I.1Поиск и навигация по информации

GLM Large Chinese — языковая модель семейства GLM, разработанная командой исследователей, указанных в статье GLM: General Language Model Pretraining with Autoregressive Blank Infilling. Модель предварительно обучена на корпусе WuDaoCorpora с авторегрессионной целью заполнения пропусков и рассчитана на задачи понимания и генерации естественного языка. Архитектура — плотный трансформер GLM с 24 слоями, размером скрытого представления 1024 и 16 головами внимания на слой; в метаданных указано 453,9 млн параметров. Модель поддерживает китайский язык. Репозиторий содержит веса PyTorch. В карточке не приведены сведения о лицензии и длине контекста.

Holo-3.1-9B-GGUF — это локально запускаемая GGUF-версия мультимодальной vision-language модели Holo-3.1-9B, разработанной Hcompany и опубликованной в данном формате пользователем prithivMLmods. Модель предназначена для создания компьютерных агентов, работающих с браузерами, настольными и мобильными интерфейсами, а также для автоматизации пользовательских интерфейсов, UI grounding и бизнес-процессов. Модель поддерживает обработку текста и изображений, ориентирована на английский язык и имеет около 9 млрд параметров. В заявленных возможностях — native function calling для интеграции с агентскими фреймворками и выполнение действий в графических интерфейсах. Репозиторий содержит варианты квантования от Q2_K до Q8_0, а также BF16 и F16; размер файлов составляет примерно от 3,83 до 17,9 ГБ, отдельно предоставляются мультимодальные проекторы mmproj. Это позволяет выбирать компромисс между качеством, требованиями к памяти и скоростью локального запуска. Сильные стороны модели — мультимодальность, поддержка компьютерного и мобильного использования, интеграция с агентами и возможность локального развертывания с оптимизированными квантованными контрольными точками. Ограничения README не описывает подробно: не указаны длина контекста, конкретная архитектура, результаты бенчмарков, требования к оборудованию и поддерживаемые языки помимо английского. Модель распространяется по лицензии Apache-2.0.

IndoBERT Large Model (phase1, uncased) — предварительно обученная языковая модель на архитектуре BERT, созданная командой IndoBenchmark для индонезийского языка. Модель обучена на корпусе Indo4B с задачами masked language modeling и next sentence prediction; в README для этой версии указано 335,2 млн параметров, тогда как метаданные репозитория указывают 433,9 млн. Контекст составляет до 512 токенов. Модель предназначена для извлечения контекстных представлений текста, которые можно использовать как основу для прикладных NLP-систем на индонезийском языке. Она поддерживается библиотеками Transformers в форматах PyTorch, TensorFlow и Flax. Лицензия — MIT. Это базовая предварительно обученная модель, а не готовый чат-бот или специализированный классификатор.

Marianodo/labels-per-job-title-fine-tune — модель sentence-transformers на базе MPNet, разработанная Marianodo для сопоставления предложений и абзацев с названиями должностей и метками. Она преобразует текст в плотные векторы размерности 768 и предназначена для семантического поиска, сравнения текстов и кластеризации. Модель содержит 136,7 млн параметров и поддерживает контекст до 514 токенов. В README указано, что модель обучалась с функцией потерь BatchHardSoftMarginTripletLoss. Её можно применять для поиска похожих формулировок должностей, группировки названий вакансий и подбора меток по текстовому описанию. Данные о языке обучения или использования в карточке не приведены. Модель поставляется в формате PyTorch. Лицензия в предоставленных метаданных и README не указана.

Llama-3.2-3B-F1-Instruct, также называемая Formosa-1 или F1, — языковая модель Twinkle AI и APMIC, созданная при техническом руководстве Национального центра высокоскоростных вычислений Тайваня. Это дообученная версия LlamaForCausalLM с 3 млрд параметров, ориентированная на традиционный китайский язык и задачи в контексте Тайваня; также поддерживает английский. Модель предназначена для диалогов и выполнения инструкций в правовых, образовательных и повседневных сценариях. В карточке отмечена поддержка вызова инструментов, включая параллельные вызовы, с шаблоном Hermes. Авторы сообщают об оценках на тестах TMMLU+, тайваньского права и MMLU, а также о проверке вызова функций по BFCL. Результаты зависят от режима оценки и не гарантируют качество в конкретном приложении. Модель опубликована в формате safetensors для Transformers и распространяется по лицензии llama3.2.

LLM2CLIP-Llama-3-8B-Instruct-CC-Finetuned — текстовый энкодер семейства Llama, разработанный Microsoft совместно с исследователями из Университета Тунцзи. Это компонент подхода LLM2CLIP: энкодер дообучен на подписях к изображениям с помощью контрастивного обучения, чтобы получать текстовые эмбеддинги, лучше различающие содержание длинных и сложных описаний. В README указаны обучающие данные CC3M, CC12M, YFCC15M и подмножество Recap-DataComp-1B. Модель предназначена для сопоставления текстов с изображениями и поиска по изображениям или текстовым описаниям. Веса опубликованы в формате safetensors; метаданные указывают 7,5 млрд параметров, контекст до 8192 токенов и лицензию Apache-2.0. README сообщает об улучшениях в межъязыковом поиске и задачах retrieval в составе LLM2CLIP, но отмечает, что результаты PyTorch могут отличаться от результатов версии Hugging Face.

GroNLP разработала эту модель на основе mDeBERTa V3 для определения субъективности предложений в газетных статьях. Она классифицирует предложение как объективное (OBJ) или субъективное (SUBJ), то есть основанное на личных чувствах, вкусах или мнениях. Модель создана для задачи CheckThat! Lab 2023 по анализу новостных статей и заняла третье место в соревновании. Модель использует архитектуру DeBERTa V2 для классификации последовательностей, содержит 305,3 млн параметров и принимает текст длиной до 512 токенов. Для обучения применялись многоязычные данные, а для разработки — английские; карточка указывает английский как язык модели. В соревновании модель достигла macro F1 0,77 и F1 0,79 для класса субъективных предложений. Лицензия в предоставленных данных не указана.

Это конверсия MetaCLIP 2 от zeromodels: мультимодальный двухэнкодерный чекпойнт архитектуры CLIP для классификации изображений без обучения на конкретном наборе классов. Базовая модель — facebook/metaclip-2-worldwide-b16; версия подготовлена в формате Keras 3 и работает с TensorFlow, Torch и JAX. Модель сопоставляет изображение с текстовыми описаниями классов и подходит для классификации по пользовательским меткам. Вариант worldwide обучен на многоязычном распределении данных и использует словарь XLM-RoBERTa на 901 тыс. токенов, поэтому запросы-классы можно задавать на разных языках без отдельного мультиязычного чекпойнта. Для обработки рекомендуется использовать совместимый с вариантом процессор, который задаёт размер изображения и токенизатор. Модель распространяется по лицензии CC-BY-NC-4.0, допускающей использование на некоммерческих условиях. Качество зависит от формулировки текстовых меток и соответствия изображения обучающим данным; README не приводит количественных оценок качества или ограничений по разрешению.

MetaCLIP 2 (worldwide) — мультимодальная модель семейства CLIP, представленная Meta в работе «MetaCLIP 2: A Worldwide Scaling Recipe». Этот чекпойнт соответствует варианту ViT-H-14-quickgelu-worldwide и предназначен для классификации изображений по текстовым описаниям без дополнительного обучения: пользователь задаёт возможные классы, а модель оценивает соответствие изображения каждому из них. Модель принимает изображения и текстовые описания и выдаёт оценки сходства, поддерживая многоязычные сценарии. Она реализована как MetaCLIP2Model и распространяется в формате safetensors для Transformers. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но ограничивает коммерческое применение.

JANGQ-AI выпустила JANG_2L — квантованную версию MiMo-V2.6-Flash-RL от XiaomiMiMo для запуска через MLX Studio или vMLX на Apple Silicon. Это модель семейства MiMo V2 с 12 млрд параметров и контекстом до 1 048 576 токенов; сохранены исходный токенизатор и шаблон чата, а также компоненты обработки изображений, видео и входного аудио. Основная часть весов использует смешанную низкую точность: эффективная разрядность составляет около 2,73 бита на параметр. Модель предназначена для диалогов, рассуждений, вызова инструментов и задач с визуальным или мультимодальным входом. Карточка приводит ограниченные измерения сохранения поведения после квантования, включая 5 из 6 тестов инструментального вызова в небольшом подмножестве; эти результаты не показывают общей точности на бенчмарках. В испытаниях отмечены ошибки интерпретации видео и деталей в совместных запросах с изображением и аудио; генерация аудио и синхронное понимание видео и аудио не квалифицированы. Для работы требуются MLX Studio или vMLX версии 1.6.65 или новее и JANG версии 2.5.48 или новее; для весов и активного кэша памяти нужно больше, чем указанный размер файлов. Лицензия — MIT.

ModernGBERT 134M — немецкоязычная языковая модель-энкодер от LSX UniWue, построенная на архитектуре ModernBERT в стиле BERT. Она содержит 134,2 млн параметров, имеет 22 слоя и скрытый размер 768; длина контекста составляет до 8 192 токенов. Модель предварительно обучена на 470 млрд токенов немецкой части RedPajama V2. Модель предназначена для извлечения признаков из текста и может служить основой для задач понимания немецкого языка, получения эмбеддингов и дообучения, например для классификации токенов с помощью LoRA. В README указаны результаты на SuperGLEBer и German MTEB; для оценки эмбеддингов модели предварительно дообучались без разметки на немецкой части mMARCO. Репозиторий содержит веса PyTorch в формате Safetensors, модель поддерживается библиотекой Transformers версии 4.48.0 и новее. Лицензия обозначена в метаданных как other, поэтому конкретные условия использования следует сверить с карточкой репозитория. Модель рассчитана на немецкий язык; результаты и описание не подтверждают сопоставимое качество для других языков. Для эмбеддингов README приводит результаты после дополнительного дообучения, поэтому они не обязательно отражают качество исходного чекпойнта без адаптации.

MyAwesomeModel — модель на базе архитектуры BERT, опубликованная для библиотеки Transformers и реализованная на PyTorch. В метаданных Hugging Face для неё указан pipeline-тег feature-extraction, поэтому основное назначение модели — получение векторных представлений текста для последующего анализа и машинного обучения. В README также заявлены улучшенные способности к рассуждению, пониманию языка, генерации кода, суммаризации, диалогу, переводу и function calling, однако эти характеристики не согласуются с указанным pipeline-тегом feature-extraction и не сопровождаются подробностями об архитектуре, размере или процедуре обучения. Модель можно рассматривать для экспериментов с извлечением признаков и задачами, где требуются текстовые эмбеддинги. Модель распространяется по лицензии MIT. В доступных материалах отсутствуют подтверждённые сведения о разработчике, поддерживаемых естественных языках, длине контекста и количестве параметров.

Perception Encoder PE-Core-B16-512 — визуальный энкодер Meta из семейства Perception Encoder, обученного с помощью контрастивного обучения изображений и текстов и дообученного на синтетически согласованных видео. Эта версия использует архитектуру B/16 с башнями для изображений и текста: визуальная часть содержит около 90 млн параметров, текстовая — около 310 млн; в README для семейства указаны ширина слоёв 768 и 1024, глубина 12 и 24 слоя и контекст текста 32 токена. Модель предназначена для извлечения признаков и визуальных эмбеддингов, которые можно применять для классификации и поиска изображений и видео, в том числе в режиме zero-shot. Сильные стороны семейства — перенос общих визуальных признаков на задачи классификации и поиска; README сообщает о результатах на ImageNet, ObjectNet, COCO и Kinetics. В метаданных указан формат PyTorch, а лицензия — Apache-2.0. Описание результатов в README относится к вариантам B/16, L/14 и G/14, поэтому конкретные показатели для варианта 512 не приведены.

quinex-quantity-v0-82M — англоязычная модель разметки последовательностей от Jülich Systems Analysis для поиска упоминаний количеств в тексте. Она основана на ClimateBERT (climatebert/distilroberta-base-climate-f), энкодерной модели DistilRoBERTa, и дообучена для выделения чисел и, когда применимо, единиц измерения. В метаданных указаны 95,4 млн параметров, архитектура RobertaForTokenClassification, библиотека Transformers и контекст до 514 токенов; в README размер округлён до 82 млн параметров. Модель подходит для извлечения числовых величин и измерений из научных, новостных и корпоративных текстов, включая материалы о климате. README сообщает о последовательном дообучении на примерах из Wiki-Quantities и нескольких размеченных наборах данных. Для этого чекпойнта заявлены F1 94,56, точность 93,92, полнота 95,21 и accuracy 99,15 на тестовом наборе статьи. Модификаторы количества, например «примерно», «более» или отрицание, не входят в выделяемые спаны; метрики также зависят от неоднозначных вариантов разметки. Лицензия — Apache-2.0.

cointegrated/rubert-tiny-bilingual-nli — компактная модель на базе RuBERT-tiny, дообученная разработчиком cointegrated для определения логической связи между двумя короткими текстами. Она предсказывает, следует ли один текст из другого, и подходит для классификации без заранее заданного набора классов: пользователь задаёт возможные метки, а модель оценивает их применимость к тексту. Модель построена на архитектуре BERT и содержит 12,1 млн параметров. Она принимает пары текстов, поддерживает русский язык и обрабатывает последовательности длиной до 512 токенов. Модель рассчитана на задачи NLI и zero-shot-классификации; её компактный размер подходит для сценариев, где важны небольшие вычислительные затраты. В карточке не приведены сведения о лицензии, поэтому условия использования по имеющимся данным определить нельзя. Модель обучалась на русскоязычном наборе данных NLI; предсказания для длинных текстов или задач за пределами классификации логических отношений могут быть ненадёжны.

Карточка модели Veritone/siglip2-base-patch16-512 на Hugging Face совпадает с карточкой google/siglip2-base-patch16-512, поэтому описание составлено по ней. SigLIP 2 Base — базовая модель семейства SigLIP 2, разработанная Google. Она обучена на наборе данных WebLI и предназначена для сопоставления изображений и текста: модель поддерживает классификацию изображений по заданным текстовым меткам без дополнительного обучения и поиск изображений по текстовым запросам или текста по изображениям. Её также можно использовать как визуальный энкодер для мультимодальных языковых моделей и других задач компьютерного зрения. Модель принимает изображение и текстовые описания-кандидаты и оценивает их соответствие; визуальный энкодер формирует представления изображений для дальнейшего использования. В карточке указана архитектура SigLIP, библиотека Transformers и формат весов safetensors. Модель доступна по лицензии Apache-2.0. README не приводит сведений о размере параметров и длине контекста.

SigLIP 2 Base — базовая модель семейства SigLIP 2, разработанная Google. Это плотный визуально-языковой энкодер класса Siglip2Model для сопоставления изображений и текста; модель доступна в формате Safetensors и используется через библиотеку Transformers. Модель предназначена для классификации изображений по произвольным текстовым меткам без отдельного обучения, поиска соответствий между изображениями и текстом, а также в качестве визуального энкодера для мультимодальных моделей и других задач компьютерного зрения. SigLIP 2 объединяет улучшения предобучения SigLIP для семантического понимания изображений, локализации и получения плотных признаков. Она предобучена на наборе WebLI. Модель принимает изображения и текстовые описания или метки и выдаёт оценки соответствия, пригодные для ранжирования вариантов. Карточка не сообщает конкретный размер параметров и длину контекста. Лицензия Apache-2.0 разрешает использование, изменение и распространение с соблюдением её условий. Оценки из карточки относятся к исследовательской публикации; качество может различаться на задачах и данных, отличающихся от предобучения.

fancyfeast/so400m-long — это дообученная модель SigLIP 2 So400m для сопоставления изображений с текстом и классификации изображений по текстовым меткам без заранее заданного набора классов. Автор увеличил максимальную длину текста с 64 до 256 токенов, оставив визуальную башню замороженной и дообучив часть текстовой башни. Модель принимает изображения и текстовые описания, кодирует их в общее пространство и позволяет сравнивать соответствие изображения текстовым меткам. Модель подходит для классификации изображений по пользовательским категориям и поиска подходящих изображений по длинным описаниям. При дообучении использовались пары изображение–текст, включая подписи, теги, промпты и примеры вопросов и ответов по изображениям. Автор отмечает, что результаты немного лучше базовой SigLIP 2 So400m, однако модель склонна отдавать предпочтение более коротким описаниям; распознавание списков booru-тегов на фотореалистичных изображениях остаётся несовершенным. Лицензия — Apache-2.0.

GrayLine-Qwen3-14B-GGUF — квантизированная версия текстовой генеративной модели GrayLine-Qwen3-14B, разработанной soob3123 и подготовленной в формате GGUF пользователем bartowski. Квантизация выполнена с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, прямых ответов, информационного поиска и задач, связанных с общими знаниями. В метаданных она обозначена как unfiltered и uncensored, однако конкретные поведенческие характеристики и результаты тестирования не приведены. Модель относится к семейству Qwen3 и имеет размер 14 млрд параметров. Она работает с текстом и заявлена для английского языка. Доступны варианты от исходных BF16-весов размером 29,54 ГБ до низкоразрядных квантов, включая рекомендуемый Q4_K_M размером 9 ГБ, а также более качественные Q5 и Q6. Квантизированные файлы можно запускать через LM Studio, llama.cpp и другие совместимые проекты; для взаимодействия используется формат шаблона чата с ролями system, user и assistant. Сильной стороной модели является широкий выбор уровней квантизации, позволяющий выбирать между качеством ответов, требованиями к памяти и скоростью работы. Ограничения связаны с тем, что это текстовая модель только для английского языка, а квантизация может снижать качество по сравнению с исходной версией, особенно в компактных вариантах. Лицензия — Apache-2.0.

ivlcic/sour-sarma — модель распознавания именованных сущностей для славянских языков, дообученная на базе jhu-clsp/mmBERT-base. Она использует архитектуру ModernBERT с 306,9 млн параметров и контекстом до 8192 токенов. Модель предназначена для разметки токенов и выделения сущностей в тексте; обучение проводилось на корпусах для NER, включая SUK, BSNLP, hr500k, SETimes.SR и WikiAnn. Модель охватывает словенский, хорватский, сербский, боснийский, македонский, албанский, чешский, болгарский, польский, русский, словацкий и украинский языки. В README указано, что она показывает текущий лучший результат на Slobench NER. Для неё заявлена лицензия Apache-2.0. При использовании следует учитывать, что разметка подслов повторяет метку соответствующего слова, поэтому стандартный конвейер может требовать особой обработки.

SpanBERT-large-cased — англоязычная предобученная языковая модель на архитектуре BERT, разработанная исследовательской группой SpanBERT и опубликованная организацией SpanBERT. Она использует обучение, ориентированное на представление и предсказание фрагментов текста, и предназначена как основа для последующей настройки на задачи понимания текста, особенно ответы на вопросы, выделение отношений и разрешение кореференции. В официальном репозитории указана конфигурация из 24 слоёв, скрытого размера 1024 и 16 голов внимания; метаданные этой копии Hugging Face указывают 432,3 млн параметров и контекст до 512 токенов. Модель принимает текст и выдаёт контекстные представления токенов; сама по себе это не генеративный чат-бот и не готовый классификатор для всех перечисленных задач. Репозиторий демонстрирует её применение после дообучения на SQuAD, TACRED, GLUE и задачах кореференции. SpanBERT показала преимущество над BERT в приведённых авторами оценках SQuAD и кореференции. Модель предназначена для английского языка. Лицензия — CC-BY-NC 4.0, в том числе для предобученных весов; коммерческое использование не разрешено этой лицензией.

SpanMarker для выявления акронимов и их расшифровок в английском тексте, обученная на наборе Acronym Identification. Модель разработана на основе некейс-чувствительного энкодера bert-base-uncased от Google и предназначена для распознавания именованных сущностей: она находит краткие формы и соответствующие им длинные названия, например SODA и successive convex approximation. Модель принимает текст и размечает фрагменты метками short и long. Максимальная длина последовательности — 256 токенов, максимальная длина сущности — 8 слов. В карточке приведены значения F1 0,9199 для всех сущностей, 0,9262 для коротких и 0,9074 для длинных. Лицензия — Apache-2.0; модель можно дообучить на собственном наборе данных. Поскольку энкодер не учитывает регистр, автор рекомендует кейс-чувствительную версию, если регистр в исходных данных всегда корректен.

Модель ahmedHamdi/story-similarity-mpnet-plots-es-en-NE-Masked — дообученная с помощью AutoTrain модель Sentence Transformers на базе sentence-transformers/all-mpnet-base-v2 для оценки семантического сходства предложений. Она кодирует текст в плотные векторы, которые можно сравнивать для поиска похожих сюжетов и других текстов. Модель содержит 136,7 млн параметров, использует архитектуру MPNet и формат safetensors; максимальная длина контекста — 514 токенов. Для использования требуется библиотека Sentence Transformers. В карточке указана метрика loss 0,915, но её методика и качество на практических данных не описаны. Лицензия в доступных сведениях не приведена.

satyaalmasian/temporal_tagger_BERT_tokenclassifier — модель на основе BERT для разметки временных выражений в обычном тексте. Она предназначена для извлечения упоминаний времени, дат, длительностей и повторяющихся временных интервалов. Модель представлена в работе «BERT got a Date: Introducing Transformers to Temporal Tagging»; автор использует BERT для классификации каждого токена по тегам BIO: начало и продолжение фрагмента времени, даты, длительности или множества, а также токены вне таких фрагментов. Это модель архитектуры BERT с 136,7 млн параметров, рассчитанная на английский текст и контекст до 512 токенов. Она выдаёт метки для токенов; для получения читаемых временных фрагментов рекомендуется использовать постобработку из исходного репозитория, включая выравнивание токенов и стратегии голосования: необработанные предсказания могут быть шумными. В карточке не указаны условия лицензии.

TinyLettuce-ettin-68m-en — англоязычная модель KRLabsOrg для выявления галлюцинаций в ответах с опорой на заданный контекст. Она построена на энкодере Ettin на 68,1 млн параметров с головой классификации токенов и помечает токены как подтверждённые или галлюцинированные; объединение помеченных фрагментов в span выполняется отдельно. Модель принимает контекст, вопрос и ответ в последовательности до 4 096 токенов по README; метаданные указывают нативный контекст до 7 999 токенов. Модель предназначена для обнаружения неподтверждённых фрагментов в системах retrieval-augmented generation, а также для дальнейшей адаптации на небольших доменных выборках. README сообщает F1 74,97% на RAGTruth и позиционирует модель как компактную для CPU-инференса. Это результат на конкретном бенчмарке, а не гарантия качества на других данных. Модель дообучена от jhu-clsp/ettin-encoder-68m; лицензия — MIT.

timm/ViT-B-16-SigLIP2-384 — преобразованная для OpenCLIP модель зрения и языка семейства SigLIP 2, обученная на наборе WebLI. Исходные контрольные точки выпущены в формате JAX в проекте Big Vision; веса этой версии доступны в форматах PyTorch и safetensors. Архитектура использует Vision Transformer ViT-B/16 с разрешением изображения 384 пикселя. Модель сопоставляет изображения и текстовые описания и предназначена для классификации изображений по текстовым меткам без специального дообучения. Её можно применять для поиска изображений по описанию и классификации по заданным категориям. Лицензия — Apache-2.0. Карточка не сообщает о специальных ограничениях; качество результатов зависит от формулировок текстовых меток и данных, на которых модель обучалась.

Модель timm/vit_giantopt_patch16_siglip_256.v2_webli — визуальный энкодер семейства SigLIP 2 на архитектуре ViT-Giant с патчами 16×16, обученный на наборе WebLI. Это только визуальная часть модели: она преобразует изображения в признаки и предназначена для извлечения визуальных представлений, а не для генерации текста или изображений. Репозиторий использует библиотеку timm и предоставляет веса в форматах PyTorch и Safetensors. Энкодер можно применять как компонент систем поиска по изображениям, сопоставления изображений с текстовыми представлениями и других задач, которым нужны визуальные признаки. В карточке указана лицензия Apache-2.0. Число параметров и размер контекста в доступных сведениях не приводятся.

Mungert/xLAM-2-32b-fc-r-GGUF — это GGUF-версия языковой модели xLAM-2-32b-fc-r, разработанной Salesforce. Модель относится к Large Action Models и ориентирована на создание AI-агентов, которые преобразуют намерения пользователя в выполняемые действия. Модель предназначена для многоходовых диалогов, function calling, использования инструментов и автоматизации задач в различных прикладных сценариях. Она содержит около 32 миллиардов параметров, работает с текстом и заявлена для английского языка. Указанная длина контекста составляет 32 тысячи токенов, с максимальным значением до 128 тысяч токенов. Модель обучалась на наборах Salesforce/APIGen-MT-5k и Salesforce/xlam-function-calling-60k с использованием данных, созданных в рамках APIGen-MT для имитации взаимодействия агентов и людей. К сильным сторонам относятся специализация на вызове функций, многоходовом взаимодействии, последовательности действий и агентских сценариях; семейство xLAM-2 также заявляет высокие результаты на бенчмарках BFCL и τ-bench. Данная версия представляет собой квантизованный GGUF-файл, созданный с помощью llama.cpp. В README отмечено применение выборочного повышения точности отдельных слоёв при квантизации, что может улучшать точность при заданном размере, но увеличивает размер файла. Модель выпущена для исследовательских целей и распространяется по лицензии CC BY-NC 4.0, допускающей некоммерческое использование с соблюдением условий лицензии.

Модель lucio/xls-r-uzbek-cv8 — система автоматического распознавания узбекской речи, созданная дообучением facebook/wav2vec2-xls-r-300m на узбекской части Mozilla Common Voice 8.0. Она построена на архитектуре Wav2Vec2ForCTC и содержит около 402,7 млн параметров; модель принимает аудио и преобразует речь в текст на современном латинском письме узбекского языка. Декодер использует языковую модель KenLM, построенную на текстах Common Voice. Модель предназначена для черновых субтитров к видео и индексирования записанных передач. На валидационной выборке указаны WER 0,3852 и CER 0,0777; автор предупреждает, что качество недостаточно для надёжных субтитров в реальном времени, например для обеспечения доступности. Модель выпущена под лицензией Apache-2.0.

Agent-FLAN-7B — языковая модель на 6,6 млрд параметров для выполнения агентных задач и использования инструментов. Модель опубликована командой InternLM и дообучена на основе Llama 2 7B с применением набора данных Agent-FLAN; в обучении также использовались AgentInstruct, ToolBench и ShareGPT. Архитектура — плотная авторегрессионная InternLMForCausalLM, формат весов — PyTorch, контекст — до 8192 токенов. Модель предназначена для диалоговых сценариев, где требуется следовать инструкциям, рассуждать при выполнении многошаговых задач и взаимодействовать с инструментами. Она использует формат бесед Llama 2 Chat и, согласно описанию статьи, улучшает агентные способности базовой модели и снижает галлюцинации благодаря включению негативных примеров. Карточка не описывает отдельные целевые языки и не приводит измерений качества для конкретных инструментов или прикладных областей. Лицензия — Apache 2.0.