I.1Поиск и навигация по информации

KarantaOCR — мультимодальная модель распознавания и обработки документов, созданная разработчиками проекта KarantaOCR на основе Qwen/Qwen2.5-VL-3B-Instruct. Модель содержит 3,1 млрд параметров и дообучена по двухэтапной схеме: сначала на общих OCR-данных, затем на PDF-документах на африканских языках. Модель извлекает текст из PDF, включая таблицы и документы со сложной вёрсткой, несколькими колонками, колонтитулами и сочетанием сканируемого и цифрового текста. Её ключевой акцент — точная передача диакритики и специальных символов в африканских языках; также заявлена поддержка английского и других распространённых языков. Для распознавания страницы PDF её нужно представить модели как изображение и использовать структурированный запрос. Модель использует архитектуру Qwen2.5-VL и поддерживает контекст до 128 000 токенов. README приводит результаты на OCR-бенчмарках, но они зависят от типа документа и не гарантируют точность на конкретных данных. Репозиторий распространяется по лицензии Apache-2.0.

OsaurusAI подготовила JANG_2L-версию диалоговой модели LiquidAI/LFM2.5-8B-A1B для запуска на Apple Silicon через совместимые с JANG среды MLX/vMLX. Это гибридная MoE-архитектура для генерации текста, с поддержкой чата, рассуждений и вызова инструментов. По метаданным модели в ней 1,6 млрд параметров, а контекст достигает 128 000 токенов. Веса представлены в формате JANG affine: квантование MLX с распределением точности по важности тензоров, группой 64 и фактической разрядностью 2,37 бита; для отдельных тензоров используются разрядности 2, 6, 8 и 16 бит. Модель подходит для диалоговых ассистентов и сценариев с инструментами на устройствах Apple Silicon. В README приведён только короткий запуск для проверки работы, а не оценка качества или сравнительный бенчмарк. Лицензия указана как other; условия следует проверять в карточке модели и базовой модели.

LightOnOCR-2-1B-viv2 — дообученная модель на основе lightonai/LightOnOCR-2-1B, опубликованная пользователем xbikevn. Она предназначена для распознавания текста и структуры документов на изображениях и страницах PDF; в карточке Hugging Face задача указана как text-generation, а каталог описывает базовую модель как мультиязычную vision-language модель. Модель использует плотную архитектуру семейства Mistral 3 и доступна в формате safetensors через Transformers. В метаданных нет сведений о размере контекста, языках этой версии, обучающем наборе или оценке качества. Указана лицензия Apache-2.0. README не описывает отличия дообучения viv2 от базовой модели и не приводит ограничений или результатов оценки.

nonetrix/llama-3.1-70B-nemotron-agent-ja-120B — объединённая модель на архитектуре Llama 3.1, созданная разработчиком nonetrix линейным слиянием двух моделей: nvidia/Llama-3.1-Nemotron-70B-Instruct-HF и cyberagent/Llama-3.1-70B-Japanese-Instruct-2407. Она предназначена для генерации текста в диалогах и ответов на запросы; в метаданных также заявлен интерфейс вызова инструментов. Репозиторий содержит 118,3 млрд параметров в формате safetensors, поддерживает контекст до 131 072 токенов и предназначен для работы через Transformers. Слияние объединяет диалоговую модель NVIDIA на базе Llama 3.1 с японской инструктивной моделью CyberAgent, поэтому модель ориентирована на японские и многоязычные диалоговые сценарии. README не приводит сравнительных оценок качества или подробных рекомендаций по применению. Лицензия в предоставленных данных не указана.

knowledgator/Llama-encoder-1.0B — двунаправленный текстовый энкодер на архитектуре LLaMA с 1 млрд параметров, разработанный Knowledgator на основе Tiny-LLaMA-1.0B. Модель обучена на Википедии с masked token prediction; авторы сообщают, что обучали все веса для усиления двунаправленного представления контекста. В отличие от обычного причинного декодера, она предназначена для получения контекстных представлений текста и адаптации к дискриминативным задачам. Модель подходит для классификации текстов, ответов на вопросы и разметки токенов, включая распознавание сущностей. В метаданных указаны задачи question-answering и text-generation, библиотека Transformers и окно контекста 2048 токена; язык карточки — английский. Репозиторий содержит веса safetensors. Лицензия — Apache-2.0. README описывает энкодер и его обучение, но не приводит результатов бенчмарков или подробностей о качестве на конкретных наборах задач. Для специализированного применения могут потребоваться адаптация и дообучение; генерация текста указана в метаданных, хотя основное назначение модели — кодирование текста для дискриминативных задач.

LLM-jp-4-VL 9B — мультимодальная модель зрения и языка, разработанная LLM-jp. Она сочетает языковую модель llm-jp/llm-jp-4-8b-thinking на 8,6 млрд параметров, визуальный энкодер SigLIP 2 So400m на 0,4 млрд параметров и двухслойный MLP-проектор; архитектура вдохновлена InternVL3.0. Модель дообучена для работы с изображениями и диалогов на японском и английском языках, а также формирует рассуждение перед итоговым ответом. Модель предназначена для ответов на вопросы по изображениям, понимания документов и диаграмм, мультимодальных задач и текстовых задач на рассуждение. Разработчики сообщают об улучшении относительно бета-версии на некоторых текстовых и сложных задачах понимания диаграмм; качество различается между бенчмарками и задачами. Модель доступна в формате Safetensors и использует лицензию Apache-2.0.

sileod/mdeberta-v3-base-tasksource-nli — многоязычная модель на архитектуре mDeBERTa-v3-base, разработанная для задач классификации текста и вывода по тексту. Она обучалась в течение 30 тысяч шагов на наборе задач mtasksource и подходит как основа для дальнейшего дообучения, а также для определения, следует ли гипотеза из текста, и классификации по заданным категориям без отдельного обучения на этих категориях. Для сотен задач можно подключать предоставляемые адаптеры через экосистему tasknet и tasksource. Модель содержит 306 млн параметров, принимает текст с контекстом до 512 токенов и доступна в форматах PyTorch и Safetensors. Карточка и метаданные указывают на многоязычное обучение; среди языков есть русский, английский, китайский, японский, арабский, немецкий, французский, испанский и другие. Лицензия — Apache-2.0. Это модель понимания и классификации текста, а не генеративная языковая модель; качество конкретной задачи зависит от выбранных меток или адаптера.

Distilled MetaCLIP 2 ViT-L/14 (worldwide) — мультимодальная модель семейства MetaCLIP 2, представленная авторами работы «MetaCLIP 2: A Worldwide Scaling Recipe». Чекпойнт соответствует ViT-L-14-worldwide из оригинальной реализации; для работы используется библиотека Transformers. Модель предназначена для классификации изображений по текстовым описаниям без отдельного обучения на каждом наборе классов: пользователь задаёт изображение и варианты описаний, а модель оценивает их соответствие. Вариант worldwide рассчитан на многоязычные данные. Веса опубликованы в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Mihaiii/Metis-0.5 — дообученная модель Mistral с 7,1 млрд параметров, созданная на основе migtissera/Tess-XS-v1-3-yarn-128K. Модель предназначена для генерации ответов с упором на рассуждения и понимание текста; автор отмечает, что она хорошо работает с длинными системными инструкциями. Для взаимодействия используется формат с ролями SYSTEM, USER и ASSISTANT. Нативная длина контекста — 32 768 токенов. Модель подходит для анализа текста и решения задач на рассуждение, но автор не рекомендует использовать её для универсального сочинительства, например для написания историй. Она обучена на закрытом датасете. Лицензия — Apache-2.0.

Карточка модели jenerallee78/Ministral-3-14B-abliterated на Hugging Face совпадает с карточкой HifiHu/Ministral-3-14B-abliterated, поэтому описание составлено по ней. HifiHu/Ministral-3-14B-abliterated — модифицированная версия Ministral-3-14B-Instruct-2512 от Mistral, созданная с помощью abliteration: методом, который изменяет внутренние представления модели, чтобы ослабить поведение отказа. Это плотная модель семейства Mistral 3 примерно на 14 млрд параметров, распространяемая в формате SafeTensors с BF16 и рассчитанная на диалоговую генерацию текста. Метаданные также указывают интерфейс вызова инструментов; базовая модель мультимодальна, но карточка этой версии не подтверждает обработку изображений. Модель подходит для диалогов и ответов на широкий круг запросов, включая темы, на которые исходная instruct-модель могла бы отказать. Abliteration не гарантирует точность ответов и может снизить эффективность защитных ограничений. В карточке указан английский язык. Лицензия — Apache 2.0; автор позиционирует модель для исследований и обучения.

tasksource/ModernBERT-large-nli — англоязычная модель tasksource, дообученная на задачах естественного логического вывода (NLI) на основе answerdotai/ModernBERT-large. Это плотный двунаправленный энкодер ModernBERT с 394,7 млн параметров, контекстом до 2048 токенов и классификационной головой; модель доступна в формате Safetensors и работает через Transformers. Модель предназначена для zero-shot-классификации по пользовательским меткам, определения отношений между посылкой и гипотезой (следование, противоречие, нейтральность), анализа тональности и рассуждений по текстам, включая длинные документы. В карточке приведены результаты на нескольких задачах GLUE и отмечены обучающие данные MNLI, ANLI и специализированные NLI-датасеты. Её можно использовать как основу для дальнейшего дообучения под конкретную задачу. Модель лучше всего подходит для английского языка. Она не генерирует свободный текст: результатом служат оценки или классы. Лицензия — Apache-2.0.

Pashto Ghag — модель автоматического распознавания речи на пушту, созданная разработчиком проекта Pashto Ghag путём дообучения OpenAI Whisper medium. Модель содержит 455,8 млн параметров и принимает аудио, выдавая текстовую расшифровку на пушту. Для обучения использовались 54,4 часа проверенных записей Pashto Common Voice с нормализованными транскрипциями; опубликован чекпойнт, выбранный по результатам сравнения нескольких вариантов. На трёх отложенных наборах сбалансированный средний WER составил 14,63%.

PP-DocLayout_plus-L — модель PaddlePaddle для локализации и классификации областей на изображениях документов. Она основана на архитектуре RT-DETR-L и обучена на собственном наборе китайских и англоязычных научных статей, презентаций, журналов, контрактов, книг, экзаменационных материалов, старинных книг и исследовательских отчётов. Модель выделяет 20 типов областей, включая заголовки, основной текст, номера страниц, аннотации, таблицы, формулы, изображения, графики, колонтитулы, печати и списки литературы. Модель предназначена для анализа структуры страниц и может использоваться как компонент конвейера PP-StructureV3 вместе с OCR, распознаванием таблиц и формул и другими модулями. В README указана метрика mAP@0.5 83,2% на собственной тестовой выборке изображений документов на китайском и английском языках. Метрика относится к локализации областей, а не к распознаванию их текстового содержимого. Лицензия — Apache-2.0.

cnmoro/Qwen2.5-0.5B-Chunk-Compressor — дообученная модель Qwen2.5-0.5B-Instruct для сжатия фрагментов текста. Она предназначена для подготовки более компактных и удобных для чтения фрагментов, сохраняющих информацию для систем поиска с дополненной генерацией (RAG). Модель построена на плотной архитектуре Qwen2ForCausalLM и содержит 494 млн параметров; нативная длина контекста — 32 768 токенов. Модель принимает текст и генерирует сжатый текст. В карточке указан португальский язык. Для применения приведён строгий шаблон использования, поэтому формат входных данных следует соблюдать. Модель распространяется по лицензии MIT.

timm/resnet101_clip.yfcc15m — модель CLIP, опубликованная в экосистеме timm и доступная через open_clip. Это двухкомпонентная модель с визуальным энкодером ResNet-101 и текстовым энкодером, обученная на наборе YFCC-15M. В OpenCLIP она обозначена как RN101-quickgelu. Модель предназначена для классификации изображений по текстовым описаниям в режиме zero-shot: она сопоставляет изображение с предложенными текстовыми метками или описаниями без отдельного обучения на этих классах. Её можно применять для поиска изображений по тексту и категоризации изображений с пользовательским набором меток. Модель принимает изображения и текстовые описания, а выдаёт оценки соответствия между ними. Репозиторий содержит веса в форматах PyTorch и safetensors; для работы используются open_clip или timm. Лицензия — MIT.

SLIMER-PARALLEL-LLaMA3 — дообученная инструкционная языковая модель на архитектуре Llama 3.1 от expertai, предназначенная для извлечения именованных сущностей с нулевым обучением на заданных типах. Она принимает текст и инструкцию с определениями и рекомендациями по типам сущностей, а возвращает только JSON с найденными сущностями; за один запрос может параллельно извлекать до 16 типов сущностей. Модель рассчитана на англоязычный текст и работу с типами сущностей, которые могли не встречаться при обучении. В карточке сообщается о результатах на тестах с доменами вне обучающей выборки, включая финансовые сущности, и о преимуществе над исходной SLIMER на LLaMA 2. Веса опубликованы в формате safetensors; размер — 7,5 млрд параметров, контекст — до 131 072 токенов. Лицензия — llama3.1.

T5Gemma — семейство текстовых моделей кодировщик–декодер, разработанное Google; этот вариант настроен для следования инструкциям и использует PrefixLM. Модель основана на T5Gemma с 9 млрд параметров в кодировщике и 9 млрд в декодере, адаптированной из авторегрессионной Gemma в архитектуру кодировщик–декодер. Модель принимает и генерирует текст на английском языке. Она предназначена для генерации текста по инструкциям, ответов на вопросы, суммаризации и рассуждений; карточка также описывает применение семейства для творческого письма, черновиков писем и задач NLP. Весовые файлы опубликованы в формате safetensors. Как и другие генеративные модели, она может выдавать фактические ошибки, отражать смещения обучающих данных и испытывать трудности с неоднозначностью, тонкими языковыми нюансами и сложными открытыми задачами. Лицензия — Gemma; при использовании следует учитывать правила допустимого применения моделей Gemma.

Unlimited-OCR — GGUF — это квантованные преобразования vision-language модели baidu/Unlimited-OCR, предназначенной для оптического распознавания символов и разбора документов по изображениям. Модель распространяется в формате GGUF для запуска через llama.cpp и поддерживает ввод изображений с генерацией текстового результата, включая распознанный текст и элементы разметки документа. В README также указано, что преобразования представлены пользователем vimalnakrani, однако отдельные сведения о разработчике исходной модели, поддерживаемых языках и размере базовой модели не приведены. Модель использует архитектуру deepseek2-ocr и требует два файла: языковую GGUF-модель и мультимодальный проектор mmproj-unlimited-ocr-F16.gguf. Для работы нужен llama.cpp с поддержкой Unlimited-OCR, начиная с коммита 4fc4ec5; проверенный сценарий инференса использует llama-mtmd-cli. Вариант Q5_K_M указан как рекомендуемый по умолчанию: его размер составляет 2,067 GiB, а измеренная ошибка символов на тестовом корпусе из 24 страниц составила 0,74%. Варианты Q8_0 и Q6_K совпали с BF16-базовой версией по распознанному тексту на этом корпусе, тогда как 4-битные варианты показали резкое ухудшение, особенно на страницах с плотным мелким шрифтом. Сильными сторонами являются локальный запуск через llama.cpp, наличие нескольких уровней квантования и измеренные показатели качества и скорости. Ограничения включают зависимость от актуальной версии llama.cpp, необходимость отдельного мультимодального проектора и отсутствие поддержки image prompt через мультимодальный endpoint llama-server в указанной сборке. Приведённые метрики относятся к синтетическому корпусу и не гарантируют аналогичные результаты на других документах. Лицензия — MIT.

timm/ViT-SO400M-16-SigLIP2-512 — преобразованная для OpenCLIP модель зрения и языка семейства SigLIP 2, обученная на наборе WebLI. Исходные контрольные точки JAX из Big Vision были конвертированы для использования с OpenCLIP; модель использует контрастивное сопоставление изображений и текста и предназначена для классификации изображений без дополнительного обучения по текстовым описаниям классов. Модель подходит для поиска изображений по текстовым меткам и для классификации с произвольным набором категорий. Карточка указывает многоязычную направленность SigLIP 2, но конкретные поддерживаемые языки и размер модели здесь не приведены. Репозиторий содержит веса PyTorch и Safetensors, библиотека — OpenCLIP. Лицензия — Apache-2.0.

Yi-Ko-6B-instruct-v1.2 — корейская инструкционная языковая модель на архитектуре Llama, разработанная путём дообучения модели с помощью LoRA. Автор обучил её на примерно 110 тысячах примеров, собранных из открытых наборов данных и вручную подготовленных материалов; среди тем — история, естественные науки, математика, машинное чтение, анализ отзывов, грамматика и ИТ-знания. В обучении также использовались корейские и англо-корейские переводные данные. Модель предназначена для генерации ответов и выполнения инструкций на корейском языке, включая вопросы и ответы по тексту, краткое изложение, перевод и анализ отзывов. Она содержит около 5,9 млрд параметров и поддерживает контекст до 2048 токенов. Данные обучения закрыты, поэтому состав и качество примеров нельзя независимо проверить. Лицензия — CC BY-SA 4.0.

facebook/bart-large-mnli — контрольная точка BART-large от Facebook, дообученная на датасете MultiNLI для распознавания отношений логического следования между текстами. Модель применяют для классификации без заранее заданного набора классов: исходный текст рассматривается как предпосылка, а для каждой кандидатной метки формируется гипотеза, например «Этот текст о политике». Вероятности следования и противоречия преобразуются в оценки меток. Модель подходит для тематической классификации, маршрутизации текстов по пользовательским категориям и других задач, где нужно оценить соответствие текста произвольным меткам. Архитектура — BART-large с классификатором последовательностей, размер — 252,8 млн параметров, контекст — до 1024 токенов. Репозиторий содержит варианты PyTorch, Flax и Safetensors. Лицензия — MIT. Качество зависит от формулировки кандидатных меток и гипотез, а также от того, насколько задача соответствует обучению на MNLI; оценки модели не гарантируют правильную классификацию. Для нескольких одновременно верных меток предусмотрен режим независимой оценки каждого класса.

google-bert/bert-base-multilingual-cased — предобученная многоязычная модель BERT, опубликованная командой BERT и представленная на Hugging Face. Это плотный трансформерный энкодер класса BertForMaskedLM с 205,1 млн параметров, общим словарём WordPiece на 110 000 единиц и контекстом до 512 токенов. Модель обучена на текстах Википедии для 104 языков с помощью masked language modeling и предсказания следующего предложения. Она чувствительна к регистру: например, различает «english» и «English». Несмотря на имя репозитория, токенизация в карточке описана как выполняющая приведение текста к нижнему регистру. Модель предназначена прежде всего для дообучения под задачи понимания текста, например классификации последовательностей и токенов или ответов на вопросы. В исходном виде её можно использовать для восстановления замаскированных слов и получения текстовых представлений; для генерации связного текста она не предназначена. Поддерживает множество языков, включая русский, однако приведённые метаданные содержат только часть языкового списка из карточки. Лицензия — Apache 2.0.

xipho/bert-finetuned-ner — модель на базе BERT, дообученная для распознавания именованных сущностей и другой токенной классификации. Она принимает текст и присваивает метки его токенам; размер модели — 135,5 млн параметров, максимальный контекст — 512 токенов. Модель распространяется в формате Safetensors и использует библиотеку Transformers. В карточке указаны результаты на тестовой выборке: F1 — 0,9427, точность — 0,9351, полнота — 0,9504 и accuracy — 0,9865. Датасет и набор меток не описаны, поэтому эти показатели нельзя напрямую переносить на другие данные или задачи. Базовая модель — google-bert/bert-base-cased; лицензия — Apache-2.0.

fwgpiyawudk/chandra-ocr-2-bf16-mlx — преобразованная для библиотеки MLX версия Chandra OCR 2 от Datalab, предназначенная для распознавания текста и структуры документов по изображениям и PDF. Модель принимает изображения документов и выдаёт текстовое представление; базовая модель поддерживает форматы Markdown, HTML и JSON. В репозитории указаны архитектура Qwen3.5 и формат safetensors. Модель рассчитана на OCR, извлечение структуры и разбор документов. Карточка описывает конвертацию исходной модели через mlx-vlm, а метаданные связывают её с datalab-to/chandra-ocr-2 и указывают лицензию OpenRAIL. Практическое применение и точность зависят от качества входного изображения и возможностей базовой модели. Поддерживаемые языки и ограничения лицензии сверх указанной лицензии OpenRAIL в карточке не раскрыты.

Cogito-0.9.1-15B — разговорная аналитическая модель на 14 млрд параметров, разработанная ozaa77 и основанная на архитектуре Qwen3. Она предназначена для генерации ответов с проверкой предпосылок вопроса, поиском противоречий и оценкой уверенности; поддерживает интерфейс вызова инструментов. Модель принимает текст и генерирует текст, включая структурированные рассуждения и ответы. В README приведены результаты на задачах знаний и рассуждений: MMLU-Pro, GPQA Diamond и MATH-500. Доступны веса safetensors для запуска через Transformers и совместимые среды. Контекстное окно составляет 40 960 токенов. Карточка описывает англоязычное применение; метаданные указывают английский язык. Модель может помогать анализировать аргументы, решать математические и научные задачи и отвечать на вопросы с оговоркой об уверенности. Результаты бенчмарков из README не гарантируют качество в конкретном применении. Лицензия — Apache-2.0.

Azma-AI/deberta-base-multi-label-classifier — модель DeBERTa-v3-base, дообученная с многозадачным обучением на 600 задачах классификации и понимания языка. Она предназначена для классификации текста по заданным категориям без отдельного обучения на этих категориях, а также для задач определения языкового следования и дальнейшей адаптации под новые задачи. Модель содержит 211,6 млн параметров, использует архитектуру DeBERTa-v2 для классификации последовательностей и принимает текст длиной до 512 токенов. В README отмечена высокая точность zero-shot-проверки на ряде задач; также заявлена совместимость с tasksource-adapters. Лицензия и поддерживаемые естественные языки в предоставленных данных не указаны.

MLX-community/GLM-OCR-8bit — это 8-битная версия модели GLM-OCR, преобразованная в формат MLX из исходной модели zai-org/GLM-OCR с помощью mlx-vlm 0.3.11. Модель предназначена для задач преобразования изображений в текст, включая распознавание и анализ содержимого изображений, например документов и других визуальных материалов. Модель поддерживает работу с изображениями и текстовыми запросами через библиотеку mlx-vlm. В карточке указана поддержка китайского, английского, французского, испанского, русского, немецкого, японского и корейского языков. Сведения о точной архитектуре, количестве параметров, максимальной длине контекста и показателях качества не приведены. 8-битное представление ориентировано на запуск в экосистеме MLX, однако конкретные требования к оборудованию также не указаны. Модель распространяется по лицензии MIT. Для использования предлагается установить mlx-vlm и запускать генерацию с указанием изображения, текстового запроса, температуры и максимального числа токенов. Ограничения, связанные с точностью распознавания, поддержкой отдельных форматов изображений и безопасностью результатов, в карточке модели не описаны.

H2OVL-Mississippi-2B — мультимодальная модель языка и зрения от H2O.ai с плотной архитектурой H2OVLChat и 2,1 млрд параметров. Она объединяет языковые модели H2O-Danube с обработкой изображений и предназначена для диалога по визуальным данным, ответов на вопросы об изображениях, описания сцен и понимания документов. Модель обучена на 17 млн пар «изображение — текст». В карточке приведены результаты на мультимодальных тестах, включая OCRBench, и описаны сценарии извлечения из изображений полей, таблиц и диаграмм с формированием структурированного JSON. Для запуска указаны Transformers и vLLM. Основной язык, указанный в метаданных, — английский; длина контекста в предоставленных данных не описана. Модель распространяется по лицензии Apache-2.0. Как и другие генеративные модели, она может ошибаться, а её ответы могут содержать предвзятые или оскорбительные формулировки; извлечённые из документов данные следует проверять.

Gunulhona/Llama-Merge-Small — объединённая диалоговая языковая модель, созданная с помощью mergekit методом SLERP из KISTI-KONI/KONI-Llama3-8B-Instruct-20240729 и meta-llama/Meta-Llama-3.1-8B-Instruct. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; веса представлены в формате safetensors. Указанная длина контекста — 131 072 токена. Модель предназначена для генерации текста в диалогах и ответов на запросы; метаданные также отмечают интерфейс для вызова инструментов. Базовая модель KISTI описана как корейская диалоговая модель для ответов на вопросы и помощи с научно-технической информацией, однако README не приводит отдельной оценки возможностей или языкового охвата именно этого объединения. Лицензия в предоставленных данных не указана.

MamayLM-Gemma-2-9B-IT-v0.1 — инструктивная языковая модель INSAIT, института при Софийском университете. Это плотный трансформер-декодер Gemma 2 с 9 млрд параметров и контекстом 8192 токена, предназначенный для диалога и генерации текста на украинском и английском языках. Модель построена на основе Google Gemma 2 9B и Gemma 2 9B IT: её дополнительно предварительно обучали на 75 млрд токенов украинских и английских данных, а затем дообучили следовать инструкциям на украинских наборах данных. Она ориентирована на ответы на вопросы, рассуждения, суммаризацию и другие текстовые задачи; авторы сообщают о сильных результатах на украинских тестах при сохранении английских возможностей. Распространяется по условиям Gemma Terms of Use.