I.3Извлечение и структурирование данных

deepvk/roberta-base — предварительно обученный двунаправленный энкодер RoBERTa от deepvk, ориентированный преимущественно на русский язык. Модель обучена на задаче masked language modeling на корпусе примерно из 500 ГБ текстов: в него входят Википедия, книги, комментарии в соцсетях, художественная проза, субтитры и новостные сайты. В архитектуре 12 слоёв энкодера, 12 голов внимания и размерность представлений 768; всего около 151,8 млн параметров. Модель принимает текст и выдаёт контекстные векторные представления токенов; максимальный контекст составляет 514 токенов. В репозитории доступны веса PyTorch и safetensors. Энкодер не содержит предварительно обученной выходной головы, поэтому для классификации и других прикладных задач потребуется подходящая голова или дополнительное дообучение. Карточка приводит результаты оценки на dev-наборе Russian SuperGLUE. Лицензия — Apache 2.0.

jondurbin/spicyboros-13b-2.2 — экспериментальная языковая модель автора Jon Durbin, созданная на архитектуре Llama и дообученная преимущественно на синтетических данных Airoboros 2.2. Модель с 12,9 млрд параметров предназначена для генерации текста по инструкциям, включая ответы на вопросы, написание текстов, задания с вариантами ответа и генерацию кода. Для ответов по заданному контексту README рекомендует явно размечать входные данные; также описан интерфейс генерации JSON- или YAML-подобных аргументов для вызова функций. Контекст модели составляет 4096 токенов. Карточка описывает формат диалога с маркерами USER и ASSISTANT и сообщает, что использован промежуточный чекпойнт 350. Модель может выдавать ненормативный, токсичный и иной чувствительный контент; системные ограничения могут быть переопределены. Указанная лицензия — Llama 2 license.

LeroyDyer разработал эту дообученную модель семейства Mistral на основе LeroyDyer/Mixtral_AI_CyberTron_DeepMind_III. Это языковая модель с 7,1 млрд параметров для генерации текста; заявленная длина контекста — 32 768 токенов. Веса опубликованы в формате Safetensors, лицензия — Apache-2.0. Модель предназначена для диалогов и выполнения инструкций, включая помощь с программированием, анализом текста, извлечением сущностей, расчётами и генерацией идей. В карточке также заявлены сценарии консультативного общения и работа с медицинской информацией, однако результаты таких применений не подтверждены приведёнными оценками. Обучающие данные включают наборы для кода, диалогов, математики, преобразования текста в SQL и английского и суахили. Автор описывает модель как разговорную, способную использовать историю диалога и выдавать разнообразные ответы; приведены результаты Open LLM Leaderboard, но не полная таблица. Практическая точность и надёжность заявленных специализированных возможностей могут зависеть от формулировки запроса. Модель принимает текст и генерирует текст.

Jiunsong/SuperQwen3.8-27b-abliterated-NVFP4-DGX-Spark — это сжатая и оптимизированная для производительности мультимодальная модель, созданная Jiunsong на базе Qwen/Qwen3.8-27B. Она предназначена для задач image-text-to-text, рассуждений, работы с инструментами и обработки длинного контекста. Модель поддерживает английский и корейский языки, принимает текст и изображения, а также рассчитана на контекст до 262 144 токенов; в README подтверждён поиск данных в контексте длиной 262 043 токена. Модель использует квантизацию NVFP4 W4A4 с размером группы 16 для подходящих линейных весов и активаций. Vision tower, MTP, пути conv1d и lm_head защищены и сохраняются в исходной или BF16-точности; MTP-компонент используется для speculative decoding. Размер исходной модели — 27B параметров, объём квантизированного набора составляет около 19,15 GiB. В измеренном профиле применяется FP8 KV cache, а стабильная конфигурация speculative decoding использует K=5. Сильными сторонами являются высокая скорость декодирования на одном DGX Spark, сохранение мультимодальных возможностей, tool calling, длинного контекста и ограниченного режима рассуждений. Для конфигурации K=5 заявлена скорость 25,7592 токена в секунду, а проверки показали успешную работу с инструментами, изображениями и тестами на избыточное обдумывание. Ограничения включают возможное ухудшение качества на задачах, не охваченных проверками, зависимость производительности от конкретной среды DGX Spark и ограничение speculative decoding нативным окном 262 144 токена. Заявление об «abliterated» означает снижение измеренной склонности к отказам и не гарантирует универсальную безопасность или достоверность. Модель распространяется по лицензии Apache-2.0.

Swift-Qwen3.8-27b-oQ4e-fp16-mtp — плотная мультимодальная модель класса 27B, разработанная на основе Swift-Qwen3.8-27b от UkisAI и преобразованная в формат MLX. Она предназначена для задач, сочетающих работу с текстом и изображениями, включая генерацию и понимание текстово-визуального содержимого. Модель содержит текстовый backbone, vision encoder и один слой multi-token prediction (MTP). Текстовая часть включает 64 слоя со скрытым размером 5 120 и feed-forward-размером 17 408. В архитектуре используются 48 слоёв linear attention и 16 слоёв full attention; полный attention применяется на каждом четвёртом слое. Словарь содержит 248 320 токенов, заявленный предел контекста составляет 262 144 токена, однако фактическая доступная длина зависит от настроек runtime и объёма памяти. Vision encoder состоит из 27 слоёв со скрытым размером 1 152, 16 attention heads и обрабатывает изображения через патчи 16×16; визуальные признаки проецируются в пространство размерности 5 120. Чекпойнт использует смешанную квантизацию: по умолчанию применяются аффинные 4-битные веса с группами по 64 значения, а для 187 модулей заданы 5-битные переопределения. Часть параметров MTP, включая fusion matrix и веса нормализации, сохраняется в FP16, поэтому суффикс fp16 не означает полностью FP16-модель. Такой формат снижает требования к памяти по сравнению с полноразмерными весами, но точные характеристики производительности и совместимость зависят от MLX runtime и оборудования. Языки в README не указаны. Модель распространяется на условиях Swift Open License v1.0; преобразование не изменяет условия upstream-лицензии. Перед использованием необходимо ознакомиться с условиями лицензии и ограничениями доступа исходной модели.

Verbatim-RAG Extractor — англоязычный классификатор токенов от KRLabsOrg для выделения в тексте фрагментов, которые прямо отвечают на вопрос. Модель дообучена на базе Alibaba-NLP/gte-reranker-modernbert-base и использует архитектуру ModernBERT; она содержит около 149 млн параметров и поддерживает контекст до 8192 токенов. Модель принимает вопрос и текстовый контекст, оценивает токены контекста как доказательные или недоказательные, а затем объединяет подходящие токены в фрагменты с символьными границами и оценками. Её можно использовать после поиска или переранжирования документов в RAG-системе, чтобы показывать пользователю подтверждающие цитаты или передавать их генеративной модели. Обучающий набор охватывает научные тексты, вопросы и ответы из разных областей, финансовые таблицы, юридические и медицинские материалы, руководства и выводы инструментов для программирования. В описанных авторами оценках модель превзошла публичные базовые экстракторы по Word-F1 на четырёх срезах, включая QASPER, который не входил в обучающую смесь. Это не гарантирует такого же качества на произвольных данных: модель рассчитана на английский язык, выделяет текстовые фрагменты и может пропускать нужные доказательства либо выбирать лишний текст. Выпускается в формате safetensors под лицензией Apache-2.0.

Voxtral Small 1.0 (24B) 2507 — мультимодальная модель Mistral, дообученная на базе mistralai/Mistral-Small-24B-Base-2501 для работы с аудио и сохранения возможностей текстовой языковой модели. Она принимает аудио и текстовые инструкции и генерирует текст: распознаёт речь, переводит её, отвечает на вопросы по аудиозаписям и составляет их краткие структурированные сводки. Модель поддерживает автоматическое определение языка речи и восемь языков: английский, французский, немецкий, испанский, итальянский, португальский, нидерландский и хинди. Контекст модели составляет 32 тыс. токенов; согласно карточке, она обрабатывает аудио до 30 минут при транскрибации и до 40 минут при анализе. Также заявлена экспериментальная поддержка вызова функций по голосовым инструкциям. Для запуска рекомендуются vLLM или Transformers; обработка на GPU требует около 55 ГБ видеопамяти в bf16 или fp16. Модель распространяется по лицензии Apache-2.0.

Edresson/wav2vec2-large-100k-voxpopuli-ft-Common-Voice_plus_TTS-Dataset-russian — русскоязычная модель распознавания речи на архитектуре Wav2Vec2 Large с выходной головой CTC. Её дообучили на базе Wav2Vec2 Large 100k VoxPopuli с использованием Common Voice 7.0 и M-AILABS. Модель принимает аудио и преобразует русскую речь в текст. Она подходит для автоматической транскрибации записей и голосовых данных в приложениях на базе Transformers. Размер — 402,7 млн параметров; файлы представлены в формате PyTorch. Лицензия — Apache-2.0. README отсылает за результатами к статье, поэтому численные показатели качества здесь не приводятся.

webAI-Official разработала webAI-ColVec1.1-4b — мультимодальную модель поиска по документам на основе Qwen/Qwen3.5-4B. Это дообученный ColBERT-подобный энкодер: он кодирует текстовые запросы и изображения документов, включая отрендеренные страницы PDF, в нормализованные многовекторные представления размерности 640 и сопоставляет их методом позднего взаимодействия MaxSim. В выпущенной версии около 4,54 млрд параметров; языковая голова удалена. Модель предназначена для извлечения релевантных документов по текстовому запросу. Единый энкодер обрабатывает запросы и изображения страниц, а токенные векторы помогают учитывать детали содержимого и разметки страницы. Модель обучалась на сбалансированной многоязычной выборке из шести наборов данных и синтетических примерах. В README приведены результаты оценки на ViDoRe V3; для воспроизведения указан бюджет в 1 792 визуальных токена, а оценивание использует MaxSim. Многовекторные представления занимают больше места, чем одно-векторные базовые модели. Для заявленных оценок использовалось накопление MaxSim в float32; результаты могут немного различаться между аппаратным обеспечением и версиями программных библиотек. Лицензия указана как other, поэтому конкретные условия следует проверять в файлах репозитория.

mlx-community/whisper-large-v3-asr-fp16 — преобразованная сообществом mlx-community версия OpenAI Whisper large-v3 для распознавания речи. Модель на архитектуре Whisper содержит около 905 млн параметров и предназначена для преобразования аудио в текст; репозиторий подготовлен в формате MLX для использования с библиотекой mlx-audio и содержит веса Safetensors в FP16. Модель подходит для транскрибации аудиозаписей и распознавания речи на разных языках, включая русский и английский. Карточка отсылает к исходной модели OpenAI за подробностями о её возможностях. Лицензия репозитория — Apache-2.0.

jlvdoorn/whisper-large-v3-atco2-asr — дообученная модель распознавания речи на базе Whisper large-v3 от OpenAI. Она предназначена для преобразования аудио в текст; README сообщает результат оценки WER 17,0374 и loss 0,7695, но не описывает набор оценки и условия измерения. Модель содержит 905,2 млн параметров, использует архитектуру WhisperForConditionalGeneration и опубликована в формате safetensors. Лицензия — Apache-2.0.

dominguesm/xlm-roberta-base-lora-language-detection — мультиязычная модель для автоматического определения языка текста. Она разработана на базе xlm-roberta-base и дообучена методом PEFT-LoRA с классификационной головой для задач классификации последовательностей. Модель поддерживает 20 языков: арабский, болгарский, немецкий, современный греческий, английский, испанский, французский, хинди, итальянский, японский, нидерландский, польский, португальский, русский, суахили, тайский, турецкий, урду, вьетнамский и китайский. Дообучение проводилось на датасете papluca/language-identification: 70 тысяч обучающих, 10 тысяч валидационных и 10 тысяч тестовых примеров. На тестовой выборке заявлены accuracy и F1 на уровне 99,43–99,4%. Сильной стороной является высокая точность при поддержке нескольких языков и сниженные вычислительные и требования к хранению затраты благодаря LoRA, которая изменяет лишь небольшое число дополнительных параметров. Ограничение модели — классификация только указанных 20 языков; качество на текстах, отличающихся от распределения исходного датасета, в README отдельно не оценено. Лицензия — CC BY 4.0.

joeddav/xlm-roberta-large-xnli — мультиязычная модель классификации текста, разработанная на основе XLM-RoBERTa Large и дообученная на данных для вывода по тексту (NLI), включая MNLI и XNLI. Она предназначена прежде всего для zero-shot-классификации: пользователь задаёт текст и набор меток, а модель оценивает соответствие текста каждой метке без отдельного обучения на этих категориях. Модель содержит около 658,7 млн параметров, использует архитектуру XLM-RoBERTa для классификации последовательностей и принимает текст с контекстным окном до 514 токенов. Она рассчитана на работу на 15 языках XNLI: английском, французском, испанском, немецком, греческом, болгарском, русском, турецком, арабском, вьетнамском, тайском, китайском, хинди, суахили и урду. Можно задавать метки на одном языке, а классифицируемый текст подавать на другом. Подходит для тематической разметки, маршрутизации обращений и других задач классификации с пользовательскими категориями, особенно в мультиязычных сценариях. Для классификации только на английском в карточке рекомендованы модели семейства BART MNLI. Модель распространяется по лицензии MIT.

Yi-34B-200K — большая языковая модель 01.AI, обученная с нуля. Она предназначена для генерации текста и подходит для диалога, ответов на вопросы, рассуждений и чтения длинных материалов. Модель использует плотную архитектуру LlamaForCausalLM на основе Transformer, содержит 33,9 млрд параметров и поддерживает контекст до 200 000 токенов. Семейство Yi ориентировано прежде всего на китайский и английский языки и обучено на многоязычном корпусе объёмом 3 трлн токенов. Веса этой модели опубликованы в форматах PyTorch и Safetensors. Карточка описывает сильные результаты семейства в понимании языка, здравом смысле и чтении; эти результаты не гарантируют такое же качество на всех задачах и данных. Модель распространяется по лицензии Apache-2.0. Для запуска большой версии необходимы значительные вычислительные ресурсы; приведённый в карточке пример локального запуска Yi-34B использует ускоритель A800 с 80 ГБ памяти.

Карточка модели avsolatorio/00-000-11-1-0-1-0-0-cls-unnormed-768-512_GIST_BAAI_bge-base-en-v1.5-20240128072140-best на Hugging Face совпадает с карточкой BAAI/bge-small-zh-v1.5, поэтому описание составлено по ней. BAAI/bge-small-zh-v1.5 — компактная модель эмбеддингов из семейства BGE (BAAI General Embedding), разработанная BAAI. Она преобразует китайский текст в плотные векторы для поиска документов, семантического поиска, классификации и кластеризации, а также для использования в векторных базах данных и системах дополненной генерации. Модель построена на архитектуре BERT, содержит 27,6 млн параметров и принимает последовательности длиной до 512 токенов. Версия v1.5 улучшает поиск без специальных инструкций и смягчает проблему распределения сходства: для поиска важнее относительный порядок оценок, чем их абсолютное значение. Для коротких запросов к длинным документам инструкция запроса может улучшить результат; её пользу рекомендуется оценивать на конкретной задаче. Модель выдаёт эмбеддинги, а не готовые ответы или оценки ранжирования; для более точного переранжирования README рекомендует отдельную модель BGE reranker. Лицензия — MIT.

Карточка модели avsolatorio/00-400-10-1-0-1-0-0-cls-normed-768-512_GIST_BAAI_bge-base-en-v1.5-20240130210931-latest на Hugging Face совпадает с карточкой BAAI/bge-small-zh-v1.5, поэтому описание составлено по ней. BAAI/bge-small-zh-v1.5 — компактная модель эмбеддингов из семейства BGE (BAAI General Embedding), разработанная BAAI. Она преобразует китайский текст в плотные векторы для поиска документов, семантического поиска, классификации и кластеризации, а также для использования в векторных базах данных и системах дополненной генерации. Модель построена на архитектуре BERT, содержит 27,6 млн параметров и принимает последовательности длиной до 512 токенов. Версия v1.5 улучшает поиск без специальных инструкций и смягчает проблему распределения сходства: для поиска важнее относительный порядок оценок, чем их абсолютное значение. Для коротких запросов к длинным документам инструкция запроса может улучшить результат; её пользу рекомендуется оценивать на конкретной задаче. Модель выдаёт эмбеддинги, а не готовые ответы или оценки ранжирования; для более точного переранжирования README рекомендует отдельную модель BGE reranker. Лицензия — MIT.

Карточка модели Nhat1904/16-shot-twitter-2classes на Hugging Face совпадает с карточкой Nhat1904/16-shot-twitter-2classes-new, поэтому описание составлено по ней. Nhat1904/16-shot-twitter-2classes-new — модель Sentence Transformers на базе MPNet, разработанная для преобразования предложений и абзацев в плотные векторы размерности 768. Она предназначена для поиска семантически близких текстов, кластеризации и сравнения предложений по сходству. Модель содержит 136,7 млн параметров, принимает текстовые последовательности с контекстом до 514 токенов и распространяется в формате PyTorch. Название указывает на обучение на небольшом количестве примеров из набора Twitter с двумя классами; в карточке также указан CosineSimilarityLoss. Такие векторы можно использовать в семантическом поиске и других системах сравнения текстов. Язык обучения явно не указан. Лицензия в предоставленных данных не указана.

airoboros-7b-gpt4 — дообученная модель семейства LLaMA с 6,6 млрд параметров, созданная Jondurbin на синтетических обучающих данных, сгенерированных GPT-4. Она предназначена для диалоговой генерации текста и отвечает на вопросы по заданному контексту, а также решает задачи на эрудицию, математику и рассуждение, программирование, тесты с выбором ответа, заполнение пропусков и общие темы. Для общения используется шаблон Vicuna; максимальная длина контекста по метаданным — 4096 токенов. Модель обучена следовать предоставленному контексту и ограничивать ответы его содержимым, чтобы уменьшить галлюцинации. Автор отмечает, что качество математических рассуждений ограничено, а результаты примеров для версии 13B могут отличаться от версии 7B. Модель распространяется под лицензией CC BY-NC 4.0, допускающей использование с указанием авторства, но запрещающей коммерческое использование.

jangedoo/all-MiniLM-L6-v2-nepali — Sanjaya Subedi создал модель Sentence Transformers на основе sentence-transformers/all-MiniLM-L6-v2 и дообучил её для английского и непальского языков на параллельных англо-непальских предложениях, статьях Википедии, новостях и вопросах с ответами о здоровье. Это BERT-модель с 25,9 млн параметров: она кодирует предложения и абзацы в нормализованные плотные векторы размерностью 384 и поддерживает контекст до 512 токенов по метаданным; в карточке модели указана максимальная длина последовательности 256 токенов. Модель предназначена для поиска семантически близких текстов, оценки сходства предложений, поиска перефразирований, кластеризации и классификации текстов на основе эмбеддингов. Английские и непальские тексты можно сопоставлять в общем векторном пространстве; для сравнения применяется косинусное сходство. Архитектура использует усреднение токенных представлений и нормализацию векторов. В README приведены результаты оценки поиска информации, но они не гарантируют качество для других наборов данных и задач. Лицензия в предоставленных материалах не указана. Модель распространяется в формате safetensors.

dmlls/all-mpnet-base-v2-negation — дообученная модель Sentence Transformers на базе sentence-transformers/all-mpnet-base-v2 для кодирования предложений и коротких абзацев в плотные векторы размерности 768. Она специально настроена так, чтобы ниже оценивать семантическое сходство пар предложений, различающихся отрицанием, и подходит для поиска, кластеризации и оценки сходства текстов. Модель принимает текст и возвращает эмбеддинги; вход длиннее 384 токенов SentencePiece обрезается. В метаданных указаны MPNet, 136,7 млн параметров и контекст до 514 токенов. Модель дообучена на наборе CANNOT с контрастивной целью в рамках исследования оценки генерации с учётом отрицания. Лицензия — Apache-2.0. Основная область применения — англоязычные тексты; результаты на других языках в карточке не описаны.

Arabic-KW-Mdel — модель эмбеддингов предложений на базе BERT, опубликованная пользователем medmediani. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска семантически близких текстов, кластеризации и сравнения предложений. Модель имеет 162,4 млн параметров и принимает последовательности длиной до 512 токенов. Модель обучена с функцией потерь CosineSimilarityLoss и распространяется в формате PyTorch для использования с Sentence-Transformers или Transformers. В карточке не приведены сведения о лицензии и конкретных языках обучения, поэтому нельзя подтвердить заявленную ориентацию на арабский язык по одному названию репозитория.

Lambent/arsenic-v1-qwen2.5-14B — объединённая разговорная языковая модель на архитектуре Qwen2, созданная Lambent с помощью mergekit и метода SLERP. В состав объединения вошли Lambent/arsenic-v0.1-dpo-qwen2.5-14B и Lambent/qwen2.5-reinstruct-alternate-lumen-14B; первая модель также связана в метаданных с вариантом Qwen2.5 Reinstruct Alternate Lumen. Размер модели — 14 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для диалоговой генерации текста и структурированных ответов. Автор сообщает о результате 78.0391 на EQ-Bench и 100% разбираемости ответов в своей оценке, но не приводит подробностей методики. В обучении использовались наборы данных Gutenberg и toxic-DPO, а также небольшой экспериментальный синтезированный датасет. Метка карточки предупреждает, что модель может быть не для всех аудиторий; лицензия в предоставленных данных не указана.

ricardo-filho/bert-base-portuguese-cased-nli-assin-2 — модель Sentence-Transformers на основе BERT, разработанная Ricardo Filho. Она преобразует предложения и абзацы в плотные векторы размерности 768 для поиска по смыслу, кластеризации и сравнения текстов. Обучение включало SoftmaxLoss; число параметров модели — 136,1 млн, максимальная длина контекста — 512 токенов. Модель предназначена для работы с португальским текстом. Её можно использовать для семантического поиска, группировки похожих текстов и вычисления сходства между предложениями. Доступны веса PyTorch; в README описано применение через Sentence-Transformers или Transformers с соответствующим pooling. Ограничение контекста — 512 токенов. README не сообщает условия лицензии, поэтому условия использования по имеющимся данным определить нельзя.

swardiantara/bert-tiny-amazon_reviews-k5-adaptive-cosine — компактная модель Sentence Transformers, дообученная автором на базе google/bert_uncased_L-2_H-128_A-2 на парах текстов с оценками сходства. Она преобразует предложения и абзацы в плотные векторы размерности 128 и предназначена для поиска похожих текстов и извлечения признаков. Архитектура включает BERT с двумя слоями, mean pooling и сравнение векторов по косинусному сходству; модель принимает текст, поддерживает последовательности до 128 токенов по README и имеет контекстное окно до 512 токенов по метаданным. В карточке показаны примеры англоязычных отзывов Amazon, поэтому прежде всего модель подходит для поиска и сравнения англоязычных отзывов. Репозиторий содержит веса safetensors; лицензия в предоставленных данных не указана.

chowder-embed — модель Sentence Transformers, дообученная на корпусе chowder на базе sentence-transformers/allenai-specter. Она преобразует предложения и абзацы в плотные векторы размерности 768; архитектура состоит из BERT и CLS-пулинга. Модель принимает текст на английском языке, поддерживает последовательности длиной до 512 токенов, а близость векторов можно оценивать косинусным сходством. Модель предназначена для семантического поиска, сравнения текстов, поиска перефразировок, кластеризации и классификации. В карточке приведены результаты оценки на наборах NanoSCIDOCS, NanoSciFact, NanoNFCorpus, chowder-val и NanoBEIR. Обучающий набор содержит 70 764 пары anchor-positive. Лицензия в предоставленных данных не указана.

CrisperWhisper 2.0 Large — модель распознавания речи от Nyra Labs на архитектуре Whisper, содержащая 905,3 млн параметров. Она преобразует аудио в текст и позволяет выбирать между дословной расшифровкой с заполнителями пауз, повторами, обрывами слов и вокальными событиями и отредактированным вариантом, передающим намеренный смысл. Модель поддерживает английский и немецкий языки; семейство CrisperWhisper 2.0 рассчитано на работу с большинством языков, поддерживаемых Whisper. Модель предназначена для транскрибации разговорной речи, обработки длинных записей и получения временных границ отдельных слов. В README также описан режим Verbatimize: по аудио и готовой чистой расшифровке он восстанавливает присутствующие в записи речевые особенности. Указаны точность временных границ около 30 мс на подготовленной речи и 41 мс на разговорной, а также поддержка PyTorch и ускоренного инференса через CTranslate2. Стандартные модели выпускаются по некоммерческой исследовательской лицензии; коммерческое лицензирование доступно отдельно. Указанные в README результаты бенчмарков относятся к оценочным наборам разработчика и сами по себе не гарантируют такое же качество на любых записях.

CrisperWhisper 2.0 medium — модель распознавания речи от Nyra Labs на архитектуре Whisper, содержащая 455,8 млн параметров. Она преобразует аудио в текст и позволяет выбирать режим транскрипции: verbatim сохраняет произнесённые заполнители пауз, повторы, обрывы слов и вокальные события, а intended выдаёт отредактированный текст с привычным форматированием чисел и дат. Модель также поддерживает временные метки для отдельных слов и транскрипцию длинных записей с продолжением между аудиофрагментами. Модель предназначена для подготовки точных расшифровок разговорной и дикторской речи, анализа речевых особенностей и создания текстовых данных для обучения. В README заявлена многоязычная работа для большинства языков, поддерживаемых Whisper; метаданные карточки отдельно отмечают английский и немецкий. Для запуска предусмотрена библиотека crisperwhisper, включая варианты исполнения на PyTorch и CTranslate2. В README для стандартных моделей указана лицензия на некоммерческие исследования с возможностью получить коммерческую лицензию. Заявленные показатели точности и таймингов приведены разработчиком на его бенчмарках и тестовых наборах; результаты могут отличаться на других аудиозаписях и языках.

Decision-1.0-Kai-0.6B — модель принятия решений из линейки Open Decision Foundation Models от llm-semantic-router. Она совместно анализирует контекст, вопросы и описания вариантов, чтобы выбирать действие или категорию, оценивать истинность условия и выставлять оценки по упорядоченной шкале. Результаты выдаются структурированно, с распределениями вероятностей; модель не генерирует текстовый ответ.

MLX-версия модели DeepSeek-V4-Flash, преобразованная сообществом mlx-community из оригинальной модели deepseek-ai/DeepSeek-V4-Flash. Модель предназначена для генерации текста и может использоваться в сценариях, требующих локального запуска через библиотеку MLX и пакет mlx-lm. Это Mixture-of-Experts модель с 284 млрд общих параметров и 13 млрд активируемых параметров. Она поддерживает контекст длиной до 1 млн токенов. Данная версия представлена в 8-битном формате MLX; README не содержит сведений о поддерживаемых языках, модальностях, конкретных задачах, производительности и ограничениях. Модель распространяется по лицензии MIT. Для использования требуется MLX-совместимая среда и библиотека mlx-lm.

EvoEmbedding-2B — модель эмбеддингов семейства EvoRAG, разработанная MiG-NJU на архитектуре Qwen3.5-2B. Она предназначена для поиска по длинному контексту и меняющимся диалогам: модель сохраняет порядок сообщений и использует обновляемую латентную очередь памяти, чтобы формировать контекстные представления истории и запроса. Репозиторий также описывает ранжирование списка кандидатов по релевантности. Модель подходит для извлечения релевантных фрагментов из истории длинных разговоров, систем RAG и агентской памяти. README сообщает о нормализованных эмбеддингах; метаданные указывают формат safetensors, поддержку английского и китайского и лицензию Apache-2.0. Размер указан как 2 млрд параметров. Длина контекста в предоставленных источниках не приведена.