I.14Автоматизация процессов и AI-агенты

Qwen3-VL-8B-Instruct-Unredacted-MAX — мультимодальная модель на 8 млрд параметров от prithivMLmods, дообученная на Qwen/Qwen3-VL-8B-Instruct. Это плотная vision-language-модель Qwen3-VL для диалога и задач, где нужно совместно анализировать изображения и текст; она поддерживает переменное разрешение изображений и выдаёт текстовые ответы, подписи и структурированные описания. Модель подходит для генерации подписей к изображениям, подготовки наборов данных, визуального рассуждения, тестирования устойчивости VLM и прототипирования систем с анализом изображений. В карточке отмечены улучшения упаковки, стабильности инференса и совместимости с современными версиями Transformers. Качество зависит от чёткости изображения, формулировки запроса и параметров генерации; на сложных сценах рассуждения могут быть неполными или непоследовательными, а качество меняется в зависимости от предметной области. Для инференса может потребоваться от умеренного до большого объёма VRAM, особенно при высоком разрешении. Лицензия — Apache-2.0.

Qwen_Qwen3-VL-30B-A3B-Thinking-GGUF — набор GGUF-квантизаций модели Qwen3-VL-30B-A3B-Thinking, разработанной командой Qwen и подготовленной пользователем bartowski с использованием llama.cpp и метода imatrix. Модель относится к классу vision-language и предназначена для задач image-text-to-text: обработки изображений и текстовых запросов с генерацией текстовых ответов. В названии указаны конфигурация 30B-A3B и режим Thinking, однако в README не приведены подробности архитектуры, число активных параметров, поддерживаемые языки и размер контекста. Доступны варианты от BF16 до различных уровней квантования Q8, Q6, Q5, Q4, Q3 и IQ, что позволяет выбирать между качеством и требованиями к памяти. Файлы рассчитаны на запуск в LM Studio, llama.cpp и других проектах на базе llama.cpp; для модели указан специальный шаблон prompt с секцией рассуждений <think>. Более высокие варианты сохраняют качество ближе к исходной модели, а низкоразрядные требуют меньше оперативной памяти, но могут заметно уступать по качеству. Лицензия в предоставленном README не указана.

Qwopus-GLM-18B-Healed-i1-GGUF — это квантизированная GGUF-версия модели Qwopus-GLM-18B-Healed, разработанной Jackrong и подготовленной квантизатором mradermacher. Модель относится к типу qwen3_5, имеет около 18 млрд параметров и предназначена для генерации текста и диалогового взаимодействия. В метаданных также заявлена поддержка сценариев рассуждения, работы с агентами и инструментами, однако подробные результаты тестирования не приведены. Модель поддерживает английский, китайский, корейский, японский, французский, немецкий и испанский языки. README указывает, что это vision-модель, поэтому она может использовать визуальные входы при наличии соответствующего multimodal-проектора, но сведения о поддерживаемых форматах изображений и конкретных возможностях анализа изображений отсутствуют. Длина контекста также не указана. Репозиторий содержит варианты квантизации от экстремально компактных IQ1 до Q6_K размером примерно от 4,5 до 13,1 ГБ. Это позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством; для общего использования автор рекомендует i1-Q4_K_M, а i1-Q4_K_S отмечает как удачный баланс размера, скорости и качества. Сильными сторонами являются многоязычность, поддержка текстовых и, вероятно, визуальных сценариев, а также возможность локального запуска через формат GGUF. Ограничениями выступают потери качества у низкобитных вариантов, отсутствие заявленной длины контекста и бенчмарков, а также необходимость совместимого ПО и multimodal-компонентов для работы с изображениями. Лицензия — Apache-2.0.

sfm_filtered_midtrain_alignment-0k_1k_2k_simpleavg_merge — объединённая языковая модель, созданная с помощью mergekit методом Linear из контрольных точек предварительно обученной модели. В качестве базовой использована контрольная точка global_step2000; в слияние также включены global_step0 и global_step1000. Семейство архитектуры — GPT-NeoX, модель плотная, содержит 8,8 млрд параметров и поддерживает контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. В метаданных указана библиотека Transformers и формат весов safetensors. Карточка не сообщает о специализированных областях применения, поддерживаемых естественных языках или лицензии, поэтому эти характеристики не уточняются.

Это объединённая модель генерации текста, опубликованная пользователем yuhengtu-bytedance. Она создана методом Linear merge в mergekit из контрольных точек предварительно обученной языковой модели на шагах обучения 4000, 5000, 6000, 7000 и 8000; контрольная точка шага 8000 использовалась как базовая. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст; заявленная длина контекста — 16 384 токена. Данные не уточняют целевые языки и специализированные области применения, поэтому модель можно описать только как универсальную языковую модель. Файлы весов представлены в формате Safetensors, а для работы указана библиотека Transformers. Лицензия и конкретные ограничения качества в предоставленных данных не описаны; результаты могут зависеть от используемого промпта и сценария применения.

Модель yuhengtu-bytedance/sfm_filtered_midtrain_alignment-4k_5k_6k_weightedavg_merge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit. Для слияния применён линейный метод: чекпойнт global_step6000 использован как базовый, а чекпойнты global_step4000 и global_step5000 также включены в объединение. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров; формат весов — safetensors, контекст — до 16 384 токенов. Предназначена для генерации текста и диалогового взаимодействия. Карточка не сообщает конкретные языки или специализированные области применения. Условия лицензии в доступных данных не указаны.

Sina-Loki-7b-Merge — экспериментальная объединённая языковая модель из серии DARE merges. Репозиторий содержит веса в формате Safetensors; по метаданным модель построена на плотной архитектуре MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста. Модель опубликована Azazelle по лицензии CC BY 4.0.

Sirius-10B — объединённая языковая модель на архитектуре Mistral, созданная Felix Chao путём слияния частей leveldevai/TurdusBeagle-7B и FelixChao/Severus-7B. В конфигурации указаны метод passthrough и точность float16; репозиторий содержит веса Safetensors. Модель насчитывает 10,6 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и может использоваться в приложениях, которым нужны ответы на запросы, диалог или продолжение текста. Карточка не уточняет специализацию, языки обучения или отдельные возможности модели. Лицензия — Apache-2.0.

BuzzASR/slovenian — одноязычная модель автоматического распознавания речи для словенского языка, разработанная как часть набора BuzzASR из 102 специализированных моделей. Она дообучена методом fine-tuning на базе openai/whisper-large-v3 и использует архитектуру Whisper large-v3 с 905,2 млн параметров. Модель принимает аудио и преобразует речь в текст; языковая и задачная подсказка включена в конфигурацию генерации. Модель предназначена для транскрибации словенской речи. В приведённых тестах FLEURS и Common Voice 25 она показала CER 4,98% и 0,65% соответственно, а на объединённом наборе — CER 2,31% и WER 7,83%; результаты относятся к указанным тестовым выборкам. Обучение использовало данные FLEURS, Common Voice Corpus 25.0 и текстовые данные корпуса Goldfish. Модель выпущена под лицензией MIT.

jaspionjader/sof-7 — объединённая модель семейства Llama, созданная автором репозитория с помощью mergekit и метода Model Stock. В качестве базовой модели использована jaspionjader/Kosmos-EVAA-Franken-stock-v43-8B; также в слияние вошли jaspionjader/ek-6, jaspionjader/sof-5 и jaspionjader/sof-6. Модель содержит 7,5 млрд параметров и предназначена для генерации текста в диалогах. Она принимает текстовые запросы, выдаёт текст и поддерживает контекст до 131 072 токенов. Модель распространяется в формате safetensors; для её загрузки указана библиотека Transformers. Языки и специализированные предметные области в карточке не заявлены. Карточка не описывает отдельные ограничения качества или условия лицензии, поэтому их нельзя надёжно уточнить по доступным сведениям.

SOLAR-0-70b-8bit — 8-битная квантованная версия модели upstage/SOLAR-0-70b-16bit, разработанная компанией Upstage на архитектуре LLaMA-2. Это плотная авторегрессионная языковая модель с 68,7 млрд параметров, предназначенная для генерации текста и следования инструкциям на английском языке. В карточке описан шаблон диалога с системным сообщением, запросом пользователя и ответом ассистента. Модель рассчитана на диалоговые сценарии, ответы на вопросы и выполнение текстовых инструкций. В метаданных указан контекст 4096 токенов; README сообщает, что благодаря настройке rope_scaling модель может обрабатывать более 10 тысяч входных токенов. Эти значения относятся к разным конфигурациям использования и не следует считать гарантией доступной длины во всех средах. Модель оценивалась на ARC-Challenge, HellaSwag, MMLU, TruthfulQA и MT-bench. Для запуска указана библиотека HuggingFace Transformers; авторы тестировали её на A100 80 ГБ. Дообученные контрольные точки распространяются по лицензии CC BY-NC 4.0 с ограничением на некоммерческое использование.

SOLAR-DUS-implement — текстовая генеративная модель на архитектуре Llama, созданная Cartinoe5930 с помощью LazyMergekit. Это слияние двух диапазонов слоёв модели Cartinoe5930/Llama2_init_Mistral методом passthrough; опубликованные веса имеют формат Safetensors и тип float16. Модель содержит 10,6 млрд параметров, а её контекст составляет 4096 токенов. Модель предназначена для генерации текста и может применяться для диалогов, написания черновиков и ответов на вопросы. В README приведены результаты на задачах ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K. Указанная лицензия — Apache-2.0. Языковая специализация и отдельные ограничения в карточке не описаны.

duyntnet/Starling-LM-7B-alpha-imatrix-GGUF — это набор квантованных версий текстовой генеративной модели Starling-LM-7B-alpha, разработанной Berkeley Nest и опубликованной пользователем duyntnet. Модель предназначена для генерации текста, диалоговых сценариев и помощи в программировании на английском языке, включая односторонние и многоходовые беседы. Модель имеет размер около 7 млрд параметров и распространяется в формате GGUF с использованием imatrix-квантования. Она относится к текстовым, а не мультимодальным моделям; поддержка других языков и размер контекстного окна в карточке не указаны. Для диалогов требуется использовать шаблон, совместимый с OpenChat 3.5, а для программирования предусмотрен отдельный формат запроса Code User и Code Assistant. К сильным сторонам относятся поддержка диалогового и кодового режимов, а также доступность квантованных вариантов для запуска в средах, поддерживающих GGUF. При отклонении от рекомендованного шаблона качество может снижаться; в редких случаях ответы бывают избыточно подробными, что можно частично уменьшить настройкой temperature=0. Лицензия указана как other, без дополнительных условий в представленном README.

Stealth-Notus-xb — диалоговая языковая модель, созданная powermove72 слиянием jan-hq/stealth-v1.3 и argilla/notus-7b-v1 с помощью LazyMergekit. В конфигурации слияния методом passthrough используются слои 0–26 первой модели и 8–32 второй; веса сохранены в формате safetensors, README указывает dtype float16. Модель построена на архитектуре Mistral и содержит 11 млрд параметров. Модель предназначена для генерации текста и диалоговых ответов. Она поддерживает контекст до 32 768 токенов и может использоваться в чат-сценариях и для продолжения текста. Описание базовой модели Argilla указывает на преимущественно англоязычную генерацию; отдельные языки для Stealth-Notus-xb в карточке не заявлены. Лицензия в предоставленных данных не указана.

NVIDIA FastConformer-Hybrid Large для арабского языка — модель автоматического распознавания речи, разработанная NVIDIA и доступная для работы через NeMo. Она преобразует аудио в текст и поддерживает знаки пунктуации: точки, арабские запятые и вопросительные знаки. Модель построена на архитектуре FastConformer с гибридным декодером Transducer (RNNT) и CTC и содержит около 115 млн параметров. Она обучена на примерно 760 часах арабской речи из MASC, Common Voice 17.0 и Fleurs. На вход подаются монофонические WAV-файлы с частотой 16 кГц; модель работает в нестриминговом режиме. На выходе — арабский текст без диакритических знаков, которому может потребоваться обратная нормализация. Модель предназначена для транскрибирования арабской речи и разрешена для коммерческого и некоммерческого использования по лицензии CC BY 4.0. Точность зависит от шума, акцента, типа речи и контекста; качество может снижаться на диалектной речи и незнакомой терминологии. Она не предназначена для критически важных сценариев.

NVIDIA FastConformer-Hybrid Large (de) — модель распознавания немецкой речи, разработанная NVIDIA и обученная с помощью NeMo. Она принимает монофоническое аудио WAV с частотой 16 кГц и возвращает транскрипцию немецкой речи с заглавными и строчными буквами, пробелами, точками, запятыми и вопросительными знаками. Модель содержит около 115 млн параметров и использует архитектуру FastConformer с гибридным обучением на функциях потерь Transducer и CTC. Декодирование доступно в обоих режимах. Модель обучена на суммарно 2500 часах немецкой речи из MCV12, MLS и VoxPopuli; карточка приводит оценки WER для этих наборов данных. Модель подходит для транскрибирования немецких аудиозаписей и может использоваться как готовый чекпойнт для вывода или дообучения на других данных. Качество может снижаться на технической лексике, незнакомой разговорной речи и акцентированной речи. Модель выводит только точку, запятую и вопросительный знак. Лицензия — CC-BY-4.0.

SummLlama3-70B — языковая модель для суммаризации, разработанная DISLab на базе Meta-Llama-3-70B-Instruct и дообученная методом Direct Preference Optimization (DPO) на более чем 100 тысячах примеров обратной связи о качестве резюме. Она предназначена для создания кратких, полных и опирающихся на исходный текст резюме документов и диалогов из разных областей, включая новости, повседневную тематику, отчёты, медицину, интервью и встречи. Модель построена на архитектуре Llama, имеет 69,5 млрд параметров и контекст длиной 8192 токена. Карточка заявляет улучшение качества суммаризации по критериям точности передачи содержания, полноты и краткости; для работы рекомендуется использовать заданный авторами формат инструкции. Модель принимает текст и генерирует текст. Это дообученная модель в формате safetensors. Метаданные не содержат сведений о лицензии, поэтому условия использования следует проверить в карточке модели и у базовой модели Meta-Llama-3-70B-Instruct. Оценки в README приведены для отдельных сравнений и не гарантируют такое же качество на любых данных; в карточке также есть неполные строки таблиц.

Это квантизированная в формате NVFP4 GGUF версия Swift-Qwen3.8-27B-Genesis, подготовленная jan1k на основе весов LuffyTheFox/Swift-Qwen3.8-27B-Genesis-F16-GGUF. Модель использует архитектуру qwen35: 64 слоя, включая 48 Gated DeltaNet и 16 gated-attention, а также блок MTP для спекулятивного декодирования. Вариант v4 содержит 27 млрд параметров по названию модели и занимает около 15,76 ГБ; для совместимых мультимодальных запросов README показывает подключение отдельного mmproj-файла. Модель предназначена для генерации текста в формате чата и локального инференса через совместимые GGUF-рантаймы, включая llama.cpp и LM Studio. В README приведены настройки контекста до 131072 токенов и ускорение на видеокартах Blackwell; на Ampere используются резервные вычислительные ядра. Квантизация снижает требования к памяти, сохраняя большую часть весов в NVFP4 и отдельные чувствительные тензоры в F16 или F32. Репозиторий распространяется по лицензии Apache-2.0. Качество генерации после низкобитной квантизации может отличаться от исходного F16; для спекулятивного декодирования нужен runtime с FastMTP, а для вариантов без MTP оно не требуется. README описывает подключение проектора изображений, но отдельный vision-проектор в репозитории модели не заявлен.

T3qM7-7B — объединённая текстовая модель на архитектуре Mistral, созданная Maxime Labonne автоматическим слиянием моделей chihoonlee10/T3Q-Mistral-Orca-Math-DPO и liminerity/M7-7b. Для слияния использован метод SLERP с настройками для слоёв self-attention и MLP; веса сохранены в формате safetensors и типе bfloat16. Модель предназначена для генерации текста и диалоговых сценариев. Она содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В карточке указана лицензия Apache-2.0. README не приводит оценок качества или сведений о языковом покрытии, поэтому результаты для конкретных языков и специализированных задач по этим данным подтвердить нельзя.

T3qm7xNeuralsirkrishna_Experiment29Pastiche — объединённая языковая модель на архитектуре Mistral, созданная на основе automerger/T3qm7xNeuralsirkrishna-7B и automerger/Experiment29Pastiche-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и диалогов; она принимает текст и выдаёт текст. Модель поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Репозиторий использует лицензию Apache-2.0. Сведений о специализации по доменам или языкам, а также о конкретных ограничениях качества в карточке нет.

Карточка модели jordimas/t5gemma-s-s-ul2 на Hugging Face совпадает с карточкой google/t5gemma-s-s-ul2, поэтому описание составлено по ней. google/t5gemma-s-s-ul2 — предобученная текстовая encoder-decoder-модель семейства T5Gemma от Google. Она создана на основе подхода Gemma: декодерную модель адаптировали к архитектуре encoder-decoder и обучили с использованием UL2. Вариант S-S использует малые энкодер и декодер; в репозитории указаны веса Safetensors и библиотека Transformers. Модель принимает текст и генерирует текст. Она предназначена для англоязычных задач генерации, в том числе ответов на вопросы, суммаризации и рассуждений; также энкодер можно применять в задачах классификации и понимания текста. Компактный размер семейства рассчитан на запуск на компьютерах и собственной облачной инфраструктуре, однако размер именно этого чекпойнта и длина контекста в доступных сведениях не приведены. Модель может ошибаться в фактах, испытывать трудности со сложными инструкциями, языковыми нюансами и контекстом, а результаты могут отражать смещения обучающих данных. Лицензия — Gemma; при использовании необходимо соблюдать политику допустимого использования Gemma.

T5Gemma XL-XL-UL2-IT — разработанная Google instruction-tuned модель семейства T5Gemma с encoder-decoder архитектурой: XL-кодировщик и XL-декодировщик, адаптированные с использованием UL2. Модель принимает текст и генерирует текст; в карточке указана поддержка английского языка. Она предназначена для генерации текста по инструкциям, ответов на вопросы, суммаризации и рассуждений, а также для создания черновиков и материалов для NLP-исследований. Модель основана на предварительно обученной google/t5gemma-xl-xl-ul2 и дообучена для следования инструкциям. Для работы доступны веса в формате Safetensors; используется библиотека Transformers. Лицензия — Gemma. Карточка не приводит размер параметров или длину контекста. Ограничения включают возможные фактические ошибки, смещения обучающих данных и трудности с неоднозначным языком и сложными открытыми задачами.

TheBeagle-v2beta-32B-MGS-GGUF — это набор GGUF-квантизаций текстовой генеративной модели TheBeagle-v2beta-32B-MGS, разработанной fblgit и подготовленной в формате GGUF пользователем bartowski. Модель обучалась с использованием набора Magpie-Align/Magpie-Pro-300K-Filtered и предназначена для генерации текста и выполнения инструкций на английском языке. Доступны варианты от полного F16 до квантизаций Q8_0, Q6_K, Q5_K и Q4_K с размером файлов примерно от 18,78 до 65,54 ГБ. Квантизации созданы с помощью llama.cpp и imatrix; для работы рекомендуется использовать совместимое программное обеспечение, например LM Studio. В README не указаны архитектура исходной модели, размер контекстного окна, поддержка других языков или мультимодальных входов. Также приведён специальный шаблон диалога с ролями system, user и assistant. Модель ориентирована на задачи текстовой генерации, следования инструкциям, рассуждений и решения математических и общеобразовательных заданий. Согласно указанным результатам Open LLM Leaderboard, она получила 45,03% строгой точности на IFEval, 58,07% нормализованной точности на BBH, 39,43% exact match на MATH Level 5 и 54,57% точности на MMLU-PRO; результаты на GPQA и MuSR составили 20,13% и 24,5% соответственно. Более качественные квантизации требуют больше памяти, а компактные варианты обеспечивают экономию места ценой возможного снижения качества. Распространяется по лицензии MIT.

Cohere и Cohere Labs разработали Tiny Aya En-Thinker — мультиязычную авторегрессионную трансформерную модель семейства Tiny Aya на 3,35 млрд параметров. Она предназначена для диалогов, следования инструкциям, математических и научных задач, рассуждений и генерации ответов на разных языках. При включённом режиме рассуждений модель формирует цепочку рассуждений на английском, а итоговый ответ — на языке запроса; режим без рассуждений также поддерживается. Модель принимает текст и выдаёт текст. Она обучена для 44 языков, включая русский и английский, а дополнительное мультиязычное обучение расширяет охват ещё более чем на 20 языков. Контекст составляет 32 тыс. токенов суммарно для входа и выхода. Чекпойнт прошёл supervised fine-tuning на англоязычных и переведённых мультиязычных данных рассуждений. Ответы могут быть ошибочными или устаревшими; в языках с малым объёмом данных качество может быть менее стабильным, а цепочки рассуждений — длинными. Лицензия CC-BY-NC-4.0 допускает некоммерческое использование при соблюдении Acceptable Use Policy Cohere Labs; для коммерческого применения требуется связаться с Cohere.

Модель Transcript_Summerizer разработана Sandeep Ganga и дообучена на базе google/pegasus-large для создания кратких структурированных пересказов стенограмм. Это трансформерная модель типа encoder-decoder с 366,8 млн параметров, принимающая текст и генерирующая текст; в карточке заявлена поддержка английского языка, а контекст составляет 1024 токена. Модель предназначена для суммирования стенограмм встреч, лекций, подкастов и интервью, а также длинных неструктурированных текстов. Она выделяет основные выводы, убирает слова-паразиты и старается сохранять смысловую связность. Лицензия — Apache 2.0. Результаты могут отражать смещения данных дообучения; при работе со сложными или длинными стенограммами возможна потеря деталей, а пересказы могут содержать ошибки или галлюцинации. Для важных решений, особенно медицинских и юридических, их следует проверять человеком.

Cybertron 7B v2 — плотная авторегрессионная языковая модель семейства Mistral, разработанная juanako.ai и представленная автором Xavier M. Модель насчитывает 7,1 млрд параметров и создана на основе Mistral с применением SFT, DPO и метода UNA (Uniform Neural Alignment); в карточке указаны обучающие наборы fblgit/tree-of-knowledge, Open-Orca/SlimOrca-Dedup и ultrafeedback_binarized_cleaned. Модель предназначена для диалогов и генерации текста по инструкциям. Она подходит для ответов на вопросы, рассуждений, задач на логику и математику, а также для создания прозы, стихов и шуток. Заявленная длина контекста — 32 768 токенов; автор рекомендует форматы ChatML или Alpaca System. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. Карточка сообщает о высоких результатах на Open LLM Leaderboard, однако приведённые там оценки относятся к снимку конца 2023 года и не являются гарантией качества на других задачах. Модель генерирует текст и может ошибаться или выдавать недостоверные ответы; сведения о поддержке языков явно не перечислены.

Vikhr-Gemma-2B-instruct-GGUF — русскоязычная инструктивная модель, разработанная Vikhrmodels на основе Gemma 2 2B и дообученная на датасете GrandMaster-PRO-MAX. Модель предназначена для генерации текста и выполнения инструкций на русском языке, включая диалоговые и прикладные сценарии, где требуется обработка текстовых запросов. Формат GGUF рассчитан на использование с llama.cpp и совместимыми инструментами. Модель относится к текстовым одно-модальным моделям; сведения о поддерживаемых языках указывают русский язык. Размер базовой модели составляет 2B параметров, однако характеристики контекстного окна и точные архитектурные параметры в README не указаны. Доступны варианты квантования от Q2 до Q8, а также F16, F32 и BF16; приведённые значения perplexity показывают, что более сильное квантование может ухудшать результат, особенно для вариантов Q2. Лицензия Apache-2.0 разрешает использование модели на соответствующих условиях этой лицензии.

Viviana_V3_dare_ties — объединённая чат-модель, созданная domie с помощью mergekit на основе domie/Viviana_V2 и mistralai/Mistral-7B-Instruct-v0.2. Она предназначена для генерации текста и ответов на инструкции в диалоговом формате. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Она принимает текст и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors; лицензия — Apache-2.0. Модель подходит для диалоговых приложений и генерации ответов по текстовым запросам. README не приводит оценок качества или сравнительных тестов, поэтому пригодность для конкретных сценариев следует проверять самостоятельно.

ceyda/wav2vec2-base-760-turkish — модель распознавания речи на турецком языке, разработанная на основе ceyda/wav2vec2-base-760 и дообученная на обучающей и валидационной выборках Common Voice. Это архитектура Wav2Vec2 с CTC-декодированием, содержащая 113,3 млн параметров. Модель принимает аудио с частотой дискретизации 16 кГц и преобразует речь в текст; её можно использовать без языковой модели. Модель подходит для транскрибации турецкой речи и оценки систем распознавания на тестовой выборке Common Voice. В README приведены результаты на этой выборке: WER 22,60 и CER 6,05. Модель распространяется по лицензии Apache-2.0.

Модель Gabor Madarasz для распознавания венгерской речи и преобразования её в текст. Это дообученная на венгерских данных модель facebook/mms-1b-all с архитектурой Wav2Vec2ForCTC и примерно 1,3 млрд параметров. Она принимает аудио и предназначена для транскрибации записанной речи, например подкастов, аудиокниг и одноголосых записей. Модель рассчитана на венгерский язык. В тестах автор сообщает WER 0,3068 и CER 0,0727 на FLEURS, а также WER 0,1275 на выборке из Common Voice и Voxpopuli; результаты зависят от набора данных и условий записи. Лицензия — CC0-1.0. Для улучшения выбора слов автор рекомендует декодирование с языковой моделью, например KenLM через beam search.