I.3Извлечение и структурирование данных

Turath-OCR-Fix — модель компании Sadiqoon Technologies для исправления ошибок OCR в арабских и персидских текстах. Это дообученная google/byt5-base: символьная модель семейства T5 с байтовым словарём, примерно 595,1 млн параметров. Она восстанавливает пропущенные хамзы и точки, исправляет подмены букв и написание персидских букв, удаляет лишние татвиль и диакритические знаки, а также исправляет пробелы и пунктуацию. Модель предназначена для постобработки OCR при оцифровке книг и других текстов, в том числе наследия на арабском и персидском языках. В описанной оценке на 600 отложенных фрагментах она снизила CER с 2,65% до 0,74%, устранив 72% символьных ошибок. По замыслу разработчика, модель исправляет распознанное консервативно и старается оставить остальной текст без изменений. В README для обработки используется максимальная длина входа 384 токена; лицензия — MIT.

NlpHUST/vi-word-segmentation — модель NlpHUST для сегментации слов во вьетнамском тексте. Это дообученная на наборе VLSP 2013 модель NlpHUST/electra-base-vn с архитектурой ELECTRA для классификации токенов; размер — 160,9 млн параметров, максимальный контекст — 512 токенов. Модель предназначена для выделения границ слов во вьетнамском тексте и может применяться в конвейерах предобработки текста и анализа вьетнамского языка. В README для оценочного набора приведены F1 0,9835 и точность 0,9911. Для воспроизведения результатов и корректной эксплуатации следует учитывать, что обучение проводилось на конкретном наборе данных VLSP 2013; результаты на других текстах могут отличаться. Лицензия в предоставленных данных не указана.

NomaDamas подготовил конверсию модели naver/v-splade-quality в формат MLX bfloat16 для запуска на Apple Silicon. Это разреженный поисковый энкодер для визуального поиска по документам: он кодирует страницы PDF, презентаций и сканов в векторы размерности 50 368 в пространстве токенов. Запросы обрабатываются через заранее вычисленную таблицу Bag-of-Words без нейросетевого кодирования, что позволяет искать документы по текстовым запросам. Артефакт включает веса энкодера в safetensors, таблицу запросов и конфигурации токенизатора и процессора. Архитектура объединяет визуальную башню SigLIP, pixel-shuffle connector, текстовый энкодер ModernBERT и SPLADE MLM head. В README приведены результаты проверки отдельной fp32-конверсии; они не относятся к хранящимся здесь весам bfloat16. Обучение или дообучение для этого репозитория не выполнялись. Модель предназначена для поиска по содержимому страниц документов и лицензирована Apache-2.0. Для загрузки и инференса требуется совместимая среда MLX на Apple Silicon.

AEGIS Personal PII NER — модель YATAV-ENT для обнаружения персональных данных в тексте перед отправкой в сервисы ИИ. Она выполняет разметку токенов в формате BIO и выделяет 18 типов данных, включая имена, адреса, телефоны, электронную почту, номера документов, банковских карт и счетов, IP-адреса и пароли. Модель построена на многоязычной архитектуре BERT, содержит 205,1 млн параметров и рассчитана на контекст до 512 токенов. Модель предназначена для защиты приватности в браузерных сценариях: README описывает INT8-квантизованную версию в формате ONNX с запуском через onnxruntime-web для анализа текста в реальном времени. Карточка приводит результаты версии v2: F1 по сущностям 0,9234, корейский F1 0,9632 и английский F1 0,9119. Указаны корейский и английский языки; по отдельным типам PII остаются ошибки, в частности для банковских счетов, адресов и названий компаний. Модель основана на bert-base-multilingual-cased и дообучена для распознавания PII на англоязычных и корейских данных. Лицензия — Apache-2.0. Для практического применения результаты стоит проверять, особенно при обнаружении адресов, номеров счетов и других чувствительных полей.

bert-sr-small — компактная языковая модель на базе BERT, опубликованная пользователем aajrami. Она предварительно обучена с помощью цели shuffle + random; подробности об этой цели и гиперпараметрах приведены в связанной работе о влиянии целей предобучения на усвоение языковых свойств. В метаданных модель представлена архитектурой RoBERTa с классом RobertaModel и содержит 42,5 млн параметров. Модель предназначена для извлечения признаков из текста и может использоваться как основа для получения контекстных представлений текста в NLP-сценариях. Максимальная длина контекста составляет 514 токенов. Репозиторий содержит веса в форматах PyTorch и Safetensors. Модель распространяется по лицензии CC BY 4.0. Карточка не уточняет поддерживаемые естественные языки и конкретные ограничения качества; результат следует проверять на целевых данных и задачах.

OmmWankhedee369/bge-base-medical-v1 — англоязычная модель Sentence Transformers, дообученная разработчиком репозитория на базе BAAI/bge-base-en-v1.5 для получения плотных текстовых эмбеддингов. Архитектура основана на BERT; модель преобразует предложения и абзацы в векторы размерности 768, нормализует их и позволяет сравнивать по косинусному сходству. Максимальная длина последовательности по README — 192 токена; общий контекст модели по метаданным — до 512 токенов. Модель предназначена для семантического поиска и извлечения релевантных текстов, в том числе в медицинских материалах. Подходит для поиска по коллекциям документов и подбора похожих предложений; README не приводит медицинские оценки качества или сведения о датасете обучения. Лицензия — Apache-2.0.

PeytonT/candidate-row-reranker — дообученная модель-классификатор на базе sentence-transformers/all-MiniLM-L6-v2, разработанная как компонент поискового стека Repository Library. Она оценивает строки-кандидаты с доказательствами, помогая принять или отклонить их при поиске и ранжировании материалов научных статей и репозиториев. Модель построена на энкодере BERT и имеет около 25,9 млн параметров; принимает текстовые данные и выдаёт оценку классификации. Контекст ограничен 512 токенами. Модель рассчитана на применение внутри целевого поискового конвейера, в частности для фильтрации и ранжирования найденных свидетельств. В карточке заявлена метрика accuracy, но отдельный отчёт с результатами бенчмарка не приведён. Обучающие данные включают выгрузки графа репозиториев и фрагментов кода из конвейера Repository Library. Перед внедрением в другой процесс результаты следует проверить на его данных. Лицензия в предоставленных источниках не указана.

ai4data/devdata-search-harrier-270m-cmnrl — модель-биэнкодер семейства DevData Search, разработанная ai4data для поиска по структурированным статистическим метаданным. Это дообученная версия microsoft/harrier-oss-v1-270m: при обучении на DevDataBench порядок полей переставлялся, а часть полей исключалась, чтобы модель связывала смысл с названиями полей, а не с их порядком в записи. Модель создаёт текстовые эмбеддинги запросов и описаний данных для поиска и сравнения по смыслу, в том числе когда формулировки различаются. Она построена на архитектуре Gemma 3 Text, содержит 257 млн параметров и поддерживает контекст до 32 768 токенов по метаданным. В README для обучения указан максимальный размер последовательности 512 токенов; префиксы запроса и документа не требуются. Модель распространяется с лицензией Apache-2.0 и предназначена для встраивания в поиск, а не для работы как готовый поисковый сервис.

DewarpNet-LiteRT — это модель для выравнивания фотографий изогнутых или сложенных документов, подготовленная сообществом litert-community на основе DewarpNet. Она предназначена для локальной обработки на устройствах и интеграции в приложения-сканеры: два сверточных компонента WCNet и BMNet предсказывают сетку обратного отображения, по которой исходное изображение можно преобразовать в плоскую страницу. Модель распространяется в формате TFLite и рассчитана на запуск через LiteRT. Вход — изображение размером 256×256 в формате BGR, нормализованное делением на 255; выход — сетка обратного отображения размером 128×128, а финальное преобразование изображения выполняется на стороне приложения. В README приведены замеры производительности на Android GPU и NPU, а также на Raspberry Pi 5 и в браузере; скорость зависит от устройства и выбранного вычислительного бэкенда. Для использования нужно интегрировать модель в приложение и выполнить постобработку сетки: сгладить её, масштабировать до исходного размера и применить к изображению. Модель лицензирована по MIT. Карточка описывает конверсию исходного DewarpNet для LiteRT; отдельная адаптация весов не заявлена.

GALACTICA 1.3B — базовая авторегрессионная языковая модель семейства OPT, разработанная командой Papers with Code в Meta AI для автоматизации работы с научной информацией. Вариант содержит около 1,7 млрд параметров по метаданным, использует архитектуру decoder-only Transformer и контекст длиной до 2048 токенов. Модель обучена на корпусе из 106 млрд токенов открытых научных текстов и данных: статей, учебников, научных сайтов, энциклопедий и баз знаний. Она предназначена для генерации научных текстов, ответов на научные вопросы, математических рассуждений, суммаризации, предсказания цитирований и извлечения сущностей; также заявлена поддержка задач с научными данными, например предсказания свойств молекул. Карточка отмечает результаты на научных и общих NLP-задачах, но предупреждает о галлюцинациях, смещении в пользу популярных публикаций и предвзятости. Для использования требуется учитывать эти ограничения и проверять ответы. Лицензия CC BY-NC 4.0 разрешает использование на некоммерческих условиях.

OS-Software/Gemma-4-12B-it-QAT-Q4_0-unquantized-uncensored-heretic-v3 — экспериментальная производная модель на базе Google Gemma 4 12B Instruct, созданная сообществом OS-Software. Карточка описывает Gemma 4 как плотную мультимодальную архитектуру с чередованием локального скользящего и глобального внимания. Для базовой версии 12B заявлен контекст до 256K токенов; модель поддерживает обработку текста, изображений, видео и аудио. Модель предназначена для исследований безопасности, выравнивания и red teaming, а также экспериментов с диалогом, рассуждениями, вызовом инструментов, программированием и мультимодальным анализом. Заявлены распознавание речи и перевод речи в текст, анализ изображений и видео, OCR, разбор документов и понимание интерфейсов. README рекомендует избегать развёртывания в публичных сервисах и пользовательских приложениях. В README не приведены отдельные результаты оценки качества или точные сведения о том, какие изменения внесены в эту версию; указанные возможности относятся к семейству Gemma 4 и базовой модели. Карточка сообщает о возможных фактических ошибках, предвзятости, трудностях с нюансами языка и сложными задачами. Лицензия репозитория — Apache-2.0.

Luigi разработал Gemma-4-E2B meeting agent (zh-TW) — дообученную версию Gemma-4-E2B для работы с расшифровками совещаний на устройствах с ограниченными ресурсами. Модель принимает фрагменты китайской речи на традиционном письме Тайваня вместе с журналом предыдущих заметок и по заданному протоколу формирует краткие заметки с временными отметками и ссылками на источник: решения, поручения, предложения, открытые вопросы и ключевые цифры. В версиях начиная с v8 она также составляет связное резюме и заголовок встречи по заметкам. В основе лежит Google Gemma-4-E2B-it-qat-q4_0-unquantized; модель дообучена с LoRA-адаптером и распространяется в том числе в формате GGUF Q4_0 размером 3,35 ГБ. Для телефонов подготовлена версия LiteRT-LM, рассчитанная на CPU; README приводит результаты измерений на Galaxy Note10+ и указывает, что на этом устройстве CPU быстрее GPU. Модель предназначена для специализированного протокола с последовательной подачей фрагментов стенограммы, а не для произвольного диалога. Указанный в примере контекст запуска GGUF — 32 768 токенов; мобильная версия использует контекст 4k на окно и перезапускает сессию на компактном журнале при достижении 8k токенов. Лицензия — Apache-2.0.

GLM-10B-Chinese — плотная языковая модель семейства GLM, разработанная исследовательской командой авторов статьи GLM: General Language Model Pretraining with Autoregressive Blank Infilling. Модель содержит 13,1 млрд параметров и 48 слоёв Transformer с размером скрытого состояния 4096 и 64 головами внимания на слой. Она предварительно обучена на корпусе WuDaoCorpora с авторегрессионной целью заполнения пропусков и поддерживает режимы для коротких пропусков, заполнения предложений и генерации слева направо. Модель предназначена для задач понимания и генерации китайского текста, включая языковое моделирование, генерацию продолжений, заполнение пропусков и настройку под задачи seq2seq. В карточке Hugging Face основная задача обозначена как извлечение признаков; метаданные также указывают поддержку классификации текста и генерации текста. Модель выпущена в формате PyTorch. Условия лицензии в предоставленных данных не описаны.

InternVL-Chat-V1-2-Plus — мультимодальная большая языковая модель, разработанная OpenGVLab для диалогов с изображениями и генерации текста. Она объединяет визуальный энкодер InternViT-6B-448px-V1-2, MLP-проектор и языковую модель Nous-Hermes-2-Yi-34B; общее число параметров — 40 млрд. Модель рассчитана на работу с изображениями размером 448 × 448, которые кодируются в 256 визуальных токенов, а также поддерживает текстовые диалоги. Версия Plus использует тот же тип архитектуры, что и InternVL-Chat-V1-2, но дообучена на 12 млн примеров SFT. Её можно применять для описания изображений, визуальных вопросов и ответов, распознавания текста на изображениях и мультимодального чата. Репозиторий содержит веса Safetensors, модель запускается через Transformers с поддержкой пользовательского кода. Лицензия — MIT. Модель поддерживает интерфейс многораундового общения с несколькими изображениями и видео, однако авторы отмечают низкое качество этих сценариев из-за недостатка соответствующих обучающих данных. Также авторы предупреждают, что 4-битная квантизация BNB может заметно ухудшить понимание изображений и приводить к бессмысленным ответам.

ICTNLP/llava-mini-llama-3.1-8b — мультимодальная чат-модель семейства LLaVA-Mini, разработанная Shaolei Zhang, Qingkai Fang, Zhe Yang и Yang Feng. Она принимает изображения и видеокадры вместе с текстовым запросом и генерирует текстовые ответы о визуальном содержимом; примеры включают чтение надписи на изображении и описание событий в видео. Модель использует плотную архитектуру LlavaMiniLlamaForCausalLM, содержит 7,5 млрд параметров и имеет заявленный контекст 131 072 токена. Для представления каждого изображения LLaVA-Mini использует один визуальный токен; авторы сообщают о снижении вычислительных затрат и задержки по сравнению с обычной обработкой визуальных токенов, а также о поддержке видео. В карточке приведён формат safetensors. Модель подходит для диалога по изображениям и видео, включая анализ изображений высокого разрешения. Карточка не сообщает поддерживаемые естественные языки и конкретные ограничения качества, поэтому язык ответов и точность на отдельных типах визуальных задач следует оценивать отдельно. Лицензия — GPL-3.0.

REILX/llava-Qwen2-7B-Instruct-Chinese-CLIP-v2 — мультимодальная модель REILX для диалогового анализа изображений. Она основана на Qwen2-7B-Instruct с визуальным энкодером Chinese-CLIP ViT-Large/14 и мультимодальным проектором; при дообучении применялись LoRA для компонентов vision tower и языковой модели, а проектор обучался полностью. Модель предназначена прежде всего для распознавания китайского текста на изображениях и понимания смысла китайских мемов, а также для генерации текстовых описаний изображений. В обучении использованы датасеты китайского OCR и описания мемов; заявленная максимальная длина последовательности при обучении — 2048 токенов. Репозиторий содержит веса Safetensors и лицензирован по Apache-2.0. README не приводит количественных метрик качества.

jzhang533/manga-ocr-base-2025 — модель OCR, опубликованная пользователем Jun Zhang на Hugging Face и предназначенная для распознавания японского текста на изображениях, прежде всего в манге. Она принимает изображение и генерирует текст, поэтому подходит для извлечения реплик из пузырей, панелей и других фрагментов манги, включая последующее использование в электронных читалках и инструментах перевода. В репозитории указана архитектура VisionEncoderDecoder; конфигурация содержит визуальный encoder и японский BERT-декодер с токенизатором BertJapaneseTokenizer. Модель имеет около 30,3 млн параметров, хранится в формате Safetensors с типом F32 и поддерживает мультимодальный сценарий «изображение—текст». Язык распознавания — японский; размер контекстного окна и дополнительные языки в карточке модели не указаны. Назначение и сильные стороны соответствуют базовой Manga OCR: обработка вертикального и горизонтального текста, furigana, текста поверх изображений, разных шрифтов и изображений низкого качества, а также многострочного текста за один проход. Карточка конкретной модели почти полностью автоматически сгенерирована и не содержит сведений о датасете, обучении, метриках, сравнительных результатах или детально описанных ограничениях. Для OCR следует учитывать риск ошибок на длинных фрагментах, рукописном тексте и изображениях без текста; количественная точность этой версии не подтверждена опубликованными бенчмарками. Для модели указана лицензия Apache-2.0.

Это квантизированная версия мультимодальной модели Qwen3.8-27B, преобразованная starskyzheng в нативный формат .ninfer для NInfer и профиля NVIDIA GeForce RTX 5080. Исходная модель разработана командой Qwen. Артефакт предназначен исключительно для запуска в NInfer и не является checkpoint для Transformers, Safetensors или GGUF. Модель поддерживает генерацию текста в режимах с рассуждением и без него, обработку изображений, нескольких изображений, видео и смешанных мультимодальных сообщений. Заявлен контекст до 131 072 токенов с Q4 KV-кэшем, MTP-3 speculative decoding с окном в три токена, а также обслуживание через NInfer CLI, OpenAI Chat Completions и Anthropic Messages. Текстовое ядро использует смешанную групповую квантизацию Q3/Q4/Q5 с эффективным показателем около 3,95 BPW. Размер артефакта составляет примерно 15,33 GiB. Сильными сторонами являются мультимодальность, длинный контекст, поддержка video input и оптимизация для одной RTX 5080 с заявленной высокой скоростью декодирования. Ограничения существенны: требуется 64-битный Linux, NVIDIA GeForce RTX 5080 на 16 ГБ, CUDA Toolkit 13.1 или новее и сборка NInfer из исходников; не поддерживаются multi-GPU, CPU/GPU offload, распределённый запуск и выполнение сгенерированных tool calls. Артефакт распространяется по лицензии Apache-2.0, как и исходный репозиторий Qwen3.8-27B.

Noirci — модель распознавания именованных сущностей, разработанная 5000.dev для обнаружения персональных данных во французской деловой переписке перед отправкой текста в LLM. Она дообучена на CamemBERT и предназначена для выделения сущностей, которые затем можно псевдонимизировать. В репозитории есть веса safetensors в float32 и экспорт ONNX с квантованием int8; ONNX-версия размером 186 МБ работает на CPU. Контекст модели — 514 токенов. Модель рассчитана на французские рабочие документы и служит одним слоем конвейера, где также используются регулярные выражения с проверкой контрольных сумм, справочники и распространение разметки на весь документ. В README приведены оценки утечки и избыточного маскирования на реальной французской корреспонденции; результаты относятся к полному конвейеру lite2, а не только к модели. Указана лицензия MIT. Модель поддерживает только французский язык. В README отмечены утечки сущностей и избыточное маскирование примерно на 8–15%; для надёжной псевдонимизации нужны дополнительные компоненты конвейера. Она не предназначена для определения названий потребительских платформ как персональных данных.

Pix2Text-MFR — модель распознавания математических формул, разработанная Breezedeus для проекта Pix2Text. Она принимает изображения формул и преобразует их в текстовое представление LaTeX. Модель построена на архитектуре TrOCR от Microsoft и переобучена на наборе изображений математических формул; в репозитории представлены веса ONNX, а для использования предусмотрена библиотека Transformers. Модель подходит для распознавания отдельных формул, включая выражения разной длины и сложности, группы формул и матрицы. При интеграции с Pix2Text и его детектором формул MFD можно извлекать формулы из изображений, содержащих также обычный текст. Тестирование разработчиков включало 485 формул, отобранных из пользовательских изображений сервиса Pix2Text. Модель обучена на изображениях математических формул и может плохо распознавать изображения другого типа; при прямом использовании она рассчитана на изображения, содержащие только формулы. Для смешанных изображений требуется связка с Pix2Text и MFD. Лицензия — MIT.

PIXIE-Spell-v1.5-0.6B — модель эмбеддингов на основе Sentence Transformer, разработанная TelePIX Co., Ltd. на архитектуре Qwen3. Она преобразует текст в векторы размерности 1024, нормализованные для сравнения по косинусному сходству; число параметров — около 508 млн. Модель оптимизирована для семантического поиска и извлечения информации на корейском и английском языках, особенно в аэрокосмической тематике, и также показывает результаты на открытых корейских и англоязычных задачах поиска. Модель подходит для семантического поиска по документам, поиска технических материалов и подбора контекста для систем вопросов и ответов. README указывает максимальную длину последовательности 8192 токена, а метаданные каталога — контекст до 40960 токенов. Лицензия — Apache-2.0. Оценки в README приведены на наборах STELLA, MTEB (корейский) и RTEB (английский); они не гарантируют аналогичное качество на произвольных данных.

PP-LCNet_x0_25_textline_ori — компактная модель классификации ориентации текстовых строк, разработанная командой PaddlePaddle для использования в составе PaddleOCR. Она определяет, ориентирована ли строка текста нормально или перевёрнута на 180 градусов, чтобы последующая OCR-обработка могла скорректировать изображение и повысить точность распознавания. Модель предназначена для сценариев сканирования документов, фотографирования удостоверений, сертификатов и других материалов, где камера или изображение могут быть повёрнуты. Модель основана на архитектуре PP-LCNet_x0_25 и поддерживает два класса: 0 и 180 градусов. В README указаны средняя точность 98,85% и размер хранения около 0,96 МБ, что делает её подходящей для лёгкого и быстрого использования в OCR-конвейерах. В карточке заявлены языки en и zh, однако модель классифицирует ориентацию изображения, а не содержание текста, поэтому её применение не ограничивается распознаванием конкретного языка. Данные о размере контекста и других модальностях не указаны. Сильные стороны модели — высокая заявленная точность, малый размер и специализированное назначение. Ограничение заключается в том, что она различает только нормальную и перевёрнутую на 180 градусов ориентацию; поддержка поворотов на 90 или 270 градусов не заявлена. Модель распространяется по лицензии Apache-2.0 и предназначена для использования через PaddleOCR и PaddlePaddle.

NeuML PubMedBERT Embeddings 2M — компактная модель статических эмбеддингов, разработанная NeuML на основе PubMedBERT Embeddings и дистиллированная с использованием библиотеки Model2Vec. Она преобразует текст в векторы и предназначена для семантического поиска, сравнения предложений и построения баз знаний для RAG по медицинским публикациям. Статические эмбеддинги позволяют вычислять векторы значительно быстрее, чем обычные контекстные модели, в том числе на CPU, что подходит для систем с ограниченными ресурсами и сценариев реального времени. Модель оценивалась на наборах PubMed QA, PubMed Subset и PubMed Summary; в README отмечается конкурентное качество, но не лидерство по результатам сравнения. Она ориентирована на английский язык и медицинские тексты. Репозиторий использует формат safetensors, а лицензия — Apache 2.0.

Taoufik/Qwen2.5-VL-3B-Instruct-Q4_K_M-GGUF — это конвертированная в формат GGUF версия мультимодальной модели Qwen/Qwen2.5-VL-3B-Instruct, разработанной командой Qwen. Конвертацию выполнил пользователь Taoufik с использованием llama.cpp и сервиса GGUF-my-repo. Модель предназначена для задач image-text-to-text: обработки изображений совместно с текстовыми запросами и генерации текстовых ответов. В карточке указана поддержка английского языка. Модель основана на архитектуре Qwen2.5-VL и содержит около 3 миллиардов параметров. Квантование Q4_K_M уменьшает требования к памяти по сравнению с полноразмерной версией и делает модель подходящей для локального запуска через llama.cpp, включая CLI и серверный режим. В README приведён пример использования с контекстом 2048 токенов, однако максимальный контекст модели отдельно не указан. Сильной стороной является сочетание визуального и текстового ввода при относительно небольшом размере, а ограничениями — зависимость от совместимого мультимодального runtime и возможная потеря качества из-за квантования. Модель распространяется по лицензии qwen-research.

Mungert/Qwen2.5-VL-7B-Instruct-GGUF — набор GGUF-файлов модели Qwen2.5-VL-7B-Instruct, подготовленный автором репозитория Mungert с использованием imatrix-файла и актуальной сборки llama.cpp. README не указывает разработчика исходной модели. Модель предназначена для мультимодальных сценариев image-text-to-text, в частности для анализа изображений и генерации текстовых ответов по ним. Для работы требуются основной GGUF-файл модели и отдельный файл mmproj, содержащий мультимодальный проектор. Использование vision поддерживается через fork llama.cpp и CLI-инструмент llama-mtmd-cli. Доступны варианты с разными форматами и уровнями квантования, включая F16, BF16, Q4, Q6, Q8 и ультранизкобитные варианты IQ1/IQ2. Это позволяет выбирать между качеством, скоростью и требованиями к памяти; низкобитные варианты ориентированы на устройства с ограниченными ресурсами, но могут снижать точность. В метаданных указано, что модель работает с английским языком. Размер исходной модели — 7B параметров; поддерживаемые модальности — текст и изображения. Ограничения включают необходимость специальной версии llama.cpp, отдельного mmproj-файла и потенциальную потерю качества при сильном квантовании. Репозиторий распространяется по лицензии Apache-2.0.

sbhyeon/Qwen3-0.6B-JSON-SFT — компактная языковая модель семейства Qwen3, дообученная методом supervised fine-tuning и предназначенная для генерации текста в диалоговых сценариях. Модель опубликована пользователем sbhyeon; карточка не содержит подтверждённых сведений о разработчике базовой модели, лицензии и языках. Модель имеет около 507,9 млн параметров и поддерживает контекст длиной до 40 960 токенов. Она рассчитана на использование с библиотекой Transformers и относится к задачам text generation; теги также указывают на conversational-применение и формат safetensors. Название репозитория указывает на настройку для генерации JSON, однако подробности обучающих данных, методики, оценивания и фактического качества в карточке не приведены. Лицензия и специальные ограничения использования в доступных данных не указаны. Перед применением в критически важных сценариях необходимы собственные проверки качества, корректности структурированного вывода и устойчивости модели на целевых данных.

oxfrug/qwen3-embedding-0.6b-swedish-superlim — плотная модель текстовых эмбеддингов, созданная oxfrug как шведский fine-tune с усреднением весов двух вариантов Qwen/Qwen3-Embedding-0.6B. Она содержит около 507,6 млн параметров, использует архитектуру Qwen3 и формат safetensors; максимальная длина контекста по метаданным — 32 768 токенов. Для поиска рекомендуется применять официальный префикс Qwen к запросу, а не к документам. Модель предназначена для оценки семантического сходства шведских предложений, поиска по FAQ и документам, а также кластеризации. В тестах SuperLim-2 она превзошла указанный в карточке шведский Sentence-BERT на SweParaphrase и SweFAQ, но результаты этих задач ограничены небольшими выборками. Это специализированная настройка: карточка отмечает, что модель уступает сестринской BGE-модели на обеих задачах SuperLim и KBLab по среднему результату на шведском подмножестве MTEB. Модель дообучена на данных SuperLim-2 и шведских вопросах и ответах о здравоохранении, с комбинированием весов двух дообученных вариантов. Лицензия — Apache-2.0. Квантизация до 4 бит может ухудшить результаты сходства, на которых основано заявленное преимущество.

botanical1058/qwen3-finetuned — дообученная модель классификации текста на базе Qwen/Qwen3-0.6B, разработанная автором репозитория botanical1058. Это плотная архитектура Qwen3 с классификационной головой Qwen3ForSequenceClassification, размером 507,9 млн параметров и контекстом до 40 960 токенов. Модель предназначена для присвоения классов текстовым входам; в README приведены результаты оценки: accuracy 0,9651, precision 0,9654, recall 0,9651 и F1 0,9651. Модель представлена в формате safetensors и распространяется по лицензии Apache-2.0. Данные обучения обозначены в карточке как None, а назначение классов, набор меток и подробности обучающего набора не описаны, поэтому область применения и воспроизводимость результатов ограничены доступной информацией.

Qwen3-VL-4B-Instruct-NVFP4 — это 4-битная квантованная версия мультимодальной модели Qwen/Qwen3-VL-4B-Instruct, опубликованная пользователем JEILDLWLRMA. Модель предназначена для задач vision-language и image-to-text: обработки изображений вместе с текстовыми запросами, визуального понимания и генерации ответов. Базовая модель содержит около 4,4 млрд параметров; поддерживаемые языки и точный размер контекстного окна в README не указаны. Квантование выполнено методом SmoothQuant с использованием NVFP4 и библиотеки compressed-tensors/llm-compressor. Все текстовые линейные слои используют схему W4A4, а на архитектурах Ampere возможен режим W4A16 через Marlin. Vision Encoder и LM Head сохранены в формате BF16 без квантования, что должно поддерживать качество визуального анализа и генерации. Размер модели составляет около 4,1 ГБ против примерно 8,9 ГБ у версии BF16, то есть сжатие достигает около 54%. Модель откалибрована на 512 образцах Flickr30k с максимальной длиной последовательности 2048; в примерах заявлена работа с vLLM и Transformers, включая контекст до 8192 токенов в vLLM. Ограничениями являются зависимость от совместимого аппаратного и программного стека для compressed-tensors/NVFP4, а также отсутствие в README подробных результатов бенчмарков и характеристик по языкам. Лицензия — Apache 2.0, как у базовой модели.

Qwen3-VL-4B-Thinking-Unredacted-MAX — производная мультимодальная модель prithivMLmods на архитектуре Qwen3-VL-4B-Thinking. В README говорится об оптимизации упаковки модели и совместимости с Transformers; метаданные указывают дообучение на базе Qwen/Qwen3-VL-4B-Thinking. Модель принимает изображения и текст и выдаёт текстовые ответы с визуальным рассуждением. Модель предназначена для анализа изображений, генерации подписей и описаний, подготовки аннотаций и прототипирования систем, объединяющих текст и зрение. Поддерживает изображения с разными разрешениями и соотношениями сторон; в метаданных указан английский язык. Плотная архитектура насчитывает 4 млрд параметров по названию модели. Лицензия — Apache-2.0. Качество зависит от чёткости изображения и формулировки запроса; интерпретации сложных сцен могут быть неполными или непоследовательными. Для стабильного запуска требуется достаточный объём видеопамяти, а результаты зависят от настроек декодирования и оптимизации среды выполнения.