I.3Извлечение и структурирование данных

Arabic-GLM-OCR-v2 — дообученная модель распознавания арабского текста на изображениях, созданная sherif1313 на базе zai-org/GLM-OCR. Она предназначена для извлечения текста из книг, рукописей, изображений и документов. Модель принимает изображение и формирует текст; карточка заявляет поддержку арабского языка и размер около 2,2 ГБ. Архитектура GLM-OCR относится к мультимодальным моделям для генерации текста по изображению. Автор заявляет о контекстном распознавании арабского текста, снижении влияния шума и исправлении орфографии. Для дословной транскрипции рекомендуется явно попросить сохранить исходное написание: модель может автоматически исправлять или перефразировать текст, а высокая температура способна ухудшить точность. README указывает, что для инференса требуется тонкая настройка управления генерацией. Лицензия — Apache-2.0.

deepset/bert-base-cased-squad2 — англоязычная модель компании deepset для извлекающего ответа на вопросы. Это дообученная для задачи question-answering версия BERT base cased, обученная на SQuAD 2.0; архитектура — BertForQuestionAnswering, размер — 135,5 млн параметров, максимальный контекст — 512 токенов. Модель принимает вопрос и текстовый фрагмент и извлекает из него ответ, а также подходит для сценариев с документами, например для конвейеров Haystack. Обучение и оценка проводились на SQuAD 2.0, поэтому модель ориентирована на англоязычные вопросы и контексты. Лицензия — CC BY 4.0.

Это система извлекающего ответа на вопросы, созданная дообучением BERT-base-uncased для работы с текстами устной речи. Она использует архитектуру BERT с 136,7 млн параметров и предназначена для ответов по расшифровкам разговоров, интервью и других устных материалов. Модель обучалась на Spoken-SQuAD, где текстам добавляли шум, имитирующий разные уровни ошибок распознавания речи; контекстное окно составляет 512 токенов. На тестах Spoken-SQuAD F1 составил 74,15% без дополнительного шума, 55,2% при WER 44,22% и 42,24% при WER 54,82%. Модель обрабатывает английский текст и возвращает извлечённый из контекста ответ. Для использования требуется библиотека Transformers; веса доступны в форматах PyTorch и safetensors. Лицензия в предоставленных данных не указана.

CataLlama-v0.2-Instruct-SFT — авторегрессионная плотная языковая модель семейства Llama 3 с 7,5 млрд параметров, разработанная Лауренциу Петреа на основе CataLlama-v0.2-Base от catallama и дообученная методом SFT на наборе Catalan-Instruct-V2. Контекст модели составляет 8192 токена; она распространяется в формате safetensors и предназначена для диалогового взаимодействия и генерации текста по инструкциям. Модель ориентирована прежде всего на работу на каталанском языке: извлечение информации для RAG, распознавание именованных сущностей, перевод между каталанским и английским, краткое и развёрнутое суммирование, анализ тональности и чат. В карточке сообщается об улучшении относительно CataLlama-v0.1 на перечисленных задачах и приведены результаты тестов MMLU и GSM8K, однако эти показатели не гарантируют качество в прикладных сценариях. Лицензия — Llama 3 Community License. Карточка указывает, что базовые условия Llama 3 ограничивают предполагаемое применение английским языком, но также допускают дообучение для других языков при соблюдении лицензии и Acceptable Use Policy; поэтому условия использования каталанской версии следует сверять с актуальными положениями лицензии.

EvoQwen2.5-VL-Retriever-3B-v1 — мультимодальная модель поиска по визуальным документам, разработанная ApsaraStackMaaS. Она основана на Qwen2.5-VL-3B-Instruct и дообучена методом Evo-Retriever; использует плотные многовекторные представления и позднее взаимодействие для сопоставления текстовых запросов с изображениями документов. Модель содержит 3,1 млрд параметров, принимает изображения и текстовые запросы, а на выходе формирует векторы для оценки релевантности. Указанная длина контекста — 128 000 токенов. Модель предназначена для поиска нужных страниц и сведений в визуально сложных документах, включая запросы на естественном языке к содержимому изображений. В README заявлено преимущество по точности над моделями сопоставимого размера и пригодность для сценариев с ограниченными ресурсами; приведены примеры текстового поиска по изображениям. Для загрузки и обработки в README перечислены Transformers, Torch, Pillow и colpali-engine. Лицензия — Apache-2.0. Данные карточки указывают английский язык; поддержка других языков не подтверждена. Оценочные таблицы в README опущены, поэтому количественные показатели качества проверить по предоставленным сведениям нельзя.

FRIDA-GGUF — GGUF-версия модели FRIDA, разработанная командой SaluteDevices AI for B2C RnD Team; версию в формате GGUF создал Pavel Rykov. Исходная модель FRIDA разработана на основе encoder-части FRED-T5 и представляет собой дообученную модель для получения текстовых embedding-векторов. Она предварительно обучалась на русско-английском наборе данных и затем дообучалась для повышения качества на целевых задачах. Модель предназначена для семантического поиска и извлечения релевантных документов, определения перефразирования, дедупликации, категоризации текстов, анализа тональности, группировки по темам и задач textual entailment. Для разных сценариев рекомендуется использовать специальные префиксы, включая search_query, search_document, paraphrase, categorize, categorize_sentiment, categorize_topic и categorize_entailment; для агрегации токенов рекомендуется CLS pooling. Модель поддерживает русский и английский языки, однако качество английской обработки в README не оценено. Максимальная длина входа ограничена 512 токенами. Сильной стороной модели является специализация на русскоязычных задачах текстовых embedding-векторов и наличие отдельных режимов для различных типов семантического сопоставления. При необходимости модель можно дополнительно дообучить на качественных русских и английских датасетах. Размер модели, размерность embedding-векторов и точные результаты бенчмарков в README не указаны. Модель распространяется по лицензии MIT.

German-RAG-PHI-3.5-MINI-4B-SFT-HESSIAN-AI — авторегрессионная языковая модель на базе Transformer, разработанная командой Avemio AI при поддержке Hessian AI. Модель дообучена для сценариев генерации с использованием найденных документов и предназначена прежде всего для немецкоязычного рынка. В метаданных указаны архитектура Llama, 3,7 млрд параметров и контекст до 131 072 токенов; веса доступны в формате safetensors. Модель отвечает на вопросы по предоставленному контексту, извлекает релевантную информацию, составляет краткие сводки и выполняет задачи рассуждения. README также описывает обучение на примерах RAG и поддержку немецкого и английского языков. Лицензия в метаданных Hugging Face — MIT; README указывает Apache 2.0, поэтому сведения о лицензии расходятся и требуют проверки перед использованием. Ответы могут содержать фактические ошибки, а без фильтрации модель способна выдавать вредоносный или чувствительный контент. Результаты следует проверять, а для пользовательских приложений учитывать риски предвзятости и генерации небезопасного текста.

Hermes-2-Pro-Mistral-7B-GGUF — это GGUF-квантизации языковой модели Hermes-2-Pro-Mistral-7B, разработанной NousResearch на базе Mistral-7B-v0.1. Квантизации подготовлены bartowski с использованием llama.cpp. Модель предназначена для генерации текста и диалогового взаимодействия, включая задачи инструкционного общения, чат-сценарии, генерацию структурированного JSON и вызов функций. Модель представляет собой текстовую instruct-модель примерно на 7 млрд параметров, обученную с применением DPO и RLHF на данных, связанных с OpenHermes-2.5, включая синтетические данные и дистилляцию от GPT-4. Она ориентирована на английский язык и использует формат взаимодействия ChatML. Сведения о поддерживаемой длине контекста в README не указаны. Основное преимущество представленной версии — возможность локального запуска с различными уровнями квантизации. Вариант Q6_K отмечен как рекомендуемый и обеспечивает высокое качество при размере около 5,94 ГБ; более компактные варианты требуют меньше памяти, но могут заметно уступать по качеству, особенно Q2_K и Q3_K. К ограничениям относятся ориентация на английский язык, текстовая модальность и возможные потери качества при агрессивной квантизации. Указанная лицензия — Apache-2.0.

JEB-4B — дообученная szybkie.ai модель принятия решений на базе плотной Qwen3.5-4B, предназначенная для классификации и выдачи вероятностей по заданным вариантам ответа. Вместо генерации текста она за один проход оценивает типизированные вопросы о состоянии или тексте: даёт ответ «да/нет», выбирает вариант или выставляет оценку по шкале. Несколько вопросов к одному состоянию обрабатываются параллельно с общим префиксом. Модель дообучена с целевой функцией для принятия решений: ограниченный softmax по токенам ответов обучался на мягких метках, полученных от учителя с 176 млрд параметров. Это помогает выдавать более калиброванные вероятности; в карточке приведены результаты на тестах классификации AG News, SST-2 и TREC. Модель принимает текст и выдаёт распределение вероятностей по предложенным вариантам. Заявленные языки — английский и польский; базовая Qwen3.5 также обладает мультимодальными возможностями, но README описывает сценарии JEB-4B как текстовые. Модель подходит для классификации, маршрутизации запросов и извлечения типизированных суждений в программных системах. Калибровка проверена на ограниченном наборе оценивания и может ухудшиться на других данных; перед использованием нужны проверка на целевом распределении и настройка порогов. Модель не предназначена для медицинских, юридических, финансовых или критичных для безопасности решений без независимой проверки и участия человека. Весы выпущены под Apache-2.0; код JEB — под MIT.

Eraly-ml/KazBERT-Duplicates — модель на основе BERT, дообученная разработчиком Eraly-ml на KazBERT для классификации пар предложений на казахском языке. Она определяет, являются ли предложения точными, частичными, смысловыми или контекстными дубликатами, и подходит для поиска повторов, проверки текстов на плагиат и предварительной очистки корпусов. В метаданных указаны 137,8 млн параметров, контекст до 512 токенов и формат safetensors; модель доступна по лицензии Apache-2.0. В README приведены результаты оценки на отложенной выборке: точность и F1 составляют 91,05%. Модель ориентирована на казахский язык; качество может снижаться на специализированных юридических и медицинских текстах, а также на длинных или зашумлённых входах.

Kiwi COCO-LM base — модель-энкодер на архитектуре ModernBERT, разработанная автором репозитория на основе answerdotai/ModernBERT-base. Она продолжает предобучение исходных весов на корейских и английских корпусах с методом COCO-LM: обучение распознаванию заменённых токенов сочетается с восстановлением исходных токенов и контрастивным обучением последовательностей. Модель содержит около 159,4 млн параметров, использует словарь Byte-level BPE размером 64 000 токенов и принимает последовательности длиной до 8192 токенов. Энкодер предназначен для извлечения признаков и получения представлений текста, а также для дообучения под классификацию, распознавание именованных сущностей, ответы на вопросы и поиск. В бенчмарках авторы сообщают о результатах, сопоставимых с моделями близкого размера на корейских KLUE и английских GLUE задачах. Хотя в метаданных указан тег feature-extraction, автор предупреждает, что модель не подходит для обычного заполнения пропусков через [MASK] и не предназначена для генерации текста; для таких сценариев требуется другая модель или дообучение под задачу. Для загрузки рекомендуется Transformers версии 5 или новее. Лицензия — Apache-2.0.

ddobokki/ko-trocr — модель OCR для распознавания корейского текста на изображениях, созданная с использованием опыта, полученного на соревновании AI OCR Challenge 2023 от Kyowon Group. Она построена по архитектуре VisionEncoderDecoder: энкодер взят из TrOCR base stage 1, а декодер использует KR-BERT-char16424. Токенизатор декодера поддерживает начальные согласные корейских слогов, что помогает распознавать символы, которые иначе могли бы отображаться как неизвестные токены. Модель обучалась на наборах AI Hub для распознавания корейских символов в разных формах и OCR государственных административных документов. Репозиторий содержит веса PyTorch и safetensors; лицензия — Apache-2.0. Карточка ориентирует модель на корейский язык и задачу извлечения текста из изображений.

Kurage — японская модель для сценариев RAG, разработанная Lightblue. Она основана на плотной архитектуре Qwen2 и содержит 7,1 млрд параметров; модель принимает текст и рассчитана на генерацию ответов в диалоговом формате. Контекстное окно составляет 32 768 токенов, лицензия — Apache-2.0. Модель находит подходящие фрагменты среди нескольких контекстов и формирует ответ, либо обрабатывает контексты по одному для параллельного поиска. Она также умеет расширять краткие ответы, отвечать на японском по текстам на других языках и генерировать пары вопросов и ответов по исходному тексту для подготовки индекса. Обучающие данные включали фрагменты документов MADLAD-400, синтетические вопросы и ответы, а также отрицательные примеры, отобранные с помощью BAAI/bge-m3. Модель предназначена прежде всего для японских RAG-систем. В режиме обработки одного фрагмента она иногда ошибочно заявляет, что не может ответить на вопрос, хотя нужный ответ содержится в контексте. Качество межъязыкового поиска и ответа зависит от вопроса и языка источника.

LFM2-2.6B — компактная языковая модель Liquid AI для запуска ИИ на устройствах и периферийном оборудовании. Это плотная гибридная авторегрессионная модель семейства LFM2 с 2,4 млрд параметров по метаданным и 30 слоями: 22 блока коротких свёрток и 8 блоков внимания GQA. Модель принимает текст и генерирует текст; поддерживает контекст до 128 000 токенов по метаданным. Карточка также указывает, что эта версия использует динамический гибридный режим рассуждений для сложных и многоязычных запросов. Модель предназначена для диалогов, извлечения данных, RAG, творческого письма и агентных сценариев, в том числе на смартфонах, ноутбуках и в автомобилях. В карточке заявлены высокая скорость обучения и вывода, а также работа на CPU, GPU и NPU. Для узких задач разработчик рекомендует дополнительную настройку. Модель не рекомендуется для задач, требующих обширных знаний или программирования. Поддерживаемые языки: английский, арабский, китайский, французский, немецкий, японский, корейский и испанский; основного языка среди них не выделено. Лицензия указана как other, поэтому конкретные условия следует проверять на странице репозитория Hugging Face.

LinkBERT-large — англоязычный BERT-подобный трансформерный энкодер, разработанный Michiyasunaga и соавторами и представленный в статье LinkBERT: Pretraining Language Models with Document Links (ACL 2022). Модель предварительно обучена на статьях английской Википедии с учётом гиперссылок между документами, чтобы усваивать связи и знания, распределённые по нескольким текстам. Модель предназначена для дообучения под задачи классификации текста и последовательностей, ответов на вопросы, разметки токенов, чтения и поиска информации между документами. Её также можно использовать как энкодер для извлечения признаков и представлений текста. LinkBERT-large содержит 432,3 млн параметров, поддерживает контекст до 512 токенов и распространяется в формате PyTorch. Учёт связей между документами может быть полезен для задач, требующих объединения сведений из разных источников. Модель не является готовой системой для конкретной задачи: для прикладного использования её обычно требуется дообучить. Лицензия — Apache-2.0.

LongLLaMA-3B — языковая модель с авторегрессионной архитектурой LongLlama, разработанная авторами метода Focused Transformer на основе OpenLLaMA-3B. Модель содержит 3,3 млрд параметров и дообучена методом FoT для работы с длинным контекстом. Репозиторий предоставляет веса PyTorch и Safetensors по лицензии Apache-2.0. Модель предназначена для генерации текста, ответов на вопросы и извлечения сведений из длинных входных последовательностей. В карточке заявлена обработка контекста до 256 тыс. токенов и более; для этого вход разбивается на окна, а механизм памяти сохраняет ключи и значения выбранных слоёв. Обычный режим совместимости с реализацией LLaMA ограничен контекстом в 2048 токенов. Авторы показывают результаты на извлечении ключевой фразы, классификации вопросов TREC и ответах на вопросы WebQS. К заявленным преимуществам относятся расширение контекста без обучения на последовательностях такой длины и сохранение результатов на короткоконтекстных задачах. Качество на очень длинных последовательностях зависит от специального механизма обработки контекста и настроек памяти; README приводит в основном иллюстративные оценки на отдельных задачах. В метаданных длина контекста указана как 2048 токенов, что соответствует базовому режиму без расширения контекста.

Bineric Lynx Instruct 30B — языковая модель компании Bineric из Осло, дообученная на основе Qwen/Qwen3-30B-A3B-Instruct-2507 для европейских языков с особым упором на норвежский, шведский, датский и исландский. Она предназначена для диалогов, генерации текстов и выполнения инструкций; в карточке указаны результаты оценки на задачах распознавания именованных сущностей, анализа тональности, чтения с пониманием и суммаризации на северных языках. Модель использует архитектуру Qwen3 MoE с 30 млрд параметров суммарно и примерно 3 млрд активных параметров на токен; контекстное окно составляет 262 144 токена. Репозиторий содержит веса Safetensors, библиотека запуска — Transformers. Карточка заявляет поддержку более 100 языков, а метаданные подтверждают английский, норвежский, шведский и датский; языки с основными оценками — также исландский. Доступны варианты в bf16, 8-битном и 4-битном представлении, причём квантование может снижать качество. Сильные стороны по приведённым оценкам — распознавание сущностей и понимание прочитанного на северных языках, а также датские тесты на знания. Слабее модель справляется с грамматическими суждениями, исландским здравым смыслом и норвежскими идиомами. Лицензия — Apache-2.0; модель доступна для самостоятельного размещения и интеграции через API.

mmBERT-32K-YaRN — многоязычная модель семейства ModernBERT, разработанная для Semantic Router и семейства Mixture-of-Models проекта vLLM. Она расширяет jhu-clsp/mmBERT-base с 8 192 до 32 768 токенов контекста с помощью масштабирования RoPE методом YaRN. Модель содержит около 307 млн параметров и использует архитектуру ModernBERT с Flash Attention 2; доступны веса Safetensors и экспорт ONNX. Модель предназначена для понимания длинных документов, классификации запросов для семантической маршрутизации, классификации документов, поиска информации и других многоязычных NLP-задач с длинным контекстом. В README заявлена поддержка более 1 800 языков; метаданные перечисляют английский, немецкий, французский, испанский, китайский, японский, русский, арабский, корейский и португальский. Обучение продолжения на CC-100 описано как работа с последовательностями длиной 32 768 токенов. Для длинных фрагментов точность извлечения снижается при расстоянии свыше 2 048 токенов. Обучающие данные собраны из веб-страниц и могут содержать связанные с ними смещения; для обработки полного контекста 32K README указывает потребность примерно в 180 ГБ GPU-памяти при batch size 1. Лицензия — MIT.

Ops-Colqwen3-4B — мультимодальная модель встраиваний в стиле ColPali, разработанная командой Alibaba Cloud OpenSearch-AI на основе Qwen3-VL-4B-Instruct и дообученная для поиска по визуальным документам. Она кодирует текстовые запросы и страницы документов, включая изображения и PDF, в согласованное пространство многовекторных представлений для семантического поиска и ранжирования по сходству с использованием MaxSim. Модель содержит 4 млрд параметров, поддерживает контекст до 32 000 токенов, до 1 280 визуальных токенов на страницу и более 30 языков. Размерность векторов настраивается до 2 560; короткие префиксы размерностью 128 или 320 подходят для сценариев с ограничениями по памяти и задержке. В README сообщаются высокие результаты на бенчмарках Vidore v1–v3, однако они не гарантируют аналогичное качество на других данных. Модель предназначена для мультиязычного поиска по PDF и другим визуальным документам, например, в системах поиска по документам и RAG. Лицензия — Apache-2.0. Для работы README приводит зависимости Pillow, Transformers версии 4.57.0 или новее, qwen-vl-utils и PyTorch 2.8.0.

Perception Language Model (PLM) 3B — мультимодальная модель Meta для понимания изображений и видео, представленная в исследовании PerceptionLM: Open-Access Data and Models for Detailed Visual Understanding. Архитектура сочетает визуальный энкодер с языковым декодером на 3 млрд параметров; модель поддерживает диалоговый ввод с изображениями и предназначена для детального визуального анализа, включая пространственные и временные рассуждения. Модель подходит для ответов на вопросы об изображениях и видео, чтения текста на изображениях, анализа диаграмм и графиков, описания сцен и понимания последовательности событий. Авторы сообщают об обучении без дистилляции из проприетарных моделей и о наборе из 2,8 млн примеров с человеческой разметкой для улучшения понимания видео. В карточке приведены результаты на наборах тестов для изображений и видео; они не гарантируют точность на произвольных данных. Репозиторий содержит веса в формате safetensors для использования с Hugging Face Transformers. Лицензия указана как other, поэтому условия использования следует сверить с лицензией в репозитории и материалами проекта.

PP-LCNet_x0_25_textline_ori_onnx — компактная модель PaddlePaddle в формате ONNX для классификации ориентации строк текста на изображениях. Она предназначена для этапа предварительной обработки в OCR-конвейерах: определяет направление текстовой строки, после чего ориентацию изображения можно скорректировать постобработкой. Модель подходит для обработки сканов документов и фотографий удостоверений или сертификатов, в том числе когда устройство захвата было повернуто. Предварительное определение ориентации помогает повысить точность последующего распознавания текста. В карточке указаны поддержка английского и китайского языков и лицензия Apache 2.0.

PaddlePaddle/PP-OCRv6_medium_det_onnx — модель обнаружения текстовых строк из семейства PP-OCRv6, разработанная PaddlePaddle для библиотеки PaddleOCR. Она предназначена для OCR-сценариев, в которых требуется находить области текста на изображениях перед последующим распознаванием символов, например при обработке документов, фотографий, скриншотов и других изображений с текстом. Модель поставляется в формате ONNX и относится к задачам image-to-text и text line detection. В карточке указано, что модель связана с языками английским и китайским, однако подробные сведения об архитектуре, точном количестве параметров, размере входных данных, длине контекста и поддерживаемых типах изображений не приведены. К сильным сторонам относятся специализация на обнаружении текстовых строк и возможность использования в ONNX-совместимой инфраструктуре; характеристики точности, производительности и ограничения README не уточняет. Модель распространяется по лицензии Apache 2.0.

PP-OCRv6_tiny_det — компактная модель обнаружения текстовых областей из семейства PP-OCRv6, разработанного командой PaddleOCR. Она использует LCNetV4 в качестве backbone и RepLKFPN в качестве шеи пирамиды признаков; размер модели — 0,43 млн параметров. Это детектор, который находит текст на изображении, включая рукописный, печатный, повёрнутый, изогнутый и художественный текст. Модель предназначена для лёгких OCR-систем и сценариев развертывания на периферийных устройствах; для распознавания найденных символов нужен отдельный модуль распознавания. В карточке заявлена поддержка 48 языков для семейства PP-OCRv6; метаданные репозитория указывают английский и китайский. Веса представлены в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не приводит отдельные метрики качества для tiny-детектора.

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

QuantFactory/Qwen2.5-0.5B-Instruct-GGUF — квантованная версия Qwen2.5-0.5B-Instruct, подготовленная QuantFactory с использованием llama.cpp на основе модели Qwen Team, разработанной Alibaba Cloud. Модель предназначена для генерации текста, чат-ботов, следования инструкциям, работы со структурированными данными и вывода в формате JSON, а также для задач программирования и математики. Это каузальная языковая модель на архитектуре transformers с RoPE, SwiGLU, RMSNorm, смещениями в attention QKV и связанными эмбеддингами слов. Она содержит около 0,49 млрд параметров, включая 0,36 млрд параметров без учёта эмбеддингов, 24 слоя и Grouped-Query Attention с 14 головами Q и 2 головами KV. Поддерживаются контекст до 32 768 токенов и генерация до 8 192 токенов. Модель мультиязычная и заявлена для более чем 29 языков, включая английский, китайский, русский, французский, испанский, немецкий, итальянский, японский, корейский, вьетнамский, тайский и арабский. К сильным сторонам относятся небольшой размер, улучшенное следование инструкциям, обработка длинных текстов, структурированных данных, программирования и математики. К ограничениям относятся меньшая ёмкость по сравнению с крупными моделями и отсутствие заявленных возможностей работы с изображениями или другими модальностями. Модель распространяется по лицензии Apache-2.0.

Карточка модели rgtjf/Qwen2-UtK-72B-128K на Hugging Face совпадает с карточкой rgtjf/Qwen2-UtK-7B-128K, поэтому описание составлено по ней. Qwen2-UtK-7B-128K — языковая модель на основе Qwen2-7B, дообученная командой проекта Untie the Knots для работы с длинным контекстом. Это плотная авторегрессионная модель с 7,1 млрд параметров; её контекстное окно составляет до 131 072 токенов. Веса доступны в формате safetensors, лицензия — Apache-2.0. Модель предназначена для генерации текста и поиска нужной информации в длинных последовательностях. Метод Untie the Knots продолжает предобучение на перемешанных фрагментах документов, чтобы улучшить выделение релевантных сведений при большом контексте. В README приведены результаты оценки на RULER для 128K контекста; указанный пример обслуживания использует vLLM. Карточка сообщает о поддержке английского и китайского языков. Модель основана на Qwen2-7B с изменённым параметром RoPE theta: 5 000 000 вместо 1 000 000. README описывает отдельную инструктивную версию ChatQA2, но эта карточка относится к базовой модели UtK, поэтому её не следует считать чат-моделью ChatQA2. Практическое качество зависит от задачи и длины входа; результаты README не гарантируют такую же точность на других данных и сценариях.

RentedNoodle/Qwen3.8-27B-GSQ-RCO-IQ3_XXS-Uncensored — это квантизированная GGUF-версия модели Qwen3.8-27B, созданная на основе abliterated-чекпойнта huihui-ai/Huihui-Qwen3.8-27B-abliterated. Это не новая дообученная модель: снижение выраженности отказов унаследовано от Huihui, а квантизация выполнена по методологии GSQ/RCO, разработанной ISTA-DASLab. Модель ориентирована на генерацию текста, диалоги, рассуждения, программирование, извлечение информации, работу с инструментами и мультимодальные сценарии, заявленные для базовой Qwen3.8. В README явно указаны английский и китайский языки, а также поддержка long-context и vision; конкретные характеристики мультимодального ввода для этого файла отдельно не подтверждены. Модель использует смешанную 3-битную квантизацию IQ3_XXS с размером файла около 9,75 GiB и примерно 27,3 млрд параметров. Сохранена MTP-head для speculative decoding, а 96 чувствительных тензоров оставлены в BF16. Заявлен контекст до 196K токенов с KV-кэшем q4_0 на видеокарте с 16 ГБ памяти, однако полноценная точность извлечения на всём окне 196K ещё не подтверждена: основные проверки проводились при 32K и 64K. Есть шаблон froggeric-qwen3.8-tool-use.jinja для вызова инструментов. Сильные стороны модели — возможность размещения большого контекста на одной 16-ГБ GPU, поддержка MTP и заметное ускорение генерации при совместимом llama.cpp, а также хорошие результаты в тестах извлечения из контекста, базового tool calling, связности диалога и смешанных задач. Ограничения связаны с потерями качества из-за квантизации и abliteration: для конкретного файла GPQA-Diamond составил 60,6% без рассуждений и 61,6% с рассуждениями, а расширенный тест вызова инструментов дал 9/14. Снижение отказов не гарантирует универсального соблюдения запросов, поэтому ответственность за безопасное и соответствующее требованиям использование несёт развёртывающая сторона. Модель распространяется по лицензии Apache-2.0.

NovaeonStudio/Qwen3.8-Flash-Next-Uncensored-oQ3e-fp16-mtp — сборка Novaeon.Studio на базе orcarouter/Qwen3.8-Flash-Next-Uncensored. Это неконтентно-ограниченная мультимодальная MoE-модель с поддержкой изображений, подготовленная для запуска через oMLX на компьютерах Apple Silicon с большим объёмом оперативной памяти, прежде всего на системах с 128 ГБ и более. Модель предназначена для генерации текста, объяснений, рассуждений, анализа изображений, работы с длинными контекстами и интеграции с инструментами. Архитектура обозначена как qwen4_exp: 48 слоёв, скрытое представление размерностью 2560, 512 экспертов, из которых активно 10, сочетание линейного внимания GatedDeltaNet и полного внимания, а также PLE/n-граммный стек эмбеддингов и 27-слойная vision-башня с размерностью 1152. Поддерживаются английский язык и контекст до 262 144 токенов. Сохранён нативный MTP-модуль для спекулятивного декодирования; в измерениях на Apple M5 Max он повысил скорость генерации примерно на 67%. Квантование oQ3e использует преимущественно 3-битное представление с выборочными участками повышенной точности и fp16 для критически важных компонентов. Размер модели составляет около 85,2 ГБ на диске и 79,5 ГБ в памяти oMLX. Сильные стороны модели — связная генерация, рассуждения, анализ изображений, извлечение данных из контекста длиной до 80 тысяч токенов и отсутствие отказов на проверенных запросах. Ограничение — слабая надёжность параллельных и многошаговых вызовов инструментов, поэтому модель не является оптимальным выбором для сложных агентных сценариев. Сборка носит экспериментальный характер и требует версии oMLX с поддержкой исправленного загрузчика qwen4_exp, начиная с 0.7.0.dev2. Распространяется по лицензии Apache-2.0.

Qwen-SEA-LION-v4-4B-VL — мультимодальная модель с 4 млрд параметров, разработанная AI Products Pillar компании AI Singapore при финансировании Национального исследовательского фонда Сингапура. Она создана дообучением Qwen/Qwen3-VL-4B-Instruct на примерно 9 млн примеров инструкций для адаптации к языкам и культурному контексту Юго-Восточной Азии. Модель использует архитектуру Qwen3-VL и принимает изображения и текст, отвечая текстом; поддерживает диалог и интерфейс вызова инструментов. Модель предназначена для визуальных вопросов и ответов, описания изображений, OCR, многоязычного общения и других задач на стыке текста и изображений. В первую очередь она адаптирована к бирманскому, индонезийскому, филиппинскому, малайскому, тамильскому, тайскому и вьетнамскому языкам; также обучалась на английском. Заявленное окно контекста — 256 тыс. токенов. Оценки охватывают общие языковые задачи, диалог, следование инструкциям, визуальные вопросы и описание изображений. Лицензия — MIT. Авторы отмечают, что модель не проходила выравнивание по безопасности и не проверялась на устойчивость к состязательным запросам; возможны галлюцинации и нерелевантные ответы, поэтому результаты следует проверять.

Qwentile 2.5 32B Instruct — экспериментальная текстовая модель для генерации и диалогов, созданная автором карточки путём интерполяции и объединения нескольких моделей семейства Qwen2.5 в пространстве сигналов. В метаданных указана архитектура Qwen2ForCausalLM с 32 млрд параметров и контекстом 32 768 токенов; модель работает через Transformers и распространяется в формате safetensors. Модель предназначена для диалогов, задач на рассуждение и генерации структурированных ответов, в частности XML. Автор отмечает хорошую управляемость инструкциями и стабильность вывода, однако модель иногда пропускает закрывающие XML-теги, поэтому такие ответы следует проверять и при необходимости исправлять. Лицензия — Apache-2.0.