью mergekit. Это плотная модель Mistral с 7,1 млрд параметров, доступная в формате safetensors и рассчитанная на контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоге: ответов на вопросы и выполнения пользовательских инструкций. В метаданных основной язык не задан; базовая Zephyr-7B-β описана как англоязычная чат-модель. Условия лицензирования в предоставленных данных не приведены. Качество и поведение результата слияния могут отличаться от исходных моделей.

SeaLLM-7B-v2 — мультиязычная языковая модель для языков Юго-Восточной Азии, разработанная командой SeaLLMs. Модель основана на Mistral-7B: авторы продолжили предварительное обучение и настроили её с упором на рассуждения. По метаданным это плотная архитектура Mistral с 7,2 млрд параметров; она поддерживает контекст до 32 768 токенов и предназначена для диалогового текстового взаимодействия. Модель подходит для генерации ответов и инструкций, решения математических задач, рассуждений здравого смысла и ответов на вопросы на английском, китайском, вьетнамском, индонезийском, тайском, малайском, кхмерском, лаосском, бирманском и тагальском языках. В карточке приведены результаты на мультиязычных математических и общих знаниях, включая тесты для нескольких языков региона; качество может различаться в зависимости от языка и задачи. Возможны неточные, вводящие в заблуждение или потенциально вредные ответы, поэтому перед внедрением модель следует проверять и защищать от небезопасных сценариев. В метаданных указана лицензия other, а карточка требует соблюдать условия SeaLLMs Terms of Use.

sfm_filtered_e2e_alignment-6k_7k_8k_9k_10k_weightedavg_merge — объединение языковых моделей, созданное с помощью mergekit. В карточке указано линейное слияние контрольных точек обучения на шагах 6000, 7000, 8000, 9000 и 10000; контрольная точка шага 10000 использовалась как базовая при слиянии. Модель имеет архитектуру GPT-NeoX, около 8,8 млрд параметров и контекстное окно до 16 384 токенов. Она предназначена для генерации текста и диалогового взаимодействия. Данные не уточняют конкретные языки, предметные области или специальные сценарии применения. Модель распространяется в формате Safetensors. Лицензия в предоставленных данных не указана.

kornwtp разработал модель эмбеддингов на основе многоязычного BERT (mBERT), обученную методом SimCSE на тайской Википедии. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов и кластеризации. Модель подходит для семантического поиска и сравнения предложений на тайском языке; её контекст ограничен 512 токенами, размер составляет 205,1 млн параметров, формат весов — PyTorch. Лицензия Apache-2.0.

mrp/simcse-model-m-bert-thai-cased — модель на основе mBERT, дообученная методом SimCSE на тайской Википедии. Она кодирует предложения и абзацы в плотные векторы размерности 768 для семантического поиска и кластеризации. Модель подходит для поиска похожих фрагментов текста и группировки тайских текстов по смыслу. Архитектура — BERT; число параметров составляет 205,1 млн, максимальная длина контекста — 512 токенов. Модель принимает текст и выдаёт векторные представления. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

jambroz/sixtyoneeighty-7b — разговорная языковая модель, созданная автором репозитория методом слияния DARE TIES с помощью mergekit. В основу слияния вошла mlabonne/NeuralBeagle14-7B; также объединены Intel/neural-chat-7b-v3-1, mlabonne/AlphaMonarch-7B и HuggingFaceH4/zephyr-7b-beta. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Она предназначена для генерации текста в диалоге и ответов на пользовательские запросы. Заявленная длина контекста — 32 768 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. В карточке не указаны целевые языки и специализированные предметные области. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результаты оценки качества или отдельные ограничения; характеристики ответов могут зависеть от запроса и настроек генерации.

simran14/small_8_17f — модель распознавания речи на базе Whisper Small, дообученная Simran14 на датасете Common Voice 17.0. Она предназначена для преобразования аудио в текст; в README для оценки на тестовой выборке указаны loss 0,0436 и WER 4,1154. Модель содержит 153,1 млн параметров и распространяется в формате Safetensors для Transformers. Модель рассчитана на распознавание речи на языке маратхи, указанном в метаданных. Лицензия Apache-2.0 разрешает использование и распространение на её условиях.

NVIDIA FastConformer-Hybrid Large (kk-ru) — модель распознавания речи, разработанная NVIDIA для транскрибации казахской и русской речи. Она принимает монофонический аудиосигнал WAV с частотой 16 кГц и возвращает текстовую строку в нижнем регистре. Модель построена на архитектуре FastConformer и содержит около 115 млн параметров. Это гибридная модель с декодерами Transducer и CTC, обученная на обоих типах функций потерь; по умолчанию используется Transducer. Для обучения использовались открытые корпуса казахской речи общим объёмом около 1550 часов и русской речи объёмом около 850 часов. Модель работает через NVIDIA NeMo и доступна как предварительно обученный чекпойнт для распознавания или дообучения. Модель не поддерживает потоковую обработку и не добавляет в результат заглавные буквы и пунктуацию. Качество может снижаться на технической лексике и разговорных вариантах речи, недостаточно представленных в обучающих данных. Лицензия — CC BY 4.0.

SwedishBeagle-dare — объединённая чат-модель на архитектуре Mistral, созданная с помощью LazyMergekit из Mistral-совместимых моделей timpal0l/Mistral-7B-v0.1-flashback-v2, EmbeddedLLM/Mistral-7B-Merge-14-v0.2 и Nexusflow/Starling-LM-7B-beta. В конфигурации объединения базовой моделью указана mlabonne/NeuralBeagle14-7B; применён метод dare_ties. Модель с 7,1 млрд параметров предназначена для генерации текста и диалоговых ответов. Контекст — до 32 768 токенов. Карточка не описывает отдельные специализированные функции или целевые языки, поэтому её следует рассматривать как чат-модель общего назначения. Модель распространяется по лицензии Apache-2.0. Качество ответов и языковая поддержка могут зависеть от задачи; данных о специализированном обучении и оценках в карточке нет.

SynthIA-7B-v1.5-Mistral-7B-Instruct-v0.1 — чат-модель, созданная MaziyarPanahi слиянием Mistral-7B-Instruct-v0.1 и SynthIA-7B-v1.5 методом SLERP. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и ответов в диалоге. Репозиторий содержит веса в формате safetensors; модель рассчитана на контекст до 32 768 токенов и поддерживает английский язык. Модель подходит для диалоговых запросов, генерации ответов и выполнения инструкций на английском языке. Указанная лицензия — Apache-2.0. README описывает способ слияния и использованные модели, но не приводит отдельные результаты оценки качества или подробные ограничения применения.

T3qm7Mergerix-7B — автоматически объединённая модель, созданная Maxime Labonne на основе Mistral-7B-v0.1, T3QM7 и Mergerix-7b-v0.3. Она предназначена для генерации текста и диалога, включая ответы на математические запросы. Модель имеет плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстное окно до 32 768 токенов; веса опубликованы в формате safetensors. Модель распространяется по лицензии Apache-2.0. В README не приведены результаты оценки качества или сведения о поддерживаемых языках, поэтому практическую точность для конкретных задач и языков следует проверять отдельно.

T3qm7xNeuralsirkrishna_Experiment28Experiment24 — объединённая языковая модель на архитектуре Mistral, созданная из automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment28Experiment24-7B. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов по текстовым запросам. Она доступна по лицензии Apache-2.0. Сведения о специальной предметной настройке или дополнительных возможностях в карточке не приведены.

T3qm7xNeuralsirkrishna_Multi_verse_modelExperiment28 — объединённая авторами репозитория модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста и диалогов, принимает текст и поддерживает контекст до 32 768 токенов. Модель объединяет automerger/T3qm7xNeuralsirkrishna-7B и automerger/Multi_verse_modelExperiment28-7B. Веса опубликованы в формате safetensors. Карточка не уточняет специализацию модели, языки или сравнительное качество, поэтому её можно характеризовать только как модель генерации общего назначения. Лицензия — Apache-2.0.

T3qm7xNeuralsirkrishna_YamOgno — объединённая языковая модель на архитектуре Mistral, созданная путём слияния automerger/T3qm7xNeuralsirkrishna-7B и automerger/YamOgno-7B. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 7,1 млрд параметров, использует формат Safetensors и поддерживает контекст до 32 768 токенов. Карточка не описывает отдельную специализацию или языки, поэтому модель можно охарактеризовать только как текстовую модель общего назначения. Репозиторий распространяется по лицензии Apache-2.0.

GinnM/ThermoFormer — модель на базе Transformers, опубликованная пользователем GinnM на Hugging Face. В метаданных она обозначена для задачи feature-extraction, то есть получения векторных представлений входных данных для последующего анализа или использования в прикладных системах. Модель содержит около 865,1 млн параметров и поддерживает контекст длиной до 1026 токенов. Модель может применяться как компонент систем, которым нужны признаки или эмбеддинги для сравнения объектов, поиска по смыслу, классификации и других downstream-задач. Библиотека Transformers и формат safetensors указаны в метаданных. Сведения о разработчике, языках, обучающих данных, архитектуре более высокого уровня, результатах оценки, лицензии и рекомендуемых сценариях использования в доступных материалах не приведены.

TheTop-5x7B-Instruct-T-v0.1 — языковая модель MaziyarPanahi, полученная слиянием пяти моделей примерно по 7 млрд параметров методом TIES. Она предназначена для генерации текста и инструкционного диалога. Модель построена на архитектуре Mistral, распространяется в формате Safetensors и поддерживает контекст до 32 768 токенов. В карточке приведены результаты Open LLM Leaderboard, включая оценки на тестах AI2 Reasoning Challenge и HellaSwag. Модель можно применять для ответов на запросы, составления и преобразования текста, а также задач рассуждения в диалоге. Лицензия Apache-2.0 разрешает использование на её условиях. README не уточняет языковой охват и конкретный состав моделей, вошедших в слияние.

Cohere и Cohere Labs разработали Tiny Aya Base — авторегрессионную языковую модель на архитектуре Transformer с 3,35 млрд параметров. Она предназначена для дообучения, адаптации к инструкциям и локального запуска в условиях ограниченных вычислительных ресурсов. Модель принимает текст и генерирует текст; контекст составляет до 8 тысяч токенов, заявлена поддержка более 70 языков, включая языки с ограниченными обучающими данными. Модель подходит для многоязычной генерации и диалогов, суммаризации, перевода и межъязыковых задач. В архитектуре используются скользящее оконное внимание с размером окна 4096 и глобальное внимание. По данным карточки, особенно сильные стороны — генерация на разных языках и работа с низкоресурсными языками. Качество рассуждений, в частности математических, ниже; фактические ответы могут быть ошибочными, а качество и понимание культурных нюансов различаются между языками. Лицензия CC-BY-NC-4.0 запрещает коммерческое использование без отдельного разрешения; также требуется соблюдать политику допустимого использования Cohere Labs.

zeromodels/tipsv2-so400m14 — конверсия модели Google DeepMind TIPSv2 в Keras 3, распространяемая проектом zeromodels. Это двухбашенная модель типа CLIP/SigLIP: визуальная башня на основе ViT в стиле DINOv2 с register-токенами и двунаправленная текстовая башня, обученные сопоставлять изображения и текст контрастивным методом. Модель предназначена для классификации изображений по текстовым меткам без специального обучения на этих метках и получения согласованных визуальных и текстовых признаков. В репозитории доступны полная модель и обе башни; реализация Keras 3 работает с TensorFlow, Torch и JAX. Для обработки изображений используется разрешение 448 пикселей и масштабирование значений в диапазон [0, 1]. Модель принимает изображения и текстовые метки и выдаёт оценки соответствия; лицензия Apache-2.0.

TopEvolution16 — объединённая языковая модель для генерации текста, созданная сообществом mergekit-community с помощью mergekit. В слиянии методом SLERP использованы mergekit-community/TopEvolution и NousResearch/Hermes-2-Theta-Llama-3-8B; в метаданных архитектура указана как MistralForCausalLM, плотная модель на 7,1 млрд параметров. Репозиторий содержит веса Safetensors, исходная конфигурация слияния задаёт тип bfloat16. Модель предназначена для генерации текста и диалоговых сценариев. Контекстное окно составляет 32 768 токенов. Базовая модель Hermes-2-Theta-Llama-3-8B описана как диалоговая модель на базе Llama 3 для следования инструкциям, вызова функций и генерации ответов в JSON; эти возможности не подтверждены отдельно для результата слияния. Лицензия в предоставленных данных не указана.

TopStarClaudioArena — слитая языковая модель сообщества mergekit-community, созданная методом SLERP из NousResearch/Hermes-2-Theta-Llama-3-8B и mergekit-community/mergekit-slerp-ebgdloh. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста; в метаданных указаны библиотека Transformers и контекст до 32 768 токенов. Конфигурация слияния задаёт V-образное распределение весов: Hermes используется в начальных и конечных слоях, а WizardMath — в средних. Модель подходит для диалоговой генерации и ответов на инструкции, а также может применяться для математических запросов благодаря компоненту WizardMath. Карточка не приводит отдельных результатов оценки качества или подробностей о поддерживаемых языках. Условия лицензирования в предоставленных данных не указаны.

bullerwins/translategemma-12b-it-GGUF — GGUF-версия TranslateGemma 12B IT, модели Google Translate на базе семейства Gemma 3. Модель предназначена для перевода текста между 55 языками, а также для извлечения текста из изображений с последующим переводом. Благодаря относительно компактному размеру её предполагается использовать на ноутбуках, настольных компьютерах и в собственной облачной инфраструктуре. Модель мультимодальная: принимает текст или изображения, нормализованные до разрешения 896 × 896 и кодируемые в 256 токенов на изображение. Общий входной контекст составляет 2K токенов, выходом является текст на целевом языке. Для работы требуется специальный chat template с ролями User и Assistant и обязательным указанием исходного и целевого языков в формате ISO 639-1 или регионализированном формате. Поддерживаемые языки и региональные варианты ограничены возможностями модели; некорректный код языка вызывает ошибку. Сильные стороны модели — сочетание перевода текста и перевода текста с изображений, поддержка 55 языков и возможность развертывания в средах с ограниченными ресурсами. Ограничения включают небольшой контекст, строгий формат входных сообщений и необходимость применять совместимый шаблон чата. Дополнительные сценарии, например автоматическое постредактирование машинного перевода, упоминаются как неофициально поддерживаемые. Использование регулируется лицензией Gemma и условиями Google; доступ к исходной модели на Hugging Face требует принятия условий использования.

bartowski/TwinLlama-3.1-8B-GGUF — набор GGUF-квантизаций базовой модели mlabonne/TwinLlama-3.1-8B, подготовленный пользователем bartowski с помощью llama.cpp и калибровки imatrix. Модель предназначена для генерации текста и локального запуска в совместимых приложениях, включая LM Studio, а также для использования через инструменты экосистемы llama.cpp. Доступны варианты от полноразмерных весов F16 до компактных IQ- и Q-квантизаций с размерами примерно от 2,95 до 16,07 ГБ. Более высокие уровни квантования, такие как Q6_K, Q6_K_L и Q8_0, лучше сохраняют качество, но требуют больше памяти; варианты Q4 и Q3 обеспечивают компромисс между качеством и требованиями к ресурсам, а Q2 и некоторые IQ-варианты ориентированы на минимальный объём памяти и могут заметно уступать по качеству. В отдельных вариантах embedding- и output-веса сохранены в Q8_0 для потенциального улучшения качества. В README не указаны архитектурные подробности, поддерживаемые языки, размер контекстного окна, точный формат промпта, результаты оценки и лицензия. Поэтому пригодность модели для конкретных языков и сценариев, а также юридические условия использования следует уточнять на странице исходной модели и в сопутствующих материалах.

Typhoon2.1-Gemma3-12B — тайскоязычная инструкционная большая языковая модель, разработанная командой OpenTyphoon и основанная на Gemma 3 12B от Google. Представленная версия распространяется в формате GGUF с квантизацией q4_k_m и предназначена для запуска через llama.cpp. Модель ориентирована на генерацию и обработку текста в диалоговых и прикладных сценариях, включая выполнение инструкций и вызов функций. Она содержит 12 миллиардов параметров, поддерживает контекст длиной до 128K токенов и работает только с текстом. README не уточняет полный набор поддерживаемых языков, однако модель позиционируется прежде всего как тайская. К сильным сторонам относятся специализация на тайском языке, большой контекст и поддержка function calling. Ограничения связаны с тем, что это текстовая модель, а доступная версия использует квантизацию, которая может снижать точность по сравнению с исходной моделью. Для использования требуется согласие с условиями OpenTyphoon и политикой конфиденциальности; лицензия указана как gemma.

UltronTactIQ-Mistral-2-7b — диалоговая языковая модель с архитектурой MistralForCausalLM и 7,1 млрд параметров, созданная CapiJack дообучением NousResearch/Nous-Hermes-2-Mistral-7B-DPO. Модель предназначена для генерации текста и общения по инструкциям; в метаданных отмечена поддержка чата. README сообщает о дообучении на наборе данных, название которого не приведено, и указывает значение loss 0,5036 на оценочном наборе. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В карточке нет сведений о целевых языках и специализированных областях применения. Распространяется по лицензии Apache-2.0.

BuzzASR/Vietnamese — специализированная модель автоматического распознавания речи на вьетнамском языке, разработанная как часть набора из 102 языковых ASR-моделей BuzzASR. Она дообучена методом простого fine-tuning от openai/whisper-large-v3 с сохранением токенизатора Whisper и настройкой только для распознавания речи. Модель использует архитектуру Whisper large-v3 с 905,2 млн параметров и принимает аудио, выдавая текстовую транскрипцию. Модель предназначена для транскрибации вьетнамской речи. В тестах README указаны CER 3,73% и WER 7,26% на FLEURS, а также CER 5,38% и WER 10,68% на комбинированном тестовом наборе; результаты зависят от данных и условий оценки. Обучение включало FLEURS и текстовые данные корпуса Goldfish. Модель распространяется по лицензии MIT.

Vistral-7B-Chat-DPO-imatrix-GGUF — набор квантизированных файлов модели в формате GGUF, подготовленный пользователем duyntnet на основе Vistral-7B-Chat-DPO от jan-hq. Модель предназначена для генерации текста в диалоговом режиме и использования в совместимых инструментах инференса, поддерживающих формат GGUF и imatrix-квантизацию. В README указана задача text-generation и язык en — английский. Модель относится к семейству Vistral-7B-Chat-DPO; из названия следует размер класса 7B, а также обучение с применением DPO для чат-сценариев. Для формирования запросов используется шаблон Mistral с системным сообщением и пользовательским промптом. Ключевые характеристики исходной архитектуры, точный размер контекста, перечень поддерживаемых модальностей и конкретные варианты квантизации в README не описаны. Лицензия указана как other, без дополнительных условий, поэтому перед использованием необходимо ознакомиться с лицензией исходной модели и файлами репозитория.

Это модель timm от команды Google — изображенческий энкодер SigLIP 2 на базе ViT с патчами 16×16 и входным разрешением 256 пикселей. Репозиторий содержит только визуальную башню, соответствующую image tower мультимодальной модели SigLIP 2; обучение связано с датасетом WebLI. Модель предназначена для извлечения признаковых представлений изображений: их можно использовать для поиска похожих изображений, сопоставления визуального содержимого или как визуальные признаки для последующих систем. Она поддерживает только входные изображения и выдаёт векторы признаков; языковые возможности полной модели SigLIP 2 к этому энкодеру не относятся. Распространяется по лицензии Apache-2.0.

Voz — модель распознавания речи от Desert Ant Labs, предназначенная для локальной транскрибации аудио на iPhone, iPad, Mac, Windows, в браузере и Node.js. В её основе NVIDIA Parakeet TDT 0.6B v3: веса преобразованы и сжаты для запуска на устройствах, при этом, согласно README, сами веса не дообучались. Репозиторий содержит сборки Core ML, ONNX и TensorFlow Lite; на устройствах Apple вычисления выполняются на Neural Engine. Модель разбивает запись на окна по 15 секунд и может возвращать текст с временными метками для отдельных слов. Поддерживает 25 языков, включая русский, английский, немецкий, итальянский и украинский; принимает моно- и стереоаудио с разной частотой дискретизации. Для Parakeet TDT 0.6B v3 указана лицензия CC BY 4.0; карточка Voz обозначает лицензию как other и отсылает к THIRD_PARTY_NOTICES.md, поэтому условия использования самой сборки следует сверять с этим файлом. По результатам README, точность зависит от языка и типа записи: модель хорошо работает на ряде языков, но для подкастов и совещаний может потребоваться ручная проверка, а для некоторых языков качество заметно ниже.

mitkaj/w2v2BERT-CZ-CV-17.0 — модель распознавания чешской речи, созданная дообучением facebook/w2v-bert-2.0 разработчиком mitkaj. Она использует архитектуру Wav2Vec2BertForCTC и CTC-обучение на наборе Czech Common Voice; словарь модели содержит 51 токен. Модель принимает аудио и выдаёт текстовую транскрипцию на чешском языке. Модель предназначена для автоматического распознавания чешской речи, в том числе записей, похожих на данные Common Voice. В карточке указана оценка WER 5,83% на чешском тестовом наборе. Число параметров — около 402,7 млн. Длина контекста не указана в доступных материалах. Лицензия — MIT.