I.15Доступность и ассистивные технологии

RiverCub-Gemma-3-27B — диалоговая мультимодальная модель, созданная lemon07r с помощью слияния методом SLERP двух моделей Gemma 3 на 27 млрд параметров: unsloth/gemma-3-27b-it и TheDrummer/Big-Tiger-Gemma-27B-v3. Она предназначена для общения, генерации текста и ответов на вопросы по изображениям; карточка Hugging Face относит её к задаче image-text-to-text и указывает архитектуру Gemma 3 с плотной моделью условной генерации. Модель принимает текст и изображения и выдаёт текст. Автор отмечает, что выбрал компоненты после тестирования множества вариантов и рекомендует iMatrix-версию. В карточке указаны библиотека Transformers и лицензия Gemma. Количественная оценка качества и длина контекста в предоставленных данных не приводятся.

TrOCR base-printed — модель оптического распознавания текста Microsoft, основанная на архитектуре encoder-decoder Transformer. Зрительный энкодер инициализирован весами BEiT, текстовый декодер — весами RoBERTa; модель дообучена на наборе SROIE. Модель предназначена для распознавания текста на изображениях отдельных строк, в том числе для сценариев OCR документов и чеков. Она разбивает изображение на патчи 16×16, кодирует их визуальным Transformer и авторегрессионно генерирует текст токенами. В карточке не приведены сведения о поддерживаемых языках и лицензии. Модель ориентирована на изображения отдельных строк, поэтому может быть неподходящей для распознавания сложной страницы целиком без предварительной обработки.

Модель vutankiet2901/wav2vec2-large-xlsr-53-ja — японская система автоматического распознавания речи, созданная дообучением facebook/wav2vec2-large-xlsr-53 на японской части набора Mozilla Common Voice 8.0. Это плотная модель архитектуры Wav2Vec2ForCTC с 402,8 млн параметров, принимающая аудио и выдающая распознанный текст на японском языке. Модель предназначена для транскрибирования японской речи, в том числе записей, похожих на примеры Common Voice. В README приведены результаты на Common Voice 7.0 и 8.0: для версии 8.0 CER составляет 9,95 без языковой модели и 7,15 с 4-граммовой языковой моделью; WER — 25,10 и 16,09 соответственно. Указана лицензия Apache-2.0. Показатели зависят от данных и настройки декодирования; качество на других источниках речи не описано.

Карточка модели mehdipakdel/wh на Hugging Face совпадает с карточкой AmirMohseni/whisper-small-persian, поэтому описание составлено по ней. Whisper Small Persian — модель распознавания речи, созданная Amir Mohseni дообучением openai/whisper-small на наборе данных Fleurs Farsi. Она построена на архитектуре Whisper и содержит 153,1 млн параметров. Модель предназначена для преобразования речи на персидском языке в текст. На приведённой в карточке оценке модель показала значение WER 25,8171 и loss 0,3818. Она распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает ограничения применения и условия оценки подробнее.

GoranS/whisper-base-1m.hr — дообученная модель распознавания речи на основе OpenAI Whisper Base. Она предназначена для преобразования аудио в текст; языковой код карточки — hr, то есть хорватский. Модель содержит 51,7 млн параметров, использует архитектуру Whisper и доступна в формате safetensors через Transformers. В README приведены результаты оценки: loss 0,2480 и WER 17,3979. Данные не уточняют набор обучения, условия оценки и сценарии использования, поэтому эти результаты не позволяют судить о качестве на других аудиозаписях. Лицензия — Apache-2.0.

DDTdonut-TeresaNoFESTO — модель преобразования изображений в текст на базе архитектуры Donut vision-encoder-decoder. Она дообучена разработчиком репозитория на наборе данных imagefolder и предназначена для задач image-text-to-text, например извлечения текста и структурированных сведений из изображений документов. В README приведено значение loss 0,6469 на оценочном наборе, но не описаны состав данных, методика оценки или конкретный целевой формат вывода. Модель основана на naver-clova-ix/donut-base и распространяется в формате safetensors по лицензии MIT. Карточка не уточняет поддерживаемые языки, размер модели, длину контекста или практические ограничения; применимость и качество для конкретных типов документов следует оценивать на собственных данных.

Это квантизированная GGUF-версия модели Gemma 3n E2B it, разработанной Google и подготовленной пользователем bartowski с использованием llama.cpp. Модель предназначена для генерации текста, а также сценариев, связанных с автоматическим распознаванием речи, автоматическим переводом речи и преобразованием аудио или видео в текст. Она рассчитана на запуск через llama.cpp, LM Studio и другие совместимые проекты. В README указано, что доступны варианты квантизации от Q2 до Q8 с размером файлов примерно от 2,21 до 4,79 ГБ. Более высокие уровни квантизации обычно обеспечивают лучшее качество, тогда как компактные варианты подходят для систем с ограниченным объёмом оперативной памяти. Точные сведения об архитектуре, поддерживаемых языках, модальностях, длине контекста и аппаратных требованиях в представленном README не указаны, хотя теги указывают на поддержку аудио- и видеосценариев исходной модели. Основные преимущества версии — возможность локального запуска, выбор между несколькими уровнями качества и совместимость с экосистемой llama.cpp. Ограничения включают потери качества, зависящие от выбранной квантизации, а также отсутствие в README точного описания возможностей и корректного chat template; автор предупреждает, что шаблон по умолчанию может быть неправильным. Для использования требуется соблюдение лицензии Gemma и, при работе через Hugging Face, подтверждение условий доступа.

HawkVL-2B — компактная мультимодальная модель серии HawkVL, построенная на языковой модели Qwen2.5-1.5B. Архитектура включает визуальный энкодер Qwen-ViT, проектор на основе двухслойного MLP с pixel unshuffle и языковую часть Qwen2.5-1.5B; модель дообучена на данных LLaVA-OneVision. Модель предназначена для диалогов по изображениям и генерации текстовых ответов на визуальные запросы. В README приведены результаты оценки на англоязычных и китайских наборах OpenCompass, включая задачи визуальных вопросов и ответов, распознавания текста на изображениях и математики по изображениям. Поддерживается контекст до 32 768 токенов; метаданные указывают английский и китайский языки. Модель распространяется в формате Safetensors под лицензией Apache-2.0. Модель компактна и рассчитана на эффективную мультимодальную обработку, однако приведённые результаты ограничены набором бенчмарков и сами по себе не гарантируют качество в конкретном сценарии. Входные изображения и язык запросов должны соответствовать возможностям мультимодальной архитектуры; модель может ошибаться при сложном визуальном рассуждении или распознавании текста.

Isaac-0.1-Base — базовая мультимодальная модель PerceptronAI для совместной обработки изображений и текста. В карточке она описана как модель на 2 млрд параметров, предназначенная для визуальных вопросов и ответов, пространственного рассуждения, локализации объектов, распознавания мелкого текста и анализа сложных сцен. Метаданные указывают 1,7 млрд параметров и контекст до 40 960 токенов; архитектура — плотная IsaacForConditionalGeneration, формат весов — Safetensors. Модель объединяет Qwen/Qwen3-1.7B и визуальную основу google/siglip2-so400m-patch14-384. Модель рассчитана на сценарии, где текстовые ответы должны быть привязаны к содержимому изображения: например, поиск дефектов оборудования, определение расположения объектов и чтение текста в загруженных сценах. README отмечает поддержку локализации с выделением областей, работы с примерами прямо в запросе и диалогового взаимодействия. Указанная лицензия CC BY-NC 4.0 разрешает использование на её условиях, включая ограничения для коммерческого применения.

MiniCPM-V-26ft20240908220534 — дообученная версия мультимодальной модели MiniCPM-V 2.6, созданная автором репозитория muhtasham. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MiniCPMV и распространяется в формате safetensors. Базовая MiniCPM-V 2.6 предназначена для диалога и анализа изображений, нескольких изображений и видео; для этой версии README указывает дообучение на неизвестном наборе данных и значение loss 0,1097 на оценочной выборке. Модель можно использовать как диалоговую систему для генерации текста и анализа визуального содержимого в сценариях, поддерживаемых базовой моделью. Метаданные каталога указывают задачу text-generation и возможность chat; контекст составляет 32 768 токенов. Карточка не описывает особенности дообучения, его данные или оценочную методику, поэтому результат loss нельзя интерпретировать как подтверждение качества на конкретной задаче. Лицензия в предоставленных данных не указана.

derkar00 разработал модель распознавания речи на туркменском языке, записанной латиницей. Это дообученная версия facebook/mms-1b-all — многоязычной модели wav2vec2 для распознавания речи более чем на тысяче языков. Архитектура модели — Wav2Vec2ForCTC, размер — 1,3 млрд параметров; она принимает аудио и преобразует речь в текст. Модель предназначена для транскрибирования чистой, разборчивой туркменской речи. Её можно применять для расшифровки записей и голосовых сообщений на туркменском языке. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Pathumma Vision 3.0.0-Re — мультимодальная модель NECTEC для распознавания тайского текста на изображениях и анализа документов. Она дообучена на основе Qwen3-VL-2B-Instruct на 377 тысячах примеров OCR с акцентом на тайский язык, сложные документы и текст в реальных сценах. Архитектура — плотная Qwen3-VL с обработкой изображений и генерацией текста; модель рассчитана на работу через Transformers и обучалась с применением Quantization-Aware Training для более эффективного развёртывания. Модель предназначена для извлечения текста из документов и фотографий, распознавания рукописного и сценического текста, а также понимания тайских документов. В сравнении на ThaiOCRBench показаны результаты по распознаванию текста, разбору документов и связанным визуальным задачам. Лицензия — Apache-2.0. Карточка не приводит ограничений по размеру контекста; результаты на других языках и типах изображений не заявлены.

PolizzeDonut-SoloPDF-5Epochs — модель преобразования изображений документов в текст, созданная дообучением naver-clova-ix/donut-base на датасете imagefolder. Она использует архитектуру vision-encoder-decoder и предназначена для обработки изображений документов; метаданные классифицируют её задачу как image-text-to-text. На оценочном наборе указана потеря 0,3264. Модель распространяется в формате safetensors по лицензии MIT. Карточка не раскрывает целевую структуру извлечения, состав обучающих данных или подробные ограничения, поэтому качество на конкретных типах полисов и PDF-сценариях по этим сведениям оценить нельзя.

turboderp/Qwen3.8-Flash-Next-exl3 — это набор EXL3-квантизаций модели Qwen3.8-Flash-Next, разработанной Qwen и переквантованной turboderp. Модель предназначена для задач преобразования изображений и текста в текст и рассчитана на локальный запуск с использованием ExLlamaV3 версии 1.4.5 или ветки dev. Доступны варианты с точностью 2,05, 3,05, 4,05, 5,05 и 6,05 бит на вес, что позволяет выбирать компромисс между требованиями к памяти, скоростью и сохранением качества. В README не указаны точный размер модели, архитектурные детали базовой модели, поддерживаемые языки и максимальная длина контекста. Приведены результаты самокалибровки и несколько графиков, однако подробные бенчмарки заявлены как будущие. Лицензия обозначена как qwen-community-1.0; дополнительные условия следует уточнять в файле LICENSE.

Qwen3-VL-32B-Instruct-MLX-8bit — это 8-битно квантованная версия мультимодальной модели Qwen3-VL-32B-Instruct, разработанной командой Qwen. Квантование выполнено командой LM Studio с использованием MLX и mlx-vlm; модель оптимизирована для запуска на устройствах Apple Silicon. Модель предназначена для задач image-text-to-text, то есть обработки изображений и текста с генерацией текстовых ответов. Она может использоваться в сценариях, требующих совместного анализа визуальной и текстовой информации, однако README не содержит подробностей о поддерживаемых языках, размере контекстного окна и конкретных возможностях исходной модели Qwen3-VL-32B-Instruct. Ключевая характеристика этой версии — 8-битное квантование, которое снижает требования к памяти по сравнению с полноразмерной моделью и делает её более подходящей для локального запуска на Apple Silicon. При этом квантование может влиять на точность по сравнению с исходной версией. README не приводит результаты тестирования, сведения о производительности и ограничения мультимодального ввода, поэтому их нельзя оценить точнее. Модель распространяется по лицензии Apache-2.0.

Карточка модели allenai/SAGE-MM-Qwen3-VL-8B-SFT_RL на Hugging Face совпадает с карточкой allenai/SAGE-MM-Qwen2.5-VL-7B-SFT_RL, поэтому описание составлено по ней. SAGE-MM-Qwen2.5-VL-7B-SFT_RL — модель Allen Institute for AI на базе Qwen2.5-VL-7B, дообученная для мультимодального рассуждения о видео в системе SAGE. Она анализирует кадры и метаданные видео, решает, можно ли ответить сразу или нужно обратиться к инструментам, а затем объединяет полученные наблюдения в итоговый ответ. Модель может формировать JSON-действия для поиска в интернете, распознавания речи по фрагментам видео, определения временных границ событий, извлечения кадров или клипов и детального анализа медиа. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2.5-VL и принимает контекст до 128 000 токенов. Для выполнения инструментальных действий ей требуется внешняя среда, которая разбирает JSON, запускает инструменты и возвращает их результаты. Модель опубликована в формате safetensors под лицензией Apache-2.0. Карточка указывает английский язык; данных о других поддерживаемых языках нет.

Spoofdetection — модель распознавания речи на базе wav2vec2, дообученная автором репозитория 202015004 на facebook/wav2vec2-base. Она содержит 113,3 млн параметров и использует архитектуру Wav2Vec2ForCTC; доступные веса представлены в формате PyTorch. Модель предназначена для преобразования аудио в текст, однако README не раскрывает обучающий датасет и конкретный сценарий обнаружения спуфинга, несмотря на название репозитория. В README приведены результаты оценки: loss 1,7448 и WER 0,109. Модель распространяется по лицензии Apache-2.0. Данных о поддерживаемых языках и дополнительных ограничениях в карточке нет.

Transync — мультиязычная модель машинного перевода на архитектуре MBart, предназначенная для локальной работы без подключения к интернету. Её можно использовать для перевода между более чем 50 языками, включая основные языки Индии, а также для пакетной обработки текстов через интерфейс командной строки. Модель поддерживает запуск на CPU и GPU. Модель построена на архитектуре MBart с кодировщиком и авторегрессионным декодировщиком; для токенизации используется SentencePiece в формате, совместимом с MBart50. В репозитории представлены веса PyTorch и safetensors. Размер модели — около 457,4 млн параметров, длина контекста — 1024 токена. Лицензия MIT разрешает использование в соответствии с её условиями. Качество зависит от языковой пары, поэтому перед применением в производственных сценариях его следует оценить на целевых текстах. Скорость и практический предел длины входа зависят от оборудования и длины текста.

Infomaniak AI подготовила конфигурацию TranslateGemma 12B IT на базе Google TranslateGemma 12B IT для развёртывания с vLLM. Изменены шаблон чата, конфигурация RoPE и токен EOS для совместимости с vLLM; формат safetensors и архитектура Gemma 3 сохранены. Модель предназначена для перевода текста между 55 языками, а также для извлечения текста из изображения с последующим переводом. Запрос задаёт исходный и целевой языки в содержимом сообщения; также поддерживается ввод с пользовательской инструкцией. Размер семейства рассчитан на локальное или облачное развёртывание при ограниченных ресурсах, хотя конкретный размер этой версии — 12 млрд параметров. К сильным сторонам относятся мультимодальный перевод и поддержка множества языков. Качество может снижаться на неоднозначных выражениях, сложном контексте и темах, недостаточно представленных в обучающих данных; возможны предвзятость и фактические ошибки. Используется лицензия Gemma.

Whisper-Large-V3-French — модель распознавания речи, разработанная дообучением openai/whisper-large-v3 для повышения качества транскрипции на французском языке. Она принимает аудио и генерирует текст с восстановленными регистрами, пунктуацией и числительными; подходит для коротких и длинных записей, включая разговоры с фоновым шумом и специализированной лексикой, например звонки в контакт-центр. Модель основана на архитектуре Whisper и содержит 905,2 млн параметров. Для длинных записей README описывает разбиение на сегменты по 30 секунд; такой режим может немного уступать последовательному декодированию по качеству, но обеспечивает более быструю обработку. В репозитории указаны веса safetensors и поддержка Transformers; README также описывает варианты использования в других реализациях Whisper. Модель выпущена под лицензией MIT. Её специализация — французская речь, поэтому качество для других языков не установлено приведёнными данными; результаты распознавания могут зависеть от шума, акцента и предметной лексики.

biodatlab/whisper-th-large-v3-combined — модель распознавания речи на тайском языке, разработанная BioDataLab как дообучение OpenAI Whisper large-v3. Это плотная архитектура WhisperForConditionalGeneration с 905,2 млн параметров, предназначенная для преобразования тайской речи в текст. Модель можно применять для транскрибирования аудио на тайском языке; в карточке указаны датасеты Common Voice 13.0, Fleurs и отобранные наборы данных, а для Common Voice 13 на тесте приведён WER 6,59 с токенизатором Deepcut. Модель принимает аудио и выдаёт текст. Она распространяется по лицензии Apache-2.0. В README подробно не описаны ограничения, условия оценки и состав отобранных данных; приведённый результат относится к указанному тесту и токенизатору.

Zehнова STT — Jonibek21 разработала модель автоматического распознавания речи на узбекском языке. Это дообученная с помощью LoRA модель Whisper Medium на базе Kotib/uzbek_stt_v1, предназначенная для преобразования узбекской речи в текст латинским письмом. Модель принимает аудио и выдаёт текст. По данным README, она обучалась на специальном узбекском аудиодатасете из 9 214 обучающих и 1 024 тестовых примеров. Заявленный WER составляет около 11–13% в целом, 6–11% для чистой речи и 9–16% для шумной или аугментированной речи; автор сообщает об улучшении примерно на 5% относительно базовой модели. Репозиторий содержит веса safetensors, лицензия — Apache-2.0. Модель рассчитана на распознавание узбекской речи. Качество может снижаться при шуме, а аудио длиннее 30 секунд обрабатывается по частям.

Clemma-E4B — модель ayan4m1 на архитектуре Gemma 4 E4B, дообученная на промптах Claude Opus 4.5–4.6. Она предназначена для диалогового взаимодействия и обработки изображений с текстом на входе; карточка указывает задачу image-text-to-text и возможности chat и vision. Базовая модель — unsloth/gemma-4-E4B-it-unsloth-bnb-4bit. Модель распространяется в формате safetensors по Gemma License. Данные карточки не уточняют размер контекста, языки, качество на конкретных задачах или ограничения; поэтому нельзя уверенно определить её специализацию за пределами заявленных диалоговых и визуально-текстовых сценариев.

vikp/column_detector — модель на базе LayoutLMv3, предназначенная для определения числа колонок на изображениях страниц PDF. Она используется в Marker для анализа структуры страницы и может помогать выбирать подходящую схему чтения при извлечении содержимого документа. Модель имеет 151,8 млн параметров, реализована на PyTorch и принимает входные данные длиной до 514 токенов. Модель относится к классификации текста по метке Hugging Face, а её архитектура — LayoutLMv3ForSequenceClassification. Для работы с изображениями страниц она использует информацию о макете документа. README не уточняет набор выходных классов, метрики качества и лицензию, поэтому их нельзя описать точнее.

Fara1.5-9B-GGUF — это набор GGUF-квантизированных версий мультимодальной модели Fara1.5-9B, разработанной Microsoft. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для сценариев computer use: управления браузером и интерфейсами, автоматизации веб-задач, работы веб-агентов и других задач, требующих понимания изображений и текста. Модель содержит около 9 миллиардов параметров, относится к классу vision-language и поддерживает обработку изображений и текста. В карточке указано, что основной язык — английский. Доступны варианты от BF16 до различных уровней квантизации, включая Q8_0, Q6_K, Q5_K, Q4_K и более компактные форматы; размер файлов составляет примерно от 4,3 до 17,9 ГБ. Контекстное окно, точная архитектура и требования к видеопамяти или оперативной памяти не указаны. Сильные стороны модели — мультимодальность, ориентация на агентские и браузерные сценарии, а также широкий выбор квантизаций для запуска на оборудовании с разными ресурсами. Более компактные варианты снижают требования к памяти, но могут заметно уступать исходной BF16-версии по качеству. Для работы подходят llama.cpp, LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и другие совместимые инструменты; при поддержке новой архитектуры может потребоваться обновление используемого приложения. Модель распространяется по лицензии MIT.

alephpi/FormulaNet — модель распознавания математических формул на изображениях, опубликованная alephpi и дообученная на базе PaddlePaddle/PP-FormulaNet-S. Она использует архитектуру vision-encoder-decoder и преобразует изображение формулы в текстовое представление, предназначенное для LaTeX OCR. В репозитории указаны 20 млн параметров, наборы данных UniMER-Train, UniMER-Test и UniMER_Dataset; доступны веса Safetensors и ONNX. Модель помечена как англоязычная, имеет лицензию AGPL-3.0. Карточка содержит мало сведений о качестве и граничных условиях распознавания, поэтому надёжность на разных типах формул и изображений не следует предполагать без проверки.

TheCluster/Gemma-4-31B-Heretic-MLX-bf16 — мультимодальная чат-модель семейства Gemma 4 на 31 млрд параметров, представленная в формате MLX и точности bfloat16. Это конверсия модели coder3101/gemma-4-31B-it-heretic, созданной на основе google/gemma-4-31B-it методом ablation: по данным карточки, она реже отказывается отвечать, чем исходная версия. Поддержка изображений позволяет использовать модель для диалогов с визуальным содержимым и анализа изображений. Модель предназначена для разговорных сценариев и обработки запросов, включающих изображения. В метаданных перечислены английский, китайский, русский, испанский, французский, итальянский, японский, корейский, немецкий, арабский, турецкий, польский, шведский, нидерландский, иврит, индонезийский, украинский, персидский, португальский и финский. Репозиторий распространяется по лицензии Apache-2.0. README приводит сравнительный замер отказов: 15 из 100 запросов для этой версии против 99 из 100 у исходной модели; условия теста и качество на других задачах не описаны. Для запуска в указанном формате требуется совместимая среда MLX; карточка не сообщает длину контекста.

HiveCoderPlus-Abliterated — мультимодальная модель на основе Google Gemma 4 12B Instruct, представленная пользователем theailearner. Веса модели изменены методом ортогонализации направления отказа в остаточном потоке; README сообщает, что дополнительное дообучение не проводилось. Репозиторий содержит веса safetensors для Transformers, а карточка Hugging Face относит модель к задаче image-text-to-text и указывает поддержку диалога и изображений. Модель предназначена для диалога и ответов на запросы с текстом и изображениями; базовая модель также поддерживает видео и аудио. Изменение ослабляет отказы на запросы, на которые базовая модель могла отказывать. Лицензия — Gemma; README указывает, что следует соблюдать её условия и применимое законодательство. Удаление защитных отказов повышает риск небезопасных ответов.

IndicTrans2 Indic-En Distilled 200M — компактная дистиллированная модель перевода от AI4Bharat. Она предназначена для перевода между английским и индийскими языками; в карточке модели среди языков указаны бенгальский, английский, хинди, тамильский и урду, а теги репозитория охватывают более широкий набор языков Индии. Модель опубликована в формате PyTorch и Safetensors и использует архитектуру преобразования текста в текст. В README для этой версии не приведена длина контекста; упомянутые модели IndicTrans2 с контекстом до 2048 токенов относятся к отдельным вариантам RoPE. Модель распространяется по лицензии MIT.

unsloth/InternVL3-2B-GGUF — мультимодальная модель семейства InternVL3, разработанная OpenGVLab и представленная в формате GGUF при участии Unsloth. Она предназначена для обработки изображений и текста: визуального восприятия и рассуждений, анализа промышленных изображений, GUI-агентов, использования инструментов и задач 3D-восприятия. Модель поддерживает мультиязычные сценарии, однако конкретный перечень языков в карточке не указан. Архитектура построена по схеме ViT-MLP-LLM и включает vision-компонент InternViT-300M-448px-V2_5, MLP-проектор и языковую часть Qwen2.5-1.5B; общий размер базовой модели обозначен как 2B параметров. Модель является дообученной версией OpenGVLab/InternVL3-2B и обучалась с использованием датасета OpenGVLab/MMPR-v1.2. Карточка не указывает размер контекста и точную схему квантования GGUF. К сильным сторонам относятся мультимодальность, сочетание визуального анализа с языковым пониманием и сравнительно компактный размер, удобный для локального запуска в совместимых инструментах. Ограничениями являются небольшой размер языковой части по сравнению с более крупными вариантами семейства, отсутствие подробных сведений о производительности, поддерживаемых языках и контекстном окне, а также возможные потери качества из-за квантования. В метаданных указана лицензия Apache-2.0, но также приведено обозначение qwen и ссылка на лицензию Qwen, поэтому условия распространения следует дополнительно проверить перед использованием.