I.1Поиск и навигация по информации

Macaron-V1-Preview-744B-Merged — текстовая генеративная модель от MindLab Research, созданная на базе GLM-5.1 и дополнительно обученная с помощью MinT. Это объединённый полный чекпойнт предварительной версии Macaron-V1-Preview; модель предназначена для диалогов и агентных сценариев с использованием инструментов. Архитектура относится к семейству GLM MoE DSA; в репозитории указано 30,4 млрд параметров и контекст длиной до 202 752 токенов. Модель принимает текст и генерирует текст, поддерживает английский и китайский языки. Чекпойнт распространяется в формате safetensors и загружается через Transformers. Он не эквивалентен полной маршрутизируемой системе Mixture-of-LoRA из релиза на 749 млрд параметров, поэтому поведение может отличаться от неё. Лицензия — MIT.

Это преобразованная в формат MLX версия PaddleOCR-VL-1.5 от mlx-community, основанная на PaddlePaddle/PaddleOCR-VL-1.5. Модель построена на архитектуре PaddleOCR-VL для генерации текста по изображению и дообучена на базе baidu/ERNIE-4.5-0.3B-Paddle. В метаданных указаны 318,2 млн параметров и контекст до 131 072 токенов. Модель предназначена для OCR и разбора содержимого документов: извлечения текста и структурированных сведений с изображений, включая таблицы, формулы, графики и печати. Метаданные отмечают английский, китайский и многоязычный режимы; README указывает на использование через mlx-vlm. Репозиторий распространяется по лицензии Apache-2.0.

Pallas-0.5 — дообученная в формате instruct языковая модель Mihaiii на базе migtissera/Tess-34B-v1.4. Она предназначена для рассуждений и понимания текста, хорошо работает с длинными системными инструкциями и поддерживает диалоговый формат с ролями SYSTEM, USER и ASSISTANT. Модель использует архитектуру Llama и содержит 33,9 млрд параметров; заявленная длина контекста — до 200 000 токенов. В карточке также отмечен высокий результат на GSM8K, полученный при обучении на закрытом наборе данных. Pallas-0.5 подходит для ответов на вопросы, анализа текста и решения задач на рассуждение, особенно когда запрос требует длинной системной инструкции. Она не предназначена для универсальной генерации, например для написания художественных историй. Репозиторий содержит веса в формате safetensors; для модели указана лицензия other, поэтому условия использования следует проверять в карточке модели и связанных лицензиях.

Qwen2.5-VL-7B-Instruct-unsloth-bnb-4bit — 4-битная версия instruction-tuned мультимодальной модели Qwen2.5-VL-7B, разработанной командой Qwen и распространяемой в формате Unsloth. Модель предназначена для задач image-text-to-text: анализа изображений и видео, распознавания текста, понимания документов, диаграмм, таблиц и макетов, а также визуального рассуждения и формирования структурированных ответов. В README указана поддержка английского языка. Модель содержит 7 миллиардов параметров и объединяет языковую модель с vision encoder. Для обработки видео используются динамические разрешение и частота кадров, а также механизмы временного позиционирования; заявлена работа с видео длительностью более часа и поиск релевантных временных сегментов. Модель умеет локализовать объекты с помощью bounding boxes или точек, выдавать координаты и атрибуты в JSON, а также поддерживает сценарии визуального агента, включая взаимодействие с компьютером и телефоном. К сильным сторонам относятся анализ документов и изображений, OCR, понимание графиков и таблиц, обработка длинных видео и визуальная локализация. Ограничения включают зависимость качества от входных визуальных данных и вычислительных ресурсов, а также то, что приведённые результаты относятся к базовой Qwen2.5-VL-7B и не обязательно полностью характеризуют именно 4-битную сборку. Модель распространяется по лицензии Apache-2.0.

Qwen3.8-27B-ROCmFPX-Q8_0-AGENT-GGUF — это 8-битная квантизированная GGUF-версия модели Qwen3.8-27B, опубликованная пользователем kingjones777. Модель предназначена для локального запуска через специализированную ветку ROCmFPX, ориентированную на GPU AMD с архитектурой gfx1151, включая Ryzen AI MAX+ 395 и платформу Strix Halo. Она поддерживает генерацию текста, агентские сценарии и вызовы инструментов. Модель имеет архитектуру Qwen, размер 27B параметров и контекст до 32 768 токенов в рекомендуемой конфигурации. Указан английский язык. Файл занимает около 26,28 GiB, использует тип квантизации Q8_0_ROCMFPX_AGENT с точностью 8,39 бит на вес и сохраняет повышенную точность для части attention-output projections. В README заявлена совместимость с MTP-спекулятивным декодированием: на Ryzen AI MAX+ 395 измерена скорость 26,62 токена в секунду, что на 6,2% выше обычной сборки ROCmFPX Q8.0. В тестах модель показала корректные ответы на базовые вопросы и 7 из 7 успешных сценариев tool calling в режимах с рассуждением и без него. Основные преимущества — высокая точность 8-битной версии, согласованное агентское поведение, поддержка сложных вызовов инструментов и прирост скорости при использовании MTP. Ограничения существенны: стандартная версия llama.cpp не загружает этот файл, требуется сборка ROCmFPX; модель ориентирована на совместимое AMD-оборудование. Для MTP на некоторых конфигурациях Windows 11, gfx1151 и HIP SDK 7.2 описаны ошибки в устаревшей ветке ROCmFPX, поэтому рекомендуется официальный репозиторий. Модель распространяется по лицензии Apache-2.0.

Qwen3-Max — обновлённая модель серии Qwen3. По карточке модели, она улучшает рассуждение, следование инструкциям, многоязычную поддержку и охват редких знаний по сравнению с версией, выпущенной в январе 2025 года. Модель предназначена для ответов на запросы и выполнения инструкций на разных языках. В предоставленных сведениях нет описания архитектуры, размера, длины контекста, перечня языков или лицензии, поэтому эти характеристики нельзя уточнить. Ограничения и условия использования в карточке не описаны.

ZEUS 8B V17 — объединённая языковая модель, созданная автором карточки с помощью mergekit методом DARE TIES на основе unsloth/Meta-Llama-3.1-8B-Instruct и ещё четырёх моделей Llama 3.1. Это плотная архитектура Llama с примерно 7,5 млрд параметров, предназначенная для диалогов и генерации текста; поддерживает контекст до 131 072 токенов и интерфейс вызова инструментов. Модель подходит для диалоговых ассистентов, генерации и продолжения текста, а также задач, где полезно обрабатывать длинный контекст. В карточке приведены результаты оценивания, включая 79,41% на IFEval (0-shot) и 32,34% на BBH (3-shot). Лицензия в предоставленных данных не указана.

BLOOMZ-7B1-mt — многоязычная генеративная языковая модель, созданная BigScience путём дообучения BLOOM на смеси кросс-языковых задач xP3. Она предназначена для выполнения инструкций на естественном языке без отдельного дообучения под каждую задачу: модель может отвечать на вопросы, переводить, классифицировать текст и создавать связные тексты. Архитектура — плотная авторегрессионная BLOOM с 7,1 млрд параметров; модель работает с текстом, поддерживает десятки языков и имеет контекст до 2048 токенов. Среди сильных сторон — следование инструкциям и перенос между языками и задачами в режиме zero-shot. Качество ответов зависит от формулировки запроса: README рекомендует явно обозначать границу инструкции и указывать желаемый язык и контекст. Модель может продолжать входной текст вместо ответа, если запрос сформулирован неоднозначно. Распространяется по лицензии BigScience BLOOM RAIL 1.0.

Chandra-OCR-2-GGUF — набор квантованных файлов модели Chandra-OCR-2, разработанной Datalab и опубликованной пользователем prithivMLmods. Это мультимодальная модель для распознавания изображений и PDF-документов с преобразованием содержимого в структурированный Markdown, HTML или JSON при сохранении информации о расположении элементов. Она предназначена для обработки финансовой и научной документации, исторических сканов, многоязычных форм и других сложных документов в автоматизированных AI-конвейерах. Модель поддерживает более 90 языков и рассчитана на работу с текстом, таблицами, математическими формулами, рукописным текстом, элементами форм, включая флажки, широкими макетами документов, изображениями и диаграммами. Заявлены улучшения по сравнению с Chandra 1 в разборе формул, реконструкции сложных таблиц с объединёнными ячейками, распознавании рукописного текста, извлечении диаграмм и создании описаний изображений. В README указаны результаты 85,9% на бенчмарке olmocr и 77,8% по многоязычной оценке, однако архитектура, число параметров и размер контекста не приведены. Репозиторий содержит варианты GGUF от BF16 и F16 до квантований Q2_K–Q8_0 размером примерно от 2,12 до 9,7 ГБ, а также отдельные мультимодальные проекторы. Это позволяет выбирать компромисс между размером файлов, требованиями к ресурсам и качеством, но README не содержит подробных сравнений качества квантованных вариантов или требований к оборудованию. Модель доступна для локального запуска через HuggingFace Transformers и vLLM, а также через размещённые сервисы и playground. Лицензия обозначена как other, без уточнения условий и ограничений использования.

ERNIE-4.5-21B-A3B-Paddle — текстовая модель семейства ERNIE 4.5, разработанная Baidu и опубликованная в формате весов PaddlePaddle. Это постобученная разреженная MoE-модель: в README указано 21 млрд параметров всего и около 3 млрд активируемых параметров на токен; метаданные каталога указывают 3,3 млрд параметров. Модель предназначена для диалогов, понимания текста и генерации ответов. Контекст составляет до 131 072 токенов. Модель обучалась в рамках мультимодального семейства ERNIE 4.5, однако эта версия обозначена в README как текстовая и принимает текст. Для дообучения доступны сценарии SFT и DPO через ERNIEKit на PaddlePaddle; для развёртывания README указывает FastDeploy. Метаданные отмечают поддержку английского и китайского языков. Сильные стороны — разреженная MoE-архитектура и длинный контекст; качество на конкретных задачах и аппаратные требования в предоставленных материалах не описаны. Лицензия — Apache-2.0.

GRM-OCR — компактная модель оптического распознавания символов от OrionLLM на 300 млн параметров, дообученная на основе tiiuae/Falcon-OCR. Она использует архитектуру Falcon-OCR с ранним объединением изображений и текста в одном Transformer без отдельного визуального энкодера и принимает изображения документов для извлечения текста. Модель предназначена для распознавания печатного и рукописного текста на сканах и фотографиях, а также для извлечения таблиц, формул, заголовков, подписей и других элементов документов. Для страниц со сложной структурой доступен двухэтапный сценарий: PP-DocLayoutV3 выделяет области, после чего GRM-OCR распознаёт содержимое каждого фрагмента. Модель рассчитана на локальный запуск, периферийные устройства и высокопроизводительную обработку; заявлена совместимость с vLLM. Репозиторий выпущен по лицензии Apache 2.0. README описывает OCR для разных типов документов, однако не приводит перечень поддерживаемых языков или измерения качества; результаты могут зависеть от качества изображения и сложности макета.

LightOnOCR-2-1B-base — базовая версия компактной мультимодальной модели LightOn для распознавания и разбора документов. Это плотная vision-language модель семейства Mistral 3 с 1 млрд параметров, предназначенная для преобразования страниц PDF, сканов и изображений в чистый текст с естественным порядком чтения. Она поддерживает OCR документов, включая таблицы и формы, и рассчитана на дообучение под специализированные сценарии. Модель описана как чекпойнт до этапа RLVR с сильными возможностями OCR. Её можно адаптировать с помощью LoRA или полного дообучения для обработки чеков, научных статей и форм, а также для многоязычных корпусов. В версии LightOnOCR-2 улучшены обработка французского текста, arXiv-документов, сканов, LaTeX и нормализация. В README заявлены высокая скорость и результаты на OlmOCR-Bench, но подробная методика приведена в статье. Для работы указаны Transformers и предварительный рендеринг страниц PDF в PNG или JPEG; рекомендованный максимальный размер длинной стороны — 1540 пикселей. Модель принимает изображения и выдаёт текст. Поддерживаемые языки: английский, французский, немецкий, испанский, итальянский, нидерландский, португальский, шведский, датский, китайский и японский. Репозиторий распространяется по лицензии Apache-2.0.

Muse-Glimmer-30B-ROCmFP4-Strix-Halo-DFlash-GGUF — квантованная GGUF-сборка модели Muse-Glimmer-30B от meta-models/Muse-Glimmer, подготовленная kingjones777 для AMD Strix Halo. Модель мультимодальная: поддерживает текст и изображения, рассуждения с разделением reasoning_content и content, а также tool calling. Сборка предназначена для локального запуска на AMD Ryzen AI Max+ 395 с графикой Radeon 8060S и архитектурой gfx1151. Доступны шесть вариантов квантования ROCmFP4 и ROCmFPX с размером от 13,80 до 27,23 GiB и эффективной точностью 4,25–8,39 BPW. В комплект входят vision projector, chat parser и DFlash для speculative decoding. Проверенный контекст составляет 32768 токенов; пиковое потребление памяти — около 19,99 GiB с моделью, drafter, projector и KV-кэшем. На указанном оборудовании скорость декодирования зависит от задачи и составляет примерно 17–45 токенов в секунду, обычно около 30 токенов в секунду. Сильные стороны модели — сочетание текста, зрения, рассуждений, вызова инструментов и ускоренного декодирования в одной сборке, а также оптимизация под unified memory AMD Strix Halo. Ограничения включают узкую аппаратную совместимость: стандартный llama.cpp эту модель не загружает, требуется специальная ROCmFPX-сборка с поддержкой архитектуры muse-glimmer и типов ROCmFP4. Более быстрые варианты могут генерировать заметно более короткие ответы, поэтому для глубины ответа предпочтителен вариант STRIX. Лицензия указана как other; дополнительные условия в README не раскрыты.

OpenGryd/PaddleOCR-VL-1.6-MLX-16bit — конверсия PaddlePaddle/PaddleOCR-VL-1.6 в формат MLX для запуска на компьютерах Apple Silicon. Это мультимодальная модель обработки документов на основе ERNIE-4.5 с архитектурой PaddleOCRVLForConditionalGeneration; в README указано 0,9 млрд параметров, а размер файлов составляет около 1,81 ГБ. Модель использует точность bfloat16 без квантизации, принимает изображение вместе с текстовым запросом и выдаёт текстовый разбор документа. Контекст — до 131 072 токенов; языковые метки карточки указывают английский, китайский и многоязычную поддержку. Модель предназначена для локального распознавания и структурирования документов: извлекает текст целых страниц в Markdown или JSON, анализирует макет, распознаёт таблицы и формулы, диаграммы, печати и текстовые области. Повышенный предел разрешения изображения нацелен на распознавание мелкого текста, но увеличивает время обработки крупных страниц; README приводит замеры на 8-битной версии. Для работы требуется библиотека mlx-vlm и включение trust_remote_code=True, а запрос должен включать изображение. Лицензия — Apache-2.0.

Phi-4-Reasoning-Vision-15B — мультимодальная модель Microsoft, разработанная на базе языковой модели microsoft/Phi-4-reasoning и визуального энкодера SigLIP-2. Архитектура mid-fusion объединяет визуальные токены с представлениями языковой модели; динамическое разрешение поддерживает до 3600 визуальных токенов. Модель содержит 14,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель принимает изображения и текст и отвечает текстом. Она предназначена для визуальных вопросов и ответов, OCR, описания изображений, локализации объектов и элементов интерфейса, а также для математических и научных рассуждений по диаграммам, документам и изображениям. Для задач восприятия может отвечать напрямую, а для задач, требующих нескольких шагов, использует расширенное рассуждение. Основной язык обучающих данных — английский; на других языках качество может быть ниже. Разработчик предупреждает о возможных ошибках и предвзятости и не рекомендует применять модель без дополнительной оценки в ситуациях с существенными последствиями, а также для медицинской диагностики, юридических консультаций и финансового планирования. Модель распространяется по лицензии MIT.

Qianfan-VL-8B — мультимодальная модель Baidu для работы с изображениями и текстом, представленная в серии Qianfan-VL и статье Qianfan-OCR. Модель содержит 8 млрд параметров, использует архитектуру на основе Llama 3.1, визуальный энкодер на базе InternViT с динамическим разбиением изображений на фрагменты до разрешения 4K и MLP-адаптер для объединения визуальных и текстовых данных. Заявленная длина контекста — 32 тыс. токенов. Модель предназначена для общего анализа изображений, распознавания текста и понимания документов: извлечения текста из рукописей и изображений, анализа структуры страниц и таблиц, понимания графиков и ответов на вопросы по документам. Поддерживает пошаговое рассуждение, в том числе при анализе графиков и решении математических задач. В карточке указаны английский и китайский языки. Модель распространяется в формате safetensors через Transformers; лицензия обозначена как other, конкретные условия в предоставленных данных не раскрыты.

Карточка модели karanjaWakaba/Qwen3-VL-4B-Instruct на Hugging Face совпадает с карточкой unsloth/Qwen3-VL-4B-Instruct, поэтому описание составлено по ней. Qwen3-VL-4B-Instruct от Unsloth — весовой репозиторий мультимодальной модели для диалога и задач с изображениями и видео. Это дообученная версия Qwen/Qwen3-VL-4B-Instruct с плотной архитектурой Qwen3-VL и примерно 4 млрд параметров; модель распространяется в формате safetensors и работает с библиотекой Transformers. Модель принимает текст и изображения, отвечает текстом и поддерживает визуальное рассуждение, OCR, анализ видео, понимание пространственных отношений и взаимодействие с инструментами. В README заявлены контекст 256 тыс. токенов с возможностью расширения до 1 млн и OCR на 32 языках. Также описаны сценарии визуального управления интерфейсами и генерации кода или разметки по визуальному примеру. Лицензия — Apache-2.0. README не содержит численных результатов раздела производительности; заявленные преимущества и возможности следует считать описанием разработчика, а качество проверять на целевых данных.

Aashraf995/QwenStock-14B — объединённая языковая модель на архитектуре Qwen2, созданная методом Model Stock с помощью mergekit. В слиянии использованы allknowingroger/QwenSlerp6-14B, CultriX/Qwen2.5-14B-Wernicke, sometimesanotion/Qwen2.5-14B-Vimarckoso и sometimesanotion/lamarck-14b-prose-model_stock; базовой указана allknowingroger/QwenSlerp6-14B. Модель содержит 14 млрд параметров, принимает текст и предназначена для генерации текста и диалогов. Заявленная длина контекста — до 131 072 токенов. Репозиторий содержит веса safetensors и использует библиотеку Transformers; в метаданных также отмечен интерфейс вызова инструментов. Лицензия — Apache-2.0. Карточка не приводит отдельные оценки качества или подробные ограничения слияния, поэтому пригодность для конкретных задач следует проверять на собственных примерах.

Arcle V1 — мультимодальная базовая модель на 5,84 млрд параметров, разработанная Абхинавом Анандом в ArcleIntelligence. Она объединяет языковое и математическое рассуждение, обработку изображений и документов, распознавание и синтез речи, понимание видео и генерацию изображений в одной модели с единым проходом. В основе — гибридная архитектура Mamba-2 и причинного self-attention; заявленное окно контекста составляет 2 097 152 токена, из которых проверено 131 072. Метаданные указывают языки английский, хинди, испанский и французский. Модель рассчитана на локальный офлайн-запуск; README приводит требования около 24 ГБ видеопамяти или 24 ГБ системной памяти при запуске на CPU. Модель предназначена для диалогов, математических и общеобразовательных вопросов, работы с изображениями и документами, транскрипции и синтеза речи, понимания видео, а также генерации изображений. В README приведены результаты по распознаванию английской речи и извлечению текста из документов; при этом качество на сканах и многостраничных макетах заметно ограничено, а генератор изображений создаёт абстрактные композиции вместо точного изображения заданных объектов. Репозиторий распространяется по лицензии Apache-2.0.

CombinHorizon/huihui-ai-abliterated-Qwen2.5-32B-Inst-BaseMerge-TIES — объединённая модель генерации текста на архитектуре Qwen2.5, созданная с помощью mergekit и метода TIES. В качестве основы использована Qwen/Qwen2.5-32B, объединённая с huihui-ai/Qwen2.5-32B-Instruct-abliterated. Модель содержит 32 млрд параметров, распространяется в формате Safetensors и рассчитана на контекст до 131 072 токенов. Модель предназначена для диалоговой генерации текста и задач, решаемых языковой моделью, включая ответы на запросы и работу с длинным контекстом. В метаданных также отмечен интерфейс вызова инструментов. Для оценки приведены результаты Open LLM Leaderboard, в том числе IFEval 82,06 и BBH 56,04; это не заменяет проверку на целевых задачах. Поддерживаемый язык карточки — английский. Лицензия — Apache-2.0.

unsloth/LFM2-1.2B-unsloth-bnb-4bit — 4-битная версия модели LFM2-1.2B, разработанной Liquid AI и подготовленной Unsloth. Это гибридная Liquid-модель для edge AI и локального запуска на устройствах, включая смартфоны, ноутбуки и автомобили. Она поддерживает выполнение на CPU, GPU и NPU и предназначена для эффективного использования памяти и высокой скорости инференса. Модель содержит около 1,17 млрд параметров, 16 слоёв, включая 10 сверточных и 6 attention-слоёв, использует архитектуру с мультипликативными gates и короткими свёртками, а также поддерживает контекст до 32 768 токенов. Модель обучена на 10 трлн токенов и рассчитана на английский, арабский, китайский, французский, немецкий, японский, корейский и испанский языки. Она предназначена для агентских сценариев, извлечения данных, RAG, творческого письма и многоходовых диалогов; для узких задач рекомендуется дополнительная настройка. К сильным сторонам относятся компактность, скорость обучения и инференса, эффективность на CPU и сравнительно высокая производительность среди моделей аналогичного размера в задачах знаний, математики, следования инструкциям и многоязычности. Ограничения связаны с небольшим размером: модель не рекомендуется для ресурсоёмких задач, требующих глубоких знаний или программирования. В карточке указана лицензия LFM Open License v1.0; конкретные условия использования следует проверять в тексте лицензии Liquid AI.

Llama 3.2-11B-Vision — мультимодальная модель Meta для анализа изображений и генерации текстовых ответов. Она построена на авторегрессионной архитектуре Transformer семейства Llama 3.1 и использует отдельно обученный визуальный адаптер с cross-attention, который передаёт представления изображений в языковую модель. Размер модели — 11 млрд параметров; она принимает изображения и текст, выдаёт текст и поддерживает контекст до 128 тыс. токенов. Модель предназначена для распознавания изображений, визуальных рассуждений, создания подписей и диалога по изображениям. Она подходит для визуальных вопросов и ответов, извлечения сведений из изображений документов, поиска соответствий между изображениями и текстом, а также привязки текстовых описаний к областям изображения. Для задач с изображениями официально поддерживается английский язык; в текстовых задачах также поддерживаются немецкий, французский, итальянский, португальский, хинди, испанский и тайский. Модель основана на Llama 3.1 и включает визуальный адаптер; для настроенных версий семейства применяются supervised fine-tuning и обучение с обратной связью от людей. Это статический чекпойнт, обученный на офлайн-данных с отсечкой знаний в декабре 2023 года. Использование регулируется Llama 3.2 Community License — специальной лицензией с коммерческими условиями и Acceptable Use Policy.

MOSS-VL-Instruct-0408 — мультимодальная модель OpenMOSS, дообученная методом supervised fine-tuning на основе MOSS-VL-Base-0408. Она предназначена для понимания изображений и видео, визуальных вопросов и ответов, распознавания текста и разбора документов, визуальных рассуждений и выполнения инструкций. Модель особенно ориентирована на анализ длинных видео: рассуждение о последовательности событий, распознавание действий и привязку событий ко времени. Архитектура использует перекрёстное внимание, раздельно обрабатывающее визуальное представление и языковое рассуждение; временные метки кадров помогают учитывать ход событий, а XRoPE кодирует время и пространственные координаты. Модель поддерживает чередование изображений и видео в одном потоке и диалоговый интерфейс. В карточке заявлены сильные результаты на задачах понимания видео, визуального восприятия и OCR. Модель описана как ранний этап развития семейства; математические и программные рассуждения, а также многошаговое поведение требуют дальнейшего улучшения. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0.

Next OCR 8B — мультимодальная модель с 8 млрд параметров, разработанная Lamapi для оптического распознавания символов и анализа документов. Она принимает изображения и текстовые инструкции, извлекает текст из изображений, документов и скриншотов, а также предназначена для понимания математических выражений, таблиц, форм и других структурированных материалов. Модель реализуется через Transformers как vision-to-sequence и настроена на выполнение инструкций. Заявлена поддержка более 30 языков, включая английский, турецкий, немецкий, испанский, французский, китайский, японский, корейский и русский. Среди сильных сторон указаны высокая точность OCR, работа с математикой и таблицами, многоязычность, распознавание рукописного текста и текста в сценах, а также сравнительно компактный размер и эффективность для ограниченных ресурсов. В README приведены результаты собственных сравнений, однако методика и наборы данных не описаны, поэтому эти показатели следует интерпретировать с осторожностью. В README не указаны размер контекстного окна, требования к оборудованию, точный базовый архитектурный вариант и подтверждённые ограничения модели. Лицензия указана неоднозначно: в метаданных заявлена Apache-2.0, а в тексте README присутствует обозначение MIT; перед использованием необходимо уточнить, какая лицензия является действительной.

NuExtract3-FP8 — 4B vision-language reasoning model, разработанная NuMind на базе Qwen/Qwen3.5-4B. Модель предназначена для понимания документов и поддерживает структурированное извлечение данных: получает текст и/или изображения вместе с JSON-шаблоном и инструкциями и формирует JSON-ответ. Также она преобразует изображения документов в Markdown, включая текст, таблицы, математические формулы и изображения. Модель ориентирована на OCR, подготовку данных для RAG и обработку сканов, чеков, форм, счетов, договоров и таблиц. Модель поддерживает мультимодальные входные данные, многоязычные документы, режимы вывода с рассуждением и без него, а также генерацию шаблонов для извлечения структуры из естественного языка или самого документа. В README не указаны точный размер контекстного окна, перечень языков, специфические параметры FP8-сборки или сведения о производительности именно этой версии; приведённые бенчмарки относятся к NuExtract3.4_4B-RL. Среди сильных сторон заявлены сочетание визуального понимания, OCR, рассуждений и структурированного вывода, однако сложные или длинные задания могут приводить к повторениям, превышению лимита вывода и невалидному JSON. Модель распространяется по лицензии Apache 2.0.

Qwen3.6-27B-Fable-Agentic — плотная мультимодальная модель на 27 млрд параметров, созданная LemuraLabs дообучением Jackrong/Qwopus3.6-27B-v2. Она предназначена для диалога, пошаговых рассуждений и вызова инструментов в многоходовых агентных сценариях; архитектура поддерживает работу с текстом и изображениями. В карточке приведены результаты сравнительных тестов с базовой моделью: 88,29% на MMLU-Pro, 97,33% на GSM8K и 57,07% на GPQA-Diamond. Модель подходит для ответов на общие вопросы, математических задач и систем, которые передают запросы внешним инструментам. В README для обслуживания через vLLM указан контекст до 16 384 токенов. Модель распространяется по лицензии Apache-2.0. Заявленные характеристики и результаты приведены в карточке модели и не являются независимой оценкой качества.

Furiosa AI публикует этот репозиторий для запуска Qwen3-VL-32B-Instruct на ускорителях FuriosaAI RNGD с Furiosa-LLM. Это плотная мультимодальная модель на 32 млрд параметров из семейства Qwen3-VL: визуальный энкодер работает совместно с трансформерным декодером, а Interleaved-MRoPE и многоуровневое объединение признаков DeepStack поддерживают обработку изображений и видео вместе с текстом. Репозиторий содержит веса в safetensors и исполняемый пакет Furiosa; квантизация не применена. Также модель можно запускать через vLLM, SGLang и Transformers. Модель предназначена для диалога по изображениям и текстовым запросам, распознавания текста на изображениях, анализа документов и графиков, пространственных рассуждений и понимания видео. Она поддерживает вызов инструментов через парсер hermes. Вариант Instruct не использует режим рассуждений. Для запуска на RNGD описана конфигурация с 32 PE на четырёх картах. Лицензия — Apache 2.0.

EuroLLM-22B-Instruct — многоязычная большая языковая модель на 21,9 млрд параметров, разработанная консорциумом европейских университетов и компаний во главе с Instituto Superior Técnico — University of Lisbon при финансировании Европейского союза. Это плотный Transformer на базе архитектуры Llama; модель дообучена следовать инструкциям и поддерживать диалог. Контекстное окно — 32 768 токенов. Модель предназначена для многоязычных диалогов, выполнения общих инструкций и машинного перевода, в том числе между официальными языками ЕС. По данным карточки, предшествующая базовая модель EuroLLM-22B обучена на 4 трлн токенов из веб-данных, параллельных корпусов и высококачественных источников. Заявлена поддержка болгарского, хорватского, чешского, датского, нидерландского, английского, эстонского, финского, французского, немецкого, греческого, венгерского, ирландского, итальянского, латышского, литовского, мальтийского, польского, португальского, румынского, словацкого, словенского, испанского, шведского, арабского, каталанского, китайского, галисийского, хинди, японского, корейского, норвежского, русского, турецкого и украинского языков. Разработчики отмечают высокие результаты на задачах перевода и многоязычных бенчмарках. Модель не выровнена по человеческим предпочтениям и может выдавать галлюцинации, вредоносный контент или ложные утверждения. Лицензия — Apache 2.0.

EXAONE-4.5-33B-FP8 — плотная vision-language-модель с 33 млрд параметров, разработанная LG AI Research и подготовленная FuriosaAI для запуска на аппаратуре FuriosaAI RNGD через Furiosa-LLM. Модель объединяет выделенный vision encoder с языковой архитектурой EXAONE 4.5 и принимает изображения вместе с текстом, возвращая текстовые ответы. Модель предназначена для мультимодального диалога, анализа изображений и текстовых запросов, гибридного рассуждения и вызова инструментов через функции. Рассуждение включено по умолчанию, но может отключаться для отдельных запросов. Поддерживаются английский, корейский, испанский, немецкий, японский и вьетнамский языки. Архитектура обозначается как Exaone4_5_ForConditionalGeneration; максимальная длина контекста в README не указана. Вариант использует статическую per-channel FP8-квантизацию выбранных весов линейных слоёв и динамическую token-wise-квантизацию активаций без офлайн-калибровки. Vision encoder, attention projections, LM head и MTP attention projections исключены из FP8-квантизации, а KV-кэш сохраняется в 16-битной точности. Сильными сторонами являются мультимодальность, гибридное reasoning и нативная поддержка tool calling. Ограничения включают зависимость описанной сборки от Furiosa-LLM и RNGD; для работы требуется tensor parallelism на 32 PE, то есть четыре карты RNGD. Модель распространяется по лицензии EXAONE AI Model License.

Excalibur-7b — плотная языковая модель семейства Mistral с 7,1 млрд параметров, созданная InferenceIllusionist с помощью слияния нескольких моделей через mergekit и метод SLERP. В состав слияния вошли merlinite-7b, Magic-Dolphin-7b, Kunoichi-DPO-v2-7B, Monarch-7B и jaskier-7b-dpo-v6.1. Модель предназначена для генерации текста, диалогов и ответов на вопросы; автор особо настраивал процесс слияния с прицелом на результаты MMLU. Контекст модели составляет 32 768 токенов. В README приведены результаты на наборах Open LLM Leaderboard: средний балл 73,6, включая MMLU 65,66 и GSM8K 68,61. Для обработки изображений автор указывает необходимость дополнительного файла mistral-7b-mmproj-v1.5-Q4_1.gguf; это отдельная настройка для совместимого GGUF-запуска, а не основная текстовая модальность указанной модели. Репозиторий распространяется под лицензией Apache-2.0.