I.1Поиск и навигация по информации

Карточка модели MemTensor/MemOperator-4B на Hugging Face совпадает с карточкой MemTensor/MemOperator-0.6B, поэтому описание составлено по ней. MemOperator-0.6B — компактная причинно-следственная языковая модель MemTensor для операций с памятью в системе MemOS. Она дообучена методом SFT на основе моделей Qwen3 и предназначена для локального развертывания, в том числе в средах без доступа к интернету, с низкими затратами ресурсов и малой задержкой. В метаданных указана связь слияния с Qwen/Qwen3-0.6B, Qwen/Qwen3-1.7B и Qwen/Qwen3-4B; архитектура — плотная decoder-only модель Qwen3 с примерно 507,9 млн параметров. Для этой версии указан контекст до 40 960 токенов. Модель извлекает сведения из диалогов и документов, в том числе составляет краткие сводки фрагментов документов, а также поддерживает кластеризацию и реорганизацию связанных воспоминаний. Карточка заявляет поддержку английского и китайского языков и приводит результаты семейства MemOperator на бенчмарке locomo, но таблица содержит сравнение только версии 4B; переносить эти показатели на версию 0.6B нельзя. Разрешены загрузка через Transformers и использование с vLLM или SGLang; лицензия — Apache-2.0. Разрешение конфликтов и рассуждение об отношениях в README обозначены как находящиеся в разработке.

MetaCLIP 2 ViT-B/16 (384px) worldwide — дистиллированная модель Meta, представленная в работе «MetaCLIP 2: A Worldwide Scaling Recipe». Это чекпойнт ViT-B-16-384-worldwide из оригинальной реализации, предназначенный для классификации изображений по текстовым описаниям без предварительного обучения на заданных классах. Модель сопоставляет изображение с текстовыми метками и позволяет выбирать наиболее подходящие варианты; поддерживает многоязычные сценарии. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Это конверсия MetaCLIP 2 Worldwide в формате Keras 3 от zeromodels на основе facebook/metaclip-2-worldwide-b16-384. Модель с архитектурой CLIP использует два энкодера для сопоставления изображений и текстовых описаний и классификации изображений без заранее заданного набора классов. Реализация работает с TensorFlow, PyTorch и JAX. Модель рассчитана на многоязычную классификацию без обучения на конкретных классах: можно сравнивать изображение с текстовыми подсказками на разных языках. Worldwide-вариант использует словарь XLM-RoBERTa из 901 тысячи токенов; README рекомендует применять соответствующий модели процессор для согласования размера изображения и токенизатора. Лицензия CC-BY-NC-4.0 разрешает использование на некоммерческих условиях.

MiMo-V2.6-Flash-RL-NVFP4 — версия модели XiaomiMiMo/MiMo-V2.6-Flash-RL с квантизированными весами NVFP4, подготовленная r0b0tlab для сервинга на NVIDIA DGX Spark и GB10 с SGLang. Это мультимодальная модель диалоговой генерации с интерфейсом вызова инструментов; в README рекомендован профиль EAGLE MTP с контекстом до 524288 токенов. Экспертные слои MoE представлены в NVFP4, часть линейных слоёв использует NVFP4 с масштабами FP8, остальные веса и вспомогательные аудио- и зрительные компоненты сохранены в BF16; KV-кэш использует калиброванные масштабы FP8. Сборка предназначена для запуска на указанном оборудовании и конфигурации SGLang, а не для универсального развёртывания. В README приведены измерения качества и производительности на конкретных стендах, но они не гарантируют аналогичных результатов на другом оборудовании или при иных настройках. Метаданные указывают английский и китайский языки, лицензию MIT; базовая модель — XiaomiMiMo/MiMo-V2.6-Flash-RL.

Multilingual-MiniLM-L12-H384 — предобученная компактная языковая модель Microsoft для понимания текста на нескольких языках. Она использует 12-слойный трансформер с архитектурой BERT, скрытым размером 384 и 12 головами внимания; карточка указывает 124,3 млн параметров, включая около 21 млн параметров трансформера и 96 млн параметров эмбеддингов. Для токенизации применяется токенизатор XLM-R. Модель рассчитана на последовательности длиной до 512 токенов. Модель предназначена для задач классификации текста и может дообучаться для межъязыкового переноса, распознавания текстового следствия и ответов на вопросы. В README приведены оценки на XNLI и MLQA. Поддерживаются английский, арабский, болгарский, немецкий, греческий, испанский, французский, хинди, русский, суахили, тайский, турецкий, урду, вьетнамский и китайский языки. Доступны веса в форматах PyTorch, TensorFlow и Flax. Модель основана на дистилляции MiniLM и рассчитана на компактное и быстрое применение в задачах понимания языка. Для этого чекпойнта используется BertModel с XLMRobertaTokenizer, поэтому AutoTokenizer не работает согласно README. Лицензия — MIT.

Карточка модели navteca/nli-deberta-v3-xsmall на Hugging Face совпадает с карточкой cross-encoder/nli-deberta-v3-xsmall, поэтому описание составлено по ней. Cross-Encoder for Natural Language Inference — англоязычная модель от Sentence Transformers на базе microsoft/deberta-v3-xsmall. Она принимает пару предложений и оценивает их отношение, выдавая оценки для противоречия, следования и нейтральности. Модель содержит 77,5 млн параметров, использует архитектуру DeBERTa V2 и рассчитана на контекст до 512 токенов. Модель обучена на SNLI и MultiNLI. Её можно применять для проверки текстовых гипотез и классификации без дополнительного обучения, задавая категории в виде гипотез. В README приведены точности 91,64% на тестовой выборке SNLI и 87,77% на наборе MNLI mismatched. Лицензия — Apache-2.0.

PP-DocLayout-L — модель PaddlePaddle для обнаружения и локализации областей на изображениях документов. Она основана на архитектуре RT-DETR-L и обучена на собственной выборке китайских и англоязычных статей, журналов, контрактов, книг, экзаменационных материалов и исследовательских отчётов. Модель выделяет 23 типа областей, включая заголовки, основной текст, номера страниц, аннотации, содержание, ссылки, сноски, колонтитулы, формулы, таблицы, изображения, подписи, печати и элементы алгоритмов. Она предназначена для анализа структуры документа и может использоваться как модуль конвейера PP-StructureV3 вместе с OCR и распознаванием таблиц, печатей и формул. В описанной авторами оценке на 500 изображениях документов модель получила mAP@0.5 90,4%. Лицензия — Apache-2.0. Результат оценки получен на внутреннем наборе PaddlePaddle; качество на других типах документов может отличаться. Метаданные обозначают задачу как image-to-text, однако README описывает локализацию областей макета, а не извлечение текста.

Карточка модели baidu/Qianfan-VL-3B на Hugging Face совпадает с карточкой coblack/Qianfan-VL-3B, поэтому описание составлено по ней. Qianfan-VL-3B — мультимодальная языковая модель команды Baidu AI Cloud Qianfan для работы с изображениями и текстом. Версия 3B основана на Qwen2.5-3B; визуальный энкодер построен на InternViT, а изображения обрабатываются с динамическим разбиением на патчи с поддержкой разрешения до 4K. Модель принимает изображения и текстовые запросы и формирует текстовые ответы; заявленная длина контекста — 32k токенов. Модель предназначена для OCR в реальном времени и на устройствах с ограниченными ресурсами, распознавания рукописного текста, формул и содержимого документов, а также анализа структуры страниц, таблиц и диаграмм и ответов на вопросы по документам. В README заявлена поддержка многоязычных данных, а метаданные карточки указывают английский и китайский языки. Поддержка Chain-of-Thought в этой версии отсутствует; возможности рассуждений, указанные для вариантов 8B и 70B, к ней не относятся. Модель опубликована в формате safetensors и предназначена для использования с Transformers; README также описывает развертывание через vLLM. Лицензия в метаданных обозначена как other, а README не приводит её условий, поэтому перед использованием следует проверить лицензионную информацию карточки Hugging Face.

bunnycore создала эту объединённую модель на основе нескольких предварительно обученных языковых моделей с помощью метода Model Stock и инструмента mergekit. В состав вошли Bespoke-Stratos-7B, модели семейств Qwen и DeepSeek, а также другие модели на 7B; архитектура — плотная Qwen2ForCausalLM, размер — 7,1 млрд параметров. Модель доступна в формате safetensors для Transformers и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогов. Включённые модели указывают на ориентацию среди прочего на рассуждения, но README не описывает отдельные специализации или гарантии качества; приведённые результаты Open LLM Leaderboard ограничены несколькими метриками. Лицензия в предоставленных данных не указана.

Qwen2.5-VL-32B-OCR — адаптер LoRA, созданный на базе Qwen/Qwen2.5-VL-32B и дообученный для оптического распознавания символов. Модель принимает изображения вместе с текстовыми запросами и формирует текстовый ответ; её основное назначение — извлечение текста из изображений и документов. Адаптер рассчитан на использование с базовой моделью через Transformers и PEFT. В основе лежит плотная vision-language архитектура Qwen2.5-VL с 32 млрд параметров и контекстом до 128 000 токенов. Репозиторий содержит веса safetensors; лицензия — Apache-2.0. Карточка не описывает качество распознавания, поддерживаемые языки или специальные возможности разбора структуры документов, поэтому их нельзя оценить по имеющимся данным.

Qwen3.8-27B-NVFP4-GGUF — квантизированная версия мультимодальной модели Qwen3.8-27B, разработанной Qwen и подготовленной LibertAI. Модель предназначена для текстовых и визуальных сценариев, включая генерацию текста по изображениям и видео, а также обычный текстовый inference через llama.cpp. Поддерживается английский язык; данные о других языках в карточке не приведены. Веса представлены в формате GGUF и используют NVFP4-квантизацию с размером группы 16 только для линейных слоёв MLP языковой модели. Attention-слои, vision tower, MTP-блок, embeddings и lm_head сохранены в BF16. Доступны варианты Q4_K_M, Q8_0 и BF16 для неквантизированных тензоров; рекомендуемый Q4_K_M занимает около 15,8 ГБ. Для обработки изображений и видео требуется отдельный файл mmproj с vision tower F16. Заявленный контекст — до 32 768 токенов при использовании приведённой конфигурации llama.cpp. Главное преимущество модели — ускоренная обработка, особенно prefill и пакетное обслуживание нескольких запросов, на GPU NVIDIA Blackwell с native NVFP4 tensor-core math. Для этого требуется llama.cpp с CUDA 12.8 или новее и архитектура sm_120; на более старых GPU модель запускается, но преимущество NVFP4 не гарантируется. К ограничениям относятся калибровка преимущественно на англоязычных новостных текстах, отсутствие измерений для многоязычных и программных задач, а также ограниченная проверка качества vision tower. Модель распространяется по лицензии Apache 2.0 с условиями и политиками исходной Qwen3.8-27B.

Qwen3-8B TMax AENV v39b, итерация 89 — чекпойнт языковой модели на архитектуре Qwen3 с плотной архитектурой и 7,6 млрд параметров. Его разработали как часть запуска обучения с подкреплением tmax_aenv_v39b: политика инициализирована из willamazon1/qwen3-8b-tmax-sft-v3-iter353, которая ранее была дообучена на Qwen/Qwen3-8B. Чекпойнт получен после 89-й итерации групповой оптимизации политики на асинхронных многошаговых взаимодействиях с агентной средой. Модель предназначена для генерации диалогового текста и использования в агентных сценариях с вызовом инструментов. Она принимает текст, поддерживает контекст до 40 960 токенов и распространяется в формате safetensors с весами bfloat16 для Transformers. Репозиторий также содержит другие чекпойнты этого запуска, что позволяет сравнивать этапы обучения. Модель распространяется по лицензии Apache-2.0. Это промежуточный чекпойнт обучения с подкреплением, поэтому его поведение и качество могут отличаться от более поздних итераций; README не приводит результатов оценки или конкретных гарантий для отдельных агентных задач.

TinyBERT_General_6L_768D — компактная предварительно обученная языковая модель на основе BERT, разработанная лабораторией HUAWEI Noah’s Ark Lab. Это общая версия TinyBERT, полученная дистилляцией BERT-base; она предназначена как начальная модель для задач понимания естественного языка и может дообучаться под конкретные задачи. Модель содержит около 80,1 млн параметров, имеет 6 слоёв Transformer, скрытый размер 768 и принимает последовательности длиной до 512 токенов. Модель работает с текстом и рассчитана на английский язык. Разработчики сообщают, что TinyBERT в целом существенно меньше и быстрее при инференсе, чем BERT-base, сохраняя конкурентное качество на задачах понимания языка. Сам репозиторий содержит базовую модель без отдельной классификационной или иной task-specific головы, поэтому для прикладного использования её обычно дообучают. Карточка Hugging Face не содержит сведений о лицензии.

UIX-Qwen2 — мультимодальная модель Neulab для понимания веб-интерфейсов, обученная в рамках работы Harnessing Webpage UIs for Text Rich Visual Understanding. Модель основана на Qwen2-7B-Instruct и обучалась с использованием LLaVA-NeXT; в каталожных метаданных указаны архитектура LlavaQwenForCausalLM, 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для анализа изображений интерфейсов и текстовых запросов о них, а также для задач понимания документов, OCR и интерпретации диаграмм. README сообщает об обучении на датасете MultiUI и улучшении результатов на тестах веб-интерфейсов и действий веб-агента; эти результаты не гарантируют качество на произвольных данных. Указана лицензия ODC-BY.

ViT-B-16-SigLIP-512 — контрастивная модель сопоставления изображений и текста на основе архитектуры ViT-B/16 и обучения с функцией потерь SigLIP. Модель обучена на наборе WebLI и разработана в рамках проекта Big Vision; веса JAX конвертированы в PyTorch и опубликованы timm. Она поддерживается библиотекой OpenCLIP для совместной работы с изображениями и текстом, а также timm для получения эмбеддингов изображений. Модель предназначена для классификации изображений без дообучения: пользователь задаёт текстовые описания классов, а модель сопоставляет их с изображением. Её также можно применять для извлечения визуальных эмбеддингов и оценки соответствия между изображением и текстом. Веса доступны в форматах PyTorch и safetensors; лицензия — Apache 2.0. Карточка не приводит конкретные ограничения качества или перечень поддерживаемых языков, поэтому её пригодность для конкретных языков и предметных областей следует проверять отдельно.

timm/vit_base_patch16_clip_224.metaclip_2pt5b — модель семейства CLIP, доступная для использования через open_clip и timm. Она основана на архитектуре ViT-B/16 с вариантом активации QuickGELU и обучена на наборе MetaCLIP-2.5B. Модель предназначена для классификации изображений по текстовым описаниям в режиме zero-shot: она сопоставляет изображение с предложенными текстовыми категориями без отдельного обучения на них. Репозиторий содержит веса PyTorch и SafeTensors и использует библиотеку open_clip. Лицензия CC BY-NC 4.0 разрешает использование на условиях атрибуции и ограничивает коммерческое применение.

ViT-L-14-CLIPA-datacomp1B — контрастивная модель семейства CLIP для сопоставления изображений и текста и классификации изображений без предварительного обучения на заданных классах. Модель разработана в рамках проекта CLIPA-v2; в карточке указано обучение на датасете DataComp-1B. Архитектура ViT-L-14 объединяет визуальный энкодер Vision Transformer и текстовый энкодер CLIP. Для запуска подходит библиотека OpenCLIP, веса доступны в форматах PyTorch и safetensors. Модель предназначена для классификации изображений по текстовым описаниям классов и оценки соответствия изображения тексту. Она применима, например, для категоризации изображений по произвольным спискам меток и поиска изображений по текстовым запросам. Карточка сообщает об оценке CLIPA-v2 на ImageNet, но не приводит отдельные результаты именно этой конфигурации. Указанная лицензия — Apache-2.0; языки текста и длина контекста в предоставленных данных не описаны.

Модель timm/ViT-SO400M-14-SigLIP2 — контрастивная модель «изображение—текст» семейства SigLIP 2, обученная на наборе WebLI и подготовленная timm для использования в OpenCLIP. Она предназначена для классификации изображений без специального обучения на каждом наборе классов: модель сопоставляет изображение с текстовыми описаниями возможных категорий и оценивает их соответствие. Архитектура — vision-language encoder с визуальной частью ViT; модель использует формат PyTorch и веса safetensors. Модель подходит для поиска изображений по текстовым категориям и построения классификаторов с произвольными метками. SigLIP 2 описана как мультиязычное семейство, однако карточка этой конкретной версии не уточняет поддерживаемые языки. Лицензия — Apache-2.0.

xLAM-8x7b-r-GGUF — это GGUF-квантизированная версия языковой модели xLAM-8x7b-r, разработанной Salesforce и подготовленной для распространения пользователем bartowski. Модель ориентирована на text-generation, function calling, использование инструментов и создание LLM-агентов. Обучение связано с датасетом Salesforce/xlam-function-calling-60k; заявленный язык — английский. Модель основана на архитектуре, обозначенной в карточке тегом mistral, и имеет конфигурацию 8x7B; точные сведения о числе активируемых параметров и размере контекста не указаны. Доступны варианты от F16 до сильно сжатых квантов GGUF, включая Q8_0, Q6_K, Q5_K, Q4_K и Q3/Q2, с размером файлов примерно от 17 до 93 ГБ. Квантизация выполнена с использованием llama.cpp и метода imatrix; некоторые варианты оптимизированы для ARM и CPU-инференса. Сильная сторона модели — специализация на вызове функций и взаимодействии с внешними инструментами, а также широкий выбор квантов для компромисса между качеством и требованиями к памяти. Ограничения включают заявленную ориентацию на английский язык, отсутствие данных о мультимодальности и контекстном окне, а также снижение качества у малобитных вариантов. Модель распространяется по лицензии CC BY-NC 4.0, предусматривающей некоммерческое использование; для доступа к репозиторию требуется подтверждение согласия с лицензией.

dominguesm/xlm-roberta-base-lora-language-detection — мультиязычная модель для автоматического определения языка текста. Она разработана на базе xlm-roberta-base и дообучена методом PEFT-LoRA с классификационной головой для задач классификации последовательностей. Модель поддерживает 20 языков: арабский, болгарский, немецкий, современный греческий, английский, испанский, французский, хинди, итальянский, японский, нидерландский, польский, португальский, русский, суахили, тайский, турецкий, урду, вьетнамский и китайский. Дообучение проводилось на датасете papluca/language-identification: 70 тысяч обучающих, 10 тысяч валидационных и 10 тысяч тестовых примеров. На тестовой выборке заявлены accuracy и F1 на уровне 99,43–99,4%. Сильной стороной является высокая точность при поддержке нескольких языков и сниженные вычислительные и требования к хранению затраты благодаря LoRA, которая изменяет лишь небольшое число дополнительных параметров. Ограничение модели — классификация только указанных 20 языков; качество на текстах, отличающихся от распределения исходного датасета, в README отдельно не оценено. Лицензия — CC BY 4.0.

airoboros-7b-gpt4-1.1 — дообученная авторами проекта Airoboros языковая модель семейства LLaMA с архитектурой LlamaForCausalLM и примерно 6,6 млрд параметров. Она создана на синтетических обучающих данных, сгенерированных GPT-4, и предназначена для диалоговой генерации текста по шаблону Vicuna, включая ответы на вопросы и выполнение инструкций. Модель ориентирована на викторины, математические рассуждения, программирование, вопросы с выбором ответа и заполнение пропусков, а также ответы по заданному контексту. При контекстном вопросно-ответном поиске её обучали опираться на предоставленные сведения и ограничивать ответ их содержимым, чтобы уменьшить галлюцинации. В метаданных указан контекст до 2048 токенов; README отмечает, что эта версия добавляет примеры инструкций по программированию и улучшает следование контексту. Модель принимает текст и генерирует текст. README не заявляет конкретные поддерживаемые естественные языки. Известное ограничение — автор прямо отмечает слабые результаты на математике и рассуждениях; следование контексту также не исключает выдуманных ответов. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

AudioSangraha-Audio_to_Text — дообученная разработчиком AqeelShafy7 модель распознавания речи на архитектуре Whisper Small. Она предназначена для преобразования аудио в текст. Веса представлены в формате safetensors; модель содержит 153,1 млн параметров и распространяется по лицензии Apache-2.0. В карточке приведены результаты оценки: loss 0,3071 и WER 52,3227. Описание не раскрывает языки, обучающие данные и сценарии применения, поэтому качество распознавания в конкретных условиях по этим сведениям оценить нельзя.

Это модель murali1996 на базе bert-base-cased, дообученная для исправления орфографических ошибок. Она предназначена для коррекции текста; подробности обучения и оценки автор предлагает смотреть в репозитории neuspell. Модель построена на архитектуре BERT, содержит 135,5 млн параметров и принимает последовательности длиной до 512 токенов. Доступны веса в форматах PyTorch и Flax. Лицензия в предоставленных данных не указана.

BERTimbau Base — предварительно обученная модель BERT для бразильского португальского языка, разработанная Neuralmind. Это базовая версия архитектуры BERT с 12 слоями и примерно 136,1 млн параметров по метаданным; она предназначена для заполнения замаскированных токенов и получения текстовых представлений, которые можно использовать в задачах обработки португальского языка. В README также отмечены результаты на распознавании именованных сущностей, оценке семантического сходства предложений и распознавании текстового следования; для этих задач модель обычно требуется дообучить. Модель принимает текст и предсказывает пропущенные токены. Контекстное окно составляет 512 токенов. В карточке указаны варианты весов для PyTorch, TensorFlow и Flax, а лицензия — MIT. Модель ориентирована на бразильский португальский и обучалась на корпусе brWaC.

boltuix/bert-mid — компактная англоязычная модель BoltUIX на архитектуре BERT, дообученная на основе google/bert-base-uncased. Она использует двунаправленный Transformer и обучалась предсказывать замаскированные токены и отношения между предложениями; в метаданных указано 14,1 млн параметров и контекст до 512 токенов. Модель предназначена для заполнения пропусков в тексте и как основа для дообучения под классификацию последовательностей и токенов, извлечение ответов и распознавание текстовых отношений. Подходит для анализа тональности, распознавания именованных сущностей, определения намерений и задач естественного языкового вывода. По карточке, модель оценивалась на GLUE и обучалась на BookCorpus и английской Wikipedia. Репозиторий содержит веса safetensors; лицензия — MIT. Модель рассчитана на английский язык и не предназначена для генерации связного текста или задач на других языках без существенного дообучения. Она может наследовать смещения из обучающих данных, а для очень ограниченных устройств может потребоваться дополнительная оптимизация.

MoritzLaurer/bge-m3-zeroshot-v2.0 — модель нулевой классификации текста, разработанная Moritz Laurer и дообученная на базе BAAI/bge-m3-retromae. Она использует архитектуру XLM-RoBERTa с классификационной головой и определяет, следует ли считать гипотезу истинной или неистинной относительно входного текста; этот формат NLI позволяет формулировать задачу как выбор одной или нескольких меток без обучающих примеров. Модель содержит 658,7 млн параметров, принимает текстовые входы длиной до 8194 токенов и доступна в форматах Safetensors и ONNX. Модель предназначена для классификации отзывов, тем, намерений и других текстов по заданным пользователем категориям на CPU или GPU. В оценке на 28 задачах классификации автор сообщает средний macro-F1 0,59 для zero-shot режима; результаты зависят от формулировок гипотез и меток. Модель поддерживает многоязычные сценарии, хотя README не приводит список конкретных языков. Ограничение модели — работа только с классификацией текста; возможны смещения из базовой модели, данных NLI и синтетических обучающих данных. Лицензия репозитория — MIT.

Narsil/deberta-large-mnli-zero-cls — крупная модель классификации текста на базе DeBERTa Large, дообученная на задаче MNLI. Архитектура DeBERTa использует раздельное внимание к содержимому и позициям токенов и улучшенный декодер маски; в репозитории указано около 454,1 млн параметров, формат PyTorch и контекст до 512 токенов. Модель предназначена для классификации последовательностей и zero-shot-классификации: можно сопоставлять текст с наборами кандидатных меток, в том числе задавая метки без отдельного обучения на каждом наборе классов. Она работает с текстом на английском языке и может использоваться в сценариях понимания естественного языка и проверки текстовых гипотез. Модель распространяется по лицензии MIT. Показатели из README относятся к разным задачам и вариантам DeBERTa, поэтому их нельзя считать гарантированной оценкой качества именно этого чекпойнта на произвольных данных.

DistilBart-MNLI-12-1 — сжатая модель на архитектуре BART, опубликованная Valhalla. Она предназначена для классификации текста по заданным пользователем меткам без обучения отдельного классификатора под каждую категорию: модель сопоставляет текст с гипотезами о его содержании и оценивает их правдоподобие. В карточке Hugging Face основная задача обозначена как zero-shot-классификация. Модель содержит 252,8 млн параметров и имеет контекст до 1024 токенов. По README, это дистилляция bart-large-mnli: использованы чередующиеся слои исходной модели и дополнительное дообучение на тех же данных MNLI. Для варианта 12-1 указана точность 87,08% на matched и 87,5% на mismatched части оценки MNLI; это ниже базовой bart-large-mnli, но README характеризует снижение как небольшое. Репозиторий содержит веса PyTorch и Flax. Модель принимает текст и возвращает оценки соответствия между ним и предложенными метками или гипотезами. Её можно применять для тематической сортировки обращений, маршрутизации текстов по категориям и предварительной разметки документов. Карточка не сообщает лицензию и не уточняет языки обучения или качество на других наборах данных; результат зависит от формулировки меток и гипотез.

DocumentFigureClassifier-v2.5 — модель классификации изображений, разработанная проектом Docling и основанная на Google EfficientNet-B0, дообученной на подмножестве датасета HuggingFace/finepdfs. Она относит изображения из документов к одной из 26 категорий, включая логотипы, фотографии, значки, чертежи, графики, таблицы, схемы, карты, подписи, штампы и QR-коды. Модель предназначена для анализа содержимого PDF и других документов: она помогает распознавать типы иллюстраций и направлять их на подходящую последующую обработку. В README приведена оценка на отложенной выборке finepdfs: точность составляет 0,907, сбалансированная точность — 0,688, а Macro F1 — 0,689. Модель доступна в форматах ONNX и safetensors и распространяется по лицензии MIT. Показатели по отдельным классам различаются, поэтому качество может быть ниже для редких или похожих категорий; модель обучалась на подмножестве finepdfs, и её результаты могут зависеть от состава входных документов. README не описывает требования к размеру входного изображения или полный процесс предобработки.

EVE-27b-XENO-HAT-DeepSeek-V4-Flash — экспериментальная разговорная модель для генерации текста, созданная слиянием DeepSeek V4 Flash и Qwen3.6-27B. По README, при слиянии архитектуру согласовали с Qwen 3.5; метаданные указывают плотную архитектуру семейства Qwen3.5 и формат safetensors. Модель принимает текст и выдаёт текст, поддерживает интерфейс вызова инструментов. В карточке заявлены китайский, русский и английский языки; базовая Qwen описана как мультимодальная, однако для этой модели обработка изображений не подтверждена. Модель можно применять для диалогов и генерации текста на русском, английском и китайском, а также для сценариев с вызовом инструментов. Автор описывает её как эксперимент, но отмечает, что она пригодна к использованию. Размер в 27 млрд параметров относится к базовой Qwen3.6-27B; отдельный размер итоговой модели не приведён. Длина контекста 262k указана в тегах карточки. Лицензия — Apache-2.0.