I.14Автоматизация процессов и AI-агенты

suayptalha/HomerCreativeAnvita-Mix-Qw7B — языковая модель, созданная слиянием двух моделей Qwen2.5-7B с помощью метода SLERP и инструмента mergekit. Она предназначена для генерации текста в диалоге и других сценариях, где требуется отвечать на запросы или следовать инструкциям. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2ForCausalLM, хранится в формате safetensors и поддерживает контекст до 32 768 токенов. В карточке приведены результаты оценивания на Open LLM Leaderboard, включая IFEval и BBH; автор заявляет высокие позиции среди моделей до 8B и 13B параметров. Эти результаты не гарантируют качество на конкретных задачах. Модель распространяется по лицензии Apache-2.0. README не уточняет поддерживаемые естественные языки и ограничения безопасного использования.

INEX8-7B — объединённая модель для генерации текста, созданная Liminerity с помощью Mergekit на основе liminerity/merge3 и yam-peleg/Experiment26-7B. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; опубликована в формате Safetensors. Модель подходит для генерации продолжений и ответов на текстовые запросы, а также для задач рассуждения и понимания текста. В карточке приведены результаты Open LLM Leaderboard: средняя оценка 76,44, ARC 73,29 и HellaSwag 89,19. Данных о поддерживаемых языках и специализированных областях применения карточка не приводит. Лицензия — Apache-2.0.

Instruct-v0.2-Seraph-7B — языковая модель Weyaxi для генерации текста в формате инструкций. Она создана слиянием методом SLERP моделей Weyaxi/Seraph-7B и mistralai/Mistral-7B-Instruct-v0.2; в конфигурации также указана базовая модель mistralai/Mistral-7B-v0.1. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и имеет контекстное окно 32 768 токенов. Модель подходит для диалоговых ответов и выполнения текстовых инструкций. Веса доступны в формате safetensors, лицензия — Apache-2.0. README не приводит результатов оценки качества или перечня поддерживаемых языков, поэтому конкретные языковые возможности и сравнительные преимущества установить нельзя.

inception42/jais-family-6p7b — двуязычная языковая модель семейства Jais от Inception Institute of Artificial Intelligence. Это авторегрессионная decoder-only модель для генерации текста; семейство обучалось с нуля и адаптивно на базе Llama 2, но для этой конкретной копии базовая модель в метаданных не указана. Репозиторий содержит веса в формате safetensors, лицензия — Apache 2.0. Модель предназначена для генерации и понимания текста на арабском и английском языках. Её можно использовать для диалоговых помощников, суммаризации двуязычных документов, анализа тональности и исследовательских задач арабской NLP. README указывает, что для загрузки требуется пользовательский класс модели и параметр trust_remote_code=True. Семейство Jais оптимизировано для арабского языка и обладает сильными возможностями на английском. Для конкретного чекпойнта размер и длина контекста не приведены. Возможны фактические ошибки, предвзятость и неподходящие ответы; модель не следует считать одинаково компетентной на других языках и применять в высокорисковых решениях без контроля человека.

KAI-7B — языковая модель Keynote Technology на архитектуре Mistral с 7,1 млрд параметров, дообученная на основе Mistral 7B. Она предназначена для генерации текста и может применяться для ответов на вопросы и работы с задачами STEM; в карточке также отмечены возможности в области кода. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и рассчитана прежде всего на английский язык. Автор заявляет о высоких результатах на проведённых им бенчмарках, особенно в STEM, но отмечает, что математические и кодовые задачи требуют улучшения. Это предварительно обученная базовая модель без механизмов модерации. Репозиторий распространяется по лицензии Apache-2.0; README отдельно запрещает использовать модели KAI для разжигания ненависти.

Kunoichi-DPO-7B — плотная авторегрессионная языковая модель семейства Mistral на 7,1 млрд параметров, созданная SanjiWatsuki. Это DPO-дообучение Kunoichi-7B на парах предпочтений Intel Orca с шаблоном Alpaca; модель предназначена для общего использования и принимает инструкции, выдавая текстовые ответы. В карточке отмечены улучшения следования инструкциям и рассуждений по сравнению с Kunoichi-7B, а также возможное снижение качества ролевых диалогов из-за выравнивания на данных Orca. Заявленное окно контекста — до 8192 токенов. Экспериментально его можно расширить до 16 тысяч токенов с NTK RoPE alpha 2.6. README приводит результаты нескольких бенчмарков и сообщает, что тестирование ещё продолжается, поэтому оценки следует считать предварительными. Репозиторий содержит веса в формате safetensors; лицензия CC BY-NC 4.0 запрещает коммерческое использование без отдельного разрешения правообладателя.

kyrgyz-whisper-small — мультиязычная модель распознавания речи, дообученная на архитектуре Whisper Small компании OpenAI. Модель содержит 153,1 млн параметров и принимает аудио для транскрибации на кыргызском, английском и русском языках. Она рассчитана на работу с шумными записями, смешением языков и дальнейшую адаптацию с помощью LoRA. В карточке сообщается об обучении примерно на 2 000 часах кыргызского аудио и дополнительном аудио на английском и русском языках. На бенчмарке FLEURS кыргызская WER достигает примерно 0,2–0,4; добавление кыргызского языка сопровождается некоторым снижением точности для английского и русского. Для кыргызского требуется пользовательский токенизатор. Модель распространяется по лицензии Apache-2.0.

L3.1-Boshima-b — объединённая языковая модель, созданная сообществом с помощью mergekit методом SLERP из ArliAI/Llama-3.1-8B-ArliAI-Formax-v1.0 и mergekit-community/L3-Boshima-a. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, примерно 7,5 млрд параметров и контекстом до 131 072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов на запросы и ведения чата на основе текстового ввода. Она распространяется в формате safetensors; библиотека для работы с моделью — Transformers. Сведения о лицензии и языковой специализации в предоставленных данных отсутствуют.

L3-8B-Everything-COT-GGUF — это набор квантизированных файлов модели L3-8B-Everything-COT, опубликованный и подготовленный пользователем bartowski на основе оригинальной модели FPHam. Модель относится к семейству Llama 3 и предназначена для генерации текста, включая диалоговые сценарии и задачи, где полезно пошаговое рассуждение. Файлы представлены в формате GGUF для запуска через llama.cpp. Размер базовой модели — 8 миллиардов параметров, однако README не указывает точные архитектурные характеристики, поддерживаемые языки, длину контекста и исходные данные обучения. Доступны варианты квантизации от Q8_0 и Q8_0_L до Q2_K и IQ2_M; размер файлов составляет примерно от 2,94 до 9,52 ГБ. Варианты с более высокой точностью обеспечивают лучшее качество, а варианты Q3 и Q2 требуют меньше памяти, но заметно уступают по качеству. Рекомендуемыми названы многие варианты Q4–Q6, в частности Q6_K и Q5_K_M. Ключевые преимущества — возможность локального запуска, широкий выбор компромисса между качеством и потреблением памяти, а также применение imatrix-квантизации. Экспериментальные варианты используют F16 для эмбеддингов и выходных весов и могут отличаться по качеству. Для работы требуется совместимое ПО, например llama.cpp, и использование указанного шаблона prompt. Лицензия модели в README не указана.

Linkbricks-Horizon-AI-Japanese-Pro-V3-70B-GGUF — квантизированная версия 70-миллиардной языковой модели Linkbricks-Horizon-AI-Japanese-Pro-V3-70B, разработанной Saxo. Квантизацию выполнил bartowski с использованием llama.cpp и imatrix. Модель предназначена для генерации текста, включая перевод, суммаризацию, ответы на вопросы, анализ тональности, работу с новостными и научно-техническими материалами, а также задачи на корейском языке, включая function calling и математические задачи. Модель работает в формате GGUF и рассчитана на запуск через llama.cpp и LM Studio. Заявлены языки: корейский, английский, японский и китайский. Доступны варианты квантизации от Q8_0 до Q3_K и IQ4; размеры файлов составляют примерно от 37,9 до 75 ГБ. Более высокие уровни квантизации обеспечивают лучшее качество, но требуют больше памяти, поэтому запуск предполагает мощное оборудование. Архитектура, максимальный контекст и точный формат промпта в README не указаны; для настройки взаимодействия следует обратиться к странице исходной модели. Сильные стороны модели — большой размер, специализация на корейском и связанных с ним многоязычных задачах, а также широкий выбор вариантов квантизации. Ограничения включают значительные требования к памяти, возможное снижение качества у компактных вариантов и отсутствие в README подробных данных о результатах бенчмарков, архитектуре и контекстном окне. Указана лицензия Apache-2.0.

QuantFactory/Llama-3-Alpha-Ko-8B-Instruct-GGUF — квантованная версия языковой модели Llama-3-Alpha-Ko-8B-Instruct, созданная с помощью llama.cpp. Исходную модель разработала команда allganize; она основана на семействе Meta Llama 3 и объединяет Meta-Llama-3-8B, Meta-Llama-3-8B-Instruct и Llama-3-Open-Ko-8B с использованием метода Evolutionary Model Merging. Модель ориентирована прежде всего на корейский и английский языки и предназначена для генерации текста, диалоговых ассистентов, решения логических и математических задач, а также других сложных языковых сценариев. Модель имеет размер 8B параметров и работает в текстовой модальности. Для последующего улучшения применялись ORPO и наборы данных с корейскими оценками качества, математическими задачами и предпочтениями пользователей. По заявленным результатам, Alpha-Ko-Instruct получила 6,620 балла в LogicKor и показала сильные результаты в отдельных задачах KoBEST; при этом показатели зависят от варианта модели, шаблона запросов и настроек оценки. Квантованная GGUF-версия предназначена для запуска в совместимых инструментах на базе llama.cpp, что может снизить требования к вычислительным ресурсам по сравнению с полной версией. Ограничения включают отсутствие в README сведений о точном формате и разрядности квантования, размере контекстного окна, системных требованиях и подробной независимой оценке именно этой GGUF-версии. Модель следует рассматривать как текстовую языковую модель общего назначения с заявленными преимуществами в корейско-английских и логических задачах, но возможны ошибки и ограничения, характерные для генеративных моделей. Использование регулируется Meta Llama 3 Community License Agreement.

Llama-3-Typhoon-1.5X-70B-instruct — диалоговая языковая модель команды SCB 10X Typhoon, созданная на основе Llama 3 70B Instruct и Typhoon 1.5 70B с помощью редактирования модели методом task arithmetic. Это плотная decoder-only модель архитектуры Llama примерно на 69,5 млрд параметров; она принимает и генерирует текст, использует шаблон чата Llama 3 и поддерживает контекст до 8192 токенов. Модель рассчитана прежде всего на тайский язык, также поддерживает английский. Её предназначение — следование инструкциям, рассуждения, ответы на вопросы и применение в RAG-сценариях и генерации с заданными ограничениями. В карточке приведены результаты тестов ThaiExam, MMLU, MT-Bench и IFEval, включая оценки на тайском и английском. Разработчики отмечают экспериментальный характер модели и рекомендуют отдельно оценивать её риски для конкретного применения. Модель распространяется по лицензии Llama 3 Community License; для работы указана Transformers версии 4.38.0 или новее.

Карточка модели cfli/LLARA-beir на Hugging Face совпадает с карточкой BAAI/LLARA-beir, поэтому описание составлено по ней. BAAI/LLARA-beir — текстовая модель семейства LLaMA, разработанная BAAI для получения эмбеддингов и оценки смыслового сходства предложений. В проекте LLARA представлены подходы EBAE (Embedding-Based Auto-Encoding) и EBAR (Embedding-Based Auto-Regression); репозиторий ссылается на статью и GitHub проекта. Модель содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM и принимает контекст до 4096 токенов. Модель подходит для поиска по смыслу, сопоставления предложений и других задач, где нужны текстовые эмбеддинги. Доступны веса в формате safetensors; лицензия — MIT. В карточке не приведены сведения о поддерживаемых естественных языках и специализированных областях применения.

MarcoHermes — языковая модель, созданная слиянием моделей AtAndDev/CapybaraMarcoroni-7B и eren23/DistilHermes-2.5-Mistral-7B с помощью mergekit. Это плотная MistralForCausalLM-модель с 7,1 млрд параметров, предназначенная для генерации текста. В конфигурации использован метод slerp; веса опубликованы в формате safetensors. Модель подходит для генерации ответов и диалогового текста, а также для других сценариев, основанных на продолжении текста. Максимальная длина контекста составляет 32 768 токенов. Лицензия — Apache-2.0. В карточке не приведены оценки качества или сведения о поддерживаемых языках; возможности модели следует проверять на целевых задачах.

MeliodasPercival_01_NeuralsirkrishnaT3qm7x — объединённая текстовая модель на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием моделей automerger/MeliodasPercival_01-7B и automerger/NeuralsirkrishnaT3qm7x-7B; автор карточки — MaziyarPanahi. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и поддерживает контекст длиной до 32 768 токенов. В репозитории представлены веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не сообщает о специальных предметных областях или языковой специализации.

mera-mix-4x7B — языковая модель с архитектурой смеси экспертов (MoE), разработанная командой Mera. В ней четыре эксперта вместо восьми у Mixtral-8x7B; карточка описывает её как более компактную замену Mixtral-8x7B с более быстрым выводом и сопоставимыми результатами на бенчмарках. В метаданных указаны архитектура MixtralForCausalLM, 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового использования. В README приведены результаты OpenLLM Eval: 75,91 балла; также сообщается о результатах на AI2 Reasoning Challenge и HellaSwag. Доступны веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не уточняет языки обучения и поддерживаемые языки.

Ministral-3-8B-Reasoning-2512-Uncensored-i1-GGUF — квантованная версия модели Ministral-3-8B-Reasoning-2512-Uncensored, разработанной ccharnkij и подготовленной в формате GGUF пользователем mradermacher. Модель относится к семейству Mistral/Ministral и ориентирована на генерацию текста и задачи, требующие рассуждений. В README также указана поддержка сценариев image-text-to-text, то есть работы с изображениями и текстом; для этого могут потребоваться отдельные mmproj-файлы. Модель имеет размер 8B параметров согласно идентификатору и предназначена для локального запуска через совместимые инструменты, поддерживающие GGUF. Доступны варианты квантования от крайне компактных IQ1 до более качественных Q6 и других форматов, что позволяет выбирать компромисс между размером файла, скоростью и качеством. Заявлен английский язык. Размер контекста, точная архитектура, перечень поддерживаемых языков помимо английского и результаты сравнительных тестов в README не указаны. Сильными сторонами являются наличие reasoning-настройки, мультимодальная поддержка и широкий выбор квантованных вариантов, включая версии с imatrix. Ограничения связаны с потерями качества при агрессивном квантовании, а также с отсутствием подробных данных о производительности, контекстном окне и фактических возможностях работы с изображениями. В метаданных указана лицензия Apache-2.0.

miqu-1-103b — экспериментальная текстовая языковая модель, созданная Wolfram методом слияния mergekit: слои модели miqu-1-70b-sf интерливированы, чтобы получить вариант на 103 млрд параметров с 120 слоями. Модель предназначена для генерации текста и диалогов; используется шаблон запросов Mistral. Максимальный контекст — 32 768 токенов. Карточка указывает английский, немецкий, французский, испанский и итальянский языки. Модель опубликована в формате safetensors и доступна также в отдельных квантованных сборках GGUF и EXL2. README отмечает, что исходные веса были утекшими; лицензия в метаданных обозначена как other, поэтому условия правового использования следует проверять отдельно.

Mistral-grok-instract-2-7B-slerp — объединённая автором модель для генерации текста и диалоговых ответов. Она создана методом slerp через LazyMergekit на основе mistralai/Mistral-7B-Instruct-v0.2 и HuggingFaceH4/mistral-7b-grok; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и рассчитана на диалоговый режим. Модель можно применять для ответов на инструкции, ведения диалога и генерации текста. В репозитории представлены веса в форматах Safetensors и GGUF. Лицензия — MIT. Отдельные сведения о сравнительной точности или результатах оценки в карточке не приведены.

Это преобразованная для MLX 4-битная версия Mixtral-8x22B-v0.1, опубликованная сообществом mlx-community; конвертацию выполнил Prince Canuma с помощью mlx-lm 0.4.0. Модель относится к архитектуре Mixtral с разреженной смесью экспертов (MoE) и предназначена для генерации текста, в том числе диалоговых ответов и продолжения текстовых запросов. В метаданных указаны 22 млрд параметров и контекст до 65 536 токенов. Версия использует 4-битное представление весов в формате safetensors и ориентирована на запуск через MLX на совместимом оборудовании Apple. Карточка перечисляет английский, французский, итальянский, немецкий и испанский языки. Репозиторий распространяется по лицензии Apache-2.0. Качество и скорость генерации зависят от оборудования и выбранных настроек MLX; подробности о сильных сторонах и ограничениях исходной модели следует сверять с её карточкой.

Ram934/mpnet-base-all-nli-triplet — англоязычная модель Sentence Transformers, дообученная автором на базе BAAI/bge-base-en-v1.5. Она преобразует предложения и абзацы в плотные эмбеддинги размерности 768 и предназначена для семантического поиска, сравнения текстов, поиска перефразировок, кластеризации и классификации текста. В README также указано применение для анализа финансовых текстов, однако обучающий набор описан только как небольшой JSON-датасет из 27 примеров с парами anchor и positive. Архитектура основана на BERT: выходы токенов объединяются с использованием CLS-токена, затем векторы нормализуются. Модель принимает текст, поддерживает последовательности до 512 токенов и вычисляет сходство по косинусной мере. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. Небольшой объём обучающих данных ограничивает основания ожидать устойчивого улучшения качества или специализации для финансового домена. Модель рассчитана на английский язык; качество на других языках не подтверждено.

along26/mpnet-base-manglish-triplet — текстовая Sentence Transformer-модель, созданная дообучением microsoft/mpnet-base разработчиком along26 на триплетах Manglish. Она кодирует предложения и абзацы в плотные векторы размерностью 768 и предназначена для сравнения текстов по косинусному сходству. Подходит для поиска семантически близких текстов, выявления перефразирований, кластеризации и классификации текстов на основе эмбеддингов. Модель основана на MPNet и использует усреднение токенных представлений; максимальная длина последовательности — 512 токенов (514 нативных токенов по метаданным). В карточке указан английский язык. Опубликована в формате safetensors, использует библиотеку Sentence Transformers и распространяется по лицензии Apache-2.0. В README для оценки на manglish-dev и manglish-test приведена точность cosine_accuracy 0.0, поэтому качество на этих наборах вызывает сомнения; перед применением следует проверить модель на целевых данных.

MyAwesomeModel — модель семейства BERT из репозитория toolathlon3/MyAwesomeModel-TestRepo, предназначенная для извлечения признаков из текста. Согласно метаданным, она реализована на PyTorch и библиотеке Transformers, а её основной тип задачи Hugging Face — feature-extraction. Модель может использоваться для получения векторных представлений текста, семантического поиска, кластеризации, сравнения текстов и как компонент систем классификации или других downstream-задач. README также заявляет о возможностях рассуждения, генерации кода, ответов на вопросы и работы с функциями, однако эти сведения не согласуются с указанным pipeline-тегом feature-extraction и не подтверждают архитектуру генеративной модели. Модель распространяется по лицензии MIT. Размер, длина контекста, поддерживаемые естественные языки и точные характеристики архитектуры в доступных данных не указаны.

MaziyarPanahi/NeuralsirkrishnaShadow_YamNeuralsirkrishna — объединённая автором карточки модель на архитектуре Mistral с 7,1 млрд параметров, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/YamNeuralsirkrishna-7B. Она предназначена для генерации текста и принимает запросы на естественном языке; заявленная длина контекста — до 32 768 токенов. Модель может применяться для диалога, составления текстов и ответов на вопросы. Веса опубликованы в формате Safetensors. Лицензия — Apache-2.0. Карточка не сообщает о специализации по языкам или прикладным областям, поэтому их нельзя подтвердить.

NVIDIA-Nemotron-3.5-Lightning-30B-A3B-fit16gib-GGUF — это смешанно-точная GGUF-квантизация базовой модели NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16, подготовленная Alberto-Codes. Модель предназначена для генерации текста и локального запуска в пределах 16 ГиБ видеопамяти. В README указано, что архитектура содержит 128 маршрутизируемых экспертов, а 46 экспертных блоков составляют около 93% параметров; точные сведения о контекстном окне, поддерживаемых языках и полном наборе модальностей не приведены. Ключевая особенность сборки — распределение разрядности по группам слоёв на основе карты чувствительности и importance matrix. Размер файла составляет 15,76 ГиБ, средняя разрядность — 4,287 бит на параметр. По измерениям на WikiText-2 модель имеет perplexity 7,0689, среднюю KL-дивергенцию 0,071403 и совпадение наиболее вероятного токена с эталоном f16 в 89,418% случаев. В сравнении с указанной в README сборкой IQ2_XXS она обеспечивает лучшее качество при меньшем размере файла, однако результаты относятся к конкретному тесту и не заменяют независимую проверку на целевых задачах. Сборка не содержит MTP-блок, поэтому спекулятивное декодирование с --spec-type draft-mtp недоступно. Для загрузки требуется версия llama.cpp с поддержкой типа тензоров Q2_0, объединённой 7 июля 2026 года; все приведённые измерения выполнены на build b10362, а совместимость с промежуточными версиями не подтверждена. Модель распространяется по лицензии openmdw-1.1; README не содержит сведений о коммерческих ограничениях сверх условий этой лицензии.

OpenChat 3.5 0106 GGUF — квантизированная версия текстовой генеративной модели OpenChat 3.5 0106, разработанной командой OpenChat и подготовленной в формате GGUF пользователем TheBloke. Модель основана на архитектуре Mistral и предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp и совместимые графические интерфейсы, библиотеки и API-серверы. В репозитории представлены варианты квантования с разрядностью от 2 до 8 бит для инференса на CPU и GPU. Точные размер модели, длина контекста, поддерживаемые языки и мультимодальные возможности в README не указаны; по описанию это текстовая, а не мультимодальная модель. Для работы используется шаблон запросов OpenChat-Correct: GPT4 Correct User и GPT4 Correct Assistant. Ключевое преимущество — возможность более экономичного локального запуска благодаря квантованию и широкой совместимости с llama.cpp, text-generation-webui, KoboldCpp, GPT4All, LM Studio, llama-cpp-python и другими инструментами. Ограничения связаны с потерями качества, возможными при низкоразрядном квантовании, а также с отсутствием в README подробных характеристик исходной модели и результатов оценки. Указанная лицензия — Apache-2.0.

Orca-Qwen3.8-27B-Uncensored-unsloth-mlx — квантизированная MLX-сборка модели Qwen3.8-27B, подготовленная nova-quill на основе orcarouter/Qwen3.8-27B-Uncensored с использованием imatrix от Unsloth. Базовая Qwen3.8-27B — плотная мультимодальная модель на 27 млрд параметров для диалогов, анализа изображений и видео, программирования и многошаговых задач; карточка этой версии также указывает поддержку vision и pipeline image-text-to-text. Исходная сборка описана как abliterated, то есть с удалением отказов, и предназначена для постобучения и квантизации. Репозиторий содержит форматы GGUF и safetensors; библиотека указана как Transformers. Модель лицензирована по Apache-2.0. Метаданные указывают английский и китайский языки; сведений о контекстном окне и ограничениях качества этой сборки нет.

google/paligemma-3b-ft-docvqa-896 — модель Google для ответов на вопросы по изображениям документов. Она относится к семейству PaliGemma: визуальная часть основана на SigLIP, языковая — на Gemma; модель принимает изображение и текстовый запрос и генерирует текстовый ответ. Суффикс названия указывает на настройку для DocVQA с разрешением изображений 896 пикселей; карточка описывает PaliGemma как модель для одношаговой обработки, а не для многоходового диалога. Модель предназначена для извлечения сведений из документов по вопросам на естественном языке — например, поиска значений и ответов, опирающихся на содержимое страницы. PaliGemma поддерживает несколько языков и может быть адаптирована под специализированные задачи визуального языка. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия — Gemma. Ответы могут быть неточными, а модель может неверно прочитать текст или интерпретировать документ. Она лучше работает с чётко сформулированными запросами; сложные или открытые задачи могут даваться хуже. Это не универсальная чат-модель: ввод изображения и текста рассчитан на один ход.

Pallas-0.5-frankenmerge — 35,6-миллиардная плотная языковая модель семейства Llama, созданная Mihaiii с помощью mergekit на основе Mihaiii/Pallas-0.5. Она предназначена для генерации текста, рассуждений и понимания текста; автор отмечает, что модель хорошо работает с длинными системными инструкциями, но не подходит для универсального применения, например для написания художественных историй. Заявленная длина контекста — 200 000 токенов. Модель принимает текст и генерирует текст; для диалога используется формат SYSTEM / USER / ASSISTANT. Она обучена на частном наборе данных. Лицензия указана как other, поэтому перед использованием следует проверить условия в карточке модели.

Palmyra Vision — мультимодальная модель семейства Palmyra от Writer для диалога и генерации ответов по изображениям. Она принимает изображение и текстовый запрос и предназначена для визуальных вопросов и ответов, включая анализ диаграмм, документов, инфографики, распознавание текста на изображениях, подсчёт объектов и визуальные задачи по математике. В README указано обучение на наборе PixMo объёмом 1 млн примеров; метаданные описывают плотную архитектуру Palmyra_visionForCausalLM на 12,8 млрд параметров, контекст до 4096 токенов и формат safetensors. Модель поддерживает английский язык и использует Transformers. В README приведены результаты на 11 академических бенчмарках: средняя оценка 78,3 и рейтинг человеческих предпочтений Elo 1056. Для обработки изображений требуется RGB; на прозрачных изображениях модель может работать хуже, поэтому рекомендуется предварительно добавить фон. Лицензия в предоставленных данных не указана. Метаданные связывают модель слиянием с openai/clip-vit-large-patch14-336 и Writer/Palmyra-Large.