I.3Извлечение и структурирование данных

Модель nickprock/bert-italian-finetuned-ner — дообученная для распознавания именованных сущностей версия регистрозависимого BERT для итальянского языка, разработанная на основе dbmdz/bert-base-italian-cased. Она размечает токены в итальянском тексте и предназначена прежде всего для NER — извлечения упоминаний сущностей из предложений и документов. Модель содержит 137,1 млн параметров, использует архитектуру BertForTokenClassification и принимает текст с контекстом до 512 токенов. Для обучения использован датасет WikiANN. В карточке приведены результаты оценки: F1 0,949, точность 0,9438 и полнота 0,9542; показатели относятся к указанному evaluation set и не гарантируют такое же качество на других данных. Модель распространяется по лицензии MIT.

SIRIS Lab разработала модель распознавания сущностей для разбора библиографических ссылок; она входит в пакет Citation Parser. Модель на базе DistilBERT дообучена для выделения из текста ссылок названий публикаций, авторов, тома, выпуска, года, DOI, ISSN, ISBN, страниц, журнала и редакторов. Модель предназначена для преобразования неструктурированных цитат в поля метаданных в академических базах данных, редакционных процессах подготовки рукописей и инструментах анализа цитирования. Она обрабатывает многоязычный текст, использует архитектуру RoBERTa для классификации токенов и имеет 151,8 млн параметров и контекст до 514 токенов. В README приведена оценка F1 0,9498 на тестовой выборке из 269 примеров. Модель распространяется по лицензии Apache 2.0. Результаты оценки получены на небольшом тестовом наборе; качество на других языках, форматах ссылок и реальных источниках может отличаться.

Xenova/distilbert-base-multilingual-cased-ner-hrl — мультиязычная модель для распознавания именованных сущностей (NER), разработанная на основе Davlan/distilbert-base-multilingual-cased-ner-hrl. Репозиторий Xenova содержит ONNX-веса, адаптированные для использования в JavaScript-библиотеке Transformers.js, включая запуск в веб-средах и других совместимых окружениях. Модель предназначена для token classification: она размечает фрагменты текста и выявляет сущности, например имена людей и географические названия. В качестве основы используется архитектура DistilBERT с multilingual и cased-токенизацией; точный размер, список поддерживаемых языков и максимальная длина контекста в README не указаны. Сильной стороной является возможность локального запуска через Transformers.js и ONNX без зависимости от серверного Python-окружения. README не содержит сведений о точности, ограничениях качества и лицензии, поэтому эти характеристики нельзя определить по имеющимся данным.

Lilya/distilbert-base-uncased-finetuned-ner-TRANS — модель DistilBERT, дообученная для классификации токенов и распознавания именованных сущностей. Она предназначена для разметки слов и фрагментов текста метками сущностей. В карточке приведены результаты оценки: F1 0,8011, точность 0,7911, полнота 0,8114 и accuracy 0,9815. Модель использует архитектуру DistilBertForTokenClassification, веса PyTorch и контекст до 512 токенов. Базовая модель — distilbert-base-uncased; лицензия — Apache-2.0. В карточке не описаны набор данных, метки сущностей и ограничения применения, поэтому пригодность для конкретных типов сущностей следует проверять отдельно.

HooshvareLab/distilbert-fa-zwnj-base-ner — модель DistilBERT, дообученная для распознавания именованных сущностей в персидском тексте. Она размечает токены как даты, события, объекты инфраструктуры, местоположения, денежные суммы, организации, проценты, имена людей, продукты и время. Обучающий набор объединяет данные ARMAN, PEYMA и WikiANN. Модель предназначена для извлечения сущностей из персидских документов и текстов, например для последующей индексации или анализа. Контекст составляет до 512 токенов; доступны веса в форматах PyTorch и TensorFlow. В указанной оценке на тестовой выборке общий F1 составляет около 0,951, при этом качество различается по типам сущностей. Карточка не сообщает лицензию, поэтому условия использования определить по имеющимся данным нельзя. Результаты зависят от типа текста и могут быть слабее для сущностей, представленных в обучении ограниченно; модель размечает последовательности токенов, а не генерирует ответы.

Модель philschmid/distilroberta-base-ner-conll2003 разработана на основе distilroberta-base и дообучена для распознавания именованных сущностей в текстах с разметкой CoNLL-2003. Это модель архитектуры DistilRoBERTa с 95,2 млн параметров, предназначенная для классификации токенов; она принимает текст и относит его фрагменты к классам сущностей, предусмотренным обучающей разметкой. В README приведены результаты на CoNLL-2003: F1 95,29 на валидационной выборке и 90,74 на тестовой; для исправленной версии CoNLL++ указаны F1 95,29 и 92,23 соответственно. Модель рассчитана на извлечение сущностей в текстах, похожих на данные этих наборов. Результаты на других языках, доменах и стилях текста могут отличаться. Контекст модели составляет до 514 токенов. Лицензия — Apache-2.0.

donut-base-sroie — дообученная модель davelotito для преобразования изображений документов в текст. Она построена на архитектуре VisionEncoderDecoderModel и предназначена для сценариев, где нужно извлечь текстовое содержимое из изображения. Модель опубликована в формате safetensors и распространяется по лицензии MIT. В карточке указано дообучение на датасете imagefolder, но сведения о составе данных, качестве и конкретных ограничениях отсутствуют. Метаданные также относят модель к задаче image-text-to-text и указывают поддержку изображений.

unstructuredio/donut-base-sroie — модель семейства Donut, разработанная Unstructured и дообученная на базе naver-clova-ix/donut-base для обработки изображений документов. Архитектура VisionEncoderDecoder объединяет визуальный энкодер и текстовый декодер; модель принимает изображение документа и генерирует текстовый результат. Модель предназначена для извлечения и структурирования сведений из чеков SROIE, например, распознавания текста и полей документа. В карточке не приведены подробности о качестве, процедуре оценки или конкретном формате результата. Репозиторий содержит веса PyTorch, лицензия — MIT.

dbmdz/electra-large-discriminator-finetuned-conll03-english — модель семейства ELECTRA, разработанная и опубликованная пользователем dbmdz на Hugging Face. Это англоязычный трансформерный энкодер ELECTRA Large, дообученный для задачи токен-классификации на наборе CoNLL-03 и предназначенный прежде всего для распознавания именованных сущностей в тексте. Модель содержит около 433,9 млн параметров и обрабатывает контекст длиной до 512 токенов. Она работает с текстом через библиотеку Transformers и поддерживает pipeline token-classification; её можно применять для выделения сущностей, например персон, организаций, мест и других классов, предусмотренных разметкой CoNLL-03. Сильная сторона модели — специализация на англоязычном NER вместо универсальной генерации текста. Модель не предназначена для генерации, суммаризации или мультимодальных задач; качество может снижаться на языках, доменах и типах сущностей, отличающихся от данных обучения. Лицензия в доступных источниках не установлена.

solvi-ai/extract-base — англоязычная модель извлечения полей из документов, разработанная Solvi. По документу и обычному текстовому описанию нужного поля модель находит соответствующий фрагмент, оценивает уверенность или сообщает, что поле отсутствует. Она предназначена для извлечения дат, сумм, имён и договорных условий, а также для дообучения на размеченных документах конкретной организации. В основе — ModernBERT-large с линейной головой предсказания начала и конца фрагмента; модель содержит 394,7 млн параметров и поддерживает контекст до 8192 токенов. Длинные документы обрабатываются перекрывающимися окнами по 1024 токена. Обучение проводилось на примерах SQuAD 2.0, CUAD и CORD v2; доступны веса Safetensors и экспорт ONNX. README приводит результаты на договорах, чеках и наборах вопросов и ответов, но отмечает заметные ограничения при извлечении невиданных полей без примеров. Модель лучше подходит как начальная точка для последующего дообучения: для производственного применения автор рекомендует разметить примерно 25–100 документов и настроить пороги на отложенных данных. Она поддерживает только английский язык; другие типы документов не проверялись, а оценки уверенности не являются калиброванными вероятностями. Лицензия — Apache-2.0.

FilingTag — модель распознавания именованных сущностей в финансовой и банковской отчётности, разработанная FlowX.AI в рамках семейства OpenNER. Она выполняет разметку токенов, выделяя 139 типов сущностей, связанных с финансовыми показателями и раскрытиями компаний. Модель дообучена на answerdotai/ModernBERT-base, содержит 149 млн параметров и поддерживает контекст до 8192 токенов. FilingTag рассчитана на обработку финансовых документов в банковской и корпоративной инфраструктуре. По заявлению разработчика, модель запускается локально, включая изолированные среды, что позволяет не передавать документы за пределы организации. Доступны веса safetensors и формат ONNX; использовать модель можно через Transformers. Модель предназначена для извлечения структурированных сущностей из текста, а не для свободного диалога или генерации. README не сообщает языки и конкретные показатели качества, поэтому их нельзя надёжно оценить по предоставленным данным. Лицензия — Apache-2.0.

Metin разработал Gemma-2-2B-TR-Knowledge-Graph — дообученную с помощью LoRA диалоговую модель Google Gemma 2 с 2,7 млрд параметров. Она предназначена для извлечения из текста структурированных графов знаний, которые можно использовать для наполнения графовых баз данных и последующего поиска и визуализации связей. Для дообучения использовали 30 тысяч синтетически сгенерированных примеров. Модель принимает текст и генерирует текстовое представление графа знаний; базовая архитектура — Gemma2ForCausalLM, максимальный контекст — 8192 токена. Карточка демонстрирует пример на турецком языке, а метаданные указывают турецкий как язык модели. Модель может выдавать неверные или бессмысленные результаты, поэтому извлечённые сущности и связи следует проверять перед использованием. Лицензия — Gemma; применяйте модель на условиях этой лицензии.

Карточка модели Iambackup/gemma-4-26B-A4B-it на Hugging Face совпадает с карточкой vmo247/vmo-gemma-4-26b-a4b-ft, поэтому описание составлено по ней. vmo247/vmo-gemma-4-26b-a4b-ft — мультимодальная модель, дообученная на базе Google Gemma 4 26B A4B. Она построена на архитектуре Gemma 4 для генерации текста по текстовым и графическим запросам и поддерживает диалоговый режим и анализ изображений. Вариант 26B A4B относится к MoE-моделям семейства; для Gemma 4 этого размера заявлено контекстное окно до 256K токенов и поддержка более 140 языков на уровне семейства. Модель подходит для ответов на вопросы по изображениям и документам, распознавания текста на изображениях, анализа графиков и интерфейсов, а также для диалогов, рассуждений, написания и исправления кода. В карточке этой производной модели не приведены отдельные результаты оценки качества; возможности видео и аудио, упомянутые для семейства Gemma 4, не подтверждены для данного 26B-варианта. Распространяется по лицензии Apache 2.0.

GLiNER2 Small — компактная модель извлечения сущностей с нулевым обучением, представленная в карточке как вариант семейства GLiNER2. Она принимает текст и список типов сущностей, при необходимости с краткими определениями на английском языке, и возвращает найденные фрагменты текста с метками и точными символьными границами. Модель содержит 81 млн параметров и предназначена для извлечения именованных сущностей и других заданных схемой сущностей без предварительного обучения под конкретную схему. Модель рассчитана на обработку больших объёмов текста, предварительную фильтрацию и локальный запуск. В README указаны медианная задержка 26 мс на документ, пропускная способность 156 документов в секунду при пакетной обработке и пиковое потребление GPU-памяти 2,9 ГБ на A100. Выход детерминированный; качество ниже, чем у более крупных моделей семейства и некоторых LLM. Карточка приводит средний F1 39,7 на выборке из 19 наборов данных и 47,5 по опубликованному протоколу GLiNER из семи тестовых наборов. Модель использует библиотеку gliner2 и распространяется в формате safetensors. В метаданных указаны английский язык и лицензия Apache-2.0. README рекомендует при необходимости снижать порог для повышения полноты и удалять перекрывающиеся фрагменты для плоского результата.

Granite Docling 258M MLX — компактная мультимодальная модель IBM для преобразования документов. Она принимает изображение документа и генерирует текст, сохраняя структуру и совместимость с DoclingDocuments; модель предназначена для конвертации документов через Docling или для запуска с mlx-vlm. Это версия Granite Docling 258M, преобразованная в формат MLX с помощью mlx-vlm 0.3.3 и оптимизированная для компьютеров Mac с Apple Silicon. Архитектура — Idefics3, размер базовой модели — 258 млн параметров. В метаданных указан английский язык. Модель распространяется по лицензии Apache-2.0. Модель ориентирована на преобразование изображений документов в текстовую структуру, в том числе для экспорта в HTML и Markdown. Специализированные сведения о контекстном окне, качестве распознавания и поддержке языков сверх указанных в карточке не приведены.

Granite Vision 3.1 2B Preview — компактная мультимодальная модель IBM для понимания изображений и документов. Она предназначена для извлечения и анализа содержимого таблиц, графиков, инфографики, диаграмм и других визуальных материалов, распознавания текста на изображениях и ответов на вопросы по документам; также поддерживает общие задачи понимания изображений и диалоговый режим. Модель дообучена на базе ibm-granite/granite-3.1-2b-instruct и использует архитектуру LLaVA-NeXT: визуальный энкодер SigLIP, двухслойный MLP-коннектор и языковую модель Granite 3.1. В README указано 2 млрд параметров у языковой основы и около 3 млрд у модели с визуальным энкодером и проектором; контекст языковой основы — 128 тыс. токенов. Основной поддерживаемый язык — английский. Модель распространяется под лицензией Apache 2.0. Сильная сторона модели — специализированная работа с визуальными документами при сравнительно небольшом размере; в приведённых тестах она показывает хорошие результаты на DocVQA и ChartQA. Возможны неточные, предвзятые или небезопасные ответы и галлюцинации, особенно в общих задачах понимания изображений; для обработки только текста IBM рекомендует использовать текстовые Granite-модели.

granite-vision-3.3-2b-chart2csv-preview — специализированная зрительно-языковая модель IBM, дообученная на основе ibm-granite/granite-vision-3.3-2b для извлечения табличных данных из графиков и визуализаций. Она принимает изображение графика и по рекомендуемому запросу формирует машиночитаемый CSV с числовыми значениями. Модель предназначена для извлечения данных из графиков в отчётах, презентациях и PDF, в том числе в конвейерах обработки документов Docling и системах мультимодального анализа. Для обучения использовались синтетические данные графиков, созданные по методологии ChartGen; IBM сообщает о повышенной точности чисел по сравнению с универсальными VLM. Архитектура соответствует Granite Vision 3.3 2B; модель построена на Llava Next и распространяется в формате safetensors. На низком разрешении, при сложной компоновке, перекрывающихся элементах или необычных типах графиков таблицы могут быть неполными или содержать ошибки. Результаты следует проверять перед использованием в аналитике с высокими последствиями; модель не предназначена для надёжного решения общих задач компьютерного зрения. Лицензия — Apache-2.0.

Hermes-2 Θ (Theta) 70B — языковая модель Nous Research, созданная совместно с Charles Goddard и Arcee AI. Это плотная авторегрессионная модель семейства Llama 3 с 69,5 млрд параметров, полученная слиянием Hermes 2 Pro и Llama 3 Instruct с последующим дообучением с помощью RLHF. Репозиторий содержит веса SafeTensors; лицензия — llama3. Модель предназначена для многошагового диалога в формате ChatML и поддерживает контекст до 32 768 токенов. Она обучена вызову функций, выдаче структурированных ответов по JSON-схеме и извлечению признаков из документов для RAG. В метаданных указан английский язык. Эти возможности помогают создавать чат-ассистентов, связывать модель с инструментами и получать ответы в заданном формате. В README приведены результаты нескольких бенчмарков, включая IFEval и MTBench, но они не гарантируют качество на конкретных запросах. Для вызова функций требуется внешняя логика, которая разбирает вызов, выполняет функцию и передаёт результат обратно модели. Для эксплуатации нужно учитывать значительный размер модели: в README также упоминается вариант инференса в 4-битном режиме.

ICKG-v2.0 — авторегрессионная языковая модель на архитектуре Transformer, разработанная Xiaohui Li для построения графов знаний по инструкциям. Модель дообучена для этой задачи на Vicuna-7B, производной от LLaMA 2; в метаданных указаны семейство Llama, 6,6 млрд параметров и контекст до 4096 токенов. Модель предназначена для исследователей, специалистов по данным и разработчиков, которым нужно извлекать из текста сущности и связи и представлять их в виде графа знаний. README сообщает о предварительной оценке, в которой ICKG показала преимущество над GPT-3.5 и исходной Vicuna-7B на задаче построения графов и сопоставимый результат с GPT-4; конкретная методика оценки не приведена. Репозиторий содержит веса PyTorch. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Imgscope-OCR-2B-0527 — мультимодальная модель prithivMLmods, дообученная на базе Qwen2-VL-2B-Instruct. Она принимает изображения и текстовые запросы и генерирует текст; заявленные сценарии включают распознавание печатного текста и сложного рукописного письма, разбор структуры документов, ответы на вопросы по изображениям и преобразование математических выражений в LaTeX. В карточке также заявлены работа с видео и диалоговый режим. Модель содержит 1,5 млрд параметров, использует архитектуру Qwen2-VL и формат safetensors; длина контекста — 32 768 токенов. Для обучения указаны наборы OCR чеков и счетов, LaTeX OCR и извлечения информации из LaTeX-документов. README заявляет поддержку OCR на нескольких языках, включая английский, китайский, японский, корейский, арабский и вьетнамский, но подробная оценка по языкам не приведена. Лицензия — Apache-2.0. Заявления о качестве на бенчмарках и длительности обрабатываемых видео приведены в README без результатов оценки в доступных данных.

aadhistii/IndoBERT-NER — модель для распознавания именованных сущностей в индонезийском тексте. Автор дообучил indolem/indobert-base-uncased на корпусе id_nergrit_corpus; модель построена на архитектуре BERT и содержит 137,8 млн параметров. Она принимает текст и размечает токены категориями сущностей: людей, организаций, географических объектов, дат, времени, денежных сумм, законов, событий, товаров и другими. Контекст модели — до 512 токенов. Модель предназначена для извлечения сущностей из индонезийских документов и текстов. В карточке приведены результаты оценки, включая F1 0,8253 на обучающей выборке и потери на обучающей и валидационной выборках; отдельная метрика на тестовой выборке не указана. Репозиторий содержит модель в формате TensorFlow, библиотека для работы — Transformers. Лицензия — MIT.

KnowLM-13B-Diff — дифференциальные веса проекта KnowLM, разработанные для восстановления ZhiXi-13B на основе LLaMA-13B. Авторы обучили ZhiXi на китайских и английских корпусах, чтобы расширить понимание китайского языка и обогатить знания, сохранив возможности английского языка и программирования; затем модель дообучили на инструкциях для извлечения знаний. Веса этой карточки нужно объединить с исходными весами LLaMA-13B, чтобы получить рабочую модель. Модель предназначена для генерации текста и извлечения знаний по инструкциям, включая распознавание сущностей, извлечение отношений и извлечение информации. Это плотная авторегрессионная модель семейства LLaMA примерно на 13 млрд параметров с контекстом 2048 токенов; в метаданных указаны английский и китайский языки и формат PyTorch. README предупреждает, что проект оптимизируется и результаты могут отличаться у fp16-варианта. Для восстановления дифференциальных весов требуется LLaMA-13B; лицензия в метаданных — Apache-2.0.

riteshbehera857/layoutlm-base-uncased-finetuned-invoices-1 — модель LayoutLM, дообученная для извлечения полей из счетов и накладных с помощью классификации токенов. Она размечает адреса и имена покупателя и поставщика, номер GST, номер счета, дату и идентификатор заказа, а также суммы до и после налогообложения. Архитектура LayoutLM учитывает текст и его расположение в документе; размер модели — 136,7 млн параметров, контекст — до 512 токенов. Для работы с документами модели нужны распознанные слова и их координаты; исходное изображение она напрямую не принимает. В README приведены результаты на оценочной выборке: общая точность 0,9945 и F1 0,9837. Эти показатели относятся к указанной выборке и не гарантируют такое же качество на других шаблонах счетов. Не описаны обучающий датасет и ограничения применения. Модель распространяется по лицензии MIT.

Impira LayoutLM Invoices — дообученная мультимодальная модель семейства LayoutLM от команды Impira для ответов на вопросы по счетам-фактурам и другим документам. Модель содержит 151,8 млн параметров, использует архитектуру LayoutLMForQuestionAnswering и доступна в форматах PyTorch и Safetensors. Модель предназначена для извлечения ответов из документов с учётом их визуальной структуры и расположения текста. Её дообучали на закрытом наборе счетов-фактур, а также на SQuAD 2.0 и DocVQA для более общего понимания документов. Дополнительная классификационная голова позволяет предсказывать ответы из несмежных фрагментов текста, например корректно собирать адрес, разделённый другими элементами документа. Для использования разработчики рекомендуют DocQuery. Карточка указывает поддержку английского языка; метаданные задают контекст в 514 токенов. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая предусматривает указание авторства, распространение производных работ на тех же условиях и ограничивает коммерческое использование.

Это дообученная модель tiennvcs на основе microsoft/layoutlmv2-base-uncased для ответов на вопросы по документам. Она принимает изображение документа, распознанный текст и его координаты, а затем находит ответ на вопрос в содержимом документа. Модель построена на архитектуре LayoutLMv2, содержит 136,7 млн параметров и рассчитана на контекст до 512 токенов. Модель подходит для извлечения сведений из форм, счетов и других документов с заданными вопросами. В карточке приведено значение функции потерь 1,194 на оценочном наборе, но набор данных и подробности обучения не описаны. Использование распространяется по лицензии CC BY-SA 4.0.

LFM2.5-350M — компактная языковая модель Liquid AI для локального запуска на устройствах и instruction-following сценариев. Это дообученная на основе LiquidAI/LFM2.5-350M-Base плотная гибридная модель семейства LFM2 с 350 млн параметров по README и 444,6 млн параметров по метаданным. Архитектура сочетает 10 блоков double-gated convolution и 6 блоков GQA; модель принимает текст и генерирует текст, поддерживает контекст до 128 000 токенов по метаданным, тогда как README указывает 32 768 токенов. Модель общего назначения рассчитана на извлечение данных, структурированные ответы и вызов инструментов. Она поддерживает английский, арабский, китайский, французский, немецкий, японский, корейский, португальский и испанский языки. Разработчик заявляет скорость до 313 токенов/с на CPU AMD и 188 токенов/с на Snapdragon Gen 4, а также возможность работы менее чем с 1 ГБ памяти. README не рекомендует использовать её для задач, требующих обширных знаний, и программирования. Лицензия в метаданных обозначена как other; конкретные условия следует сверять с карточкой модели.

LFM2.5-350M-Extract-ML-LoRA — языковая модель Андреа Джемелли, дообученная на базе LiquidAI/LFM2.5-350M для извлечения сведений из документов и их классификации. Модель принимает текст страницы и выданную пользователем JSON-схему, возвращает значения, скопированные из текста, либо выбирает один из двенадцати классов документа. Поддерживает итальянский, немецкий, испанский, французский, португальский, китайский, японский и английский языки. Это плотная авторегрессионная модель семейства LFM2 с архитектурой Lfm2ForCausalLM; в репозитории около 444,6 млн параметров, формат весов — safetensors, контекст — до 128 000 токенов. LoRA-адаптер уже объединён с весами, поэтому модель можно загружать как обычную causal LM без PEFT. В оценке автора на наборе xfund-docai-xl средний F1 составил 0,7504, а 3 из 785 ответов не прошли разбор как JSON. Модель рассчитана на офлайн-анализ одностраничных документов, когда текст уже получен из PDF или OCR. Она не принимает изображения и сама не выполняет OCR; качество зависит от точности заданной схемы и исходного текста. Возможны неверное сопоставление полей и невалидный JSON; английский и португальский показали более слабые результаты, а часть классификационной оценки для английского основана на синтетических страницах. Лицензия — CC BY-NC-SA 4.0, допускающая использование на условиях лицензии с ограничением коммерческого применения.

LightOnOCR-2-1B-viv2 — дообученная модель на основе lightonai/LightOnOCR-2-1B, опубликованная пользователем xbikevn. Она предназначена для распознавания текста и структуры документов на изображениях и страницах PDF; в карточке Hugging Face задача указана как text-generation, а каталог описывает базовую модель как мультиязычную vision-language модель. Модель использует плотную архитектуру семейства Mistral 3 и доступна в формате safetensors через Transformers. В метаданных нет сведений о размере контекста, языках этой версии, обучающем наборе или оценке качества. Указана лицензия Apache-2.0. README не описывает отличия дообучения viv2 от базовой модели и не приводит ограничений или результатов оценки.

xbikevn/LightOnOCR-2-1B-vi-vllm — дообученная версия LightOnOCR-2-1B от LightOn, опубликованная пользователем xbikevn. Это компактная мультимодальная модель семейства Mistral3 для распознавания текста и структуры документов по изображениям и страницам PDF. В метаданных Hugging Face указан тег text-generation и возможность диалогового взаимодействия; карточка не приводит подробностей о датасете и оценке качества. Модель подходит для извлечения текста и структуры из документов, если этот сценарий подтверждён возможностями базовой модели. Она принимает текстовые запросы и изображения, а результат выдаёт в текстовом виде. Лицензия — Apache-2.0. README не раскрывает специальные ограничения или характеристики именно этого дообучения.

OwenArli разработала Formax v1.0 на основе Meta-Llama-3-8B-Instruct. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, предназначенная для генерации текста в диалоговом режиме и точного следования заданным инструкциям по формату ответа. Её можно применять для структурированной обработки данных и создания датасетов; в качестве формата хранения указаны safetensors, а длина контекста составляет 8192 токена. Модель дообучена с помощью LoRA: README указывает ранг 64, alpha 128 и примерно 2% обучаемых весов. Обучение проводилось на последовательностях длиной 4096 токенов в течение одного эпоха. Лицензия — Meta Llama 3 License; условия её использования определяются этим соглашением.