I.14Автоматизация процессов и AI-агенты

Qwen3-VL-2B-Thinking — плотная vision-language модель семейства Qwen3-VL от Alibaba, рассчитанная на диалоговое мультимодальное понимание и рассуждение. Репозиторий содержит веса версии 2B в формате safetensors; модель работает через Transformers и распространяется по лицензии Apache-2.0. Модель принимает текст и изображения, а также предназначена для понимания видео: анализа визуальных сцен и событий, распознавания текста на изображениях, пространственных рассуждений, решения задач STEM и взаимодействия с графическими интерфейсами через инструменты. Thinking-вариант ориентирован на рассуждения; семейство также поддерживает генерацию текста и объединение текстовой и визуальной информации. Для семейства заявлен контекст 256 тыс. токенов с возможностью расширения до 1 млн, а OCR охватывает 32 языка. К сильным сторонам относятся анализ сложных визуальных сцен, документов и видео, а также работа с GUI и пространственными отношениями. В README приведены общие характеристики семейства, поэтому отдельные количественные результаты именно версии 2B не описаны; заявленные показатели контекста и OCR также относятся к семейству. Модель требует мультимодального стека Transformers и подходящих вычислительных ресурсов.

Furiosa AI публикует этот репозиторий для запуска Qwen3-VL-32B-Instruct на ускорителях FuriosaAI RNGD с Furiosa-LLM. Это плотная мультимодальная модель на 32 млрд параметров из семейства Qwen3-VL: визуальный энкодер работает совместно с трансформерным декодером, а Interleaved-MRoPE и многоуровневое объединение признаков DeepStack поддерживают обработку изображений и видео вместе с текстом. Репозиторий содержит веса в safetensors и исполняемый пакет Furiosa; квантизация не применена. Также модель можно запускать через vLLM, SGLang и Transformers. Модель предназначена для диалога по изображениям и текстовым запросам, распознавания текста на изображениях, анализа документов и графиков, пространственных рассуждений и понимания видео. Она поддерживает вызов инструментов через парсер hermes. Вариант Instruct не использует режим рассуждений. Для запуска на RNGD описана конфигурация с 32 PE на четырёх картах. Лицензия — Apache 2.0.

Raptor 0.6 — GGUF — это квантизированная версия модели Raptor 0.6, разработанная Osaurus AI на базе XHToken/Spark-X2.5-4B. Модель предназначена для генерации текста, рассуждений, агентских сценариев и использования инструментов, включая работу с файлами и вызов функций. Заявлена поддержка английского и китайского языков, а формат GGUF ориентирован на локальный запуск, в частности в Osaurus for Windows и совместимых рантаймах семейства llama.cpp. Модель содержит около 4 млрд параметров и использует архитектуру spark2_5: объединённый q_k_v_proj, sigmoid-gate на выходе attention, GELU-MLP, RMSNorm без сдвига, а также комбинацию sliding и full attention с окном 512 токенов. В репозитории доступны варианты Q6_K размером около 3,38 ГБ и Q4_K_M размером около 2,60 ГБ; оба созданы с importance matrix для снижения потерь при квантизации. Поддерживаются встроенное рассуждение с отделением reasoning_content от основного ответа и преобразование вызовов инструментов в стандартный OpenAI JSON. Сильными сторонами являются возможность локального запуска, небольшой размер, поддержка reasoning и tool use, а также калибровка imatrix; для Q6_K заявлено совпадение top-1 с исходными bf16-весами на уровне 98,27%. Ограничение — необходим runtime с поддержкой архитектуры spark2_5: стандартные версии llama.cpp, Ollama и LM Studio без такой поддержки эти файлы не загрузят. Для работы рекомендуется llama.cpp с параметром --jinja; при сложных запросах рассуждения могут потребовать более 8192 выходных токенов, которые учитываются вместе с входом в пределах контекстного окна. Лицензия — Apache-2.0.

ReasonFlux-Coder-7B — языковая модель для генерации кода, представленная разработчиками семейства ReasonFlux-Coders. В README указано, что модели семейства обучены с помощью алгоритма CURE, который совместно развивает способности к написанию кода и генерации модульных тестов; отдельные численные результаты для версии 7B не приведены. Модель предназначена для генерации кода и тестов, а также для использования в агентных сценариях программирования и подходах с масштабированием вычислений на этапе вывода. Это плотная причинная модель архитектуры Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов. Метаданные указывают на поддержку чата и интерфейса вызова инструментов. Репозиторий содержит веса Safetensors. Лицензия MIT. README не сообщает об ограничениях качества или поддерживаемых естественных языках; заявленное сравнение с другими моделями относится к семейству в целом и не позволяет установить результаты именно версии 7B.

oksomu/resume-ner — дообученная модель DistilBERT для извлечения структурированных сведений из текста резюме. Разработчик позиционирует её как модель NER для классификации токенов; базовая модель — distilbert-base-cased. Она размечает имена, адреса электронной почты и телефоны, местоположения, компании, должности, даты, образование, навыки, сертификаты и языки. Предсказания представлены BIO-метками для отдельных токенов, а сопутствующая постобработка группирует найденные фрагменты в поля резюме. Модель предназначена для автоматизации разбора резюме в системах подбора персонала и извлечения данных из CV. Используются архитектура DistilBERT и контекст до 512 токенов; для длинных резюме описана секционная обработка фрагментами. Доступны веса safetensors и экспорты ONNX, включая квантованный вариант для развёртывания на CPU. В README приведены внутренние показатели F1, однако они не являются внешней оценкой качества. Модель рассчитана только на англоязычные резюме. Отсканированные документы требуют предварительного OCR, а извлечение текста из PDF с двумя колонками может нарушать структуру. Лицензия — Apache-2.0.

Swift-1.5-Qwen3.8-27B-Uncensored-BF16 — мультимодальная модель на архитектуре Qwen3.5, выпущенная d0xin как производная от дообученной UkisAI модели Swift 1.5. К ней применена ранговая абляция направления в residual stream, предназначенная для снижения частоты отказов при сохранении возможностей исходной модели. Модель принимает текст и изображения и предназначена для диалогов, рассуждений, программирования, агентных сценариев и вызова инструментов. В README указаны контекст 262 144 токена и формат BF16; веса занимают около 52 ГБ и распределены по 18 файлам Safetensors. Заявлена поддержка мультимодальной архитектуры и сохранение vision tower. Автор отмечает, что проверка поведения, сохранения возможностей и производительности этой производной модели ещё продолжается; результаты бенчмарков не опубликованы. Снижение отказов может приводить к генерации небезопасного, оскорбительного или неточного контента. Лицензия в метаданных обозначена как other, поэтому перед использованием следует проверить её условия на странице модели.

laion/tt-x2_clip-hi0p05-10-30B — это исследовательский контрольный чекпойнт модели Qwen3-Coder-30B-A3B-Instruct, дообученной командой TaskTrove с помощью GRPO на наборе DCAgent/exp_rpt_multifile. Модель семейства Qwen3 MoE предназначена для генерации текста в диалоговом режиме, включая программирование и многофайловые агентные задачи. По метаданным, контекст достигает 262 144 токенов; репозиторий содержит веса Safetensors, библиотека запуска — Transformers. Выбран шаг 10 по скользящей EMA награды; README приводит pass@8 0,4516 для этого чекпойнта. Обучение остановили на шаге 76 из 80 после роста энтропии политики и снижения награды, поэтому выбранный чекпойнт не является результатом полного горизонта обучения. Лицензия — Apache-2.0.

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.

VARCO-VISION-2.0-1.7B-OCR — компактная модель распознавания текста на изображениях от NCSOFT. Она построена на архитектуре LLaVA-OneVision и объединяет визуальную основу SigLIP 2 SO400M с языковой моделью Qwen3-1.7B. Модель распознаёт корейский и английский текст, включая документы со смешанными письменностями. В отличие от распознавания, которое возвращает только текст, модель также определяет положение каждого символа и выдаёт его координаты в ограничивающей рамке. Она предназначена для структурированного OCR в реальных сценариях, в том числе для приложений с ограниченными вычислительными ресурсами и обработки в реальном времени. В README приведены результаты на наборах CORD, ICDAR2013 и ICDAR2015; показатели различаются по бенчмаркам. Для изображений меньше рекомендуемого размера авторы советуют увеличить длинную сторону как минимум до 2304 пикселей. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

VARCO-VISION-2.0-1.7B-OCR — компактная OCR-модель от OpenLLM-Korea для распознавания текста на изображениях с определением положения каждого символа. Она построена на архитектуре LLaVA-OneVision и объединяет визуальную основу SigLIP2 с языковой моделью Qwen3-1.7B; модель рассчитана на распознавание корейского и английского текста, в том числе в смешанных документах. Модель выдаёт распознанные символы с координатами их ограничивающих рамок, что позволяет сохранять пространственную структуру текста и использовать результат для последующей обработки документов. Она предназначена для OCR в реальном времени и сценариев с ограниченными вычислительными ресурсами. В README приведены результаты на CORD, ICDAR2013 и ICDAR2015; показатели различаются между наборами данных. Для работы рекомендуется Transformers версии 4.53.1 или выше; для небольших изображений авторы советуют увеличить длинную сторону как минимум до 2304 пикселей. Модель распространяется по лицензии CC-BY-NC-4.0, которая ограничивает коммерческое использование.

V-ORC — дообученная GIGAParviz компактная мультимодальная модель на базе unsloth/PaddleOCR-VL. Она предназначена для распознавания текста и извлечения сведений из изображений документов, а также для диалогового взаимодействия с визуальным содержимым. Модель имеет архитектуру PaddleOCR-VL с 318,2 млн параметров, принимает изображения и текст и выдаёт текст. Заявленная длина контекста — 131 072 токена. Модель распространяется в формате safetensors по лицензии Apache-2.0. В карточке указано обучение с использованием Unsloth и Hugging Face TRL; отдельные показатели качества для этой версии не приведены.

XCurOS-0.1-8B-Instruct — проприетарная инструкционно настроенная языковая модель, разработанная XCurOS. Она построена на архитектуре Qwen2 с плотной трансформерной моделью примерно на 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалоговых помощников и выполнения инструкций в локальной или облачной инфраструктуре, включая защищённые корпоративные среды. Заявлены рассуждения, программирование, автоматизация рабочих процессов и анализ больших структурированных и неструктурированных текстовых документов; в метаданных также отмечен интерфейс для вызова инструментов. Карточка заявляет поддержку английского и арабского языков. Модель распространяется по проприетарной лицензии: личное и исследовательское использование допускается на частном сервере или локальной инфраструктуре. Коммерческое применение требует отдельной лицензии XCurOS; перераспространение и перепродажа без письменного разрешения запрещены. Качество заявленных возможностей и пригодность для конкретных задач в карточке не подкреплены результатами оценки.

XCurOS1.2-8B-VLBF16-Instruct — мультимодальная инструктивная модель компании XCurOS для анализа изображений и текста. По метаданным, она построена на плотной архитектуре Qwen3-VL и предназначена для генерации текстовых ответов по текстовым и визуальным входам; README указывает размер 8B и формат BF16 в названии модели, а файлы представлены в safetensors и рассчитаны на работу через Transformers. Модель заявлена для понимания документов, извлечения текста из изображений и сканов, анализа диаграмм, корпоративных помощников и автоматизации агентных сценариев. Карточка также заявляет поддержку длинных контекстов и локального развёртывания, но не приводит числовой предел контекста или сравнительные результаты. Поддерживаемые языки по метаданным — английский и арабский. Лицензия указана как проприетарная, «All rights reserved»; использование и интеграции требуют разрешения XCurOS. Заявления о защищённой работе, точности, эффективности и пригодности для чувствительных данных не подкреплены в карточке техническими оценками или независимыми результатами.

Xiaomi-OCR-0 — компактная мультимодальная модель для распознавания и понимания документов, разработанная SeerRay Lab на основе Qwen3.5-0.8B-Base. Это плотная vision-language модель с 0,8 млрд параметров, дообученная на корпусе примерно из 170 млн примеров OCR-задач; для запуска используется библиотека Transformers, веса опубликованы в формате safetensors. Модель принимает изображения документов и текстовые запросы, а в ответ формирует текст: распознаёт и структурирует содержимое страниц, включая таблицы и формулы, отвечает на вопросы по документам и извлекает ключевые поля. В карточке приведены результаты на наборах для стандартных, искажённых и переснятых документов, OCR-вопросов, распознавания формул и таблиц. Заявленные показатели являются результатами разработчиков и не гарантируют качество на конкретных данных. Модель рассчитана на задачи OCR и анализа документов, в том числе чеков, сканов, фотографий и рукописного текста. Длина контекста и поддерживаемые естественные языки в предоставленных данных не указаны. Лицензия — Apache-2.0.

893ImagesJson — дообученная на неизвестном наборе данных модель naver-clova-ix/donut-base от Sagarjha456. Она использует архитектуру vision-encoder-decoder и предназначена для преобразования изображений в текст; карточка сообщает значение loss 0.4844 на наборе оценки. Подходящие сценарии — извлечение текста и структурированных сведений из изображений документов. Модель распространяется в формате safetensors по лицензии MIT. Описание не приводит подробностей о наборе данных, языках, качестве на конкретных типах документов или дополнительных ограничениях.

AgentDoG 1.5 Qwen3.5 4B — модель для проверки безопасности траекторий действий ИИ-агентов, разработанная AI45Research в рамках семейства AgentDoG. Она принимает полную текстовую траекторию работы агента, включая взаимодействие с инструментами и средой, и классифицирует её как безопасную или небезопасную. Для небезопасных траекторий модель также может определять тип сбоя, возможные последствия риска и его источник. Модель построена на плотной архитектуре Qwen3.5 и содержит 4 млрд параметров. Она предназначена для классификации и мониторинга агентных сценариев, в том числе для работы в качестве онлайн-защитного барьера, способного выявлять риск и вмешиваться в выполнение workflow. Для развёртывания README рекомендует совместимые версии SGLang или vLLM. Модель распространяется под лицензией Apache-2.0. Карточка не приводит конкретных ограничений точности или списка поддерживаемых естественных языков; результаты следует интерпретировать в контексте заданной таксономии безопасности и формата входной траектории.

BROS (BERT Relying On Spatiality) — предобученная модель команды NAVER CLOVA, разработанная для извлечения ключевой информации из документов с учетом текста и его расположения. Она принимает результаты OCR в виде пар «текст и ограничивающая рамка» и формирует признаки для последующих задач анализа документов, например извлечения упорядоченного списка товаров из чека. Модель построена на архитектуре BROS и предназначена для документов, где важны одновременно содержание текста и пространственная структура страницы. Репозиторий содержит вариант bros-base-uncased с 136,7 млн параметров, контекстом до 512 токенов и весами PyTorch. В README также упоминается более крупный вариант BROS, но этот репозиторий содержит базовую модель. Модель рассчитана на извлечение информации из документов после OCR; она не принимает изображение документа напрямую. README не указывает конкретные языки или лицензию, поэтому их нельзя определить по имеющимся данным.

Модель carted-nlp/categorization-finetuned-20220721-164940-distilled-20220810-123313 — дообученная Carted-NLP модель для классификации текста на базе RoBERTa. Она содержит 26,6 млн параметров и принимает последовательности длиной до 514 токенов. В README указаны результаты оценки: accuracy 0,8416 и F1 0,8396. Модель подходит для отнесения текстов к категориям в задачах автоматической разметки и маршрутизации. Язык категорий и обучающих данных, набор меток и условия лицензии в доступных сведениях не описаны.

ColNetraEmbed — мультимодальная модель для поиска по визуальным документам, разработанная Cognitive-Lab на основе Gemma 3 4B IT. Она кодирует изображения документов и текстовые запросы в многовекторные представления размерности 128 на токен и сопоставляет их с помощью позднего взаимодействия ColBERT и оценки MaxSim. Визуальная часть использует SigLIP. Модель предназначена для поиска по сканам и другим изображениям документов, в том числе для межъязыкового поиска и ответов на вопросы по содержимому документов. В карточке заявлена поддержка 22 языков; среди перечисленных — русский, английский, китайский, японский, хинди и арабский. Модель дообучена на Gemma 3 4B IT и распространяется в формате Safetensors по лицензии Gemma. README сообщает о результатах на Nayana-IR Bench и ViDoRe v2, включая преимущество над ColPali-v1.3 на межъязыковых задачах. Многовекторное хранение требует больше места, чем одновекторный вариант NetraEmbed; README приводит для последнего оценку эффективности хранения в 250 раз выше. Для использования нужны этапы кодирования и последующего поиска с поздним взаимодействием.

Citaman/command-r-21-layer — языковая модель Cohere, созданная методом слияния SLERP на основе Citaman/command-r-22-layer. Модель содержит 19,4 млрд параметров, использует плотную архитектуру CohereForCausalLM и распространяется в формате safetensors для библиотеки Transformers. Модель предназначена для генерации текста и диалогов; в метаданных также отмечен интерфейс вызова инструментов. Она принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. Данных о конкретных языках и специализированных областях применения нет. Карточка описывает слияние двух срезов одной базовой модели с использованием SLERP и конфигурации bfloat16. Лицензия в предоставленных данных не указана. Качество и ограничения модели отдельно не описаны; перед применением следует проверить корректность генерации и вызова инструментов в целевых сценариях.

DeepSeek-V4-Flash-0731 — Abliterated — это дообученная и изменённая версия DeepSeek-V4-Flash-0731, разработанного DeepSeek. Модель предназначена для генерации текста, агентного программирования, рассуждений, инструментального вызова и работы с длинным контекстом. Это текстовая модель на архитектуре Mixture-of-Experts с 284 млрд параметров всего и примерно 13 млрд активных параметров. Она содержит 43 слоя, 256 маршрутизируемых экспертов с выбором top-6, одного общего эксперта, гибридное внимание CSA и HCA, Lightning Indexer, mHC-гиперсвязи и встроенную трёхступенчатую DSpark draft head. Нативный контекст составляет 1 048 576 токенов, в указанной конфигурации модель обслуживается с контекстом 262 144 токена. Поддерживаемые языки в README не указаны, модальность — текстовая. Модель сохраняет исходные эксперты, маршрутизаторы, эмбеддинги, нормализации, параметры mHC и компоненты инструментального вызова; изменены только проекции выходов внимания в 46 модулях. По заявлению авторов, это устраняет поведение отказа: в проведённых тестах доля отказов составила 0%, а соответствие вызовам инструментов — 100%. При этом результаты отражают ограниченные выборки и не доказывают абсолютное отсутствие отказов или ошибок. Модель позиционируется как uncensored и может отвечать на потенциально опасные запросы, поэтому требует осторожного применения и локального запуска на контролируемом оборудовании. Размер составляет около 167 ГБ, используется нативная точность FP4 и FP8 без дополнительного квантования; для указанной конфигурации требуется распределённый запуск на двух NVIDIA DGX Spark с vLLM. Лицензия — MIT. Модель ориентирована прежде всего на локальное и исследовательское использование; ограничения по безопасности и ответственность за применение лежат на пользователе.

Deepthought-8B — разговорная модель генерации текста от Ruliad, основанная на плотной архитектуре LLaMA 3.1 и содержащая 7,5 млрд параметров. Она предназначена для задач рассуждения, следования инструкциям, программирования и математики. Модель формирует структурированные ответы и, согласно карточке, может представлять ход решения в формате JSON с отдельными шагами; глубину рассуждений можно настраивать во время вывода без дообучения. Контекст модели составляет до 131 072 токенов. Карточка заявляет работу на GPU с 16 ГБ видеопамяти или больше и рекомендует Flash Attention 2 для повышения производительности. Модель может быть полезна для пошагового решения задач, где требуется проверяемая структура ответа, а также для интеграции генерации рассуждений в приложения. В README отмечены ограничения при сложных математических задачах, обработке длинного контекста и нестандартных случаях. Доступна по лицензии Llama 3.1; перед использованием следует учитывать её условия.

Dicta-LM 3.0 Nemotron 12B Instruct — открытая весовая языковая модель, разработанная Dicta для работы на иврите и английском языках. Это instruct-версия с 12 млрд параметров, архитектурой Hybrid-SSM и точностью BF16; в качестве исходной модели использована NVIDIA-Nemotron-Nano-12B-v2-Base. Модель предназначена для диалогов и выполнения инструкций, а также поддерживает вызов инструментов для интеграции с внешними API и сервисами. Для работы следует использовать предусмотренный моделью chat template; в README рекомендованы vLLM и Transformers. Разработчик заявляет, что семейство Dicta-LM 3.0 достигает лучших результатов своего класса по ивриту. Модель распространяется с лицензией, обозначенной в метаданных как other; README заявляет о свободном использовании, но конкретные условия лицензии следует проверить отдельно.

en_PP-OCRv4_mobile_rec — модель распознавания строк текста из семейства PP-OCRv4_rec, разработанная командой PaddleOCR. Она обучена на основе PP-OCRv4_mobile_rec и предназначена для распознавания английского текста на изображениях; результатом работы модели является текстовая строка. Модель используется как модуль распознавания в конвейере OCR: после обнаружения текстовых областей другие модули конвейера передают ей изображения строк. PP-OCRv4 также может включать коррекцию ориентации и искажений, однако эти возможности относятся к конвейеру из нескольких моделей, а не к данной модели распознавания строк. Репозиторий предназначен для использования с PaddleOCR и распространяется по лицензии Apache-2.0.

EntityBERT — компактная модель Boltuix для распознавания именованных сущностей в английском тексте. Это дообученная для классификации токенов модель на базе boltuix/bert-mini с архитектурой BERT, примерно 5 млн параметров и контекстом до 512 токенов. Она размечает последовательность токенов 36 тегами BIO, охватывающими 18 типов сущностей, включая людей, организации, места и даты. Модель предназначена для извлечения сущностей из новостей, пользовательских текстов и исследовательских корпусов, а также для подготовки структурированных данных для чат-ботов, поиска и графов знаний. В README приведён F1 0,85 на тестовой части boltuix/conll2025-ner; компактный размер подходит для сценариев с ограниченными ресурсами. Модель распространяется по лицензии Apache-2.0. EntityBERT ориентирована на английский язык и может хуже работать с неформальными текстами, редкими сущностями и данными из областей, отличных от обучающего корпуса. Для медицинской, юридической, финансовой или иной специализированной разметки может потребоваться адаптация.

Это подготовленная для CPU версия Falcon-OCR v1.5 от amazingvince, основанная на дообученной модели tiiuae/Falcon-OCR. Она предназначена для распознавания текста на изображениях страниц документов через Rust CPU runner; репозиторий содержит веса в формате safetensors, разложенные под вычислительные ядра этого runner, и не является checkpoint-ом для Transformers. Доступны режим near-exact с 16-битными весами и KV-кэшем, а также fast с 8-битной GPTQ-квантизацией. Дополнительная EAGLE-3-подобная draft head ускоряет декодирование спекулятивным поиском, не меняя подтверждённые токены. Модель работает на x86-64 с AVX2 или AVX-512, ARM64 с NEON и имеет скалярный запасной вариант. На английских печатных документах README сообщает о близком совпадении near-exact с FP32; fast режим быстрее, но на рукописных и ухудшенных сканах может вызывать циклы повторов. Описанные замеры относятся к ограниченным наборам страниц и не гарантируют такое же качество на других данных. Лицензия репозитория — Apache-2.0.

florin-parser-nano — компактная визуально-языковая модель на архитектуре Qwen2-VL, разработанная Florin Inc. как LoRA дообучение KDLAI/KDL-Frontier-Parser-nano от KoreaDeep. Модель принимает изображения документов и распознаёт их содержимое, формируя текст с разметкой Markdown для выделений, зачёркиваний и структуры таблиц. В карточке указаны база размером 1,2 млрд параметров и обучение на парах фрагментов документов и Markdown; обучающие примеры включали страховые документы, синтетические изображения и материалы на китайском и деванагари. Модель предназначена для OCR и разбора документов, где важно сохранить визуальное форматирование и структуру таблиц. В описанном тестировании ParseBench она показала средний результат 77,50 на полном корпусе из 2 079 документов; авторы также сообщают о компромиссе между форматированием и распознаванием диаграмм. Заявленные результаты на подмножестве страховых документов получены до последней коррекции и ожидают повторного измерения. Поддерживаемые языки по метаданным — английский, китайский и хинди. Модель распространяется по лицензии AGPL-3.0.

ehristoforu/frqwen2.5-from7b-it — объединённая автором модель семейства Qwen2.5, созданная с помощью mergekit методом passthrough на основе Qwen/Qwen2.5-7B-Instruct. Это плотная причинная языковая модель для генерации текста и диалогов; доступны интерфейс чата и интерфейс вызова инструментов. В репозитории указаны 12,7 млрд параметров, контекст до 32 768 токенов и формат safetensors; модель рассчитана на работу через Transformers. Модель подходит для диалоговых приложений, генерации ответов и текста, а также сценариев, где требуется подключение инструментов. Базовая Qwen2.5-7B-Instruct предназначена также для генерации кода и структурированных ответов, однако README этой сборки не описывает её специфические улучшения или результаты оценки. Лицензия в предоставленных данных не указана.

GEFS-language-detector — модель классификации текста для определения, написан ли текст на немецком, английском, французском или испанском языке. Её разработал Muhammad Imran Zaman; модель дообучена на наборе данных papluca/language-identification на базе xlm-roberta-base. Модель использует архитектуру XLM-RoBERTa для классификации последовательностей, содержит 305,2 млн параметров и принимает текст длиной до 514 токенов. На выходе она предсказывает код одного из четырёх поддерживаемых языков: de, en, fr или es. Автор сообщает о результате F1, близком к 100%, но не приводит подробностей методики оценки. Модель подходит для автоматической сортировки и маршрутизации текстов по языку. Распознавание ограничено четырьмя указанными языками, поэтому для других языков её предсказания могут быть ненадёжны. Лицензия — Apache-2.0.

Gemma-4 12B Coder — SFT v5 + abliterated (GGUF) — это локальная квантизированная версия кодовой модели семейства Gemma-4, разработанная на базе модели tpls/gemma-4-12B-coder-fable5-composer2.5-v1-sft-v5-abliterated и подготовленная triplezrobotics. Модель распространяется в формате GGUF для запуска через llama.cpp и Ollama; заявленный основной язык — английский. Модель предназначена для генерации кода, текстовых задач и агентских сценариев с использованием инструментов и function calling. Она сочетает дообучение SFT v5, abliteration и imatrix-квантизацию. Доступны варианты от IQ4_XS и Q3_K_M до Q8_0; Q4_K_M обозначен как сбалансированный вариант для примерно 12 ГБ видеопамяти. В README приведён пример запуска с контекстом 16 384 токена. Ключевое преимущество модели — поддержка вызова инструментов и локального развёртывания. В тесте на наборе из восьми случаев заявлен результат 8/8 при использовании recovery shim, преобразующего нативную разметку Gemma-4 в стандартные tool_calls; без shim-парсера llama.cpp показатель составил 0,125 из-за неполной обработки формата. Ответы могут содержать ошибки или вымышленные данные, поэтому аргументы инструментов необходимо проверять до выполнения. Вариант является uncensored: из весов удалено направление отказа, поэтому защитные ограничения существенно ослаблены. Это делает модель непригодной для сценариев, где обязательна встроенная политика отказа, и требует контроля со стороны пользователя. В README указана лицензия Gemma.