I.1Поиск и навигация по информации

proxima-ocr-d.markdown-post3.0.l — экспериментальная мультимодальная модель для обработки документов, созданная дообучением Qwen/Qwen3-VL-8B-Instruct. Она принимает изображения документов и преобразует их в Markdown, HTML-Markdown и структурированные представления, восстанавливая порядок разделов, таблицы, формы, многоколоночную верстку и математические выражения. Модель предназначена для OCR, извлечения таблиц и полей форм, восстановления разметки многостраничных документов, а также вопросов и поиска по их содержимому. В README заявлена поддержка технических фрагментов, включая код и формулы LaTeX; языком карточки указан английский. Модель распространяется в формате safetensors через библиотеку Transformers по лицензии Apache-2.0. Это ранняя экспериментальная версия: автор предупреждает о возможных артефактах. Точность может снижаться на повреждённых сканах и мало представленных языках, а сложная ориентация блоков и нерегулярная верстка могут требовать дополнительной обработки. Для длинных последовательностей и многостраничных документов требуется значительный объём видеопамяти.

ReaderLM-v2 — языковая модель Jina AI с 1,5 млрд параметров, построенная на архитектуре Qwen2 в виде авторегрессионного трансформера только для декодера. Она преобразует исходный HTML в Markdown или JSON по заданной схеме, извлекает текст и структуру веб-страниц и поддерживает диалоговый режим. Модель рассчитана на работу с длинными документами: суммарный объём входа и выхода может достигать 512 тысяч токенов. Модель поддерживает 29 языков, в том числе английский, китайский, японский, корейский, французский, испанский, немецкий и русский. В карточке заявлены улучшенная обработка таблиц, вложенных списков, блоков кода и формул, прямое формирование JSON, а также повышенная устойчивость при длинной генерации. В репозитории доступны веса Safetensors и формат ONNX. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое. Среди ограничений — специализация на HTML; качество преобразования зависит от структуры входной страницы и заданной схемы JSON. Для больших контекстов требуются значительные вычислительные ресурсы.

Карточка модели gradients-io-tournaments/tournament-tourn_c8068e356b7c22c8_20260928-880b38e9-b34b-46c3-b3c5-7cc5b08c18b9-5E6p1x3e на Hugging Face совпадает с карточкой numind/NuExtract-1.5, поэтому описание составлено по ней. NuExtract-1.5 — модель NuMind для извлечения структурированной информации из текста. Это дообученная версия Phi-3.5-mini-instruct с 3,7 млрд параметров, созданная на частном высококачественном наборе данных. Для запроса модели передают текст и JSON-шаблон с нужными полями; она старается извлекать сведения дословно, сохраняя формулировки исходного текста. Модель предназначена для структурирования содержимого документов и длинных текстов на английском, французском, испанском, немецком, португальском и итальянском языках. В README заявлена поддержка длинных документов, включая примеры длиной 8–20 тысяч токенов, хотя нативный размер контекста в метаданных составляет 4096 токенов. Для чистого извлечения рекомендуется температура 0 или близкая к нулю. Модель работает с текстом и выдаёт текст в формате, заданном JSON-шаблоном. Лицензия — MIT. Результаты могут зависеть от формулировки шаблона и настроек генерации; заявленная работа с длинными документами выходит за пределы контекста, указанного в метаданных.

Yi-9B-200K — базовая языковая модель, разработанная компанией 01.AI и обученная с нуля. Это плотная авторегрессионная модель семейства Yi на архитектуре Transformer, совместимой с реализацией Llama; веса Llama в обучении не использовались. Модель содержит 8,6 млрд параметров и поддерживает контекст до 262 144 токенов. Модель предназначена для генерации текста, понимания языка, ответов на вопросы, чтения и рассуждений. Семейство Yi рассчитано прежде всего на английский и китайский языки и обучено на многоязычном корпусе. Эта карточка описывает базовую модель, а не диалоговую настройку, поэтому качество ответов в чате может требовать дополнительного дообучения или инструкции в промпте. Модель распространяется в формате safetensors по лицензии Apache 2.0. Длинный контекст и относительно компактный размер семейства позволяют применять её для анализа больших текстовых фрагментов, однако фактические требования к памяти и скорость зависят от оборудования и настроек инференса.

andreasmartin выпустил конверсию текстовой модели Apertus 1.5 8B в формате MLX с точностью FP16. Модель основана на andreasmartin/apertus-v1.5-8b-text и предназначена для генерации текста и диалогового взаимодействия; карточка базовой модели также указывает сценарии RAG, рассуждений и вызова инструментов. Архитектура — плотная причинная языковая модель ApertusForCausalLM с 10,3 млрд параметров и контекстом до 262 144 токенов. Модель рассчитана на многоязычное текстовое взаимодействие. Репозиторий распространяется по лицензии Apache-2.0. В README описана конверсия в MLX с помощью mlx-lm 0.31.2; метаданные указывают формат safetensors.

CataLlama-v0.1-Instruct-SFT — чат-модель на архитектуре Llama 3, разработанная Лаурентиу Петреа и дообученная методом SFT на наборе catallama/Catalan-Instruct. Это второй этап обучения CataLlama; модель получила около 445 млн новых токенов за три этапа обучения. Она предназначена прежде всего для работы с каталонским языком: извлечения сведений из документов, распознавания именованных сущностей, перевода между каталонским и английским, краткого и подробного пересказа, анализа тональности и диалогов по инструкциям. Модель имеет 7,5 млрд параметров, использует авторегрессионный трансформер и принимает текстовые запросы; длина контекста составляет 8192 токена. В карточке приведены результаты MMLU 55,28 и GSM8K 51,63, а также validation loss 0,8528 после двух эпох; автор отмечает, что модель создана для демонстрации адаптации LLM к новым языкам, а не для лидерства в бенчмарках. Лицензия — Llama 3 Community License. README содержит ограничение на использование не на английском языке, хотя модель специально дообучена для каталонского; перед применением следует учитывать условия лицензии и политики использования Llama 3.

Eagle 2.5-8B — мультимодальная модель семейства Eagle 2.5 от NVIDIA для анализа изображений, видео и текста. В основе архитектуры — визуальный энкодер SigLIP2-So400m-Patch16-512 и языковая модель Qwen2.5-7B-Instruct, объединённые в мультимодальную архитектуру на базе LLaVA с разбиением изображений на фрагменты. Модель поддерживает изображения высокого разрешения, многостраничные документы, длинный текст и видео до 512 кадров; контекст при обучении постепенно расширяли с 32K до 128K токенов. Модель предназначена для ответов на вопросы по видео и изображениям, суммаризации видео, локализации событий и понимания документов. В README сообщается о результатах на тестах понимания длинных видео и изображений, включая 72,4% на Video-MME при подаче 512 кадров. Указанная в метаданных лицензия — other; конкретные условия следует сверять с карточкой модели.

GutenOCR-3B — мультимодальная модель распознавания и локализации текста в документах, созданная дообучением Qwen2.5-VL-3B-Instruct. Модель на 3,1 млрд параметров использует архитектуру Qwen2.5-VL и принимает изображения с текстовыми запросами; поддерживает контекст длиной до 128 000 токенов. Модель предназначена для чтения целых страниц с сохранением структуры, распознавания текста в заданной области и поиска слов или строк с выдачей координат ограничивающих рамок. Она также обнаруживает области с текстом, включая строки, абзацы и математические выражения. Ответы могут быть представлены обычным текстом, Markdown или структурированным JSON; интерфейс управляется шаблонами запросов. Модель обучалась на деловых документах, научных статьях и синтетических данных для локализации. По описанию авторов, на отложенных тестах она улучшает распознавание текста на уровне областей и строк, а также полноту обнаружения текста по сравнению с базовой моделью. Карточка приводит английский как язык модели. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Menlo/Jan-nano-128k-gguf — это квантованная GGUF-версия компактной языковой модели Jan-Nano-128k, разработанной Menlo Research; авторами указаны Alan Dao и Bach Vu Dinh. Модель предназначена для генерации текста и исследовательских сценариев, включая анализ научных статей и длинных документов, синтез информации из нескольких источников, работу с большими наборами данных и сложные многошаговые диалоги. Она также совместима с серверами Model Context Protocol (MCP) и поддерживает вызов инструментов при соответствующей настройке среды. Ключевая характеристика модели — нативное контекстное окно до 128 000 токенов, рассчитанное на сохранение производительности при работе с длинным контекстом. Указан английский язык; модель относится к нетерминологически «рассуждающим» моделям и не использует отдельный режим thinking. Архитектура, точный размер модели, тип и параметры квантования, а также перечень поддерживаемых модальностей в README не раскрыты, поэтому подтверждена только текстовая модальность. Сильными сторонами заявлены обработка больших документов, глубокий анализ и улучшение результатов на длинном контексте по сравнению с предыдущей версией Jan-Nano. Ограничения включают отсутствие подробных сведений об архитектуре, размере и конкретном варианте квантования, а также необходимость корректной настройки chat template и параметров масштабирования RoPE при некоторых способах развёртывания. Модель распространяется по лицензии Apache 2.0.

Это порт модели эмбеддингов Jina AI v5 Text Small Clustering для Apple Silicon. Модель построена на архитектуре Qwen3-0.6B и использует предварительно объединённые адаптеры LoRA для задач кластеризации. Версия MLX предназначена для запуска на устройствах Apple Silicon с ускорением Metal. Модель кодирует поисковые запросы и документы или фрагменты текста в векторы размерностью до 1024. Поддерживается усечение эмбеддингов по схеме Matryoshka до 32, 64, 128, 256, 512, 768 или 1024 измерений. Максимальная длина последовательности — 32 768 токенов. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

LFM2-1.2B — компактная языковая модель, разработанная Liquid AI для работы на периферийных устройствах и локального развертывания. Это плотная авторегрессионная модель семейства LFM2 с 1,1 млрд параметров. Архитектура сочетает 10 блоков коротких свёрток с двойными затворами и 6 блоков группового внимания GQA. Модель принимает текст и генерирует текст; предусмотрены шаблон диалога в стиле ChatML и интерфейс для вызова инструментов. Контекст по метаданным каталога — до 128 000 токенов. Модель рассчитана на многошаговые диалоги, агентные сценарии, извлечение данных, RAG и творческое письмо. Liquid AI заявляет о высокой скорости и экономном использовании памяти на CPU, GPU и NPU, что подходит для смартфонов, ноутбуков и автомобильных систем. Поддерживаются английский, арабский, китайский, французский, немецкий, японский, корейский и испанский языки. README рекомендует дообучать модель под узкие задачи и не рекомендует полагаться на неё в задачах, требующих глубоких знаний или навыков программирования. Лицензия обозначена в метаданных как other; конкретные условия следует проверять в репозитории модели.

CYFRAGOVPL/Llama-PLLuM-70B-chat-2512 — диалоговая большая языковая модель семейства PLLuM, разработанная консорциумом PLLuM и развиваемая с 2025 года альянсом HIVE AI. Это плотная авторегрессионная модель архитектуры Llama с 69,5 млрд параметров и контекстом до 131 072 токенов; веса опубликованы в формате safetensors. Модель адаптирована к диалогу, выровнена по человеческим предпочтениям и предназначена для генерации связного текста и помощи в общих языковых задачах. Основной язык модели — польский; при обучении также использовались английские данные. Модель подходит для ответов на вопросы, суммаризации, извлечения информации и создания специализированных помощников. Для работы с польской публичной администрацией, юридическими и бюрократическими материалами README рекомендует использовать поиск по документам и RAG, а не полагаться только на знания модели. В обучении использовались продолженное предобучение на польских и английских текстах, ручные инструкции на польском и предпочтения, размеченные людьми. Указанная лицензия — Llama 3.1; перед использованием следует соблюдать её условия. Карточка описывает результаты на польских административных и общих языковых бенчмарках, но не даёт гарантии фактической точности ответов в конкретном применении.

Meno-Tiny-0.1 — компактная языковая модель на 1,5 млрд параметров, разработанная как дообученная версия Qwen/Qwen2.5-1.5B-Instruct на специальном русскоязычном наборе инструкций. Это декодерная Transformer-модель семейства Qwen2 с архитектурой Qwen2ForCausalLM; для работы используется библиотека Transformers. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и ориентирована прежде всего на русский язык. Модель предназначена для диалогов и генерации текста, в частности для ответов на вопросы по документам в RAG-сценариях. Среди описанных задач — суммаризация, разрешение анафоры, оценка токсичности и детоксикация текста, а также исправление ошибок распознавания речи. Компактный размер рассчитан на сценарии с ограничениями по памяти и вычислениям или требованиями к низкой задержке. Модель выпущена под лицензией Apache-2.0. Карточка предупреждает о возможных неточностях, предвзятости и небезопасных или оскорбительных ответах; качество на языках, отличных от русского, может быть ниже. Для старых версий Transformers до 4.37.0 указана несовместимость с архитектурой qwen2.

MPropositioneur-V2-large — языковая модель на основе Qwen3-4B, дообученная дистилляцией для извлечения атомарных пропозиций. Разработана Люком Поммере в LISN (CNRS); содержит около 3,7 млрд параметров и использует архитектуру Qwen3 с плотной языковой моделью. Принимает текст и генерирует список простых, независимых утверждений, сохраняя смысл исходного предложения или фрагмента. Контекст модели — до 40 960 токенов. Модель предназначена для подготовки данных для RAG, открытого извлечения информации (OpenIE), упрощения текста и анализа дискурса. По карточке она поддерживает французский и английский; метаданные также перечисляют немецкий, итальянский, испанский и португальский. Сравнительно с версией 0.6B, автор заявляет о более высокой точности передачи смысла и лучшей работе со сложными структурами предложений. Распространяется по лицензии Apache-2.0.

MyAwesomeModel — модель для извлечения признаков из текста, опубликованная в репозитории xcxvvvb55/MyAwesomeModel-TestRepo. В метаданных Hugging Face она отмечена как BERT-модель на базе PyTorch и библиотеки Transformers с pipeline-задачей feature-extraction, то есть предназначена для преобразования текстовых входов в числовые представления, пригодные для последующей обработки.

PLLuM-4B-chat-2512 — чат-модель семейства PLLuM, разработанная командой HIVE AI на базе Gemma 3 4B. Она продолжает предварительное обучение на польских и английских текстах и дообучена следовать инструкциям и предпочтениям людей. Модель предназначена для диалогов и генерации текста, включая ответы на вопросы, суммаризацию и извлечение информации; её ориентир — польский язык, в том числе задачи для государственного управления. Для работы с внутренними или отраслевыми документами модель можно применять в RAG-сценариях совместно с поиском и хранилищем документов. В README указано, что версия chat выровнена по человеческим предпочтениям и рассчитана на более безопасные и эффективные диалоги; разработчики также сообщают о высоких результатах на польских языковых и административных бенчмарках. Модель распространяется в формате safetensors по лицензии Apache-2.0.

NVIDIA Qwen3-235B-A22B-NVFP4 — квантованная версия авторегрессионной языковой модели Qwen3-235B-A22B от Alibaba, подготовленная NVIDIA с помощью TensorRT Model Optimizer. Это разреженная модель архитектуры Qwen3 MoE с общим числом 18,2 млрд параметров; веса и активации линейных операторов в блоках трансформера представлены в FP4. По данным карточки, такая оптимизация уменьшает требования к диску и видеопамяти примерно в 3,3 раза относительно 16-битного варианта. Модель принимает текст и генерирует текст. Она предназначена для развертывания в чат-ботах, агентных системах, приложениях RAG и других приложениях на базе ИИ; каталог также указывает интерфейс для вызова инструментов. Метаданные задают нативный контекст в 40 960 токенов, тогда как README заявляет до 131K токенов. Предпочтительная среда запуска — TensorRT-LLM на GPU NVIDIA Blackwell под Linux. Квантованный вариант рассчитан на более компактный и быстрый инференс, но доступные сведения не позволяют оценить возможные потери качества для конкретных задач. README не раскрывает обучающие данные и указывает автоматическую калибровку на CNN/DailyMail. Лицензия — Apache-2.0; карточка заявляет возможность коммерческого и некоммерческого использования.

Kansallisarkisto/finbert-ner — модель распознавания именованных сущностей в финском тексте, разработанная Национальным архивом Финляндии. Это дообученная для классификации токенов модель BERT на базе TurkuNLP/bert-base-finnish-cased-v1; она содержит 151,7 млн параметров, работает с контекстом до 512 токенов и распространяется в формате PyTorch через Transformers. Модель выделяет десять типов сущностей: имена людей, организации, места, геополитические объекты, продукты, события, даты, финские регистрационные номера дел и компаний, а также национальные, религиозные и политические группы. Она подходит для разметки финских архивных и административных документов, газетных текстов и других материалов для поиска и анализа. В тестировании F1 составил 0,90 для PERSON, 0,86 для ORG и 0,97 для FIBC; результаты для событий ниже — 0,71. Лицензия MIT. Распознавание EVENT и LOC может быть менее точным из-за меньшего числа таких примеров в обучении. Поскольку большая часть данных относится к относительно недавнему периоду, модель может хуже работать со старыми именами и стилями письма. Часть обучающих архивных данных не опубликована из-за наличия чувствительной информации.

Instella-3B-Long-Instruct — языковая модель AMD на 3 млрд параметров для диалогов и работы с длинным контекстом. Она основана на Instella-3B-Instruct и прошла дополнительное обучение: расширение контекста, дообучение на инструкциях и оптимизацию предпочтений. Архитектура — плотная авторегрессионная InstellaForCausalLM; модель принимает текст и поддерживает контекст до 131 072 токенов. Модель подходит для ответов на вопросы по длинным документам, анализа больших текстовых массивов, суммаризации и диалоговых сценариев, в том числе связанных с книгами и кодом. AMD сообщает о конкурентных результатах на бенчмарках длинного контекста по сравнению с рядом небольших моделей с открытыми весами. Многоязычные возможности не проверялись, поэтому надёжность работы на языках, отличных от основных данных обучения, не установлена. Модель опубликована в формате Safetensors под лицензией «other»; конкретные условия следует сверить с карточкой и файлами лицензии репозитория. Разработчик предупреждает о возможных фактических ошибках, токсичных, предвзятых или вредоносных ответах и не рекомендует применять модель в критически важных, медицинских или требующих высокой достоверности сценариях. Указанное в README ограничение на исследовательское использование само по себе не меняет категорию зрелости модели.

Llama-Express.1-Tiny — компактная текстовая языковая модель, разработанная prithivMLmods на основе Meta Llama 3.2 1B Instruct и дообученная на наборах данных с длинными цепочками рассуждений. Это плотная авторегрессионная модель семейства Llama с 1,2 млрд параметров; для запуска карточка рекомендует Transformers версии 4.43.0 или новее. Метаданные указывают контекст до 131 072 токенов. Модель предназначена для многоязычного диалога, следования инструкциям, суммаризации и сценариев поиска с последующим извлечением и обобщением сведений. Она принимает текст и генерирует текст; также заявлен интерфейс для вызова инструментов. Английский указан в языковых метаданных, а описание заявляет многоязычное применение без перечисления остальных языков. Карточка заявляет оптимизацию для длинных рассуждений и диалогов, но не приводит независимых оценок качества. Возможны предвзятые или неуместные ответы, снижение качества на малоресурсных языках и ухудшение результатов при неоднозначных запросах или очень длинном контексте; модель не получает актуальные сведения из интернета сама по себе. Лицензия — Llama 3.2.

MyAwesomeModel — модель из репозитория dfdfhhj7/MyAwesomeModel-TestRepo, доступная через библиотеку Transformers и распространяемая по лицензии MIT. В метаданных Hugging Face она классифицирована как модель для извлечения признаков; среди тегов также указаны PyTorch и BERT, поэтому её можно использовать для получения векторных представлений текста и последующей обработки в задачах машинного обучения.

Pulpie Orange Small — модель компании Feyn, предназначенная для извлечения основного содержимого веб-страниц из HTML. Она классифицирует блоки страницы как основной контент или вспомогательные элементы, например навигацию, рекламу, боковые панели и нижние колонтитулы, за один проход энкодера. Модель содержит 211,7 млн параметров, построена на EuroBERT-210m и использует архитектуру EuroBertForTokenClassification; контекст составляет до 8192 токенов. Она предназначена для конвейеров очистки HTML, веб-скрейпинга и подготовки данных для поиска и RAG; результат можно восстановить как HTML или Markdown с помощью пакета pulpie. В README сообщается о показателе ROUGE-5 F1 0,862 на английской части WebMainBench и скорости в 20 раз выше, чем у Dripper на GPU L4. Модель компактнее старших моделей семейства при близком качестве, но карточка приводит результаты только для английской части набора. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства и ограничивает коммерческое применение.

Jina Reader-LM 1.5B — языковая модель от Jina AI для преобразования HTML-страниц в Markdown. Она обучена на подобранных парах HTML и соответствующего Markdown и принимает исходный HTML без отдельной инструкции в запросе. Пример применения из карточки — конвертация страницы Hacker News; модель также рассчитана на преобразование содержимого произвольных веб-страниц. Модель имеет плотную архитектуру Qwen2ForCausalLM с 1,5 млрд параметров, поддерживает чатовый формат и контекст до 256 000 токенов. Веса опубликованы в формате safetensors и используются через Transformers. Карточка указывает, что выпущена более новая версия ReaderLM-v2. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

czl/CLM-v0.1-8B-MLX — версия контрастивной модели CLM-v0.1-8B, подготовленная для запуска через MLX на Apple Silicon. Это модель семейства Qwen3 с плотной архитектурой, примерно 7,6 млрд параметров и контекстом до 40 960 токенов. Вариант bf16 служит эталоном для сравнения квантованных версий; README описывает кодирование текста и ранжирование кандидатов по эмбеддингам. Модель предназначена для сравнения кандидатов, ранжирования вариантов и оценки действий в агентных сценариях. Она использует last-token pooling для получения 4096-мерных эмбеддингов и применяет стек проекционных голов; оценки вероятностей зависят от набора кандидатов. Карточка сообщает об оценке на 23 926 вопросах и о сравнении результатов разных разрядностей с эталоном bf16. Это ранжировщик, а не генеративная модель: выходная проекция lm_head при pooling не используется. Проекционные головы привязаны к эмбеддингам Qwen3-8B размерности 4096, а ошибки косинусного сходства усиливаются в 100 раз в стеке голов. Лицензия — Apache-2.0; запуск рассчитан на MLX и Apple Silicon.

Карточка модели lamm-mit/DeepSeek-OCR на Hugging Face совпадает с карточкой deepseek-ai/DeepSeek-OCR, поэтому описание составлено по ней. DeepSeek-OCR — мультимодальная модель DeepSeek для распознавания текста и анализа документов по изображениям. Она предназначена для извлечения текста из визуальных материалов, включая страницы документов; README также указывает поддержку обработки PDF через vLLM. Модель основана на архитектуре DeepSeek-VL2 и содержит 559,7 млн параметров. Она принимает изображения и текстовые запросы, а результат формирует в виде текста; заявлен контекст до 8192 токенов и многоязычная поддержка. В качестве среды запуска README описывает Transformers на GPU NVIDIA, а также отмечает поддержку vLLM. Модель доступна по лицензии MIT. README не приводит подробных оценок качества и перечня поддерживаемых языков, поэтому применимость к конкретному языку или типу документа следует проверять на собственных данных.

cmarkea/dit-base-layout-detection — модель cmarkea для анализа структуры страниц документов. Это BEiT-base, дообученная на наборе DocLayNet; модель сегментирует изображение документа по 11 типам элементов: подписи, сноски, формулы, пункты списка, колонтитулы, изображения, заголовки разделов, таблицы, основной текст и заголовки. Модель предназначена для извлечения макета страниц из сканов и изображений документов, в том числе при подготовке документных коллекций для систем ответов на вопросы по документам. Она содержит около 119,5 млн параметров и выдаёт семантическую сегментацию; из масок сегментации можно получить ограничивающие рамки элементов. В опубликованной оценке на страницах DocLayNet приведены F1 90,77, GIoU 56,29 и точность классов рамок 85,26; для DETR-варианта cmarkea в той же таблице показатели рамок выше. Модель принимает изображения и выдаёт разметку областей документа. Лицензия — Apache-2.0. Результаты обнаружения рамок приведены для простого преобразования масок через OpenCV findContours без дополнительной постобработки, поэтому точность рамок может зависеть от последующей обработки.

Primitive AI представляет квантизированную версию IFM/K2-Horizon-MoVA-36B-A4B — разреженной MoE-модели для генерации текста, рассуждений и вызова инструментов. Модель предназначена для серверного инференса и сценариев, где важны качество рассуждений, tool calling и размещение на одной видеокарте. Поддержка интегрирована в ветку main проекта vLLM; опубликованный вариант рассчитан на использование с Transformers, compressed-tensors и vLLM. Модель имеет 45 разреженных слоёв и общий размер 36B параметров при активных примерно 4B параметров на токен. В данной сборке 15 экспертных слоёв используют NVFP4, а остальные 30 — FP8 с блочными масштабами [128,128]. Размер файлов составляет 44,48 ГБ, что примерно на 8% меньше официальной FP8-версии и в 1,7 раза меньше BF16-варианта. Заявлена работа с контекстом до 32 768 токенов; на одной 96-ГБ видеокарте модель запускается без tensor parallelism. Сведения о поддерживаемых языках в README не указаны. Сильными сторонами являются сохранение уровня знаний, сопоставимого с BF16 и официальной FP8-версией, а также более высокая точность вызова инструментов по сравнению с альтернативной сборкой на чистом NVFP4. Модель требует GPU с архитектурой NVIDIA Blackwell и не тестировалась для Ampere, поскольку использует FP8-тензорные ядра. Для запуска нужен nightly или сборка vLLM из main с поддержкой K2-Horizon; стабильная версия 0.28.0 эту поддержку не содержит. Настройка уровня рассуждений выполняется на уровне сервера. Модель распространяется по лицензии Apache-2.0.

Это дообученная модель tiennvcs на основе microsoft/layoutlmv2-base-uncased для ответов на вопросы по документам. Она принимает изображение документа, распознанный текст и его координаты, а затем находит ответ на вопрос в содержимом документа. Модель построена на архитектуре LayoutLMv2, содержит 136,7 млн параметров и рассчитана на контекст до 512 токенов. Модель подходит для извлечения сведений из форм, счетов и других документов с заданными вопросами. В карточке приведено значение функции потерь 1,194 на оценочном наборе, но набор данных и подробности обучения не описаны. Использование распространяется по лицензии CC BY-SA 4.0.

nreimers/MiniLM-L6-H384-uncased — компактная модель семейства MiniLM, представленная Nils Reimers. Это версия Microsoft MiniLM-L12-H384-uncased, полученная удалением каждого второго слоя; архитектура — BERT с шестью слоями и примерно 25,9 млн параметров. Модель извлекает контекстные признаки из текста и подходит для построения текстовых представлений в NLP-системах. Она поддерживает последовательности длиной до 512 токенов и распространяется в форматах PyTorch и Flax. Модель можно использовать как основу для извлечения признаков в поиске, кластеризации и последующей классификации текста. Уменьшенная глубина делает её компактнее исходной 12-слойной версии, но сама карточка не приводит сравнительных оценок качества. Поддерживаемый язык в карточке не указан. Лицензия — MIT.

MyAwesomeModel — модель на базе BERT для извлечения признаков из текста, доступная через библиотеку Transformers и реализованная с использованием PyTorch. В метаданных Hugging Face она классифицирована для задачи feature-extraction; автор или организация-разработчик не указаны. Модель предназначена для получения векторных представлений текстов, которые можно использовать в последующей классификации, кластеризации, поиске похожих документов и других задачах анализа текста. README также заявляет о возможностях рассуждения, генерации кода, ответов на вопросы и диалогов, однако эти сведения не согласуются с указанным pipeline-тегом и не подтверждают архитектуру генеративной модели. Модель распространяется по лицензии MIT. В доступных данных не указаны размер модели, поддерживаемые естественные языки и длина контекста.