I.14Автоматизация процессов и AI-агенты

PP-DocLayout-S — компактная модель PaddlePaddle для локализации областей и определения структуры на изображениях документов. Она построена на архитектуре PicoDet-S и обучена на собственном наборе китайских и английских научных статей, журналов, контрактов, книг, экзаменационных материалов и исследовательских отчётов. Модель распознаёт 23 категории элементов, включая заголовки, абзацы, основной текст, номера страниц, аннотации, содержание, ссылки, сноски, колонтитулы, формулы, таблицы, изображения, подписи и печати. Модель предназначена для обнаружения областей документа как компонента систем OCR и анализа структуры документов, в том числе конвейера PP-StructureV3. На собственном тестовом наборе из 500 изображений документов указано значение mAP@0.5 70,9%. Это показатель локализации элементов, а не готовое распознавание текста; для извлечения содержимого может потребоваться сочетание с OCR и другими модулями. Модель принимает изображения и выдаёт текстовые метки категорий и координаты областей. Лицензия — Apache-2.0.

PP-DocLayoutV3 — модель обнаружения структуры документов от команды PaddlePaddle для фреймворка PaddleOCR. Она предназначена для анализа изображений документов, в том числе снятых под углом и с изогнутой поверхностью: модель предсказывает многоугольные границы элементов макета и определяет логический порядок чтения за один проход. Это помогает извлекать структуру сложных реальных документов и служит компонентом PaddleOCR-VL 1.5/1.6, GLM-OCR и Xiaomi-OCR-0. Модель распространяется в весах для PaddlePaddle; в карточке указана лицензия Apache-2.0. Метаданные относят её к сегментации изображений, а описание подчёркивает обнаружение макета документа. Карточка указывает поддержку английского и китайского языков, но не приводит ограничений по классам документов или точности.

Prompt Injection Guard base — многоязычный классификатор от Horizon Labs для выявления прямых попыток prompt injection и jailbreak, а также внедрённых инструкций в письмах, веб-страницах, документах, фрагментах RAG и ответах инструментов. Модель построена на энкодере mmBERT-base с архитектурой ModernBERT, содержит около 306,9 млн параметров и принимает текст с контекстом до 8192 токенов. Она относит текст к классам INJECTION или SAFE и предназначена для предварительной проверки содержимого, которое читает ИИ-агент. Модель обучена на примерах атак и чистых документов разных типов; карточка перечисляет наборы данных для обучения и оценки, включая синтетические многоязычные данные. Доступны веса Safetensors и ONNX, включая вариант ONNX с квантованными int8-эмбеддингами, а также запуск через Transformers.js. Заявлены 30 языков обучения, при этом английский представлен наиболее широко. Лицензия Apache-2.0. Классификатор помогает обнаруживать инструкции, нацеленные на изменение поведения ИИ, и в приведённых разработчиком оценках редко принимает некоторые похожие на атаки безопасные тексты за инъекции. Это один из уровней защиты, а не гарантия: адаптивные атаки могут обходить классификатор, безобидные ролевые запросы иногда помечаются как атаки, а инструкции в виде простых вопросов в документах могут пропускаться. Английский покрыт лучше остальных языков; модель оценивает текст отдельно и не определяет по контексту, является ли инструкция легитимной.

proxima-ocr-d.markdown-post3.0.l — экспериментальная мультимодальная модель для обработки документов, созданная дообучением Qwen/Qwen3-VL-8B-Instruct. Она принимает изображения документов и преобразует их в Markdown, HTML-Markdown и структурированные представления, восстанавливая порядок разделов, таблицы, формы, многоколоночную верстку и математические выражения. Модель предназначена для OCR, извлечения таблиц и полей форм, восстановления разметки многостраничных документов, а также вопросов и поиска по их содержимому. В README заявлена поддержка технических фрагментов, включая код и формулы LaTeX; языком карточки указан английский. Модель распространяется в формате safetensors через библиотеку Transformers по лицензии Apache-2.0. Это ранняя экспериментальная версия: автор предупреждает о возможных артефактах. Точность может снижаться на повреждённых сканах и мало представленных языках, а сложная ориентация блоков и нерегулярная верстка могут требовать дополнительной обработки. Для длинных последовательностей и многостраничных документов требуется значительный объём видеопамяти.

Pulpie Orange Large — модель feyninc для извлечения основного содержимого веб-страниц из HTML. Это энкодер на 2,1 млрд параметров с архитектурой EuroBERT, дообученный для классификации блоков HTML как содержательных или служебных. Модель анализирует страницу за один проход и помогает удалить навигацию, рекламу, боковые панели и футеры, сохраняя основной текст; результат можно восстановить в HTML или преобразовать в Markdown с помощью пакета pulpie. Модель рассчитана на очистку веб-страниц и подготовку текстовых корпусов, в том числе для последующего поиска и RAG. В README приведён результат 0,873 ROUGE-5 F1 на англоязычной части WebMainBench; обучение проводилось на 14 959 страницах Common Crawl с разметкой блоков. Контекст составляет до 8192 токенов. Модель описана как наиболее точная в семействе Pulpie и используется как учитель для дистилляции меньших вариантов. Лицензия — Apache-2.0. Модель ориентирована на английские веб-страницы; качество и производительность на других языках и типах HTML в предоставленных данных не охарактеризованы. Размер модели повышает требования к ресурсам по сравнению с меньшими вариантами семейства.

FreedomAISVR публикует Qwable-v1 в формате GGUF с квантизацией NVFP4. Это разговорная MoE-модель семейства Qwen, созданная для генерации текста и агентного программирования: в карточке описаны поведение Claude Fable-5 для использования инструментов и дистилляция рассуждений Claude Opus 4.7. Метаданные связывают модель с Qwen/Qwable-v1 как с дообученной базой. В README указаны 40 слоёв, 256 экспертов (8 активных на токен), около 3 млрд активных параметров и контекст 262 144 токена. Модель поддерживает зрение через SigLIP ViT; для работы с изображениями в llama.cpp нужен отдельный проектор mmproj в F16. Основной сценарий применения — диалоговая генерация и помощь с кодом; агентное использование требует соответствующего системного промпта. Весовой файл квантизирован в NVFP4, а README приводит размер около 18,81 ГБ для модели и 0,88 ГБ для проектора. Лицензия — AGPL-3.0.

rbinrs/Qwen2.5-14B-Instruct-abliterated-v2 — диалоговая языковая модель на архитектуре Qwen2 с 14 млрд параметров, созданная на основе Qwen/Qwen2.5-14B-Instruct методом abliteration. Она предназначена для генерации текста и общения в формате чата; заявленная особенность версии — снижение отказов отвечать на запросы. Модель поддерживает интерфейс вызова инструментов и контекст длиной до 32 768 токенов, работает с текстом и рассчитана на многоязычные сценарии, включая русский, английский, китайский, французский, испанский, португальский, немецкий, итальянский, японский, корейский, вьетнамский, тайский и арабский. Модель можно применять в чат-ботах, для свободной генерации и структурированных ответов, а также в приложениях с вызовом инструментов. Разработчик сообщает, что эта версия улучшена по сравнению с предыдущей, однако оценивание ещё продолжается, поэтому опубликованных результатов качества в карточке нет. Доступна по лицензии Apache-2.0.

Qwen3.6-35B-unsloth-code-reasoning-deepseek-v4-pro-destilled-Mlx-4bit — это общественная 4-битная конверсия в формат MLX модели Qwen3.5 MoE с примерно 35 млрд параметров. Модель основана на архитектуре Qwen3_5MoeForConditionalGeneration, дообучена с использованием Unsloth для генерации кода и пошагового рассуждения и дистиллирована на трассировках рассуждений DeepSeek v4 Pro. Конверсию подготовил пользователь 10Hen10; базовые компоненты связаны с Qwen и Unsloth, а инференс рассчитан на фреймворк Apple MLX. Модель предназначена для генерации, дополнения и объяснения кода, задач по математике и логике, отладки, агентских сценариев с вызовом инструментов и локального конфиденциального запуска на macOS. Она поддерживает текст, изображения и видео, а также встроенный function/tool calling в шаблоне чата. Основной язык — английский; поддержка других языков не является целевой. Контекстное окно в README не указано. Используется разреженная Mixture-of-Experts-архитектура, поэтому на каждом токене активна только часть параметров. Веса имеют 4-битное affine-квантование с размером группы 64, а чувствительные router/gate-слои сохранены в 8-битном формате. Для Apple Silicon M1–M4 рекомендуется не менее 32 ГБ unified memory; сами веса занимают примерно 20–22 ГБ, ещё около 2–4 ГБ требуется для KV-кэша и служебных данных. К сильным сторонам относятся сочетание кодогенерации и рассуждений, мультимодальность, поддержка инструментов и возможность локального запуска на совместимых устройствах Apple. Ограничения включают отсутствие официальных результатов бенчмарков, возможное снижение качества из-за 4-битного квантования, галлюцинации и ошибки в коде, а также зависимость качества рассуждений от учительской модели и данных дистилляции. Модель распространяется по лицензии Apache-2.0.

Qwen3.8-27B-Uncensored-OptiQ-4bit — это квантизированная версия reasoning-модели семейства Qwen3.8, разработанная сообществом mlx-community на базе orcarouter/Qwen3.8-27B-Uncensored. Модель предназначена для генерации текста, рассуждений, работы с длинным контекстом, function calling, tool use и агентских сценариев. В карточке указана поддержка английского языка. Модель содержит 27 млрд параметров и использует смешанную квантизацию OptiQ с точностью 4 и 8 бит на уровне отдельных компонентов: 237 компонентов представлены в 4-битном формате, 261 — в 8-битном. Размер модели на диске составляет около 19 ГБ, group size — 64. В ней сохранена MTP-голова для speculative decoding, которая может ускорять генерацию при использовании совместимого сервера. Модель оптимизирована для локального запуска на Apple Silicon через MLX без PyTorch и облачных сервисов. Сильными сторонами являются сочетание сниженного потребления памяти, reasoning-возможностей, поддержки инструментов и потенциально более быстрой генерации благодаря MTP. Ограничения включают необходимость экосистемы MLX и Apple Silicon, а также специального пакета mlx-optiq для загрузки архитектуры и MTP-компонента. README не указывает точный размер контекстного окна, подробные результаты тестирования или дополнительные языки. Модель распространяется по лицензии Apache-2.0.

OsaurusAI подготовила JANG_1L — квантованный вариант Qwen/Qwen3.8-Flash-Next для запуска на компьютерах Apple Silicon через MLX. Это мультимодальная модель с архитектурой Qwen4-экспериментального семейства: в исходной системе заявлены 125 млрд параметров MoE, из которых активны 6 млрд, и таблица n-граммных эмбеддингов на 51 млрд параметров. В сборке JANG_1L присутствуют компоненты для обработки текста, изображений и видео; заявленный размер весов — около 59,8 GiB, а при обслуживании таблицы с SSD резидентное использование памяти составляет около 41 GiB. Модель предназначена для диалога, рассуждений, анализа изображений и видео, а также агентных сценариев с вызовом инструментов. Нативный контекст составляет 262 144 токена и может быть расширен до 1 млн с YaRN. В README приведены результаты сравнения квантования с bf16 на 5 931 позициях; сборка не включает голову multi-token prediction, а для вызова инструментов требуется совместимый с Qwen XML-парсер. Языковой тег карточки — английский. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой репозитория.

Qwen3-Next-80B-A3B-Thinking-FP8 — языковая модель семейства Qwen3-Next, разработанная командой Qwen. Это FP8-квантованный checkpoint модели Qwen3-Next-80B-A3B-Thinking для генерации текста, сложных рассуждений, программирования, агентских сценариев и задач с длинным контекстом. Модель поддерживает только режим thinking и ориентирована прежде всего на высокосложные задачи рассуждения. Модель имеет архитектуру causal language model с гибридным вниманием, сочетающим Gated DeltaNet и Gated Attention, а также разреженную Mixture-of-Experts. Общее число параметров составляет 80 млрд, из них 3 млрд активируются при обработке токена; модель содержит 48 слоёв и 512 экспертов, из которых активируются 10, плюс один общий эксперт. Контекст составляет 262 144 токена с возможностью расширения до 1 010 000 токенов. Используется fine-grained FP8-квантизация с размером блока 128. Модель обучалась на 15 трлн токенов и дополнительно проходила post-training. Сильные стороны модели — высокая параметрическая эффективность, сниженные вычислительные затраты на токен, потенциально высокая скорость инференса на длинных контекстах и хорошие результаты в задачах знаний, математики, программирования, следования инструкциям и использования инструментов. Ограничение заключается в поддержке только thinking-режима; модель может генерировать очень длинные рассуждения, поэтому она особенно предназначена для сложных задач, а не для минимально задерживаемых ответов. Приведённые в README результаты получены для исходной модели в формате bfloat16 до FP8-квантизации. Лицензия — Apache-2.0.

Qwen3-VL-4B-Thinking-1M-GGUF — мультимодальная vision-language модель в формате GGUF, подготовленная Unsloth на базе Qwen/Qwen3-VL-4B-Thinking. Это reasoning-ориентированная версия семейства Qwen3-VL с плотной архитектурой и примерно 4 млрд параметров, предназначенная для локального и эффективного развёртывания, в том числе через llama.cpp с использованием шаблонов чата Jinja. Модель принимает текст и изображения, а также ориентирована на понимание видео. Она предназначена для визуального вопросно-ответного взаимодействия, распознавания и анализа изображений, OCR, понимания документов, STEM- и математического рассуждения, пространственного анализа, генерации кода и взаимодействия с графическими интерфейсами и инструментами. Заявлены улучшенные возможности визуального распознавания, анализа временной структуры видео и работы с длинным контекстом: базовый контекст составляет 256K токенов с возможностью расширения до 1M. Ключевые архитектурные особенности включают Interleaved-MRoPE для пространственно-временного позиционного кодирования, DeepStack для объединения многоуровневых признаков ViT и выравнивание текста с временными метками для анализа событий в видео. Заявлена поддержка OCR на 32 языках, однако полный список языков модели в карточке не приведён. Сильными сторонами являются сочетание текстового и визуального рассуждения, работа с длинными документами и видео, пространственное понимание и сценарии visual agent. Ограничения включают зависимость качества от используемой квантизации GGUF, вычислительных ресурсов и совместимости программного окружения; конкретные параметры квантизации и результаты тестов в README не указаны. Модель распространяется по лицензии Apache-2.0.

Mungert/Qwen3-VL-8B-Instruct-GGUF — квантованная GGUF-версия мультимодальной модели Qwen3-VL-8B-Instruct, разработанной командой Qwen и подготовленной пользователем Mungert с помощью llama.cpp. Модель предназначена для задач «изображение—текст»: анализа изображений и видео, генерации текста, визуального вопросно-ответного взаимодействия, OCR, пространственного рассуждения, анализа документов, визуального программирования и взаимодействия с графическими интерфейсами и инструментами. Модель имеет плотную архитектуру с 8 млрд параметров и поддерживает обработку текста, изображений и видео. Заявлены нативный контекст до 256K токенов с возможностью расширения до 1M, понимание длительных видео с временной индексацией, улучшенное пространственное рассуждение и OCR для 32 языков. Среди архитектурных компонентов указаны Interleaved-MRoPE, DeepStack и выравнивание текста с временными метками. Формат GGUF ориентирован на запуск через llama.cpp и другие совместимые средства локального инференса. Сильными сторонами являются мультимодальность, распознавание текста в сложных условиях, анализ пространственных и временных отношений, работа с длинным контекстом и возможности визуального агента. Точность и размер файла зависят от выбранного уровня квантования: низкая разрядность может ухудшать качество, тогда как описанный автором подход с повышением точности отдельных слоёв увеличивает размер модели и потенциально сохраняет больше точности. README не содержит подробных результатов тестирования конкретных квантованных файлов и сведений о требованиях к оборудованию. Лицензия — Apache 2.0.

Qwopus3.6-35B-A3B-Coder-MTP-GGUF — экспериментальная общественная модель от Jackrong, созданная на основе Qwopus3.6-35B-A3B-v1 и unsloth/Qwen3.6-35B-A3B. Это дообученная модель для программирования и агентных сценариев, ориентированная на локальные рабочие процессы, в которых модель читает файлы, выбирает инструменты, изменяет код, запускает тесты, анализирует ошибки и подводит итоги. Модель использует архитектуру Mixture of Experts с 35 млрд общих и примерно 3 млрд активных параметров. Она рассчитана на режим без явно отображаемого длительного рассуждения, что должно снижать расход токенов и задержку в повторяющихся циклах работы агента. Поддерживаются генерация текста, работа с изображениями и текстом, вызов инструментов и function calling; заявлена совместимость с агентными оболочками в стиле Codex, OpenHands, Claude Code и OpenCode. В метаданных указаны языки английский, китайский, испанский, русский и японский. Размер контекста в README не указан. Сильные стороны модели — эффективность MoE, ориентация на быстрые циклы программирования, отладку и использование инструментов, а также пригодность для локального запуска в формате GGUF. Ограничения связаны с экспериментальным статусом, отсутствием подтверждённых в README количественных оценок качества и неопределённостью характеристик в конкретных задачах; заявленные возможности требуют самостоятельной проверки. Модель распространяется по лицензии Apache-2.0.

SLIM-CATEGORY — специализированная модель серии SLIM от llmware, дообученная для анализа тем и классификации текста по категориям с помощью вызовов функций. Она построена на плотной decoder-only архитектуре Llama и содержит 1 млрд параметров. Модель принимает текст и формирует структурированный результат в виде словаря Python, например категорию «markets», который можно использовать в автоматизированных рабочих процессах с несколькими моделями. Модель предназначена для тематической категоризации текстов и выдачи результата по заданным ключам. Её можно подключать через Transformers или библиотеку llmware; README также упоминает отдельную квантизованную версию slim-category-tool. Репозиторий содержит веса PyTorch, контекст составляет 2048 токенов. Лицензия — Apache-2.0. Результат ориентирован на заданную категорию и структурированный вывод, а не на универсальный диалог. В README приведён пример классификации финансовой новости, но перечень поддерживаемых тематик и языков не задан; для надёжного разбора результата предлагается преобразование строки в словарь Python.

Solar-Open-100B-NVFP4A16 — сборка модели Solar-Open-100B, разработанной компанией Upstage, которую FuriosaAI самостоятельно квантизировала в формате NVFP4A16 и подготовила для запуска на аппаратуре FuriosaAI RNGD с использованием Furiosa-LLM. Это авторегрессионная текстовая языковая модель с архитектурой Mixture-of-Experts (MoE), предназначенная для генерации текста, чат-взаимодействия, задач с рассуждениями и без них, а также вызова инструментов через функции. Поддерживаются английский и корейский языки, входные и выходные данные представлены в текстовом формате. Веса модели используют 4-битный формат NVFP4, тогда как активации и KV-кэш сохраняются в 16-битной точности. Для рассуждений можно задавать уровень reasoning_effort: low, medium или high; модель также поддерживает отдельную передачу рассуждений и автоматический выбор инструментов при соответствующей настройке сервера. На FuriosaAI RNGD модель работает с tensor parallelism на 32 PE, что соответствует четырём картам RNGD. В README не указаны общий и активный размер модели, длина контекста и точные параметры архитектуры, поэтому эти характеристики нельзя определить по имеющимся данным. Основное преимущество модели — сочетание крупной MoE-архитектуры, возможностей рассуждения и вызова инструментов с экономией памяти благодаря 4-битной квантизации. Сборка ориентирована прежде всего на FuriosaAI RNGD и Furiosa-LLM, хотя квантизированные веса также заявлены как совместимые с vLLM, SGLang и Transformers. Модель распространяется по лицензии Upstage Solar License; в карточке она обозначена как license: other, с отдельной ссылкой на текст лицензии.

Модель YOLOv8s от FODUU AI обнаруживает таблицы на изображениях документов и выделяет их ограничивающими рамками. Она распознаёт два класса: таблицы с рамками и без рамок. Модель построена на архитектуре YOLOv8 и предназначена для поиска таблиц в структурированных и неструктурированных документах. Результаты обнаружения можно использовать для обрезки таблиц и передачи фрагментов в отдельную систему OCR для извлечения текста. Сама модель выдаёт классы и координаты объектов, а не распознанное содержимое таблиц. Репозиторий содержит веса PyTorch; модель основана на YOLOv8s и дообучена на наборе изображений таблиц FODUU AI. Качество может снижаться на изображениях низкого разрешения, при плохом освещении, для маленьких таблиц и сложных макетов. В README лицензия не указана, поэтому условия использования следует уточнить у разработчика.

T-lite-it-2.1-GGUF — русскоязычная текстовая генеративная модель, разработанная t-tech. Это конвертация модели T-lite-it-2.1 из BF16 в формат GGUF с использованием llama.cpp, предназначенная для локального запуска через llama.cpp и Ollama. Модель построена на архитектуре Qwen 3 и ориентирована на универсальные задачи генерации текста, следование инструкциям, сложные рабочие процессы и агентские приложения. В отличие от T-lite-it-1.0, она поддерживает tool calling и, согласно описанию, превосходит Qwen3-8B в сценариях вызова инструментов. Оптимизированный токенизатор повышает пропускную способность генерации русского текста. Поддерживается русский язык. Модель работает только в режиме без рассуждений и не генерирует блоки <think></think>. Доступны квантизации Q8_0, Q6_K, Q5_K_M, Q5_K_S, Q5_0 и Q4_K_M размером примерно от 5,0 до 8,7 ГБ без учёта выгрузки на GPU. Качество и требования к памяти зависят от выбранной квантизации; рекомендуется использовать наиболее качественный вариант, помещающийся в доступной RAM или VRAM. В README не указаны точный размер базовой модели, число параметров, полный набор поддерживаемых языков и официальное максимальное контекстное окно. Модель распространяется по лицензии Apache-2.0. Разработчики предупреждают, что ответственность за дополнительное обучение, контроль качества, безопасность и применение модели в промышленных или коммерческих системах несёт пользователь.

Карточка модели CollectionStudio/Trinity-Large-Preview на Hugging Face совпадает с карточкой arcee-ai/Trinity-Large-Preview, поэтому описание составлено по ней. Trinity-Large-Preview — разговорная модель Arcee AI на архитектуре разреженного Mixture-of-Experts (MoE), созданная на основе Trinity-Large-Base и прошедшая лёгкое дообучение для диалога. В README указано около 398 млрд параметров всего и примерно 13 млрд активных параметров на токен; метаданные каталога приводят размер 8,7 млрд параметров. Модель обучалась на более чем 17 трлн токенов, а этап настройки инструкций охватил 20 млрд токенов. Контекст составляет до 262 144 токенов. Модель предназначена для генерации текста и диалогов, в том числе с использованием интерфейса вызова инструментов. Заявлена поддержка английского, испанского, французского, немецкого, итальянского, португальского, русского, арабского, хинди, корейского и китайского языков. Доступны варианты запуска через Transformers, vLLM, llama.cpp, LM Studio и API. Карточка приводит неоднозначные результаты бенчмарков: модель выше Llama 4 Maverick на MMLU, но ниже на MMLU-Pro и GPQA-Diamond. Это preview-чекпойнт, который проходит активное обучение с подкреплением, поэтому качество может меняться. Указана лицензия other; конкретные условия использования следует проверять в репозитории модели.

Sakalti/ultiima-14B — объединённая модель для генерации текста, созданная автором репозитория с помощью mergekit. В слиянии методом TIES использованы Qwen/Qwen2.5-14B как базовая модель и Qwen/Qwen2.5-14B-Instruct; модель имеет плотную архитектуру Qwen2ForCausalLM и 14 млрд параметров. Модель предназначена для диалогов и генерации текста, включая структурированные ответы и взаимодействие через интерфейс вызова инструментов. Она принимает текст и выдаёт текст, поддерживает контекст до 131 072 токенов. Репозиторий содержит веса Safetensors; указана лицензия Apache-2.0. Конкретные языковые возможности и оценки качества в карточке не описаны.

Dogacel/Universal-DeepSeek-OCR-2 — адаптированная для запуска на CPU, Apple MPS и CUDA версия DeepSeek-OCR-2. Репозиторий использует веса исходной модели DeepSeek и содержит изменения для инференса на разных устройствах; по умолчанию запускается на CPU. Архитектура — плотная DeepSeek-VL-v2 с классом DeepseekOCR2ForCausalLM, размер — 559,7 млн параметров, контекст — 8192 токена. Модель принимает изображения и выдаёт текст, предназначена для OCR и анализа документов по изображениям, включая PDF. В метаданных указана поддержка нескольких языков, но конкретные языки карточка не перечисляет. Лицензия — Apache-2.0. README содержит только краткие сведения о совместимости устройств и не описывает точность распознавания или ограничения по типам документов.

Unlimited-OCR — мультимодальная модель семейства Unlimited-OCR для распознавания текста и разбора документов по изображениям. Разработчики представляют её как развитие DeepSeek-OCR, ориентированное на однократный разбор длинных документов. Модель доступна для запуска через Transformers и SGLang, в том числе через OpenAI-совместимый API. Модель содержит 559,7 млн параметров, использует плотную архитектуру UnlimitedOCRForCausalLM и принимает изображения с текстовым содержимым для преобразования в текст. Заявлена поддержка нескольких языков; контекст составляет 32 768 токенов. В карточке указана лицензия MIT. README описывает варианты инференса, но не приводит результатов оценки качества или подробных ограничений применимости.

Unlimited-OCR — мультимодальная модель семейства Unlimited-OCR для распознавания текста и разбора документов по изображениям. Авторы позиционируют её как развитие Deepseek-OCR для однопроходного анализа документов с длинным горизонтом обработки. Модель содержит 559,7 млн параметров, использует плотную архитектуру и поддерживает контекст до 32 768 токенов; для запуска описаны Transformers на NVIDIA GPU и сервер SGLang с API, совместимым с OpenAI. Модель предназначена для OCR и извлечения текстовой информации из изображений документов, а также для задач генерации текста по визуальному вводу. В карточке указана поддержка многоязычных сценариев. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT. README не приводит количественных оценок качества или подробностей о поддерживаемых языках и видах документов.

Карточка модели mikoy92/Unlimited-OCR-bf16-mlx на Hugging Face совпадает с карточкой emee-ai/Unlimited-OCR-bf16-mlx, поэтому описание составлено по ней. Unlimited-OCR BF16 MLX — конвертированная для MLX версия модели Baidu Unlimited-OCR, опубликованная emee-ai. Она предназначена для распознавания текста и разбора документов по изображениям; пример в карточке показывает обработку изображения с запросом на разбор документа. Модель использует архитектуру DeepSeekOCR с компонентами SAM, CLIP-L и DeepSeekV2 OCR; объём параметров — 559,7 млн, контекст — до 32 768 токенов. Репозиторий содержит веса в формате safetensors, размещённые в MLX-layout, и использует реализацию deepseekocr из mlx-vlm. Модель принимает изображение и текстовый запрос, выдаёт текст. В метаданных указан мультиязычный режим, но конкретные языки не перечислены. Лицензия — MIT.

Wolf Defender Prompt-Injection Detector Small — компактный классификатор последовательностей на базе ModernBERT, разработанный Patronus AI. Он дообучен на контрольной точке jhu-clsp/mmBERT-small с новой бинарной классификационной головой и определяет, содержит ли текст prompt injection или инструкцию в стиле jailbreak. Модель предназначена для предварительной проверки недоверенного текста в AI-агентах и системах с инструментами, чат-ботах, RAG-конвейерах, документах, письмах, веб-страницах и автоматизированных рабочих процессах. Модель принимает только текст и выдаёт метку BENIGN или INJECTION. Карточка описывает контекстное окно 2 048 токенов; метаданные указывают 8 192 токена. Репозиторий включает веса Transformers и варианты ONNX в форматах FP32, FP16 и квантованных конфигурациях. Английский и немецкий — основные языки оценки; обучающие данные также включали другие языки, но они проверены слабее. В опубликованных сравнениях v2 показывает высокие F1 и специфичность на нескольких наборах, однако результаты зависят от порога и протокола оценки. Классификатор может помогать блокировать, помещать в карантин или направлять текст на проверку, но его не следует использовать как единственную границу безопасности для критичных действий. Возможны пропуски новых или замаскированных атак и ложные срабатывания на безобидный текст о безопасности; модель не учитывает происхождение текста, права вызывающего субъекта и границы доверия приложения, если эти сведения не включены во вход. Лицензия — Apache-2.0.

XYZ-Aquila-mini — модель с открытыми весами для глубокого агентного поиска, разработанная XYZ AI Lab. Она дообучена на базе Qwen3.6-35B-A3B с помощью процесса AI4AI, в котором люди задают целевые возможности, ограничения и критерии приёмки, а агенты ИИ помогают находить ошибки и предлагать изменения. Модель предназначена для многошагового поиска и исследования: планирования, поиска в интернете на английском и китайском языках, сбора и проверки сведений из нескольких источников, а также восстановления после неудачных действий с инструментами. Это thinking-модель с совместимыми с Qwen форматами рассуждений и вызова инструментов. В README заявлены результаты на внешних бенчмарках агентного поиска; конкретные инструменты поиска, извлечения страниц и исполнения Python предоставляет обвязка AxisAgentic, а не сам чекпойнт. Модель использует архитектуру семейства Qwen3.5 MoE и распространяется в формате Safetensors. В метаданных указана лицензия Apache-2.0. README описывает оценивание с контекстом до 256K токенов в поисковой обвязке; это не подтверждает собственный предел контекста модели. Доступные сведения не устанавливают её точный размер. Применение для поиска зависит от совместимой обвязки и подключённых инструментов.

Oblix/yolov10m-doclaynet_ONNX_document-layout-analysis — модель обнаружения объектов на базе YOLOv10m, предоставленная в формате ONNX для использования через Transformers.js. Она предназначена для анализа макета документа: находит и размечает текстовые блоки, заголовки, списки, таблицы, изображения, формулы, подписи, сноски и элементы колонтитулов. Модель принимает изображение страницы и выдаёт рамки обнаруженных областей с классами из набора DocLayNet. Карточка не сообщает размер модели или поддерживаемые языки. Репозиторий содержит ONNX-веса; сведения о лицензии в доступных данных отсутствуют.

AIOne-Agent-52B-A36B-it — мультимодальная модель с разреженной архитектурой Mixture-of-Experts, разработанная JDONE-Research на базе google/gemma-4-31B-it. В текстовой части около 52 млрд параметров, из которых примерно 36 млрд активны на токен; модель также использует визуальный энкодер. Она принимает текст, изображения и видео и генерирует ответы на корейском и английском языках. Заявлена длина контекста 256 тысяч токенов. Модель предназначена для корейского рассуждения и следования инструкциям, анализа изображений и видео, ответов на вопросы по документам и длинным текстам. Её можно применять в корпоративных агентных системах, для поиска по документам и многошаговых диалогов. Базовая модель поддерживает работу с изображениями; понимание видео и корейская настройка заявлены в карточке AIOne-Agent. Модель распространяется под лицензией Apache-2.0. Результаты не следует использовать как единственное основание для решений с юридическими последствиями; README также исключает применение для автоматизированного насилия и анализа медиаданных с нарушением приватности или прав на изображения.

Arlo Classify 1.0 — модель NoaberAI для классификации текстов и принятия структурированных решений на нидерландском языке. Она дообучена на базе многоязычной microsoft/mdeberta-v3-base и использует архитектуру DeBERTa V2 с классификационной головой на три класса: entailment, neutral и contradiction. В метаданных указано 306 млн параметров, длина контекста — 512 токенов. Модель предназначена для выбора категорий из заданного пользователем списка без обучения под новые категории и для оценки того, насколько утверждение подтверждается текстом. Она возвращает метку или оценку уверенности, а не сгенерированный ответ. По заявлению разработчика, модель работает быстро, в том числе на CPU, и может запускаться локально. Обучение ориентировано на нидерландский язык, но многоязычная основа позволяет применять её и к текстам на других языках. Модель лицензирована по MIT. Она рассчитана на классификацию и проверку утверждений, а не на генерацию текста или извлечение произвольных полей. В README не приведены количественные результаты оценки качества; контекст ограничен 512 токенами.

AutoCoder — языковая модель для генерации кода, построенная на архитектуре Llama и содержащая 33,1 млрд параметров. По README, её разработчики заявляют результат 90,9% на базовом наборе HumanEval против 90,2% у GPT-4 Turbo (апрель 2024 года). Карточка также описывает возможность по запросу устанавливать необходимые пакеты и запускать сгенерированный код с повторными попытками до обнаружения ошибок. Модель предназначена для генерации кода и диалогового взаимодействия. Она принимает текст и выдаёт текст; заявленная базовая модель — deepseeker-coder. Контекст составляет 16 384 токена, файлы весов опубликованы в формате Safetensors. Лицензия — Apache-2.0. README не раскрывает подробности проверки результата HumanEval и реализации запуска кода.