I.3Извлечение и структурирование данных

Карточка модели elprofessor67/om-logistics-pod-v8-beta-8b на Hugging Face совпадает с карточкой elprofessor67/om-logistics-pod-v8-rc-8b, поэтому описание составлено по ней. elprofessor67/om-logistics-pod-v8-rc-8b — дообученная разработчиком elprofessor67 мультимодальная модель семейства Qwen3-VL для генерации текстовых ответов по изображениям и текстовым запросам. Она предназначена для сценариев, связанных с логистикой и подтверждением доставки (POD), что отражено в названии модели; README не уточняет конкретные задачи или показатели качества. Модель использует плотную архитектуру Qwen3VLForConditionalGeneration и работает с изображениями и текстом, выдавая текст. В README указано, что при обучении применялись Unsloth и библиотека TRL от Hugging Face. Лицензия — Apache-2.0.

Yuji Yamaki Kokubun и Fanny Raciely Gomez Williams разработали эту модель для Dominican News Question Answering Challenge в рамках курса ICC-344-T. Это испаноязычная модель извлечения ответов: она получает вопрос и контекст новости и возвращает фрагмент, явно присутствующий в контексте. Модель основана на BERT/BETO и дообучена на базовой модели Lisibonny/modelo_qa_beto_squad_es_pdqa; метаданные указывают 137,1 млн параметров и контекст до 512 токенов. Модель обучалась на 45 примерах новостей, а для выбора варианта использовалась проверочная выборка из 15 вопросов. На ней указаны Exact Match 66,7 и F1 76,6. Модель подходит для поиска ответа на вопрос в заданном испаноязычном новостном тексте, например для извлечения упомянутых лиц, дат, событий и других фактов. Она не предназначена для генерации ответа из внешних знаний и не проверяет достоверность новости. Среди известных ошибок — обрезание границ ответа, выбор нерелевантного фрагмента и неточная обработка списков сущностей; малый размер обучающей и проверочной выборок ограничивает надёжность оценок. Лицензия — MIT.

Модель giovannimaffeo/qwen3.5-4b-portuguese-legal-descriptor-generation — дообученная и объединённая с базовыми весами версия Qwen3.5-4B, разработанная для автоматической генерации юридических дескрипторов по португальским судебным документам. Она предназначена для извлечения кратких описательных меток, помогающих индексировать и находить судебные материалы. Модель имеет плотную причинную архитектуру Qwen3_5ForCausalLM, содержит 3,4 млрд параметров и поддерживает контекст до 262 144 токенов. Она дообучена на датасете giovannimaffeo/portuguese-legal-descriptor-generation; файлы представлены в формате safetensors. Основной язык задачи — португальский. Модель подходит для автоматизации подготовки юридических дескрипторов и тематической индексации португальских судебных документов. Карточка не сообщает лицензию и подробные результаты оценки качества; качество и полноту дескрипторов следует проверять перед использованием в юридически значимых процессах.

JEILDLWLRMA/Qwen3-VL-8B-Instruct-NVFP4 — мультимодальная vision-language модель для понимания изображений и генерации текста. Она основана на Qwen3-VL-8B-Instruct, разработанной командой Qwen, и использует архитектуру Qwen3VLForConditionalGeneration. Модель предназначена для описания изображений, визуального вопросно-ответного взаимодействия и других задач мультимодального анализа и генерации. Модель сжата в формат NVFP4 с применением SmoothQuant и инструмента llmcompressor. Веса квантизуются в 4-битный формат NVFP4 поканально, активации — поточечно с динамическим масштабированием; визуальный энкодер, lm_head и отдельные MLP gate-проекции исключены из квантизации для сохранения качества. Максимальная длина последовательности составляет 32 768 токенов. Поддерживается обработка изображений; сведения о полном наборе языков в README не указаны. Основные преимущества — уменьшенное примерно на 80% потребление памяти и потенциально более высокая скорость инференса на совместимых NVIDIA GPU, включая Jetson Thor. По заявлению README, типичное снижение качества относительно полноточной версии составляет 2–5%, однако результат зависит от задачи. Для работы требуется оборудование и программное окружение с поддержкой NVFP4; заявлена совместимость, в частности, с NVIDIA H100, A100 и Jetson Thor при подходящих версиях CUDA. Модель распространяется по лицензии Apache-2.0, унаследованной от базовой модели.

wareef/Qwen3-VL-8B-Instruct-Q4_K_M-GGUF — это квантизированная версия мультимодальной модели Qwen3-VL-8B-Instruct, преобразованная в формат GGUF для запуска с llama.cpp. Модель подготовлена пользователем или организацией wareef на основе исходной модели Qwen/Qwen3-VL-8B-Instruct с использованием инструмента GGUF-my-repo от ggml.ai. Модель предназначена для задач преобразования изображений и текста в текст, включая мультимодальное понимание и генерацию ответов по входным данным. Она рассчитана на локальный запуск через llama.cpp в командной строке или в режиме сервера. В README указаны архитектурная основа Qwen3-VL, размер 8B и квантизация Q4_K_M; сведения о поддерживаемых языках, точном размере контекста, конкретных модальностях и возможностях исходной модели не приведены. К сильным сторонам относятся компактный квантизированный формат GGUF и совместимость с llama.cpp, что упрощает локальное развертывание на поддерживаемом оборудовании. Ограничения связаны с потерей точности из-за квантизации, а также с зависимостью от аппаратных возможностей и настроек llama.cpp. Модель распространяется по лицензии Apache-2.0.

Qwen_Qwen3-VL-2B-Instruct-GGUF — это GGUF-квантизированная версия мультимодальной модели Qwen3-VL-2B-Instruct, разработанной Qwen и подготовленной пользователем bartowski. Модель предназначена для задач image-text-to-text: обработки изображений вместе с текстовыми запросами и генерации текстовых ответов. Она может запускаться локально через llama.cpp, LM Studio и другие совместимые проекты. В репозитории представлены варианты весов от BF16 до низкобитных форматов Q8_0, Q6_K, Q5_K, Q4_K и Q3/Q2, что позволяет выбирать между качеством, размером файла и требованиями к оперативной памяти. Размер исходной модели — 2B параметров; отдельные файлы занимают примерно от 0,85 до 3,45 ГБ. Для большинства сценариев рекомендуются варианты Q4_K_M, Q5_K и Q6_K; низкобитные варианты экономят память, но снижают качество. Контекст, поддерживаемые языки и точные архитектурные характеристики в README не указаны. Лицензия также не указана, поэтому условия использования следует уточнять в карточке исходной модели Qwen/Qwen3-VL-2B-Instruct.

Rain's SQLCoder — 32-миллиардная плотная языковая модель компании Rain, дообученная на базе Qwen/Qwen2.5-Coder-32B-Instruct для преобразования запросов на естественном языке в SparkSQL. Она принимает текстовый вопрос и генерирует SQL-запрос; заявленная длина контекста составляет до 32 768 токенов, что подходит для задач с крупными схемами и сложными запросами. Модель обучена следовать шаблону Alpaca и предназначена для генерации SELECT-запросов. По описанию, если схема таблиц не позволяет ответить на вопрос, модель отказывается от ответа. Авторы сообщают о сравнительной оценке на двух наборах данных и преимуществах в понимании намерения запроса, точности синтаксиса SQL и обработке сложных запросов, однако численные результаты в карточке не приведены. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Byunghwee/roberta_belief_finetuned — модель Sentence-Transformers на базе RoBERTa, дообученная на триплетах убеждений из датасета Debate.org. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска и сравнения смыслового сходства, кластеризации и анализа контекстных связей между убеждениями. В метаданных указано 151,8 млн параметров и контекст до 514 токенов; модель использует библиотеку sentence-transformers и распространяется в формате safetensors. Модель подходит для семантического поиска и группировки текстов об убеждениях, а также для получения эмбеддингов, учитывающих их контекстные отношения. Она обучалась с TripletLoss на триплетах, извлечённых из Debate.org. Лицензия в предоставленных данных не указана.

SaAMPLIFY_350M — белковая языковая модель семейства AMPLIFY, опубликованная организацией chandar-lab на Hugging Face. Она предназначена для получения признаковых представлений белковых последовательностей и их использования в последующих задачах анализа белков. В карточке показан пример запуска как image-feature-extraction с trust_remote_code, однако метаданные автора указывают pipeline feature-extraction; архитектура описана как плотная AMPLIFY, размер — около 471,9 млн параметров, файлы представлены в safetensors. Карточка модели автоматически сгенерирована и не сообщает разработчика, обучение, лицензии, языки, контекст или оценки качества. В коллекции Hugging Face модель включена в набор белковых языковых моделей, дообученных конвейером структурного выравнивания; отдельная связь с базовой моделью в доступных метаданных не установлена. Лицензионные условия по найденным сведениям определить нельзя.

sadickam/sdgBERT — разработанная в рамках академического исследования в Deakin University модель классификации текста по Целям устойчивого развития ООН (ЦУР). Она дообучена на bert-base-uncased с использованием набора OSDG Community Dataset версии 2023.10 и предназначена для отнесения текстов к первым 16 ЦУР. Модель принимает текст на английском языке; её архитектура основана на BERT и поддерживает последовательности длиной до 512 токенов. Доступны веса в форматах Safetensors и ONNX. Модель можно применять для тематической разметки публикаций, документов и материалов из разных отраслей и академических дисциплин, а также для анализа связи текстов с повесткой устойчивого развития. В карточке приведены accuracy 0,90 и коэффициент корреляции Мэтьюса 0,89. Модель распространяется по лицензии MIT.

alunadiderot подготовил модель классификации текста на базе SetFit и intfloat/multilingual-e5-base. Она дообучена методом few-shot: Sentence Transformer сначала адаптирован контрастивным обучением, затем поверх его признаков обучен классификатор LogisticRegression. Модель распределяет тексты по 12 категориям; среди примеров в карточке указаны Business и Politics. Заявленная точность на наборе оценки составляет 0,8222. Модель предназначена для тематической классификации коротких текстов, например новостных статей и сообщений. Архитектура включает XLM-RoBERTa, размер составляет 305,2 млн параметров, максимальная длина последовательности — 512 токенов. Базовая модель multilingual-e5-base ориентирована на многоязычные текстовые эмбеддинги; конкретный перечень поддерживаемых языков для классификатора не приведён. Лицензия в предоставленных данных не указана.

Trendyol-Vision-Flash — мультимодальная модель Trendyol для контроля качества и модерации каталога электронной торговли. Она дообучена методом полного SFT на мультимодальных данных каталога на базе OpenGVLab/InternVL3_5-1B-Instruct. Архитектура InternVL3.5-1B включает InternViT-300M и языковую основу Qwen3-0.6B; модель принимает изображения и текст, поддерживает до 16 изображений в одном запросе и предназначена для работы на одной GPU с низкой задержкой. Модель распознаёт бренды, сравнивает карточки товаров на совпадение SKU, извлекает атрибуты и количество в упаковке, создаёт заголовки и описания товаров, а также классифицирует контент по безопасности каталога. Основной язык — турецкий, английский поддерживается как дополнительный. Модель рассчитана на производственные потоки каталога Trendyol, а не на открытый диалог или масштабную классификацию товарных категорий. К сильным сторонам относятся компактный размер, обработка нескольких изображений и специализация на рабочих задачах каталога. Результаты могут хуже переноситься на другие предметные области; качество английского зависит от задачи, а метки модерации могут не соответствовать правилам каждой платформы или юрисдикции, поэтому для важных решений рекомендуется проверка человеком. Лицензия — CC BY 4.0.

Atharv1909/trocr-handwritten-case-diary — модель распознавания рукописного текста, разработанная на основе VisionEncoderDecoder (TrOCR) и дообученная для транскрибации полицейских дневников дел, заметок с места происшествия и показаний свидетелей. Она принимает изображение рукописной записи и преобразует его в текст, в том числе при курсивном и неструктурированном письме. Модель предназначена для оцифровки рукописных полицейских записей и ускорения переноса материалов дела в цифровой вид. Репозиторий содержит веса в формате safetensors; в README модель названа FP16. Лицензия — Apache-2.0. Данных о языках и длине контекста нет.

Hukyl/trocr-large-rukopys — модель распознавания текста на изображениях строк и областей рукописных украинских архивных документов. Её разработчик дообучил архитектуру TrOCR-Large в формате VisionEncoderDecoderModel, содержащую около 558 млн параметров, на размеченных данных Rukopys. Модель принимает обрезанные изображения отдельных текстовых областей; для работы с полной страницей перед ней нужен детектор макета документа. Токенизатор использует расширенный кириллический словарь. Модель обучена распознавать разные типы областей Rukopys: рукописный и печатный текст, аннотации и таблицы; обучение включало аугментации, имитирующие вариации бумаги, сканирования и почерка. Указанные метрики получены на родственной модели с тем же рецептом обучения, а не на этом чекпойнте: его собственная валидационная выборка была слишком мала для надёжной оценки. Результаты для печатного текста, таблиц и аннотаций особенно ненадёжны из-за небольшого числа примеров. Модель предназначена для украинских архивных документов; качество может снижаться на других языках, письменностях и современных цифровых текстах. Выход нормализуется под метрики распознавания и может не быть точной дипломатической транскрипцией. Лицензия репозитория — Apache-2.0.

Модель Kiran Pantha — дообученная версия kiranpantha/w2v-bert-2.0-nepali для автоматического распознавания непальской речи и преобразования аудиозаписей в текст. Она основана на архитектуре Wav2Vec2-BERT, использует CTC и содержит 402,7 млн параметров. Модель дообучена на датасете OpenSLR54-Balanced-Nepali. В README указаны результаты на оценочном наборе: WER 0,4302 и CER 0,1029. Репозиторий распространяется по лицензии MIT.

WangchanBERTa-QA-thaiqa_squad — модель для ответов на вопросы по предоставленному тексту, разработанная на основе wangchanberta-base-att-spm-uncased и дообученная на наборе данных thaiqa_squad. Она использует архитектуру CamemBERT и содержит 132,5 млн параметров. Модель предназначена для извлечения ответа из контекста на тайском языке, например для систем вопросов и ответов по статьям или документам. Принимает вопрос и текстовый контекст, выдаёт текстовый ответ; максимальная длина контекста — 512 токенов. В README описана очистка данных от HTML-тегов и знаков пунктуации. Модель опубликована в формате PyTorch. Сведения о лицензии в предоставленных данных отсутствуют.

UrukHan/wav2vec2-ru — акустическая модель распознавания речи на базе архитектуры wav2vec2 с декодирующей головой CTC. Она содержит 402,7 млн параметров и предназначена для преобразования аудиоречи в текст. В README указано, что модель обучалась с нуля; набор данных не назван. Для оценки приведены loss 0,5468 и WER 0,4124. Модель подходит для автоматической расшифровки аудиозаписей. Суффикс «ru» указывает на ориентацию на русский язык, однако README и метаданные не подтверждают поддерживаемые языки. Репозиторий содержит веса PyTorch; лицензия и сведения о контексте применения не приведены.

microsoft/wavlm-base-plus-sd — модель Microsoft для диаризации речи, дообученная на базе WavLM-Base-Plus. Она принимает речевой сигнал с частотой дискретизации 16 кГц и выдаёт покадровые предсказания для различения говорящих. Модель основана на архитектуре Transformer из семейства WavLM и содержит 113,3 млн параметров. Базовый WavLM предварительно обучен на Libri-Light, GigaSpeech и VoxPopuli с использованием самообучения, учитывающего содержание речи и идентичность говорящего. Для диаризации эту версию дообучили на LibriMix, добавив линейный классификационный слой. Она предназначена для анализа записей с несколькими говорящими; заявленная задача — классификация аудиокадров. Модель ориентирована на английскую речь. В описании не приведены метрики качества или подробности о работе с перекрывающейся речью и шумом. Репозиторий содержит веса PyTorch; лицензия в предоставленных данных не указана.

Whisper-Large-V3-French — модель распознавания речи, разработанная дообучением openai/whisper-large-v3 для повышения качества транскрипции на французском языке. Она принимает аудио и генерирует текст с восстановленными регистрами, пунктуацией и числительными; подходит для коротких и длинных записей, включая разговоры с фоновым шумом и специализированной лексикой, например звонки в контакт-центр. Модель основана на архитектуре Whisper и содержит 905,2 млн параметров. Для длинных записей README описывает разбиение на сегменты по 30 секунд; такой режим может немного уступать последовательному декодированию по качеству, но обеспечивает более быструю обработку. В репозитории указаны веса safetensors и поддержка Transformers; README также описывает варианты использования в других реализациях Whisper. Модель выпущена под лицензией MIT. Её специализация — французская речь, поэтому качество для других языков не установлено приведёнными данными; результаты распознавания могут зависеть от шума, акцента и предметной лексики.

NamSyntax/xlmr-large-viquad — модель для извлекающего ответа на вопросы на вьетнамском языке. Она разработана NamSyntax на основе XLM-RoBERTa Large и дообучена на наборе UIT-ViQuAD 2.0. Модель получает абзац контекста и вопрос и извлекает из контекста фрагмент, который служит ответом. Модель содержит 658,7 млн параметров, использует архитектуру XLM-RoBERTa и поддерживает контекст до 514 токенов. Она предназначена для систем поиска ответов по вьетнамским текстам и может интегрироваться в веб-сервисы через Transformers; README также описывает проект с интерфейсом Gradio и REST-бэкендом FastAPI. Распространяется по лицензии Apache-2.0.

Модель разработана пользователем anton-l и дообучена на базе facebook/wav2vec2-xls-r-300m на датасете GOOGLE/XTREME_S — FLEURS.ALL. Это модель распознавания речи на архитектуре Wav2Vec2 с CTC-декодированием, содержащая около 402,8 млн параметров. Модель преобразует аудио в текст и предназначена для автоматического распознавания речи на языках Западной Европы, представленных в FLEURS. В README приведены результаты оценки на 20 043 примерах: общий CER составляет 0,2484, а показатели заметно различаются по языкам; например, CER для немецкого — 0,1287, для греческого — 0,6020. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Результаты оценки указывают на неодинаковое качество между языками, поэтому перед применением следует проверить точность для нужного языка и условий записи.

AKI-4B — мультимодальная модель Sony для диалога по изображениям. В её составе визуальный энкодер SigLIP SoViT-400m, соединитель Perceiver Resampler и языковой декодер Phi-3.5-mini-instruct; согласно названию, модель относится к классу 4B. Она использует механизм modality-mutual attention, который позволяет изображениям учитывать текстовый контекст без добавления параметров модели. Модель предназначена для ответов на вопросы об изображениях, описания сцен, визуального рассуждения и распознавания текста на изображениях. В README приведены результаты на наборах тестов для визуальных вопросов, OCR и других задач понимания изображений. Для общения рекомендуется формат чата. Модель разработана в рамках исследовательской работы «Seeing is Understanding: Unlocking Causal Attention into Modality-Mutual Attention for Multimodal LLMs». Релиз предназначен для исследований. Авторы предупреждают, что модель не оценивалась для всех прикладных сценариев и советуют отдельно проверять точность, безопасность и справедливость перед развёртыванием. Лицензия — CC BY-NC 4.0, которая ограничивает коммерческое использование.

dccuchile/ALBERT Base Spanish — базовая языковая модель семейства ALBERT, обученная на большом корпусе испанских текстов. Разработчик — dccuchile; карточка указывает, что обучение проводилось на TPU v3-8 примерно 70 дней. Модель содержит 137,1 млн параметров, принимает текстовые последовательности длиной до 512 токенов и доступна в форматах PyTorch и TensorFlow. Модель предназначена как испаноязычная основа для задач понимания и обработки текста, а также для последующего дообучения под конкретные сценарии. В метаданных указан класс AlbertForPreTraining и теги pretraining, но отдельный pipeline_tag и конкретные downstream-задачи не приведены. Лицензия в доступных данных не указана.

ALBERT Large v2 — англоязычная предварительно обученная модель семейства ALBERT, представленная авторами ALBERT и опубликованная на Hugging Face. Она обучена на BookCorpus и англоязычной Википедии с помощью маскированного языкового моделирования и предсказания порядка сегментов текста. Модель предназначена для заполнения пропусков в тексте и получения представлений для последующей настройки на задачи классификации последовательностей и токенов, а также ответа на вопросы. Архитектура — Transformer с 24 повторно используемыми слоями, 1024-мерным скрытым представлением и 16 головами внимания. Слои разделяют веса, что уменьшает объём параметров и памяти; в метаданных указано 433,4 млн параметров. Максимальная длина контекста — 512 токенов. Модель без учёта регистра и обрабатывает английский текст. Она не предназначена для свободной генерации текста: для этого в README рекомендуются авторегрессионные модели. Предсказания могут отражать смещения обучающих данных. Лицензия — Apache-2.0.

Англоязычная модель Sentence Transformer, разработанная на базе sentence-transformers/all-MiniLM-L6-v2 и дообученная для сопоставления описаний профессий и должностей. Энкодер BERT преобразует предложения и абзацы в плотные векторы размерности 384; сходство оценивается косинусной мерой. Метаданные указывают 25,9 млн параметров и контекст до 512 токенов, тогда как карточка модели задаёт максимальную длину последовательности 256 токенов. Модель предназначена для семантического поиска и сравнения описаний вакансий и профессий, а также может применяться для поиска перефразирований, кластеризации и классификации текстов. Она обучена на 897 примерах и показала точность cosine_accuracy 0,7289 на указанной в карточке оценке TripletEvaluator. Лицензия в предоставленных данных не указана.

AndesVL-1B-Instruct — мобильная мультимодальная языковая модель из семейства AndesVL, разработанного OPPO. Она сочетает визуальный энкодер AIMv2-Large с языковой моделью Qwen3-0.6B; общий размер составляет 0,927 млрд параметров. Модель предназначена для эффективного запуска на периферийных и мобильных устройствах и поддерживает диалог по изображениям, включая визуальные вопросы и ответы, работу с текстом на изображениях, несколькими изображениями и интерфейсами GUI. В карточке семейства заявлены задачи рассуждения и многоязычные сценарии, а архитектура «1+N» LoRA и метод QALFT используются для адаптации задач и сжатия модели. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Конкретные языки, длина контекста и ограничения качества для версии 1B в карточке не приведены.

Это готовый конвейер для запуска FastVLM на процессоре: модуль ONNX преобразует изображение в эмбеддинги, а языковая часть на основе Qwen2-0.5B в формате GGUF генерирует текстовый ответ. Репозиторий musk12 включает веса и серверный код на основе llama.cpp; для запуска GPU не требуется. Модель принимает изображение и необязательную текстовую подсказку, поддерживает визуальные вопросы и ответы, а также задачи распознавания текста и деталей изображения. Доступны варианты обработки изображения 512×512 с 64 визуальными токенами и 1024×1024 с 256 токенами: первый быстрее, второй лучше подходит для мелкого текста и деталей, но имеет более высокую задержку. В README приведены результаты тестов на CPU, однако фактическая скорость зависит от оборудования. Сервер обрабатывает запросы последовательно. Модель распространяется по лицензии Apache-2.0.

google-bert/bert-large-uncased-whole-word-masking — англоязычная предварительно обученная модель BERT от Google для восстановления замаскированных слов и получения контекстных представлений текста. Она использует архитектуру BERT с 24 слоями, размерностью скрытого состояния 1024 и 16 головами внимания; в метаданных указано 433,9 млн параметров и контекст до 512 токенов. Модель обучена на BookCorpus и английской Википедии с целями masked language modeling и предсказания следующего предложения. При Whole Word Masking одновременно маскируются все WordPiece-токены одного слова; модель uncased и не различает регистр. Основной сценарий — заполнение пропусков в английском тексте. Векторные представления модели также можно использовать как основу для дообучения классификаторов, разметки токенов и ответов на вопросы. Для таких задач, как генерация связного текста, модель не предназначена. Она доступна под лицензией Apache-2.0. Предсказания могут отражать смещения обучающих данных.

BERTomelo ModernBERT Base v1 — португалоязычный энкодер типа BERT, разработанный на базе архитектуры ModernBERT и предварительно обученный с нуля на португальской части корпуса ClassiCC. Версия Base содержит 22 слоя и около 135,5 млн параметров, принимает последовательности до 1 024 токенов и предназначена для заполнения пропусков в тексте. Для обучения использовано около 386,48 млрд токенов; модель применяет RoPE, чередование локального и глобального внимания, а также FlashAttention 2. Карточка сообщает о результатах оценки на задачах семантического сходства, распознавания текстовых следствий и распознавания именованных сущностей для бразильского португальского. Модель подходит для заполнения пропущенных слов и может служить энкодером для последующей адаптации к задачам понимания португальского текста. Контекст 1 024 токена поддерживает обработку более длинных фрагментов по сравнению со многими ранними моделями для бразильского португальского. Репозиторий содержит веса в формате safetensors и имеет лицензию Apache-2.0. Среди ограничений карточка отмечает отсутствие стандартизированных тестов длинного контекста для португальского языка, отсутствие упаковки последовательностей в текущем выпуске и возможность смещений, унаследованных от веб-данных ClassiCC PT.

BetterWright-4b — полноразмерная дообученная модель на базе XHToken/Spark-X2.5-4B, созданная для управления браузером через BetterWright и Playwright. Разработчики обучали её на проверенных выполнением траекториях работы агента с реальными сайтами; модель использует архитектуру Spark-X2.5 с чередованием скользящего и полного внимания и содержит 3,8 млрд параметров. Модель предназначена для выполнения многошаговых задач в браузере: перехода по страницам, извлечения сведений и заполнения форм в тестовых сценариях. Она работает с инструментами браузера и выдаёт текстовые ответы и вызовы инструментов. Нативный контекст — до 1 048 576 токенов, рекомендуемое окно обслуживания — 262 144 токена. Для работы с браузером модель рассчитана на шаблон чата Spark-X2.5 и совместимый инструментальный интерфейс BetterWright. В небольшом тесте на 40 задачах модель чаще выдавала ответы, обоснованные наблюдениями браузера, чем базовая модель, однако строгий процент успешного выполнения остался низким, а многие задачи завершились по тайм-ауту. Модель видит текстовые снимки доступности, DOM и JSON-результаты, но не скриншоты; обучение не охватывало аутентифицированные сценарии с реальными учётными данными. Лицензия — Apache-2.0.