I.3Извлечение и структурирование данных

Ancient Greek BERT — модель семейства BERT, разработанная для работы с текстами на древнегреческом языке. Это BERT-base с 12 слоями и размерностью 768; число параметров составляет 140,1 млн, а контекст — до 512 токенов. Модель обучена на монолингвальных данных First1KGreek Project, Perseus Digital Library, PROIEL Treebank и Gorman’s Treebank, с приведением греческого текста к нижнему регистру и удалением диакритики. Модель предназначена для извлечения признаков из древнегреческого текста и служит основой для дообучения на разметку частей речи и морфологический анализ. В README заявлены результаты выше 90% точности в среднем при дообучении на трёх древнегреческих деревьях. Метаданные указывают формат PyTorch и Safetensors и библиотеку Transformers. Сведения о лицензии в предоставленных материалах отсутствуют.

HueyNemud/das22-10-camembert_pretrained — модель CamemBERT, разработанная для воспроизведения экспериментов по распознаванию именованных сущностей в исторических документах. Она дополнительно предобучена на примерно 845 тысячах записей из французских торговых справочников Парижа XIX века, извлечённых с помощью OCR. Такие записи обычно содержат имя человека или компании, род занятий и адрес. Модель предназначена для заполнения маскированных токенов в тексте (fill-mask); её также используют как основу экспериментов по NER. Это плотная архитектура CamemBERT с 137,8 млн параметров и контекстом до 514 токенов. Для специализированного NER в карточке упомянуты отдельные производные модели, дообученные на размеченных записях. Модель ориентирована на исторические французские справочники и воспроизводимость оценки из статьи DAS 2022; качество на современных или других жанрах текста не установлено. Формат весов — PyTorch. Лицензия в предоставленных данных не указана.

againeureka/klue_roberta_base_for_legal — корейская языковая модель J. Park из KETI, дообученная на текстах судебных решений. Она основана на архитектуре KLUE RoBERTa-base и предназначена для работы с замаскированными токенами в юридических текстах: модель предсказывает пропущенное слово по контексту. Веса представлены в формате PyTorch; размер модели — 137,8 млн параметров, максимальный контекст — 514 токенов. Модель подходит для экспериментов с корейскими судебными документами и восстановления пропущенных слов в юридическом тексте. В README лицензия обозначена как требующая уточнения, поэтому условия использования следует выяснить у разработчика перед применением.

YLX1965 разработал Llama-3.2-11B X-ray v1 — модель для описания медицинских изображений по изображению и текстовой инструкции. Это дообученная с помощью LoRA версия unsloth/Llama-3.2-11B-Vision-Instruct-bnb-4bit на подмножестве unsloth/Radiology_mini; заявлены рентгеновские снимки, КТ и УЗИ. Модель семейства mllama выдаёт текстовые описания изображений и поддерживает диалоговый формат. В карточке приведена конфигурация LoRA с рангом 16 и описана настройка языковых слоёв, модулей внимания и MLP. Модель предназначена для исследовательских и вспомогательных сценариев анализа радиологических изображений, но карточка не приводит клинических оценок точности. Данные обучения ограничены указанным набором и его подмножеством, поэтому качество на иных типах изображений и клинических задачах не подтверждено. Лицензия — Apache-2.0.

Recipe Lens — модель-ассистент для рецептов, дообученная на базе Qwen/Qwen3-4B-Instruct-2507. Это плотная языковая модель с 3,7 млрд параметров, рассчитанная на текстовый диалог и контекст до 262 144 токенов. Она выдаёт один JSON-объект с проверяемой структурой: предлагает блюдо из имеющихся ингредиентов и сообщает, что не использовала, пересчитывает количества под другое число порций или предлагает допустимую замену ингредиента с корректировкой количества. Если из перечисленных продуктов нельзя составить блюдо, модель может отказаться от ответа. Модель предназначена для англоязычных кулинарных сценариев и обучена на наборе данных Shengtao/recipe. Хотя README описывает отдельный демонстрационный сценарий с фотографиями, сама Recipe Lens принимает только текст; изображение обрабатывает отдельная, не включённая в эту модель система компьютерного зрения. Модель поставляется в формате safetensors и распространяется по лицензии Apache-2.0. Ограничения: словарь охватывает около 570 ингредиентов, поэтому редкие продукты могут распознаваться как неизвестные; составные количества не суммируются. Проверки диетических ограничений основаны на таблице, не являются медицинской рекомендацией и ненадёжны при тяжёлой аллергии; неоднозначные ингредиенты могут помечаться с запасом.

Songgot — компактная агентная языковая модель, ориентированная прежде всего на корейский язык и вызов инструментов на устройствах. Она разработана с нуля Hanish Keloth из Palette. Модель предназначена для офлайн-сценариев, где по запросу пользователя нужно выбрать одну функцию и извлечь её аргументы, например установить будильник. Доступна интеграция через Transformers, а также GGUF-экспорты для локального запуска; демонстрация работает в браузере после первоначальной загрузки. Основная версия Songgot содержит около 50 млн параметров, 12 слоёв и обучена на 6 млрд токенов в течение трёх эпох на 8 GPU H100. Используется токенизатор SentencePiece BPE на 32 тыс. токенов с byte fallback. Заявлены языки Korean и English, однако модель ориентирована на корейский. Формат вывода поддерживает имя функции и JSON-аргументы. В тесте Kakao FunctionChat-Bench SingleCall она показала точность полного совпадения 33,0% и 73,6% при оценке только имени функции; для корейского текста указана эффективность токенизации 0,90 токена на слог Hangul. Модель подходит для компактных локальных ассистентов и устройств с ограниченными ресурсами, но поддерживает только однократный выбор инструмента и извлечение аргументов: многошаговые диалоги, обработка результатов инструментов и свободный чат не заявлены. Для редких инструментов и перефразированных значений возможны ошибки, поэтому каждый вызов следует проверять в коде приложения. Модель распространяется по лицензии Apache 2.0.

Stanza для Old East Slavic (orv) — модель из набора инструментов лингвистического анализа текста, разработанного командой Stanford NLP. Репозиторий содержит модель PyTorch для классификации токенов; в Stanza такие модели используются как часть конвейера анализа текста. Модель предназначена для обработки текстов на древневосточнославянском языке. Указанная лицензия — Apache-2.0. Данных о размере модели, контексте и конкретном наборе меток в карточке нет.

unslothai/6 — модель, опубликованная аккаунтом Unsloth Backup Account, связанным с Unsloth AI. В карточке Hugging Face она обозначена как Transformers-модель для извлечения признаков (feature extraction) и совместима с библиотекой Transformers. Модель построена на архитектуре LlamaModel. В конфигурации указан максимальный размер контекста 2048 токенов, тип данных float32, активация SiLU и модельный тип llama. Однако ключевые параметры конфигурации, включая размер скрытого слоя, число слоёв, attention heads и размер словаря, указаны как нулевые, поэтому надёжно определить фактический размер, языки, качество и практические возможности модели нельзя. По доступным данным её назначение ограничивается использованием для извлечения признаков через Transformers. Информация о сильных сторонах, ограничениях, лицензии и дополнительных модальностях отсутствует. Из-за неполной конфигурации модель может быть непригодна для полноценного практического использования или представлять собой резервную либо тестовую публикацию.

BrickGPT-Qwen3-1.7B — дообученная модель на базе Qwen3-1.7B, созданная для генерации описаний LEGO-конструкций в виде структурированного текста. Она обучена на датасете StableText2Brick и предназначена для преобразования текстовых запросов в спецификации конструкций из деталей LEGO. Модель имеет архитектуру Qwen3ForCausalLM, содержит 1,7 млрд параметров и поддерживает контекст до 40 960 токенов. LoRA-веса объединены с базовой моделью; репозиторий содержит веса safetensors, готовые для запуска через Transformers или vLLM. Модель рассчитана на экспериментальное создание структурированных описаний LEGO-моделей по текстовым запросам. В карточке приведены результаты обучения, но значение loss не гарантирует корректность сгенерированных конструкций; выход следует проверять на пригодность и физическую устойчивость. Указана лицензия Apache-2.0; для датасета StableText2Brick могут действовать отдельные условия.

CXRMate-TF — модель генерации рентгенологических заключений по снимкам грудной клетки, представленная авторами исследования Aaron Nicolson, Jason Dowling, Douglas Anderson и Bevan Koopman. Это продольная мультиизображенческая модель: она предназначена для формирования отчёта с учётом нескольких снимков и данных во времени. Вариант TF обучен методом teacher forcing и не использует обучение с подкреплением. Архитектура относится к vision-encoder-decoder; в метаданных указан класс LongitudinalPromptMultiCXREncoderDecoderModel. Модель принимает изображения рентгенограмм и выдаёт текст отчёта. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0. Размер модели, длина контекста и поддерживаемые языки в предоставленных данных не приведены.

GWW — модель на базе BERT, дообученная GroNLP на корпусе нидерландских гражданских строительных работ. Она предназначена для заполнения пропусков в тексте: принимает текст с замаскированным токеном и предсказывает подходящий вариант. Модель содержит 136,3 млн параметров, поддерживает контекст до 512 токенов и опубликована в формате PyTorch. В карточке приведён результат на оценочной выборке: loss 2,7097. Модель ориентирована на нидерландский язык и предметную лексику гражданского строительства. Условия лицензии в предоставленных данных не указаны.

Davidmg0815 разработала экспериментальную производную Qwen2.5-7B-Instruct для подсчёта символов в строках. Это плотная авторегрессионная языковая модель на 6,9 млрд параметров с контекстом 32 768 токенов; она принимает текст и выдаёт текст. В модели сокращён словарь токенизатора: из 151 665 токенов удалены токены с повторяющимися буквенно-цифровыми символами, после чего модель дополнительно обучили и настроили по LoRA на подсчёт символов с разбором строки по отдельным знакам. README описывает прежде всего немецкие и английские слова и строки, включая код и числа. Модель предназначена для экспериментального подсчёта символов, особенно в немецких словах с удвоенными и утроенными буквами. По независимому тесту она дала строго верный результат для 26 из 40 строк; на повторах может зациклиться. Системный промпт, использованный при обучении, превращает любой ввод в задачу подсчёта, поэтому автор рекомендует не использовать его для обычного чата; без него формат ответов нестабилен, а обучающие слова могут проникать в обычные ответы. Это версия v3, у которой есть преемник v4. Лицензия — Apache-2.0.

Congretimbau — модель BERT, разработанная Belisards путём продолжения обучения BERTimbau Base на текстах законопроектов Бразилии. Она предназначена для предсказания замаскированных токенов в текстах на бразильском португальском и может использоваться для анализа и подготовки текстовых представлений законодательных документов. Данные для обучения получены из Палаты депутатов и Федерального сената Бразилии; карточка сообщает значение eval_loss 0,4885 после 10 000 шагов обучения. Модель основана на архитектуре BERT с головой masked language modeling, содержит 433,2 млн параметров и поддерживает контекст до 512 токенов. Распространяется в формате Safetensors через Transformers по лицензии MIT. Специализация на законодательных текстах Бразилии ограничивает применимость за пределами этой области; приведённая метрика оценки сама по себе не подтверждает качество на прикладных задачах.

DBBErt — модель семейства BERT, дообученная для обработки византийского греческого языка на данных Database of Byzantine Book Epigrams. Она предназначена для разметки частей речи, морфологического анализа и лемматизации греческих текстов критических изданий и неотредактированных средневековых текстов, включая материалы с нестандартной орфографией, диалектными и историческими вариантами и условностями транскрипции рукописей. В метаданных указаны архитектура BertForMaskedLM, 136,7 млн параметров, контекст до 512 токенов и формат PyTorch; карточка также указывает задачу token-classification. Лицензия — MIT. Модель специализируется на византийском греческом, поэтому её применимость к современному греческому и другим языкам не подтверждена.

gokulsrinivasagan/distilbert_lda_20_v1 — дообученная модель на базе DistilBERT, обученная на наборе gokulsrinivasagan/processed_wikitext-103-raw-v1-ld-20. В метаданных указан класс DistilBertForLDAMaskedLM и формат весов safetensors; модель работает с контекстом до 512 токенов. README приводит значения loss 4.7631 и accuracy 0.5784 на оценочном наборе, но не объясняет назначение компонента LDA, схему разметки или пользовательский сценарий. Лицензия и базовая модель не указаны, поэтому условия использования и исходный репозиторий базовой модели определить нельзя.

MyAwesomeModel — репозиторий модели пользователя Jomanne3 на Hugging Face, помеченный как BERT и предназначенный для извлечения признаков из текста. Метаданные указывают архитектуру BertModel, библиотеку Transformers, формат PyTorch и лицензию MIT. Поиск выявил противоречие: сторонняя карточка приписывает модели функции диалоговой генерации и рассуждений, тогда как метаданные указывают на извлечение признаков. Поиск также сообщает, что в репозитории нет весов и конфигурации, поэтому заявленные возможности нельзя проверить и модель нельзя считать готовой к практическому использованию.

Stoicheia-restoration-test1 — модель Stoicheia, разработанная авторами анонимного релиза к статье на рецензировании. Это дообученный 405-миллионный символьный masked-diffusion encoder для восстановления древнегреческих надписей и папирусов. Архитектура char-level с размерностью 1024 и 32 слоями; чередует локальное внимание в окне 256 символов и глобальное внимание. Вход представлен пятью синхронизированными слоями: буквы, границы слов и предложений, диакритика, регистр и пунктуация. Маскировать их можно независимо, поэтому модель работает с отредактированным текстом, scriptio continua и лакунами неизвестной длины. Для лакуны известной длины используют дефисы по числу пропущенных символов, для неопределённой — запись вида [N±M]. Чекпойнт дообучен от Stoicheia-doc_clean; при обучении исключались документы с идентификаторами PHI/TM, оканчивающимися на 1, поэтому он подходит для проверки чтений документов из этой отложенной группы. Модель принимает текст и выдаёт восстановленный текст. Лицензия — Apache-2.0.

Stoicheia-restoration-test9 — анонимно выпущенная модель для восстановления повреждённых надписей и папирусов на древнегреческом языке. Это символьный masked-diffusion encoder на 405 млн параметров, дообученный от Stoicheia-doc_clean; вариант test9 обучен на документах, кроме тех, чей идентификатор PHI/TM заканчивается цифрой 9. Архитектура использует d_model 1024, 32 слоя и полосное внимание: три из каждых четырёх блоков ограничены окном в 256 символов, а четвёртый учитывает весь текст. Модель принимает текст с независимо маскируемыми плоскостями букв, границ слов и предложений, диакритики, регистра и пунктуации. Она предназначена для восстановления лакун известной длины, обозначенных дефисами, и лакун неопределённой ширины, заданных форматом [N±M]; вход может содержать отредактированный текст или scriptio continua. Десятичное разделение чекпойнтов позволяет выбрать вариант, который не обучался на конкретном документе, если его идентификатор заканчивается соответствующей цифрой. Модель доступна по лицензии Apache-2.0. README не сообщает оценок качества восстановления.

Qwen2.5-32B-Instruct — инструктивно дообученная языковая модель семейства Qwen2.5, разработанная командой Qwen. Это плотная авторегрессионная модель на 32 млрд параметров для диалога и генерации текста; поддерживает интерфейс вызова инструментов. В архитектуре используются RoPE, SwiGLU, RMSNorm и смещение в проекциях QKV внимания. Модель предназначена для следования инструкциям, написания длинных ответов, работы с таблицами и другими структурированными данными, а также генерации структурированного вывода, включая JSON. Она также подходит для задач программирования и математики. В README заявлена поддержка более 29 языков, включая русский и английский. Метаданные указывают контекст в 32 768 токенов; для этой версии README рекомендует конфигурацию до 131 072 токенов с YaRN для длинных входов, а генерацию — до 8 192 токенов. Модель распространяется в формате safetensors и работает через Transformers. Лицензия — Apache-2.0. Для контекстов длиннее 32 768 токенов требуется настройка YaRN; статическое масштабирование YaRN в vLLM может ухудшать производительность на коротких текстах.

Gemma 4 26B A4B — мультимодальная модель с открытыми весами от Google DeepMind, относящаяся к семейству Gemma 4 и реализованная как модель класса Mixture-of-Experts. Она принимает текст и изображения и генерирует текст; поддерживает понимание изображений, рассуждения, генерацию и исправление кода, суммаризацию и вызов инструментов. Видео и аудио заявлены для семейства Gemma 4, но поддержка аудио указана только для вариантов E2B, E4B и 12B. Модель рассчитана на мультимодальные диалоги, анализ документов и изображений, задачи с длинным контекстом и агентные сценарии. Для вариантов Gemma 4 26B A4B заявлено контекстное окно до 256 тысяч токенов; семейство обучено более чем на 140 языках и имеет поддержку более 35 языков из коробки. Архитектура семейства сочетает локальное скользящее и глобальное внимание. Модель распространяется по лицензии Apache 2.0. Карточка не приводит отдельной оценки ограничений именно этого варианта; мультимодальные возможности видео и аудио нельзя приписывать 26B A4B по приведённым сведениям.

Gemma 4 26B A4B IT — мультимодальная инструктивно дообученная модель Google DeepMind из семейства Gemma 4, основанная на Gemma 4 26B A4B. Репозиторий содержит веса в формате safetensors и использует архитектуру Gemma4ForConditionalGeneration с поддержкой зрения и диалогового режима. Модель принимает текст и изображения и генерирует текст; варианты Gemma 4 этого размера рассчитаны на контекст до 256 тысяч токенов. Семейство поддерживает более 140 языков по данным карточки, а также включает механизмы рассуждения, вызова функций и гибридное внимание с локальными и глобальными слоями. Модель подходит для диалоговых ассистентов, генерации и исправления кода, рассуждений, суммаризации, ответов по изображениям и документам, OCR, анализа диаграмм, скриншотов и пользовательских интерфейсов, а также агентных сценариев с вызовом инструментов. Лицензия Apache 2.0. Указанная в карточке поддержка изображений не означает, что именно эта версия умеет обрабатывать видео или аудио: README относит аудиовход к вариантам E2B, E4B и 12B, а метаданные отмечают для этой модели только зрение.

Карточка модели NostraEmpire/mirror-qwen2.5-32b-instruct на Hugging Face совпадает с карточкой Qwen/Qwen2.5-32B-Instruct, поэтому описание составлено по ней. Qwen2.5-32B-Instruct — инструктивно дообученная языковая модель семейства Qwen2.5, разработанная командой Qwen. Это плотная авторегрессионная модель на 32 млрд параметров для диалога и генерации текста; поддерживает интерфейс вызова инструментов. В архитектуре используются RoPE, SwiGLU, RMSNorm и смещение в проекциях QKV внимания. Модель предназначена для следования инструкциям, написания длинных ответов, работы с таблицами и другими структурированными данными, а также генерации структурированного вывода, включая JSON. Она также подходит для задач программирования и математики. В README заявлена поддержка более 29 языков, включая русский и английский. Метаданные указывают контекст в 32 768 токенов; для этой версии README рекомендует конфигурацию до 131 072 токенов с YaRN для длинных входов, а генерацию — до 8 192 токенов. Модель распространяется в формате safetensors и работает через Transformers. Лицензия — Apache-2.0. Для контекстов длиннее 32 768 токенов требуется настройка YaRN; статическое масштабирование YaRN в vLLM может ухудшать производительность на коротких текстах.

Карточка модели ArchiveStudio/Qwen2.5-32B-Instruct на Hugging Face совпадает с карточкой Qwen/Qwen2.5-32B-Instruct, поэтому описание составлено по ней. Qwen2.5-32B-Instruct — инструктивно дообученная языковая модель семейства Qwen2.5, разработанная командой Qwen. Это плотная авторегрессионная модель на 32 млрд параметров для диалога и генерации текста; поддерживает интерфейс вызова инструментов. В архитектуре используются RoPE, SwiGLU, RMSNorm и смещение в проекциях QKV внимания. Модель предназначена для следования инструкциям, написания длинных ответов, работы с таблицами и другими структурированными данными, а также генерации структурированного вывода, включая JSON. Она также подходит для задач программирования и математики. В README заявлена поддержка более 29 языков, включая русский и английский. Метаданные указывают контекст в 32 768 токенов; для этой версии README рекомендует конфигурацию до 131 072 токенов с YaRN для длинных входов, а генерацию — до 8 192 токенов. Модель распространяется в формате safetensors и работает через Transformers. Лицензия — Apache-2.0. Для контекстов длиннее 32 768 токенов требуется настройка YaRN; статическое масштабирование YaRN в vLLM может ухудшать производительность на коротких текстах.

Карточка модели alekshandru/gemma-4-12B на Hugging Face совпадает с карточкой google/gemma-4-12B, поэтому описание составлено по ней. Gemma 4 12B Unified — мультимодальная модель с открытыми весами, разработанная Google DeepMind и относящаяся к семейству Gemma 4. Она принимает текст, изображения, видео и аудио, а выдаёт текст; для аудио предусмотрены распознавание речи и перевод речи в текст. Единая архитектура позволяет обрабатывать аудио и изображения без отдельных энкодеров, что подходит для локального запуска на потребительских устройствах. Модель имеет плотную архитектуру и гибридное внимание, сочетающее локальные скользящие окна с глобальным вниманием; заявленное окно контекста для версии 12B — до 256 тысяч токенов. Модель предназначена для диалогов, рассуждений, генерации и исправления кода, вызова инструментов, а также понимания изображений, видео и аудио. Среди визуальных сценариев — извлечение текста из документов, OCR, разбор PDF, диаграмм и экранных интерфейсов; для аудио доступны транскрипция и перевод речи в текст. Семейство поддерживает более 35 языков в обычном использовании и обучалось на более чем 140 языках, но README не перечисляет конкретные языки этой версии. Модель распространяется по лицензии Apache 2.0. Как и другие генеративные модели, она может давать ошибочные ответы; README также указывает, что приведённые сценарии использования не являются исчерпывающими.

Карточка модели Iambackup/gemma-4-12B на Hugging Face совпадает с карточкой google/gemma-4-12B, поэтому описание составлено по ней. Gemma 4 12B Unified — мультимодальная модель с открытыми весами, разработанная Google DeepMind и относящаяся к семейству Gemma 4. Она принимает текст, изображения, видео и аудио, а выдаёт текст; для аудио предусмотрены распознавание речи и перевод речи в текст. Единая архитектура позволяет обрабатывать аудио и изображения без отдельных энкодеров, что подходит для локального запуска на потребительских устройствах. Модель имеет плотную архитектуру и гибридное внимание, сочетающее локальные скользящие окна с глобальным вниманием; заявленное окно контекста для версии 12B — до 256 тысяч токенов. Модель предназначена для диалогов, рассуждений, генерации и исправления кода, вызова инструментов, а также понимания изображений, видео и аудио. Среди визуальных сценариев — извлечение текста из документов, OCR, разбор PDF, диаграмм и экранных интерфейсов; для аудио доступны транскрипция и перевод речи в текст. Семейство поддерживает более 35 языков в обычном использовании и обучалось на более чем 140 языках, но README не перечисляет конкретные языки этой версии. Модель распространяется по лицензии Apache 2.0. Как и другие генеративные модели, она может давать ошибочные ответы; README также указывает, что приведённые сценарии использования не являются исчерпывающими.

Mistral Small 4 119B A6B — мультимодальная модель общего назначения от Mistral AI, объединяющая возможности семейств Instruct, Reasoning и Devstral. Архитектура MoE содержит 128 экспертов, из которых активны 4; всего модель насчитывает 119 млрд параметров, а на токен активируется 6,5 млрд. Контекстное окно — 256 тысяч токенов. Репозиторий содержит веса safetensors в формате FP8. Модель принимает текст и изображения и выдаёт текст. Она предназначена для диалоговых ассистентов, рассуждений, программирования, агентных сценариев с вызовом функций, разбора документов и анализа изображений. Режим рассуждений можно настраивать для каждого запроса; заявлена поддержка множества языков, включая русский. Для инференса рекомендована библиотека vLLM. Лицензия Apache 2.0 разрешает коммерческое и некоммерческое использование. В метаданных не указаны базовая модель или отдельное дообучение; FP8 здесь обозначает точность представленных весов. Для запуска README рекомендует актуальный vLLM, а для Transformers — основную ветку проекта.

Bolt Instruct 32B — англоязычная причинно-следственная языковая модель с настройкой на выполнение инструкций от AI Squared, основанная на объединении моделей Allen Institute for AI OLMo. Вариант 32B предназначен для диалогов, рассуждений и генерации высокого качества; карточка указывает OLMo-3.1-32B-Instruct среди базовых моделей и описывает обучение семейства методом SFT, а для моделей 7B и 32B — с применением QLoRA. Модель подходит для чат-ассистентов и корпоративных сценариев: генерации структурированных ответов, извлечения сведений из документов, суммаризации, RAG и помощи с кодом. Она принимает текст и генерирует текст, поддерживает контекст до 65 536 токенов. В метаданных указана лицензия other; конкретные условия использования следует сверить с карточкой лицензии репозитория. Модель может галлюцинировать без опоры на источники, а качество зависит от размера варианта. Для задач с высокими последствиями требуется проверка человеком.

Карточка модели ArchiveStudio/gemma-4-12B-it на Hugging Face совпадает с карточкой google/gemma-4-12B-it, поэтому описание составлено по ней. Gemma 4 12B IT — мультимодальная модель Google DeepMind с открытыми весами, настроенная для следования инструкциям. Она построена на плотной унифицированной архитектуре Gemma4Unified и принимает текст, изображения, видео и аудио, выдавая текст. Модель поддерживает анализ изображений и видеокадров, распознавание речи и перевод речи в текст, а также генерацию текста и кода, рассуждения и вызов инструментов. Модель рассчитана на локальный запуск на потребительских устройствах и сценарии с длинным контекстом; для семейства заявлено до 256 тысяч токенов у версии 12B. Gemma 4 поддерживает более 35 языков непосредственно и обучалась на данных более чем 140 языков. Лицензия — Apache 2.0. Карточка описывает семейство Gemma 4 в целом, поэтому отдельные характеристики и возможности конкретной версии могут зависеть от реализации и настроек.

Gemma 4 12B IT — мультимодальная модель Google DeepMind на архитектуре Gemma4 Unified, дообученная для следования инструкциям. Она принимает текст, изображения, видео и аудио и генерирует текст; поддерживает диалоги, рассуждения, программирование и вызов инструментов. Модель подходит для локального развёртывания на потребительских устройствах и для задач с длинным контекстом до 256 тыс. токенов. Модель может анализировать изображения и документы, распознавать текст и рукописный ввод, разбирать диаграммы и интерфейсы, а также анализировать видео по кадрам. Для аудио доступны распознавание речи и перевод речи в текст. Семейство Gemma 4 поддерживает более 140 языков в обучении, а карточка сообщает о мультиязычных возможностях; точный список языков для этой версии не приведён. Модель распространяется под лицензией Apache 2.0. Как и другие генеративные модели, она может допускать фактические ошибки; результаты распознавания, перевода и анализа следует проверять. Для видеовхода анализ выполняется по последовательностям кадров.

Gemma 4 26B A4B IT от Google DeepMind — мультимодальная диалоговая модель семейства Gemma 4, представленная в репозитории Unsloth. Это производная версия google/gemma-4-26B-A4B-it; веса опубликованы в формате safetensors, лицензия — Apache-2.0. Модель принимает текст и изображения и генерирует текст, поддерживает диалог и интерфейс вызова инструментов. Модель подходит для ответов на вопросы по изображениям и документам, распознавания текста на изображениях, понимания графиков и интерфейсов, генерации и исправления кода, суммаризации и агентных сценариев с инструментами. В семействе Gemma 4 заявлено контекстное окно до 256K токенов для вариантов 26B A4B и 31B; модель использует гибридное локальное и глобальное внимание. README указывает поддержку более 35 языков и предварительное обучение более чем на 140 языках, но не перечисляет языки по отдельности. Ограничения включают возможные фактические ошибки, смещения обучающих данных и трудности с неоднозначными формулировками или сложными открытыми задачами. Аудиовозможности из README относятся только к вариантам E2B и E4B и здесь не заявлены.