I.3Извлечение и структурирование данных

chabab дообучил инструкционную текстовую модель Google gemma-3-270m-it для преобразования вопроса на естественном языке и описания схемы в один SQL-запрос для Oracle или PostgreSQL. Модель построена на плотной архитектуре Gemma 3, содержит 257 млн параметров и имеет контекстное окно 32 768 токенов. Она принимает текст с указанием диалекта, блоком Schema и блоком Question и генерирует SQL без пояснений и разметки Markdown. На отложенной выборке из 60 примеров точное совпадение с эталонным SQL составило 78,3%: 86,7% для Oracle и 53,3% для PostgreSQL. Модель обучалась на семи схемах; её качество на других схемах не проверено. Запросы не проверяются на реальной базе: возможны ошибки в выборе таблиц, интерпретации вопроса и диалектных конструкциях. Перед использованием SQL требуется проверка, особенно перед выполнением с правами записи. Модель распространяется по лицензии Apache-2.0.

Adalberto1811/gemma-4-12b-coach-alvin — дообученная модель на базе Google Gemma 4 12B с архитектурой Gemma4UnifiedForConditionalGeneration. Она предназначена для обработки изображений и текста и относится к задаче image-text-to-text. В карточке указано, что при обучении использовались Unsloth и библиотека TRL от Hugging Face; веса доступны в формате Safetensors. Модель подойдёт для сценариев, где нужно анализировать изображение и формировать текстовый ответ. Карточка не описывает специальные навыки, обучающие данные или конкретные сценарии применения. Лицензия — Apache-2.0.

GLiNER BERT Tiny — компактная модель извлечения сущностей, разработанная на базе BERT Tiny и обученная на наборе urchade/synthetic-pii-ner-mistral-v1. Она предназначена прежде всего для модульных тестов в средах с ограниченными вычислительными ресурсами, например GitHub Actions, и может применяться для простого распознавания сущностей в тексте. Модель работает с английским, французским, немецким, испанским, португальским и итальянским языками. Репозиторий содержит веса PyTorch и использует библиотеку GLiNER. Лицензия — Apache-2.0.

HerBERT-large-cased — польскоязычная языковая модель на архитектуре BERT, разработанная исследовательской командой Allegro совместно с группой лингвистической инженерии Института компьютерных наук Польской академии наук. Модель обучена на польских текстовых корпусах с помощью masked language modeling и Sentence Structural Objective, с динамическим маскированием целых слов. Для токенизации используется символьный Byte-Pair Encoding с размером словаря 50 тыс. токенов. Модель предназначена для извлечения контекстных представлений текста, которые можно использовать в NLP-системах для польского языка. В репозитории заявлены веса PyTorch, TensorFlow и Flax; число параметров составляет около 453,9 млн, а длина контекста — 514 токенов. Лицензия — Creative Commons Attribution 4.0 International (CC BY 4.0).

Holo-3.1-9B-GGUF — это локально запускаемая GGUF-версия мультимодальной vision-language модели Holo-3.1-9B, разработанной Hcompany и опубликованной в данном формате пользователем prithivMLmods. Модель предназначена для создания компьютерных агентов, работающих с браузерами, настольными и мобильными интерфейсами, а также для автоматизации пользовательских интерфейсов, UI grounding и бизнес-процессов. Модель поддерживает обработку текста и изображений, ориентирована на английский язык и имеет около 9 млрд параметров. В заявленных возможностях — native function calling для интеграции с агентскими фреймворками и выполнение действий в графических интерфейсах. Репозиторий содержит варианты квантования от Q2_K до Q8_0, а также BF16 и F16; размер файлов составляет примерно от 3,83 до 17,9 ГБ, отдельно предоставляются мультимодальные проекторы mmproj. Это позволяет выбирать компромисс между качеством, требованиями к памяти и скоростью локального запуска. Сильные стороны модели — мультимодальность, поддержка компьютерного и мобильного использования, интеграция с агентами и возможность локального развертывания с оптимизированными квантованными контрольными точками. Ограничения README не описывает подробно: не указаны длина контекста, конкретная архитектура, результаты бенчмарков, требования к оборудованию и поддерживаемые языки помимо английского. Модель распространяется по лицензии Apache-2.0.

InternViT-6B-448px-V1-5 — визуальная foundation-модель и backbone для извлечения признаков, разработанная OpenGVLab. Это дообученная версия InternViT-6B-448px-V1-2: при дальнейшем предобучении использовались изображения с динамическим разрешением на основе плиток 448×448, от 1 до 12 плиток на изображение. В README указано 5,54 млрд параметров после удаления последних трёх блоков; метаданные репозитория указывают 7,4 млрд параметров. Модель предназначена прежде всего для получения визуальных признаков, в том числе как зрительная часть мультимодальных языковых моделей. Обучение на разнообразных данных изображений и дополнительных OCR-данных усилило устойчивость, распознавание текста на изображениях и работу с высоким разрешением. Для построения MLLM авторы рекомендуют использовать признаки последнего слоя. README отмечает, что серия InternViT V2.5 лучше подходит для построения MLLM, чем для традиционных задач компьютерного зрения. Лицензия — MIT.

InternVL3-1B-GGUF — мультимодальная модель для понимания и генерации текста по изображениям, разработанная командой OpenGVLab и представленная в формате GGUF командой Unsloth. Она основана на OpenGVLab/InternVL3-1B и использует данные MMPR-v1.2 для дообучения или адаптации. Модель предназначена для задач image-to-text, включая анализ изображений, визуальное восприятие и рассуждение, а также потенциально для работы с инструментами, GUI-агентами, промышленными изображениями и 3D-восприятием. Архитектура построена по схеме ViT-MLP-LLM: визуальная часть InternViT-300M-448px-V2_5 соединена через MLP-проектор с языковой частью Qwen2.5-0.5B. Общий размер семейства для этой конфигурации — 1B параметров. Заявлена поддержка multilingual-сценариев, однако конкретный перечень языков и размер контекстного окна в карточке не указаны. К сильным сторонам относятся сочетание визуального и языкового понимания, компактный размер и возможность использования GGUF для локального запуска при подходящей инфраструктуре. Ограничения включают меньшую ёмкость по сравнению с крупными вариантами InternVL3, а также отсутствие в карточке подробных данных о требованиях к памяти, производительности, точности на бенчмарках и совместимости конкретных рантаймов. В карточке указана лицензия Apache-2.0; дополнительно приведена ссылка на лицензию Qwen.

ohwi/japanese-stablelm-instruct-gamma-7b-repro — воспроизведение японской модели Japanese Stable LM Instruct Gamma 7B, дообученное Хвигеоном О и Фудзики Накамурой на основе Japanese Stable LM Base Gamma 7B. Это авторегрессионная плотная модель архитектуры Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового следования инструкциям на японском языке. Контекст модели составляет 4096 токенов. Модель обучалась на японских переводах наборов Databricks Dolly-15k и части Anthropic HH, а также на подмножестве izumi-lab/llm-japanese-dataset с новостями Wikinews. В карточке приведены результаты оценки на Nejumi-leaderboard Neo, включая llm-jp-eval и Japanese Mt-Bench. Весы доступны в формате safetensors; лицензия — Apache-2.0. README отмечает, что это воспроизведение, а не официальная модель Japanese Stable LM Instruct Gamma 7B.

LFM2-1.2B-GGUF — квантизированное представление модели LFM2-1.2B, разработанной Liquid AI и опубликованной Unsloth в формате GGUF. Это гибридная генеративная языковая модель для работы на периферийных устройствах и локального развёртывания на CPU, GPU и NPU, включая смартфоны, ноутбуки и автомобили. Модель содержит около 1,17 млрд параметров, 16 слоёв, из которых 10 используют свёртки, а 6 — attention, и поддерживает контекст до 32 768 токенов. Архитектура Liquid включает мультипликативные гейты и короткие свёртки. Модель предназначена для агентских сценариев, извлечения данных, RAG, творческого письма и многошаговых диалогов. Она поддерживает английский, арабский, китайский, французский, немецкий, японский, корейский и испанский языки. К сильным сторонам относятся скорость обучения и инференса, эффективность по памяти и возможность запуска на разнообразном оборудовании; заявлены преимущество над моделями сопоставимого размера в ряде задач и ускоренный CPU-декодинг. Из-за небольшого размера модель рекомендуется дообучать под узкие сценарии. Она не рекомендована для ресурсоёмких задач, требующих глубоких знаний или программирования. Лицензия — LFM Open License v1.0; для llama.cpp в README указано использовать исправленный шаблон чата с параметром --jinja.

Мультимодальная модель rahul7star, дообученная на базе LiquidAI/LFM2.5-VL-3B для диалога с изображениями и ответов на визуальные запросы. Она принимает текст и изображения и генерирует текст; архитектура относится к семейству lfm2_vl, веса представлены в формате safetensors. В карточке указана возможность интеграции с интерфейсом вызова инструментов. Модель подходит для описания изображений и диалога по их содержимому. Базовая модель Liquid AI также предназначена для локального анализа изображений и OCR с разметкой страниц, однако README этого чекпойнта не приводит подробностей о собственных обучающих данных или качестве на таких задачах. Карточка указывает английский язык. Модель распространяется по лицензии Apache-2.0.

LLaVA-NeXT (LLaVA-1.6) — мультимодальная чат-модель, разработанная командой авторов LLaVA-NeXT; этот вариант использует NousResearch/Nous-Hermes-2-Yi-34B как языковую основу. Архитектура объединяет большую языковую модель и предварительно обученный визуальный энкодер. Модель принимает изображения и текст и генерирует текстовые ответы; повышенное разрешение изображений и улучшенное обучение визуальным инструкциям предназначены для улучшения распознавания текста на изображениях и рассуждений на основе визуального контекста. Модель подходит для описания изображений, ответов на вопросы о них и диалоговых мультимодальных сценариев. В карточке заявлена двуязычная поддержка, а метаданные указывают английский язык. Размер 34B следует из используемой языковой основы. Репозиторий содержит веса Safetensors и предназначен для работы с Transformers. В карточке не приведены сведения о длине контекста и лицензии этого конкретного чекпойнта.

LLaVA-NeXT (LLaVA-1.6) — мультимодальная модель для диалога с изображениями, разработанная авторами работы LLaVA-NeXT. В этой версии языковая часть основана на Mistral-7B-Instruct-v0.2, объединённой с предварительно обученным визуальным энкодером. Модель принимает изображения и текстовые инструкции, а в ответ генерирует текст. Повышенное разрешение изображений и улучшенное обучение визуальным инструкциям предназначены для более качественного распознавания текста на изображениях, ответов на визуальные вопросы и рассуждений о содержимом изображения. Подходит для описания изображений и мультимодального чат-бота. Поддерживается английский язык; в README также заявлена двуязычная поддержка для семейства LLaVA-1.6, но второй язык для этого чекпойнта не уточнён. Репозиторий распространяется по лицензии Apache-2.0.

llm-jp-3-8x1.8b-instruct2 — японская инструктивная языковая модель серии LLM-jp-3, разработанной Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это причинный трансформер Mixtral с архитектурой MoE: 8 экспертов, из которых активируются 2; в метаданных указано 1,7 млрд параметров, а README сообщает 9,27 млрд общих и около 2,92 млрд активируемых параметров. Модель предобучалась на 2,1 трлн токенов, а затем прошла supervised fine-tuning и Direct Preference Optimization. Модель предназначена для диалогов и выполнения инструкций на японском языке, включая ответы на вопросы, извлечение и изложение информации, рассуждения и создание текстов. Контекст составляет 4096 токенов. Карточка описывает преимущественно японские данные и сценарии; метаданные также указывают английский язык. Репозиторий использует формат Transformers и файлы safetensors. Лицензия — Apache-2.0. Разработчики предупреждают, что модель находится на раннем этапе исследований и разработок и не настроена для гарантированного соответствия человеческим намерениям и требованиям безопасности. В README приведены оценки серии LLM-jp-3, но отдельные результаты этой версии в показанных таблицах отсутствуют.

mljn/mdeberta-v3-base-finetuned-green-classification-new — дообученная модель классификации текста на базе многоязычной Microsoft DeBERTa V3 Base. Она предназначена для отнесения текстов к классам; конкретные классы и предметная область в карточке не раскрыты. Модель содержит 306 млн параметров, использует архитектуру DebertaV2ForSequenceClassification и принимает последовательности длиной до 512 токенов. Для набора оценки указаны accuracy 0,8927 и macro F1 0,8743; описание набора данных отсутствует, поэтому эти показатели нельзя переносить на другие данные. Модель распространяется по лицензии MIT.

MeridianPII Hindi/Hinglish v1 — модель токенной классификации для обнаружения персональных данных в текстах на хинди, хинглише и индийском английском. Разработчик дообучил multilingual MiniLM от Microsoft и адаптировал модель к письму деванагари и смешанным языковым текстам. Модель имеет около 65,2 млн параметров, контекст до 512 токенов и поставляется в форматах ONNX и safetensors; README описывает компактную версию ONNX INT8 размером 56 МБ для запуска в браузере через transformers.js. Модель предназначена для локального обнаружения имён, фамилий, телефонов и других контекстных PII перед отправкой текста, например, в размещённую в облаке LLM. В README указаны высокие показатели полноты на тестовом наборе, однако версия v1 заменена v2, обученной на дополнительных данных на хинди и показывающей несколько лучшие результаты. Модель рассчитана на работу вместе с отдельными детерминированными распознавателями структурированных идентификаторов. Известные ограничения: модель может путать метки CITY и STATE, не рассчитана на географические названия за пределами Индии и не обнаруживает структурированные идентификаторы вроде Aadhaar, PAN, IFSC, адресов электронной почты и URL — их должен обрабатывать отдельный слой. Трудными случаями остаются длинные фрагментированные адреса и плотное переключение языков. Лицензия — CC BY 4.0.

MM Grounding DINO Large — модель компьютерного зрения семейства Grounding DINO, представленная авторами работы «An Open and Comprehensive Pipeline for Unified Object Grounding and Detection». Она предназначена для обнаружения объектов по текстовым запросам без отдельного обучения на каждом заданном классе: на вход подаются изображение и текстовые описания объектов, на выходе — найденные объекты с ограничивающими рамками и оценками уверенности. Модель улучшает Grounding DINO за счёт контрастивной классификационной головы и отказа от разделения параметров декодера. В карточке для семейства указаны результаты на COCO и LVIS, но приведённые подробные таблицы относятся к вариантам tiny и не подтверждают показатели именно этой версии large. Модель обучалась на наборах Objects365, Open Images, GOLD-G, V3Det, COCO, LVIS, GRIT и RefCOCO. Модель работает с изображениями и текстом и выдаёт текстовые категории, оценки и координаты рамок. Репозиторий использует библиотеку Transformers и формат safetensors. Лицензия Apache-2.0.

dpravinv/modernbert-job-role-matcher — англоязычная модель Sentence Transformers, дообученная на базе nomic-ai/modernbert-embed-base для сопоставления названий должностей с описаниями ролей. Она кодирует предложения и абзацы в плотные векторы размерности 768; для сравнения векторов используется косинусное сходство. Архитектура включает ModernBERT, усреднение токенных представлений и нормализацию эмбеддингов. Модель рассчитана на семантическое сравнение текстов и поиск подходящих описаний должностей. Её также можно применять для семантического поиска, поиска перефразировок, кластеризации и классификации текста. Максимальная длина последовательности — 8192 токена. В README приведён результат cosine_accuracy 0,98 на оценке с TripletEvaluator; размер обучающей выборки указан как 800 примеров. Модель выпущена под лицензией Apache-2.0. Оценка на небольшой выборке не гарантирует аналогичного качества на других данных и сценариях; заявленная поддержка языка — английский.

National Climate Targets Classifier — многометочная модель классификации текстов, разработанная командой Climate Policy Radar. Она основана на climatebert/distilroberta-base-climate-f и дообучена на наборе National Climate Targets с экспертной разметкой национальных законов, политик и материалов, поданных в РКИК ООН. Модель определяет, относится ли цель в тексте к категории Net Zero (NZT), сокращению выбросов (Reduction) или Other. Это RoBERTa-классификатор с 95,4 млн параметров и контекстом до 514 токенов; принимает текст и возвращает метки классов. Поддерживаемый язык — английский. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

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.

PanoVLM-500M — компактная модель «изображение—текст» от PanocularAI. Она объединяет визуальный энкодер FastViT-HD, языковую модель PanoLM с линейным вниманием и лёгкий проектор BitLinear. В метаданных указано около 385,1 млн параметров, а длина контекста составляет 131 072 токена. Модель принимает изображение и текст и предназначена для диалоговых сценариев с визуальными данными, например ответов на вопросы об изображении и его описания. README задаёт разрешение изображений 1024×1024 с изменением размера и дополнением; указано, что менять следует только разрешение. Для работы заявлены PyTorch, Transformers, flash-linear-attention и timm. Модель распространяется по лицензии Apache-2.0.

PIXIE-Rune-v1.0 — модель эмбеддингов на архитектуре XLM-RoBERTa, разработанная TelePIX Co., Ltd. и дообученная для семантического поиска на корейских и английских данных. Она рассчитана прежде всего на поиск информации в аэрокосмических документах, а также подходит для поиска по текстам общего назначения на корейском и английском языках. Модель преобразует текст в векторы размерности 1024, нормализует их и поддерживает сравнение по косинусному сходству. В README указана максимальная длина последовательности 6144 токена, а метаданные указывают контекст до 8194 токенов. Доступны форматы safetensors и ONNX; в метаданных размер модели указан как 658,7 млн параметров. Модель предназначена для семантического поиска, извлечения релевантных документов и построения систем поиска и ответов на вопросы по документам. Разработчик сообщает о результатах на аэрокосмическом бенчмарке STELLA и наборах поиска на корейском и английском языках. Лицензия — Apache-2.0.

Модель artificialguybr/Qwen2.5-0.5B-OpenHermes2.5 — дообученная версия Qwen/Qwen2.5-0.5B, созданная artificialguybr на наборе инструкций и диалогов OpenHermes 2.5. Это плотная авторегрессионная языковая модель семейства Qwen2 с 494 млн параметров, рассчитанная на генерацию текста и выполнение инструкций. В метаданных указан контекст до 32 768 токенов; заявленная базовая модель поддерживает более 29 языков. Модель можно использовать для генерации текста, ответов на инструкции, диалоговых сценариев, а также задач с кодом, математикой и структурированным выводом, включая JSON. Обучение выполнено с помощью Axolotl. По карточке модель предназначена для исследований и прикладных задач обработки естественного языка; лицензия — Apache-2.0. Карточка предупреждает, что качество различается между языками и областями, а обучающие данные могут содержать смещения. Для надёжного использования в диалогах может потребоваться дополнительное дообучение или постобработка; не следует считать заявленные возможности базового семейства гарантией качества этой небольшой версии.

cwolff выпустил cwolff/qwen3.5-2b-grpo-curriculum — дообученную методом GRPO агентную модель на базе Qwen/Qwen3.5-2B с 2 млрд параметров. Она предназначена для преобразования вопросов к базам данных в SQL: модель исследует схему с помощью инструментов, выполняет запросы и отправляет итоговый SQL. Для работы нужен внешний агентный цикл, который исполняет JSON-вызовы инструментов и передаёт результаты модели. Обучение продолжило чекпойнт cwolff/qwen3.5-2b-grpo-sqale на выборке SQaLe3, включая сложные примеры; длина эпизода составляла 24 576 токенов. В README приведены результаты выполнения SQL на BIRD и других наборах, однако модель обучалась и оценивалась только с SQLite. У неё сохранена башня зрения базовой модели, но она не обучалась и не оценивалась, поэтому автор рекомендует считать модель текстовой. Модель распространяется под лицензией Apache-2.0.

MSynSQL — специализированная модель для преобразования вопросов на естественном языке в SQL-запросы к базам SQLite. Её выпустила команда SQaLe как одну из моделей исследования о данных для компактных text-to-SQL систем. Модель основана на Qwen3.5-2B и дообучена методом GRPO на наборе SynSQL-2.5M; размер базовой модели — 2 млрд параметров. Веса доступны в формате safetensors, лицензия — Apache-2.0. Модель работает как агент: исследует базу через инструменты, проверяет запрос выполнением и затем возвращает ответ. Для работы требуется цикл, который исполняет вызовы инструментов и передаёт результаты модели; схема базы не включается в исходный запрос. В README указаны результаты 44,3% на BIRD dev, 50,7% на SQaLe test и 13,3% на EHRSQL. Модель обучалась и оценивалась только на SQLite; на больших схемах она менее надёжно находит таблицы и значения, чем MSQaLe, и чаще вызывает инструменты, из-за чего выполнение может занимать больше времени. Архитектура включает неизменённую зрительную часть Qwen3.5, однако обучалась и оценивалась только языковая часть, на текстовых данных.

Это порт мультимодальной модели Qwen/Qwen3-VL-2B-Instruct в формат Core ML, подготовленный mlboydaisuke для запуска на устройствах Apple. Он принимает текстовые запросы и изображения и формирует текстовые ответы; рассчитан на локальный запуск на iOS 18+ и macOS 15+, включая ускорение на Apple Neural Engine. Модель включает 28-слойную текстовую основу с GQA и визуальный ViT-энкодер; изображения обрабатываются при их наличии в запросе, с фиксированным размером 448×448. Визуальные признаки DeepStack передаются в текстовые слои. Репозиторий содержит INT8-модель, разделённую на Core ML-компоненты. Для работы нужны токенизатор и процессор базовой модели, которые следует получать отдельно. Эта версия использует рекуррентный путь и сохранена для совместимости; автор рекомендует для новых проектов stateful-вариант, которому приписывает меньший расход памяти и более быстрое декодирование. Лицензия — Apache-2.0. Базовая модель поддерживает диалог и анализ изображений и видео, включая OCR, пространственное рассуждение и работу с визуальными интерфейсами; README этой версии описывает текст и изображения.

Модель textattack/roberta-base-ag-news разработана TextAttack на основе RoBERTa-base и дообучена для классификации новостных текстов из набора AG News. Она относит текст к одной из четырёх категорий набора данных: мировые новости, спорт, бизнес или наука и технологии. По карточке, модель обучали пять эпох с максимальной длиной последовательности 128 токенов; лучшая точность на проверочной выборке составила около 94,7%. Это RoBERTa для классификации последовательностей с 151,8 млн параметров и контекстом до 514 токенов по метаданным; доступны веса PyTorch и Flax. Модель принимает текст и выдаёт метку класса. Лицензия в предоставленных данных не указана.

Это китайская модель RoBERTa-Base для классификации текста, дообученная командой UER с помощью UER-py на наборе Chinanews. В карточке показан пример классификации китайской новостной фразы с меткой «политика материкового Китая». Репозиторий содержит около 129,5 млн параметров; модель использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. Модель предназначена для определения тематических классов китайских новостных текстов. Её можно загружать через Transformers и использовать для автоматической тематической разметки новостных фрагментов. Обучающие наборы также включали китайские отзывы с метками тональности, однако этот конкретный чекпойнт обучен на Chinanews. В карточке не приведены метрики качества и перечень всех меток классов. Поддерживаются форматы PyTorch, TensorFlow и Flax. Лицензия в предоставленных данных не указана.

Модель pulkitchowdry/sample-agnews-classifer предназначена для классификации новостных заголовков по четырём категориям: World, Sports, Business и Science/Technology. Для токенизации используется BERT-токенизатор из bert-base-uncased, а классификацию выполняет пользовательская многослойная перцептронная сеть с линейными слоями и активацией ReLU. Модель разработана на PyTorch и опубликована в формате safetensors. По данным карточки, точность на тестовой выборке AG News составляет 91%. Модель нечувствительна к регистру и рассчитана на англоязычные новости. Она ограничена четырьмя указанными категориями, а предсказания могут быть смещёнными. Лицензия — MIT.

Tejapriyan-8B — персональная языковая модель, созданная и дообученная Teja Priyan на базе Qwen2.5-7B-Instruct. Это плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров, контекстом до 32 768 токенов и весами Safetensors. Модель предназначена для диалога, распознавания личности создателя и генерации SQL-запросов по схеме базы данных. При дообучении применялись SFT для закрепления идентичности и GRPO с наградой за выполнение запросов в SQLite. По заявлению автора, это улучшает генерацию многотабличных JOIN, подзапросов и anti-join и снижает число ошибок при опоре на схему. Также отмечены возможности работы с кодом и интерфейс вызова инструментов. Модель ориентирована на английский язык; лицензия — Apache-2.0. Автор отдельно указывает на квантизированный вариант GGUF и интерактивную веб-демонстрацию.

ToriiGate-0.5_GGUF — GGUF-квантизированная версия мультимодальной модели ToriiGate-0.5, разработанной Minthy и основанной на Minthy/ToriiGate-0.5 и Qwen/Qwen3.5-4B-Base. Модель предназначена для анализа изображений и генерации подписей и описаний к цифровым иллюстрациям, аниме-арту, скриншотам, комиксам и другим изображениям. Она может применяться для подготовки датасетов генеративных моделей, создания промптов, автоматической разметки, сортировки и классификации изображений. Модель поддерживает сценарии image-text-to-text и рассчитана преимущественно на англоязычные описания. Она распознаёт многочисленные визуальные концепции, действия, персонажей и их индивидуальные атрибуты, умеет использовать имена персонажей и предлагает несколько вариантов формата подписей, включая подробные структурированные описания и режимы с промежуточным рассуждением. Для повышения точности предусмотрены варианты grounding, в том числе использование тегов или описаний изображений. По заявлению автора, модель особенно сильна в области цифрового и аниме-арта и не имеет встроенной цензуры. К ограничениям относятся небольшой размер базовой модели, возможные ошибки при распознавании редких персонажей и риск смешения внешности и имён нескольких персонажей без дополнительного grounding. Точные размер, длина контекста и полный перечень поддерживаемых языков в предоставленных данных не указаны. Для запуска нужны совместимые llama.cpp-инструменты, GGUF-файл и мультимодальный проектор mmproj; доступны различные варианты квантизации, включая версии с Q8_0 для token embeddings и output tensor. Модель распространяется по лицензии MIT.