I.3Извлечение и структурирование данных

raushanta/bge-base-financial-matryoshka — англоязычная модель Sentence Transformers, дообученная автором на 6 300 парах текстов из набора json для финансовой тематики. Она основана на BAAI/bge-base-en-v1.5 и использует архитектуру BERT с пулингом CLS-токена и нормализацией; преобразует предложения и абзацы в плотные векторы размерностью 768 для сравнения по косинусному сходству. Контекст ограничен 512 токенами. Модель подходит для семантического поиска и ранжирования финансовых текстов, поиска похожих фрагментов и кластеризации. Обучение с MatryoshkaLoss позволяет использовать укороченные представления размерностью 512, 256, 128 или 64, с небольшим снижением показателей поиска по сравнению с полной размерностью. README приводит результаты InformationRetrievalEvaluator на нескольких размерностях, но они не гарантируют качество на других данных. Лицензия — Apache-2.0.

TatvaRA/bge-base-financial-matryoshka — англоязычная модель Sentence Transformers, дообученная разработчиком на базе BAAI/bge-base-en-v1.5 для работы с финансовыми текстами. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и сравнивает их с помощью косинусного сходства; максимальная длина входа — 512 токенов. Модель подходит для семантического поиска и ранжирования финансовых фрагментов, поиска похожих формулировок, кластеризации и классификации текста. Обучение на 6 300 парах «запрос — релевантный текст» и Matryoshka-обучение позволяют сокращать размерность векторов до 512, 256, 128 или 64; в карточке приведены результаты поиска для нескольких размерностей. Лицензия — Apache-2.0.

Yuki20/bge-base-financial-matryoshka — англоязычная модель Sentence Transformer, дообученная на финансовых текстовых парах от BAAI/bge-base-en-v1.5. Она преобразует предложения и абзацы в плотные эмбеддинги для семантического поиска и сравнения текстов; также подходит для поиска перефразировок, кластеризации и классификации на основе эмбеддингов. Модель построена на BERT, использует пулинг CLS-токена и нормализацию векторов. Размер эмбеддинга — 768, максимальная длина входа — 512 токенов; обучение проводилось на 6 300 примерах с MatryoshkaLoss и MultipleNegativesRankingLoss. В README приведены результаты поиска для выходных размерностей от 64 до 768, что позволяет выбирать компромисс между компактностью вектора и качеством. Модель предназначена прежде всего для англоязычного финансового поиска и сопоставления вопросов с фрагментами текста. Лицензия — Apache-2.0. Результаты в карточке измерены на указанных наборах оценки и сами по себе не гарантируют качество для других корпусов или языков.

Sailesh9999/bge-base-financial-matryoshka_2 — англоязычная модель Sentence Transformers, дообученная автором на базе BAAI/bge-base-en-v1.5 для работы с финансовыми текстами. Архитектура BERT использует CLS-пулинг и нормализацию и преобразует предложения и абзацы в плотные эмбеддинги размерностью 768; близость текстов оценивается косинусным сходством. Максимальная длина последовательности — 512 токенов. Модель предназначена для семантического поиска и извлечения финансовой информации, сравнения предложений, поиска перефразирований, кластеризации и классификации текста. Благодаря обучению Matryoshka можно использовать укороченные эмбеддинги размерностью 512, 256, 128 или 64, с некоторым снижением показателей поиска при уменьшении размерности. В README приведены результаты оценки InformationRetrievalEvaluator на наборе данных, но его название не указано. Модель принимает текст и выдаёт векторы эмбеддингов; она не генерирует ответы. Выпущена под лицензией Apache-2.0. Ее заявленные языковые характеристики и примеры обучения относятся к английскому; качество на других языках не подтверждено.

liuxiong332/bge-m3-financial-mixed — модель эмбеддингов предложений на основе BAAI/bge-m3, дообученная на финансовых данных. Она преобразует предложения и абзацы в плотные векторы размерности 1024 и предназначена для семантического поиска, сравнения текстов и кластеризации, в том числе в финансовых корпусах. Модель использует архитектуру XLM-RoBERTa, содержит 658,7 млн параметров и поддерживает контекст до 8194 токенов. Для работы можно использовать библиотеку Sentence Transformers; веса доступны в формате safetensors. Лицензия — MIT. Карточка не сообщает, на каких языках собраны финансовые данные и каковы результаты оценки именно этой версии, поэтому пригодность для конкретного языка или финансового сценария стоит проверять на собственных данных.

NeuML разработала BiomedBERT Small Embeddings — компактную модель на архитектуре BERT, дообученную с помощью Sentence Transformers для получения эмбеддингов биомедицинских текстов. Она преобразует предложения и абзацы в плотные векторы размерностью 384 и подходит для семантического поиска, кластеризации и формирования контекста для RAG по научным и медицинским публикациям. Модель содержит 25,9 млн параметров, принимает текст и поддерживает контекст до 512 токенов. Для обучения использовались пары заголовков и аннотаций из PubMed; обучение включало дистилляцию эмбеддингов и дальнейшую настройку на оценках модели-реранкера. В README сообщается о результатах на наборах PubMed QA, PubMed Subset и PubMed Summary и о возможности работы на CPU. Модель ориентирована на англоязычные биомедицинские тексты. Она выдаёт векторные представления, а не готовые ответы на вопросы; качество следует проверять на целевых данных и сценариях. Лицензия — Apache-2.0.

ChartGemma — модель для понимания и анализа диаграмм, разработанная на основе PaliGemma. Она принимает изображение диаграммы и текстовую инструкцию, чтобы отвечать на вопросы, составлять сводки и проверять утверждения по визуальным данным. В отличие от подходов, обученных на таблицах, извлечённых из диаграмм, ChartGemma дообучена на инструкциях, созданных непосредственно по изображениям, что помогает учитывать визуальные тенденции и детали разных диаграмм. В README заявлены результаты уровня state of the art на пяти бенчмарках для суммаризации диаграмм, ответов на вопросы и фактчекинга. Модель опубликована в формате safetensors и распространяется по лицензии MIT.

laion/clap-htsat-fused — мультимодальная модель CLAP (Contrastive Language-Audio Pretraining), разработанная LAION для сопоставления аудио с текстовыми описаниями. Она обучена на наборе LAION-Audio-630K, содержащем аудио-текстовые пары; архитектура включает аудиоэнкодер HTSAT и механизм слияния признаков. Модель насчитывает 132,1 млн параметров и распространяется в форматах PyTorch и Safetensors. Модель предназначена для классификации аудиозаписей без обучения на конкретных классах: пользователь передаёт аудио и варианты текстовых меток, а модель оценивает их соответствие. Она также извлекает аудио- и текстовые эмбеддинги, что подходит для поиска аудио по описанию и сопоставления звука с текстом. Карточка сообщает о сильных результатах в поиске аудио по тексту и классификации с нулевым числом примеров. Метаданные указывают английский язык; лицензия — Apache-2.0. Результаты зависят от формулировок текстовых меток и охвата обучающих данных; карточка не описывает гарантии качества для отдельных языков и аудиодоменов.

dev-analyzer/commit-message-model — модель классификации сообщений коммитов Git, созданная дообучением vinai/bertweet-base. Она использует архитектуру RoBERTa для классификации текста и содержит 162,4 млн параметров; максимальная длина контекста — 130 токенов. Модель относит сообщения к пяти категориям: Adaptive (добавление функций и адаптация), Perfective (рефакторинг и улучшение качества), Corrective (исправление ошибок), Administrative (документация) и Other (слияния, pull request и неопределённые задачи). Модель предназначена для анализа истории изменений в репозиториях, автоматической категоризации коммитов и подготовки сводок по типам работ. Базовая модель обучалась на сообщениях в Twitter и ориентирована на английский язык; карточка не сообщает отдельные показатели качества. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

Карточка модели crisistransformers/CT-M1-Complete-SE на Hugging Face совпадает с карточкой crisistransformers/CT-XLMR-SE, поэтому описание составлено по ней. CT-XLMR-SE — многоязычный энкодер предложений из семейства CrisisTransformers, разработанный авторами этих моделей для текстов кризисных событий в социальных сетях. Он основан на архитектуре XLM-RoBERTa и обучен на корпусе публикаций о более чем 30 кризисах; число параметров — 305,2 млн, контекст — до 514 токенов. Модель создаёт векторные представления предложений и предназначена для семантического поиска, кластеризации и тематического моделирования кризисных сообщений. Энкодер поддерживает более 50 языков, включая русский и английский, и может применяться без дополнительного дообучения для задач векторизации и сравнения сходства предложений. В метаданных указана лицензия Apache-2.0.

helmis/e5-small-it-profiles — дообученная модель Sentence Transformers на базе intfloat/multilingual-e5-small, созданная для сопоставления текстовых описаний профилей специалистов и навыков. Она кодирует предложения и абзацы в плотные векторы размерности 384; для сравнения подходит косинусное сходство. Архитектура состоит из BERT-трансформера, среднего пулинга токенов и нормализации векторов. Модель можно применять для семантического поиска и подбора похожих профилей, поиска перефразировок, кластеризации и классификации текста. Обучение на парах anchor/positive/negative с TripletLoss ориентировано на разделение релевантных и нерелевантных описаний. Контекст ограничен 512 токенами. Базовая модель многоязычная, а приведённые обучающие примеры включают английский и французский. Лицензия в предоставленных сведениях не указана.

emotiontrained31415 — модель классификации текста, созданная дообучением DistilBERT на наборе данных tweet_eval. Она предназначена для присвоения текстовым сообщениям классов; результаты на оценочной выборке tweet_eval: F1 0,7198 и loss 0,9274. Архитектура — DistilBertForSequenceClassification, формат весов — PyTorch, максимальная длина контекста — 512 токенов. Название модели указывает на эмоциональную классификацию, однако карточка не уточняет метки классов и целевой сценарий, поэтому конкретный набор эмоций подтвердить нельзя. Лицензия — Apache-2.0.

Eureka-Audio-Instruct — компактная аудиоязыковая модель на 1,7 млрд параметров, разработанная авторами Eureka-Audio. Она принимает аудио и формирует текстовые ответы для распознавания речи, вопросов об аудиозаписи, описания звуков, распознавания эмоций в речи и классификации звуковых событий. Архитектура объединяет аудиоэнкодер на основе Whisper, разреженный MoE-адаптер и языковую основу Qwen3-1.7B-Base; контекст составляет 32 768 токенов. Модель предназначена для транскрибации и широкого анализа аудио. Авторы сообщают о конкурентных результатах на аудиобенчмарках при меньшем размере по сравнению с рядом моделей на 7–30 млрд параметров и о более быстром декодировании относительно крупных моделей. Метаданные указывают поддержку английского и китайского языков. Репозиторий содержит веса в формате Safetensors; лицензия — Apache-2.0. Качество может различаться в зависимости от языка, типа записи и задачи; README не приводит здесь численных результатов оценивания, поскольку таблицы опущены. Для работы необходимы аудиовход и совместимая программная среда Transformers.

FaMiniLM — компактный энкодер предложений на базе Sentence Transformers, разработанный в рамках исследования MetaRAG и WikiFaQA. Модель дообучена авторами на наборе PersianSimilarSentences, чтобы сформировать способность представлять персидские тексты в семантическом пространстве; базовая all-MiniLM-L6-v2 изначально не знала персидского языка. Модель кодирует предложения и абзацы в плотные векторы размерности 384 и использует mean pooling, нормализацию и косинусное сходство. Она предназначена для семантического поиска, сравнения предложений, поиска парафразов, кластеризации и классификации текста. Метаданные указывают 25,9 млн параметров и контекст до 512 токенов; карточка модели задаёт максимальную длину последовательности 256 токенов. Веса опубликованы в формате safetensors, библиотека — sentence-transformers. FaMiniLM ориентирована прежде всего на персидский язык и может быть полезна для семантического поиска и RAG по персидским текстам. Лицензия — MIT. Как и другие энкодеры предложений, модель выдаёт векторы, а не готовые ответы; качество на языках, отличных от персидского, и на текстах за пределами обучающего домена может быть ограниченным.

FinerWeb Line Quality Classifier — англоязычный классификатор строк веб-текста, разработанный Университетом Турку в рамках проекта FinerWeb-10BT. Модель DeBERTa-v3-base с 211,6 млн параметров дообучена на microsoft/deberta-v3-base; она оценивает качество каждой строки и относит её к классу Clean либо к одной из категорий низкого качества. Оценка качества находится в диапазоне от 0 до 1: более высокие значения указывают на более качественный текст. Максимальная длина контекста — 512 токенов. Модель предназначена для фильтрации и отбора англоязычных веб-данных при подготовке обучающих корпусов для языковых моделей. Она обучалась на 328 472 размеченных строках из 20 000 документов FineWeb; метки сформировали с помощью языковых моделей и вручную проверили на небольшой выборке. В оценке модель получила micro F1 0,81 и macro F1 0,66; для класса Clean F1 составил 0,90. Лицензия — Apache-2.0. Модель обучена на английском веб-тексте, поэтому её результаты для других языков и узкоспециализированных областей могут быть ненадёжными.

tyuan73/finetuned-modernbert-finance-large — модель Sentence Transformers, дообученная tyuan73 на новостях фондового рынка Yahoo Finance. В основе — ModernBERT-large с архитектурой ModernBertModel; модель содержит 396,4 млн параметров и формирует плотные векторы размерности 1024. Максимальная длина входа — 8192 токена, сходство векторов можно оценивать косинусной мерой. Модель предназначена для получения эмбеддингов финансовых текстов и поиска смыслового сходства. Её можно применять для семантического поиска новостей и документов, поиска перефразировок, кластеризации, классификации текстов и ранжирования похожих фрагментов. Обучение проводилось на датасете обработанных новостей Yahoo Finance с парами положительных и отрицательных примеров. Карточка не сообщает лицензию и конкретные поддерживаемые естественные языки. Качество за пределами финансовых новостей отдельно не подтверждено; указанный в README результат cosine_accuracy 1.0 относится к тесту TripletEvaluator и не гарантирует такую точность на других данных.

MaziyarPanahi/firefunction-v2-GGUF — это набор файлов модели в формате GGUF для FireFunction V2, разработанной fireworks-ai и квантизированный MaziyarPanahi. Модель создана на базе Llama 3 и предназначена прежде всего для вызова функций, взаимодействия с инструментами и диалоговых приложений, где требуется преобразовывать запрос пользователя в структурированные вызовы функций. Она также сохраняет возможности Llama 3 по ведению диалога и следованию инструкциям. FireFunction V2 поддерживает параллельный вызов нескольких функций, что отличает её от FireFunction V1. По заявленным результатам, модель показывает конкурентное качество в задачах function calling по сравнению с GPT-4o и превосходит предыдущую версию FireFunction; при этом качество следования инструкциям в диалогах несколько ниже, чем у исходной Llama 3. GGUF позволяет запускать модель через llama.cpp и совместимые приложения, включая llama-cpp-python, LM Studio и text-generation-webui, с поддержкой локального выполнения и GPU-ускорения. В репозитории доступны варианты квантизации от 2 до 8 бит, однако точный размер модели, максимальная длина контекста, перечень поддерживаемых языков и сведения о мультимодальности в README не указаны. Модель ориентирована на текстовые и conversational-сценарии; её практические ограничения зависят от выбранного уровня квантизации, оборудования и совместимого рантайма. Указанная лицензия — llama3.

OS-Software/Gemma-4-26B-A4B-it-qat-q4_0-unquantized-uncensored-heretic-v2 — экспериментальная производная Gemma 4, предназначенная для исследований безопасности, выравнивания и red teaming. Модель основана на google/gemma-4-26B-A4B-it и дообучена; по метаданным, она использует архитектуру Gemma 4, библиотеку Transformers и формат safetensors. Лицензия — Apache-2.0. Модель принимает изображения вместе с текстом и выдаёт текст: она подходит для диалога, анализа изображений и документов, распознавания текста на изображениях, понимания графиков и интерфейсов, а также программирования и агентных сценариев. Базовая карточка Gemma 4 указывает поддержку более 35 языков и контекст до 256 тысяч токенов для варианта 26B A4B; эти характеристики относятся к семейству и не подтверждены отдельно для этой производной модели. Карточка рекомендует использовать модель только для исследований и экспериментов, избегая публичного и пользовательского развёртывания. Возможны предвзятость, ошибки фактов и трудности с неоднозначными или сложными запросами; языковые нюансы могут быть поняты неверно.

GLM-5.3-Flash-4bit-paged — это 4-битная сборка модели GLM-5.3-Flash с экспертной пагинацией, опубликованная GreenBitAI на базе pipenetwork/GLM-5.3-Flash-MLX-4bit. Модель предназначена для генерации текста и мультимодальных сценариев image-text-to-text, а заявленные языки — английский и китайский. Сборка ориентирована на запуск через gbx-lm, в частности на компьютерах Apple Silicon с MLX. Архитектура использует mixture-of-experts: необходимые экспертные веса могут загружаться из файла experts.bin по мере обращения к ним, что снижает требования к постоянно занятой оперативной памяти, но требует значительного дискового пространства и может замедлять работу, если веса не помещаются в память. Общий объём файлов составляет около 169,27 ГиБ, включая 5,89 ГиБ резидентных весов, 159,47 ГиБ маршрутизируемых экспертов и 3,90 ГиБ дополнительной головы multi-token prediction. Максимальный контекст в README не указан. Дополнительная MTP-голова отключена по умолчанию и поддерживает speculative decoding; на Mac Studio с M3 Ultra она показала ускорение до 1,41 раза при контексте 11 317 токенов, однако выигрыш зависит от длины контекста и конфигурации оборудования. Для модели заявлена проверка совпадения с исходной сборкой на уровне слоёв. Квантование, токенизатор и шаблон чата унаследованы от базовой модели. Лицензия — MIT.

GRPO-VI-Qwen2-7B-RAG — языковая модель, дообученная командой Nguyen Nho Trung, Nguyen Van Huy и Nguyễn Nhat Quang на базе Qwen/Qwen2.5-7B-Instruct. Она предназначена прежде всего для генерации ответов в системах с дополненной поиском генерацией (RAG), сохраняя диалоговые возможности. Обучение включало supervised fine-tuning и GRPO на вьетнамских примерах: модель улучшали для многошаговых вопросов по найденным документам, отбора нерелевантных сведений и объединения информации. Также модель подходит для общих вопросов, математики и задач по программированию. Это плотная архитектура Qwen2 с 7,1 млрд параметров, рассчитанная на текстовый ввод и текстовые ответы; репозиторий содержит веса Safetensors и использует библиотеку Transformers. Метаданные указывают контекст до 32 768 токенов. Модель ориентирована на вьетнамский язык. В карточке приведены оценки на внутреннем наборе EvalRAGData и бенчмарке VMLU, но результаты не гарантируют точности в других сценариях. Разработчики отмечают возможные ошибки и предвзятые или неуместные ответы, особенно на политические и общественные темы. Лицензия — Apache-2.0.

novacardsai разработала дообученную на медицинских текстах модель Sentence Transformer на базе Alibaba-NLP/gte-large-en-v1.5. Она кодирует предложения и абзацы в плотные векторы размерности 1024, которые можно сравнивать по косинусному сходству. Модель рассчитана на семантический поиск и сопоставление медицинских текстов, а также на кластеризацию и классификацию текстов. Максимальная длина последовательности — 8192 токена; веса доступны в формате safetensors и предназначены для использования с библиотекой Sentence Transformers. В README приведён результат cosine accuracy 0,9164 на проверочной выборке med_flashcard_val. Этот показатель относится к указанной выборке и сам по себе не гарантирует качество на других медицинских данных. Модель основана на англоязычной базовой модели, а примеры обучающих данных и проверочная выборка — на английском языке. Лицензия в предоставленных данных не указана.

HawkVL-2B — компактная мультимодальная модель серии HawkVL, построенная на языковой модели Qwen2.5-1.5B. Архитектура включает визуальный энкодер Qwen-ViT, проектор на основе двухслойного MLP с pixel unshuffle и языковую часть Qwen2.5-1.5B; модель дообучена на данных LLaVA-OneVision. Модель предназначена для диалогов по изображениям и генерации текстовых ответов на визуальные запросы. В README приведены результаты оценки на англоязычных и китайских наборах OpenCompass, включая задачи визуальных вопросов и ответов, распознавания текста на изображениях и математики по изображениям. Поддерживается контекст до 32 768 токенов; метаданные указывают английский и китайский языки. Модель распространяется в формате Safetensors под лицензией Apache-2.0. Модель компактна и рассчитана на эффективную мультимодальную обработку, однако приведённые результаты ограничены набором бенчмарков и сами по себе не гарантируют качество в конкретном сценарии. Входные изображения и язык запросов должны соответствовать возможностям мультимодальной архитектуры; модель может ошибаться при сложном визуальном рассуждении или распознавании текста.

Huihui-Qwen3.5-397B-A17B-abliterated-GGUF — это GGUF-версия модели Qwen3.5-397B-A17B, созданная разработчиком huihui.ai с применением abliteration — экспериментальной процедуры удаления отказов модели. Модель относится к мультимодальному классу image-text-to-text и предназначена для обработки текста и изображений, включая диалоговые сценарии, рассуждения и задачи с использованием инструментов через llama.cpp. Модель имеет размер 397B параметров и архитектуру на базе Qwen3.5-397B-A17B; в идентификаторе базовой модели также указано обозначение A17B. README упоминает поддержку режима рассуждений, tool calling и контекста до 262144 токенов при запуске с llama-server. Данные о поддерживаемых языках и точном наборе модальностей не приведены. Распространение выполнено в формате GGUF, включая варианты квантования Q3_K, состоящие из нескольких частей, которые требуется объединить перед использованием. Главная особенность модели — значительно сниженная фильтрация безопасности и уменьшенное количество отказов, что может быть полезно для исследований и контролируемого тестирования, но повышает риск чувствительных, спорных или неприемлемых ответов. Модель не рекомендуется для публичных и высокорисковых производственных сценариев без постоянного мониторинга и ручной проверки результатов. Указана лицензия Apache-2.0; при использовании необходимо также учитывать юридические и этические требования.

Pustekhan-ITB/indoedu-e5-base — модель Sentence Transformer, разработанная как дообучение intfloat/multilingual-e5-base на индонезийском наборе stsb-indo-edu. Она преобразует предложения и абзацы в плотные векторы размерности 768, нормализованные для сравнения по косинусному сходству. Архитектура основана на XLM-RoBERTa с усреднением токенных представлений; модель содержит 305,2 млн параметров и принимает последовательности длиной до 514 токенов. Модель предназначена прежде всего для оценки семантического сходства индонезийских текстов, семантического поиска, поиска перефразировок и кластеризации. Эмбеддинги также можно применять для классификации текста и поиска по смыслу. В карточке приведены низкие результаты на тестах сходства stsb-indo-edu (Spearman 0,1512), поэтому качество для конкретной задачи следует проверять отдельно. Лицензия в предоставленных данных не указана.

KoBERT — предварительно обученная языковая модель на архитектуре BERT, разработанная SK Telecom и предназначенная для работы с корейским языком. Репозиторий содержит модель примерно с 119,4 млн параметров и контекстом до 512 токенов; в метаданных указаны реализации PyTorch, Safetensors и ONNX. Модель формирует контекстные векторные представления текста и может служить основой для прикладных задач NLP, например классификации или анализа тональности после соответствующей настройки. Она принимает текст и сама по себе не является генеративной чат-моделью. Лицензия в доступных сведениях не установлена.

LFM2.5-VL-1.6B — мультимодальная модель для работы с текстом и изображениями, разработанная Liquid AI и преобразованная сообществом litert-community в формат LiteRT-LM для локального запуска на устройствах через runtime Google LiteRT. Модель предназначена для сценариев on-device и edge-инференса, включая ответы на вопросы по изображениям, описание содержимого, OCR и другие задачи image-text-to-text. Она поддерживает одно изображение на запрос; изображение автоматически приводится к размеру 512×512 и представляется 256 визуальными токенами. В основе модели — гибридная текстовая архитектура LFM2 с 16 слоями, объединяющая gated short-convolutions и grouped-query attention; размер скрытого представления составляет 2048, словарь — 64 тысячи токенов. Используется крупная vision-башня SigLIP2 из 27 слоёв с размером скрытого представления 1152. Максимальный контекст KV-кэша — 4096 токенов. Доступны варианты квантования int8 и int4; размер int4-сборки составляет около 1,30 ГБ, int8 — около 1,81 ГБ. Поддерживаются CPU и GPU при использовании совместимого LiteRT-LM. Ключевое ограничение исходной сборки связано с ошибкой в vision-пути LiteRT-LM 0.16.0 и текущей основной ветке: модель фактически видит только верхнюю четверть изображения. Поэтому хорошо работают описание, вопросы о цветах и OCR крупных объектов, но позиционные задачи, подсчёт и перечисление объектов могут давать неверные ответы или приводить к деградации генерации. В репозитории доступна исправленная int4-сборка fixB, возвращающая модели полный видимый диапазон изображения, однако координатное распознавание остаётся ограниченным по сравнению с 3B-версией семейства. Модель распространяется по лицензии lfm-open-license-v1.0; дополнительные условия следует проверять в файле LICENSE репозитория.

LocateAnything-3B-GGUF — мультимодальная модель для визуального заземления объектов и областей на изображениях. Исходную модель разработала NVIDIA, а данный репозиторий содержит её GGUF-конверсии, подготовленные yuuko-eth для работы с llama.cpp и мультимодальным стеком mtmd. Модель принимает изображение и текстовый запрос на английском языке, после чего возвращает метку объекта или области и координаты ограничивающей рамки либо точки в нормализованном диапазоне 0–1000. Архитектура включает vision tower MoonViT-SO-400M, Eagle MLP и языковую модель Qwen2.5-3B. Доступны варианты BF16, Q8_0, Q6_K, Q5_K_M и Q4_K_M; для работы каждому варианту языковой модели требуется отдельный vision projector mmproj в формате BF16. Модель подходит для поиска объектов, регионов интерфейса, текста на изображении, отдельных точек и нескольких экземпляров по описанию. К сильным сторонам относятся компактные квантизованные варианты и близкое к BF16 качество у Q4_K_M и более высоких разрядностей. Для запуска требуется специальная ветка llama.cpp с интеграцией LocateAnything mtmd; стандартная версия llama.cpp эти GGUF-файлы не загружает. При использовании llama-server необходим параметр --special, иначе координаты, представленные управляющими токенами, не будут выведены. Проверена работа с одним изображением и одним запросом; пакетная обработка нескольких изображений в llama-server не валидирована. Для некоторых CUDA-бэкендов может потребоваться отключение flash attention из-за vision head_dim=72. Лицензия NVIDIA разрешает только некоммерческое и исследовательское использование; коммерческое использование зарезервировано за NVIDIA и её аффилированными лицами.

LongLLaMA-3Bv1.1 — базовая, не настроенная на следование инструкциям языковая модель размером 3,3 млрд параметров, разработанная командой LongLLaMA на основе OpenLLaMA-3Bv2. Модель дообучена методом Focused Transformer (FoT): три слоя внимания используют кэш памяти, чтобы расширять обрабатываемый контекст. В обычной реализации контекст ограничен 2048 токенами; с механизмом памяти авторы показывают экстраполяцию до 256 тыс. токенов на задаче поиска ключевой фразы. Модель предназначена для генерации продолжений текста и экспериментов с длинным контекстом, включая извлечение сведений из протяжённых входных текстов. В README также отмечены результаты на классификации вопросов TREC и ответах на вопросы WebQS. Это базовая модель, поэтому для диалога и выполнения инструкций может потребоваться дополнительная настройка. Веса распространяются по лицензии Apache 2.0.

LWM-Text-Chat-128K — открытая авторегрессионная языковая модель LargeWorldModel на архитектуре Transformer семейства LLaMA. Модель с 6,6 млрд параметров дообучена на основе LLaMA-2; контекст составляет 131 072 токена. Модель предназначена для генерации текста и работы с длинными документами: её обучали на подмножестве Books3 из 92 тысяч документов длиной от 100 до 200 тысяч токенов. Это позволяет использовать её для диалога и создания продолжений текста с большим контекстом. В карточке указана лицензия на открытое использование, однако её условия здесь не приведены.

MedEmbed Biomedical MRL — англоязычная sentence-transformers-модель для построения плотных векторных представлений предложений и абзацев в биомедицинском контексте. Модель на основе BERT имеет около 40 млн параметров, использует CLS-пулинг и нормализацию, выдаёт векторы размерностью 384 и сравнивает их по косинусному сходству. Максимальная длина входа — 512 токенов. Модель обучена на 4 012 парах текстов из JSON-датасета с использованием MultipleNegativesRankingLoss. Её можно применять для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации биомедицинских текстов. Лицензия — Apache-2.0.