I.14Автоматизация процессов и AI-агенты

Qwen3.5-35B-A3B-uncensored-heretic-v2-Native-MTP-Preserved — дообученная мультимодальная модель независимого автора llmfan46 на базе Qwen/Qwen3.5-35B-A3B от Alibaba. Это диалоговая модель с архитектурой Qwen3.5 MoE и визуальным энкодером: всего 35 млрд параметров, из них активируется около 3 млрд. Репозиторий содержит веса Safetensors и сохраняет 785 тензоров MTP; заявленная длина контекста — 262 144 токена с возможностью расширения до 1 010 000. Модель предназначена для диалога, рассуждений, работы с изображениями и агентных сценариев с вызовом инструментов. Автор сообщает о снижении частоты отказов относительно исходной модели при сохранении её возможностей; приведённые метрики являются результатами автора. Модель работает в режиме рассуждений по умолчанию. В карточке заявлена поддержка 201 языка и диалекта, но перечень языков не приведён. Модель распространяется по лицензии Apache-2.0. Снижение ограничений может приводить к выдаче нежелательного или небезопасного содержимого; результаты тестов автора не гарантируют качество на других задачах.

sleepy186247 конвертировал модель llmfan46/Qwen3.6-35B-A3B-uncensored-heretic-Native-MTP-Preserved в формат MLX с точностью fp16; README указывает версию mlx-lm 0.31.2. Это мультимодальная MoE-модель семейства Qwen3.5, предназначенная для диалогов, анализа изображений и агентного программирования. Метаданные указывают архитектуру Qwen3_5MoeForConditionalGeneration, поддержку чата и зрения, а также задачу image-text-to-text. Модификация uncensored/heretic ослабляет ограничения на ответы. Репозиторий распространяется по лицензии Apache-2.0.

Qwen3.8-27B-tq4-g64 — 27,8-миллиардная плотная мультимодальная модель семейства Qwen, подготовленная для Apple Silicon в формате 4-битной квантизации TurboQuant-MLX. Она сохраняет возможности обработки изображений и диалогового взаимодействия базовой модели, включая интерфейс вызова инструментов. Архитектура включает 64 декодерных слоя: 48 слоёв Gated DeltaNet с линейным вниманием и 16 слоёв полного внимания; также указана 27-блочная башня зрения. В метаданных библиотека модели — MLX, лицензия — Apache-2.0. Модель подходит для диалогов с изображениями, распознавания текста на изображениях, подсчёта объектов, анализа диаграмм, визуального описания и агентных сценариев с вызовом инструментов, в том числе для работы с кодом. README приводит тесты на Apple Silicon: файл занимает около 15,15 ГиБ, пиковое потребление памяти при контексте 16 тысяч токенов составляет около 22,5 ГБ, а скорость генерации — примерно 11 токенов в секунду. При запуске на Mac с 24 ГБ памяти рекомендуется размер шага предварительной обработки 256; на системах с 16 ГБ автор сообщает, что модель не помещается. Встроенный тест зрения пройден на четырёх синтетических примерах, но эти результаты не гарантируют качество на произвольных данных. README не сообщает поддерживаемые естественные языки или длину контекста базовой модели.

unsloth/Qwen3-VL-4B-Instruct-unsloth-bnb-4bit — это квантованная 4-битная версия мультимодальной модели Qwen3-VL-4B-Instruct, разработанной командой Qwen и подготовленной Unsloth. Модель предназначена для понимания и генерации текста на основе изображений, а также для работы с видео и текстовыми запросами. Модель имеет размер 4B параметров и архитектуру vision-language с режимом Instruct. Она поддерживает визуальное распознавание, OCR для 32 языков, анализ пространственных отношений, понимание длительных видеосцен, мультимодальное рассуждение в STEM-задачах и взаимодействие с графическими интерфейсами ПК и мобильных устройств. Заявлен нативный контекст до 256K токенов с возможностью расширения до 1M. Среди архитектурных компонентов указаны Interleaved-MRoPE, DeepStack и выравнивание текста с временными метками. Сильными сторонами являются сочетание текстового и визуального понимания, обработка изображений, документов и видео, распознавание текста в сложных условиях, а также задачи визуального программирования и управления интерфейсами. Ограничения включают зависимость качества и совместимости от 4-битного квантования, а также необходимость подходящей аппаратной и программной конфигурации для длинного контекста и видео; конкретные языки, требования к ресурсам и детальные числовые результаты в README не указаны. Модель распространяется по лицензии Apache-2.0.

Qwopus3.8-27B-Flash-NVFP4 — это конверсия базовой модели Jackrong/Qwopus3.8-27B-Flash в формате NVIDIA ModelOpt NVFP4, предназначенная для запуска на GPU NVIDIA Blackwell. Репозиторий содержит логическую модель объёмом 27,78 млрд параметров и использует формат safetensors. В README также указано, что исходную модель создал Kyle Hessling, а конверсия выполнена сообществом. Модель предназначена для диалоговых, мультимодальных и агентных сценариев: обработки текста и изображений, следования инструкциям, генерации структурированных ответов, вызова инструментов и работы в coding-agent циклах. Сохранены визуальный энкодер и проектор, а также встроенная MTP/NextN-голова для speculative decoding. Трансформерные веса используют NVFP4, тогда как lm_head, визуальная часть и MTP-голова сохранены в BF16 для повышения качества. Рекомендуемый сценарий обслуживания — SGLang с FlashInfer, поддержкой ModelOpt FP4 и совместимой моделью-черновиком Qwen3.8 27B DFlash2 NVFP4. В тестовом профиле заявлен контекст до 262 144 токенов, однако для этого требуются Blackwell GPU с достаточным объёмом памяти под основную и черновую модели, KV-кэш и накладные расходы. README не указывает поддерживаемые языки и результаты бенчмарков; для мультимодальной работы необходимо использовать поставляемый chat template, а для вызова функций — парсер инструментов Qwen. Лицензия указана как Apache-2.0, при этом пользователю рекомендуется соблюдать лицензионные условия базовой модели. Ограничениями являются зависимость от совместимого оборудования и программного стека NVIDIA Blackwell, необходимость специальной DFlash2-модели для рекомендованной спекулятивной генерации и возможное снижение доступного контекста на менее мощных GPU.

Карточка модели Gen-Verse/ReasonFlux-Coder-4B на Hugging Face совпадает с карточкой Gen-Verse/ReasonFlux-Coder-7B, поэтому описание составлено по ней. 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.

Reflection-Llama-3.1-70B-ep2-working — рабочая версия модели Reflection от Matt Shumer, дообученная на основе Meta Llama 3.1 70B Instruct. Это плотная авторегрессионная языковая модель с 69,5 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие. Метаданные указывают контекст до 131 072 токенов и интерфейс для вызова инструментов. Модель предназначена для диалогов и генерации ответов с возможностью использовать инструменты. Автор описывает её как рабочую версию второго этапа обучения, которая немного уступает по мощности более поздней версии Reflection; README также сообщает, что третий этап ещё завершался. Модель опубликована в формате Safetensors и распространяется по лицензии Llama 3.1.

Rukopys-OCR-4B — мультимодальная модель распознавания документов на изображениях, созданная для соревнования Handwritten to Data. Она обнаруживает области документа, классифицирует их и возвращает структурированный JSON с координатами и распознанным содержимым. Модель является полным дообучением Qwen3.5-4B и занимает третье место в финальном решении соревнования. Модель предназначена прежде всего для распознавания украинского рукописного текста; также обучалась на русских школьных тетрадях и данных распознавания рукописного текста. В результатах поддерживаются типы областей «рукописный текст», печатный текст, формулы, таблицы, примечания, изображения и графики. Координаты областей задаются в нормализованном диапазоне 0–1000; формулы записываются в LaTeX, а таблицы — с разделителями столбцов. Модель принимает изображения документов и выдаёт текстовую JSON-разметку. Используются архитектура Qwen3.5, 4 млрд параметров и библиотека Transformers. Лицензия — Apache-2.0. Для инференса README требует Transformers версии 5.8.1 или новее и сохранения обучающего промпта без изменений.

SCX разработала эту модель совместно с Knowledgator. Это компактный классификатор на базе GLiClass, дообученный на Qwen/Qwen3-0.6B и предназначенный для маршрутизации запросов к языковым моделям и других задач классификации без генерации текста. Модель оценивает набор заданных меток за один проход; список кандидатов и категории можно менять при запуске без дополнительного обучения. Модель поддерживает маршрутизацию к одной из восьми LLM, определение типа и сложности задачи, потребности в рассуждении и ожидаемой длины ответа, а также классификацию возможной галлюцинации. Для диалоговых сценариев предусмотрен KV-кэш по сессиям, который позволяет повторно классифицировать новые сообщения, кодируя только добавленные токены. README приводит результаты бенчмарков, но отмечает, что часть сквозных оценок относится к предыдущему чекпойнту и не была повторена для текущего. Модель принимает текст и выдаёт метки классов с оценками. В метаданных указан английский язык; размер базовой модели — 0,6 млрд параметров. Лицензия — Apache-2.0. Классификация зависит от выбранного набора меток, а близкие по смыслу категории могут путаться; качество маршрутизации также зависит от кандидатов и порога принятия решения.

ThakiCloud/SKILLRET-Embedding-8B — текстовая модель эмбеддингов на архитектуре Qwen3, разработанная ThakiCloud и дообученная на обучающей части бенчмарка SkillRet контрастивным обучением. Она предназначена для поиска подходящих навыков AI-агентов по запросу пользователя на естественном языке в большой библиотеке навыков. Модель содержит 7,6 млрд параметров, использует Sentence Transformers и принимает текст, возвращая эмбеддинги для семантического сопоставления запросов с описаниями навыков. Длина контекста составляет 40 960 токенов. В тесте SkillRet на 4 392 запросах и 6 006 навыках указаны NDCG@10 0,8644 и Recall@10 0,9325. Модель оптимизирована для англоязычных запросов и навыков AI-агентов; качество на данных за пределами распределения SkillRet может отличаться. Она находит навыки, но не исполняет их. Лицензия — Apache-2.0.

SLIM-SENTIMENT — специализированная авторегрессионная модель серии SLIM от llmware, дообученная для анализа тональности через вызовы функций. Она принимает текст и формирует структурированный ответ в виде словаря Python с тональностью, например positive, пригодный для автоматизированных рабочих процессов и обработки другими программами. Модель построена на архитектуре Llama, содержит 1 млрд параметров и имеет контекст длиной 2048 токенов. В README показан запуск через Transformers и библиотеку llmware. Модель распространяется по лицензии Apache-2.0. Карточка описывает задачу анализа тональности, но не сообщает поддерживаемые языки или результаты оценки качества.

Text2Graph-R1-Qwen2.5-0.5b — компактная языковая модель Ihor для извлечения графов знаний из текста. Это воспроизведение подхода DeepSeek R1, дообученное на базе Qwen/Qwen2.5-0.5B-Instruct с помощью supervised learning и обучения с подкреплением GRPO. Модель предназначена для извлечения сущностей и отношений и выдачи результата в структурированном JSON, пригодном для машинной обработки. В обучении использовались награды за корректный формат JSON и F1 извлечённых сущностей и отношений. Модель имеет 494 млн параметров, архитектуру Qwen2ForCausalLM и контекст до 32 768 токенов; метаданные указывают поддержку русского, английского и других языков. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Модель унаследовала ограничения базовой компактной языковой модели, а качество извлечения может зависеть от языка, предметной области и соответствия входного текста ожидаемой схеме JSON.

team-lucid/trocr-small-korean — корейская модель распознавания текста на изображениях семейства TrOCR, разработанная на архитектуре VisionEncoderDecoder. Она состоит из визуального трансформерного энкодера, инициализированного весами DeiT, и текстового трансформерного декодера с собственными весами RoBERTa. Модель обучалась на 6 млн синтетических изображений, созданных с помощью SynthTiger, при поддержке Google TPU Research Cloud. Модель предназначена для извлечения текста из изображений, прежде всего для распознавания корейского текста. Может применяться для оцифровки изображений с текстом и распознавания строк. Репозиторий содержит веса PyTorch, Flax и Safetensors. Лицензия — Apache 2.0.

TrustSQL-8B — дообученная модель AIJian на основе Qwen3-8B для преобразования запросов на естественном языке в SQL при работе с ранее неизвестными схемами баз данных. Она построена на архитектуре Qwen3ForCausalLM, содержит 7,6 млрд параметров по метаданным и поддерживает контекст до 40 960 токенов. Модель обучали в два этапа: начальное дообучение с учителем и оптимизация Phase-Aware GRPO с многошаговым взаимодействием с инструментами по протоколу Explore → Propose → Generate → Confirm. Модель предназначена для использования в цикле агента с доступом к инструментам: она исследует схему, формирует и уточняет SQL-запрос. В README приведены результаты на BIRD-Dev, Spider-Test и Spider-DK для сценария неизвестной схемы. Базовая модель Qwen3-8B — многоязычная, однако языки, на которых TrustSQL-8B проверена для Text-to-SQL, отдельно не перечислены. Модель распространяется под лицензией Apache-2.0. README указывает, что обучение и оценка проводились на бенчмарках с SQLite; для работы требуется доступная и безопасная среда получения метаданных и выполнения запросов. Сгенерированный SQL следует проверять, а доступ к базе по умолчанию ограничивать режимом чтения.

UDOP-large — модель для обработки документов, предложенная Зинэном Таном, Цзыи Янгом и соавторами в работе «Unifying Vision, Text, and Layout for Universal Document Processing». Она использует плотную архитектуру encoder-decoder Transformer на основе T5; в чекпойнте 386,3 млн параметров. Модель принимает изображение документа вместе с текстом и генерирует текстовый ответ. Она предназначена для классификации изображений документов, разбора документов и визуальных вопросов и ответов по документам (DocVQA). Поддержка изображения и текста отражена в архитектуре и задаче image-text-to-text. Модель распространяется под лицензией MIT. README не приводит конкретных ограничений точности или покрытия языков; результаты могут зависеть от типа документа и языка.

Модель Unified Multilingual NER разработана Ришабхом Кумаром и дообучена на базе microsoft/mdeberta-v3-base для многоязычного распознавания именованных сущностей. Она выполняет классификацию токенов и выделяет сущности 47 категорий, используя 95 BIO-меток. Веса LoRA объединены с базовой моделью; архитектура относится к DeBERTa V2, размер по метаданным — 306 млн параметров, контекст — до 512 токенов. Модель предназначена для извлечения персон, организаций, мест, событий, продуктов и других сущностей из новостей, веб-текстов, социальных сетей и материалов Википедии, а также для построения графов знаний и многоязычных NLP-конвейеров. Заявлена поддержка 15 языков: английского, испанского, французского, немецкого, итальянского, португальского, шведского, нидерландского, польского, русского, бенгальского, хинди, фарси, китайского и украинского. В README приведены оценки на тестовых наборах; результаты зависят от языка и источника данных. Модель распространяется по лицензии MIT. Она не предназначена для специализированного распознавания сущностей в юридических, финансовых или клинических текстах без дополнительной адаптации; для языков вне заявленного списка качество не подтверждено.

UTC-DeBERTa-base — модель универсальной классификации токенов от Knowledgator, основанная на DeBERTaV3-base и дообученная на нескольких задачах классификации токенов, включая задачи, которые можно представить в таком формате. Архитектура — DeBERTa-v2 для классификации токенов; модель содержит 211,6 млн параметров и обрабатывает до 512 токенов за контекст. Она работает с текстом на английском языке. Модель предназначена для извлечения сущностей и другой информации из текста. Карточка описывает сценарии распознавания именованных сущностей с нулевым обучением, ответов на вопросы, извлечения отношений, разрешения кореференции, очистки и суммаризации текста. Авторы приводят результаты оценки на CrossNER для областей ИИ, литературы, музыки, политики и науки. Модель доступна в формате PyTorch через библиотеку Transformers, а для распознавания сущностей авторы рекомендуют pipeline `ner`. Лицензия — Apache-2.0. README не уточняет ограничения сверх длины контекста и английского языка, указанных в метаданных.

Vela Omni Mini — мультимодальная модель семейства Vela Omni от разработчика llm-semantic-router. Она преобразует текст, изображения, речь и окружающие звуки в нормализованные векторы общего пространства, которые можно напрямую сравнивать для поиска, маршрутизации и кластеризации. Модель содержит 1,36 млрд параметров, выдаёт эмбеддинги размерностью 768 и распространяется в формате safetensors; для работы в README указаны PyTorch, совместимая версия torchaudio и Transformers 4.57.6. Модель предназначена для мультимодального поиска и извлечения признаков, включая поиск соответствий между изображениями и текстом, а также аудио и текстом. В README приведены результаты оценки на задачах английского текста и аудио, однако они не гарантируют качество на иных языках и наборах данных. Лицензия — Apache-2.0.

VL-1-Coder — инструкционная языковая модель VectionLabs для генерации кода и диалогового взаимодействия. Она дообучена на базе Qwen/Qwen2.5-Coder-7B-Instruct; метаданные указывают архитектуру Qwen2, 7,1 млрд параметров и формат safetensors. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и рассчитана прежде всего на английский и итальянский языки. Модель предназначена для написания и анализа кода, разработки пользовательских интерфейсов и серверных систем, решения алгоритмических задач и разбиения сложных запросов на этапы. В README VectionLabs заявляет сжатые рассуждения и ответы с небольшим количеством вводного текста, однако эти характеристики не сопровождаются результатами сравнительной оценки. Лицензия — Apache-2.0.

Werea-DocOCR-1B v2 — модель распознавания турецких корпоративных документов, разработанная Werea и представленная здесь как зеркало репозитория Werea-co. Это полнопараметрическое дообучение LightOnOCR-2-1B-base с архитектурой LightOn OCR; модель принимает изображение страницы и извлекает текст в порядке чтения, включая таблицы, с форматированием Markdown. Модель ориентирована на 12 типов документов: доверенности, страховые полисы, электронные счета, договоры аренды, банковские квитанции, документы на недвижимость, расчётные листки, регистрационные формы автомобилей, официальные письма, публикации торгового реестра и выписки SGK. Обучающая выборка содержит 12 960 синтетических страниц; README сообщает средний CER 0,15% на 72 тестовых страницах, включая цифровые документы, сканы и фотографии. Лицензия — Apache-2.0. Оценка проводилась на тестовых страницах из того же синтетического распределения, что и обучающие данные, поэтому результат может не переноситься на реальные документы. Авторы рекомендуют проверку на реальных сканах и фотографиях и контроль человеком в критически важных сценариях.

keremberke/yolov8s-table-extraction — модель компьютерного зрения на архитектуре YOLOv8, опубликованная Keremberke. Она предназначена для обнаружения таблиц на изображениях документов и различает два типа: с границами и без границ. Модель доступна в формате PyTorch и рассчитана на запуск с библиотекой Ultralytics. Модель подходит для автоматического поиска таблиц при разборе сканов и изображений документов. Карточка указывает метки классов, но не приводит сведений о размере модели, контекстном окне, поддерживаемых языках или точности. Лицензия в предоставленных данных не указана.

ZEUS-8B-V6 — объединённая языковая модель, созданная автором репозитория T145 с помощью mergekit и метода DARE TIES. В качестве основы использована unsloth/Meta-Llama-3.1-8B-Instruct; в объединение также вошли Llama-VARCO-8B-Instruct, Llama-3.1-8B-Lexi-Uncensored-V2, Llama-3.1-Storm-8B и Llama-3.1-SuperNova-Lite. Модель построена на архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Она предназначена для генерации текста и диалогов; метаданные также указывают интерфейс для вызова инструментов. В README приведены результаты оценки на Open LLM Leaderboard, включая IFEval и BBH. Модель распространяется в формате safetensors. Лицензия в предоставленных данных не указана. В README нет сведений о целевых языках и подробных ограничениях качества, поэтому их нельзя достоверно определить по имеющимся материалам.

Ziya-Coding-34B-v1.0 — языковая модель для генерации кода, разработанная командой Fengshenbang исследовательского института IDEA. Это плотная авторегрессионная модель семейства LLaMA с 33,5 млрд параметров и контекстом 16 384 токена; она работает через Transformers и принимает текстовые инструкции на китайском и английском языках, выдавая текст, в том числе программный код. Модель дообучена в два этапа на примерно 450 тысячах инструкций по программированию, затем дополнительно настроена на 46 тысячах сложных инструкций с фильтрацией по компиляции и проверкой unit-тестами. Модель предназначена для генерации кода по естественно-языковому описанию и решения разнообразных задач программирования. В README приведён результат 75,5% pass@1 на HumanEval при жадной генерации; это оценка на конкретном бенчмарке и не гарантирует корректность кода в реальном проекте. Репозиторий содержит веса PyTorch, а лицензия — GPL-3.0.

Карточка модели PS4Research/005Kq3yTVMadlDXH на Hugging Face совпадает с карточкой PS4Research/IKn8jwlNamPNIS15, поэтому описание составлено по ней. Модель PS4Research/IKn8jwlNamPNIS15 — дообученная PS4Research языковая модель семейства Granite на базе ibm-granite/granite-4.2-30b. Она предназначена для генерации текста и диалогового взаимодействия; интерфейс также поддерживает вызов инструментов. Модель содержит 28,9 млрд параметров, использует плотную архитектуру GraniteForCausalLM и принимает контекст длиной до 131 072 токенов. В метаданных указан английский язык. Базовая модель IBM описана как многоязычная и предназначенная для рассуждений, диалога, программирования и вызова инструментов, однако README не уточняет, какие именно навыки были предметом дообучения этой версии. Модель распространяется в формате safetensors по лицензии Apache-2.0; для ускорения обучения использовались Unsloth и библиотека TRL.

Rabbani088888/adaptive-rag-router — дообученная модель на основе DistilBERT, предназначенная для маршрутизации запросов в конвейере Retrieval-Augmented Generation (RAG). Она относит запрос к одному из трёх типов: factual для поиска фактов, abstractive для тематического поиска и multi-hop для вопросов, требующих синтеза информации из нескольких документов. Результат классификации можно использовать для выбора разреженного поиска BM25, плотного поиска FAISS или итеративного гибридного поиска. Модель принимает текст на английском языке и выдаёт метку класса. По данным карточки, она обучена примерно на 10 000 запросов из семи наборов данных с автоматической разметкой; точность на отложенной выборке из 213 запросов составила около 87%. Архитектура — DistilBertForSequenceClassification с контекстом до 512 токенов. Лицензия в предоставленных данных не указана.

SvalTek/ColdBrew-Aphid-Large — разговорная причинно-языковая модель семейства Llama с 5,8 млрд параметров, созданная методом passthrough merge из SvalTek/ColdBrew-Aphid. Она предназначена для генерации текста и диалогов; интерфейс модели поддерживает вызов инструментов. Модель использует библиотеку Transformers и распространяется в формате safetensors. Контекстное окно — до 131 072 токенов. Модель подходит для диалоговых приложений, генерации ответов и сценариев с вызовом инструментов. В метаданных указана связь с SvalTek/ColdBrew-Aphid как с базовой моделью. Сведений о лицензии и специальных языковых возможностях в предоставленных данных нет.

Citaman/command-r-15-layer — текстовая модель, созданная с помощью mergekit из двух срезов модели Citaman/command-r-16-layer методом SLERP. В конфигурации объединения использованы слои [0, 15] и [1, 16] одной базовой модели; веса сохранены в формате safetensors, тип данных — bfloat16. Модель построена на архитектуре CohereForCausalLM и содержит 14,4 млрд параметров. Она предназначена для генерации текста и диалогов, включая сценарии с интерфейсом вызова инструментов. Контекст составляет до 8192 токенов. В карточке нет сведений о конкретных языках и специализированных прикладных областях. Модель может быть полезна для диалоговых приложений и генерации текста с подключением инструментов. Поскольку это объединение срезов одного чекпойнта, README не сообщает о сравнительных оценках качества или специальных улучшениях. Лицензия в предоставленных данных не указана.

Citaman/command-r-29-layer — языковая модель Cohere для генерации текста и диалогов. Она создана автором репозитория с помощью mergekit: веса модели Citaman/command-r-30-layer объединены методом SLERP с разными срезами слоёв, а итоговые веса сохранены в формате safetensors. Модель имеет плотную архитектуру CohereForCausalLM, около 25,9 млрд параметров и контекст до 8192 токенов. Метаданные указывают на поддержку чата и интерфейса вызова инструментов; основная задача в карточке Hugging Face — text-generation. Лицензия в предоставленных данных не указана. Характеристики языковой поддержки и качество модели на конкретных задачах не описаны, поэтому их нельзя надёжно оценить по карточке.

Felix92/doctr-torch-crnn-mobilenet-v3-large-french — модель распознавания текста на изображениях, основанная на CRNN с энкодером MobileNetV3-Large и предназначенная для использования с библиотекой docTR. Карточка позиционирует её как OCR-модель; метаданные указывают форматы PyTorch и задачу image-to-text. Модель подходит для извлечения текста из изображений и документов. В названии указана специализация на французском языке, а метаданные также отмечают английский и многоязычную поддержку. Сведений о размере, длине контекста и лицензии в предоставленных источниках нет.

DocumentFigureClassifier — модель классификации изображений из проекта Docling, дообученная на базе Google EfficientNet-B0. Она относит изображение к одной из 16 категорий: типы диаграмм и графиков, штрихкод, QR-код, химические структуры, блок-схема, значок, логотип, карта, снимок дистанционного зондирования, скриншот, подпись, печать или прочее. Модель предназначена для распознавания визуальных элементов в документах и может использоваться как этап предварительной обработки при разборе документов, чтобы определить тип изображения и направить его на дальнейшую обработку. Это компактная свёрточная архитектура для классификации изображений; модель принимает изображение и выдаёт метку класса. В репозитории указаны веса safetensors. Лицензия — MIT.