I.3Извлечение и структурирование данных

Mungert/bu-30b-a3b-preview-GGUF — это GGUF-квантизированная версия BU-30B-A3B-Preview, разработанной Browser Use на базе Qwen/Qwen3-VL-30B-A3B-Instruct. Модель предназначена для автоматизации работы в браузере через библиотеку browser-use: поиска информации, взаимодействия с веб-страницами, понимания DOM и визуального анализа интерфейсов. Она ориентирована на сценарии browser use и может запускаться локально или через совместимые серверы инференса. Модель представляет собой vision-language модель с архитектурой Mixture of Experts: 30 млрд параметров суммарно и около 3 млрд активных параметров. Поддерживает текстовые и визуальные входы, заявленный язык — английский, контекст — до 65 536 токенов. GGUF-файлы созданы с использованием llama.cpp; автор версии применяет дополнительное повышение точности отдельных важных слоёв при квантовании, что может улучшать качество на низких битностях, но увеличивает размер файлов. Сильные стороны модели — специализированное обучение для браузерных задач, понимание DOM и визуальное рассуждение при относительно небольшом числе активных параметров, благодаря чему она потенциально подходит для размещения на одной GPU. Ограничения включают предварительный статус версии, зависимость качества и требований к ресурсам от конкретного уровня квантования, а также заявленную ориентацию преимущественно на английский язык. Лицензия в предоставленной карточке модели не указана.

Kansallisarkisto/cyrillic-htr-model — модель распознавания рукописного текста на основе TrOCR, разработанная дообучением microsoft/trocr-large-handwritten. Архитектура vision-encoder-decoder принимает изображения рукописных строк и генерирует текст на кириллице. Модель предназначена для оцифровки архивных документов, исторических рукописей и транскрибирования рукописных заметок. Обучение проводилось на материале XVII–XX веков: в README указаны 740 страниц и более 30 000 строк текста. Для тестового набора примерно из 33 400 строк заявлена символьная ошибка CER 8. Модель поддерживает кириллическое письмо и распространяется по лицензии Apache 2.0. В README отмечено, что обучение в основном охватывает базовые символы кириллицы, поэтому распознавание других письменностей, редких знаков и разнообразных почерков может быть менее надёжным.

datagemma-2b — языковая модель, разработанная ed001 для генерации кода в области анализа данных по инструкциям на естественном языке. Она дообучена на базе CodeGemma-2B на наборе ed001/ds-coder-instruct-v2, сформированном фильтрацией общедоступных датасетов Hugging Face. Модель использует плотную архитектуру GemmaForCausalLM и содержит 2,5 млрд параметров; максимальная длина контекста — 8192 токена. Модель предназначена для помощи в написании кода для задач data science: пользователь описывает задачу текстом, а модель генерирует соответствующий код. В карточке указана лицензия MIT. Оценки качества и подробные ограничения в предоставленных источниках не описаны.

DeepSeek-V4-Flash-Vision-Exp — экспериментальная мультимодальная модель семейства DeepSeek-V4, разработанная DeepSeek AI. Она построена на архитектуре DeepSeek-V4-Flash, дополненной визуальными модулями и дообученной для понимания изображений. Модель предназначена для мультимодальных агентских сценариев, анализа визуальной информации, работы с диаграммами и задач, где требуется сочетать текстовые и графические входные данные. Для текстовых агентских задач она сохраняет сопоставимую с DeepSeek-V4-Flash-0731 производительность. В репозитории заявлена поддержка OpenAI-style сообщений с блоками изображений и компактного TXT-формата с тегами <image>. Доступны tokenizer, средства кодирования запросов и минимальная реализация инференса на PyTorch, включающая vision encoder и aligner, DFlash attention, Mixture-of-Experts, Hyper-Connections и DSpark forward path. Точные размер модели, длина контекста, перечень поддерживаемых языков и характеристики визуального входа в представленном README не указаны. Сильная сторона модели — улучшенные мультимодальные агентские возможности по сравнению с DeepSeek-V4-Flash-0731; в README приведены результаты на ApexBench, Agents' Last Exam, Chartography и ZeroBench, а также набор текстовых агентских бенчмарков. Ограничения включают экспериментальный статус и отсутствие подробных сведений о масштабах, языках и требованиях к аппаратному обеспечению. Репозиторий распространяется по лицензии MIT.

seomh/distilbert-base-uncased-finetuned-squad — англоязычная модель ответов на вопросы, разработанная как дообученная версия distilbert-base-uncased на наборе данных SQuAD. Она принимает текстовый контекст и вопрос и извлекает ответ из контекста; архитектура — DistilBERT с головой DistilBertForQuestionAnswering, а максимальная длина контекста составляет 512 токенов. В карточке приведено значение loss 0,0083 на оценочном наборе, но подробности оценки не описаны. Модель распространяется по лицензии Apache-2.0. Она предназначена для извлечения ответов из предоставленного текста и не предназначена для генерации развернутых ответов или надёжной работы за пределами английского языка и обучения на SQuAD.

NorskHelsenett/eti-granite-v1 — модель Sentence Transformers, дообученная Norsk Helsenett на базе ibm-granite/granite-embedding-311m-multilingual-r2. Она преобразует предложения и абзацы в нормализованные плотные векторы размерностью 768 для семантического поиска, сравнения текстов и поиска перефразирований; близость оценивается косинусным сходством. Архитектура основана на ModernBERT с пулингом CLS-токена. Веса доступны в формате safetensors; модель содержит 311,6 млн параметров. Модель подходит для поиска релевантных фрагментов в коллекциях документов, кластеризации текстов и подготовки признаков для классификации. README указывает максимальную длину последовательности 2048 токенов, тогда как метаданные сообщают нативный контекст 32768 токенов; фактический предел обработки следует сверять с используемой конфигурацией Sentence Transformers. Модель обучалась на парах и тройках текстов из датасета Norsk Helsenett, включая норвежские медицинские материалы, поэтому качество для других языков и областей может отличаться. Лицензия в предоставленных данных не указана.

EuroVLM-1.7B-Preview — мультимодальная модель зрения и языка, разработанная Unbabel совместно с Instituto Superior Técnico, Instituto de Telecomunicações, University of Edinburgh, Aveni, University of Paris-Saclay, University of Amsterdam, Naver Labs и Sorbonne Université при финансировании Европейского союза. Она основана на EuroLLM-1.7B и предназначена для работы с изображениями и текстом: модель описывает изображения, отвечает на вопросы по ним, выполняет инструкции с визуальным контекстом и анализирует документы, диаграммы и графики. Модель использует архитектуру LLaVA-NeXT с плотным трансформером EuroLLM и визуальным энкодером ViT на основе SigLIP2 SO400M. По карточке, языковая часть содержит 1,7 млрд параметров, а визуальный компонент — около 400 млн; контекст поддерживает до 32 тысяч токенов. Заявлена поддержка 39 языков, включая русский. Модель была настроена на многоязычных наборах для описания изображений, визуальных вопросов и ответов и мультимодальных рассуждений. Лицензия — Apache 2.0. Это предварительная версия, которая всё ещё разрабатывается. Возможны ошибки и галлюцинации в описаниях изображений, предвзятая интерпретация и нестабильность результатов между языками; карточка рекомендует осторожность при применении в производственной среде.

EviOmni — языковая модель для извлечения свидетельств из текстовых фрагментов в ответ на вопрос. Разработчик позиционирует её как модель рационального извлечения свидетельств с акцентом на качество, обобщение, эффективность и устойчивость; README показывает применение через диалоговый шаблон с вопросом и пассажами. Это дообученная модель Qwen2.5-1.5B-Instruct с плотной архитектурой Qwen2 и 1,5 млрд параметров, рассчитанная на текстовый ввод и текстовый ответ. Максимальная длина контекста — 32 768 токенов. Модель подходит для поиска подтверждающих фрагментов в наборах документов и построения ответов на вопросы с опорой на переданные пассажи. В README приведён пример запуска через Transformers; файлы весов представлены в формате safetensors. Лицензия — MIT. README не сообщает поддерживаемые естественные языки или результаты из раздела Performance, поэтому языковую специализацию и сравнительное качество определить нельзя.

Faro-Yi-34B — чат-модель на основе Yi-34B-200K, разработанная Wenbopan и дообученная на больших объёмах синтетических инструкционных данных из Fusang-V1. Она предназначена для диалогов и широкого круга задач по инструкциям, включая работу с длинными документами и сложными запросами. Модель использует плотную архитектуру семейства Llama с 33,9 млрд параметров и поддерживает контекст до 200 000 токенов. Она рассчитана на китайский и английский языки; для длинных входов автор рекомендует запуск через vLLM. Репозиторий содержит веса в формате safetensors, лицензия — MIT. Карточка заявляет улучшенное выполнение различных задач и устойчивую работу с длинным контекстом, но не приводит количественных оценок или результатов бенчмарков. Качество на других языках не заявлено.

Это GGUF-версия Gemma 4 31B — плотной мультимодальной модели Google, подготовленная пользователем satgeze на основе HauhauCS/Gemma4-31B-QAT-Uncensored-HauhauCS-Balanced-MTP. Веса заявлены как битово идентичные исходному выпуску HauhauCS; для базовой модели и QAT указывается Google. Модель предназначена для генерации текста, работы с очень длинными контекстами и анализа изображений в средах llama.cpp и Ollama. Она поддерживает чтение текста на изображениях и распознавание объектов, однако языки в README не указаны. Основной файл содержит 31B-параметрную модель с 4-битным QAT-квантизованием и встроенным масштабированием контекста до 1 048 576 токенов против исходных 262 144. Заявлена проверка Needle-in-a-haystack с результатом 10/10 на длинах от 262K до 1M токенов; эти результаты получены на одной H200 с F16 KV-кэшем и не являются универсальной гарантией для других конфигураций. Дополнительная MTP draft head поддерживает speculative decoding с заявленным ускорением до 46%, а отдельный vision tower обеспечивает мультимодальный ввод. Сильные стороны модели — сверхдлинный контекст, поддержка изображений, speculative decoding и готовность к запуску в llama.cpp. Ограничения включают высокие требования к памяти и времени обработки длинных запросов: для 1M токенов 31B-модели с F16 KV требуется около 82 ГБ KV-кэша. Качество «uncensored» и базовые возможности отдельно и независимо не бенчмаркались в представленном README; также не приведены сведения о поддерживаемых языках. Распространение осуществляется по лицензии Gemma, условия которой распространяются на эти файлы.

German-RAG-LLAMA-3.1-8B-MERGED-HESSIAN-AI — авторегрессионная языковая модель на архитектуре Transformer, разработанная командой Avemio AI при поддержке Hessian AI. Это объединённая модель семейства Llama 3.1 объёмом 7,5 млрд параметров, предназначенная для немецкоязычных RAG-систем и задач ответов на вопросы по предоставленному контексту. Она также подходит для извлечения релевантных сведений и краткого пересказа источников; в карточке заявлена поддержка немецкого и английского языков. Нативная длина контекста — 131 072 токена. Модель распространяется в формате safetensors и поддерживает чатовый режим. Метаданные Hugging Face указывают лицензию llama3.1, тогда как README заявляет Apache 2.0; лицензионные условия следует уточнить перед использованием. В оценке объединённая версия показала более низкий результат извлечения, чем варианты SFT и ORPO из той же серии. Ответы могут содержать фактические ошибки, а без фильтрации модель может генерировать вредный или чувствительный контент.

GigaChat Audio MLX — независимый порт модели ai-sage/GigaChat3.1-Audio-10B-A1.8B в формате BF16 для запуска на компьютерах Apple Silicon с библиотекой MLX. Модель принимает аудио вместе с текстовой инструкцией и формирует текстовый ответ: расшифровку речи, перевод, ответы на вопросы об аудио, анализ эмоций, поиск событий с временными отметками и сводки с таймкодами. Архитектура основана на DeepSeek V3; в метаданных указано 1,5 млрд параметров и контекст длиной 262 144 токена. Модель поддерживает русский и английский языки. Репозиторий содержит веса safetensors в BF16; для работы требуется среда Apple Silicon. Разработчики порта сообщают о завершённой обработке тестового аудиофрагмента длительностью 5 минут 17 секунд за 10,41 секунды на Apple M4 Pro с 48 ГБ памяти, однако совместимость с другими конфигурациями не подтверждена. Порт создан независимо от авторов исходной модели. Лицензия модели — MIT. Модель не выполняет диаризацию, потоковое распознавание с микрофона или синтез речи; факты, метки эмоций, сводки и временные отметки могут быть ошибочными и требуют проверки по аудио.

Harness-1 — поисковый агент на базе gpt-oss-20b, опубликованный pat-jj. Это дообученная и объединённая с базовой моделью контрольная точка; веса доступны в формате safetensors для Transformers. Модель предназначена для поиска и извлечения сведений из веб-материалов, патентов, финансовой отчётности SEC и корпуса BrowseComp+. README описывает обучение на 899 траекториях SFT и 3 453 примерах SEC для RL, а также указывает корпусные данные для поиска. Метаданные задают архитектуру GPT-OSS MoE, задачу генерации текста, чат-возможность и контекст до 131 072 токенов. Для работы с опубликованными корпусами потребуется отдельный поисковый контур; сам репозиторий модели содержит веса. Лицензия в предоставленных данных не указана.

HridaAI/Hrida-T2SQL-3B-128k-V0.1 — языковая модель HridaAI для преобразования запросов на естественном языке в SQL. Она предназначена для специалистов по данным и других пользователей, которым нужно формировать SQL-запросы по описанию задачи и схеме базы данных. В README описан шаблон с инструкцией, SQL-диалектом, схемой таблиц и пользовательским запросом; можно указать диалект, например MySQL, PostgreSQL или SQL Server. Модель основана на архитектуре Phi-3 и содержит 3,7 млрд параметров. В README заявлено контекстное окно 128 тыс. токенов, тогда как метаданные указывают native context в 4096 токенов; фактическую поддержку длинного контекста следует проверять при использовании. Репозиторий содержит веса Safetensors, библиотека — Transformers. Лицензия — Apache-2.0.

satgeze/Hy3-1M-GGUF — это GGUF-квантизированная версия модели Tencent Hy3, основанной на архитектуре hy_v3. Модель имеет MoE-архитектуру примерно на 299 млрд параметров, из которых около 17 млрд активны при генерации. Конвертация в GGUF и расширение контекстного окна выполнены сообществом; заявлена поддержка llama.cpp, включая MTP speculative decoding. Модель предназначена для генерации текста, рассуждений и работы с очень большими документами или наборами данных, где требуется контекст до 1 048 576 токенов. Для расширения контекста используется YaRN. Поддержка длинного контекста подтверждена тестами Needle-in-a-Haystack: достигнут результат 10/10 на длине до 786 тысяч токенов, тогда как на полном окне в 1 миллион токенов средний результат составил около 70% на иглу и зависит от случайного начального состояния. На 524 тысячах токенов многозвенное извлечение достигло 4/5. Доступны варианты с различной степенью квантования, включая IQ1_M, IQ2_M, Q2_K и Q4_K_M. Более агрессивные варианты требуют меньше памяти, но заметнее теряют качество; в README IQ2_M рекомендован как практический компромисс, тогда как IQ1_M описан как наиболее слабый. Для запуска нужен недавний mainline llama.cpp с поддержкой hy_v3 и MTP, а также исправленный шаблон чата chat_template_llamacpp.jinja. MTP показал сопоставимое с официальной реализацией Tencent поведение и может ускорять декодирование на CUDA, но эффективность зависит от порога уверенности и конфигурации. Модель распространяется по лицензии Apache 2.0. README не указывает поддерживаемые естественные языки и не содержит полноценных сравнительных оценок качества, поэтому её языковые возможности и общую точность следует проверять отдельно.

AndrewDry/iptc-taxonomy-classifier-swedish — модель классификации текстов на основе SetFit, обученная для распределения шведских текстов по 73 категориям таксономии IPTC. В модели используется Sentence Transformer на базе BERT и классификационная голова LogisticRegression; SetFit сочетает контрастивное дообучение энкодера с обучением классификатора на полученных признаках. Репозиторий содержит веса в формате safetensors, модель рассчитана на последовательности до 512 токенов по метаданным Hugging Face; в карточке SetFit также указан предел 128 токенов. Модель подходит для автоматической тематической разметки шведских новостных и других текстов по категориям, включая политику, экономику, медицину, науку, культуру и спорт. Архитектура BERT и метод SetFit предназначены для классификации с эффективным использованием размеченных примеров. Лицензия в предоставленных данных не указана.

jina-vlm — компактная мультиязычная модель зрения и языка от Jina AI. Она объединяет визуальный энкодер SigLIP2-So400M с языковым декодером Qwen3-1.7B-Base и содержит 2,4 млрд параметров. Для обработки изображений произвольного разрешения модель использует перекрывающиеся фрагменты и attention pooling, сокращая число визуальных токенов в четыре раза с сохранением пространственной информации. Модель предназначена для диалога по изображениям и мультимодального понимания: она отвечает на вопросы, описывает сцены и извлекает сведения из графиков, диаграмм и документов. README приводит результаты на VQA-бенчмарках, включая многоязычные наборы, а также описывает текстовый режим и извлечение признаков. В метаданных указаны поддержка чата и языки, в том числе английский, китайский, арабский, русский, немецкий, французский, испанский и японский. Модель доступна в формате Safetensors и рассчитана на использование через Transformers, vLLM или Jina API. По приведённым в README текстовым тестам она уступает базовой Qwen3-1.7B-Base на ряде показателей; OCRBench также не является лучшим среди сравниваемых моделей. Лицензия — CC BY-NC 4.0, допускающая использование с некоммерческими ограничениями.

JoyTag — модель компьютерного зрения, опубликованная fancyfeast и основанная на разработке fpgaminer, для автоматического многометочного тегирования изображений. Она прогнозирует более 5000 тегов в схеме Danbooru, причем каждый тег классифицируется независимо, поэтому модель может одновременно описывать несколько объектов, характеристик и визуальных признаков изображения. Модель построена на архитектуре ViT-B/16 с CNN-стемом и GAP-головой, принимает изображения размером 448×448 и содержит около 91,5 млн параметров. Она ориентирована на изображения от рисованных до фотографических и особенно полезна для подготовки датасетов, поиска и организации изображений, а также автоматического добавления тегов к изображениям для обучения моделей генерации. В репозитории доступны форматы Safetensors и ONNX, библиотека Transformers и pipeline image-classification. Модель выпущена под лицензией Apache-2.0. Ее точность зависит от порога классификации и распределения данных; исходный обучающий набор Danbooru ограничивает разнообразие и может усиливать смещение в сторону аниме и манга-контента. Это классификатор тегов, а не модель генерации изображений, описания естественным языком или распознавания текста.

Это диалоговая модель для преобразования запросов на естественном языке в SQL. Модель VikramPal дообучил методом LoRA на базе LiquidAI/LFM2.5-8B-A1B: обучение охватило 49 905 примеров диалогов о text-to-SQL, после чего веса были объединены и сохранены в формате bf16. Архитектура — LFM2 MoE; в метаданных указано 1,6 млрд параметров и контекст до 128 000 токенов. Карточка README приводит для этого чекпойнта подсчёт в 8 467 856 128 параметров, поэтому размер модели в источниках расходится. Модель предназначена для генерации SQL по описанию задачи и схемы базы данных. На 12 000 отложенных задачах text-to-SQL README сообщает 84,29% совпадения результатов выполнения запросов; показатель составил 72,02% на наборе Gretel и 88,50% на WikiSQL. Это оценка одной задачи, и она не подтверждает качество на других сценариях. Чекпойнт загружается через Transformers в bf16; для него указана лицензия other, поэтому перед использованием следует проверить условия лицензии в карточке Hugging Face.

KAI — модель для диалогов на основе архитектуры Llama 3.2, разработанная KILM AI Lab. Она дообучена на meta-llama/Llama-3.2-3B-Instruct и предназначена прежде всего для понимания и генерации текста на вьетнамском языке: ответов на вопросы, чтения с пониманием, извлечения информации и суммаризации. Модель содержит 3,2 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; для работы указана библиотека Transformers. Нативное окно контекста — 131 072 токена. В README приведены результаты оценки на вьетнамских наборах VMLU, ViSquad, ViDrop и ViDialog. Модель может галлюцинировать при работе с культурно-специфичными сведениями и хуже справляться со специализированными техническими областями. Лицензия указана как other, поэтому условия использования следует сверить с карточкой модели и лицензией базовой модели.

LocateAnything-3B — разработанная в рамках семейства Eagle компанией NVIDIA трансформерная зрительно-языковая модель на 3 млрд параметров. Она принимает изображение и текстовый запрос, а возвращает текст с метками и структурированными координатами объектов и точек. В архитектуру входят визуальный энкодер MoonViT, языковая модель Qwen2.5-3B-Instruct и MLP-проектор; модель дообучена для визуальной локализации. Модель предназначена для обнаружения объектов, поиска объектов по описанию, локализации элементов интерфейса и текста на изображениях, а также для разметки сцен в робототехнике, автономном вождении и работе с документами. Механизм Parallel Box Decoding предсказывает координаты блоками за один параллельный шаг; авторы заявляют до 2,5 раза более высокую пропускную способность по сравнению с предшествующими подходами. Поддерживается исходное разрешение изображений до 2,5K, длина запроса до 24K токенов и генерация до 8192 токенов. Модель ориентирована на разработчиков и исследователей, создающих системы визуального восприятия и мультимодальных агентов. В README выпуск обозначен как предназначенный для исследований и разработок; метаданные указывают лицензию other, поэтому перед использованием следует проверить условия лицензии репозитория. Модель обрабатывает визуальные сцены и формулирует локализацию в виде текстовых меток и координат.

openbmb/MiniCPM-V-4.6-AWQ — это мультимодальная модель для понимания изображений и видео, разработанная командой OpenBMB. Репозиторий содержит AWQ-квантизованную версию W4A16 базовой модели MiniCPM-V 4.6 с использованием AutoAWQ; исходная модель построена на SigLIP2-400M и языковой модели Qwen3.5-0.8B. Модель предназначена для анализа одного и нескольких изображений, видео, визуального вопросно-ответного взаимодействия, распознавания текста и других задач vision-language. Она ориентирована на эффективное развертывание на периферийных устройствах, включая смартфоны и системы iOS, Android и HarmonyOS. Архитектура использует смешанное сжатие визуальных токенов 4x/16x, что позволяет выбирать баланс между скоростью и точностью. Заявлена поддержка интеграции с Transformers, vLLM, SGLang, llama.cpp и Ollama, а также дообучения через SWIFT и LLaMA-Factory. К сильным сторонам относятся компактность, сниженные вычислительные затраты визуального кодировщика, высокая эффективность инференса и мультимодальные возможности, сопоставимые с более крупными моделями на ряде тестов. Ограничения включают отсутствие в представленном README сведений о размере контекстного окна, поддерживаемых языках и подробных характеристиках качества; кроме того, AWQ-квантизация и формат W4A16 требуют совместимого программного и аппаратного окружения. Модель распространяется по лицензии Apache 2.0.

MiniCPM-V-4.6-Thinking — мультимодальная модель с открытыми весами от команды OpenBMB, вариант MiniCPM-V 4.6 для рассуждений с явной цепочкой анализа перед ответом. Она предназначена для диалога по изображениям и видео, визуальных вопросов и ответов, сложных мультимодальных задач, математики и распознавания текста на изображениях. Модель использует плотную архитектуру: визуальный энкодер SigLIP2-400M сочетается с языковой моделью Qwen3.5-0.8B; для визуальных токенов применяется сжатие 4x/16x. В README заявлена работа на устройствах iOS, Android и HarmonyOS, а метаданные указывают поддержку Transformers и интерфейса вызова инструментов. Модель принимает текст и изображения, а также может анализировать видео; выдаёт текстовые ответы и объяснения. Сведения о поддерживаемых естественных языках и длине контекста в предоставленных данных отсутствуют. Среди сильных сторон — компактная архитектура, ориентация на запуск на устройствах и режим рассуждений для сложных визуальных задач. При обработке видео кадры выбираются с ограничением по max_num_frames, а детализация изображений зависит от режима сжатия и числа срезов. Для работы с видео в некоторых конфигурациях CUDA возможны проблемы совместимости torchcodec; README описывает обходные варианты. Лицензия — Apache-2.0.

deepset/minilm-uncased-squad2 — англоязычная модель для извлечения ответов на вопросы, разработанная deepset на базе microsoft/MiniLM-L12-H384-uncased и дообученная на SQuAD 2.0. Она предназначена для поиска ответа в предоставленном тексте или документах и подходит для систем вопросно-ответного поиска, в том числе построенных на Haystack. Модель относится к семейству BERT, имеет около 40 млн параметров и принимает контекст длиной до 512 токенов. Она обучалась и оценивалась на SQuAD 2.0, включая примеры без ответа. Доступны варианты весов PyTorch, Flax и safetensors. Лицензия — CC BY 4.0. Это экстрактивная QA-модель: она выделяет ответ из входного текста, а не формирует развёрнутый ответ на основе генерации. Её специализация на английском языке и ограничение контекста могут снижать качество на иных языках, длинных документах и вопросах вне данных обучения.

Карточка модели taharmasmaliyev07/Mirza-Gemma4-E4B-Editor-E3-BF16 на Hugging Face совпадает с карточкой taharmasmaliyev07/Mirza-GEC-Gemma4-E4B-Editor-E3-BF16, поэтому описание составлено по ней. Mirza-GEC-Gemma4-E4B-Editor-E3-BF16 — дообученная мультимодальная модель taharmasmaliyev07 на базе unsloth/gemma-4-E4B-it. Она предназначена для диалогового взаимодействия и генерации текста по текстовым и визуальным входам, включая анализ изображений и документов. Модель использует плотную архитектуру Gemma 4 и распространяется в формате safetensors. Модель лицензирована по Apache-2.0. В README указано, что при обучении использовались Unsloth и библиотека Hugging Face TRL; подробности специализированной задачи GEC и редакторского сценария не раскрыты.

Это конвертированная в формат MLX модель MOSS-Transcribe-Diarize, опубликованная vanch007 для запуска на компьютерах Apple Silicon. Она принимает аудио и предназначена для распознавания речи с диаризацией говорящих; базовая модель также поддерживает обработку длинных записей, временные метки и аннотации акустических событий. В репозитории указаны веса safetensors, а исходную модель скачивать и конвертировать отдельно не требуется. Модель подходит для расшифровки записей с несколькими участниками и подготовки транскриптов с разделением по говорящим. Лицензия — Apache-2.0. README не приводит подробностей о поддерживаемых языках или точном формате результата.

onnx-community/multilang-pii-ner-ONNX — ONNX-версия модели Ar86Bat/multilang-pii-ner, автоматически конвертированная для использования, в частности, через Transformers.js. Модель разработана на базе XLM-RoBERTa Base и дообучена для извлечения именованных сущностей, связанных с персональными данными (PII), в англоязычных, немецких, итальянских и французских текстах. Модель предназначена для обнаружения и маскирования персональных данных в сценариях обезличивания текста и защиты конфиденциальности. Она обучалась на датасете ai4privacy/open-pii-masking-500k-ai4privacy в формате CoNLL. Заявлены общая accuracy 99,24%, macro F1 0,954 и weighted F1 0,992; особенно высокие показатели отмечены для адресов электронной почты и дат, а также распространённых типов сущностей. Для редких или неоднозначных категорий, включая номера водительских удостоверений, паспортов, пол, фамилии и другие чувствительные типы, качество ниже, поэтому модель не предназначена для сценариев, требующих идеальной точности без дополнительного дообучения. Модель относится к задачам token classification и поддерживает инференс в экосистеме Transformers.js. Размер контекста и точное число параметров в представленном описании не указаны. Модель распространяется по лицензии MIT.

kartashoffv/news_topic_classification — дообученная модель BERT для классификации текста по темам новостей. Она основана на русскоязычной DeepPavlov/rubert-base-cased и содержит 205,1 млн параметров; максимальная длина контекста — 512 токенов. Модель предназначена для присвоения новостным текстам тематических меток и может использоваться в автоматической сортировке новостей и тематической разметке публикаций. В карточке приведён результат F1 0,8712 на оценочном наборе, но название и состав набора, схема классов и методика оценки не раскрыты. Модель работает с текстом и выдаёт классификационные метки. Используются форматы PyTorch и safetensors; лицензия в предоставленных данных не указана.

NSQL-6B — авторегрессионная языковая модель Numbers Station для преобразования запросов на естественном языке в SQL. Она основана на CodeGen-Multi 6B от Salesforce: модель дополнительно обучали на запросах SQL, а затем дообучили на парах «текст — SQL» из более чем 20 открытых источников. Модель предназначена для генерации SQL-запросов по описанию задачи и схеме таблиц, в частности для получения запросов SELECT. Для лучших результатов рекомендуется использовать формат промпта из карточки модели. Архитектура — плотная CodeGenForCausalLM; веса доступны в форматах PyTorch и Safetensors, контекст — до 2048 токенов. Лицензия — BSD 3-Clause. Модель оценивали на наборах Spider и GeoQuery, которые были исключены из обучающих данных. Карточка описывает целевые сценарии генерации SQL, но не заявляет гарантии корректности запросов для произвольных схем и баз данных.

OGBert-110M-Sentence — модель эмбеддингов предложений на базе ModernBERT, разработанная автором репозитория mjbommar. Она предназначена для представления глоссариев и специализированных текстов в виде векторов, которые можно сравнивать по смыслу и использовать для кластеризации и поиска документов. Архитектура включает ModernBERT, усреднение токенов и L2-нормализацию; в README указано 110 млн параметров, а метаданные сообщают 138,4 млн. Контекст — до 1024 токенов. Модель обучалась на корпусе специализированных словарных статей OpenGloss и заявлена для английского языка. В описанных оценках модель показала результаты для кластеризации документов, тематического поиска и сходства слов; README приводит метрики на небольших наборах данных, поэтому они не гарантируют аналогичного качества на других доменах. Модель принимает текст и выдаёт нормализованные векторы. Лицензия — Apache-2.0.