I.14Автоматизация процессов и AI-агенты

Typhoon2.5-Qwen3-30B-A3B — инструктивная языковая модель, разработанная OpenTyphoon для генерации ответов на тайском и английском языках. Она предназначена для диалогов, следования инструкциям и вызова инструментов в приложениях на основе чат-моделей. Модель построена на архитектуре Qwen3 как декодерная Mixture-of-Experts с 30 млрд параметров и примерно 3 млрд активных параметров. Она поддерживает контекст до 256 тыс. токенов и доступна в формате safetensors для Transformers. Указана лицензия Apache 2.0; для использования README также требует принять условия OpenTyphoon и ознакомиться с уведомлением о конфиденциальности. Модель ещё находится в разработке. Несмотря на защитные ограничения, ответы могут быть неточными, предвзятыми или нежелательными, поэтому её следует оценивать с учётом конкретного сценария применения.

Unlimited-OCR-Community-FP8-Dynamic — неофициальная общественная FP8-квантизованная версия модели baidu/Unlimited-OCR, разработанной Baidu. Квантизацию выполнила ShadowRock, автор — Matt Busi. Модель предназначена для OCR и структурированного разбора документов по изображениям, включая счета, служебные записки и табличные отчёты, с поддержкой координат областей текста. Это мультимодальная vision-language модель размером 3,34 млрд параметров с MoE-архитектурой в стиле DeepSeek-V2. Она использует визуальный тракт на базе SAM-ViT-B и CLIP-L DeepEncoder с проектором, а также текстовый декодер. Применена схема FP8_DYNAMIC W8A8: веса линейных слоёв текстового декодера квантизованы в FP8, активации масштабируются динамически; визуальный тракт, эмбеддинги, выходная голова, маршрутизаторы MoE и нормализации сохранены в BF16. Заявлена мультиязычность, однако конкретный перечень языков и размер контекста в README не указаны. Основные преимущества версии — уменьшение размера чекпойнта с 6,7 до 3,9 ГБ и поддержка нативного FP8-выполнения на GPU Ada, Hopper и Blackwell. На небольшом наборе синтетических документов результаты жадного OCR совпали с BF16-базой посимвольно: CER составил 0,0 для всех тестовых примеров. Измеренная скорость декодирования — около 39,4 токена в секунду на RTX 5070 Ti с vLLM 0.26.0, что ниже показателя BF16 45,3 токена в секунду. Полноценные гарантии качества на реальных данных, ограничения по разрешению, контексту и языкам README не описывает. Модель распространяется по лицензии MIT. Это community-сборка, не официальный релиз Baidu; изменена числовая точность весов текстового декодера, поэтому совместимость и качество следует проверять в целевой конфигурации. Для запуска указана интеграция с Transformers и vLLM, требуется разрешение удалённого кода.

xb3b-1.0 — диалоговая текстовая модель, разработанная xgmab123 на базе unsloth/Llama-3.2-3B-Instruct и дообученная с помощью Unsloth и TRL. Модель использует плотную архитектуру LlamaForCausalLM и содержит 3,2 млрд параметров; её контекстное окно — 131 072 токена. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на запросы и использование в приложениях с интерфейсом вызова инструментов. В метаданных указан английский язык. Репозиторий содержит веса PyTorch. Лицензия — Apache-2.0.

YAYI-UIE — плотная авторегрессионная языковая модель семейства YAYI UIE, разработанная командой YAYI и опубликованная wenge-research. Модель содержит 13,3 млрд параметров и дообучена инструктивно на миллионах искусственно созданных высококачественных примеров для унифицированного извлечения информации: распознавания именованных сущностей, извлечения отношений и извлечения событий. Модель предназначена для преобразования текста в структурированные результаты, например JSON с сущностями, отношениями или аргументами событий. В карточке описаны сценарии из общих и специализированных областей, включая финансы, биологию, медицину, бизнес, транспорт, промышленность и науку. README приводит примеры оценки на китайских и английских наборах данных; основной акцент модели — китайский язык. Указаны ограничения: извлечённые сведения могут содержать фактические ошибки, модель слабо распознаёт вредоносные инструкции, а качество на длинных текстах уровня абзаца требует улучшения. Лицензия в метаданных и карточке — Apache-2.0, однако README отдельно требует использовать модель и производные только в исследовательских целях и запрещает коммерческое и вредоносное применение.

arnabdhar/YOLOv8-nano-aadhar-card — дообученная модель обнаружения объектов на базе YOLOv8 nano, опубликованная пользователем arnabdhar. Она находит на изображениях карт Aadhaar области с номером Aadhaar, датой рождения, полом, именем и адресом, выдавая рамки и метки классов; обнаруженные области текста можно передать следующему этапу для распознавания или извлечения данных. Модель предназначена для автоматизации ввода данных, проверки документов и выявления подделок в сценариях обработки карт Aadhaar. Модель реализована на PyTorch и рассчитана на обработку изображений. В README указано дообучение на наборе данных из Roboflow Universe. Лицензия репозитория — Apache-2.0. Карточка не описывает OCR-распознавание содержимого внутри найденных областей, поэтому для получения текстовых значений может потребоваться отдельный распознаватель.

Zurich 14B GammaCorpus v2-1m — языковая модель rubenroy, дообученная на наборе структурированных многоходовых диалогов GammaCorpus v2-1m на базе Qwen/Qwen2.5-14B-Instruct. Она предназначена для диалогов и генерации текста, в том числе структурированных ответов и взаимодействия через интерфейс вызова инструментов. Модель использует плотную архитектуру Qwen2 с причинным языковым моделированием, содержит 14 млрд параметров и имеет контекстное окно 32 768 токенов. Для запуска используется библиотека Transformers; в карточке указано, что рекомендуется её актуальная версия. Модель ориентирована на англоязычные сценарии. Возможны предвзятые ответы. Выпущена по лицензии Apache 2.0.

AlphaAI-1.5B-Thought — языковая модель Alpha AI, дообученная на базе Qwen2.5-1.5B для пошаговых рассуждений и решения структурированных задач. Это плотная авторегрессионная модель семейства Qwen2 с 1,5 млрд параметров; заявленная длина контекста — 131 072 токена. Модель принимает текст и генерирует текст, а карточка указывает английский язык. Модель предназначена для локального запуска и диалоговых сценариев, где полезны многошаговые выводы: разбор математических и научных задач, программирование, генерация рабочих процессов и структурированные ответы виртуальных помощников. Веса представлены в формате PyTorch/Safetensors; README также описывает вариант с 16-битной точностью и перечисляет доступные квантизованные варианты. Лицензия — Apache-2.0. Модель может наследовать предвзятости обучающих данных, а ответы для критически важных задач следует проверять; качество в конкретных предметных областях карточка не подтверждает.

faodl/actionable-policy-bert-base-multilingual-uncased-f1_weighted — модель классификации текста на базе BERT с многоязычной архитектурой и версией без учета регистра. По идентификатору модели она предназначена для задачи text-classification; разработчик, точная схема меток и назначение классов в карточке не описаны. Модель содержит 194,6 млн параметров, поддерживает контекст до 512 токенов и рассчитана на использование с библиотекой Transformers. Её можно применять для классификации текстовых сообщений по заранее определённым категориям в прикладных системах, если категории и формат входных данных соответствуют данным обучения. Языковые коды, сведения о лицензии, обучающем наборе, метриках и результатах оценки не приведены, поэтому качество и допустимые условия распространения необходимо проверять отдельно.

AdaGuard-4B — генеративная модель Yunhao-Feng для проверки пользовательских запросов и поведения агентов на соответствие заданной политике безопасности. Вместо фиксированной таксономии риска она принимает от 1 до 100 правил с локальными идентификаторами и возвращает обоснованный анализ и идентификаторы нарушенных правил в порядке политики; если нарушений нет, выдаёт NR. Результат — структурированное решение, а не калиброванная вероятность риска. Модель основана на Qwen3Guard-Gen-4B и имеет архитектуру Qwen3ForCausalLM; в контрольной точке 3,7 млрд параметров. Она принимает текстовые события запроса или траектории агента, включая действия и результаты инструментов, и генерирует текстовый вердикт. Контекстное окно — 32 768 токенов. Разработчики сообщают о дообучении на AdaptiveSafety с последующим SafePO; в README приведены результаты оценки на AdaptiveSafety и DynaBench. Модель предназначена для встраивания в системы модерации и контроля поведения агентов, где правила задаёт приложение. README рекомендует версию 4B как отправную точку семейства. Для запуска описан стек Transformers 5.2.0, PyTorch и CUDA/BF16; указанная Apache-2.0 лицензия разрешает использование в соответствии с её условиями.

Apodex-1.0-2B-SFT — диалоговая модель и инструментальный ReAct-агент для глубокого исследования с проверкой источников. Её разработала команда Apodex на базе Qwen/Qwen3.5-2B; модель дообучена в формате SFT. В каталоге указаны плотная архитектура семейства Qwen3.5 и веса safetensors. Модель принимает текстовые запросы и может выдавать текстовые ответы и вызовы инструментов. Модель предназначена для многошагового поиска и синтеза информации: агент использует инструменты, собирает свидетельства и формирует проверяемые выводы. В карточке также описан режим Apodex-1.0-H с командой специализированных субагентов и глобальным проверяющим, однако это развернутый агентный режим, а не отдельная возможность данного чекпойнта. Для запуска рекомендуются SGLang или vLLM с шаблоном чата Qwen3.5 и поддержкой вызова инструментов. Карточка заявляет сохранение общих возможностей базовой модели, но приведённые результаты показывают, что версия 2B уступает более крупным версиям Apodex на тестах глубокого исследования. Поддерживаемые языки по метаданным — английский и китайский. Лицензия — Apache-2.0.

ASIL Qwen3.5-9B RL — выпущенный авторами ASIL чекпойнт, созданный дообучением Qwen/Qwen3.5-9B методом обучения с подкреплением. Модель предназначена для диалоговой генерации текста и агентных задач; карточка описывает релиз как часть публикации ASIL v0.1.0 и указывает выбранный чекпойнт global_step_140_actor_hf, полученный после продолжения первого этапа обучения с подкреплением. Модель содержит 7,2 млрд параметров, использует архитектуру Qwen3_5ForCausalLM и загружается через Transformers из файлов Safetensors. Нативная длина контекста — 262 144 токена. Метаданные указывают возможность чата; базовая Qwen3.5 описана как мультимодальная, однако этот репозиторий относится к текстовой архитектуре и имеет задачу text-generation. Для обучения использовались 320 обучающих и 80 валидационных промптов из набора rl_learnable_v4_320_80. Карточка не приводит сведений о лицензии, поэтому условия использования определить по имеющимся данным нельзя.

dslim/bert-large-NER — дообученная модель BERT Large Cased для распознавания именованных сущностей в английском тексте. Она размечает токены как сущности типа «человек», «организация», «место» и «прочее» либо как текст вне сущностей. Модель имеет 432,3 млн параметров и поддерживает контекст до 512 токенов; доступна в форматах PyTorch, TensorFlow, Flax, ONNX и safetensors. Модель подходит для извлечения имен и организаций из новостных статей и других англоязычных текстов, а также для предварительной разметки документов. Она обучена на английской версии CoNLL-2003, основанной на новостях Reuters; на тестовой выборке в README приведены F1 91,7, точность 91,2 и полнота 92,3. Результаты на других предметных областях могут быть хуже, а отдельные части токенов иногда получают метки сущностей и требуют постобработки. Модель разработал dslim. Лицензия — MIT.

Citaman/command-r-34-layer — merge языковой модели на архитектуре CohereForCausalLM, созданный с помощью mergekit методом SLERP из Citaman/command-r-35-layer. Репозиторий содержит веса Safetensors в формате bfloat16; модель имеет 30 млрд параметров и контекст до 8192 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Метаданные также указывают интерфейс вызова инструментов, поэтому её можно использовать в приложениях, которые передают модели запросы к инструментам. В карточке описано объединение диапазонов слоёв одной базовой модели; дополнительных сведений о качестве и специальных сценариях нет. Лицензия в предоставленных данных не указана. Практические ограничения: контекст ограничен 8192 токенами, а качество и поведение после слияния в карточке не оценены.

Карточка модели valhalla/distilbart-mnli-12-9 на Hugging Face совпадает с карточкой valhalla/distilbart-mnli-12-3, поэтому описание составлено по ней. DistilBart-MNLI-12-3 — дистиллированная модель семейства BART, разработанная Valhalla на основе bart-large-mnli. Она предназначена для классификации текста по заданным пользователем категориям без отдельного обучения на этих категориях: модель оценивает соответствие текста гипотезам, сформулированным для меток классов. Модель содержит 252,8 млн параметров и принимает последовательности длиной до 1024 токенов. При создании были взяты чередующиеся слои bart-large-mnli, после чего модель дополнительно обучили на тех же данных MNLI. По данным карточки, точность составляет 88,1% на matched и 88,19% на mismatched части оценки MNLI; исходная модель показывает 89,9% и 90,01% соответственно. Репозиторий содержит веса PyTorch и Flax. Метаданные не указывают лицензию; модель ориентирована на английский язык, что следует из обучения и оценки на MNLI.

Dolphin 3.0 Llama 3.2 1B — модель для диалогов и выполнения инструкций, подготовленная Eric Hartford, Ben Gitter, BlouseJury и Cognitive Computations на основе Meta Llama 3.2 1B. Это плотная авторегрессионная языковая модель семейства Llama с 1,2 млрд параметров и контекстом до 131 072 токенов; используется формат ChatML. Модель предназначена для локального применения в качестве универсального помощника: она подходит для генерации кода, решения математических задач, вызова функций и общения на общие темы. Её можно настраивать системным промптом; обучающие данные включают наборы для кода, математики, агентных инструкций и диалогов. Карточка перечисляет английский язык. Доступны веса в формате safetensors. Модель лицензирована по условиям llama3.2. Это компактная модель с существенно меньшим числом параметров, чем крупные универсальные ассистенты; карточка не содержит результатов оценивания, поэтому качество для конкретных задач не подтверждено приведёнными тестами.

Модель Donut, дообученная на счетах-фактурах. Она принимает изображение документа и генерирует текст с типом документа и извлечёнными полями: валютой, датой, общей и налоговой суммами, номером счёта, номером заказа и страной кредитора. Для документов другого типа поле типа документа получает значение Other. Архитектура vision encoder-decoder объединяет визуальный энкодер Swin Transformer и текстовый декодер BART. Модель обучалась на нескольких тысячах размеченных счетов и документов других типов из разных стран и на разных языках; обучающая выборка содержала только одностраничные документы. Для обработки задано разрешение 1280×1920 пикселей. Модель предназначена для экспериментов с извлечением данных из многоязычных счетов. Лицензия CC BY-NC-SA 4.0 требует указания авторства и распространяет производные материалы на тех же условиях с ограничением на коммерческое использование. Набор данных закрытый, а заявленное обучение на счетах не гарантирует точность для конкретных языков, форматов или качества сканов.

Multilingual Privacy Filter — модель Tabularis AI для обнаружения персональных данных в тексте на 26 официальных языках ЕС. Она дообучена на XLM-RoBERTa-large и решает задачу классификации токенов: размечает фрагменты текста по 74 меткам, соответствующим 42 типам данных, включая имена, контакты, финансовые и идентификационные сведения, медицинские данные и цифровые идентификаторы. Модель рассчитана на выявление и последующую анонимизацию чувствительной информации, проверки конфиденциальности и поддержки процессов, связанных с GDPR. В карточке заявлены глобальная F1-оценка 97,02% и показатели выше 95% для всех языков. Метаданные указывают 658,7 млн параметров и контекст до 514 токенов; в README указан максимальный размер входа 256 токенов, поэтому для практического применения следует ориентироваться на ограничения конфигурации и используемого пайплайна. Модель принимает текст и возвращает метки токенов. Лицензия — Apache-2.0.

Nickrosh/Evol-Replit-v1 — языковая модель для генерации кода, созданная дообучением ReplitLM на наборе Evol-Instruct-Code-80k-v1. Инструкции в наборе основаны на Code Alpaca 20k и усложнены с помощью эволюционных промптов: они добавляют требования, меняют требования к временной и пространственной сложности и включают примеры с ошибочным кодом для повышения устойчивости ответов. Модель предназначена для генерации кода по инструкциям и решения задач программирования с более подробными и сложными требованиями. В метаданных указаны архитектура MPT и класс MPTForCausalLM; формат файлов — PyTorch. Модель опубликована под лицензией CC BY-SA 4.0. README не приводит численный размер модели, длину контекста или список поддерживаемых языков.

Карточка модели GMODEOS/EXAONE-4.0-1.2B на Hugging Face совпадает с карточкой LGAI-EXAONE/EXAONE-4.0-1.2B, поэтому описание составлено по ней. EXAONE-4.0-1.2B — компактная плотная авторегрессионная языковая модель LG AI Research для диалогов, генерации текста и запуска на устройствах. Модель содержит около 1,3 млрд параметров по метаданным; в конфигурации README указано 1,07 млрд параметров без эмбеддингов. Она поддерживает контекст до 65 536 токенов и использует 30 слоёв, групповые запросы внимания с 32 головами и 8 KV-головами, а также словарь из 102 400 токенов. Модель предлагает режимы обычного ответа и рассуждения, а также интерфейс вызова инструментов. Заявлена поддержка английского, корейского и испанского языков; особенно ориентированные языки — английский и корейский. Модель рассчитана на локальные и встроенные сценарии, где важны небольшой размер и длинный контекст, а также на диалоговые приложения и агентные системы. Ответы могут содержать фактические ошибки, предвзятость или неподходящую информацию; знания модели могут быть устаревшими. Для режима рассуждений качество чувствительно к параметрам генерации. Лицензия указана как other; README сообщает об обновлении условий в сторону большей гибкости, но конкретные условия следует сверять с лицензией репозитория.

FrogBoss-32B-2510 — языковая модель Microsoft для автоматического поиска и исправления ошибок в коде. Это дообученная методом SFT модель Qwen3-32B с плотной архитектурой Qwen3ForCausalLM и 29,7 млрд параметров. Для обучения использованы 9 тысяч успешных траекторий отладки, сгенерированных моделью-учителем в рамках BugPilot на примерах из R2E-Gym, SWE-Smith и FeatAdd. Модель предназначена для многошаговой отладки и подготовки патчей, в том числе в многофайловых репозиториях и при исправлении ошибок уровня функций. Она принимает и выдаёт текст; метаданные указывают контекст до 40 960 токенов. Основной сценарий применения — работа в агентных процессах разработки ПО, например с обвязкой R2E-Gym. В README приводится результат Pass@1 45,0% на SWE-Bench Verified, усреднённый по трём запускам. Модель может предложить ошибочное или неполное исправление, особенно для незнакомых предметных кодовых баз или неоднозначных задач; сгенерированный код следует проверять на корректность и безопасность. Лицензия — MIT.

Карточка модели FuseAI/FuseO1-DeepSeekR1-QwQ-SkyT1-Flash-32B-Preview на Hugging Face совпадает с карточкой FuseAI/FuseO1-DeepSeekR1-QwQ-SkyT1-32B-Preview, поэтому описание составлено по ней. FuseO1-DeepSeekR1-QwQ-SkyT1-32B-Preview — экспериментальная объединённая языковая модель команды FuseAI. Она создана с помощью слияния трёх моделей для рассуждений: DeepSeek-R1-Distill-Qwen-32B, Qwen/QwQ-32B-Preview и NovaSky-AI/Sky-T1-32B-Preview. Модель основана на плотной архитектуре Qwen2 с 32 млрд параметров и предназначена для генерации текста и диалогов с пошаговыми рассуждениями. Основные сценарии — решение математических задач, рассуждения о программном коде и научные вопросы. В README для версии указаны результаты AIME24: 74,0 Pass@1 и 86,7 Cons@32 при описанной авторами схеме оценки. Модель принимает текст и генерирует текст; метаданные указывают контекстное окно 131 072 токена и интерфейс для вызова инструментов. Языки в карточке явно не перечислены. Модель распространяется в формате safetensors по лицензии Apache-2.0. Это предварительная версия, а опубликованные сравнительные показатели относятся к конкретным настройкам и методике оценки; они не гарантируют аналогичных результатов в других задачах или конфигурациях.

GLiNER-PII large v1.0 — модель извлечения именованных сущностей для обнаружения персональных, медицинских и платёжных данных. Её разработали Wordcab и Knowledgator на основе архитектуры GLiNER — двунаправленного трансформера, который ищет сущности по переданным при запросе типам, а не только по фиксированному набору меток. Модель предназначена для локальной обработки текста и поддерживает распознавание без дообучения под новые типы сущностей; в карточке заявлено более 60 предопределённых категорий PII. Модель подходит для поиска и последующей маскировки чувствительных данных в документах, расшифровках и журналах чатов, а также для сценариев комплаенса и обработки данных на периферийных устройствах. Репозиторий включает форматы PyTorch и ONNX; README описывает квантование и варианты ONNX FP16 и UINT8, но не приводит размер именно версии large. Метаданные указывают английский язык и библиотеку GLiNER. Лицензия — Apache-2.0. Распознавание настраивается списком типов сущностей, что позволяет адаптировать извлечение к конкретным задачам. Приведённые в README численные результаты относятся к другим вариантам семейства, а не к этой модели, поэтому их нельзя считать оценкой качества large v1.0.

mlx-community/GOT-OCR2_0-bf16 — конверсия модели GOT-OCR 2.0 в формат MLX с точностью bfloat16 для инференса на компьютерах Apple Silicon. Она предназначена для распознавания текста на изображениях документов: простой транскрипции по инструкции «OCR: » и структурированного вывода таблиц, формул и нот по инструкции «OCR with format: ». Это плотная мультимодальная модель семейства GOT; метаданные указывают 463,8 млн параметров и контекст 32 768 токенов, а README описывает исходную модель как 560-миллионную. Русский язык и качество за пределами английских синтетических примеров в карточке не проверялись. На шести синтетических англоязычных документах обычный режим OCR показал точное извлечение 86,84% полей и 96,05% содержимого; одна и та же часть полей транспортной накладной терялась во всех вариантах точности. Режим структурированного вывода запускался, но его точность не оценивалась. Карточка также не проверяет фотографии, рукописный текст, многостраничный и многокроповый режимы. Указана лицензия Apache-2.0; для загрузки требуется версия mlx-vlm с поддержкой GOT-OCR 2.0, которая, согласно README, ещё не вошла в релиз на момент публикации карточки.

Карточка модели Asefalus/gpt-oss-20b-heretic на Hugging Face совпадает с карточкой p-e-w/gpt-oss-20b-heretic, поэтому описание составлено по ней. p-e-w/gpt-oss-20b-heretic — текстовая разговорная модель на архитектуре GPT-OSS, созданная на основе openai/gpt-oss-20b с помощью abliteration, направленной на снижение отказов. В карточке приведено сравнение: в тесте на 100 запросах модель отказала в 58 случаях против 100 у исходной модели; KL-дивергенция составила 0,96. README также описывает базовую модель как MoE с 21 млрд параметров и 3,6 млрд активных параметров, контекстом 131 072 токена и форматом Harmony; метаданные репозитория при этом указывают 1,6 млрд параметров. Модель предназначена для диалога, генерации текста и локальных или специализированных сценариев. Базовая модель поддерживает настраиваемый уровень рассуждений, вызов функций и агентные сценарии; в этом репозитории заявлено снижение числа отказов, но приведённый тест не гарантирует поведение на других запросах. Для корректной работы следует использовать формат Harmony. Лицензия — Apache-2.0.

NiviG/hallucination-detector — модель классификации текста, созданная дообучением DeBERTa-v3-base от Microsoft. Она сопоставляет утверждение, сгенерированное ИИ, с предоставленным контекстом и определяет, подтверждается ли оно, опровергается ли или остаётся непроверяемым. Модель обучена на более чем 25 тысячах примеров FEVER для проверки фактов и выявления галлюцинаций в ответах языковых моделей. Архитектура — DeBERTa-v2 для классификации последовательностей, около 211,6 млн параметров; модель работает с текстом и имеет контекст до 512 токенов. Она выдаёт одну из трёх меток: FACTUAL, UNCERTAIN или HALLUCINATION. Веса опубликованы в формате safetensors; библиотека — Transformers. Карточка не указывает лицензию, поэтому условия использования по имеющимся данным определить нельзя.

inf-retriever-v1-pro — специализированная языковая модель компании INF-X-Retriever для подготовки запросов к поиску в системах с плотным векторным поиском и RAG. Она преобразует сложные, многословные или требующие рассуждений пользовательские запросы в краткие поисковые формулировки, помогающие находить релевантные фрагменты текста. Модель дообучена на базе Qwen/Qwen2.5-7B-Instruct и содержит 7,1 млрд параметров; архитектура — плотная Qwen2. Модель принимает текст и генерирует текст, поддерживает английский язык, а её контекстное окно составляет 131 072 токена. Модель предназначена для поиска по сложным запросам, включая задачи, где ответ требует рассуждений или синтеза сведений из нескольких документов. В README приведены результаты INF-X-Retriever на бенчмарке BRIGHT; эти показатели относятся к системе в целом и не должны трактоваться как результаты одной только inf-retriever-v1-pro. Модель распространяется по лицензии Apache-2.0.

InternVL3-8B-Instruct-GGUF — мультимодальная модель семейства InternVL3, разработанная OpenGVLab и представленная в GGUF-формате Unsloth. Это SFT-версия InternVL3-8B: она прошла мультимодальное предварительное обучение и дообучение с учителем, но не проходила MPO. Модель предназначена для задач понимания и анализа изображений совместно с текстом, мультимодального рассуждения, работы с инструментами и GUI-агентами, промышленного анализа изображений, а также восприятия 3D-сцен. Она поддерживает многоязычные сценарии, однако конкретный перечень языков и размер контекстного окна в предоставленных данных не указаны. Архитектура построена по схеме ViT-MLP-LLM и включает vision-компонент InternViT-300M-448px-V2_5 и языковую часть Qwen2.5-7B; общий размер модели обозначен как 8B. Сильными сторонами заявлены развитые возможности мультимодального восприятия и рассуждения, а также повышение качества по сравнению с InternVL 2.5. Ограничения включают отсутствие MPO и неизвестные из README характеристики контекстного окна, точности GGUF-квантизации и производительности на конкретном оборудовании. В метаданных указана лицензия Apache 2.0; также присутствует обозначение license_name Qwen и ссылка на лицензию Qwen2.5.

Карточка модели dhanesh-hf/Jarvis-Titan-V15-MoE-Merged на Hugging Face совпадает с карточкой dhanesh-hf/Jarvis-Titan-V15-MoE-Decoupled, поэтому описание составлено по ней. J.A.R.V.I.S. Titan V15 MoE Decoupled — диалоговая языковая модель Dhanesh на архитектуре JarvisTitanMoEForCausalLM. Согласно карточке, она основана на DeepSeekMoE с общим экспертом и восемью маршрутизируемыми экспертами, из которых активируются два; также заявлены слои Tri-Brid памяти с локальным скользящим окном внимания, извлечением значимых KV-состояний и нейронной памятью Titans. Метаданные каталога указывают 7,1 млрд параметров и контекст 32 768 токенов. Модель предназначена для генерации текста в диалоге и взаимодействия с инструментами через соответствующий интерфейс. Карточка описывает объединённые автономные веса M4, включающие калиброванный адаптер Tri-Brid, а метаданные связывают модель с дообучением Jarvis-Titan-V14-MoE-Merged. В репозитории указаны веса Safetensors. Лицензия обозначена как other, поэтому условия использования следует проверять в материалах репозитория.

jina-embeddings-v5-text-small-classification — компактная мультиязычная модель эмбеддингов, разработанная Jina AI и предназначенная прежде всего для задач классификации текста. Она создана на базе jina-embeddings-v5-text-small с применением дистилляции и task-specific contrastive losses, что ориентировано на высокое качество при небольшом размере. Модель может использоваться для классификации документов, маршрутизации обращений, анализа отзывов и других сценариев, где текстовые представления подаются в последующий классификатор. Модель содержит 677 млн параметров, поддерживает последовательности длиной до 32 768 токенов и формирует эмбеддинги размерностью 1024. Используется pooling по последнему токену; доступны Matryoshka-размерности 32, 64, 128, 256, 512, 768 и 1024, позволяющие выбирать компромисс между качеством и затратами на хранение или вычисления. К сильным сторонам относятся компактность, мультиязычность, поддержка длинного контекста и оптимизация под классификационные задачи. README не приводит конкретный перечень языков и подробные количественные результаты бенчмарков, поэтому сравнение качества для отдельных языков и сценариев требует дополнительной проверки. Модель распространяется по лицензии CC BY-NC 4.0, допускающей использование с ограничениями, включая запрет коммерческого применения.

Kiri OCR — компактная модель оптического распознавания текста для английских и кхмерских документов, разработанная автором библиотеки Kiri OCR. Она обнаруживает строки и слова на изображении документа и распознаёт печатный текст, в том числе смешанный английский и кхмерский. Модель содержит 7,6 млн параметров и использует CNN-основу для обработки изображения, трансформерный энкодер-декодер и CTC-голову. В декодировании сочетаются beam search, CTC и языковая модель. В README указано обучение на 12 млн синтетических изображений строк на кхмерском и английском; метаданные подтверждают форматы ONNX и safetensors. Модель рассчитана на компактное и быстрое распознавание текста. Модель распространяется по лицензии Apache-2.0. Описанные результаты тестирования относятся к синтетическим изображениям с популярными шрифтами; качество на реальных документах может отличаться.