I.3Извлечение и структурирование данных

janPaje/iolai-gemma4-hybrid — решение IOL-AI 2026 на базе дообученной Gemma 4 12B от Google DeepMind. Это текстовая система с трёхэтапным конвейером: сначала символьный решатель подбирает систему счисления по примерам задачи и точно обрабатывает подходящие преобразования между числами и словами; затем для остальных задач формируется краткий базовый ответ, после чего система при необходимости выполняет ограниченное по времени пошаговое рассуждение и заменяет ответ, если результат проходит проверку формата. Модель предназначена для решения задач соревнования, включая преобразование чисел и слов и перевод. Веса хранятся в формате safetensors, а при запуске загружаются в 4-битном виде через bitsandbytes, чтобы работать на GPU T4 с 16 ГБ памяти. Репозиторий указывает лицензию Apache 2.0. README описывает использование модели в составе скрипта и конкурсного окружения; отдельные сведения о языках и размере контекста для этой версии не приводятся.

harshrtr07/legal-bert-cuad-risk-analyzer — англоязычная BERT-модель для классификации юридических текстов. Она дообучена на основе nlpaueb/legal-bert-base-uncased и предназначена для выявления рисков в юридических документах; конкретные категории риска и сценарии в карточке не описаны. Модель содержит 136,7 млн параметров, использует архитектуру BertForSequenceClassification и принимает последовательности длиной до 512 токенов. Она поддерживает классификацию текста и распространяется по лицензии CC-BY-SA-4.0. В README приведён результат F1 0,0106 на оценочном наборе данных, что указывает на очень низкое качество по этой метрике и ограничивает практическую применимость модели без дополнительной проверки или дообучения.

Это модель распознавания фонем на основе Wav2Vec2-Large-Robust, дообученная Сехёном О на пересмотренном наборе данных ETRI для анализа английского произношения корейских учащихся. Она принимает речевые записи и выдаёт последовательности английских фонем; ошибки произношения в обучающих аннотациях отмечены специальной меткой _err и включают замены, вставки и пропуски фонем. Модель предназначена для анализа английского произношения, в том числе в системах обучения и исследованиях влияния корейского языка на произношение английского. Архитектура — Wav2Vec2ForCTC, размер — 402,7 млн параметров; репозиторий использует Transformers и формат safetensors. На тестовом наборе указана фонемная частота ошибок 0,0905. Сведения о лицензии в предоставленных данных отсутствуют.

PurpleCBoW — простая учебная реализация Continuous Bag-of-Words (CBOW) от LocalWisdom, предназначенная для знакомства с обработкой естественного языка. Это дообучение LocalWisdom/PurpleBoW на корпусе коротких рассказов на индонезийском языке jakartaresearch/cerpen-corpus; модель представлена в формате safetensors и относится к задаче извлечения признаков. CBOW использует контекстные слова для обучения векторных представлений слов, которые можно проверять для слов из словаря модели. Модель подходит для обучения и простых экспериментов с эмбеддингами, но README описывает её как очень простую реализацию, а не как готовую универсальную языковую модель. Лицензия — WTFPL.

ChexFract-MAIRA-2 — разработанная Институтом AIRI специализированная медицинская модель «изображение—текст» для выявления переломов на рентгенограммах грудной клетки и генерации их описаний. Это дообученная версия с визуальным энкодером Rad-DINO из MAIRA-2 и языковой частью Phi-3.5 Vision Instruct; параметры энкодера разморожены при обучении на наборе ChexFract с использованием шаблонного текста. В метаданных указаны архитектура phi3_dino, 3,7 млрд параметров, библиотека Transformers и контекст 4096 токенов. Модель предназначена для анализа рентгеновских снимков грудной клетки и подготовки текстового описания возможных переломов. В README для неё приведены ROC-AUC 0,713, F1 0,629 и точность 0,748. Это экспериментальная исследовательская разработка: авторы прямо предупреждают, что модель не предназначена для самостоятельной диагностики и не должна применяться клинически без надлежащей валидации и регуляторного одобрения. Лицензия в предоставленных сведениях не указана.

DC-D5-LegalBERT v1 — это дообученная модель BERT для классификации абзацев решений Европейского суда по правам человека (ЕСПЧ) по измерению D5: структурное обоснование судебного воздержания. Она относит абзацы к одному из четырёх классов: ND, MD, HD или NA; вероятности классов ND, MD и HD также используются для расчёта непрерывной оценки уважения усмотрения, а при преобладании NA оценка не вычисляется. Модель предназначена для анализа дел ЕСПЧ по статье 8, связанных с миграцией, и была создана как часть магистерской диссертации. Это BERT-классификатор последовательностей на 136,7 млн параметров с контекстом до 512 токенов; исходная модель — nlpaueb/legal-bert-base-uncased. При обучении использовались 549 абзацев для обучения и 164 для валидации; лучший macro-F1 составил 0,8239, средний по пяти запускам — 0,7496 ± 0,0456. Модель принимает текст и выдаёт метки классов и связанные с ними оценки. Она рассчитана на англоязычные юридические тексты в узкой задаче анализа решений ЕСПЧ; результаты на других типах документов и вне этой предметной области не подтверждены. Лицензия — MIT; автор прямо указывает, что модель не предназначена для производственного использования.

Stoicheia-restoration-test4 — модель для восстановления повреждённых надписей и папирусов на древнегреческом языке. Это символьный masked-diffusion encoder на 405 млн параметров, дообученный от Stoicheia-doc_clean. Модель обрабатывает пять выровненных слоёв текста: буквы, границы слов и предложений, диакритические знаки, регистр и пунктуацию. Каждый слой можно независимо маскировать, поэтому модель рассчитана на отредактированный текст, scriptio continua и лакуны известной или неопределённой длины. Контрольная выборка исключает документы, чьи идентификаторы PHI/TM оканчиваются цифрой 4, чтобы предложенное чтение не было воспоминанием о конкретной редакции. Чекпойнт выпущен вместе со статьёй, находящейся на рецензировании. Для использования предусмотрена запись дефиса на каждый пропущенный символ либо обозначения [N±M] для лакуны неопределённой ширины; README указывает функцию restore_respaced. Лицензия — Apache-2.0.

Stanford AIMI CheXagent-2-3b-srrg-impression — модель семейства CheXagent на архитектуре Phi с 3,5 млрд параметров, предназначенная для генерации текстового впечатления по рентгеновскому изображению грудной клетки. Карточка показывает сценарий SRRG (структурированная генерация рентгенологических заключений); модель работает с изображениями и текстом, а поддерживаемые задачи включают генерацию текста и преобразование изображения в текст. Для запуска описаны зависимости OpenCV, Albumentations, Accelerate и PyTorch 2.2.1 с Transformers 4.39.0. Метаданные указывают английский язык, контекст 2048 токенов и лицензию MIT. Это специализированная медицинская модель, поэтому качество заключений следует проверять; карточка не содержит подробных оценок качества или ограничений применения.

segformer-v1-breastcancer — модель сегментации медицинских изображений, разработанная на основе SegFormer B0 и дообученная сообществом as-cle-bert на датасете семантической сегментации рака молочной железы. Она присваивает пикселям изображения классы, помогая выделять области, связанные с тканью или патологией, для анализа медицинских изображений. Модель использует архитектуру SegFormer и формат весов safetensors. В README приведены результаты оценки: mIoU 0,6074, средняя точность 0,7133 и общая точность 0,6718. Эти показатели относятся к указанному набору оценки и сами по себе не подтверждают пригодность для клинической диагностики. Модель распространяется по лицензии CC; конкретный вариант лицензии не уточнён в доступных данных.

Stoicheia-restoration-test6 — модель для восстановления повреждённых надписей и папирусов на древнегреческом языке. Это дообученная 405-миллионная символьная masked-diffusion encoder-модель семейства char_bert с 32 слоями и размерностью 1024. Вход представлен пятью выровненными плоскостями: буквами, границами слов и предложений, диакритикой, регистром и пунктуацией; каждую можно независимо заменить явным состоянием неизвестного. Модель работает с отредактированным текстом, scriptio continua и лакунами известной или неопределённой длины. Чекпойнт дообучен от Stoicheia-doc_clean на документах, кроме тех, чьи идентификаторы PHI/TM оканчиваются цифрой 6. Такой раздел позволяет выбрать модель, которая не обучалась на конкретной проверяемой надписи или папирусе. В метаданных указаны библиотека Transformers и формат safetensors. Лицензия — Apache-2.0. Это анонимный выпуск, сопровождающий статью на рецензировании.

Это экспериментальная донастройка Gemma 3n от автора bluejude10 для подготовки справочных брифингов по работе электродиспетчерской службы линии 3 Тэгуского метрополитена. Модель предназначена для локального использования в связке с поисковой базой: получает найденные выдержки из инструкций, правил, глоссария, отчётов о неисправностях и оперативные данные, затем формирует сводку, гипотезы причин, приоритетные проверки и рекомендуемые действия. Для донастройки использовано 1 624 пары вопрос–ответ и один цикл обучения; заявленный контекст — до 32 тысяч токенов. Репозиторий содержит квантизованные GGUF-варианты Q4_K_M и Q6_K, ориентированные на запуск на локальном оборудовании, в том числе через Ollama. README прямо сообщает, что донастройка не удалась и модель совершенно не работает, и предостерегает от скачивания; поэтому описанные сценарии являются замыслом проекта, а не подтверждённой пригодностью модели. Лицензия в метаданных — Apache-2.0.

normaere-model — модель преобразования текста в текст на базе MT5ForConditionalGeneration, дообученная Jonas Hermann на корпусе Referenzkorpus Mittelhochdeutsch (ReM), версия 2.1. Она нормализует тексты на средневерхненемецком языке примерно 1050–1500 годов по стандартам ReM: раскрывает распространённые сокращения, отделяет и разворачивает частые проклитики и энклитики, а также применяет редакционную постобработку. Модель использует архитектуру encoder-decoder и формат safetensors; в README указаны точность FP16, максимальная длина последовательности 512 токенов и словарь из 250 117 элементов, дополненный средневековыми символами сокращений. Метаданные каталога указывают 291,2 млн параметров, тогда как README описывает базовую google/mt5-base как модель на 580 млн параметров; размер самой дообученной модели здесь поэтому приведён по метаданным. Модель предназначена для подготовки средневерхненемецких текстов к исследовательскому и редакторскому использованию в соответствии с нормами ReM. Её область применения узкая: она ориентирована на средневековый немецкий и описанные виды нормализации, поэтому пригодность для современного немецкого или других языков не заявлена. Лицензия в предоставленных данных не указана.

RetinalAI compact narrator — компактная языковая модель для генерации свободного клинического текста по результатам скрининга сетчатки. Это дообученная версия HuggingFaceTB/SmolLM2-135M-Instruct с архитектурой LlamaForCausalLM и 106,7 млн параметров. Модель принимает текст и выдаёт повествовательное описание; структурированное решение о триаже формируется отдельной линейной моделью. Контекст — до 8192 токенов, основной язык карточки — английский. Словарь сокращён с 49 152 до 920 токенов; для работы необходима предусмотренная авторами перекодировка идентификаторов токенов через код OptiscanAI, иначе обычный вызов AutoModelForCausalLM даст некорректный результат. В небольшой оценке на 24 случаях генерация в bf16 была успешной, однако это не подтверждает клиническую надёжность. Модель создана как исследовательский артефакт, не является медицинским устройством и не предназначена для клинического применения; лицензия — Apache-2.0.

slm-125m-dpo — плотная авторегрессионная Llama-модель на 125,8 млн параметров, разработанная Prajwal55 как эксперимент по извлечению ответов из предоставленного текста в юридическом и финансовом контексте. Это DPO-дообучение модели prajwal55/slm-125m-sft на примерно 1 200 парах предпочтений; модель генерирует текст и рассчитана на короткий контекст длиной 1 024 токена. В эксперименте доля отказов на вопросах без ответа в отложенной выборке выросла до 60,3%, но модель также ошибочно отказывается от 26,3% вопросов, на которые текст отвечает, а token F1 снизился с 0,590 до 0,456. Автор прямо характеризует чекпойнт как исследовательский артефакт, непригодный для практического применения. Лицензия — MIT.

Quark-v2-0.5M — сверхкомпактная языковая модель семейства Llama, разработанная LH-Tech-AI и обученная с нуля как второй эксперимент серии Quark. Модель содержит около 416,6 тыс. параметров по метаданным (в README указано 465 504), использует архитектуру LlamaForCausalLM с 4 слоями, скрытым размером 96 и контекстом 256 токенов. Для токенизации применяется словарь из 500 единиц и byte-level BPE. Модель предназначена для изучения возможностей микромоделей и генерации коротких английских продолжений текста, включая грамматически связные фразы и структурированные списки. Она обучалась на корпусе FineWeb-Edu объёмом около миллиарда токенов. Малый размер делает её удобной для экспериментов с компактными языковыми моделями, но ограниченный словарь и короткий контекст сужают область применения. Лицензия — Apache-2.0.

Исследовательский чекпойнт whr778 для извлечения событий и их аргументов из текста. Это этап B эксперимента по масштабированию инициализации голов mmBERT: базовая модель whr778/scaling-mmbert-10k предварительно обучалась на примерно 10 000 записей структуры и аргументов, затем дообучалась на RAMS по фиксированному рецепту в течение 15 эпох. Чекпойнт предназначен для оценки влияния такого прогрева на извлечение аргументов RAMS, а не для общего применения. На слепом тесте RAMS из 871 документа строгая micro-F1 для аргументов событий составляет 0,050, а для триггеров событий — 0,598. Результат показывает слабое качество извлечения аргументов в данном эксперименте. Артефакт исследовательский и приватный; сведения о лицензии в предоставленных данных отсутствуют.

Stoicheia-restoration-test0 — модель для восстановления повреждённых надписей и папирусов на древнегреческом языке. Это символьный masked-diffusion encoder на 405 млн параметров, дообученный от Stoicheia-doc_clean; выпуск сопровождает статью, находящуюся на рецензировании. Модель обрабатывает текст на уровне символов с пятью синхронными слоями представления: буквами, границами слов и предложений, диакритикой, регистром и пунктуацией. Для блоков с известной длиной пропуска можно задавать дефис на каждый отсутствующий символ, а для пропусков неопределённой длины — обозначение вида [N±M]. Чекпойнт обучен на документах, кроме тех, чьи идентификаторы PHI/TM оканчиваются цифрой 0, поэтому предназначен для независимой проверки чтений таких текстов. Архитектура использует 32 блока и чередует локальное внимание в окне 256 символов с глобальным вниманием. Модель распространяется под лицензией Apache-2.0. README не сообщает ограничений качества или гарантии корректности предложенного восстановления.

Модель разработал Gokul S. Это демонстрационная версия Google Flan-T5-base, полностью дообученная отвечать на вопросы по резюме автора. Она предназначена для воспроизведения ограниченного набора фактов об образовании, навыках и опыте, а также для обучения и демонстрации дообучения seq2seq-моделей на данных для вопросов и ответов. Модель построена на архитектуре T5 с кодировщиком и декодировщиком, содержит 123,8 млн параметров и работает с текстом на английском языке. Для неё указан контекст длиной 512 токенов; веса опубликованы в формате safetensors. Лицензия — Apache 2.0. Область применения модели узкая: она запоминает небольшой набор сведений из резюме и может выдавать неполные или вымышленные ответы на вопросы за его пределами. Автор не рекомендует использовать её для производства или принятия решений; в обучающие данные включены персональные сведения из резюме, но контактные данные исключены.

Модель разработал Abdul Fathah M как учебный проект: это полностью дообученная версия google/flan-t5-base для ответов на вопросы о его резюме. Она использует архитектуру T5 с кодировщиком и декодировщиком, содержит 123,8 млн параметров и рассчитана на контекст до 512 токенов. Модель предназначена для демонстрации supervised fine-tuning и ответов на вопросы по небольшому набору фактов о резюме на английском языке. Обучение охватывает девять фактов, представленных в 27 парах вопрос–ответ; модель воспроизводит эти сведения, но не предназначена для общего вопросно-ответного поиска, проверки квалификации или принятия решений о человеке. Новые формулировки проверочных вопросов повторяют те же факты и не подтверждают точность ответов. Лицензия — Apache 2.0.

Gemma 4 12B Unified — мультимодальная модель с открытыми весами, разработанная Google DeepMind и относящаяся к семейству Gemma 4. Она принимает текст, изображения, видео и аудио, а выдаёт текст; для аудио предусмотрены распознавание речи и перевод речи в текст. Единая архитектура позволяет обрабатывать аудио и изображения без отдельных энкодеров, что подходит для локального запуска на потребительских устройствах. Модель имеет плотную архитектуру и гибридное внимание, сочетающее локальные скользящие окна с глобальным вниманием; заявленное окно контекста для версии 12B — до 256 тысяч токенов. Модель предназначена для диалогов, рассуждений, генерации и исправления кода, вызова инструментов, а также понимания изображений, видео и аудио. Среди визуальных сценариев — извлечение текста из документов, OCR, разбор PDF, диаграмм и экранных интерфейсов; для аудио доступны транскрипция и перевод речи в текст. Семейство поддерживает более 35 языков в обычном использовании и обучалось на более чем 140 языках, но README не перечисляет конкретные языки этой версии. Модель распространяется по лицензии Apache 2.0. Как и другие генеративные модели, она может давать ошибочные ответы; README также указывает, что приведённые сценарии использования не являются исчерпывающими.

Gemma 4 12B IT — мультимодальная модель Google DeepMind с открытыми весами, настроенная для следования инструкциям. Она построена на плотной унифицированной архитектуре Gemma4Unified и принимает текст, изображения, видео и аудио, выдавая текст. Модель поддерживает анализ изображений и видеокадров, распознавание речи и перевод речи в текст, а также генерацию текста и кода, рассуждения и вызов инструментов. Модель рассчитана на локальный запуск на потребительских устройствах и сценарии с длинным контекстом; для семейства заявлено до 256 тысяч токенов у версии 12B. Gemma 4 поддерживает более 35 языков непосредственно и обучалась на данных более чем 140 языков. Лицензия — Apache 2.0. Карточка описывает семейство Gemma 4 в целом, поэтому отдельные характеристики и возможности конкретной версии могут зависеть от реализации и настроек.

Qwen2.5-32B-Instruct-GGUF — языковая instruction-tuned модель семейства Qwen2.5, разработанная командой Qwen. Она предназначена для генерации текста, диалоговых сценариев, следования инструкциям, программирования, математических задач, работы со структурированными данными и создания структурированных ответов, включая JSON. Модель поддерживает более 29 языков, в том числе английский, китайский, русский, французский, испанский, немецкий, японский и арабский. Модель представляет собой causal language model в формате GGUF с архитектурой на базе transformers, RoPE, SwiGLU, RMSNorm и смещениями в Attention QKV. Она содержит 32,5 млрд параметров, из которых 31 млрд — непараметры эмбеддингов, 64 слоя и GQA с 40 головами для Q и 8 для KV. Полная длина контекста GGUF-версии составляет 32 768 токенов, максимальная длина генерации — 8192 токена. Доступны варианты квантования q2_K, q3_K_M, q4_0, q4_K_M, q5_0, q5_K_M, q6_K и q8_0. К сильным сторонам относятся улучшенные знания, возможности в программировании и математике, следование инструкциям, обработка длинных текстов, таблиц и структурированных форматов, а также устойчивость к разнообразным системным промптам. Ограничение GGUF-версии — контекст до 131 072 токенов требует YARN и на данный момент поддерживается только в vLLM; для такого сценария рекомендуется использовать не-GGUF версии. Модель распространяется по лицензии Apache-2.0.

Qwen2.5-32B-Instruct-GPTQ-Int4 — 4-битно квантованная GPTQ-версия инструкционно дообученной языковой модели Qwen2.5, разработанной командой Qwen. Это авторегрессионная causal language model для диалогов, генерации и преобразования текста, следования инструкциям, программирования, математических задач, работы со структурированными данными и формирования структурированных ответов, включая JSON. Модель содержит 32,5 млрд параметров, из которых 31 млрд относятся к неэмбеддинговым, и включает 64 слоя. Архитектура использует RoPE, SwiGLU, RMSNorm, смещения в attention QKV и GQA с 40 головами для Q и 8 для KV. Поддерживаются более 29 языков, включая английский, китайский, русский, французский, испанский, немецкий, итальянский, японский, корейский, вьетнамский, тайский и арабский. Заявленная длина контекста — до 131 072 токенов, а максимальная длина генерации — 8192 токена; в текущей конфигурации без дополнительной настройки доступно до 32 768 токенов, а для более длинных входов требуется YaRN. К преимуществам относятся улучшенные способности к программированию и математике, соблюдение инструкций, генерация длинных текстов, обработка таблиц и других структурированных данных, а также меньшие требования к памяти благодаря 4-битной квантованию. К ограничениям относятся возможное снижение качества по сравнению с исходной моделью в формате bfloat16 и потенциальное ухудшение производительности на коротких текстах при включении статического масштабирования YaRN. Модель распространяется по лицензии Apache-2.0 и предназначена для использования с библиотекой Transformers и совместимыми средствами инференса.

Карточка модели CHERRYKC/gemma-4-12B-it на Hugging Face совпадает с карточкой google/gemma-4-12B, поэтому описание составлено по ней. Gemma 4 12B Unified — мультимодальная модель с открытыми весами, разработанная Google DeepMind и относящаяся к семейству Gemma 4. Она принимает текст, изображения, видео и аудио, а выдаёт текст; для аудио предусмотрены распознавание речи и перевод речи в текст. Единая архитектура позволяет обрабатывать аудио и изображения без отдельных энкодеров, что подходит для локального запуска на потребительских устройствах. Модель имеет плотную архитектуру и гибридное внимание, сочетающее локальные скользящие окна с глобальным вниманием; заявленное окно контекста для версии 12B — до 256 тысяч токенов. Модель предназначена для диалогов, рассуждений, генерации и исправления кода, вызова инструментов, а также понимания изображений, видео и аудио. Среди визуальных сценариев — извлечение текста из документов, OCR, разбор PDF, диаграмм и экранных интерфейсов; для аудио доступны транскрипция и перевод речи в текст. Семейство поддерживает более 35 языков в обычном использовании и обучалось на более чем 140 языках, но README не перечисляет конкретные языки этой версии. Модель распространяется по лицензии Apache 2.0. Как и другие генеративные модели, она может давать ошибочные ответы; README также указывает, что приведённые сценарии использования не являются исчерпывающими.

RedHatAI/gemma-4-31B-it — инструктивная мультимодальная модель семейства Gemma 4, разработанного Google DeepMind и опубликованного Red Hat AI. Это плотная модель на 31 млрд параметров на архитектуре Gemma4ForConditionalGeneration, дообученная на основе google/gemma-4-31B; она принимает текст и изображения и генерирует текст. Вариант 31B предназначен для диалога, рассуждений, генерации и исправления кода, анализа изображений и работы с длинными запросами; поддерживает вызов инструментов и контекст до 256 тыс. токенов. Модель подходит для визуальных вопросов и ответов, распознавания текста и извлечения сведений из документов и изображений, понимания графиков и интерфейсов, а также для суммаризации, общения и помощи с кодом. Семейство Gemma заявляет поддержку более 140 языков при предварительном обучении и более 35 языков в прикладном использовании; README не уточняет точный языковой охват именно этого чекпойнта. Вариант 31B не заявлен как поддерживающий аудио, в отличие от малых моделей семейства. Весовые файлы доступны в формате safetensors, библиотека — Transformers. Лицензия — Apache 2.0.

Карточка модели ark4004/gemma-4-31B-it-jh на Hugging Face совпадает с карточкой google/gemma-4-31B-it, поэтому описание составлено по ней. Gemma 4 31B IT — мультимодальная инструкционно-настроенная модель Google DeepMind на плотной архитектуре Gemma 4, предназначенная для диалогов и генерации текста по текстовым и визуальным запросам. Она принимает текст и изображения и выдаёт текст; поддерживает анализ изображений, рассуждения, программирование и работу с инструментами. Для этой версии заявлено контекстное окно до 256 тыс. токенов. Семейство Gemma 4 обучено на более чем 140 языках, однако для этой карточки отдельный перечень поддерживаемых языков не приведён. Модель подходит для ответов по изображениям и документам, распознавания текста на изображениях, анализа диаграмм и интерфейсов, а также для создания и редактирования текста и кода. Семейство Gemma 4 использует гибридное внимание с локальными и глобальными слоями, рассчитанное на работу с длинным контекстом. Аудиовход в README указан только для вариантов E2B, E4B и 12B, поэтому его не следует приписывать версии 31B. Лицензия — Apache 2.0.

unsloth/gemma-4-E2B — вариант Gemma 4 E2B от Unsloth, основанный на дообученной Google Gemma 4 E2B от Google DeepMind. Это плотная мультимодальная модель генерации текста по текстовым и визуальным входам; для семейства Gemma 4 заявлены гибридное внимание с локальными и глобальными слоями, режим пошагового рассуждения и контекст до 128 тысяч токенов для E2B. В репозитории указаны веса safetensors и лицензия Apache 2.0. Модель подходит для диалогов, генерации и исправления кода, суммаризации, ответов по изображениям, OCR, распознавания объектов, разбора документов, графиков и интерфейсов, а также агентных сценариев с вызовом инструментов. Семейство поддерживает более 35 языков; README также сообщает о возможностях аудио для E2B, но метаданные данного репозитория подтверждают только зрительную модальность и задачу image-text-to-text. Среди ограничений — возможные фактические ошибки, смещения и трудности с неоднозначностью, сложными открытыми задачами и тонкими языковыми нюансами.

Granite-3.1-8B-Instruct — языковая модель IBM Granite Team для выполнения инструкций и создания диалоговых ассистентов. Это дообученная на базе Granite-3.1-8B-Base плотная авторегрессионная трансформерная модель на 8,2 млрд параметров; при обучении использовались supervised fine-tuning, выравнивание с помощью обучения с подкреплением и слияние моделей. Архитектура включает GQA, RoPE, SwiGLU и RMSNorm. Модель принимает текст и поддерживает контекст до 131 072 токенов. Модель предназначена для суммаризации, классификации и извлечения текста, ответов на вопросы, RAG, задач с кодом и вызова функций. Поддерживает диалоги на английском, немецком, испанском, французском, японском, португальском, арабском, чешском, итальянском, корейском, нидерландском и китайском языках. Лучше всего модель обучена следовать инструкциям на английском; качество на других языках может быть ниже. Она может выдавать неточные, предвзятые или небезопасные ответы. Лицензия — Apache 2.0.

Granite-3.3-8B-Instruct — плотная языковая модель с 8,2 млрд параметров, разработанная командой Granite компании IBM и дообученная на базе ibm-granite/granite-3.3-8b-base для следования инструкциям и улучшенного рассуждения. Она принимает текст и генерирует ответы, поддерживает диалог и интерфейс вызова инструментов. Контекстное окно составляет 131 072 токена. Модель предназначена для общих задач ассистента и бизнес-приложений: ответов на вопросы, суммаризации длинных документов и встреч, классификации и извлечения текста, RAG, задач по математике и программированию, а также многоязычного диалога. В README заявлена поддержка английского, немецкого, испанского, французского, японского, португальского, арабского, чешского, итальянского, корейского, нидерландского и китайского языков. Модель доступна в формате safetensors для Transformers. Лицензия — Apache 2.0. В README отмечено, что применимы этические ограничения и ограничения базовой модели Granite-3.3-8B-Base; подробности этих ограничений в предоставленных материалах не раскрыты.

Granite-4.0-H-Micro — компактная инструктивная языковая модель IBM Granite Team для диалогов и выполнения общих инструкций. В карточке модели указаны 2,6 млрд параметров, архитектура GraniteMoeHybrid и контекстное окно до 131 072 токенов. Модель принимает текст и генерирует текст; она доступна в формате Safetensors и рассчитана на использование через Transformers. Модель дообучена от Granite-4.0-H-Micro-Base на открытых наборах инструкций, синтетических и размеченных людьми данных. Для обучения применялись supervised fine-tuning, выравнивание с помощью обучения с подкреплением и объединение моделей. Она подходит для суммаризации, классификации и извлечения текста, ответов на вопросы, RAG, задач с кодом и вызова инструментов, включая корпоративных ассистентов. Поддерживает английский, немецкий, испанский, французский, японский, португальский, арабский, чешский, итальянский, корейский, нидерландский и китайский; также заявлены многоязычные диалоги и дополнение кода FIM. Инструктивная настройка улучшает следование инструкциям и вызов инструментов. По данным README, качество на языках помимо английского может быть ниже; несколько примеров в запросе могут помочь. Модель также может выдавать неточные, предвзятые или небезопасные ответы, поэтому её следует проверять и настраивать для конкретного применения. Лицензия — Apache 2.0.