I.3Извлечение и структурирование данных

Вьетнамская модель для сопоставления предложений и абзацев, разработанная BKAI Foundation Models. Она преобразует текст в плотные векторы размерностью 768 и предназначена для семантического поиска, ранжирования похожих текстов и кластеризации. В основе лежит PhoBERT-base-v2, дообученная на объединённых данных MS MARCO и SQuAD v2, переведённых на вьетнамский язык, а также на 80% обучающей выборки соревнования Legal Text Retrieval Zalo 2021. Модель построена на архитектуре RoBERTa и содержит 162,4 млн параметров; максимальная длина контекста — 258 токенов. Для работы с вьетнамским текстом в Hugging Face Widget предусмотрена сегментация слов перед токенизацией. В README приведены результаты на оставшихся 20% выборки Legal Text Retrieval Zalo 2021, включая Acc@1 73,28 и MRR@10 80,73 для обученной модели. Модель принимает текст и возвращает векторные представления, которые можно использовать для поиска и кластеризации. Она обучалась на вьетнамских данных, включая юридические тексты, поэтому результаты на других языках и в иных областях могут быть хуже. Лицензия — Apache-2.0.

Vi-Qwen2-3B-RAG — языковая модель семейства Qwen2, дообученная командой разработчиков, указанной в карточке, для задач генерации с дополнением найденными материалами (RAG). Модель рассчитана на вьетнамский язык и поддерживает диалоговый режим; в метаданных указаны 3,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для ответов на вопросы по извлечённым документам: она может находить полезные сведения в зашумлённом контексте, отказываться от ответа при отсутствии нужной информации, объединять факты из нескольких фрагментов и определять, содержится ли ответ в контексте. Также её можно применять как чат-модель для последовательных вопросов. В карточке описана оценка определения наличия ответа с точностью около 99%, но подробности методики и воспроизводимые результаты не приведены. Это плотная авторегрессионная модель Qwen2 для генерации текста, доступная в формате Safetensors и рассчитанная на использование через Transformers. README описывает версию Vi-Qwen2-7B-RAG, тогда как идентификатор репозитория и метаданные относятся к Vi-Qwen2-3B-RAG; поэтому сведения о специфических результатах и сценариях меньшей версии следует считать описанием семейства, а не подтверждёнными отдельными оценками этой модели. Лицензия — Apache-2.0. Разработчики предупреждают, что модель специализирована на RAG и может быть ненадёжной в вопросах политики и общества, а также проявлять предвзятость или неуместные взгляды.

Warecube/Warecube-KO-27B-v3 — это корейская мультимодальная модель диалогового и пошагового рассуждения, разработанная Warecube. Она основана на ginigen-ai/Rogue-28B-MIX: к родительской модели применены эволюционное слияние Darwin и дополнительное SFT-дообучение на корейских инструкциях из областей K-AI. В метаданных указаны архитектура Qwen3.5 и 27B в названии репозитория; README заявляет 28B параметров. Модель предназначена для диалогов, ответов на вопросы по изображениям и тексту, а также задач понимания и рассуждения на корейском языке. В обучающих данных упомянуты научно-технические материалы, медицина, право, финансы и многосессионные диалоги. Заявлена поддержка корейского и английского языков, контекст 8K и формат bf16; метаданные также указывают интерфейс вызова инструментов. Сильная сторона модели — специализация на корейском языке и сочетание текстовых и визуальных входов. Для английского и других языков качество не охарактеризовано; показатели точности и ограничения на применение в критичных медицинских, юридических или финансовых решениях не приведены. Лицензия — Apache 2.0.

Это модель автоматического распознавания речи на белорусском языке, созданная дообучением facebook/wav2vec2-base. Разработчик обучал её на разделах Train, Dev и Test корпуса Mozilla Common Voice 8.0 для белорусского языка; дополнительные записи из раздела Validated не использовались. Архитектура — Wav2Vec2ForCTC, размер — 113,3 млн параметров. Модель преобразует аудиозапись речи в текст и рассчитана на сценарии распознавания белорусской речи. Для декодирования также подготовлена 5-граммная языковая модель KenLM, обученная на предложениях из корпуса Common Voice. Репозиторий содержит веса PyTorch и распространяется по лицензии GPL-3.0. Качество может быть ограничено объёмом и составом использованных данных: в обучающих разделах использовали только одну озвучку каждого предложения, без дополнительных вариантов из Validated. README предлагает расширить обучающие данные дополнительными озвучками; численные результаты оценки в карточке не приведены.

Это модель автоматического распознавания речи на базе wav2vec 2.0 XLS-R, дообученная автором davidilag на неизвестном наборе данных. Она принимает аудио и преобразует речь в текст; число параметров — 1,3 млрд. В README приведены результаты оценки: WER 24,1682 и CER 3,8304, однако описание набора данных и условий оценки отсутствует. Модель предназначена для транскрибирования речи. Метаданные не определяют поддерживаемые языки, поэтому нельзя надёжно указать язык или область применения. Файлы представлены в формате safetensors, используется библиотека Transformers. Лицензия — Apache-2.0.

shahukareem/wav2vec2-xls-r-300m-dv — модель распознавания речи на архитектуре Wav2Vec2ForCTC, разработанная на основе facebook/wav2vec2-xls-r-300m и дообученная на Common Voice. Она принимает аудио и преобразует речь в текст; на указанном в карточке наборе оценки достигла WER 0,2451 и loss 0,2206. Модель содержит около 402,7 млн параметров и опубликована в формате PyTorch. Модель предназначена для автоматического распознавания речи. В карточке не приведены сведения о поддерживаемых языках, контексте применения или специальных сценариях. Распространяется по лицензии Apache-2.0; качество распознавания за пределами указанной оценки не описано.

patrickvonplaten/wavlm-libri-clean-100h-large — модель распознавания речи на основе WavLM-Large, дообученная на чистой части датасета LibriSpeech ASR. Она предназначена для преобразования аудиозаписей речи в текст; архитектура использует CTC и содержит около 402,7 млн параметров. В README указаны результаты на оценочном наборе: WER 0,0491 и loss 0,0601. Модель может подойти для транскрибации записей, близких по условиям к чистой речи LibriSpeech. Метаданные указывают на PyTorch и обработку аудио. README не сообщает лицензию и дополнительные ограничения, поэтому условия использования следует сверить с базовой моделью и датасетом.

Kuray107/wsj0-full-supervised — модель распознавания речи, созданная дообучением facebook/wav2vec2-large-lv60. Она использует архитектуру Wav2Vec2ForCTC и содержит 402,7 млн параметров. Модель принимает аудио и преобразует речь в текст; в карточке указаны результаты оценки: loss 0,0623 и WER 0,0343. Модель опубликована в формате PyTorch под лицензией Apache-2.0. Карточка не уточняет языки, условия записи и ограничения применения, поэтому область надёжной работы за пределами указанной оценки определить нельзя.

allenai/aspire-sentence-embedder — модель Allen Institute for AI для оценки сходства предложений и поиска научных документов. Она основана на SciBERT и кодирует предложение одним вектором, извлечённым из токена CLS. Модель содержит 137,1 млн параметров, использует архитектуру BERT и принимает последовательности длиной до 512 токенов. Модель обучена на 4,3 млн пар контекстных предложений, ссылающихся на одни и те же научные работы, с контрастивным обучением. Она предназначена прежде всего для поиска семантически близких предложений и информационного поиска по научным аннотациям; для ранжирования документов можно сравнивать предложения запросов и кандидатов. Около половины обучающих данных относятся к биомедицине, поэтому модель может лучше работать в этой области. Обучающие данные — на английском языке. Модель распространяется в формате PyTorch и доступна по лицензии Apache-2.0. Дообучение может потребоваться для классификации или переноса на задачи и области за пределами научного текста.

Модель borisn70/bert-43-multilabel-emotion-detection разработана на основе bert-base-uncased и дообучена для классификации английских предложений по 43 категориям эмоций. Это плотная BERT-модель с головой BertForSequenceClassification; размер — 136,7 млн параметров, максимальный контекст — 512 токенов. Веса представлены в формате safetensors, лицензия — MIT. Модель предназначена для анализа эмоционального содержания текста: разметки отзывов и сообщений, мониторинга соцсетей и анализа обратной связи клиентов. В README указаны метрики на валидационной выборке: accuracy 92,02% и weighted F1 91,93%. Модель поддерживает английский язык; качество может различаться между категориями эмоций, а смещения обучающих данных могут отражаться на предсказаниях.

monsoon-nlp/bert-base-thai — тайскоязычная предобученная модель BERT-Base, адаптированная для библиотеки Hugging Face Transformers. Она предназначена для получения контекстных представлений тайского текста, которые можно использовать как признаки для последующей классификации и других задач обработки языка. Модель содержит 132,4 млн параметров, работает с контекстом до 512 токенов и использует архитектуру BertModel. Для корректной токенизации README требует предварительно обрабатывать текст оригинальным ThaiTokenizer. В основе токенизации лежит SentencePiece с BPEmb и словарём из 25 000 единиц. Модель обучена на тайской Википедии; в README также описано её применение к классификации тональности отзывов и кросс-языковому выводному заключению после дообучения. Модель рассчитана на тайский язык. Для использования доступны форматы PyTorch, Flax и safetensors. Лицензия в предоставленных данных не указана.

Legal BERTimbau — модель Sentence-Transformers, разработанная в рамках Project IRIS для семантического поиска по материалам Верховного суда Бразилии. Она преобразует предложения и абзацы на португальском языке в плотные векторы размерности 1024, пригодные для сравнения смысловой близости, поиска и кластеризации. Модель основана на крупной португалоязычной юридической версии BERTimbau и прошла обучение с маскированным языковым моделированием на юридических текстах, а затем этапы обучения на данных NLI и дообучения для оценки семантического сходства. В числе использованных наборов данных — ASSIN, ASSIN2 и STS-B Multi-MT. Архитектура BERT имеет контекст до 512 токенов; модель содержит 433,2 млн параметров. Модель подходит для построения семантического поиска по португалоязычным юридическим документам, а также для сопоставления, ранжирования и кластеризации текстов по смыслу. Лицензия — MIT. Карточка не сообщает об оценках качества или ограничениях на конкретных типах юридических текстов.

Это модель ответов на вопросы на основе BERT Large с некейсовой токенизацией и whole-word masking. Она дообучена на базе bert-large-uncased-whole-word-masking-finetuned-squad на наборе SQuAD v2 и предназначена для извлечения ответа из предоставленного текста, в том числе для обработки вопросов без ответа в контексте. В README приведена оценка loss 0,3855 на наборе оценки. Модель содержит 433,9 млн параметров, использует архитектуру BertForQuestionAnswering и работает с контекстом до 512 токенов. Она рассчитана на английский язык; специализированная версия ориентирована на вопросы по исламской тематике, однако подробности обучающих данных и отраслевые ограничения в карточке не раскрыты. Доступна в формате PyTorch под лицензией Apache-2.0.

SchuylerH разработал многоязычную модель классификации эмоций на основе BERT, дообученную на датасете GoEmotions для английских и китайских текстов. Она относит входной текст к одной из 28 категорий эмоций, включая радость, гнев, грусть, страх, благодарность и нейтральный тон, и подходит для анализа эмоциональной окраски сообщений и текстов на этих языках. Модель имеет архитектуру BertForSequenceClassification, содержит около 205,1 млн параметров и принимает последовательности длиной до 512 токенов. В README приведены метрики на валидационной выборке: accuracy 85,95%, precision 91,99%, recall 89,56% и F1 90,17%; эти показатели относятся к описанному автором эксперименту. Обучение включало машинно переведённые китайские данные и дополнительное включение уверенно предсказанных примеров, поэтому качество может зависеть от языка и распределения данных. Весы представлены в формате PyTorch и распространяются по лицензии Apache-2.0.

BetterWright Encoder 350M — это дообученный полноразмерный энкодер LiquidAI/LFM2.5-Encoder-350M для оценки релевантности узлов дерева доступности в браузерных сценариях. Он принимает описание задачи вместе с поддеревом доступности и выдаёт релевантность фрагментов и отдельных узлов, а также сигнал уверенности для безопасного отката к исходному снимку страницы. Модель содержит 444,6 млн параметров, использует архитектуру LFM2 и поддерживает контекст до 128 000 токенов; веса опубликованы в формате safetensors. Модель предназначена для сокращения контекста браузерного агента с сохранением элементов, важных для целевых действий и подтверждающих данных. Обучение проводилось на структурных примерах с разделением данных по доменам. В отчёте на отложенных доменах указаны 99,584% полноты целевых элементов и подтверждений, но в живом навигационном прогоне модель сохранила и позволила нажать 6 из 9 текущих целей. Это модель релевантности, а не автономный браузерный агент; автор рекомендует использовать детерминированные правила сохранения важных узлов и откат к полному дереву при низкой уверенности, ошибках, тайм-аутах или недостаточном контексте. Лицензия указана как other, конкретные условия в предоставленных данных не раскрыты.

FremyCompany BioLORD-STAMB2-v1 — модель эмбеддингов для клинических предложений и биомедицинских понятий, разработанная на основе стратегии предобучения BioLORD. Это дообученная версия sentence-transformers/all-mpnet-base-v2, обученная на BioLORD-Dataset; архитектура MPNet, около 136,7 млн параметров. Модель преобразует предложения и фразы в плотные векторы размерности 768 и сопоставляет их в общем семантическом пространстве. Модель предназначена для семантического поиска, оценки сходства и кластеризации биомедицинского текста, включая клинические записи и медицинские документы. Опора на определения понятий и краткие описания из биомедицинских онтологий помогает сохранять семантические и иерархические связи. В README сообщается о высоких результатах на MedSTS и MayoSRS. Контекст составляет 514 токенов; заявленный язык — английский. Модель выпущена в 2022 году, и авторы рекомендуют для большинства сценариев более новую версию BioLORD-2023. Лицензия указана как other, поэтому условия использования следует сверить с карточкой репозитория. Поддерживается PyTorch и доступно использование через Sentence-Transformers или Transformers.

maastrichtlawtech/colbert-legal-french — модель поиска и сопоставления предложений для юридических текстов на французском языке. Она дообучена на базе antoinelouis/colbertv1-camembert-base-mmarcoFR и предназначена для поиска релевантных фрагментов в системах извлечения информации и RAG. Архитектура основана на CamemBERT и ColBERT; модель содержит 137,8 млн параметров, принимает текст с контекстом до 514 токенов и выдаёт оценки сходства и релевантности. В метаданных указан датасет maastrichtlawtech/lleqa и библиотека RAGatouille. Модель опубликована под лицензией MIT.

combinedwhispersanlishlr2e5 — дообученная модель распознавания речи на базе openai/whisper-small, подготовленная разработчиком thunderboltc. Она принимает аудио и преобразует речь в текст; в метаданных указаны архитектура WhisperForConditionalGeneration и библиотека Transformers. README приводит результаты оценки: WER 33,4213 и CER 8,1594; сведений о языке и составе обучающих данных нет. Модель подходит для транскрибирования аудиозаписей в сценариях, соответствующих данным её дообучения. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0. README не описывает назначение дообучения и ограничения качества, поэтому область применения по языкам и типам аудио определить нельзя.

Data2Vec-Audio-Base-960h — модель распознавания речи, разработанная Facebook (ныне Meta). Это акустическая модель на архитектуре Transformer семейства data2vec-audio с 113,3 млн параметров: она предварительно обучена методом self-supervised learning, а затем дообучена для распознавания речи на 960 часах аудио LibriSpeech. Модель принимает речь с частотой дискретизации 16 кГц и выдаёт текстовую транскрипцию; в карточке приведены результаты на тестовых разделах LibriSpeech: WER 2,77 для clean и 7,08 для other. Модель предназначена для транскрибации английской речи, в том числе оценки качества распознавания на LibriSpeech. Для корректной работы входное аудио нужно подавать с частотой 16 кГц. Веса доступны в формате PyTorch по лицензии Apache-2.0. Карточка не описывает качество на других языках и акустических условиях, поэтому результаты за пределами LibriSpeech могут отличаться.

Модель heewook/distilbert-base-uncased-finetuned-clinc — дообученная версия DistilBERT, разработанная на базе distilbert/distilbert-base-uncased и предназначенная для классификации текста. В карточке указана оценка accuracy 0,919 на наборе проверки; название репозитория указывает на связь с CLINC, но README не раскрывает обучающие данные и классы.

Qishuai/distilbert_punctuator_zh — модель для расстановки знаков препинания в обычном тексте на упрощённом китайском языке. Разработчик дообучил DistilBertForTokenClassification на основе дистиллированной модели bert-base-chinese; архитектура DistilBERT выполняет классификацию токенов. Модель принимает текст и предсказывает места и типы знаков препинания в контексте до 512 токенов. Модель предназначена для восстановления пунктуации в текстах без знаков препинания. В README приведены результаты проверки на обучающем наборе MSRA: для запятой F1 составляет 0,63, для китайской точки — 0,42, а для восклицательного знака — 0,09, поэтому точность зависит от типа знака. Для запуска описана загрузка через Transformers; веса доступны в форматах PyTorch и safetensors. Лицензия в предоставленных сведениях не указана.

Модель vblagoje/dpr-question_encoder-single-lfqa-base разработана Владимиром Благойевичем на архитектуре DPRQuestionEncoder. Она преобразует вопросы в векторные представления с использованием выходов pooler трансформера и предназначена для поиска подходящих ответов в системе извлечения информации по длинным вопросам и ответам (LFQA). Модель дообучена на парах вопросов и ответов из набора LFQA с использованием PAQ-предобученного чекпойнта и FAIR dpr-scale. В метаданных указаны 136,7 млн параметров, контекст до 512 токенов, поддержка английского языка и лицензия MIT. Для поиска ответов её используют вместе с соответствующим DPR-кодировщиком контекстов; на бенчмарке KILT для LFQA-системы сообщаются R-precision 6,69 и Recall@5 14,5.

leomaurodesenv выпустил дообученную модель-классификатор на базе google/electra-base-discriminator. Она использует архитектуру ELECTRA с энкодером Transformer и предназначена для классификации текста. Модель содержит 136,7 млн параметров, принимает последовательности длиной до 512 токенов и распространяется в формате safetensors. На наборе оценки указаны loss 0,2955 и accuracy 0,9017. Датасет, конкретные классы и предполагаемые сценарии применения не описаны, поэтому эти результаты нельзя напрямую переносить на другие данные. Лицензия — Apache-2.0.

ERNIE 2.0 Base English — плотная модель Baidu на архитектуре ERNIE, выпущенная в формате PyTorch и преобразованная из официальной модели PaddlePaddle. В README ERNIE 2.0 описана как framework непрерывного предварительного обучения с последовательным добавлением задач и многозадачным обучением; этот репозиторий предоставляет английскую базовую модель с 136,7 млн параметров и контекстом до 512 токенов. Модель предназначена для извлечения признаковых представлений текста, которые можно использовать как основу для последующей обработки или адаптации. В статье о семействе сообщается о результатах выше BERT и XLNet на 16 задачах, включая английские тесты GLUE; эти результаты относятся к экспериментам семейства, а не обязательно к этому чекпойнту отдельно. Для загрузки указаны AutoTokenizer и AutoModel из Transformers. Репозиторий содержит преобразованные веса PyTorch; лицензия в предоставленных данных не указана.

NorskHelsenett разработала эту модель на базе Google EmbeddingGemma 300M, дообучив её на наборе норвежских триплетов для поиска по текстам о здоровье и медицинских услугах. Sentence Transformer преобразует предложения и абзацы в плотные векторы размерностью 768; близость текстов оценивается косинусным сходством. Модель принимает последовательности длиной до 2048 токенов и подходит для семантического поиска, сравнения текстов, поиска перефразировок, кластеризации и классификации текстов. Модель предназначена прежде всего для норвежского языка и может применяться для поиска релевантной информации в медицинских и административных текстах, например в материалах о диагнозах, услугах и возмещении расходов. README приводит результаты оценки на тестах поиска и сходства, но они не гарантируют качество для других наборов данных и языков. Распространяется на условиях Gemma Terms of Use и Gemma Prohibited Use Policy; формат весов — Safetensors.

Fara1.5-4B-GGUF — это GGUF-квантизированная версия мультимодальной модели Fara1.5-4B, разработанной Microsoft. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для computer use, управления браузером, автоматизации веб-задач и работы веб-агентов, включая сценарии с визуальным анализом интерфейсов и взаимодействием с ними. Модель имеет размер 4B параметров, поддерживает обработку текста и изображений и ориентирована на английский язык. Доступны варианты от BF16 до низкобитных форматов Q2 и IQ2, что позволяет выбирать между качеством, размером файла и требованиями к памяти. Для запуска подходят llama.cpp, LM Studio, KoboldCpp, Jan AI и другие совместимые приложения. README не содержит сведений о размере контекстного окна, конкретной архитектуре, результатах тестирования или подробных ограничениях мультимодального ввода. Сильными сторонами являются компактный размер, поддержка локального запуска и широкий выбор квантизаций; варианты Q5–Q6 характеризуются как высококачественные, а Q4_K_M рекомендован как сбалансированный вариант. Качество снижается у более компактных форматов, особенно Q2–Q3. Лицензия модели — MIT, однако для работы может потребоваться версия программного обеспечения с поддержкой Fara1.5.

linhtrann21/ft_paligemma_10k — дообученная модель семейства PaliGemma для задач «изображение — текст». Она принимает изображение и текстовый запрос и формирует текстовый ответ. Модель реализована архитектурой PaliGemmaForConditionalGeneration и распространяется в формате safetensors через библиотеку Transformers. Карточка не описывает конкретные сценарии применения, обучающие данные и результаты оценки, поэтому назначение модели можно определить только на общем уровне: работа с визуальными входными данными по текстовому запросу. Модель создана дообучением репозитория linhtrann21/ft_paligemma_10k; лицензия указана как gemma.

GALACTICA 30B — языковая модель, разработанная командой Papers with Code в Meta AI для работы с научными текстами и данными. Это авторегрессионный декодерный трансформер семейства OPT с 39,8 млрд параметров и контекстом до 2048 токенов; репозиторий содержит веса PyTorch. Модель обучена на 106 млрд токенов научных публикаций, учебников, справочников и других открытых научных источников. Модель предназначена для генерации научных текстов, ответов на научные вопросы, математических рассуждений, суммаризации, предсказания цитирований, извлечения сущностей и оценки свойств молекул. Она рассчитана прежде всего на исследователей и разработчиков научных инструментов. Карточка сообщает о результатах на ряде научных и языковых задач, но также предупреждает о галлюцинациях, смещении в пользу популярных работ и предвзятости. Лицензия CC BY-NC 4.0 разрешает использование на некоммерческих условиях.

fesalfayed/gpt-oss-20b-hermes_agent-tool-finetune_gguf — дообученная версия модели OpenAI gpt-oss-20b, подготовленная Fesal Fayed для локального агентского фреймворка Hermes-Agent. Модель распространяется в формате GGUF и предназначена для запуска через llama.cpp, Ollama, LM Studio и koboldcpp. Основной сценарий использования — локальные агенты, которым необходимы надёжные вызовы инструментов, function calling, корректная генерация JSON, выполнение многошаговых циклов «инструмент — наблюдение — план» и соблюдение системных инструкций. Это Mixture-of-Experts-модель примерно на 21 млрд параметров, из которых активно используется около 3,6 млрд. Сохранены шаблон чата Harmony и настройка reasoning effort. Доступны варианты квантования Q3_K_M, Q4_K_M, Q5_K_M, Q8_0 и F16; рекомендуемый баланс размера и качества — Q4_K_M, около 12,5 ГБ. Модель оптимизирована именно для агентских циклов, а её возможности математического и программного кодирования не менялись относительно базовой модели. Она может слишком часто вызывать инструменты при неоднозначных инструкциях, рассчитана преимущественно на английский язык и не проходила дополнительную настройку безопасности сверх базовой модели. Указанный контекст обучения составляет 8192 токена. Лицензия Apache-2.0, дополнительных ограничений не заявлено.

noctrex/Huihui-Qwen3-VL-30B-A3B-Thinking-abliterated-GGUF — набор GGUF-квантизаций мультимодальной модели Huihui-Qwen3-VL-30B-A3B-Thinking-abliterated, разработанной huihui-ai и опубликованной noctrex. Модель предназначена для задач image-text-to-text, то есть обработки изображений вместе с текстовыми запросами и генерации текстовых ответов; конкретные сценарии применения в README не раскрыты. Известно, что это модель класса Qwen3-VL с архитектурой Mixture-of-Experts: обозначение 30B-A3B указывает на 30 млрд параметров всего и около 3 млрд активных параметров на токен. Вариант описан как thinking-модель и abliterated-модификация, однако подробности этих изменений, поддерживаемые языки и размер контекстного окна не указаны. Для работы рекомендуются актуальная версия llama.cpp и максимально качественная доступная квантизация; для мультимодального проектора mmproj предпочтителен вариант F32, затем BF16 или F16. К сильным сторонам относятся поддержка изображений и текста, экономичность MoE-инференса при большом общем размере модели и наличие нескольких уровней квантизации. Ограничения связаны с зависимостью от совместимого llama.cpp и mmproj, а также с возможной потерей качества при использовании более низких уровней точности. Лицензия в README не указана.