I.1Поиск и навигация по информации

samolego/whisper-small-slovenian — дообученная модель семейства Whisper Small для автоматического распознавания речи на словенском языке. Её создал автор samolego на базе openai/whisper-small, обучив на аудиоданных ARTUR 1.0, в том числе наборах Artur-B-brani и Artur-B-Studio. Модель содержит около 153,1 млн параметров и принимает аудио, выдавая текстовую транскрипцию. На оценочном наборе автор сообщает значение WER 11,0097 и loss 0,1226. Репозиторий содержит веса safetensors; в README также упомянут формат ggml для использования с whisper.cpp. Лицензия — Apache-2.0. Карточка не описывает дополнительные сценарии применения или конкретные ограничения качества.

Moritz Laurer дообучил мультиязычную модель XLM-V-base от Meta AI для вывода по естественному языку (NLI) и классификации без заранее заданных обучающих примеров. Модель сопоставляет premise и hypothesis, а в zero-shot-сценарии оценивает, насколько текст соответствует каждому из предложенных пользователем классов. Она основана на архитектуре XLM-RoBERTa и содержит около 805,7 млн параметров; словарь XLM-V включает 1 млн токенов. Контекст — до 514 токенов. Модель заявлена для 116 языков благодаря предварительному обучению на CC100 и переносит NLI между языками. Она дообучена на английском MNLI и профессионально переведённых данных XNLI для 15 языков. Средняя точность в приведённой оценке XNLI составляет 0,78; на других языках качество может быть ниже, а длинный текст ограничен окном контекста. Лицензия — MIT.

Mel-Iza0/zero-shot — модель классификации текста с нулевым обучением на архитектуре DeBERTa-v2. Она сопоставляет текст с переданным набором меток и оценивает их соответствие, поэтому подходит для классификации по пользовательским категориям без отдельного обучения на этих категориях. В README показан запуск через pipeline zero-shot-classification из Transformers с шаблоном гипотезы. Модель содержит 211,6 млн параметров, работает с контекстом до 512 токенов и опубликована в формате PyTorch. Метаданные указывают португальский язык. Лицензия в доступных данных не указана.

Agents-A1-bf16 — конверсия модели InternScience/Agents-A1 в формат MLX с точностью bf16. Это мультимодальная агентная модель семейства Qwen3.5-MoE с 40 слоями декодера, 256 маршрутизируемыми экспертами и общим экспертом в каждом слое, размером скрытого состояния 2048, модулем обработки изображений и видеопредобработкой. Модель принимает текст и изображения и генерирует текст; для запуска мультимодальной версии README рекомендует библиотеку mlx-vlm. Модель предназначена для диалоговых и агентных сценариев, включая рассуждения и ответы на вопросы по изображениям. В README приведён пример пошагового решения арифметической задачи и описания изображения; базовая модель в каталоге ориентирована также на многошаговые агентные и научные задачи, поиск и вызов инструментов. Репозиторий распространяется по лицензии Apache-2.0. По README, полный вариант bf16 занимает около 65 ГБ на диске; замеры приведены для MacBook Pro M5 Max с 128 ГБ памяти.

AIFT-ko-orca-plat-Yi-ko-6b-v1.1은 AIFT가 공개한 한국어 지시문 수행용 모델로, Llama 계열의 밀집형 인과 언어 모델이며 약 5,9 млрд параметров и контекстом 2048 токенов. Модель дообучена с помощью LoRA на примерно 40 тысячах примеров, сформированных на основе открытых наборов и дополнительных данных для задач на корейском и английском языках. Модель предназначена для генерации ответов на вопросы и выполнения инструкций в задачах по истории, естественным наукам, математике, машинному чтению, анализу отзывов, суммаризации, грамматике и переводу между корейским и английским. Лицензия — CC-BY-SA-4.0. Обучающие данные не опубликованы. Контекст ограничен 2048 токенами; README не приводит количественных оценок качества, поэтому надёжность ответов для конкретных задач следует оценивать отдельно.

strangervisionhf/deepseek-ocr-latest-transformers — экспериментальная копия весов DeepSeek OCR с исправленной конфигурацией для совместимости с актуальными версиями библиотеки Transformers. Модель семейства DeepSeek-VL-v2 имеет архитектуру DeepseekOCRForCausalLM, содержит 559,7 млн параметров и принимает изображения для генерации текстового ответа; её основное назначение — распознавание текста на изображениях и задачи визуально-языкового взаимодействия. Для работы в карточке приведён пример с Transformers 4.57.1, PyTorch и CUDA. Указаны английский язык и контекст 8192 токена. Модель распространяется по лицензии MIT. Автор предупреждает, что эта версия экспериментальная, рекомендует использовать более новые версии и сообщает, что копия весов не предназначена для иных целей.

Это модель EVA02-CLIP от команды timm, опубликованная в формате OpenCLIP. Она сопоставляет изображения и текст: принимает изображение и текстовые описания категорий, кодирует их и позволяет оценить соответствие изображения каждому описанию для классификации без обучения на конкретном наборе меток. Визуальная часть основана на Vision Transformer с патчами 16×16; модель рассчитана на изображения 224×224. В названии и карточке указано обучение на объединённом наборе данных объёмом 2 млрд примеров. Модель предназначена для нулевой классификации изображений и сопоставления изображения с текстовыми запросами. Она выдаёт оценки сходства, поэтому пригодна для задач поиска и отбора по свободно заданным категориям. Весовые файлы доступны в форматах PyTorch и Safetensors и используются через OpenCLIP. Лицензия — MIT. Карточка не сообщает целевой естественный язык; качество зависит от формулировок текстовых меток и соответствия изображений обучающим данным.

eva02_large_patch14_clip_336.merged2b — веса модели EVA-02 CLIP, опубликованные timm для использования с OpenCLIP. Модель предназначена для классификации изображений по текстовым описаниям без специального обучения на целевых классах: она сопоставляет изображение и варианты текста, а затем оценивает их сходство. По названию репозитория модель использует визуальный энкодер EVA-02 с патчами 14×14 и входным разрешением 336 пикселей, объединённый с текстовым энкодером CLIP. Метаданные указывают задачу zero-shot image classification и форматы PyTorch и safetensors. Лицензия — MIT.

InternVL-14B-224px — модель зрения и языка OpenGVLab с 14 млрд параметров, предназначенная для извлечения признаков изображений и решения задач на изображениях и видео. Модель принимает изображения размером 224 × 224 пикселя и поддерживает классификацию без дообучения, поиск соответствий между изображениями и текстом или видео и текстом, а также создание подписей к изображениям. Модель обучена на наборах LAION-en, LAION-COCO, COYO, CC12M, CC3M, SBU, Wukong и LAION-multi. В README отмечено, что для корректной работы при использовании необходим префикс «summarize:» и значение tokenizer.pad_token_id = 0. Лицензия — MIT. Конкретные поддерживаемые языки и численные результаты оценки в предоставленных материалах не описаны.

Keural-Cortex-8B-DPO — двуязычный текстовый ассистент на основе Qwen3-8B-Base, разработанный авторами проекта Keural/MKD. Это плотная decoder-only модель Qwen3ForCausalLM с примерно 7,6 млрд параметров и контекстом до 65 536 токенов. Модель прошла дообучение с учителем и DPO на предпочтениях; чекпойнт DPO-v1 обучен на 291 084 парах предпочтений. Модель предназначена для диалогов на корейском и английском языках, следования инструкциям, вызова инструментов и задач с пошаговым рассуждением. В README подтверждена работа разделения ответа на поля reasoning и content при заданной конфигурации сервера, однако это подтверждает формат маршрутизации, а не точность рассуждений. Лицензия — Apache-2.0. Результаты полной оценки после DPO пока отсутствуют. В README описана ошибочная арифметика даже при корректно оформленном рассуждении; длинноконтекстное извлечение проверялось на предшествующей версии, поэтому качество рассуждений и следования инструкциям на длинном контексте для этого чекпойнта подтверждено слабее. Модель может ошибаться, галлюцинировать, неверно использовать инструменты или выдавать небезопасный контент.

Карточка модели yangw1234/lfm25-da-lora16 на Hugging Face совпадает с карточкой yangw1234/lfm25-clawgym-lora32, поэтому описание составлено по ней. yangw1234/LFM25-clawgym-lora32 — дообученная модель LiquidAI/LFM2.5-2.6B, опубликованная yangw1234. Это плотная языковая модель семейства LFM2 с 2,6 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Метаданные указывают контекст до 131 072 токенов и интерфейс вызова инструментов; модель сохранена в формате Safetensors. В README сказано, что при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель подходит для диалоговых приложений и агентных сценариев, где нужно генерировать текст или обращаться к инструментам. Базовая модель описана как многоязычная и рассчитанная на локальный запуск, RAG и задачи с длинным контекстом; карточка этой версии явно подтверждает английский язык. Модель распространяется по лицензии Apache-2.0. README не сообщает результаты оценки качества или конкретную специализацию дообучения.

Apollo Raines выпустил поведенчески модифицированный вариант Meta Llama 3.1 8B Instruct. Модель предназначена для диалогов и генерации текста с более короткими и прямыми ответами: разработчик сообщает, что убрал многословные вступления и заполнители, сохранив точность и полезность. Изменения внесены инструментом jBlaze непосредственно в веса; README уточняет, что дополнительного обучения не проводилось. Архитектура — LlamaForCausalLM, плотная трансформерная языковая модель; в метаданных указано 7,5 млрд параметров и контекст до 131 072 токенов. Репозиторий содержит веса Safetensors, а README указывает точность bf16. Модель ориентирована на английский язык и поддерживает чатовый интерфейс вызова инструментов. Разработчик характеризует опубликованный вариант как демонстрационный и намеренно ослабленный относительно полной версии. Модель распространяется по лицензии Llama 3.1; применяйте её с учётом условий этой лицензии.

Карточка модели naturalseeker/Llama3.1_8I_ARC_RP на Hugging Face совпадает с карточкой naturalseeker/Llama3.1_8I_ARC, поэтому описание составлено по ней. naturalseeker/Llama3.1_8I_ARC — дообученная naturalseeker диалоговая модель на архитектуре Llama 3.1 с 7,5 млрд параметров. Она создана на основе unsloth/Meta-Llama-3.1-8B-Instruct и обучалась с использованием Unsloth и Hugging Face TRL. Модель предназначена для диалогов и генерации текста; доступен интерфейс вызова инструментов. Она принимает текст и выдаёт текст, поддерживает английский язык и контекст до 131 072 токенов. Веса опубликованы в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специальную предметную область или отдельные возможности дообучения, поэтому качество для конкретных задач следует оценивать на подходящих примерах.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-DPO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Base-8B-SFT, поэтому описание составлено по ней. princeton-nlp/Llama-3-Base-8B-SFT — разговорная модель генерации текста на архитектуре Llama, опубликованная как часть работы SimPO: Simple Preference Optimization with a Reference-Free Reward. Репозиторий содержит модель на 7,5 млрд параметров в формате safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на запросы и ведения беседы. README отсылает к репозиторию SimPO за дополнительными сведениями. Лицензия и конкретные языковые возможности в предоставленных данных не определены.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-IPO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Base-8B-SFT, поэтому описание составлено по ней. princeton-nlp/Llama-3-Base-8B-SFT — разговорная модель генерации текста на архитектуре Llama, опубликованная как часть работы SimPO: Simple Preference Optimization with a Reference-Free Reward. Репозиторий содержит модель на 7,5 млрд параметров в формате safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на запросы и ведения беседы. README отсылает к репозиторию SimPO за дополнительными сведениями. Лицензия и конкретные языковые возможности в предоставленных данных не определены.

Llama-SEA-LION-v2-8B — многоязычная языковая модель, разработанная командой Products Pillar организации AI Singapore при финансировании Национального исследовательского фонда Сингапура. Это плотная decoder-модель на архитектуре Llama 3 с 7,5 млрд параметров, полученная продолжением предварительного обучения Meta-Llama-3-8B-Instruct на примерно 48 млрд токенов пяти языков Юго-Восточной Азии и английского. Модель принимает текст и предназначена для генерации ответов и выполнения языковых задач на английском, индонезийском, тамильском, тайском и вьетнамском языках; контекст составляет до 8192 токенов. Модель оценивали на ответах на вопросы, анализе тональности, выявлении токсичности, переводе, суммаризации, причинно-следственных рассуждениях и распознавании языковых следствий. Оценка проводилась в режиме пяти примеров с использованием собственных для языков подсказок и ограниченных выборок данных, поэтому результаты могут не отражать качество во всех сценариях. Карточка предупреждает, что модель не прошла настройку безопасности; для использования в продуктах следует самостоятельно проверить её ответы и настроить меры безопасности. Лицензия — Llama 3 Community License.

MetaCLIP 2 (worldwide) — модель Meta, соответствующая чекпойнту ViT-bigG-14-378-worldwide из оригинальной реализации MetaCLIP 2. Она предназначена для классификации изображений по текстовым описаниям без дообучения на конкретных метках: пользователь задаёт варианты классов, а модель оценивает соответствие изображения каждому из них. Модель имеет архитектуру MetaClip2Model и доступна в формате safetensors; для работы в карточке указана библиотека Transformers. Модель рассчитана на многоязычное применение и может использоваться для поиска изображений по категориям и быстрой разметки изображений заданным набором текстовых меток. Репозиторий опубликован по лицензии CC BY-NC 4.0, которая не разрешает коммерческое использование.

Motif 2.6B v1.1-LC — дообученная плотная языковая модель Motif-Technologies на 2,6 млрд параметров для генерации текста и диалоговых приложений. Версия v1.1-LC поддерживает контекст до 16 384 токенов; карточка приводит результаты тестов MMLU, MMLU-Pro и WinoG. Модель ориентирована на английский и корейский языки. Её можно использовать для диалога и генерации текста в приложениях на базе Transformers; для загрузки в примере README используется trust_remote_code. Модель распространяется по лицензии MIT.

Multilingual Zero-Shot Classifier large — модель классификации текста без дополнительного обучения, разработанная Horizon Labs. Она сопоставляет текст с заданными пользователем метками через оценку логического следования и подходит для тематической классификации, определения намерений и других задач в стиле NLI. Модель основана на BGE-M3 и архитектуре XLM-RoBERTa; в метаданных указано 658,7 млн параметров. Принимает текст на многих языках, но метки и шаблон гипотезы рекомендуется задавать на английском. Заявлен контекст до 8194 токенов, хотя до 1024 токенов модель дообучалась. Доступны веса safetensors и формат ONNX; лицензия Apache-2.0. Модель предназначена для многоязычной классификации с произвольным набором меток без обучения на конкретной таксономии. Среди сильных сторон — широкий охват языков и возможность применять единый интерфейс zero-shot classification к разным задачам. Качество зависит от формулировок меток и шаблона: общие метки могут преобладать над конкретными, а близкие категории путаться. На языках с меньшими обучающими ресурсами качество ниже; существенная часть обучающих данных синтетическая или машинно-переведённая.

Needle 3 — компактная языковая модель компании Cactus Compute для локального запуска на мобильных устройствах, носимой электронике, роботах, системах умного дома, автомобилях и микроконтроллерах. В метаданных указаны 175,4 млн параметров, плотная архитектура NeedleForToolCalling и контекст до 8192 токенов. Модель распространяется под лицензией Apache-2.0. Needle 3 предназначена прежде всего для вызова функций и инструментов: она выбирает подходящие функции из заданных приложением и заполняет их аргументы по запросу пользователя. Также модель извлекает структурированные данные из неформатированного текста с ограничением формата ответа грамматикой и создаёт векторные представления предложений для локального поиска, сопоставления и маршрутизации. Разработчик указывает, что модель оптимизирована для этих задач на устройствах с ограниченными ресурсами, жертвуя возможностями общего чата. Архитектура сочетает Monarch Hadamard MLP, групповое внимание с причинными свёрточными связями, память n-грамм engram и многоканальные гиперсвязи; доступны варианты глубиной от 2 до 20 слоёв. README также описывает сжатие весов и грамматическое ограничение вывода. Для распознавания речи модель может работать вместе с отдельной моделью Whistle, но Needle 3 сама по себе не является моделью распознавания речи. Ограничения включают меньшие возможности общего диалога и зависимость качества вызова инструментов от описаний функций и заданных схем.

NuNER-BERT-v1.0 — англоязычная модель распознавания именованных сущностей от NuMind, представленная в работе NuNER: Entity Recognition Encoder Pre-training via LLM-Annotated Data. Это BERT, дообученный на данных NuNER; модель использовалась в сравнении с TadNER в разделе 4.2 статьи. Она предназначена для извлечения сущностей из текста и может использоваться как готовый энкодер признаков или дообучаться на специализированных наборах данных. Модель содержит 136,7 млн параметров, имеет контекстное окно 512 токенов и опубликована в формате safetensors. Модель рассчитана на английский язык. Лицензия MIT разрешает широкое использование и модификацию при соблюдении её условий. Карточка приводит название статьи и контекст одного эксперимента, но не сообщает конкретные метрики качества; распознавание сущностей на новых предметных областях может потребовать дополнительного дообучения.

olmOCR-7B-0825-FP8 — мультимодальная модель для распознавания и преобразования документов, разработанная Allen Institute for AI (AI2). Она предназначена для обработки изображений документов и извлечения их содержимого, включая сценарии массовой конвейерной обработки документов. Рекомендуемый способ использования — через набор инструментов olmOCR с эффективным инференсом на базе sglang, рассчитанным на обработку миллионов документов. Модель дообучена на основе Qwen2.5-VL-7B-Instruct с использованием набора данных olmOCR-mix-0225 и представляет собой FP8-квантизированную версию olmOCR-7B-0825. Она принимает одно изображение документа; при подготовке изображения его максимальный размер должен составлять 1288 пикселей по длинной стороне. Запрос также должен содержать дополнительные метаданные документа. В карточке указано, что модель поддерживает английский язык; другие языки и точный размер контекстного окна не заявлены. Сильными сторонами модели являются специализация на документах, мультимодальная обработка и возможность масштабного инференса через olmOCR toolkit. Ограничения включают требование к формату входных данных, необходимость передачи метаданных в prompt и отсутствие в карточке подробностей о точности, поддерживаемых языках помимо английского и контекстном окне. Модель распространяется по лицензии Apache 2.0 и предназначена для исследовательского и образовательного использования; рекомендуется учитывать руководства Responsible Use.

Ornith 1.5 35B A3B NVFP4 512K GGUF — конвертированная в GGUF версия чекпойнта Ornith AI Ornith-1.5-35B-A3B-NVFP4. Модель построена на архитектуре Qwen3.5 MoE: всего 35 млрд параметров, из которых около 3 млрд активны при обработке токена. Репозиторий сохраняет исходное представление NVFP4 без повторной квантизации и расширяет контекст до 524288 токенов с помощью YaRN и масштабирования RoPE 2. Модель предназначена для диалоговой генерации текста с длинным контекстом в совместимых с GGUF средах вывода, включая llama.cpp. Это позволяет использовать её для бесед и работы с большими текстовыми материалами; заявленная длина контекста подходит для анализа объёмных документов и сохранения длинной истории диалога. В метаданных указана лицензия MIT. Для запуска требуется среда, поддерживающая GGUF-тензоры NVFP4; совместимость и производительность зависят от используемого рантайма и оборудования. В README приведены испытания на RTX 5090 с llama.cpp, но результатов тестирования качества генерации в доступных сведениях нет.

PE-Core-S-16-384 — версия модели Perception Encoder, разработанной Meta и преобразованной для OpenCLIP. Это контрастивный энкодер изображений и текста: он кодирует изображения и текстовые описания в общее пространство признаков для сопоставления и классификации по пользовательским категориям. Вариант S/16 принимает изображения с разрешением 384 пикселя; в семействе PE Core используются визуальный энкодер с блоком attention pooling и текстовый энкодер. Модель предназначена для классификации изображений без обучения на целевых классах, поиска изображений по тексту и поиска текстовых описаний по изображению. В карточке также приведены результаты для видео-классификации и поиска, однако метаданные этой версии указывают основной сценарий как zero-shot image classification. Модель доступна в форматах PyTorch и safetensors, использует библиотеку OpenCLIP и распространяется по лицензии Apache-2.0. В README не приведено точное число параметров варианта S/16, поэтому размер модели здесь не указан.

QTuneVL1.5-2B — компактная мультимодальная языковая модель Reconova AI Lab для диалога с изображениями и анализа визуального содержимого. Модель использует архитектуру InternVLChat и объединяет компоненты Qwen2.5-1.5B и InternViT-300M-v2.5; в README также описана настройка на InternVL3-2B и стратегии обрезки и дополнения изображений, применяемые в Mini-Monkey, UReader и InternVL. Модель предназначена для ответов на вопросы по изображениям, визуальных рассуждений и распознавания текста на изображениях. В README приведено сравнение с предшественником QTuneVL1-2B по восьми тестам, включая OCRBench, MMStar и MMMU, с оговоркой, что конфигурация оценщика GPT в VLMEvalKit может отличаться от официальной. Репозиторий использует Transformers и формат safetensors; лицензия — MIT.

Qwen2.5-VL-32B-Instruct-4bit — мультимодальная instruction-tuned модель семейства Qwen2.5-VL, разработанная командой Qwen и преобразованная сообществом mlx-community в формат MLX с помощью mlx-vlm. Модель содержит 32 млрд параметров и использует 4-битное квантование; работать с ней можно через библиотеку Transformers и инструменты MLX. Модель предназначена для обработки изображений вместе с текстовыми запросами: описания изображений, визуального вопросно-ответного диалога, извлечения и интерпретации информации с изображений. В метаданных заявлена поддержка английского языка, контекстное окно составляет 128 000 токенов. Pipeline-модель — image-text-to-text. К сильным сторонам относятся мультимодальное понимание и большой контекст, а 4-битное представление может снизить требования к памяти при локальном запуске. Квантование может повлиять на точность по сравнению с полной версией модели, а заявленная языковая поддержка ограничена английским. Модель распространяется по лицензии Apache-2.0.

Карточка модели localized-ft/Qwen3-32B-target-only-no-hallucination-kld-20260920-seed1 на Hugging Face совпадает с карточкой localized-ft/Qwen3-32B-good-vs-bad-mixed-multifact-ip-20260920-seed1, поэтому описание составлено по ней. Модель localized-ft/Qwen3-32B-good-vs-bad-mixed-multifact-ip-20260920-seed1 разработана localized-ft как дообученная версия Qwen/Qwen3-32B. Это плотная причинная языковая модель семейства Qwen3 с 29,7 млрд параметров, предназначенная для диалога и генерации текста; каталог также отмечает интерфейс вызова инструментов. Модель обучали с использованием Unsloth и библиотеки TRL. Модель принимает текст и выдаёт текст. Её контекстное окно составляет 40 960 токенов; в метаданных указан английский язык. Карточка не раскрывает состав обучающих данных и конкретную специализацию, поэтому название репозитория само по себе не позволяет надёжно установить назначение оценки «хорошего» и «плохого» или многозадачного обучения. Лицензия — Apache-2.0.

Qwen3.8-27B Heretic v2.1.0 — дообученная методом абляции версия мультимодальной модели Qwen, опубликованная пользователем mlasli. Контрольная точка в формате BF16 сохраняет архитектуру Qwen3.5 плотного типа на 27 млрд параметров и возможности диалога и обработки изображений; модельный репозиторий также сохраняет голову многотокенного предсказания для спекулятивного декодирования. Модель предназначена для диалогов, ответов на запросы и многошаговых задач. Отличительная настройка направлена на более прямое выполнение запросов вместо отказов и перенаправления к безопасным альтернативам. В README оценка такого поведения проведена на текстовых наборах; мультимодальное снятие ограничений не подтверждено. Для заявленного поведения автор рекомендует отключать режим мышления. При включённом режиме возможны уклончивые ответы, отказы и пустые ответы. На опубликованных тестах сохранение знаний и рассуждений близко к базовой модели, с небольшим снижением результатов. Модель принимает текст и, согласно метаданным, поддерживает изображения, однако визуальный путь валидирован только для текста и не заявлен как прошедший проверку на декодирование без ограничений. Карточка указывает английский язык. Лицензия — Apache-2.0.

leandronunes/qwen3.8-4b-a1-omnimerge-m8 — мультимодальная модель для диалога и рассуждений, созданная Leandro Nunes с помощью слияния Qwen3.5-4B, Qwen3.8-4B-Distill и Agents-A1-4B методом OmniMerge v2. Она предназначена для логической и причинной аргументации, научных вопросов и агентных сценариев; поддерживает вызов инструментов. Модель основана на архитектуре Qwen3.5 с плотной языковой частью и визуальным энкодером из 24 блоков. В README заявлены контекст 262 144 токена, чередование слоёв линейного внимания Gated DeltaNet и полного внимания, а также режим расширенного рассуждения, который можно отключить в шаблоне чата. Карточка описывает слияние как сочетание логической дедукции Qwen3.8-4B-Distill с агентными и причинными возможностями Agents-A1-4B; собственные результаты слияния на приведённых бенчмарках ещё не измерены. Модель принимает текст и изображения и генерирует текст. Лицензия — Apache 2.0, унаследованная от Qwen3.5-4B. Она опубликована недавно, поэтому зрелость практических результатов ограничена отсутствием измерений для самого слияния.

RoBERTa large — предварительно обученная языковая модель на английском языке, разработанная командой Facebook AI. Это трансформерная модель архитектуры RoBERTa с 454,1 млн параметров, обученная предсказывать замаскированные токены в контексте текста. Она чувствительна к регистру и рассчитана на последовательности длиной до 514 токенов по метаданным. Модель можно использовать для заполнения пропусков в тексте, а также дообучать для классификации последовательностей и токенов, ответов на вопросы и извлечения признаков для других задач обработки английского текста. Она принимает текст и возвращает предсказания токенов. Веса доступны в форматах PyTorch, TensorFlow, Flax, ONNX и Safetensors. Обучение проводилось на корпусах BookCorpus, Wikipedia, CC-News, OpenWebText и Stories. Модель распространяется по лицензии MIT. Данные обучения содержат неотфильтрованный интернет-контент, поэтому предсказания могут отражать его смещения; для прикладных задач модель обычно требуется дообучить.