I.14Автоматизация процессов и AI-агенты

Llama-xReadable-11B-zhTW-OCR-v3 — модель оптического распознавания символов для традиционного китайского языка Тайваня, разработанная облачной компанией 云碩科技 (xCloudinfo) на базе Meta Llama 3.2 11B Vision Instruct. Это плотная мультимодальная модель семейства mllama с возможностью диалога и анализа изображений; она принимает изображения документов и выдаёт распознанный текст. Модель дообучена для печатных и сканированных документов, квитанций, заметок и смешанного китайско-английского текста; результат нормализуется в традиционное китайское письмо. В оценках на шрифтах, не встречавшихся при обучении, модель показала низкую долю посимвольных ошибок на печатном тексте. Распознавание рукописей остаётся экспериментальным и требует проверки человеком; бледный или неразборчивый почерк распознаётся хуже. Для таблиц и сложной разметки рекомендуется предварительно разделить изображение на строки или ячейки. Английские фрагменты поддерживаются, но данных для них меньше. Модель распространяется в формате bf16 safetensors по лицензии Llama 3.2; для запуска подходят Transformers и vLLM, требуется около 21 ГБ для весов и рекомендуется GPU с 24 ГБ видеопамяти или больше.

Это LoRA-адаптер для классификации текста на базе bert-base-uncased, опубликованный как часть проекта semantic-router. Модель дообучена для многозадачной классификации и рассчитана на применение в маршрутизации текстовых запросов; в README приведён пример пакетной классификации через semantic-router. Адаптер использует ранг 16 и alpha 16, а архитектура — BERT для классификации последовательностей. Репозиторий оптимизирован для работы с библиотекой Candle на Rust и содержит веса в формате safetensors. Общее число параметров базовой модели — 136,7 млн, контекст ограничен 512 токенами; основным языком карточки указан английский. Лицензия — Apache-2.0.

Sakalti/mine-3B — диалоговая языковая модель Sakalti на архитектуре Qwen2, дообученная на базе Sakalti/light-3b-beta. Она предназначена для генерации текста в чат-сценариях; в метаданных также отмечен интерфейс вызова инструментов. Модель содержит 3,1 млрд параметров, принимает текст и имеет контекстное окно до 131 072 токенов. Карточка сообщает, что обучение выполнялось с Unsloth и библиотекой TRL. Репозиторий содержит веса в формате safetensors. Лицензия в README указана как Apache-2.0, тогда как метаданные классифицируют её как other.

aemmeath/MiniCPM5-Astra — дообученная автором aemmeath языковая модель на базе aemmeath/MiniCPM5-Aether. Это плотная модель архитектуры Llama с 2,2 млрд параметров, предназначенная для генерации текста и диалоговых ассистентов; в метаданных также отмечен интерфейс для вызова инструментов. Модель принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов и английский язык. Модель обучена с использованием Unsloth и библиотеки TRL от Hugging Face. Она распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специализированную предметную область или дополнительные гарантии качества.

amd/MiniMax-M2.7-MXFP4 — текстовая языковая модель MiniMax M2.7, разработанная MiniMax и оптимизированная AMD. Модель принимает текст и генерирует текст, предназначена для задач генерации и обработки естественного языка, включая сценарии с рассуждениями и вызовом инструментов. Указан английский язык; дополнительные языки в карточке не заявлены. Модель реализована на архитектуре MiniMaxM2ForCausalLM и представляет собой статически квантизованную версию amd/MiniMax-M2.7-BF16. Веса и активации квантизованы в формате OCP MXFP4 с использованием AMD-Quark: для весов применяется статическая, а для активаций — динамическая квантизация. Поддерживаются аппаратные платформы AMD MI350 и MI355, ROCm 7.2.1, PyTorch 2.10.0 и Linux. Для инференса указаны SGLang и vLLM; конфигурация также поддерживает tensor parallelism, выбор инструментов и парсеры MiniMax для вызова инструментов и рассуждений. Размер модели и длина контекста не указаны. Сильной стороной является существенное снижение точности представления при сохранении качества: на GSM8K модель получила 91,89 против 91,81 у исходной MiniMaxAI/MiniMax-M2.7, что соответствует восстановлению 100,09% результата. Ограничения включают зависимость от совместимого оборудования AMD и программного стека, а также отсутствие данных о качестве на других задачах, полном наборе языков и контекстном окне. Лицензия модифицированная MIT с некоммерческим использованием; коммерческое использование требует предварительного письменного разрешения MiniMax и соблюдения дополнительных условий.

mmBERT-32K PII Detector (Merged) — модель для обнаружения и классификации персональных данных в тексте, разработанная для семейства vLLM Semantic Router. Она дообучена на базе llm-semantic-router/mmbert-32k-yarn и предназначена для выделения сущностей вроде имён, адресов электронной почты и телефонов, адресов, платёжных реквизитов, идентификаторов и других типов PII. Модель использует плотную архитектуру ModernBERT с 306,9 млн параметров и поддерживает контекст до 32 768 токенов. Она принимает текст и возвращает метки для токенов; репозиторий содержит веса safetensors и ONNX. В README приведены отдельные показатели точности для некоторых типов сущностей, включая 98,7% для имён и 84% для номеров кредитных карт. Модель подходит для поиска и разметки чувствительных данных в документах и текстовых потоках, в том числе как компонент маршрутизации запросов в vLLM Semantic Router. Лицензия — MIT. Приведённые показатели относятся лишь к отдельным типам PII; карточка не описывает качество по остальным классам или языкам, поэтому полноту обнаружения в конкретной задаче следует оценивать отдельно.

MN-SlushoMix — разговорная языковая модель семейства Mistral, представленная автором как смесь MN-Slush и NemoMix Unleashed. По метаданным, это плотная модель с архитектурой MistralForCausalLM объёмом 12,1 млрд параметров, предназначенная для генерации текста и диалогов. Указаны интерфейс вызова инструментов и контекстное окно до 1 024 000 токенов. Модель основана на mistralai/Mistral-Nemo-Instruct-240; карточка упоминает смесь моделей, а метаданные классифицируют её как дообучение. Данные не уточняют поддерживаемые естественные языки или сравнительное качество. Репозиторий содержит веса safetensors; README также упоминает GGUF. Лицензия в предоставленных сведениях не указана.

Mythos-9B-Unhinged — языковая модель примерно на 9 млрд параметров, разработанная King3Djbl. Данный репозиторий содержит её квантизированные версии в формате GGUF, подготовленные mradermacher с использованием imatrix-квантования. Модель ориентирована на англоязычную генерацию текста, ролевые сценарии, программирование, работу с агентами, вызов функций и инструментов, а также взаимодействие с shell-командами. В описании также заявлены режимы без отказов и использование в FableForge, LM Studio, llama.cpp и Ollama, однако подробности обучения и результаты тестирования не приведены. Архитектура, точное число параметров, поддерживаемый размер контекста и дополнительные модальности в README не указаны; по имеющимся данным это текстовая модель без заявленной поддержки изображений или аудио. Доступны варианты GGUF с разными уровнями квантования и размером примерно от 2,2 до 6,8 ГБ. Более компактные варианты требуют меньших ресурсов, но могут заметно терять в качестве; автор рекомендует i1-Q4_K_M как быстрый вариант, а i1-Q4_K_S характеризует как оптимальный баланс размера, скорости и качества. Модель подходит для локального запуска и задач, где важны ролевое взаимодействие, генерация кода и использование инструментов. Ограничения включают неизвестные параметры контекста, отсутствие опубликованных бенчмарков и вероятное ухудшение качества у низкобитных квантов. Указанная лицензия — Apache-2.0.

OpenThinkerAgent-8B-RL — модель для программной разработки и агентных задач от проекта OpenThoughts-Agent. Это финальный чекпойнт рецепта SFT→RL: модель Qwen3-8B сначала прошла холодное SFT-обучение, затем дообучалась методом обучения с подкреплением на задачах из OpenThoughts-Agent-RL-5K. В метаданных указаны 7,6 млрд параметров, архитектура Qwen3ForCausalLM и контекстное окно 40 960 токенов; веса опубликованы в формате safetensors, библиотека — Transformers. Модель предназначена для работы в среде terminus-2 как агент, который использует терминал, анализирует его вывод и выполняет задачи программной инженерии. Обучение с подкреплением проводилось на задачах набора pymethods2test-large, где решения проверялись тестами в изолированной среде. Лицензия — Apache-2.0. Модель может ошибаться в рассуждениях и командах, включая команды оболочки. Её обучение было ориентировано на распределение задач pymethods2test/SWE-Smith, поэтому качество на других типах задач может быть неравномерным; проверенные результаты бенчмарков для этого чекпойнта не опубликованы.

Ornith-1.5-35B-A3B-Abliterated — вариант модели ornith-ai/Ornith-1.5-35B-A3B, подготовленный разработчиком alztrk. В модели выполнено удаление направлений отказа из активаций скрытых состояний, после чего опубликованы checkpoint Safetensors и набор динамических квантованных сборок GGUF. Модель предназначена для диалоговой генерации текста и запуска через совместимые инструменты, включая llama.cpp и Ollama. Архитектура основана на MoE с 35,8 млрд параметров, из которых около 3,1 млрд активны на токен; в ней 256 экспертов и 40 гибридных слоёв с линейным вниманием DeltaNet и полным вниманием. Родной контекст составляет 262 144 токена. В репозитории есть варианты GGUF Q3_K_M, Q4_K_M и Q5_K_M с динамической квантовкой, а также полноточные веса Safetensors. Метаданные указывают английский, турецкий и китайский языки, а также интерфейс вызова инструментов. Удаление отказов делает модель менее склонной отклонять запросы, но само по себе не гарантирует корректность ответов или безопасное использование. Квантованные варианты требуют меньше памяти, чем полноточные веса, при этом квантование может снижать точность. Лицензия репозитория — Apache-2.0.

Ornith-1.5-9B-OBLITERATED — модифицированная версия Ornith-1.5-9B, разработанного DeepReinforce. Модель доработана проектом OBLITERATUS и собрана Pliny the Prompter с применением precision abliteration surgery — удаления поведенческих направлений, связанных с отказами на потенциально опасные запросы. Она предназначена для генерации текста, программирования, рассуждений, исследовательских задач в области alignment и red teaming, а также агентских сценариев и автоматизации. Модель содержит около 9 млрд параметров и использует гибридную архитектуру Qwen3.5 с Gated DeltaNet и полными attention-слоями; редактированию подверглись все 32 трансформерных слоя. Заявлен английский язык, поддерживаются обычный и thinking-режимы, а также текстовая генерация. В репозитории доступны полноточные bf16-веса и варианты GGUF размером от Q2_K до Q8_0; для максимального сохранения характеристик рекомендуются Q8_0 и Q6_K. Указан контекст размером 8192 токена для примера запуска через llama.cpp, однако общий максимальный контекст README явно не подтверждает. Сильной стороной является существенно сниженная склонность к отказам при сохранении возможностей программирования, рассуждений и базовых агентских задач: в приведённых тестах модель показала 3/3 в генерации кода и 5/6 в тесте связности длинного контекста. Ограничения включают падение MMLU примерно на 4 процентных пункта относительно базовой модели, возможные дополнительные отказы в низкобитных квантизациях, частично ухудшенное function calling и риск галлюцинаций в сложных химических и синтетических сценариях. Модель распространяется по лицензии MIT; из-за удаления защитных ограничений результаты требуют независимой проверки и ответственного применения.

PaddleOCR-VL-1.6-Bangla — дообученная Hasanmdsadadul на базе PaddlePaddle/PaddleOCR-VL-1.6 модель для распознавания печатных документов на бенгальском и английском языках. Она принимает изображения и возвращает извлечённый текст; в режиме Spotting также выдаёт строки текста с координатами ограничивающих рамок. Модель предназначена для сканов и изображений счетов, выписок, форм, писем и книг. Архитектура PaddleOCR-VL — мультимодальная модель с плотными весами, около 318,2 млн параметров и контекстом до 131 072 токенов. По оценке авторов, на тестовых наборах печатного текста модель существенно снижает частоту ошибок относительно базовой версии; формат запросов и ответов совместим с базовой моделью. Выпущена как объединённые веса, LoRA-адаптер и версия GGUF. Лицензия — CC BY-SA 4.0. На рукописном тексте качество заметно ниже: около 31% ошибок на символ на отложенных данных, поэтому модель для него не рекомендуется. Для отдельных слов из реальных документов указана частота ошибок около 10%; тестирование на размеченном наборе реальных деловых документов не проводилось. Извлечённые суммы и даты следует проверять перед использованием.

FesarovLab выпустила Parable-Nanbeige4.2-3B-Claude-Fable-5-heretic — диалоговую модель на архитектуре Nanbeige с 3,2 млрд параметров, полученную подавлением отказов в дообученной модели AnkitAI/Parable-Nanbeige4.2-3B-Claude-Fable-5. Для этого применена абляция направлений отказа и ортогонализация весов с помощью Heretic; автор репозитория указывает, что саму базовую модель не обучал. Модель предназначена для генерации ответов, рассуждений и вызова инструментов в диалоговых сценариях. Она принимает текст и выдаёт текст, поддерживает английский и китайский языки, а её заявленное окно контекста составляет 262 144 токена. В проверках автора доля отказов снизилась с 99 до 8 на 100 тестовых запросов, а результаты MMLU и GSM8K остались близки к исходной модели. Сохранены структурированные блоки рассуждений, JSON и формат вызова инструментов. Для работы требуется Transformers 4.57.x и trust_remote_code=True; на Transformers 5.x, согласно README, генерация работает некорректно. Полное окно контекста требует около 45 ГБ памяти KV-кэша, а качество на контекстах длиннее 32 тысяч токенов не оценивалось. Подавление отказов намеренное, поэтому контроль выдачи должен обеспечиваться при развёртывании. Лицензия — Apache 2.0.

POINTS-Reader — модель компьютерного зрения и языка из семейства WePOINTS для преобразования изображений документов в текст. Она построена по структуре POINTS1.5: использует визуальный энкодер NaViT на 600 млн параметров и Qwen2.5-3B-Instruct вместо Qwen2.5-7B-Instruct. Модель принимает изображение документа с фиксированным запросом и выдаёт извлечённый текст без дополнительной постобработки. Модель предназначена для сквозного извлечения текста из англоязычных и китайских документов. Авторы сообщают результаты на OmniDocBench: 0,133 для английских и 0,212 для китайских документов. Для инференса описана поддержка Transformers и SGLang; авторы отмечают, что увеличение разрешения изображения может помочь при повторяющемся выводе. Модель с трудом обрабатывает сложную вёрстку, например газетные полосы, и рукописные документы: возможны пропуски, повторы и ошибки распознавания. Другие языки, кроме английского и китайского, не поддерживаются. Лицензия — Apache-2.0.

PP-DocBlockLayout — модель PaddlePaddle для локализации областей контента в документах. Она обучена на собственном наборе данных с китайскими и английскими научными статьями, презентациями, журналами с разными макетами, договорами, книгами, экзаменами, старинными книгами и исследовательскими отчётами. В основе архитектуры лежит RT-DETR-L; модель определяет один класс объектов — Region. Модель предназначена для обнаружения блоков в изображениях документов как этапа анализа макета и обработки документов. В карточке указана mAP@0.5 95,9% на собственной тестовой выборке из изображений статей, журналов, газет, отчётов, презентаций, экзаменационных работ и учебников. Модель распространяется по лицензии Apache-2.0.

PP-DocBlockLayout — модель PaddlePaddle для локализации блоков в документах. Она обучена на самостоятельно собранном наборе китайских и английских научных статей, презентаций, журналов, договоров, книг, экзаменационных материалов и исследовательских отчётов. В основе лежит RT-DETR-L; модель обнаруживает одну категорию — область документа. Модель предназначена для поиска областей на страницах документов перед последующей обработкой, например OCR или анализом структуры. В README приведён результат mAP@0.5 95,9% на внутреннем тестовом наборе изображений документов; этот показатель относится к указанному набору и не гарантирует аналогичное качество на других типах данных. Репозиторий содержит веса в формате safetensors, библиотека — PaddleOCR. Лицензия Apache-2.0.

PP-OCRv4_mobile_rec — модель распознавания строк текста из серии PP-OCRv4_rec, разработанная командой PaddleOCR. Она принимает изображения отдельных текстовых строк и возвращает распознанный текст; её можно использовать как модуль распознавания в конвейере OCR вместе с обнаружением текста и, при необходимости, коррекцией ориентации или деформации изображения. Модель рассчитана на обычные сценарии распознавания китайского и английского текста, с основным акцентом на китайский. PP-OCRv4 развивает PP-OCRv3: в серии оптимизированы данные, структура сети и стратегия обучения. В метаданных размер и численная архитектура не приведены. Модель распространяется по лицензии Apache-2.0. README отмечает, что оценка точности строки засчитывает её как ошибочную при неверном распознавании хотя бы одного символа, включая пунктуацию. Описанная модель распознаёт текстовые строки, а для полноценного OCR-конвейера нужны дополнительные модули, в частности обнаружение текста.

PP-OCRv4_mobile_seal_det — мобильная модель обнаружения текста на печатях из семейства PP-OCRv4, разработанного PaddlePaddle. Она находит области с текстом на изображениях печатей и рассчитана на эффективное развертывание на конечных устройствах. Модель предназначена для использования как модуль в конвейере распознавания текста на печатях; распознавание найденного текста выполняет отдельная модель. В тесте PaddleX Custom Test Dataset, включавшем 500 изображений круглых печатей, модель показала Hmean 96,47%. Репозиторий указывает библиотеку PaddleOCR и лицензию Apache-2.0. Поддержка языков в карточке обозначена тегами en и zh; данных о размере модели и длине контекста нет.

PP-OCRv6_tiny_rec — компактная модель распознавания текста на изображениях из семейства PaddleOCR, разработанная PaddlePaddle. Она предназначена для извлечения текста из уже выделенных строк или фрагментов изображения и может использоваться как модуль распознавания в OCR-конвейерах для документов, экранов и промышленных изображений. Модель построена на LCNetV4 с прямой проекцией reshape и многоголовочным декодером CTC+NRTR. По README, она содержит 1,1 млн параметров и поддерживает 49 языков; карточка указывает английский и китайский. Репозиторий содержит веса в формате safetensors, а для работы используется библиотека PaddleOCR. Компактный размер подходит для сценариев, где важны лёгкое развёртывание и распознавание текста в разнообразных визуальных условиях. Это модель распознавания текста, а не полный OCR-конвейер: для обнаружения текстовых областей могут понадобиться отдельные компоненты. Лицензия — Apache-2.0.

Cyronius создал Qwen3.6-27B-A2.8B — производную модель Qwen3.6-35B-A3B для диалоговой генерации текста и вызова инструментов на CPU и встроенной графике. Разработчик удалил 10 из 40 слоёв базовой модели, дообучил оставшуюся модель с помощью LoRA для восстановления качества и подготовил сборки GGUF; в репозитории также указаны файлы safetensors. В модели 26,2 млрд параметров, из которых активно 2,83 млрд на токен, и 30 слоёв. В GGUF-сборках сохранена голова MTP для спекулятивного декодирования через llama.cpp. Модель рассчитана на быстрый локальный запуск на оборудовании с общей памятью без дискретной видеокарты. Доступны сбалансированная сборка Q4_K_M и более компактная IQ3_S для экспертов с Q4_K для выходного слоя; последняя быстрее и меньше, но может уступать в точности. В тестах авторов сбалансированная сборка показала хорошие результаты на вызове инструментов, однако точность GSM8K и perplexity уступают базовой модели. Проверка проводилась на небольших внутренних наборах и может не отражать качество на других задачах. Лицензия — Apache-2.0.

Мультимодальная диалоговая модель Qwen3.5, дообученная stavh2001 на базе stavh2001/qwen3.6-27b-merged_28_05. Она предназначена для диалогов с текстовыми и визуальными входными данными; поддерживает вызов инструментов. В метаданных указаны архитектура Qwen3_5ForConditionalGeneration и формат safetensors. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель распространяется по лицензии Apache-2.0.

LuffyTheFox/Qwen3.6-35B-A3B-Uncensored-Genesis-Hermes-V12-GGUF — мультимодальная модель в формате GGUF, основанная на HauhauCS/Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive. В модель также перенесены данные дообучения DJLougen/hermes-qwen3.5-35b-a3b-GGUF на наборе NousResearch/hermes-function-calling-v1, что ориентирует её на агентские сценарии и вызов функций. В README указаны поддержка текста и изображений, языки English, Chinese и multilingual, а также архитектура MoE с 35B общих параметров и 3B активных параметров. Размер контекста не указан. Модель предназначена для диалогов, генерации текста, мультимодального анализа, программирования и задач, где требуется следование инструкциям, использование инструментов и функция вызова. Заявлена как uncensored-модель с отсутствием отказов в приведённом автором тесте 0/465; это может быть преимуществом для менее ограниченных сценариев, но одновременно повышает риски генерации небезопасного или нежелательного контента. Для работы рекомендуется использовать соответствующий chat template, включить thinking, применять F16 для K/V-cache, максимально задействовать GPU и настроить CPU offload MoE-слоёв. Автор заявляет, что применил собственный метод Genesis — численную обработку весов GGUF на основе статистического анализа и закона Марченко—Пастура, без обычного обучения или дообучения. Эти заявления и описанные улучшения стабильности, ясности контекста и следования инструкциям не сопровождаются независимыми бенчмарками в представленном README, поэтому их следует воспринимать как авторскую характеристику. Модель распространяется по лицензии Apache-2.0.

Guilherme34/Reasoner-Hermes3-70b — языковая модель семейства Llama, представленная в формате safetensors и рассчитанная на генерацию текста в диалоговом режиме. В карточке приведён пример системного промпта, задающего ассистенту имя и стиль ответа; метаданные также указывают интерфейс для вызова инструментов. Модель содержит 69,5 млрд параметров и поддерживает контекст длиной до 131 072 токенов. В метаданных указан датасет Guilherme34/Reasoner-dataset-v2, но сведения о способе обучения и базовой модели отсутствуют, поэтому происхождение модели установить нельзя. README не описывает языки, качество рассуждений или специализированные области применения. Лицензия в предоставленных данных не указана. Для практического применения стоит проверить совместимость формата и доступных ресурсов с выбранной средой запуска.

Pictograph receipt-detection — модель компьютерного зрения для обнаружения чеков, разработанная и опубликованная Pictograph. Она построена на архитектуре YOLOX-M, принимает изображения размером 640×640 и распространяется в формате ONNX с точностью FP32. Модель предназначена для поиска рамки чека на изображении; в её наборе классов указан только класс receipt. В README заявлены mAP 87,2%, mAP@50 100% и recall 87,5%. Модель можно запускать через Pictograph SDK, ONNX Runtime или размещённые сервисы Pictograph. Репозиторий распространяется по лицензии Apache 2.0.

Reelva 12B — разговорная модель-компаньон с 12 млрд параметров, разработанная VVO Labs / Hagoiteknologi Indonesia в Паланкарае, Индонезия. Она построена на архитектуре Gemma4 Unified и распространяется в формате safetensors; веса получены посредством supervised fine-tuning с QLoRA и последующего слияния адаптера с моделью.

Solshine/reflection-llama-3.1-8B-Solshine-Full — языковая модель Solshine на архитектуре Llama, дообученная от Solshine/reflection-llama-3.1-8B-Solshine-trainround4-16bit с использованием Unsloth и библиотеки TRL. Модель содержит 7,5 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие; заявленная длина контекста — 131 072 токена. Модель может применяться для генерации ответов в чате и работы с интерфейсом вызова инструментов. В карточке указана поддержка английского языка. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache 2.0.

Jean-Baptiste разработал эту модель распознавания именованных сущностей на английском языке: она основана на RoBERTa-large и дообучена на датасете CoNLL-2003. Модель размечает токены текста категориями PER (имена людей), ORG (организации), LOC (места), MISC (прочие сущности) и O (токены вне сущностей); префиксы B- и I- в исходной схеме CoNLL-2003 объединены. Модель рассчитана на извлечение сущностей из английских текстов, в том числе писем, чатов и неформальных обсуждений. В README сообщается, что на данных такого типа она лучше распознавала сущности, начинающиеся со строчной буквы. На проверочной выборке CoNLL-2003 указана общая F1-оценка 0,9753; на частном наборе писем и чатов показатели ниже, особенно для организаций. Архитектура — RobertaForTokenClassification, размер — 454,1 млн параметров, длина контекста — 514 токенов. Доступны версии в форматах PyTorch, TensorFlow и ONNX, включая веса Safetensors. Лицензия — MIT.

RT-DETR-L_wireless_table_cell_det_safetensors — модуль обнаружения ячеек таблиц на изображениях из семейства RT-DETR, опубликованный PaddlePaddle для использования в PaddleOCR. Он находит области ячеек и возвращает их ограничивающие рамки, которые затем можно передать в конвейер распознавания таблиц для дальнейшей обработки. Карточка указывает, что заявленная точность получена при совместном тестировании с модулем RT-DETR-L_wired_table_cell_det. Модель распространяется в формате safetensors по лицензии Apache-2.0.

SauerkrautLM-ColQwen3-1.7b-Turbo-v0.1 — мультиязычная модель визуального поиска по документам от VAGOsolutions, основанная на Qwen3-VL-2B. Это ColQwen3 с многовекторным представлением и поздним взаимодействием: модель кодирует изображения страниц и текстовые запросы, чтобы находить релевантные документы с учётом макета, таблиц, форм и диаграмм без отдельного OCR-конвейера. Модель уменьшена структурным прореживанием и восстановлена обучением на mMARCO, а затем настроена для поиска по документам. В ней около 1,7 млрд параметров и размерность эмбеддингов 128; автор сообщает о снижении объёма параметров на 23% относительно версии на 2,2 млрд. В README приведены результаты ViDoRe v1: NDCG@5 88,89; также указаны результаты MTEB и ViDoRe v3. Метаданные указывают поддержку английского, немецкого, французского, испанского, итальянского и португальского языков. Модель принимает изображения и текстовые запросы, а выдаёт многовекторные представления для ранжирования документов. Лицензия — Apache-2.0. Подходит для визуального поиска по PDF и сканированным документам, включая поиск по содержимому, где важны структура страницы и визуальный контекст. Заявленные результаты основаны на бенчмарках; качество может различаться на других наборах документов и запросов. Для работы требуется совместимая реализация ColPali/ColQwen3 или Sentence Transformers с поддержкой многовекторного поиска.

TextSynth-4B-0926 — разговорная языковая модель, разработанная theprint на основе unsloth/qwen3-4b-instruct-2507-unsloth-bnb-4bit. Это плотная модель архитектуры Qwen3 с 3,7 млрд параметров, дообученная для генерации текста и диалогов; в метаданных также указана возможность работы с интерфейсом вызова инструментов. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно до 262 144 токенов. Модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL на датасете theprint/Hemispheres-v0.3-Combo-GPT. Подходит для диалоговых приложений и генерации ответов на английском языке. Репозиторий содержит веса safetensors; лицензия — Apache-2.0.