I.14Автоматизация процессов и AI-агенты

nandraj/NaviDC-OCR-GGUF — это конвертированная в формат GGUF версия мультимодальной Vision-Language Model NaviDC-OCR, разработанной организацией StarDoc-AI. Репозиторий nandraj не содержит оригинальных обучающих весов и не заявляет о дополнительном обучении или дообучении модели. Модель предназначена для анализа цифровых и сфотографированных документов. Она поддерживает OCR и извлечение текста, разбор документов, распознавание таблиц и формул, анализ структуры и расположения элементов, определение порядка чтения, обработку искажённых документов, а также понимание научных документов. Модель имеет около 1,2 млрд параметров и работает с изображениями и текстом; точные сведения о языках и размере контекста в README не указаны. Основной формат распространения — GGUF для локального запуска через llama.cpp и совместимые среды, включая сценарии на CPU и GPU. Доступны варианты с разным уровнем квантования от F16 до Q2_K–Q8_0, а мультимодальный компонент поставляется отдельно в файле MMProj. Для работы требуется пропатченная сборка llama.cpp: стандартная версия не загружает модель из-за ошибки проверки размеров тензоров. Репозиторий распространяется по лицензии Apache-2.0.

AlSamCur123/Nemo-InstructContinuedFine — дообученная разговорная модель AlSamCur123 на архитектуре Mistral, основанная на unsloth/mistral-nemo-instruct-2407-bnb-4bit. Для обучения использовались Unsloth и библиотека Hugging Face TRL; модель предназначена для генерации текста в диалоге и имеет интерфейс вызова инструментов. Модель содержит 12,1 млрд параметров, использует формат Safetensors и рассчитана на контекст до 1 024 000 токенов. В метаданных указан английский язык. Модель распространяется по лицензии Apache-2.0.

Карточка модели FILM6912/nemotron-3.5-asr-streaming-0.6b на Hugging Face совпадает с карточкой Aliados/nemotron-3.5-asr-streaming-0.6b, поэтому описание составлено по ней. Nemotron 3.5 ASR — разработанная NVIDIA многоязычная модель автоматического распознавания речи на 600 млн параметров. Она предназначена для потоковой транскрибации с низкой задержкой и пакетной обработки аудио; доступна через NeMo и Transformers, а веса представлены в формате safetensors. Архитектура Cache-Aware FastConformer-RNNT использует кэш контекста, чтобы обрабатывать новые аудиофрагменты без повторных вычислений. Размер фрагментов можно настраивать от 80 до 1120 мс; модель расставляет пунктуацию и заглавные буквы, а при режиме auto может определять язык речи и добавлять языковую метку к транскрипту. Модель поддерживает 40 языковых локалей: для 32 заявлена транскрибация без дополнительной адаптации, а для восьми требуется дообучение на данных целевого домена. Среди языков есть русский, английский, испанский, французский, немецкий, арабский, китайский, японский и другие. Карточка указывает готовность к коммерческому использованию, однако метаданные обозначают лицензию как other, поэтому конкретные условия следует сверить с файлами лицензии репозитория. Для английской речи автор рекомендует отдельную англоязычную модель Nemotron ASR Streaming.

JANGQ-AI публикует Nemotron-Cascade-2-30B-A3B-JANG_2L — квантованный вариант NVIDIA Nemotron-Cascade-2-30B-A3B, подготовленный проектом JANG для запуска через MLX на Apple Silicon. Это языковая модель для диалогов, пошаговых рассуждений и задач с вызовом инструментов. В основе — гибридная архитектура Nemotron-H: Mamba-2, MoE и слои внимания; README указывает 52 слоя, включая 6 слоёв внимания. Метаданные сообщают о 1,9 млрд параметров и контексте до 262 144 токенов. README заявляет размер файлов 10,3 ГБ, скорость генерации до 130 токенов в секунду и результат 88% на тесте MMLU из 200 вопросов в режиме рассуждений. Модель ориентирована на Mac с Apple Silicon и унифицированной памятью от 16 ГБ; для загрузки автор рекомендует MLX Studio или пакет JANG для MLX. Эти показатели приведены в карточке модели и зависят от оборудования и методики измерения. Лицензия указана как other, поэтому условия использования следует уточнить в репозитории. README называет представление JANG квантованием 2,3 бита с 8-битным вниманием, хотя метаданные перечисляют формат safetensors.

NeoHorse-1-4B-Max-Heretic-Uncensored-TURBO — разговорная текстовая модель от prithivMLmods на базе TokenRhythm/NeoHorse-1-4B, дообученной на Qwen3.5-4B. Вариант обработан инструментом Heretic для снижения числа отказов; модель рассчитана на диалоги, выполнение инструкций, использование инструментов, программирование и рассуждения. Модель имеет плотную архитектуру Qwen3.5 и около 3,4 млрд параметров, поддерживает контекст до 262 144 токенов и английский язык. В репозитории доступны веса Safetensors и сборки GGUF разных уровней квантования для запуска через Transformers или llama.cpp. Лицензия — Apache 2.0. Карточка помечает модель как экспериментальную: возможны артефакты, поэтому ответы следует проверять. Снижение числа отказов также означает, что модель может отвечать на запросы, которые обычно отклоняются.

Neutrino-8B — диалоговая языковая модель на 8,19 млрд параметров, разработанная FermionResearch на основе Qwen/Qwen3-8B. Она предназначена для общения с пользователем, генерации текста, следования инструкциям, создания структурированного JSON и вызова инструментов; режим рассуждений отключён. Модель использует плотную архитектуру TrtcV4ForCausalLM с 36 слоями и шириной скрытого представления 4096. Линейные слои упакованы в пятизначное представление с разрядностью менее двух бит на вес, а таблицы эмбеддингов хранятся в int8. Репозиторий содержит GGUF-сборку; модель также запускается через Transformers, CPU, MLX и llama.cpp на поддерживаемых платформах. Модель унаследовала многоязычную токенизацию Qwen3-8B, но в карточке не перечислены конкретные поддерживаемые естественные языки. Контекстное окно в предоставленной информации не описано. Разработчик приводит результаты MMLU-Redux и IFEval и рекомендует параметры генерации отдельно для диалога, структурированного вывода и длинных текстов. Для корректной остановки нативного C-бинарника требуется задать EOS-токен; при генерации JSON рекомендуется отключать штраф за повторения. Лицензия — Apache-2.0.

Donut — модель Geewok и соавторов для понимания документов по изображениям. Эта версия базового размера дообучена на наборе CORD, содержащем изображения чеков и разметку для извлечения их содержимого. Модель использует архитектуру vision-encoder-decoder: визуальный энкодер Swin Transformer кодирует изображение, а текстовый декодер BART авторегрессионно формирует результат. Она предназначена для разбора чеков и извлечения структурированных сведений непосредственно из изображения, без отдельного этапа OCR. Лицензия — MIT. Модель специализирована на чеках из CORD; качество на других видах документов и изображений карточка не характеризует. Поддерживаемый язык в карточке не указан.

Это дообученная модель myfi на базе unsloth/Qwen3-4B-Instruct-2507 — плотной языковой модели Qwen3 с 3,7 млрд параметров. Она предназначена для генерации текста и диалогов; метаданные также указывают интерфейс вызова инструментов. Модель принимает текст и выдаёт текст, поддерживает английский язык и использует контекст до 262 144 токенов. Модель обучена с использованием Unsloth и библиотеки Hugging Face TRL. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает специализацию дообучения или отдельные ограничения качества, поэтому применение следует выбирать по результатам собственной оценки.

PP-DocLayout_plus-L — модель обнаружения и локализации областей макета документов, разработанная командой PaddlePaddle для экосистемы PaddleOCR. Она предназначена для анализа изображений китайских и англоязычных документов, включая научные статьи, презентации, журналы, газеты, договоры, книги, экзаменационные материалы, учебники и исследовательские отчёты. Модель выделяет 20 типов элементов: заголовки документов и разделов, текст, номера страниц, аннотации, таблицы, ссылки, сноски, колонтитулы, алгоритмы, формулы и их номера, изображения, печати, подписи к таблицам и рисункам, диаграммы, боковой текст и списки литературы. В основе используется архитектура RT-DETR-L. Модель работает с изображениями и применяется как компонент конвейера layout detection, например для последующего OCR и структурированного извлечения содержимого. На внутреннем наборе данных PaddlePaddle, содержащем около 1000 типов документов, заявлено значение mAP@0.5 83,2%; этот показатель характеризует точность обнаружения областей на указанном наборе и может не отражать результаты на других данных. README не указывает размер модели, максимальный контекст или дополнительные модальности. Для запуска предусмотрены PaddleOCR и ONNX Runtime, включая GPU-вариант. Модель распространяется по лицензии Apache 2.0.

PP-LCNet_x1_0_doc_ori — модель PaddlePaddle для определения ориентации изображений документов. Она классифицирует документ или удостоверение личности по четырём положениям: 0°, 90°, 180° и 270°. Результат можно использовать для поворота изображения перед запуском OCR, чтобы повысить точность распознавания текста. Модель предназначена для предварительной обработки сканов и фотографий документов, в том числе снимков, сделанных под разными углами поворота. Она входит в экосистему PaddleOCR и может применяться как отдельный модуль или в составе конвейера предварительной обработки документов. Для работы с моделью используется PaddleOCR; карточка указывает поддержку английского и китайского языков. Репозиторий распространяется по лицензии Apache-2.0. В предоставленных материалах не приведены точность, размер модели и ограничения её работы; классификация ориентации сама по себе не исправляет геометрические искажения изображения.

PP-OCRv5_server_rec_safetensors — команда PaddleOCR разработала эту модель для распознавания текста в отдельных строках изображения. Она относится к семейству PP-OCRv5 и предназначена для сценариев, где нужна точная расшифровка печатного или рукописного текста, в том числе вертикального и искажённого. Модель рассчитана на упрощённый и традиционный китайский, английский и японский языки. В карточке приведены показатели для печатного и рукописного текста, древних текстов, пиньиня, поворотов, искажений и художественного текста; средний показатель по описанному набору сценариев — 0,8401. Метрика считает строку ошибочной, если в ней неверен хотя бы один символ, включая пунктуацию. Репозиторий содержит веса в формате safetensors и использует библиотеку PaddleOCR. Лицензия — Apache-2.0.

QandoraExp-7B — языковая модель для генерации текста, созданная bunnycore с помощью слияния нескольких предварительно обученных моделей методом Della через mergekit. В качестве базовой использована Qwen/Qwen2.5-7B; в слияние также вошли Etherll/Qwen2.5-7B-della-test, jeffmeloy/Qwen2.5-7B-nerd-uncensored-v1.0 и fblgit/cybertron-v4-qw7B-MGS. Модель построена на архитектуре Qwen2, содержит 7,1 млрд параметров и имеет контекстное окно до 131 072 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Модель предназначена для диалоговой генерации текста и предоставляет интерфейс для вызова инструментов. В README приведены результаты оценок Open LLM Leaderboard: среднее значение 28,51, IFEval — 75,09 и BBH — 35,92. README не сообщает лицензию, поэтому условия использования по имеющимся данным определить нельзя. Результаты приведённых оценок не гарантируют качество на конкретных задачах; также карточка не описывает отдельные ограничения модели.

JJarvinen/Qwen3.5-2B-EU-Tool-JARVIS-Native-v1 — дообученная текстовая модель разработчика JJarvinen на базе birgermoell/Qwen3.5-2B-EU, созданная с использованием Unsloth и библиотеки TRL. Это плотная авторегрессионная модель семейства Qwen3.5 с 1,7 млрд параметров; она принимает текст и генерирует текст, поддерживает диалоговый режим и интерфейс вызова инструментов. Заявленная длина контекста — 262 144 токена, язык карточки — английский. Модель предназначена для генерации текста в диалогах и сценариях, где требуется задействовать инструменты через соответствующий интерфейс. Веса опубликованы в формате safetensors. Лицензия — Apache-2.0, разрешающая широкое использование при соблюдении её условий.

HauhauCS/Qwen3.6-27B-Uncensored-HauhauCS-Balanced — это модифицированная и квантованная версия базовой модели Qwen/Qwen3.6-27B, подготовленная HauhauCS. Модель распространяется в формате GGUF и ориентирована на мультимодальные сценарии image-text-to-text, включая работу с изображениями и текстом. Заявлена поддержка английского, китайского и других языков. По данным карточки, модель имеет 27 миллиардов плотных параметров; дополнительные сведения о полной архитектуре и размере контекстного окна не указаны. Основное отличие версии Balanced — удаление отказов при сохранении исходных датасетов и возможностей базовой модели. Она предназначена для агентного программирования, использования инструментов, рассуждений, творческого письма и ролевых сценариев. По заявлению автора, модель может подробно рассуждать перед ответом, иногда добавляя краткое предупреждение или контекст безопасности, после чего предоставляет полный ответ. Также заявлена повышенная стабильность генерации в длительных цепочках вызовов инструментов. Эти характеристики основаны на описании автора и приведённом внутреннем тесте с 0 отказов из 465 запросов, поэтому их следует интерпретировать как заявленные, а не независимые результаты. Доступны различные варианты квантования GGUF, включая пользовательские K_P-кванты, оптимизированные с помощью importance matrix; размеры файлов составляют примерно от 10 до 32 ГБ, а для мультимодальности предоставляется отдельный mmproj-файл. Модель совместима с llama.cpp, LM Studio и другими GGUF-совместимыми средами. Рекомендуемый автором вариант Q4_K_P требует около 18 ГБ, а Q8_K_P — около 32 ГБ. Отсутствие встроенных ограничений может быть преимуществом для исследовательских, программных и творческих задач, но одновременно повышает риск небезопасных или нежелательных ответов, поэтому требуется контроль применения. Лицензия — Apache-2.0.

Это квантованные варианты MXFP4 модели Qwen3.6-35B-A3B-uncensored-heretic, опубликованные noctrex в формате GGUF для запуска через llama.cpp. Модель относится к семейству Qwen и использует архитектуру MoE; поддерживает диалог и анализ изображений, принимая текст и изображения и выдавая текст. Модель подходит для диалоговых сценариев, вопросов по изображениям и агентного программирования. Веса экспертов MoE представлены в MXFP4; репозиторий также содержит варианты GGUF BF16, F16 и F32. Для обработки изображений автор рекомендует mmproj в F32. README приводит размеры BF16 и F16 вариантов около 20,55 GiB и Q8 — около 18,88 GiB. Это производная от llmfan46/Qwen3.6-35B-A3B-uncensored-heretic модель с ослабленными отказами. Такая настройка может приводить к ответам на запросы, от которых обычные модели отказываются. Данные о лицензии и длине контекста в предоставленных источниках отсутствуют.

bluehawana подготовил вариант Qwen3.8-27B для MLX с добавленной родной головой multi-token prediction (MTP). Базовые веса побайтно совпадают с конвертацией mlx-community/Qwen3.8-27B-bf16; к ним добавлены 15 тензоров MTP в bf16. Модель содержит 27 млрд параметров и занимает около 55,4 ГБ. Для работы требуется MLX-совместимый runtime с поддержкой нативного MTP speculative decoding, например oMLX с включённой настройкой Lightning MTP. Модель предназначена для генерации текста в диалогах и сценариях кодирования или работы с агентами. По данным README, в однопоточном режиме на M5 Max с 128 ГБ памяти скорость декодирования с MTP составляет 25,9 токена/с против 9,3 токена/с без головы; принятие черновых токенов на задачах кодирования и агентов указано в диапазоне 75–99%. Ускорение зависит от runtime и сценария: MTP рассчитана на один поток, а при параллельных запросах используется обычное пакетное декодирование. Лицензия — Apache-2.0. Указанная в карточке возможность — чат, а основной тег задачи — text-generation. Метаданные описывают базовую Qwen как мультимодальную, однако README этой версии сосредоточен на текстовой генерации и MTP; не следует считать поддержку изображений подтверждённой именно для этого репозитория.

Это дообученная плотная модель для поиска по тексту, подготовленная Steve0927 для соревнования XIR 1170. Она основана на Qwen3-Embedding-0.6B и содержит около 507,6 млн параметров; для векторного представления текста используется архитектура Qwen3. Модель рассчитана на создание эмбеддингов и извлечение релевантных документов в сценариях агентного поиска по фиксированному корпусу, в том числе в задачах формата XIR и BrowseComp-Plus. При обучении применялся метод Trajectory Utility Calibration: строки запросов, положительных и отрицательных примеров из официальных траекторных данных LRAT проверялись и взвешивались с целью снизить влияние слабых положительных примеров и вероятных ложных отрицаний. Модель поддерживает контекст до 32 768 токенов. Карточка указывает английский язык; метаданные относят базовую модель к многоязычным эмбеддинговым моделям Qwen3. Лицензия в предоставленных данных не указана.

Manojb/Qwen-7B-toolcalling-ReSearch-gguf-Q8_0 — локальная языковая модель в формате GGUF, разработанная на базе agentrl/ReSearch-Qwen-7B и упакованная с квантизацией Q8_0 авторами Manojb и mradermacher. Модель основана на Qwen-7B и обучалась с использованием датасета RUC-NLPIR/FlashRAG_datasets. ReSearch — подход, в котором поиск интегрирован в цепочку рассуждений и выбор момента и способа поиска формируется с помощью текстового рассуждения, а результаты поиска влияют на дальнейшие выводы. Модель предназначена для генерации текста, ассистирования в программировании, локального использования и сценариев function calling и tool calling, включая взаимодействие с API-инструментами. Она ориентирована на английский язык и может запускаться через Ollama или другие совместимые средства работы с GGUF. Версия Q8_0 занимает около 8,2 ГБ и рассчитана примерно на 9–12 ГБ VRAM; заявлено отсутствие заметных потерь качества относительно исходной модели. Для этой базовой модели README рекомендует не применять chat completion. К сильным сторонам относятся высокая точность квантизации Q8_0, поддержка локального запуска и специализированная ориентация на вызов инструментов и поиск. Ограничения включают размер модели около 7B параметров, англоязычную заявленную специализацию, необходимость корректного режима работы без chat completion и потребность примерно в 9–12 ГБ VRAM. Модель распространяется по лицензии MIT.

Это преобразованная для RKNN модель визуально-языкового типа на основе OpenDataLab/MinerU2.5-Pro-2604-1.2B, подготовленная RKNNAI для запуска на NPU чипов RK1820 и RK1828. Она предназначена для разбора документов по одному изображению: распознаёт структуру страницы, текст, формулы и таблицы и выдаёт результат в текстовом формате. Исходная модель содержит 1,2 млрд параметров; конфигурации используют квантизацию w4a16 для визуальной и языковой частей и контекст до 8192 токенов. Доступны варианты с разрешением изображения 448×448 и 1036×1036, причём второй рассчитан только на RK1828. Модель подходит для встраивания распознавания документов в приложения на совместимых устройствах RK182x. Она принимает изображение и текстовый запрос и формирует текстовый ответ. Для работы нужны соответствующие RKNN Runtime и драйвер, а для обработки PDF приложению необходимо самостоятельно реализовать полный конвейер разбора. Лицензия исходных весов — Apache License 2.0.

SauerkrautLM-v2-14b-SFT — языковая модель VAGO solutions, дообученная на базе Qwen/Qwen2.5-14B методом Spectrum Fine-Tuning в два этапа. Это плотная авторегрессионная архитектура Qwen2 с 14 млрд параметров и контекстом до 32 768 токенов; репозиторий содержит веса safetensors. Модель предназначена для диалогов и следования инструкциям, генерации текста, математических рассуждений, вызова функций и задач на здравый смысл. Разработчики сообщают об улучшениях математических способностей, работы с функциями и многоязычной генерации. В README явно названы немецкий и английский, а метаданные также перечисляют итальянский, французский, португальский, нидерландский, арабский и испанский. Модель распространяется по лицензии Apache 2.0. Авторы предупреждают, что фильтрация данных не исключает появления неподходящего или некорректного контента; стабильно безопасное поведение не гарантируется.

Taimwe/securecoder-30b-pro-merged — объединённая 16-битная версия SecureCoder LoRA с базовой моделью unsloth/Qwen3-Coder-30B-A3B-Instruct. Это модель генерации текста на архитектуре Qwen3 MoE; метаданные указывают 2,6 млрд параметров и контекст до 262 144 токенов, а README описывает ограничение исходной версии в 2 тыс. токенов. Модель предназначена для генерации и анализа кода, а также вызова инструментов в сценариях разработки и работы с кодовой базой. Модель распространяется в формате safetensors и подходит для загрузки в vLLM, TGI, Transformers и SGLang. README сообщает высокие результаты на тестах вызова инструментов, но низкий результат на проверке здравого смысла кода (6,7%); также указано, что модель не проходила обучение безопасности. Репозиторий содержит версию v1, оставленную для воспроизводимости и старых ссылок; актуальной названа v2. Лицензия — Apache-2.0.

SImi-2B — генеративная языковая модель, разработанная Dakuwon Moody. Это публичное распространение только весов модели SImiModel без исходного кода архитектуры, обучающего кода и полного внутреннего дерева восстановления. Модель предназначена для генерации текста, следования инструкциям, агентских сценариев и использования инструментов, включая задачи с tool use и function calling. Модель представляет собой decoder-only causal language model в стиле Llama, реализованную на JAX/Flax. Она содержит примерно 2,32 млрд параметров, 30 слоёв, скрытую размерность 2560, GQA с 20 query heads и 4 KV heads, RoPE, RMSNorm и SwiGLU. Используется untied token embedding и LM head, токенизатор GPT-2 BPE с 50 257 токенами и максимальная длина последовательности 1024 токена. Вычисления и веса имеют тип bfloat16. В README указан английский язык модели. Сильными сторонами являются обучение на полноразмерных потоках данных для инструкционного, агентского и инструментального использования, а также компактный размер по сравнению с крупными языковыми моделями. Ограничения включают отсутствие поддержки hosted inference, отсутствие исходного кода и несовместимость с Transformers AutoModel.from_pretrained; для восстановления требуются JAX/Flax и специфические процедуры работы с Orbax. Модель обучалась на AMD Instinct MI300X. Распространяется по лицензии Apache-2.0.

SJT-1.5B-Alpha-1.1 — языковая модель на 1,5 млрд параметров, созданная Sakalti слиянием моделей через TIES и Mergekit. В качестве базовой использована Sakalti/Saba1.5-Pro, в слияние также вошла Sakalti/SJT-1.5B-Alpha; архитектура — плотная Qwen2 для причинной генерации текста. Модель предназначена для генерации текста и диалогов, включая сценарии с интерфейсом вызова инструментов. Она принимает текст и выдаёт текст, поддерживает контекст до 131 072 токенов. Репозиторий содержит веса в формате Safetensors; лицензия — Apache-2.0.

STEP3-VL-10B — мультимодальная чат-модель компании StepFun с 10 млрд параметров, основанная на архитектуре StepVLForConditionalGeneration. Она принимает изображения и текст и генерирует текстовые ответы; в README описано совместное обучение визуального энкодера и декодера Qwen3-8B, а также дообучение с учителем и обучение с подкреплением. Модель предназначена для визуального понимания и рассуждений, включая анализ диаграмм и задач STEM, распознавание текста на изображениях, понимание интерфейсов и пространственных сцен. Заявленные сценарии включают ответы на вопросы по изображениям и документам, OCR, подсчёт объектов, решение математических задач по визуальным данным и взаимодействие с GUI. Для многошаговых визуальных задач README описывает последовательное рассуждение SeRe и параллельное исследование PaCoRe. Веса доступны в формате safetensors; карточка рекомендует bf16-инференс и указывает потребность примерно в 24 ГБ видеопамяти. Модель распространяется по лицензии Apache-2.0.

SuperQwen3.8-27b-abliterated-i1-GGUF — набор GGUF-квантизаций мультимодальной модели SuperQwen3.8-27b-abliterated, базовая модель которой разработана Jiunsong. Квантизации подготовлены mradermacher при поддержке nethype GmbH; отдельная благодарность указана nicoboss за вычислительные ресурсы. Модель предназначена для задач image-text-to-text, рассуждений, вызова инструментов и работы с длинным контекстом. Модель имеет около 27 миллиардов параметров, поддерживает обработку текста и изображений, а заявленный размер контекста достигает 262 тысяч токенов. В метаданных указаны английский и корейский языки. Репозиторий содержит варианты с разной степенью квантизации — от i1-Q2_K размером около 11 ГБ до i1-Q6_K размером около 22,5 ГБ, что позволяет выбирать компромисс между размером, скоростью и качеством. Для работы с изображениями могут потребоваться отдельные mmproj-файлы из статического репозитория. Сильные стороны модели — мультимодальность, длинный контекст, поддержка reasoning и tool-calling, а также широкий выбор GGUF-вариантов для локального запуска. Ограничения включают неизбежные потери качества при низкой квантизации, необходимость совместимого программного обеспечения для GGUF и возможную потребность в дополнительных файлах для обработки изображений. Лицензия — Apache-2.0.

Swift-Qwen3.8-27B-Uncensored-NVFP4-LocalHessian-ActivationHeadroom-NInfer — мультимодальная модель, разработанная на базе d0xin/Swift-Qwen3.8-27B-Uncensored-BF16 и распространяемая в формате NInfer. Это квантованная сборка семейства Swift-Qwen3.8 с поддержкой текстовых и визуальных входов, рассуждений, агентских сценариев, вызова инструментов и длинного контекста. Модель позиционируется как версия с существенно сниженным количеством отказов, однако это также уменьшает встроенную фильтрацию безопасности. Архитектура использует смешанную точность: MLP-слои 0–55 работают в NVFP4 W4A4, остальные MLP-слои, проекции self-attention и linear-attention/GDN, эмбеддинги и LM head — в row-wise FP8, а GDN a/b — в BF16. Калибровка выполнена с помощью NVIDIA ModelOpt Local-Hessian, activation headroom и подбора FP8-масштабов. Размер модели — 27B параметров; точный набор поддерживаемых языков в README не указан. По заявленным измерениям на NVIDIA RTX PRO 6000 Blackwell сборка обеспечивает на 20,4–26,6% более высокую скорость декодирования, на 33,8–38,2% более высокую скорость prefill и на 15,1% меньшее потребление VRAM по сравнению с FP8. На фиксированной выборке MMLU-Pro она показала 80,36% точности при рекомендованном thinking budget 2048, но результаты зависят от оборудования и конфигурации. Рекомендуется использовать NInfer с NVIDIA Blackwell sm_120a; работа на RTX 5090 ожидается, но непосредственно автором не проверялась. Лицензия — Swift Open License 1.0.

TRivia-3B — мультимодальная модель для распознавания и разбора таблиц, разработанная OpenDataLab на основе Qwen2.5-VL-3B-Instruct с помощью метода self-supervised fine-tuning TRivia. Она принимает изображения таблиц и преобразует их структуру в последовательность тегов OTSL. Модель рассчитана на работу с цифровыми таблицами, сканами и фотографиями. По данным карточки, она содержит 3,1 млрд параметров, использует архитектуру Qwen2.5-VL и поддерживает контекст длиной до 128 тыс. токенов. Для инференса README описывает запуск через vLLM, включая развёртывание сервера с OpenAI-совместимым API. В README заявлены высокие результаты на нескольких реальных бенчмарках распознавания таблиц, однако численные результаты в предоставленном тексте отсутствуют. Лицензия в предоставленных данных не указана.

XAgentLlama-7B-preview — экспериментальная генеративная модель текста, разработанная XAgentTeam на основе Code Llama 7B и дообученная для работы с XAgent. Авторы сообщают, что использовали около 300 тысяч примеров и 48 ускорителей A100; модель содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 16 384 токенов. Модель предназначена для генерации и дополнения кода, выполнения инструкций и вызова функций в формате XAgentGen. Для наилучшей работы её следует использовать с XAgentGen и специальным форматом вызова функций. Она принимает и выдаёт текст; заявленная языковая область — английский и языки программирования. Это предварительная версия, и авторы предупреждают, что её качество не является финальным. Как и другие языковые модели, она может генерировать неточные или нежелательные ответы, поэтому перед применением в продукте требуется проверка под конкретный сценарий. Условия использования регулируются лицензией Meta для Llama 2.

T145/ZEUS-8B-V11 — языковая модель, созданная разработчиком T145 слиянием нескольких предварительно обученных моделей с помощью mergekit и метода DARE TIES. В качестве базовой использована T145/KRONOS-8B-V1-P3, в слияние также вошли Llama-3.1-Storm-8B, Llama-3.1-8B-Lexi-Uncensored-V2 и Llama-3.1-SuperNova-Lite. Модель предназначена для генерации текста и диалоговых сценариев; интерфейс также поддерживает вызов инструментов. Это плотная Llama-архитектура с 7,5 млрд параметров и контекстом до 131 072 токенов. Доступна в формате safetensors для Transformers. В README приведены результаты Open LLM Leaderboard, включая 81% на IFEval и 31,21% на BBH; эти оценки отражают отдельные тесты и не гарантируют качество для конкретных запросов. Лицензия в доступных данных не указана. Включение uncensored-варианта среди исходных моделей может влиять на фильтрацию ответов; не следует считать её ответы проверенными или безопасными без собственной оценки.

Карточка модели PS4Research/9DgDaWTmX85XRwSq 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.