I.3Извлечение и структурирование данных

Qwen3-VL-8B-Heretic-Stable-GGUF — мультимодальная модель для преобразования изображений и текста в текст, разработанная prithivMLmods. Она основана на Qwen/Qwen3-VL-8B-Instruct и является GGUF-квантизованным представлением модели Qwen3-VL-8B-Heretic-Stable, созданной с применением abliteration и методов подавления отказов. Промежуточной версией была Qwen3-VL-8B-Instruct-Unredacted-MAX. Модель предназначена для визуально-текстового понимания, мультимодального рассуждения и выполнения сложных инструкций с использованием изображений и текста. Указан английский язык. Модель содержит около 8 миллиардов параметров; доступны варианты в форматах BF16, F16 и различных уровнях GGUF-квантизации размером примерно от 3,28 до 16,4 ГБ, а также отдельные мультимодальные проекционные файлы. К заявленным сильным сторонам относятся стабильность вывода, последовательность рассуждений и следование инструкциям. В README указано, что модель имеет сниженные внутренние механизмы отказа; в самостоятельном тесте harm_bench заявлена частота отказов 0 из 250 вредоносных запросов. Это ограничивает пригодность модели для сценариев, требующих встроенных защитных механизмов, и означает, что безопасность и законность применения полностью зависят от пользователя. Модель распространяется по лицензии Apache-2.0 и обозначена авторами как предназначенная для исследований и обучения.

RoBERTa large — предварительно обученная языковая модель на английском языке, разработанная командой Facebook AI. Это трансформерная модель архитектуры RoBERTa с 454,1 млн параметров, обученная предсказывать замаскированные токены в контексте текста. Она чувствительна к регистру и рассчитана на последовательности длиной до 514 токенов по метаданным. Модель можно использовать для заполнения пропусков в тексте, а также дообучать для классификации последовательностей и токенов, ответов на вопросы и извлечения признаков для других задач обработки английского текста. Она принимает текст и возвращает предсказания токенов. Веса доступны в форматах PyTorch, TensorFlow, Flax, ONNX и Safetensors. Обучение проводилось на корпусах BookCorpus, Wikipedia, CC-News, OpenWebText и Stories. Модель распространяется по лицензии MIT. Данные обучения содержат неотфильтрованный интернет-контент, поэтому предсказания могут отражать его смещения; для прикладных задач модель обычно требуется дообучить.

snumin44/simcse-ko-roberta-unsupervised — модель для оценки смыслового сходства двух предложений на корейском языке. Она основана на RoBERTa и обучена автором репозитория методом SimCSE без разметки, на корейских текстах из Википедии; для обучения указана базовая модель klue/roberta-base. Модель преобразует предложения в представления, по которым можно вычислять косинусное сходство. Модель подходит для поиска семантически близких предложений, сопоставления запросов с текстами и построения систем поиска или дедупликации на корейском языке. В README приведены результаты оценки на KorSTS и Klue. Метаданные указывают 137,8 млн параметров и контекст до 514 токенов; в настройках обучения README указан предел длины 64 токена. Распространяется по лицензии MIT.

Модель Cardiff NLP для многометочной классификации тем в англоязычных твитах. Она основана на языковой модели TimeLMs, обученной примерно на 124 млн твитов за период с января 2018 по декабрь 2021 года, и дообучена на корпусе из 11 267 твитов для распознавания тем. Архитектура — RoBERTa с 151,8 млн параметров; модель принимает текст и может назначить ему несколько тематических меток из набора категорий, включая новости и общественные вопросы, спорт, технологии, развлечения, еду и путешествия. Модель подходит для тематической разметки англоязычных сообщений в соцсетях, анализа интересов аудитории и группировки твитов по темам. Указанный размер контекста — 514 токенов. Лицензия MIT разрешает свободное использование при соблюдении её условий. Модель обучалась на твитах и специализированном корпусе ограниченного размера, поэтому качество на других жанрах, языках и более поздних темах может отличаться; она предназначена для классификации тем, а не для генерации текста.

MatinGhiasi/agah-finetuned-e5-base — модель Sentence Transformer, дообученная на базе intfloat/multilingual-e5-base для преобразования предложений и абзацев в плотные векторы размерностью 768. Архитектура включает XLM-RoBERTa, усреднение токенных представлений и нормализацию; сходство векторов оценивается косинусной мерой. Максимальная длина последовательности составляет около 512 токенов. Модель предназначена для семантического поиска и извлечения релевантных фрагментов по запросам. В примерах обучающего набора показаны персидские запросы и документы по финансовым услугам компании Агаҳ, поэтому модель подходит для поиска по подобным материалам. README указывает библиотеку Sentence Transformers и формат Safetensors в метаданных. Лицензия в предоставленных сведениях не указана.

ALBERT XXLarge v2 — англоязычная предварительно обученная модель семейства ALBERT, представленная авторами ALBERT и опубликованная командой Hugging Face. Она обучена предсказывать замаскированные токены и порядок двух соседних фрагментов текста; основное применение — заполнение пропусков, получение признаков текста и последующая тонкая настройка для задач классификации, разметки токенов и ответов на вопросы. Архитектура — плотный Transformer с 12 повторно используемыми слоями и общими весами. Карточка описывает конфигурацию XXLarge v2 как 223 млн параметров, тогда как метаданные репозитория указывают 3,3 млрд параметров. Модель использует регистр-независимую обработку английского текста и контекст до 512 токенов. Указанные обучающие данные — BookCorpus и английская Википедия. Модель рассчитана на задачи, использующие контекст всего предложения, и не предназначена для генерации свободного текста. Предсказания могут отражать смещения из обучающих данных. Лицензия — Apache-2.0.

AndesVL-4B-Instruct — мультимодальная модель из семейства AndesVL, разработанная OPPO и построенная на языковой модели Qwen3 с визуальным энкодером. Серия включает модели размером от 0,6 до 4 млрд параметров; в README не приведены компоненты и точное число параметров именно версии 4B. Модель предназначена для эффективного запуска на мобильных и других периферийных устройствах. Она принимает изображения и текст и может отвечать на вопросы по изображениям, работать с несколькими изображениями, анализировать насыщенные текстом визуальные материалы, выполнять рассуждения, многоязычные и GUI-задачи. В описании серии заявлены архитектура LoRA «1+N», метод QALFT, ускорение декодирования до 6,7 раза и сжатие до 1,8 бит на параметр на мобильных чипах; эти показатели не уточнены отдельно для версии 4B. Для модели указана лицензия Apache-2.0. README не содержит подробностей об обучающих данных, поддерживаемых языках или контекстном окне; также не уточняет производительность версии 4B на конкретных устройствах и задачах.

ArabicnougatAHR — дообученная модель bustamiyusoef на базе MohamedRashad/arabic-base-nougat. Это модель архитектуры vision-encoder-decoder, предназначенная для преобразования изображений страниц арабских книг в текст. README сообщает значение loss 0,3533 на оценочном наборе, но не описывает набор данных и условия оценки. Модель принимает изображения и выдаёт текст; метаданные указывают формат safetensors и библиотеку Transformers. Лицензия — GPL-3.0.

savasy/bert-turkish-text-classification — модель классификации турецких текстов на семь тематических категорий: мировые события, экономика, культура, здоровье, политика, спорт и технологии. Это дообученная для классификации последовательностей модель семейства BERT; в README указана базовая модель dbmdz/bert-base-turkish-cased. Размер модели — 137,8 млн параметров, максимальная длина контекста — 512 токенов. Модель принимает текст и возвращает метку категории с оценкой уверенности. Она подходит для тематической сортировки турецких новостей и текстов по семи указанным рубрикам. Доступны веса в форматах PyTorch, Flax и safetensors. Лицензия в предоставленных данных не указана.

clawbert-149 — классификатор страниц документов, подаваемых в суды штата Калифорния, разработанный RayJackson30. Он принимает распознанный текст отдельной страницы и относит её к одному из 11 типов: основная страница, титульная или последующая титульная страница, оглавление, список органов власти, обложка приложения, подтверждение вручения, заверение, судебная форма, стенограмма или прочий тип. Модель предназначена для ранней маршрутизации страниц в конвейере обработки судебных документов и для добавления меток страниц перед поиском по документам или использованием с LLM. Это дообученная encoder-only модель ModernBERT-base с архитектурой ModernBertForSequenceClassification, примерно 149 млн параметров. Она обучена на около 13,6 тыс. размеченных страниц из 653 дел Калифорнии; для обучения использовались распознавания пяти OCR-систем. Код примера ограничивает вход 1536 токенами; конфигурация модели указывает контекст до 8192 токенов. Для классификации неоднозначных страниц в контексте целого документа в репозитории также есть отдельный контекстный слой размером 1,8 млн параметров. Модель принимает текст, полученный OCR, и выдаёт метку класса с оценкой вероятности. Она не выполняет OCR и не извлекает сведения из документов; дальнейшая обработка страниц также остаётся за другими компонентами. Классы и сигналы форматирования ориентированы на судебные документы Калифорнии, поэтому перенос на другие юрисдикции может потребовать проверки или дообучения. Репозиторий опубликован по лицензии Apache-2.0.

Модель sagorsarker/codeswitch-nepeng-lid-lince предназначена для идентификации языка в смешанном непальско-английском тексте: она определяет язык отдельных токенов в сообщениях с переключением языков. Модель разработана для работы с данными LinCE и представлена как предварительно обученная модель для language identification. Это плотная модель на архитектуре BERT с головой классификации токенов, содержащая 205,1 млн параметров и принимающая последовательности длиной до 512 токенов. Для использования доступны веса в форматах PyTorch и Flax, включая safetensors. Модель ориентирована на непальско-английский код-свитчинг; лицензия — MIT.

Kansallisarkisto/cyrillic-large-handwritten — модель распознавания рукописного текста на основе трансформерной архитектуры vision-encoder-decoder, разработанная в проекте ArchXAI. Она принимает изображение отдельной текстовой строки и генерирует её текстовую расшифровку; предназначена прежде всего для русского языка и исторических документов, а также для оцифровки архивных материалов и рукописных заметок. Модель дообучена на базе Kansallisarkisto/cyrillic-large-stage1. Обучающая выборка включает 56 615 строк, преимущественно из исторических документов архивов Эстонии, Финляндии и Латвии. В разметке символы «ѣ» и «і» нормализованы до «е» и «и». На внутридоменном тесте указаны CER 0,0406 и WER 0,1732. Модель распространяется по лицензии Apache 2.0. Модель ограничена распознаванием кириллицы и может плохо работать с другими языками, алфавитами и текстами вне домена обучения. Качество на новых типах документов зависит от состава обучающих данных; отдельные изображения строк соответствуют описанному способу обработки.

stevemobs/deberta-base-newsqa — модель DeBERTa-base, дообученная на наборе данных NewsQA для ответа на вопросы. Она предназначена для извлечения ответа из текста по заданному вопросу и подходит для систем поиска по документам и чтения новостных материалов. Модель содержит 151,8 млн параметров, использует архитектуру DeBERTa и принимает контекст длиной до 512 токенов. В оценке на тестовой выборке указано значение Loss 0,7628. Модель распространяется в формате PyTorch по лицензии MIT. Карточка не приводит подробностей о составе обучающих данных и ограничениях; качество ответов за пределами оценки на NewsQA не установлено.

Distil-Qwen3-4B-Text2SQL-GGUF-4bit — 4-битная квантизированная GGUF-версия модели distil-labs/distil-qwen3-4b-text2sql от Distil Labs. Она преобразует вопросы на английском языке в SQL-запросы для SQLite; поддерживает запросы с SELECT, фильтрами, агрегатами, JOIN, группировкой, сортировкой, подзапросами и UNION. Формат Q4_K_M и размер около 2,5 ГБ рассчитаны на локальный запуск на потребительских компьютерах и устройствах с ограниченными ресурсами; заявлена совместимость с Ollama. В README приведены результаты внутренних сравнений с базовой Qwen3-4B и моделью-учителем DeepSeek-V3, включая exact match 60%. Это специализированная модель для Text-to-SQL, поэтому сгенерированные запросы следует проверять на соответствие схеме базы данных и требованиям безопасности. Лицензия — Apache-2.0.

Jwalit разработал Document Moiré Detection Model V2 — модель компьютерного зрения для выявления муаровых артефактов на изображениях документов. Это дообученный DeiT-small на базе Vision Transformer с классификационной головой; в карточке указано 28,3 млн параметров. Модель относит изображение к одному из двух классов: clean или moire. Для предсказания изображение масштабируется до 224×224 пикселей. Модель предназначена для проверки качества сканов, фотографий документов и снимков экрана, а также для поиска муара, возникшего при съёмке экрана, сканировании или захвате изображения. В README приведены результаты на тестировании, включавшем слабый и локализованный муар; автор сообщает точность 99,12%, F1 0,9913 и полноту 99,75%. Обучение проводилось на 8 000 примерах с синтетически созданными муаровыми паттернами. Модель распространяется по лицензии Apache-2.0. Её качество на реальных вариантах муара может отличаться от результатов на синтетических данных; на фотографиях обычных сцен точность не гарантируется. Масштабирование до 224×224 может скрыть очень слабый муар в изображениях высокого разрешения, а повышенная полнота сопровождается ложными срабатываниями на чистых изображениях.

ERNIE-Gram-zh — китайская языковая модель семейства ERNIE-Gram, представленная в виде PyTorch-чекпойнта для извлечения признаков и задач понимания естественного языка. Архитектура основана на BERT: 12 слоёв, размер скрытого состояния 768 и 12 голов внимания; всего 127,1 млн параметров, контекст — до 512 токенов. Модель предназначена для получения контекстных представлений китайского текста, которые можно использовать в прикладных системах понимания языка. Чекпойнт преобразован из официально выпущенной модели ERNIE на PaddlePaddle в PyTorch; автор README сообщает о проверках точности преобразования. Лицензия в предоставленных источниках не указана.

TARUNBHATT/flan-t5-small-finetuned-squad — дообученная на SQuAD v2 модель Google FLAN-T5-small для ответов на вопросы по предоставленному контексту. Это плотная encoder-decoder архитектура T5 с 45,8 млн параметров; модель работает с текстом и поддерживает контекст длиной до 512 токенов. В карточке приведён результат оценки на тестовом наборе SQuAD v2: loss 1,4937. Модель подходит для извлечения ответа из текста и сценариев вопросно-ответного поиска. Базовая FLAN-T5-small дообучена следованию инструкциям и многоязычным NLP-задачам, но эта версия специально адаптирована к SQuAD v2. Она распространяется по лицензии Apache-2.0. Результат loss сам по себе не позволяет оценить качество ответов в прикладном сценарии; README не содержит дополнительных сведений о тренировке и ограничениях.

Это дообученный Sentence Transformer на основе sentence-transformers/all-MiniLM-L6-v2, опубликованный пользователем GbrlOl. Модель кодирует предложения и абзацы в плотные векторы размерности 384 и сравнивает их по косинусному сходству; архитектура включает энкодер BERT, усреднение токенов и нормализацию. В метаданных указаны 25,9 млн параметров и контекст до 512 токенов, а карточка описывает максимальную длину последовательности 256 токенов. Модель предназначена для семантического поиска и оценки сходства текстов; также её можно применять для поиска перефразировок, кластеризации и классификации текстов. Дообучение выполнено на 1628 примерах с парами query и sentence и метками, в карточке датасет обозначен как JSON. Пример обучения содержит испанский запрос и технический фрагмент о строительстве, но данных недостаточно, чтобы уверенно определить полный набор поддерживаемых языков или узкую предметную область. Лицензия в предоставленных сведениях не указана. Поскольку это эмбеддинговая модель, она выдаёт векторы, а не готовые ответы; качество зависит от соответствия входных данных обучающему набору и целевой задаче.

Карточка модели xuanwulab/HaS_Text_0209_0.6B на Hugging Face совпадает с карточкой maoge888888/HaS_Text_0209_0.6B, поэтому описание составлено по ней. HaS Text — компактная языковая модель для локальной обработки конфиденциального текста, разработанная автором репозитория maoge888888. Она дообучена на базе Qwen3-0.6B-Base и предназначена для конвейера защиты данных: распознавания именованных и чувствительных сущностей, их согласованной анонимизации и восстановления по сохранённому словарю соответствий. Модель поддерживает китайский, английский, португальский, французский, испанский, немецкий, корейский и японский языки. Модель использует плотную архитектуру Qwen3ForCausalLM и содержит около 508 млн параметров. Репозиторий содержит веса Safetensors в FP16; заявленный контекст — 32 768 токенов. Среди описанных возможностей — семантические метки для заменённых сущностей, разрешение вариантов написания одной сущности, согласованность между ходами диалога и обработка длинных документов частями. Для инференса README рекомендует локальный запуск через llama.cpp; производительность приведена для Apple M4 Pro и может отличаться на другом оборудовании. Модель рассчитана на NER и генерацию текста при анонимизации, но качество зависит от точного соблюдения обучающих шаблонов промптов: README предупреждает, что отклонения могут ухудшить результат. Указанная лицензия — MIT. В README FP16-версия названа базовой для дообучения и исследований, а для производственного развертывания рекомендованы отдельные квантованные варианты.

HerBERT Polish Legal NER — PII / Anonymization (OCR-robust) — польская модель разметки токенов для выявления персональных и других чувствительных данных в юридических и административных документах. Разработчик дообучил allegro/herbert-base-cased на польских данных и добавил аугментацию через рендеринг и OCR, чтобы модель распознавала имена людей в тексте с ошибками распознавания, пропущенными диакритическими знаками и фрагментированными фамилиями. Модель содержит 151,6 млн параметров, использует архитектуру BERT и контекст до 514 токенов; доступны веса Safetensors и ONNX, лицензия CC BY 4.0. Модель размечает сущности, включая людей, организации, адреса, даты, суммы, контакты, идентификаторы, IBAN и медицинские сведения. Она предназначена для поиска PII перед маскированием или анонимизацией, особенно в отсканированных и сфотографированных документах. Внутренние оценки указывают на лучшее обнаружение имён в OCR-тексте по сравнению с вариантом без OCR-аугментации, но качество на небольшом наборе документов не гарантирует полноту защиты. Для чувствительных данных модель рассчитана на локальный запуск, в том числе в браузере через ONNX Runtime Web или Transformers.js. Для надёжной анонимизации рекомендуется дополнять её проверками форматов идентификаторов, постобработкой и проверкой человеком.

Hrida-T2SQL-3B-V0.1 — компактная языковая модель для преобразования запросов на естественном языке в SQL, разработанная HridaAI и дообученная на Microsoft/Phi-3-mini-4k-instruct. Она принимает инструкцию, схему базы данных с таблицами, столбцами и типами данных, запрос пользователя и, при необходимости, указание диалекта SQL; на их основе генерирует SQL-запрос. Модель построена на архитектуре Phi-3, содержит 3,7 млрд параметров и имеет контекст 4096 токенов. Карточка описывает шаблон общения и примеры интеграции с Transformers и MLX. Модель предназначена для создания SQL по описанию нужных данных и схеме базы, в том числе с указанием диалекта, например MySQL, PostgreSQL или SQL Server. В метаданных указан английский язык. Лицензия — Apache-2.0. Качество результата зависит от полноты и точности переданной схемы; карточка не сообщает результаты оценки качества или ограничения по поддерживаемым диалектам.

IndoBERT Large Model (phase1, uncased) — предварительно обученная языковая модель на архитектуре BERT, созданная командой IndoBenchmark для индонезийского языка. Модель обучена на корпусе Indo4B с задачами masked language modeling и next sentence prediction; в README для этой версии указано 335,2 млн параметров, тогда как метаданные репозитория указывают 433,9 млн. Контекст составляет до 512 токенов. Модель предназначена для извлечения контекстных представлений текста, которые можно использовать как основу для прикладных NLP-систем на индонезийском языке. Она поддерживается библиотеками Transformers в форматах PyTorch, TensorFlow и Flax. Лицензия — MIT. Это базовая предварительно обученная модель, а не готовый чат-бот или специализированный классификатор.

QuantFactory/llama-3-sqlcoder-8b-GGUF — квантизированная версия модели defog/llama-3-sqlcoder-8b, созданная с использованием llama.cpp. Модель разработана компанией Defog, Inc. и дообучена на базе Meta-Llama-3-8B-Instruct. Модель предназначена для преобразования запросов на естественном языке в SQL-запросы на основе описаний схемы базы данных и DDL-операторов. Она ориентирована на PostgreSQL, Amazon Redshift и Snowflake и подходит для генерации запросов в системах аналитики, интерфейсах доступа к данным на естественном языке и вспомогательных инструментах для разработчиков. Рекомендуется использовать температуру 0 и отключить sampling. Известно, что модель относится к классу text-to-SQL, имеет размер базовой модели 8B параметров и распространяется в формате GGUF. README не содержит сведений о поддерживаемых естественных языках, размере контекстного окна и точных параметрах квантизации. Сильной стороной является специализация на генерации SQL для нескольких распространённых аналитических СУБД; качество оценивалось с помощью PostgreSQL-фреймворка SQL-Eval. Ограничения включают зависимость результата от корректного описания схемы и отсутствие подтверждённых данных о работе с другими SQL-диалектами и модальностями. Модель распространяется по лицензии CC BY-SA 4.0.

BSC-NLP4BIA/Medprocner-Biencoder — модель эмбеддингов предложений на базе архитектуры RoBERTa, опубликованная в пространстве BSC-NLP4BIA. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов, кластеризации и сравнения предложений. Модель содержит 153,2 млн параметров, принимает текст и формирует векторные представления; длина контекста составляет 514 токенов. Обучение использовало TripletLoss с евклидовой метрикой и отступом 5. Доступны веса в формате safetensors. Название указывает на медицинскую специализацию, однако README не уточняет языки и конкретные медицинские сценарии или датасеты. Лицензия в предоставленных данных не указана.

Карточка модели XiaomiMiMo/MiMo-VL-7B-SFT-2508 на Hugging Face совпадает с карточкой XiaomiMiMo/MiMo-VL-7B-RL-2508, поэтому описание составлено по ней. MiMo-VL-7B-RL-2508 — мультимодальная модель Xiaomi для понимания изображений и видео и ответов на вопросы по визуальному содержимому. Она основана на архитектуре Qwen2.5-VL и включает визуальный ViT-энкодер с обработкой исходного разрешения, MLP-проектор для связи изображения с языковой частью и языковую модель MiMo-7B. Размер модели — 7 млрд параметров, контекст — до 128 000 токенов. Модель предназначена для визуального рассуждения, распознавания и описания содержания изображений, анализа видео, визуального grounding и понимания графических интерфейсов. Версия RL-2508 прошла постобучение с обучением с подкреплением и поддерживает режим управления рассуждением: по умолчанию рассуждение включено, а командой /no_think можно запросить прямой ответ. Модель работает через Transformers и выдаёт текст; в README приведены высокие результаты на MMMU и VideoMME. Модель распространяется по лицензии MIT. Практическое применение требует учитывать, что ответы могут быть ошибочными, а README описывает в основном результаты собственных оценок разработчика; для корректной подачи визуальных данных в запросе нужно размещать изображение или видео перед текстом.

Kansallisarkisto/multicentury-htr-model — модель распознавания рукописного текста на изображениях, разработанная Государственным архивом Финляндии и дообученная на базе microsoft/trocr-large-handwritten. Архитектура TrOCR использует визуальный энкодер и текстовый декодер, преобразуя строки текста на изображении в последовательность символов. Модель предназначена для оцифровки исторических документов, рукописей и заметок на финском и шведском языках. Она обучена на более чем 913 тысячах строк рукописного и печатного текста XVI–XX веков; в README указана частота ошибок по символам CER 2,8 на тестовом наборе около 111 800 строк. Лицензия — Apache 2.0. Обучающие данные преимущественно содержат латинские буквы и финские и шведские символы å, ä и ö. Модель не обучалась на кириллице и других нелатинских письменностях; качество за пределами финского, шведского и английского может быть низким.

PaliGemma 2 10B Mix 448 — разработанная Google открытая мультимодальная модель, объединяющая визуальный энкодер SigLIP и языковую модель Gemma 2. Она принимает изображения и текст и генерирует текст; версия 448 рассчитана на обработку изображений с разрешением 448 пикселей. Модель предназначена прежде всего для дообучения под задачи компьютерного зрения и языка, включая описание изображений и коротких видео, ответы на вопросы об изображениях, чтение текста, обнаружение и сегментацию объектов. Модель поддерживает многоязычные запросы. Шаблоны подсказок позволяют задавать режимы описания, OCR, визуальных вопросов и ответов, а также локализации и сегментации объектов. Это базовая модель для настройки под конкретные задачи, а не полноценный многоходовый чат-бот; её ответы могут содержать ошибки, а открытые или сложные инструкции могут давать слабый результат. Возможны предвзятость и небезопасные или вводящие в заблуждение ответы, поэтому для прикладного использования нужны оценка и подходящие меры контроля. Лицензия — Gemma; применяются ограничения политики допустимого использования Gemma.

leo009/paligemma-3b-mix-224 — версия мультимодальной модели PaliGemma с открытыми весами, разработанной Google и размещённой пользователем leo009. Модель построена на архитектуре PaliGemma, объединяющей зрительный энкодер SigLIP и языковую модель Gemma; принимает изображение размером 224 × 224 пикселя и текстовые последовательности до 256 токенов, а генерирует текст. В карточке указана настройка на смесь задач переноса, а метаданные обозначают формат safetensors и библиотеку Transformers. Модель предназначена для одношаговых сценариев «изображение и запрос — текстовый ответ»: описания изображений и коротких видео, визуальных вопросов и ответов, чтения текста на изображении, обнаружения и сегментации объектов. Лучше подходит как основа для дообучения под конкретную задачу, чем как готовый универсальный помощник; диалог из нескольких ходов не поддерживает. Заявлена поддержка нескольких языков, но конкретный список в предоставленных данных отсутствует. Лицензия — Gemma.

Модель iambestfeed/phobert-base-v2-finetuned-raw_data_wseg-lr2e-05-1-epochs-bs-64 — Sentence Transformer, дообученный разработчиком iambestfeed на базе vinai/phobert-base-v2 с использованием набора vnexpress-data-similarity. Это плотный RoBERTa-энкодер с 162,4 млн параметров: он преобразует предложения и абзацы в векторы размерностью 768 и предназначен для сравнения текстов по косинусному сходству. Модель подходит для семантического поиска, оценки сходства предложений, поиска перефразирований, кластеризации и классификации текста. Обучение на парах anchor–positive из новостного набора VnExpress ориентирует её на вьетнамские тексты. Максимальная длина последовательности — 258 токенов по метаданным; в README указано ограничение 256 токенов. Для применения нужны входные тексты, а модель выдаёт векторы, используемые для поиска и сравнения. Указанная лицензия отсутствует в предоставленных источниках, поэтому условия использования по ним определить нельзя.

Qwen2.5-3B-Instruct-KAI — дообученная чат-модель на базе Qwen/Qwen2.5-3B-Instruct, разработанная KAI Lab. Она предназначена для понимания и генерации текста на вьетнамском языке, включая ответы на вопросы, извлечение информации, понимание прочитанного и суммаризацию. Модель использует плотную архитектуру Qwen2ForCausalLM и содержит 3,1 млрд параметров. Принимает текстовые запросы и генерирует текст; заявленная длина контекста — 32 768 токенов. Для загрузки указана библиотека Transformers, веса представлены в формате safetensors. Модель оптимизирована для вьетнамского языка. В README приведены результаты оценки на вьетнамских бенчмарках и указано, что модель может ошибаться в вопросах, связанных с культурной спецификой, и хуже справляться со специализированными техническими темами. Лицензия обозначена как other; конкретные условия следует сверить с карточкой модели.