I.1Поиск и навигация по информации

LWM-Text-128K — открытая авторегрессионная языковая модель на архитектуре Transformer семейства LLaMA, дообученная на основе LLaMA 2. По метаданным, модель содержит 6,6 млрд параметров и поддерживает контекст до 131 072 токенов. Она предназначена для генерации текста и работы с длинными последовательностями; при обучении использовались 92 тысячи документов Books3 длиной от 100 до 200 тысяч токенов. Языковые возможности отдельно не описаны. Модель опубликована в формате PyTorch; сведения о лицензии в предоставленных данных отсутствуют.

LWM-Text-Chat-512K — открытая авторегрессионная языковая модель семейства LLaMA, созданная LargeWorldModel на основе LLaMA-2. Это плотный трансформер с 6,6 млрд параметров и контекстом до 524 288 токенов, предназначенный для генерации текста и работы с очень длинными документами. Модель обучали в декабре 2023 года на подмножестве Books3: 3 500 документов длиной от 500 тысяч до 1 миллиона токенов. Модель может применяться для продолжения текста, диалога и анализа длинных материалов в пределах контекстного окна. Карточка не описывает отдельные результаты оценки качества или подробные ограничения; производительность на конкретных задачах следует проверять отдельно. В репозитории указаны веса PyTorch. Лицензия в предоставленных данных не указана.

MyAwesomeModel — модель из семейства BERT, опубликованная в репозитории dfgsgsh56/MyAwesomeModel-TestRepo и предназначенная для извлечения признаков из текста. Она доступна через библиотеку Transformers и ориентирована на получение векторных представлений, которые можно использовать в последующих задачах анализа текста и машинного обучения. В метаданных Hugging Face для модели указан pipeline-тег feature-extraction, а также поддержка PyTorch и Transformers. README описывает заявленные возможности рассуждения, генерации кода, классификации, суммаризации, диалога и другие сценарии, однако эти утверждения не согласуются с указанным типом pipeline и не содержат надежных сведений о конфигурации, размере, контексте или языках модели. Модель распространяется по лицензии MIT. Для практического применения следует учитывать, что README не подтверждает языковой охват, размер модели, длину контекста и результаты независимой оценки; качество признаков необходимо проверять на собственных данных.

MyAwesomeModel — модель из репозитория PrevetDurgan279/MyAwesomeModel-TestRepo, предназначенная для извлечения признаков из текста. В метаданных Hugging Face она обозначена как BERT-модель, работающая через библиотеку Transformers и pipeline feature-extraction. Автор или организация-разработчик в предоставленных данных не названы. README описывает обновлённую версию модели как систему с улучшенными рассуждениями, математикой, программированием, классификацией, анализом тональности, суммаризацией, переводом и поддержкой function calling. Однако эти заявления не согласуются с указанным в метаданных pipeline-тегом feature-extraction и не подтверждают конкретные параметры, размер, языки или длину контекста модели, поэтому их следует рассматривать с осторожностью. Модель может использоваться как основа для получения векторных представлений текста и последующих задач машинного обучения, включая классификацию, поиск сходства и кластеризацию. Для работы заявлена библиотека Transformers. Лицензия MIT разрешает использование, модификацию и распространение при соблюдении её условий.

MyAwesomeModel — модель из репозитория SAD21ZD1E/MyAwesomeModel-TestRepo, доступная для использования через библиотеку Transformers. В метаданных Hugging Face она обозначена как модель извлечения признаков с тегами BERT, PyTorch и feature-extraction, поэтому её основное назначение — преобразование входных текстов в векторные представления для последующего анализа или использования в прикладных ML-системах. README также заявляет о возможностях рассуждения, генерации кода и текста, ответах на вопросы, классификации, суммаризации, переводе, диалогах и function calling, однако эти заявления не согласуются с указанным pipeline_tag feature-extraction и не сопровождаются техническими сведениями о конфигурации или подтверждёнными инструкциями запуска. Размер модели, длина контекста и поддерживаемые естественные языки не указаны. Модель распространяется по лицензии MIT. Перед использованием в задачах генерации или сложного рассуждения следует проверить фактическую архитектуру и конфигурацию репозитория, поскольку карточка содержит признаки несоответствия между метаданными и описанием.

Nebula — компактная языковая модель семейства Llama от OrionLLM с 320,9 млн параметров, предназначенная для рассуждений и запуска на периферийных устройствах. По карточке, модель обучена на более чем 200 млрд токенов и ориентирована на баланс памяти, общих рассуждений, математики и поведения, удобного для поиска информации. Она принимает текст и генерирует текст; метаданные указывают поддержку диалогового режима и контекст до 4096 токенов. Модель подходит для компактных чат-ассистентов, ответов на вопросы, математических задач и сценариев с поиском и уточнением информации. В README описан краткий стиль рассуждений с маркерами логических переходов, неопределённости и проверки утверждений. Карточка приводит результат 40,0 на MMLU, однако независимые условия сравнения не раскрыты. Модель доступна под лицензией Apache-2.0.

Neural-4-QA-7b — объединённая модель Mistral, созданная автором репозитория с помощью LazyMergekit на основе пяти моделей: yam-peleg/Experiment21-7B, CultriX/NeuralTrix-bf16, louisgrc/Montebello_7B_SLERP, CorticalStack/pastiche-crown-clown-7b-dare-dpo и chihoonlee10/T3Q-Mistral-Orca-Math-DPO. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и может применяться для диалоговых ответов и задач вопросно-ответного характера. По карточке нельзя определить, какие именно возможности исходных моделей сохранены или насколько хорошо модель справляется с отдельными задачами. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

NuTag — модель распознавания именованных сущностей, основанная на NuNER-BERT-v1.0 от NuMind и представленная в формате GGUF F16. Это encoder-only архитектура BERT с токенизацией WordPiece; модель принимает текст и размечает его токены, выделяя сущности, например людей, организации и географические места. Модель предназначена для извлечения сущностей из текстов в новостях, юридических документах и медицинских материалах, а также для локального запуска через llama.cpp, LM Studio, Ollama или Jan. Она дообучена на размеченных корпусах NER разных областей и ориентирована преимущественно на английский язык. Это не генеративная модель; точность на редких сущностях может снижаться при использовании низкобитных вариантов квантования, а составные сущности могут разбиваться токенизацией. В репозитории указан формат GGUF F16; лицензия в предоставленных данных не указана.

palmer-002-32k — языковая модель семейства Llama от appvoid, созданная на основе palmer-002-2401 путём слияния и дообучения с TinyLlama-1.1B-32k-Instruct от Doctor-Shotgun. Модель предназначена для генерации текста и работы с длинным контекстом; заявленная длина контекста — 32 768 токенов, размер — 1 млрд параметров. В README приведено сравнение результатов zero-shot оценки на ARC-C, OBQA, HellaSwag, PIQA и Winogrande. Для длинного контекста и генерации текста модель может применяться в диалоговых сценариях и для ответов на вопросы по объёмным материалам. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Оценки в карточке ограничены указанными бенчмарками и настройкой zero-shot; README не приводит результатов отдельной оценки качества на контекстах длиной 32k.

sentence-transformers/sentence-t5-xl — модель Sentence-Transformers для преобразования предложений и абзацев в плотные векторы размерности 768. Она использует энкодер T5-3B и содержит 385,2 млн параметров; максимальная длина контекста составляет 512 токенов. Репозиторий содержит веса PyTorch в формате Safetensors, сохранённые в FP16. Модель предназначена прежде всего для вычисления сходства между предложениями: её можно применять для сравнения формулировок и поиска семантически близких текстов. Для семантического поиска по корпусам документов она работает хуже. Чекпойнт перенесён из TensorFlow-модели st5-3b-1 в PyTorch; по данным карточки, embeddings могут немного отличаться от TensorFlow-версии, хотя результаты на тех же бенчмарках совпадают. Лицензия — Apache-2.0.

SigLIP 2 So400m — модель семейства SigLIP 2, разработанная Google и предназначенная для сопоставления изображений и текста. Её применяют для классификации изображений по произвольным текстовым меткам, поиска изображений по текстовому запросу и как визуальный энкодер для мультимодальных моделей и других задач компьютерного зрения. Модель использует плотную архитектуру SigLIP и представлена в формате safetensors; работать с ней можно через Transformers. Предобучение проведено на наборе WebLI. SigLIP 2 развивает подход к предобучению SigLIP, объединяя его с ранее разработанными методами для улучшения семантического понимания, локализации и извлечения плотных признаков. Лицензия — Apache 2.0. Модель обрабатывает изображения и текстовые метки и выдаёт оценки соответствия; качество зависит от формулировок меток и характеристик изображений. README не приводит конкретных ограничений применения.

Карточка модели m-toman/siglip2-so400m-patch16-512 на Hugging Face совпадает с карточкой google/siglip2-so400m-patch16-512, поэтому описание составлено по ней. SigLIP 2 So400m — модель семейства SigLIP 2, разработанная Google. Это визуальный энкодер, обученный на WebLI и предназначенный для сопоставления изображений с текстовыми описаниями. Модель поддерживает классификацию изображений по произвольным текстовым меткам без отдельного обучения и поиск изображений по тексту или текста по изображению; её также можно использовать как визуальную часть мультимодальных систем и в других задачах компьютерного зрения. Модель принимает изображения и текстовые описания, кодирует их для сравнения и выдаёт оценки соответствия. Архитектура SigLIP, вариант So400m; доступные веса представлены в формате safetensors и используются через Transformers. В README отмечены улучшенное семантическое понимание, локализация и плотные визуальные признаки. Лицензия — Apache-2.0. Размер модели и длина контекста в предоставленных данных не указаны.

SigLIP base — мультимодальная модель Google на архитектуре SigLIP, предварительно обученная на англоязычных парах изображение–текст из набора WebLI. Вариант обучен для работы с изображениями разрешением 512×512; текст токенизируется с длиной до 64 токенов. Модель использует sigmoid loss для сопоставления изображений и текста. Модель предназначена для классификации изображений по текстовым описаниям без дообучения и поиска соответствий между изображениями и текстом. Её можно применять для подбора меток к изображениям по заданным формулировкам и для поиска изображений по текстовому запросу или наоборот. Карточка указывает лицензию Apache-2.0.

vulong3896/topic_classifier — модель классификации текста на основе DistilBERT, дообученная на distilbert/distilbert-base-multilingual-cased. Она предназначена для отнесения текстов к темам и другим заданным классам; конкретные категории и сценарии применения в карточке не описаны. Модель использует архитектуру DistilBertForSequenceClassification, принимает текст и выдаёт метку класса. Максимальная длина контекста — 512 токенов; репозиторий содержит веса в формате safetensors. Базовая модель многоязычная, поэтому модель подходит для классификации текстов на разных языках, хотя конкретные поддерживаемые языки не перечислены. На оценочном наборе указаны accuracy 0,8869 и loss 1,2182, но набор данных и методика оценки не описаны, поэтому эти результаты нельзя напрямую переносить на другие данные. Лицензия — Apache-2.0.

TPIPS-Embed-Qwen3VL-8B — модель эмбеддингов для оценки перцептивного сходства изображений с учётом текста, созданная на базе Qwen/Qwen3-VL-Embedding-8B. Это вариант TPIPS с поздним слиянием: текст и изображение кодируются независимо в L2-нормированные векторы, а сходство пары вычисляется как косинусная близость эмбеддингов. Модель дообучена с помощью LoRA с рангом 16 и α=32 на слоях LLM. Модель предназначена для сравнения изображений в заданном текстовом контексте, в том числе для поиска наиболее похожего изображения и задач выбора между кандидатами. README описывает расчёт вероятностей для сценариев «лишний элемент» и 2AFC: оценки сходства преобразуются в вероятности с помощью softmax с температурой. Для работы предусмотрена библиотека tpips и пакет Python `tpips`; требуется Python 3.10 или новее. В репозитории указаны веса PyTorch и лицензия `other`; конкретные условия лицензии в предоставленных данных не раскрыты. Модель унаследовала мультимодальную основу на 8 млрд параметров Qwen3-VL-Embedding, однако описание этого чекпойнта сосредоточено на эмбеддингах для текстово обусловленного сравнения изображений.

Tucano2-qwen-0.5B-Instruct — компактная португалоязычная языковая модель для диалогов и выполнения инструкций, разработанная Polygl0t. Это плотная Transformer-модель семейства Qwen3 примерно с 403 млн параметров и контекстом 4096 токенов; она принимает текст и генерирует текст. Модель дообучена на Tucano2-qwen-0.5B-Base с помощью одного этапа supervised fine-tuning и одного этапа Anchored Preference Optimization. Модель предназначена для генерации ответов на португальском языке, суммаризации, структурированного вывода, function calling и использования в RAG-сценариях. Авторы представляют её как основу для исследований и разработки португалоязычных приложений; открытые наборы данных, код и рецепты обучения поддерживают воспроизводимость. Лицензия Apache 2.0. Малый размер делает модель компактной, но она может галлюцинировать, воспроизводить предубеждения и токсичность, повторяться или давать излишне многословные ответы. Она рассчитана прежде всего на португальский язык, поэтому на других языках возможны ошибки; для практического применения нужна самостоятельная оценка качества и рисков.

Verdict-small — компактная модель для сравнения текста с вариантами ответа и выбора наиболее подходящего решения. Её разработал автор репозитория Manav2op на базе multilingual-e5-small; модель дообучена на смеси из 14 открытых датасетов для классификации намерений, логического следования, оценок отзывов и безопасности. Архитектура — плотный BERT-энкодер на 124,3 млн параметров, библиотека sentence-transformers; доступны веса Safetensors и формат ONNX, включая квантованную int8-версию для браузера. Модель кодирует запросы и варианты в эмбеддинги. В README указано, что косинусное сходство, умноженное на 20, можно использовать как логит для оценки вариантов; примеры — маршрутизация обращения в службу поддержки и проверка соответствия утверждения запросу. Заявлена поддержка английского, хинди, немецкого, французского, испанского, японского, китайского, арабского, португальского, русского, турецкого, корейского, суахили и бенгальского языков. Контекст ограничен 512 токенами. Лицензия — Apache-2.0. В приведённых zero-shot тестах модель превосходит базовую multilingual-e5-small на SST-5 и ToxicChat, но уступает ей на Banking77; результат зависит от задачи и способа применения. Для Banking77 и ToxicChat автор также приводит улучшенные показатели при использовании 16 меток на класс и голов пакета verdictml. Модель не обучалась на Banking77, SST-5 и ToxicChat, согласно README, однако на этих тестах качество неравномерно; поэтому результаты не гарантируют точность на конкретных данных.

timm/ViT-B-16-SigLIP2 — визуально-языковая модель семейства SigLIP 2, обученная на наборе WebLI и преобразованная из исходных контрольных точек JAX проекта Big Vision для использования в OpenCLIP. Это контрастивный энкодер изображений и текста, предназначенный для классификации изображений без дополнительного обучения: пользователь задаёт текстовые описания классов, а модель сопоставляет их с изображением. Модель принимает изображения и текстовые описания, оценивает их соответствие и подходит для поиска изображений по тексту и классификации с произвольными текстовыми метками. В карточке указана поддержка многоязычного визуально-языкового обучения SigLIP 2; конкретные языки этой версии не перечислены. Модель распространяется в форматах PyTorch и safetensors и доступна на условиях Apache-2.0. Это конверсия исходных контрольных точек, а не отдельное дообучение. Карточка не сообщает конкретный размер модели, длину контекста или ограничения качества; результаты могут зависеть от формулировок текстовых меток и домена изображений.

Это модель CLIP с архитектурой ViT-bigG-14-quickgelu, подготовленная для использования через библиотеки open_clip и timm. В карточке указано, что она связана с набором данных MetaCLIP-2.5B. Модель сопоставляет изображения и текстовые описания, поэтому подходит для классификации изображений по текстовым меткам без отдельного обучения на этих метках. Модель принимает изображения и текстовые описания и выдаёт оценки их соответствия. Файлы доступны в форматах PyTorch и Safetensors; для применения требуется совместимая реализация open_clip или timm. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

Zero-shot SELECTRA Medium — испаноязычный классификатор с архитектурой ELECTRA, разработанный авторами, указанными в карточке модели: David Fidalgo, Daniel Vila, Francisco Aranda и Javier Lopez. Модель дообучена на испанской части набора XNLI и предназначена для классификации текста по заданным пользователем категориям без отдельного обучения на этих категориях. Модель содержит около 47,5 млн параметров, принимает текст и использует шаблон гипотезы на испанском языке. Контекст ограничен 512 токенами. В оценке авторов SELECTRA Medium показала точность 0,807 на тестовой части XNLI и 0,589 при классификации испанских резюме MLSUM по пяти выбранным меткам; эти результаты относятся к указанным наборам и настройкам оценки. Модель компактнее прежнего классификатора на BETO и в этих тестах превзошла его. Распространяется по лицензии Apache-2.0.

Модель Surrey NLP — версия ALBERT large v2, дообученная для классификации токенов на наборе PLOD-unfiltered. Она предназначена для распознавания и разметки сущностей в англоязычном тексте; README сообщает о F1 0,9632, точности 0,9589, precision 0,9655 и recall 0,9608 на оценочной выборке. Модель использует архитектуру ALBERT и принимает текстовые последовательности длиной до 512 токенов. Доступна в форматах PyTorch и Safetensors, лицензия Apache-2.0. Подробности о типах меток и ограничениях в карточке не раскрыты.

AMPLIFY-B — модель для извлечения признаков, опубликованная в формате Hugging Face Transformers. Она преобразует входные данные в векторные представления, которые можно использовать в downstream-задачах машинного обучения, поиске похожих объектов и построении специализированных классификаторов или регрессоров. Модель содержит около 471,9 млн параметров и распространяется с использованием формата safetensors.

Модель iguanodon-ai/bert-base-finnish-uncased-ner — версия BERT, дообученная для распознавания именованных сущностей в финском тексте. В качестве исходной модели использована Turku NLP bert-base-finnish-uncased-v1, а для дообучения — корпус turku_ner_corpus. Модель предназначена для разметки токенов и извлечения именованных сущностей из финских текстов. Она построена на архитектуре BERT, содержит 151,7 млн параметров и рассчитана на последовательности длиной до 512 токенов. В карточке приведены метрики проверки: F1 0,873; по отдельным классам качество может различаться. Модель распространяется по лицензии Apache 2.0. При использовании следует упомянуть обучающий корпус turku_ner_corpus.

davanstrien/dataset-schema-task-classifier — модель классификации текста на базе двунаправленного энкодера LiquidAI/LFM2.5-Encoder-350M, дообученного для многометочной классификации схем датасетов. Она предсказывает категории задач, связанные с датасетом, например распознавание речи, генерацию текста, классификацию изображений, поиск и прогнозирование временных рядов; всего в карточке заявлено 35 меток. Модель содержит 444,6 млн параметров, использует архитектуру LFM2 и поддерживает контекст до 128 000 токенов. Модель предназначена для автоматической разметки описаний и схем датасетов категориями задач, в том числе как этап каталога или поиска данных. В README приведены значения F1: micro 0,5898 при пороге 0,5 и 0,6238 при настроенных порогах; для применения меток с приоритетом точности рекомендуется отбирать предсказания с высокой уверенностью и направлять остальные на проверку. Используется специальная голова классификации, поэтому для загрузки требуется trust_remote_code=True; README также отмечает ограничение стандартных архитектур для обслуживания через vLLM. Лицензия в предоставленных данных не указана.

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.

onnx-community/distilbert-NER-ONNX — это ONNX-версия модели dslim/distilbert-NER, автоматически конвертированная и опубликованная сообществом onnx-community. Модель предназначена для задачи распознавания именованных сущностей (NER), то есть для выделения в тексте фрагментов, относящихся к людям, местам и другим сущностям, поддерживаемым исходной моделью. Её можно использовать для токен-классификации, например в JavaScript-приложениях через библиотеку Transformers.js. Из README известно, что модель основана на DistilBERT и предоставляется в формате ONNX. Конкретные размер модели, архитектурные параметры, поддерживаемые языки, максимальная длина контекста и набор классов сущностей в карточке не указаны. Формат ONNX ориентирован на выполнение модели в совместимых средах, включая сценарии с Transformers.js. Лицензия в README не указана, поэтому условия использования требуют дополнительной проверки.

German Electra Uncased — немецкоязычная модель семейства ELECTRA, созданная German NLP Group совместно Филипом Маем из Deutsche Telekom и Филиппом Райселем из ambeRoad. Это базовая модель для дообучения на прикладных задачах обработки немецкого языка, включая ответы на вопросы и анализ тональности; её можно использовать как замену BERT в большинстве задач такого типа. Модель содержит 138,4 млн параметров, принимает последовательности длиной до 512 токенов и доступна в форматах PyTorch и Safetensors. Она обучена без учёта регистра, но сохраняет диакритические знаки, в том числе немецкие умляуты. В версии 2 обучение продолжили до 1,5 млн шагов на корпусах немецкого Common Crawl, Википедии, субтитрах и новостях. Для решения прикладных задач модель нужно дообучить. В README приведены результаты оценки на немецких наборах данных, но они относятся к моменту выпуска модели в 2020 году. Лицензия — MIT.

Модель dbsamu/electra-small-discriminator-finetuned-ner — компактная модель Google ELECTRA Small, дообученная для распознавания именованных сущностей на датасете WikiAnn. Она присваивает метки токенам текста и предназначена для извлечения сущностей в задачах обработки естественного языка. Модель содержит 20,4 млн параметров, использует архитектуру ElectraForTokenClassification и принимает последовательности длиной до 512 токенов. На оценочном наборе WikiAnn модель показала F1 0,7435, точность 0,7331, полноту 0,7543 и accuracy 0,8883. Доступна в формате PyTorch по лицензии Apache-2.0. Карточка не уточняет набор типов сущностей и поддерживаемые языки, поэтому качество для конкретного языка и сценария следует проверять отдельно.

AROY76/Embedding-gemma-300M-skills — модель Sentence Transformer, дообученная на базе google/embeddinggemma-300m для преобразования предложений и абзацев в плотные векторы размерности 768. Обучение проводилось на 4 992 примерах CSV с парами и тройками текстов; использовалась функция потерь MultipleNegativesRankingLoss. Сходство векторов оценивается косинусной мерой, максимальная длина входа — 2 048 токенов. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации. Примеры обучающих данных охватывают описания навыков и профессий, поэтому модель может быть полезна для сопоставления профилей, требований и категорий навыков. Она принимает текст и выдаёт эмбеддинги; заявлены библиотека Sentence Transformers и формат весов safetensors. Ограничение контекста составляет 2 048 токенов, а специализация на небольшом наборе примеров о навыках может ограничивать качество на других темах. Лицензия в предоставленных данных не указана.

Erlangshen-UniEX-RoBERTa-330M-Chinese — китайская модель семейства RoBERTa от команды Fengshenbang, предназначенная для извлечения информации из текста. Она сводит распознавание сущностей, извлечение отношений и событий к задачам над парами токенов, объединяя текст и метки в общем представлении с помощью Triaffine attention. По README, модель обучалась на слабой разметке из структурированных данных Baidu Baike и наборах данных для распознавания сущностей, извлечения отношений и событий, а также ответов на вопросы. Заявлены возможности few-shot и zero-shot извлечения. Модель имеет архитектуру BERT с классом BertForMaskedLM, содержит около 424,3 млн параметров и принимает контекст до 512 токенов. Опубликованный формат — PyTorch; лицензия — Apache-2.0. В README размер указан как 110 млн параметров, что расходится с метаданными Hugging Face.