I.3Извлечение и структурирование данных

Nemotron 3 Diarization — модель NVIDIA с открытыми весами для диаризации речи: она определяет, кто и в какие моменты говорил в аудиозаписи. Модель поддерживает потоковую обработку и обработку готовых записей, в том числе длительных аудио при работе чанками, и рассчитана на записи с числом говорящих до восьми. В метаданных указана архитектура Nemotron3DiarizationForAudioFrameClassification и библиотека NeMo; доступны веса в safetensors и квантованный вариант GGUF Q8_0. Модель подходит для разметки реплик в интервью, совещаниях и других многоголосых записях. В потоковом режиме настраивается входная буферная задержка: карточка указывает минимум 80 мс, рекомендует не менее 0,32 с и приводит конфигурации для задержки от 0,64 с; задержка не включает время вычислений. Разрешение выходных кадров настраивается с шагом 10 мс. Лицензия OpenMDW 1.1 допускает коммерческое и некоммерческое использование согласно карточке модели. Для работы с массивами аудиоданных нужно указывать корректную частоту дискретизации; по умолчанию используется 16 кГц. Модель определяет говорящих и временные границы их речи, но сама по себе не распознаёт слова.

Модель samandar1105/news-classifier — классификатор новостных статей на основе DistilBERT, дообученный на датасете AG News из 120 000 обучающих примеров. Она относит текст к одной из четырёх категорий: World, Sports, Business или Sci/Tech. Модель предназначена для автоматической тематической сортировки новостей и разметки новостных потоков. Архитектура — DistilBertForSequenceClassification; модель принимает текст и выдаёт метку класса. Контекст составляет до 512 токенов. В README указаны accuracy и F1 по 0,9447; лицензия в предоставленных данных не приведена.

Карточка модели birgermoell/oellm-9b-256k-theta64m-prelude на Hugging Face совпадает с карточкой openeurollm/oellm-9b-256k-theta64m-prelude, поэтому описание составлено по ней. OELLM 9B — 256K context (ABF, θ=64M) — prelude — базовая плотная языковая модель OpenEuroLLM на архитектуре Qwen3. Это продолжение предобучения модели prelude с контекстным окном до 262 144 токенов; модель не настроена для следования инструкциям. В README указаны 9B параметров, тогда как метаданные Hugging Face указывают 8B. Модель поддерживает 37 европейских языков, включая английский, немецкий, французский, испанский, польский и украинский; метаданные подтверждают языковые теги для части этого набора. Модель предназначена для генерации продолжений и работы с длинными текстами, в том числе поиска сведений на разных позициях в контексте до 256K токенов. По оценке single-needle NIAH из README, результат на 256K составил 90% на 185 испытаниях в семи языках; более широкая оценка RULER ещё не проводилась. Для обработки контекста 256K требуется несколько GPU. Для такого режима README рекомендует сохранять rope_theta=64000000 и max_position_embeddings=262144. Модель распространяется по лицензии Apache-2.0. Поскольку это базовая модель без инструкционной настройки, она ориентирована на продолжение текста, а не на диалоговое следование запросам; также отмечен умеренный эффект «потери в середине» контекста.

PP-LCNet_x0_25_textline_ori_safetensors — модель PaddlePaddle на архитектуре PP-LCNet, предназначенная для классификации ориентации строк текста на изображениях. Она помогает предварительно определить поворот текста и скорректировать его при постобработке, чтобы повысить качество OCR в сценариях сканирования документов и съёмки удостоверений или сертификатов, когда камера может быть повёрнута. Модель принимает изображение и выдаёт класс ориентации строки; в карточке указана поддержка английского и китайского языков. Вес модели опубликован в формате safetensors, лицензия — Apache-2.0. Число параметров и длина контекста в предоставленных данных не указаны.

OpenMed разработала OpenMed/privacy-filter-multilingual-v2 — мультиязычную модель для извлечения персональных данных из текста. Это полноценно дообученная на базе openai/privacy-filter модель с архитектурой MoE и BIOES-головой классификации токенов. Она размечает фрагменты по 54 категориям PII, используя 217 меток BIOES. В метаданных указано 145,4 млн параметров и контекст до 131 072 токенов; карточка описывает исходную базовую модель как MoE на 1,4 млрд параметров с 50 млн активных параметров на токен. Модель предназначена для обнаружения и последующего маскирования персональных данных в многоязычных текстах; обёртка OpenMed также поддерживает извлечение сущностей и деидентификацию с заменой значений. Поддерживаются арабский, бенгальский, китайский, нидерландский, английский, французский, немецкий, хинди, итальянский, японский, корейский, португальский, испанский, телугу, турецкий и вьетнамский языки. Весовые файлы представлены в формате safetensors, лицензия — Apache-2.0. Качество неравномерно: карточка отмечает более слабые результаты для японского, корейского, китайского и ряда языков с низкими ресурсами. Обучающие данные преимущественно синтетические, поэтому для реальных текстов и критически важных сценариев нужны доменная оценка и калибровка; модель не является специализированным решением для клинических медицинских данных и не заменяет проверку требований законодательства.

ThomasBaruzier/Qwen2.5-0.5B-Instruct-GGUF — это набор GGUF-квантизаций инструкционно дообученной языковой модели Qwen2.5-0.5B-Instruct, разработанной командой Qwen при Alibaba Cloud и подготовленной ThomasBaruzier для запуска с llama.cpp. Модель предназначена для генерации текста, диалоговых сценариев, следования инструкциям, работы со структурированными данными и создания структурированных ответов, включая JSON. Набор поддерживает варианты квантизации с размером примерно от 302 до 507 МБ, а также F16-версию размером около 949 МБ. Это каузальная Transformer-модель на 0,49 млрд параметров, из которых 0,36 млрд приходятся на параметры без эмбеддингов. Архитектура использует RoPE, SwiGLU, RMSNorm, bias в QKV attention, связанные входные и выходные эмбеддинги и Grouped-Query Attention с 14 головами для Q и 2 для KV; модель содержит 24 слоя. Полная длина контекста составляет 32 768 токенов, максимальная длина генерации — 8192 токена. Заявлена поддержка более 29 языков, включая китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский. К сильным сторонам относятся небольшой размер, возможность локального запуска, мультиязычность, улучшенное следование инструкциям, генерация длинных текстов, поддержка кода и математики, а также заметная устойчивость к разным системным промптам. Квантизации позволяют выбрать компромисс между размером, качеством и точностью: по приведённой таблице F16 обеспечивает наивысшие показатели, а более компактные варианты снижают требования к памяти, но могут ухудшать качество. Модель относится к текстовым, мультимодальность не заявлена. Лицензия — Apache-2.0.

Карточка модели Itchymaroo/Qwen2.5-1.5B-Instruct на Hugging Face совпадает с карточкой Qwen/Qwen2.5-1.5B-Instruct, поэтому описание составлено по ней. Qwen2.5-1.5B-Instruct — инструктивно дообученная языковая модель семейства Qwen2.5, разработанная командой Qwen. Она предназначена для диалогов и генерации текста по инструкциям, включая ответы на вопросы, создание длинных текстов и выдачу структурированных результатов, например JSON. Модель имеет плотную архитектуру причинного трансформера Qwen2 с RoPE, SwiGLU и RMSNorm и содержит 1,5 млрд параметров. Контекст составляет 32 768 токенов, максимальная длина генерации — 8 192 токена. Карточка описывает поддержку более 29 языков, включая русский и английский; метаданные указывают английский как язык карточки. Модель загружается через Transformers и распространяется по лицензии Apache-2.0. Среди сильных сторон — следование инструкциям, работа с длинными текстами и структурированными данными, а также интерфейс для вызова инструментов. Это компактная модель, поэтому её возможности ограничены по сравнению с более крупными языковыми моделями; оценочные результаты для этой конкретной версии в карточке не приведены.

dealignai/Qwen3.8-27B-JANG_6D-CRACK — квантованная версия модели Qwen/Qwen3.8-27B, разработанная dealignai для запуска на Apple Silicon через MLX. Это плотная гибридная vision-language модель с 27 млрд параметров и 64 слоями, сочетающая линейное внимание GatedDeltaNet с полным gated attention. Модель поддерживает текст, изображения и видео, работает на английском и китайском языках, умеет рассуждать, вызывать инструменты через XML-схему и использовать встроенную голову Multi-Token-Prediction для speculative decoding. Модель подвергнута CRACK-обработке — удалению поведения, связанного с отказами в ответах, на уровне весов. Поэтому она ориентирована на исследовательские и прикладные сценарии, где требуется максимальная готовность выполнять запросы в различных категориях, включая потенциально опасные. Рассуждение включено по умолчанию с уровнем xhigh; доступны уровни xhigh, medium и low, а также полное отключение рассуждений. Для данной JANG_6D-квантизации заявлен размер около 24 ГБ и примерно 6-битное affine-кодирование с imatrix. В тестах README указаны 89,12% на MMLU и 100% соответствия на HarmBench-240 по критерию выполнения запросов. Сильными сторонами являются сохранение мультимодальности, видеоанализа, рассуждений, вызова инструментов и многоязычности при существенно меньшем размере, чем у полной модели. Ограничения включают требование совместимого MLX-окружения и значительного объёма памяти, а также отсутствие защитных отказов, что повышает риск генерации небезопасного или вредоносного содержания. Максимальный размер контекста в README не указан. Модель распространяется под лицензией Apache-2.0.

Vishva007/Qwen3.8-27B-W4A16-AutoRound-GPTQ — квантованная версия модели Qwen/Qwen3.8-27B, подготовленная с использованием алгоритма Intel AutoRound. Базовая архитектура разработана командой Qwen; автор репозитория адаптировал её для более экономичного запуска. Модель относится к мультимодальным vision-language моделям и поддерживает сценарии обработки текста и изображений с генерацией текста, включая визуальное рассуждение и OCR. Модель содержит около 27 млрд параметров и использует формат W4A16: веса представлены в 4-битном виде, а активации — в 16-битном. Квантование выполнено с размером группы 64, симметричной схемой и калибровкой на 512 образцах. Vision tower сохранён в формате BF16, как и специальные MTP-слои, что должно помогать сохранять качество работы с изображениями. Заявленное потребление видеопамяти составляет примерно 16–18 ГБ против около 54 ГБ у исходной BF16-модели; это позволяет запускать модель на одной видеокарте с 24 ГБ памяти. В README приведён пример использования с vLLM и длиной контекста 4096 токенов, однако полный набор поддерживаемых языков и исходный максимальный контекст не указаны. К преимуществам относятся существенно сниженные требования к VRAM, потенциально более высокая скорость декодирования за счёт уменьшения нагрузки на пропускную способность памяти и сохранение vision tower в BF16. Ограничениями являются возможная потеря точности из-за 4-битного квантования, зависимость от совместимости используемого движка с AutoRound или GPTQ и отсутствие подробных результатов бенчмарков. Модель распространяется по лицензии Apache-2.0.

Qwen3.8-Flash-Next-DERISKED-W4A16-AWQ — мультимодальная языковая модель для работы с изображениями и текстом, разработанная как производная от Qwen3.8-Flash-Next. Базовую модель выпустила команда Qwen, вариант DERISKED создан Blackfrost-AI, а данная версия дополнительно подвергнута квантизации AWQ авторами репозитория davetha. Модель предназначена для сценариев image-text-to-text и рассчитана на запуск крупной MoE-модели класса 80B на двух AMD MI210. Используется формат compressed-tensors W4A16: веса представлены в 4-битном виде, активации — в bfloat16, размер группы — 128. Квантизированы маршрутизируемые эксперты и полные attention-слои, тогда как ряд чувствительных компонентов, включая GDN-слои, общий эксперт, нормы, эмбеддинги, MTP-голову и PLE-таблицу, сохранены в bf16. Поддерживается контекст до 262 144 токенов, MTP speculative decoding и PLE n-gram table. На связке vLLM и двух MI210 заявлены производительность prefill около 2200 токенов в секунду и decoding около 40 токенов в секунду с MTP при трёх speculative tokens; без спекулятивного декодирования — около 10 токенов в секунду. Сильные стороны модели — длинный контекст, мультимодальность, эффективное int4-хранение и ускорение MoE-вычислений. Ограничения включают зависимость от специфической конфигурации vLLM/ROCm, медленный bandwidth-bound decoding из-за потоковой загрузки примерно 100 ГБ PLE-таблицы по PCIe и ограничение speculative decoding тремя токенами на указанном стеке. Модель является abliterated/uncensored: защитное поведение отказа удалено, поэтому ответственность за применение лежит на пользователе. Распространяется по Qwen Community License 1.0; применяются условия лицензии базовой модели.

Baekpica/Qwen3.8-Flash-Next-Mixed-Quant-SSD-PLE-GGUF — производная квантованная версия модели Qwen3.8-Flash-Next, разработанная Baekpica на базе модели Qwen. Она распространяется в формате GGUF с mixed-quant квантованием и рассчитана на запуск с использованием SSD-PLE offload, в частности на системах DGX Spark. Модель относится к мультимодальному классу image-text-to-text и поддерживает обработку текстовых запросов и изображений, включая фотографии, снимки экрана и документы. Опубликованы варианты MQ-Q6-SSD-PLE-BF16 и MQ-Q5-SSD-PLE-BF16 с общим BF16 SSD-PLE sidecar; также доступен FP8 sidecar. Для модели заявлена проверка прямого prefill на 262 144 токенах, а связанный runtime поддерживает путь Qwen YaRN до 524 288 токенов, однако это подтверждает возможности программного стека, а не качество модели на таком контексте. В README приведены измерения производительности prefill и decode, оптимизации MTP, повторное использование кэшей и сквозная работа изображений через несколько API-совместимых интерфейсов. Сильные стороны модели — мультимодальность, варианты с разным компромиссом между качеством и потреблением памяти, поддержка SSD-PLE offload, длинного контекста и оптимизированного инференса. Ограничения включают зависимость от совместимого runtime и аппаратной конфигурации, необходимость выбора подходящего sidecar, а также отсутствие в README точных данных о числе параметров, языках, полном описании архитектуры и сравнении качества с исходной моделью. Лицензия указана как qwen-community-1.0; применяются условия лицензии Qwen, доступной по ссылке в карточке модели.

Qwen3 Embedding 0.6B LRAT Low-LR Continuation v1 — текстовая модель эмбеддингов семейства Qwen3, дообученная командой авторов на базе своего broad-g16-v2, происходящего от Qwen/Qwen3-Embedding-0.6B. Чекпойнт продолжает обучение на 80 517 предоставленных организаторами строках траекторий LRAT с размером группы 16, скоростью обучения 1,5e-7 и длительностью 0,5 эпохи. Несмотря на историческое имя front-success-v1 и подготовленные веса этапа, аудит показал, что эти веса не участвовали в функции потерь; эффективный метод — продолжение обучения с низкой скоростью обучения. Модель предназначена для создания текстовых эмбеддингов и задач поиска по сходству, в частности для экспериментов с извлечением информации по траекториям LRAT. Базовая архитектура — плотная Qwen3Model с 507,6 млн параметров, контекстом до 32 768 токенов и форматом safetensors. Модель унаследовала многоязычную основу Qwen3 Embedding; отдельный перечень поддерживаемых языков в данных не приведён. Для выбора чекпойнта использовалась агрегированная оценка с фиксированным seed в workflow BrowseComp-Plus Agent и Judge на Qwen3.5-4B; локальные результаты не заявлены как официальные. Обучение проводилось на данных организаторов. Лицензия — Apache-2.0.

kaiz0603 дообучил мультимодальную модель Qwen3-VL-4B-Instruct для диалогового взаимодействия с изображениями. Она принимает текст и изображения и формирует текстовые ответы; архитектура Qwen3-VL — плотная модель с 4 млрд параметров. Модель подходит для вопросов по изображениям, визуального анализа и OCR. В метаданных также заявлен интерфейс вызова инструментов, но сведения о его настройке в карточке отсутствуют. Модель распространяется по лицензии Apache-2.0.

Qwen3-VL-8B-Thinking — мультимодальная модель семейства Qwen3-VL от команды Qwen компании Alibaba Cloud, представленная в формате MLX fp16 для локального запуска на компьютерах Apple Silicon через NexaSDK. Это производная от Qwen/Qwen3-VL-8B-Instruct модель с 8 млрд параметров, предназначенная для диалога и рассуждений по тексту, изображениям и видео. Модель подходит для визуальных вопросов и ответов, анализа сцен, графиков и документов, объяснения результатов и многошагового анализа мультимодальных данных. Она принимает текст и изображения, в том числе последовательности видеокадров, и формирует текстовые ответы; README также заявляет структурированные цепочки рассуждений и JSON-ответы. Карточка отмечает многоязычные возможности, но не перечисляет конкретные языки или длину контекста. В README заявлены углублённое визуальное рассуждение и работа с длинным контекстом, однако конкретные тесты и количественные результаты не приведены. Модель распространяется под лицензией Apache-2.0, унаследованной от базовой модели Qwen/Qwen3-VL-8B-Instruct.

RetroMAE-Small — компактная модель семейства BERT, разработанная Seznam.cz и предварительно обученная с целевой функцией RetroMAE на чешском веб-корпусе. Она предназначена для получения семантических представлений предложений и решения задач поиска по смыслу и оценки сходства текстов. Модель содержит 27,2 млн параметров и принимает текст с контекстом до 512 токенов. Её можно применять для поиска похожих предложений, извлечения релевантных документов, кластеризации и классификации чешских текстов. Лицензия — CC BY 4.0.

RoBERTa-Base-MRQA — англоязычная модель для извлекающего ответа на вопросы, выпущенная VMware в рамках совместного исследовательского проекта с Innovation Foundry/AIM-AHEAD Lab при Howard University. Она принимает вопрос и контекстный фрагмент текста, затем выделяет ответ из этого фрагмента; подходит для поиска по текстам, чат-ботов и систем поддержки клиентов. Модель основана на RoBERTa-Base, имеет около 151,8 млн параметров и контекстное окно 514 токенов. Она обучена на 516 819 примерах датасета MRQA и доступна в форматах PyTorch и Safetensors. Карточка приводит результаты оценки по Exact Match и F1, но качество может снижаться на вопросах и текстах вне распределения MRQA. Модель рассчитана на английский язык и может хуже справляться с другими языками и узкоспециализированными знаниями. Лицензия — Apache-2.0.

sonoisa/sentence-bert-base-ja-mean-tokens — модель Sentence-BERT для японского языка, представленная разработчиком sonoisa. Она преобразует японские предложения в векторные представления для вычисления сходства и поиска семантически близких текстов. Карточка также отмечает существование версии 2 с точностью примерно на 1,5 процентного пункта выше. Модель основана на BERT, содержит 137,8 млн параметров и принимает последовательности длиной до 512 токенов. Она предназначена для извлечения признаков и построения эмбеддингов предложений; метаданные также указывают поддержку заполнения масок и оценки сходства предложений. Доступны веса PyTorch и Safetensors. Лицензия — CC BY-SA 4.0.

Это неизменённая копия конвейера pyannote/speaker-diarization-community-1, размещённая StillScript. Модель предназначена для диаризации аудиозаписей: определения участков речи и разметки того, кто говорил в каждый момент, включая случаи смены говорящего и перекрывающейся речи. Веса конвейера и компонентов segmentation, embedding и plda побайтно совпадают с upstream-репозиторием. Модель работает с аудио и выдаёт временную разметку говорящих. Копия опубликована в формате PyTorch; её лицензия — CC BY 4.0. README не сообщает размер модели, длину контекста или языковую специализацию.

VLAA-Thinker-Qwen2VL-7B — мультимодальная модель UCSC-VLAA для рассуждений по изображениям и тексту. Она дообучена на наборе VLAA-Thinking с применением supervised fine-tuning и reinforcement learning; модель построена на архитектуре Qwen2-VL и содержит 7,1 млрд параметров. Модель предназначена для диалоговых задач, где нужно анализировать изображение, связывать визуальные сведения с вопросом и давать обоснованный ответ. Среди подходящих сценариев — решение задач по диаграммам и графикам, визуальные вопросы и ответы, анализ документов и изображений с текстом, а также мультимодальные математические задачи. В README заявлены высокие результаты на OpenCompass Multimodal Reasoning Leaderboard по состоянию на 7 апреля 2025 года. Модель принимает текст и изображения, выдаёт текст; родной контекст составляет 32 768 токенов. Для инференса README требует включать обучающий системный промпт. Доступны веса в формате safetensors, используется Transformers, лицензия — Apache-2.0. Подробные инструкции по использованию промпта и код инференса приведены в README.

YOLOS Tiny для обнаружения рукописных подписей на изображениях документов. Модель разработал Mario DEFRANCE: он дообучил YOLOS Tiny от hustvl, основанную на Vision Transformer и обученную с функцией потерь DETR. Модель содержит 7,1 млн параметров и предназначена для поиска и локализации подписей в сканах договоров, форм и других документов. Она принимает изображения и выдаёт обнаруженные области с координатами и оценками. Модель компактна и в тестах автора показала более быстрое время инференса по сравнению с версиями YOLOS Small и Base; результаты замеров зависят от оборудования. Обучение проводилось на наборе из 2 819 изображений, объединённом из Tobacco800 и signatures-xc8up. Качество может снижаться на изображениях низкого качества, с шумом или необычными стилями подписей; возможны ложные срабатывания и пропуски. Модель рассчитана на обнаружение подписей, а не других объектов, и для важных юридических или финансовых решений требует проверки человеком. Лицензия — Apache 2.0.

ZOZ-Function-Master-3B — дообученная модель на 3,1 млрд параметров на базе Qwen2.5-3B-Instruct, разработанная для вызова функций, выбора инструментов и генерации структурированных JSON-ответов. Она использует плотную архитектуру Qwen2 и рассчитана на сценарии с агентами и локальное развёртывание; заявленная длина контекста — 32 768 токенов. Модель принимает текст и генерирует текст, включая аргументы вызовов функций и JSON. В карточке заявлены проверки типов, параллельные вызовы инструментов и разбор вложенных структур; приведённый общий результат тестирования — 83,3%, поэтому безошибочное соблюдение схем не гарантируется. Указана лицензия Apache-2.0.

Это модель Sentence-Transformers на базе XLM-RoBERTa, дообученная для преобразования предложений и абзацев в плотные векторы размерности 768. Она предназначена для поиска семантически близких текстов и кластеризации; в частности, README описывает дообучение с MarginMSELoss на примерах японско-английского и англо-японского сходства с заданными диапазонами косинусного сходства. Модель принимает текст и выдаёт эмбеддинги. Размер — 305,2 млн параметров, контекст — 514 токенов. Для запуска можно использовать Sentence-Transformers или Transformers с подходящей операцией pooling. В карточке указана архитектура XLM-RoBERTa и формат PyTorch. README сообщает о последующей дистилляции отдельной модели, но этот репозиторий описывает исходный этап дообучения. Лицензия в предоставленных данных не указана.

ALIA-40b-Instruct-2606 — языковая модель с инструкционной настройкой, разработанная Barcelona Supercomputing Center (BSC-LT). Это декодерная плотная трансформерная модель семейства Llama с 38,3 млрд параметров, построенная на базе ALIA-40b. Контекстное окно составляет 163 840 токенов. Модель предназначена для диалогов и выполнения инструкций: она отвечает на вопросы, учитывает контекст беседы и формирует структурированные ответы. Её постобучение включало адаптацию к длинному контексту, дообучение на 714 тысячах диалоговых примеров и выравнивание предпочтений методом DPO. Основной упор сделан на испанский, каталанский, баскский, галисийский и английский языки; качество на других языках не гарантируется. Модель не умеет самостоятельно вызывать внешние функции или API и не предназначена для автономного выполнения рабочих процессов. Её рассуждения и математические ответы могут быть ненадёжными, а код следует проверять. Разработчики предупреждают, что несмотря на настройку безопасности, возможны нежелательные ответы. Лицензия — Apache-2.0.

amad-vlm5 — мультимодальная модель распознавания текста на арабском письме, разработанная компанией Amad Software Solutions из Ирака и дообученная на базе Qwen/Qwen2.5-VL-7B-Instruct. Модель принимает изображение и возвращает его текстовую транскрипцию; предназначена для печатных, рукописных, исторических, сканированных и синтетических материалов, включая книги, рукописи, формы, снимки экрана и заметки. Это плотная vision-language модель семейства Qwen2.5-VL с 7 млрд параметров. Для плотных страниц она может сначала выдавать блок рассуждений, а затем транскрипцию; в приложении следует извлекать текст после последнего маркера </think>. В карточке приведены результаты KITAB-Bench, однако часть изображений пересекается с обучающими данными, а две ошибки с повторяющимся текстом заметно ухудшают CER. Модель предназначена прежде всего для арабского текста; другие языки не оценивались. Лицензия — Apache-2.0.

AMALIA-VL-SFT — открытая мультимодальная модель, разработанная консорциумом португальских университетов и исследовательских центров при поддержке правительства Португалии. Это дообученная версия AMALIA-9B-1225-DPO на архитектуре Llava Next: модель принимает изображения и текст, а отвечает текстом. Она предназначена прежде всего для европейского португальского языка и поддерживает также английский. Модель подходит для визуальных вопросов и инструкций, кратких ответов, пересказа и составления текста по изображениям, извлечения текста из изображений и вопросов по документам. Её также можно использовать для исследований португальского языка и как основу для дальнейшей адаптации. Лицензия — Apache-2.0. AMALIA-VL-SFT может выдавать фактически неверные или предвзятые ответы, а меры безопасности не гарантируют отсутствия вредного вывода. Для фактических задач рекомендуется использовать поиск по источникам и проверять ответы; перед применением в производственной системе модель следует оценить для конкретной задачи. Она оптимизирована для европейского португальского, поэтому качество для других языков и вариантов португальского может отличаться.

arabic-MARBERT-news-article-classification — модель Ammar-alhaj-ali для классификации арабских новостных статей. Это дообученная MARBERT на базе архитектуры BERT модель классификации последовательностей объёмом 190 млн параметров с контекстом до 512 токенов. Модель относит статью к одной из семи категорий: культура, финансы, медицина, политика, религия, спорт или технологии. Она предназначена для тематической разметки арабских новостей и построения каталогов или потоков новостей по рубрикам. Обучение проводилось на наборе SANAD: Single-Label Arabic News Articles Dataset. Для работы требуются входной текст статьи; результатом служит метка класса. Репозиторий содержит веса PyTorch и карточка предлагает использовать модель через Transformers pipeline. Лицензия в доступных данных не указана.

Argus-Colqwen3.5-2b-v0-bf16 — мультимодальная модель извлечения признаков для поиска по визуальным документам, разработанная группой Data Science Университета Инсбрука. Это релиз с весами bfloat16, полученный объединением LoRA с базовой Qwen/Qwen3.5-VL-2B-Instruct; модель содержит около 2,32 млрд параметров и формирует токенные эмбеддинги размерности 1024. Модель принимает текстовый запрос и изображение страницы документа, кодирует их для позднего взаимодействия и ранжирования страниц по релевантности. Её архитектура Argus использует разбиение визуальных токенов на регионы и разреженную смесь экспертов, маршрутизация которой зависит от содержимого изображения и запроса. Заявлены результаты на наборах ViDoRe v1 и v2; README указывает поддержку до 2048 визуальных токенов на страницу и возможность инференса на GPU с 8 ГБ памяти в bf16. Модель ориентирована преимущественно на английские документы. Качество на ViDoRe v3 не оценивалось, а преобразование весов в bf16 необратимо; заявленная сопоставимость с fp32 относится к оценкам этой 2B-версии на ViDoRe. Лицензия — Apache 2.0.

rithwik-db/bert-base-cased_banking77_10000 — модель Sentence-Transformers на архитектуре BERT, обученная представлять предложения и абзацы в виде плотных векторов размерности 768. Она предназначена для семантического поиска и кластеризации текстов; обучение проводилось с TripletLoss и евклидовой метрикой расстояния. Модель содержит 135,5 млн параметров, принимает текст, а её контекст ограничен 512 токенами. Модель подходит для поиска похожих запросов и группировки текстов по смыслу. Карточка не сообщает, на каких языках обучена модель или для какой предметной области она предназначена, поэтому её название само по себе не подтверждает специализированную поддержку банковских запросов. Лицензия в предоставленных данных не указана.

RusselKuAguilar/bert-base-cased-squad-extractive-qa — англоязычная модель BERT-Base с регистрозависимой токенизацией, дообученная на полном наборе SQuAD v1.1 для извлекающего ответа на вопросы. По вопросу и отрывку текста она находит фрагмент ответа непосредственно в контексте; модель содержит 135,5 млн параметров и поддерживает контекст до 512 токенов. Модель предназначена для поиска фактических ответов в статьях, документации и других текстовых материалах, в том числе как компонент чтения в RAG- и поисковых конвейерах. На валидационной выборке SQuAD v1.1 автор сообщает F1 88,21% и Exact Match 80,75%. Модель извлекает готовые фрагменты, а не генерирует пояснения или синтезированные ответы. Модель рассчитана на английский язык и использует веса в формате safetensors. При контексте длиннее 512 токенов важный фрагмент может быть отброшен, если текст не разбит на окна. Обучение на SQuAD v1.1 не предусматривает вопросов без ответа: модель всё равно выберет наиболее вероятный фрагмент. Лицензия — Apache-2.0.

bowdpr/bowdpr_wiki_triviaft — дообученный плотный ретривер для поиска ответов на вопросы, созданный на основе bowdpr/bowdpr_wiki. Модель использует архитектуру BERT с 136,7 млн параметров и кодирует предложения и абзацы в плотные векторы размерности 768. Для поиска по TriviaQA модель дообучали в два этапа с негативными примерами BM25 и примерами, найденными на первом этапе; дистилляция не применялась. Модель предназначена для семантического поиска и извлечения релевантных фрагментов по запросам, в том числе в QA-сценариях. Она принимает текст и выдаёт эмбеддинги; заявленная длина контекста — 512 токенов. В карточке не приведены сведения о лицензии, поэтому условия использования по имеющимся данным определить нельзя.