I.3Извлечение и структурирование данных

Shaer-AI/ARBERT-base-submeter-classifier — дообученная модель классификации текста на основе ARBERT от UBC-NLP. Она предназначена для присвоения меток текстовым последовательностям; карточка сообщает о дообучении на датасете, обозначенном как None. Модель построена на архитектуре BERT, содержит 190 млн параметров и принимает последовательности длиной до 512 токенов. Базовый ARBERT предварительно обучен для арабского языка MSA. На оценочном наборе указаны accuracy 0,9709, macro F1 0,6021 и weighted F1 0,9654. Сведения о классах, предметной области и ограничениях применения в карточке не раскрыты. Лицензия в предоставленных данных не указана.

CAMeLBERT-MSA-sixteenth — предварительно обученная модель BERT для арабского языка, выпущенная CAMeL Lab. Это вариант семейства CAMeLBERT для современного литературного арабского языка (MSA), обученный на одной шестнадцатой корпуса MSA; число параметров — 136,3 млн, длина контекста — до 512 токенов. Доступны веса в форматах PyTorch, TensorFlow и Flax. Модель предсказывает замаскированные токены и подходит как языковая основа для дообучения на задачах обработки арабского языка, включая распознавание именованных сущностей, разметку частей речи, анализ тональности, определение диалектов и классификацию поэзии. Для обучения использовались арабские текстовые корпуса, включая Arabic Gigaword, Abu El-Khair Corpus, OSIAN, Arabic Wikipedia и Arabic OSCAR. Лицензия — Apache-2.0. Модель обучалась на MSA, поэтому её специализация не распространяется автоматически на диалектный и классический арабский; для прикладных задач, кроме заполнения пропусков, обычно требуется дообучение.

boltuix/bert-tinyplus — компактная англоязычная модель BERT от BoltUIX, дообученная на основе google/bert-base-uncased и опубликованная в формате Hugging Face Transformers. Это uncased-трансформер с архитектурой BertForMaskedLM и 6,5 млн параметров; предобучение описано для задач masked language modeling и next sentence prediction на BookCorpus и английской Википедии. Размер чекпойнта в README указан примерно как 20 МБ, максимальная длина контекста — 512 токенов. Модель предназначена для заполнения пропусков в тексте и как компактная основа для дообучения классификатора последовательностей, разметчика токенов и простых систем извлечения ответов. Её можно применять для базового анализа тональности, распознавания именованных сущностей и простого вывода по текстовым парам в условиях ограниченных ресурсов. Модель рассчитана на английский язык; лицензия — MIT. Небольшой размер снижает требования к ресурсам, но ограничивает качество на сложных задачах по сравнению с крупными моделями. README отмечает возможные гендерные и профессиональные стереотипы, унаследованные от обучающих данных; модель не предназначена для генерации текста и не подходит для задач на других языках без существенного дообучения.

Clinical-BigBird — клиническая версия BigBird, разработанная yikuan8 и дополнительно предварительно обученная на клинических заметках MIMIC-III. Это плотная модель BigBirdForMaskedLM на 151,9 млн параметров, принимающая последовательности длиной до 4096 токенов и предназначенная для заполнения пропусков в тексте. Модель работает с английским языком и распространяется в формате PyTorch. Её используют как основу для клинических задач обработки текста, включая распознавание медицинских сущностей, ответы на вопросы, вывод по тексту и классификацию. В описанных авторами экспериментах на десяти наборах данных для последующих задач Clinical-BigBird стабильно превосходила ClinicalBERT. Лицензия в предоставленных данных не указана.

CS505_COQE_viT5_Prompting5_APSOL — дообученная модель VietAI на базе VietAI/vit5-large с архитектурой T5ForConditionalGeneration и 389,3 млн параметров. Репозиторий содержит веса в формате safetensors и распространяется по лицензии MIT. README не описывает обучение и конкретные сценарии применения; название модели указывает на связь с извлечением аспектов и мнений из текста на вьетнамском языке, однако это назначение не подтверждено карточкой.

datgacon/cuad-cross-encoder-v11 — модель reranking для поиска и повторного ранжирования договорных фрагментов по запросам на естественном языке в задачах анализа контрактов. Она разработана datgacon на основе cross-encoder/ms-marco-MiniLM-L-6-v2 и дообучена на данных CUAD, ACCORD, LEDGAR, ContractNLI, выдержках контрактов из EDGAR и синтетических примерах. Модель ориентирована на англоязычные коммерческие договоры и предназначена прежде всего для сценариев contract review, включая поиск положений о совместных предприятиях, интеллектуальной собственности, запрете конкуренции и непереманивании, а также конфиденциальности и NDA. Она не предназначена для общего поиска документов, нелегальных доменов или использования в качестве самостоятельного юридического консультанта. Архитектура — cross-encoder на базе BERT-подобной модели MiniLM; модель оценивает пары «запрос — фрагмент» и возвращает оценку релевантности для последующего ранжирования. Максимальная длина последовательности составляет 512 токенов. Доступна версия ONNX INT8, оптимизированная для инференса в браузере и на периферийных устройствах через ONNX Runtime Web, а также использование через sentence-transformers на PyTorch. Обучение выполнено на примерно 72 101 тренировочной и 5 612 валидационных тройках. На закрытом наборе из 16 контрактов модель показала от 37 до 47% полностью успешных результатов в зависимости от домена, но часто возвращала частично корректные результаты, поэтому требует проверки человеком и не заменяет юридическую экспертизу. Модель распространяется по лицензии Apache-2.0.

Danish BERT версии 2, uncased — модель семейства BERT, разработанная Certainly, ранее известной как BotXO. Репозиторий содержит 137,8 млн параметров; доступны варианты весов для PyTorch, TensorFlow и Flax. Модель обучена на датских текстах из Common Crawl, Wikipedia, dindebat.dk, hestenettet.dk и Danish Open Subtitles. Модель подходит для заполнения пропусков в тексте и может использоваться как основа для задач классификации токенов, включая разметку последовательностей на датском языке. Контекст составляет до 512 токенов. Лицензия — CC BY 4.0.

Это модель DeBERTa V2 base для ответов на вопросы на японском языке. Её дообучили на наборе DDQA, посвящённом вопросам и ответам в автомобильной предметной области; также карточка указывает применимость к задачам формата SQuAD. Базовая модель обучена на японской Википедии, японской части CC-100 и японской части OSCAR и опубликована лабораторией Куробаси Киотского университета. Модель содержит 137,8 млн параметров, использует архитектуру DeBERTa V2 и принимает контекст длиной до 512 токенов. В README приведены результаты Exact Match 0,804 и F1 0,896. Доступна в форматах PyTorch и Safetensors через Transformers. Лицензия — MIT.

ERGO-7B — мультимодальная модель «зрение—язык» от nota-ai, дообученная на базе Qwen2.5-VL-7B-Instruct с помощью обучения с подкреплением, ориентированного на эффективность. Она анализирует изображения и отвечает на вопросы о визуальном содержимом, направляя внимание на области, важные для задачи; разработчики заявляют об ускорении инференса до 3 раз при сохранении или повышении точности. Модель имеет плотную архитектуру Qwen2.5-VL с 7,1 млрд параметров, принимает текст и изображения и генерирует текст. Заявленный контекст — до 128 000 токенов. Карточка рекомендует использовать vLLM; конкретные языки применения не описаны. Модель распространяется по лицензии Apache-2.0.

GeBERTa Large — немецкоязычная модель семейства DeBERTa-v2, разработанная совместно University of Florida, NVIDIA и IKIM. Это вариант для заполнения пропусков в тексте: модель предсказывает замаскированные токены с учётом окружающего контекста. Чекпойнт содержит 454,1 млн параметров, использует токенизатор SentencePiece и поддерживает последовательности длиной до 512 токенов. Модель предварительно обучена на немецких текстах из разных областей, включая Wikipedia, новости и GC4. Её можно применять как основу для немецкоязычного анализа текста и адаптировать для классификации, ответов на вопросы и распознавания именованных сущностей; в опубликованном исследовании также оценивалось выявление языка ненависти. В бенчмарке GeBERTa Large показала средний F1 77,67 по рассмотренным наборам задач. Модель распространяется по лицензии MIT. Она предназначена для немецкого языка и не является готовой моделью генерации связных ответов: основной сценарий использования — masked language modeling. Контекст ограничен 512 токенами.

Huihui-MiniCPM-V-4_5-abliterated — мультимодальная модель от huihui.ai, созданная на основе openbmb/MiniCPM-V-4_5. Она предназначена для взаимодействия с изображениями и текстом, включая визуальные вопросы и ответы, распознавание текста на изображениях, работу с несколькими изображениями и, согласно заявленным тегам, обработку видео. Модель поддерживает многоязычные сценарии. В модели обработана только текстовая часть методом abliteration, а визуальная часть оставлена без изменений. Благодаря этому существенно снижено количество отказов при ответах, однако модель может генерировать чувствительный, спорный или неподходящий контент и не имеет стандартных гарантий безопасности. В README не указаны архитектурные детали, размер, максимальная длина контекста и точный перечень поддерживаемых языков. Для использования предлагаются Transformers с trust_remote_code и llama.cpp; конкретные параметры инференса зависят от окружения. Модель рекомендуется прежде всего для исследований, тестирования и контролируемых сред, с мониторингом и ручной проверкой результатов. Распространяется по лицензии Apache 2.0.

kforth/IfcSpace2SpaceTypes — модель Sentence-Transformers, разработанная Касимиром Форthом и Андре Боррманом для сопоставления текстов в задачах семантического обогащения BIM-моделей и энергетического моделирования зданий. Она дообучена на основе google-bert/bert-base-german-cased и преобразует предложения и абзацы в плотные векторы размерностью 768 для поиска семантически близких текстов, кластеризации и оценки сходства. Модель содержит 136,3 млн параметров, принимает текст и имеет контекстное окно до 512 токенов. Обучение использовало MultipleNegativesRankingLoss с косинусной мерой сходства. Карточка связывает её с исследованием о сопоставлении текстов для BIM и моделирования энергетических характеристик зданий; немецкая базовая модель указывает на основной язык — немецкий. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

InternViT-6B-448px-V2_5 — визуальный энкодер OpenGVLab на архитектуре InternViT, дообученный на основе InternViT-6B-448px-V1-5 методом инкрементального обучения ViT с NTP loss. Модель содержит 7,4 млрд параметров и предназначена для извлечения признаков изображений; её используют как визуальный backbone при построении мультимодальных языковых моделей. Энкодер рассчитан на обработку изображений высокого разрешения с разбиением на тайлы 448×448 пикселей. Улучшения особенно заметны на многоязычных OCR-данных и математических графиках, недостаточно представленных в крупных веб-наборах данных. Семейство InternVL 2.5 также поддерживает сценарии с несколькими изображениями и видео, однако эта карточка относится к энкодеру и указывает задачу извлечения признаков изображений. Модель распространяется под лицензией MIT. Авторы отмечают, что серия V2.5 больше подходит для создания мультимодальных языковых моделей, чем для традиционных задач компьютерного зрения.

joelniklaus/legal-portuguese-roberta-base — языковая модель RoBERTa, разработанная Джоэлом Никлаусом и предварительно обученная на юридических текстах на португальском языке. Модель содержит 137,8 млн параметров, принимает текст с маскированными токенами и предсказывает пропущенные токены; максимальный контекст составляет 514 токенов. В репозитории представлены веса PyTorch. Модель предназначена прежде всего для дообучения на юридических задачах, зависящих от контекста предложения: классификации последовательностей, разметки токенов и ответов на вопросы. Она также подходит для прямого заполнения масок. Лицензия указана в метаданных как CC, а в README — как CC BY-SA; перед использованием следует сверить точные условия лицензии в карточке модели.

mBERT Bengali Question Answering — модель Sagor Sarker для ответов на вопросы по тексту на бенгальском языке. Она создана дообучением bert-base-multilingual-uncased на бенгальских данных TyDiQA и использует архитектуру BERT с головой для извлечения ответа. Модель принимает вопрос и контекст и возвращает ответ из контекста. Размер составляет 194,6 млн параметров, длина контекста — до 512 токенов. В карточке приведены результаты оценки на этапе обучения: Exact Match 57,52 и F1 68,66. Модель подходит для поиска ответов в бенгальских текстах и построения систем вопросно-ответного поиска. Она не предназначена для свободной генерации ответов вне переданного контекста; результаты оценки относятся к обучающей оценке. Лицензия — MIT.

CMB-ClimateModernBERT/Merge_Norm_CX — англоязычный энкодер ModernBERT, разработанный в рамках семейства ClimateModernBERT для обработки текстов о климате. Это masked language model с архитектурой ModernBERTForMaskedLM на 149 млн параметров, обученная продолжением предобучения answerdotai/ModernBERT-base на корпусе из научных публикаций, климатических веб-текстов и синтетических материалов. Контекст составляет до 8192 токенов. Модель предназначена для получения текстовых представлений и последующей тонкой настройки на классификацию, многометочную разметку и поиск по климатическим публикациям, корпоративной отчётности, документам политики и новостям. В README указана средняя оценка F1 75,9 по девяти климатическим NLP-бенчмаркам; результаты получены при тонкой настройке и не означают, что базовая masked language model сама выполняет эти задачи без дополнительной настройки. Модель не следует использовать как инструкционную систему или источник гарантированно точных фактов о климате. Карточка не сообщает лицензию модели.

ClimateModernBERT · Norm-balanced Soup — англоязычная модель-кодировщик для климатического текста, разработанная в рамках семейства ClimateModernBERT на основе продолженного предобучения ModernBERT-Base. Чекпойнт содержит 149 млн параметров, использует архитектуру ModernBertForMaskedLM и принимает последовательности длиной до 8192 токенов. Веса объединяют обучение на академических текстах, синтетических материалах и климатически релевантном веб-тексте; вариант Norm-balanced Soup уменьшает вклад корпуса Climate Web из-за большей нормы его task vector. Репозиторий повторно опубликован из sraj/Merge_Linear_NormBalanced с теми же весами. Модель предназначена для кодирования климатических текстов и дообучения под классификацию, многометочную разметку и поиск по корпоративной отчётности, документам политики, научной литературе и климатическим новостям. В README приведён средний F1 74,6 по девяти климатическим NLP-бенчмаркам; для общего применения авторы рекомендуют другой чекпойнт семейства, Merge_Soup_LRD. Это masked language model для заполнения масок, а не диалоговая система и не источник гарантированно достоверных утверждений о климате. Доступна лицензия исходного кода и весов в карточке метаданных не указана.

knurm/my-finetuned-xml-roberta2 — модель семейства XLM-RoBERTa, дообученная knurm на неизвестном наборе данных для ответа на вопросы. Веса содержат 305,2 млн параметров; архитектура — XLMRobertaForQuestionAnswering, формат — PyTorch, контекст — до 514 токенов. Модель предназначена для задачи question answering. README приводит значение функции потерь 3,4644 на оценочной выборке, но не описывает её состав, метрики качества, языки или предполагаемые сценарии использования. Модель распространяется по лицензии MIT.

OpenMed-NER-ProteinDetect-TinyMed-66M — специализированная модель OpenMed для распознавания биомедицинских сущностей в тексте. Это дообученная версия DistilBERT с архитектурой DistilBertForTokenClassification, рассчитанная на классификацию токенов; базовая модель — distilbert-base-uncased. Модель обрабатывает текст на английском языке с контекстом до 512 токенов и размечает упоминания белков, белковых комплексов, семейств и вариантов в формате BIO. Модель предназначена для извлечения белковых сущностей из научной литературы и биомедицинских текстов, в том числе для поиска белковых взаимодействий, анализа молекулярных путей и построения биомедицинских баз знаний. В карточке заявлены результаты на корпусе FSU: F1 0,90, точность 0,89, полнота 0,91 и accuracy 0,97. Лицензия — Apache-2.0. Эти показатели относятся к указанному корпусу; карточка не подтверждает пригодность модели для клинических решений, а распознавание сущностей само по себе не извлекает взаимодействия или лекарственные эффекты.

OpenMed-ZeroShot-NER-DNA-Base-220M — модель OpenMed для распознавания именованных сущностей в биомедицинских текстах. Она основана на архитектуре GLiNER и дообучена на корпусе JNLPBA, содержащем аннотации белков, ДНК, РНК, клеточных линий и типов клеток. Модель поддерживает zero-shot извлечение сущностей: пользователь может задавать типы сущностей при обработке текста без отдельного дообучения под каждую метку. Модель предназначена для анализа научной литературы и других биомедицинских текстов, включая извлечение молекулярных сущностей для курирования биологических путей и поиска взаимодействий. В README приведён результат F1 0,79 на тестовом наборе, исключённом из обучения. Метаданные указывают формат PyTorch и английский язык карточки; лицензия — Apache-2.0. Результаты для пользовательских типов сущностей могут зависеть от выбранного порога, а заявленная zero-shot гибкость не гарантирует одинакового качества для любых меток и текстов.

OpenMed-ZeroShot-NER-Genome-Multi-209M — модель OpenMed для распознавания упоминаний генов и белков в биомедицинских текстах. Она построена на архитектуре GLiNER и дообучена на корпусе BC2GM с примерами из аннотаций MEDLINE. Модель принимает текст и возвращает найденные сущности с метками и границами фрагментов; поддерживает zero-shot-запросы с заданными типами сущностей. Модель предназначена для извлечения генов и белков при анализе научной литературы, а также для геномной курции, поиска связей и извлечения вариантов и ассоциаций. README сообщает F1 0,75 на тестовых данных, исключённых из обучения, но приводит и иные результаты для вариантов семейства, поэтому метрики следует соотносить с конкретной оценкой. Для редких или пользовательских типов сущностей рекомендуется подбирать порог предсказания; качество таких запросов не гарантируется. Модель выпущена под лицензией Apache-2.0.

OpenMed-ZeroShot-NER-Genome-XLarge-770M — модель OpenMed для распознавания упоминаний генов и белков в биомедицинских текстах. Она построена на архитектуре GLiNER и дообучена на корпусе BC2GM, содержащем аннотации упоминаний генов и белков в предложениях из аннотаций MEDLINE. Модель принимает текст и возвращает найденные сущности с разметкой токенов; заявлена возможность задавать пользовательские типы сущностей без повторного обучения. Модель предназначена для извлечения генов и белков из научной литературы и другого биомедицинского текста, в том числе для курирования данных, анализа вариантов и ассоциаций и построения сетей связей. В README для тестовой выборки BC2GM указана F1-оценка 0,8367. Указанная лицензия — Apache-2.0. Результаты для произвольных пользовательских типов сущностей могут зависеть от выбранного порога; README предлагает снижать его для редких или новых типов.

OpenMed/OpenMed-ZeroShot-NER-Protein-XLarge-770M — специализированная модель распознавания именованных сущностей в биомедицинских текстах, разработанная OpenMed. Она основана на архитектуре GLiNER и дообучена на корпусе FSU для извлечения белков, белковых комплексов, семейств и вариантов, а также связанных терминов молекулярной биологии. Модель поддерживает zero-shot-разметку: типы сущностей задаются при использовании, поэтому её можно адаптировать к новым категориям без отдельного дообучения. Модель предназначена для анализа научной литературы и клинических записей, извлечения белковых сущностей для поиска взаимодействий, моделирования путей и задач системной биологии. В README приведён результат F1 около 0,88 на тестовой выборке FSU. В метаданных указаны тег token-classification, формат PyTorch, английский язык и лицензия Apache-2.0. Качество зависит от текста, выбранных меток и порога предсказания; README отмечает, что для редких пользовательских типов может помочь снижение порога. Результаты на FSU не гарантируют аналогичную точность на других корпусах или клинических сценариях.

PaliGemma 3B FT VQAv2 224 — разработанная Google компактная модель «изображение—текст», созданная на основе визуального энкодера SigLIP и языковой модели Gemma. Это вариант PaliGemma, дообученный для визуальных вопросов и ответов (VQAv2); модель принимает изображение и текстовый запрос и формирует текстовый ответ. Размер — 3 млрд параметров, разрешение изображений — 224 пикселя. Модель предназначена для одношагового ответа на вопросы по изображениям, а не для многоходового диалога. Её можно применять для визуальных вопросов и ответов и адаптировать дообучением под конкретные задачи компьютерного зрения. PaliGemma поддерживает несколько языков, однако карточка не перечисляет конкретные языки этого варианта. Модель распространяется под лицензией Gemma.

Hoan2k3/phobert-multilabel-intern-web — модель классификации текста на архитектуре RoBERTa, связанная с семейством PhoBERT и предназначенная для многометочной классификации вьетнамских текстов. Карточка упоминает оценку на тестовом наборе, но не раскрывает сами метрики и подробности классов. Модель содержит 162,4 млн параметров, имеет контекст длиной 258 токенов и представлена в форматах ONNX и safetensors. Метаданные указывают на поддержку вьетнамского языка. Лицензия в предоставленных данных не указана.

Модель harness-race/pi-r3 — детектор объектов на базе DETR с ResNet-50, дообученный на датасете Beyond Words для анализа исторических газетных страниц времён Первой мировой войны из коллекции Library of Congress, Chronicling America. Она находит и обводит рамками семь видов содержимого: фотографии, иллюстрации, карты, комиксы и карикатуры, редакционные карикатуры, заголовки и рекламные объявления. Модель предназначена для автоматической разметки сканов американских газет 1910-х годов, например для поиска и локализации визуальных материалов и газетных элементов. На проверочной выборке указана метрика mAP 0,113 при IoU 0,5–0,95 и mAP@0,5 0,2466. Репозиторий содержит веса в формате safetensors; архитектура и веса модели распространяются по лицензии Apache-2.0.

Это браузерная ONNX-конверсия модели OpenMed privacy-filter-nemotron-v2 для поиска и разметки персональных данных в тексте. Репозиторий nisten содержит исходный чекпойнт и несколько ONNX-вариантов с разной точностью и размером; варианты предназначены для запуска через transformers.js и ONNX Runtime Web, в том числе на WebGPU. Модель основана на архитектуре MoE: 8 слоёв, 128 экспертов с выбором четырёх на токен, размер около 1,4 млрд параметров по README. Она размечает 55 категорий персональных данных, используя 221 BIOES-метку, и поддерживает контекст до 128 тысяч токенов. Основной сценарий — локальное обнаружение и маскирование персональных данных в пользовательских заметках, например в приложениях для ведения дневника и отслеживания привычек. Модель принимает текст и возвращает разметку токенов, пригодную для редактирования или деидентификации. В README описаны варианты квантования до 4 и 8 бит, смешанный вариант и FP16; q4 рекомендован для WebGPU, но не работает на CPU через WASM, тогда как q8 и mixed48 поддерживают CPU и требуют специальной JSPI-сборки для ускорения на WebGPU. Лицензия указана как other и унаследована от исходной модели; перед коммерческим использованием следует проверить условия исходного репозитория.

TeamUNIVA разработала эту модель как дообученную версию Qwen/Qwen3-ASR-1.7B для автоматического распознавания корейской речи. Она принимает аудио и выдаёт текстовую транскрипцию; для работы используется пакет qwen-asr. На корейских тестах clova_call, common_voice_ko и fleurs_ko модель показала более низкий CER, чем базовая Qwen3-ASR-1.7B. На английском тесте LibriSpeech ухудшение качества описано как незначительное. Оценка корейских бенчмарков проводилась на вручную проверенных транскрипциях с учётом текстовой нормализации и её обратного преобразования. Модель специализируется на корейской речи. Качество для других языков требует отдельной проверки, а результаты в реальных условиях могут отличаться из-за шума и особенностей голосов. В README указан более поздний преемник TeamUNIVA/qwen3_asr_1.7b_ko с лучшими результатами на корейских бенчмарках. Лицензия — Apache-2.0.

IRIIS разработал RoBERTa_Nepali_125M — модель семейства RoBERTa для обработки текстов на непальском языке. В метаданных указаны 151,8 млн параметров, архитектура RobertaForMaskedLM и контекст длиной до 514 токенов; модель доступна в формате Safetensors. Основная задача по карточке Hugging Face — заполнение пропусков в тексте (fill-mask). Модель обучена на непальском корпусе и предназначена для языкового понимания. Её можно применять как основу для классификации текста, распознавания именованных сущностей и других задач разметки токенов, а также получать контекстные представления для сравнения и кластеризации текстов. В README приведены результаты оценки на Nep-gLUE, но заявленные там характеристики относятся к RoBERTa_Nepali_110M, поэтому их нельзя уверенно приписать репозиторию RoBERTa_Nepali_125M. Ограничения включают возможные смещения в обучающих данных и более слабую работу с диалектами и неформальной речью. README рекомендует проверять модель на целевых данных и не использовать её в значимых решениях без тщательной оценки. Лицензия в предоставленных данных не указана.

Salamandra Vision 7B — мультимодальная инструктивная модель Language Technologies Lab Барселонского суперкомпьютерного центра (BSC). Она предназначена для диалога по изображениям и видео, а также поддерживает текстовые запросы. Модель использует архитектуру Llava OneVision: энкодер изображений Google SigLIP с разрешением 384×384, языковую модель Salamandra 7B и двухслойный MLP-проектор; базовая Salamandra обучалась с нуля на 7,8 трлн токенов на текстах 35 европейских языков и коде. Модель подходит для описания изображений, визуальных вопросов и ответов, OCR, понимания документов, визуального grounding и задач по математике с изображениями. Карточка называет её прототипом и сообщает, что полноценная многоязычная оценка ещё не проведена. Модель устарела и больше не рекомендуется; она не проходила RLHF-выравнивание для фильтрации чувствительных тем, поэтому может выдавать вредный или неподходящий контент. Лицензия в метаданных указана как other.