I.3Извлечение и структурирование данных

GigaAM-Multilingual MLX FP16 — независимый порт модели распознавания речи GigaAM-Multilingual для запуска через MLX на Apple Silicon. Модель преобразует аудио в текст и рассчитана прежде всего на офлайн-транскрибацию на macOS; артефакт содержит веса FP16 размером около 1,17 ГБ и распространяется по лицензии MIT. Модель поддерживает русский, английский, казахский, кыргызский и узбекский языки. В сравнительном тесте на публичных наборах для основных языков FP16 показал макро WER 5,066%; качество и скорость могут отличаться на других устройствах и аудиоданных. Для работы нужны Apple Silicon, macOS 14 или новее и совместимая версия MLX. Это распознавание речи без диаризации и потоковой обработки. Временные метки слов приблизительны; качество может снижаться из-за шума, удалённой речи, акцентов, переключения языков, музыки, одновременной речи и тематически отличающихся данных.

gme-Qwen2-VL-2B-Instruct-i1-GGUF — это набор квантованных GGUF-файлов мультимодальной модели gme-Qwen2-VL-2B-Instruct, разработанной Alibaba-NLP и квантованной mradermacher. Модель предназначена для задач работы с текстом и изображениями, включая семантическое сходство, эмбеддинги и мультимодальный поиск; в метаданных также указана совместимость с MTEB, Sentence Transformers и Vidore. Заявлены английский и китайский языки. В основе лежит архитектура Qwen2-VL с размером 2B параметров; модель относится к vision-моделям, поэтому для обработки изображений могут потребоваться отдельные mmproj-файлы из статического репозитория. README не указывает размер контекстного окна и подробные характеристики модальностей. Доступны варианты квантования примерно от 0,5 до 1,4 ГБ: более компактные варианты экономят память, но могут заметно уступать в качестве; для баланса скорости и качества рекомендован вариант Q4_K_M. Модель удобна для локального запуска в формате GGUF и сценариев, где важны небольшие требования к ресурсам и обработка визуально-текстовых данных. Ограничениями являются снижение качества у низкобитных квантов, необходимость совместимого ПО и возможных mmproj-файлов, а также отсутствие в README результатов бенчмарков и сведений о безопасной эксплуатации. Лицензия — Apache-2.0.

Granite Speech 4.1 2B — компактная речевая модель IBM для многоязычного распознавания речи и перевода речи. Она дообучена на базе ibm-granite/granite-4.0-1b-base и принимает аудио, выдавая текст. Модель обучалась на 174 000 часах аудио из открытых корпусов и синтетических данных. Модель поддерживает английский, французский, немецкий, испанский, португальский и японский языки. Она предназначена для транскрибации и перевода речи в обе стороны между этими языками и английским; также заявлены переводы с английского на итальянский и китайский. Архитектура использует двойную CTC-голову с графемным и BPE-выходами. Модель умеет расставлять пунктуацию и регистр, а также учитывать заданные ключевые слова для распознавания имён, аббревиатур и технической лексики. Модель ориентирована на обработку речи в корпоративных приложениях. В README не приведены результаты, позволяющие сравнить качество на всех языках и сценариях; дополнительные возможности временных меток и атрибуции говорящих относятся к отдельному варианту granite-speech-4.1-2b-plus. Лицензия — Apache 2.0.

Это дообученная модель Whisper, созданная на основе parthiv11/indic_whisper_hi_multi_gpu. Она предназначена для автоматического распознавания речи и транскрибирования аудио; метаданные подтверждают поддержку хинди. В README приведены результаты на наборе оценки: loss 0,3763 и Global WER 29,2620, но описание модели и сведения о данных обучения отсутствуют. Модель использует архитектуру WhisperForConditionalGeneration и формат safetensors. Репозиторий распространяется по лицензии MIT.

Это японская модель CLIP, разработанная компанией rinna Co., Ltd. Она предназначена для получения сопоставимых признаковых представлений изображений и японских текстов, чтобы использовать их для поиска и классификации изображений по текстовому описанию. Модель обучалась на наборе CC12M с подписями, переведёнными на японский язык. В архитектуре используется визуальный энкодер ViT-B/16 и 12-слойный BERT-энкодер текста; визуальный энкодер инициализирован из AugReg vit-base-patch16-224. Модель распространяется в форматах PyTorch и safetensors и доступна по лицензии Apache-2.0. В метаданных Hugging Face указаны задача feature-extraction и поддержка японского языка.

Это японская модель CLOOB (Contrastive Leave One Out Boost), разработанная компанией rinna Co., Ltd. Она предназначена для извлечения сопоставимых признаковых представлений изображений и текста: модель использует изображенческий энкодер ViT-B/16 и 12-слойный BERT-энкодер текста. В метаданных Hugging Face основная задача указана как feature-extraction; репозиторий содержит веса PyTorch и Safetensors. Модель обучена на CC12M с подписями, переведёнными на японский язык. Её можно применять для построения мультимодальных эмбеддингов, поиска изображений по японскому описанию и сопоставления изображений с текстом. Изображенческий энкодер инициализирован из AugReg vit-base-patch16-224. Для использования требуется совместимый код и зависимости; карточка ссылается на модель japanese-clip как на другие доступные модели семейства. Лицензия — Apache-2.0.

TFM-ML выпустила экспериментальную плотную языковую модель K2-Horizon-7B-GDN-Hybrid-Exp на основе IFM/K2-Horizon-7B. Она предназначена для генерации текста и диалогов с длинным контекстом. В 36-слойной архитектуре чётные слои используют Gated DeltaNet, а нечётные сохраняют исходное full attention; параметры GDN инициализированы из весов внимания и дистиллированы на базе исходной модели. Модель содержит 8 млрд параметров и поддерживает контекст до 524 288 токенов. Замена половины слоёв full attention на GDN сокращает объём KV-кэша на токен вдвое, до 73 728 байт; на последовательность также требуется около 19 МиБ состояния GDN в bf16. Модель предназначена для сценариев, где важна экономия памяти при работе с длинными последовательностями, однако авторы предупреждают о снижении качества в задачах рассуждения. Для запуска требуется transformers с custom code и параметром trust_remote_code=True; автор протестировал версию transformers 5.17.0. Лицензия — Apache-2.0.

MuXodious/LFM2-8B-A1B-absolute-heresy-MPOA — экспериментальное дообучение LFM2-8B-A1B, созданное автором MuXodious с помощью abliteration-движка Heretic и метода Magnitude-Preserving Orthogonal Ablation. Это разговорная гибридная MoE-модель для генерации текста: в основе архитектуры LFM2 сочетаются короткие свёрточные блоки и слои внимания. В README указаны 8,3 млрд общих параметров и 1,5 млрд активных параметров; метаданные репозитория указывают 1,4 млрд параметров. Контекст — до 128 000 токенов. Модель предназначена для диалогов, следования инструкциям и сценариев, где требуется ослабить отказы: в тесте автора число отказов снизилось с 91 до 8 из 100 при KL-дивергенции 0,0213. Это тестовые показатели процесса abliteration, а не гарантия качества в других задачах. Базовая LFM2 ориентирована на локальное выполнение, извлечение данных, RAG, творческое письмо и агентные задачи; её README не рекомендует полагаться на неё для задач с высокими требованиями к знаниям или программированию. Карточка указывает поддержку английского, арабского, китайского, французского, немецкого, японского, корейского и испанского языков, а также необходимость Transformers версии 5.0.0 или выше для взаимодействия. Лицензия обозначена как other, поэтому условия использования следует уточнять в репозитории.

BuzzASR/lithuanian — монолингвальная модель автоматического распознавания речи на литовском языке, разработанная как часть набора BuzzASR и дообученная на базе openai/whisper-large-v3. Это плотная модель Whisper с архитектурой WhisperForConditionalGeneration, содержащая 905,2 млн параметров; для работы используется Transformers, веса опубликованы в формате safetensors. Модель преобразует литовскую речь в текст, а языковая и задачная подсказки уже заданы в конфигурации генерации. Модель обучена на данных FLEURS и Common Voice Corpus 25.0; также использовались текстовые данные корпуса Goldfish. На тестах FLEURS и Common Voice показаны CER 4,81% и 0,78% соответственно, а на объединённом наборе — CER 2,11% и WER 8,75%. Разработчики сообщают, что среди сравниваемых открытых систем модель показала наименьший CER на объединённом тестовом наборе. Модель предназначена для транскрибации литовской речи. Она монолингвальна, а качество за пределами тестовых наборов FLEURS и Common Voice, включая другие предметные области и диалекты, может отличаться. Лицензия — MIT.

Llama-3.1-8B-Lexi-Uncensored-V2-GGUF — это набор файлов модели в формате GGUF для текстовой генерации. Исходную модель Llama-3.1-8B-Lexi-Uncensored-V2 разработал Orenguteng, а квантованные файлы подготовил MaziyarPanahi. Модель предназначена для локального запуска и генерации текста с использованием совместимых приложений и библиотек. В репозитории представлены варианты квантования с разрядностью 2, 3, 4, 5, 6 и 8 бит, что позволяет выбирать компромисс между размером файлов, требованиями к ресурсам и качеством генерации. Формат GGUF поддерживается llama.cpp, llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp, GPT4All и другими инструментами; возможна аппаратная GPU-акселерация, а некоторые реализации предоставляют OpenAI-совместимый API. README не содержит сведений о точном размере контекста, языках, поддерживаемых модальностях, результатах оценивания или ограничениях поведения модели. Указаний о лицензии также нет, поэтому условия использования следует уточнять в документации исходной модели и репозитория. Модель ориентирована на текстовые задачи и не предназначена для обработки изображений или других мультимодальных данных.

Llama-3.1-SuperNova-Lite-IMat-GGUF — набор GGUF-квантизованных версий модели arcee-ai/Llama-3.1-SuperNova-Lite, подготовленный пользователем legraphista. Модель предназначена для генерации текста и локального запуска через llama.cpp. В README указано, что исходные веса имеют формат BF16, а квантизация выполнена с помощью llama.cpp версии b3726. Доступны варианты от BF16 и FP16 до Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K и ряда IQ-квантов размером примерно от 3,18 до 16,07 ГБ. Для многих вариантов применена IMatrix-квантизация, призванная повысить качество при уменьшенной точности; также доступен отдельный файл imatrix.dat. Это позволяет выбирать компромисс между качеством, требованиями к памяти и скоростью локального вывода. Модель относится к текстовым моделям и заявлена для английского языка. README не сообщает точное число параметров, архитектурные детали, размер контекста и результаты тестирования, поэтому эти характеристики нельзя достоверно оценить по имеющимся данным. К ограничениям относятся зависимость качества и требований к ресурсам от выбранного варианта квантизации, а также отсутствие заявленной мультимодальности. Лицензия указана как llama3.

LLM Compiler 7B — языковая модель, разработанная Meta и представленная в формате GGUF-представлением legraphista. В карточке указано, что она основана на facebook/llm-compiler-7b. Однако README не содержит подробных сведений об архитектуре, точном числе параметров, модальностях, поддерживаемых языках, размере контекста или специфических сценариях применения. По названию и базовой модели можно заключить лишь, что это 7-миллиардная большая языковая модель общего назначения, предназначенная для задач обработки и генерации текста, но конкретные возможности данного варианта не описаны. Ключевым практическим свойством является формат GGUF, обычно используемый для локального запуска и квантованных вариантов моделей, однако степень квантования и требования к ресурсам в README не указаны. Сильные стороны, ограничения и результаты тестирования для этой конкретной сборки также не приведены. Использование регулируется лицензией Meta LLM Compiler License и связанной с ней Acceptable Use Policy. Лицензия предоставляет ограниченные неисключительные права на использование, копирование, распространение и создание производных работ, но устанавливает дополнительные условия: при распространении необходимо включать текст соглашения и заметную маркировку «Built with LLM Compiler», сохранять уведомление об авторских правах, а при создании или улучшении распространяемой AI-модели начинать её название с «LLM Compiler». Также запрещено использовать материалы или их результаты для улучшения другой большой языковой модели.

LYRA-FALCON — разговорная генеративная модель, разработанная и поддерживаемая Muhammad Taqi. В метаданных Hugging Face указаны архитектура Falcon с плотной моделью класса FalconForCausalLM, около 10,9 млрд параметров и библиотека Transformers. README называет базовую архитектуру LYRAMOON и заявляет быструю генерацию ответов; подробностей о методе обучения и измерениях скорости не приводится. Модель предназначена для диалогов и генерации текста. Метаданные указывают английский язык, поддержку чата и лицензию Apache-2.0. В каталоге также отмечены классификация текста, разметка токенов и ответы на вопросы как поддерживаемые задачи, хотя основная задача из карточки автора — генерация текста.

M3E-small — компактная модель текстовых эмбеддингов, обученная MokaAI на крупных наборах пар текстов. Она основана на архитектуре BERT и содержит 27,6 млн параметров; модель преобразует текст в плотные векторы и предназначена прежде всего для китайских текстов. Модель подходит для оценки сходства предложений, поиска похожих вопросов и семантического поиска по текстам. README указывает на обучение на китайских данных из разных областей и описывает поддержку английского в серии M3E, однако сравнительная таблица для версии small отмечает поддержку китайского, но не английского. Поэтому для этой версии следует ориентироваться на китайский язык. Максимальная длина контекста — 512 токенов; модель доступна в формате PyTorch и совместима с Sentence Transformers. В README приведены результаты оценки на задачах классификации и поиска, но качество зависит от набора данных и сценария. Для M3E-small отмечены ограничения в поиске между текстом запроса и фрагментом документа и отсутствие поиска по коду. Метаданные и предоставленный фрагмент README не содержат сведений о лицензии.

MedEmbed Biomedical MRL — англоязычная модель Sentence Transformer на базе BERT, дообученная для семантического поиска по биомедицинским текстам. Она преобразует предложения и абзацы в нормализованные плотные векторы размерности 384; для сравнения используется косинусное сходство. Модель обучена на 4 012 парах запросов и релевантных текстов с функцией потерь MultipleNegativesRankingLoss. Модель подходит для семантического поиска и сопоставления биомедицинских вопросов с текстами, а также для поиска перефразировок, кластеризации и классификации на основе эмбеддингов. Максимальная длина входа — 512 токенов. В README приведены результаты оценки на наборе medembed-small, однако они не гарантируют качество на других данных. Модель распространяется по лицензии Apache-2.0.

Menlo_Lucy-128k-GGUF — это GGUF-квантизированная версия модели Lucy-128k, разработанной Menlo и подготовленной пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые проекты. Из README известно, что модель рассчитана на контекст до 128k токенов, однако сведения о точной архитектуре, числе параметров, поддерживаемых языках и мультимодальности не приведены. Доступны варианты от BF16 до различных Q2–Q8- и IQ-квантизаций размером примерно от 0,75 до 3,45 ГБ. Более высокие уровни квантизации обычно сохраняют лучшее качество, а низкие требуют меньше оперативной памяти, но сильнее ограничивают качество генерации. Сильной стороной модели является широкий выбор форматов для локального запуска и возможность подобрать баланс между качеством, размером и требованиями к памяти. При этом README предупреждает, что для модели не указана специальная chat template и стандартный формат prompt может быть некорректным; перед использованием рекомендуется проверить оригинальную карточку Menlo/Lucy-128k. Лицензия в предоставленных данных не указана.

Merged AGI 7B — языковая модель для генерации текста, разработанная Talha Rüzgar Akkuş на базе архитектуры Mistral. Репозиторий TheBloke содержит её квантизированные версии в формате GGUF, предназначенные для запуска через llama.cpp и совместимые сторонние интерфейсы и библиотеки. В карточке также указано обучение или дообучение с использованием набора данных MetaMathQA, а среди основных сценариев отмечены текстовая генерация и математические задачи. Модель имеет размер 7B параметров, поддерживает английский язык и использует шаблон запросов ChatML с системными и пользовательскими сообщениями. Доступны варианты квантизации от 2 до 8 бит, что позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством; возможен инференс на CPU и GPU. Ограничения включают заявленную ориентацию на английский язык и потенциальные потери качества, связанные с квантизацией. Лицензия модели — CC BY-NC 4.0, предусматривающая некоммерческое использование с соблюдением условий лицензии.

MFANNv0.5 — экспериментальная модель для генерации текста и классификации, разработанная Makhi Burroughs в рамках эксперимента с цепочкой рассуждений. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она принимает текст и поддерживает контекст до 32 768 токенов. Модель может использоваться для генерации ответов в чате и классификации текста. В README приведены результаты бенчмарков ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K, однако описание не уточняет методику оценки. Модель распространяется под лицензией Apache-2.0.

MiniCPM5-1B-CoreAI — это версия языковой модели MiniCPM5-1B, разработанной OpenBMB и экспортированной в формат Apple Core AI. Модель предназначена для генерации текста и диалоговых сценариев с полностью локальным выполнением на iPhone и компьютерах Apple Silicon, включая офлайн-ассистентов, суммаризацию и многотуровые чаты. В каталоге Core AI она запускается через CoreAIKit или напрямую средствами Core AI. Модель содержит около 1,08 млрд параметров, поддерживает гибридный режим рассуждений Think/No-Think и контекст до 128K токенов. Представленная версия использует квантизацию int8 с блоками размера 32; для Neural Engine также доступна 8-битная палетизированная сборка с группами по 32. Размер загружаемого пакета составляет около 1,1 ГБ, а сборка для iPhone 17-класса занимает около 1,3 ГБ. Указаны измерения производительности на iPhone 17 Pro: до 76,8 токена в секунду при декодировании в отдельных тестах Neural Engine. Сильные стороны модели — небольшой размер, работа без отправки данных в облако, поддержка длинного контекста и эффективное выполнение на GPU или Neural Engine. Ограничения связаны с привязкой к экосистеме Apple и Core AI, а также с тем, что характеристики зависят от устройства, режима запуска и конкретной сборки. Языки и полный перечень поддерживаемых возможностей в предоставленных данных не указаны. Модель распространяется по лицензии Apache-2.0.

MiniCPM-V-4.6-Thinking-abliterated-MAX — мультимодальная модель для диалога и рассуждений по изображениям, видео и тексту, опубликованная prithivMLmods. Это производная от openbmb/MiniCPM-V-4.6-Thinking версия, переупакованная с обновлённым разбиением весов и улучшенной совместимостью с новыми версиями Transformers; заявлено сохранение исходных возможностей рассуждения. В основе архитектуры — визуальный энкодер SigLIP2-400M и языковая модель Qwen3.5-0.8B; базовая модель описана как имеющая 1,3 млрд параметров и контекст до 262 тысяч токенов. Модель предназначена для вопросов по изображениям и видео, мультимодального анализа и структурированных рассуждений, а также локального запуска и экспериментов на потребительском оборудовании. В карточке указаны английский язык и возможности диалога и компьютерного зрения. Метки abliterated и refusal-ablated указывают на изменение отказного поведения. Лицензия — Apache-2.0. Модель может ошибаться в пошаговых рассуждениях; результаты следует проверять перед использованием в критических сценариях. Качество зависит от входных данных и сложности задачи, а обработка изображений высокого разрешения может требовать значительных вычислительных ресурсов.

Ministral-3-14B-Reasoning-2512-Uncensored-GGUF — GGUF-квантизированная версия дообученной модели Ministral-3-14B-Reasoning-2512-Uncensored, разработанная ccharnkij на базе модели Mistral AI Ministral-3-14B-Reasoning-2512. Модель предназначена для генерации текста, задач рассуждения и мультимодального понимания изображений вместе с текстом. Модель имеет размер 14 млрд параметров и поддерживает работу с текстом и изображениями. Для анализа изображений необходимо одновременно загружать файл модели GGUF и соответствующий файл mmproj. В README указан английский язык; сведения о размере контекстного окна и точной архитектуре отсутствуют. Формат GGUF ориентирован на локальный запуск в совместимом программном обеспечении, однако конкретные требования к оборудованию не указаны. Ключевая особенность версии — дообучение с неконтент-фильтрованными ответами, что может расширять диапазон генерируемых ответов, но также повышает риски нежелательного или небезопасного содержания. Модель заявлена для исследовательских и образовательных целей. Распространяется по лицензии Apache 2.0.

Mesolitica/mistral-embedding-191m-8k-contrastive — текстовая модель для извлечения признаков и получения эмбеддингов. Согласно карточке, модель семейства Mistral обучена на задаче создания эмбеддингов для малайзийского текста с контрастивной функцией потерь; обучение использовало усечённые последовательности длиной до 8 тысяч токенов. Метаданные указывают 166,1 млн параметров и нативный контекст до 32 768 токенов. Модель предназначена для преобразования текста в векторы, которые можно использовать в поиске и сопоставлении текстов. В README приведён размер выхода (12, 768), но подробности обработки и оценки качества не описаны. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

MoEViE-H14-448 — визуальный энкодер Meta из семейства MoE-ViE, обученный по контрастивной методике на парах изображение–текст. Модель построена на архитектуре Mixture-of-Experts: каждый MoE-блок содержит общего эксперта и маршрутизируемый пул экспертов, из которого для каждого токена активируется часть. Версия H/14 имеет ширину 1280, 32 слоя, разрешение 448 пикселей и 3,5 млрд параметров, из которых активируется около 1,1 млрд. Модель предназначена для классификации изображений без дообучения на заданных текстовых метках, а также для извлечения визуальных и текстовых признаков и задач поиска по изображениям и видео. В README приведены результаты zero-shot оценки на ImageNet-1k, ObjectNet, COCO, Kinetics-400 и MSR-VTT. Для работы требуются CUDA GPU и Triton; лицензия CC BY-NC 4.0 разрешает использование на некоммерческих условиях.

RadixArk/Muse-Glimmer-q4-MLX — это квантованный MLX-чекпойнт модели Muse Glimmer, преобразованный из BF16-экспорта поставщика. Модель предназначена для запуска на компьютерах Apple Silicon через MLX-бэкенд SGLang и ориентирована на генерацию текста. Визуальный модуль отсутствует, поэтому модель поддерживает только текстовые сценарии. Модель имеет плотную архитектуру размером 28B параметров и 52 слоя: 13 слоёв с полным вниманием без позиционных смещений и 39 слоёв со скользящим окном внимания размером 2048 токенов. Максимальный контекст составляет 131 072 токена. Используется 4-битное аффинное квантование MLX с размером группы 64; веса распределены по трём safetensors-фрагментам общим объёмом около 15 ГБ. В README не указаны языки, на которых модель обучалась. Вариант позиционируется как самый компактный и быстрый среди MLX-вариантов Muse Glimmer. На M5 Pro с 64 ГБ объединённой памяти он показал 0,975 на GSM8K и скорость декодирования до 56,9 токена в секунду при пакетном размере 8. Ограничениями являются поддержка только Apple Silicon, необходимость примерно 48 ГБ объединённой памяти или более, а также ненулевая доля нарушений в тесте CIMemories: 11,28%. По сравнению с калиброванными вариантами этот чекпойнт обеспечивает более высокое покрытие, но менее строгий профиль конфиденциальности. Лицензия в README не указана.

DuoNeural OpenYourMind-Gemma4-12B-IT-Abliterated-GGUF — набор GGUF-квантизаций модели OpenYourMind/gemma-4-12B-it-abliterated-uncensored, разработанной OpenYourMind на основе Google Gemma 4 12B IT. DuoNeural отвечает за конвейер квантизации, а OpenYourMind — за метод abliteration и создание исходной uncensored-версии. Модель предназначена для генерации текста и диалоговых сценариев, включая задачи рассуждения, а также мультимодального анализа изображений и аудио в исходной архитектуре. Это плотная decoder-only модель с унифицированным encoder-free стеком для текста, изображений и аудио. Она содержит около 11,95 млрд параметров, 48 слоёв, скрытый размер 3840, словарь из 262 144 токенов и поддерживает контекст до 256K токенов. Используются 16 attention heads, 8 KV heads, гибридное внимание с локальным окном 1024 и глобальным вниманием, а также p-RoPE. В README явно указан английский язык. Ключевые особенности — сохранение мультимодальности и режима рассуждений исходной Gemma 4, совместимость по форме с google/gemma-4-12B-it и наличие квантизаций Q3_K_L, Q4_K_M, Q5_K_M и Q8_0 для запуска на видеокартах с примерно 8–16+ ГБ VRAM. Вариант Q4_K_M заявлен как оптимальный баланс размера и качества. Ограничения включают зависимость качества и требований к памяти от выбранного уровня квантизации, необходимость актуальной поддержки Gemma 4 в используемом ПО, а для полной мультимодальности — применение исходных BF16-весов; для них требуется около 24 ГБ памяти GPU при умеренном контексте. Abliterated uncensored-поведение означает отсутствие стандартных отказов по заявленным направлениям, но README не содержит независимой оценки качества или безопасности. Лицензия указана как gemma. Отдельные условия лицензии GGUF-квантизаций в README не раскрыты.

Ornith-1.5-35B-A3B-MTPLX-4bit — это 4-битная MLX-квантизация модели Ornith-1.5-35B-A3B, разработанной ornith-ai. Модель предназначена для генерации текста и может использоваться в MLX-LM для авторегрессионной генерации, а также с MTPLX для ускоренного многошагового предсказания токенов и speculative decoding на компьютерах Apple Silicon. В основе лежит разреженная mixture-of-experts-архитектура на 35 млрд параметров, из которых для каждого токена активируется примерно 3 млрд. Используется архитектура Qwen3_5MoeForConditionalGeneration, сохранена встроенная односегментная MTP-голова, а также включена vision tower, поэтому модель поддерживает текстовые и визуальные компоненты. В метаданных указан английский язык. Размер контекстного окна и точные мультимодальные сценарии не указаны. Основные характеристики релиза — 4-битная affine-квантизация с размером группы 64 для основной модели и MTP-компонента; нормализационные слои MTP и vision tower сохранены в формате BF16. Такая конфигурация снижает требования к памяти и ориентирована на эффективный запуск, однако квантизация может влиять на качество по сравнению с полной версией модели. Использование MTPLX требует соответствующего окружения и ориентировано на Apple Silicon; без speculative decoding модель также запускается через MLX-LM. Данные о результатах тестирования, производительности, ограничениях контекста и качестве vision-функций отсутствуют. Производная модель распространяется по лицензии MIT, унаследованной от базовой модели. При поставке продукта или сервиса на базе MTPLX необходимо соблюдать лицензию Apache-2.0 этого runtime и указывать атрибуцию MTPLX.

Ornith-1.5-35B-A3B-Spark-Abliterated-VL-MTP-NVFP4 — объединённая мультимодальная модель на основе Ornith 1.5, подготовленная для запуска через vLLM на DGX Spark и похожих системах с ускорителями Blackwell и примерно 44 ГБ или более видеопамяти. Языковая часть взята из pottokao/Ornith-1.5-35B-A3B-abliterated-NVFP4-DFlash, а модуль обработки изображений и блок многотокенного предсказания — из ornith-ai/Ornith-1.5-35B-A3B-NVFP4. Модель использует архитектуру Qwen3.5 MoE и формат NVFP4; заявленный размер семейства — 35B параметров с 3B активных. Модель принимает текст и изображения, поддерживает диалог и интерфейс вызова инструментов. README описывает запуск на DGX Spark: автор сообщает о скорости более 70 токенов/с в одном потоке и около 400 токенов/с при 16 потоках. Карточка указывает английский язык. Лицензия — MIT. Версия содержит abliterated-языковую часть; README не приводит конкретных ограничений безопасности или результатов оценки качества.

Perception Encoder PE-Core-B16-512 — визуальный энкодер Meta из семейства Perception Encoder, обученного с помощью контрастивного обучения изображений и текстов и дообученного на синтетически согласованных видео. Эта версия использует архитектуру B/16 с башнями для изображений и текста: визуальная часть содержит около 90 млн параметров, текстовая — около 310 млн; в README для семейства указаны ширина слоёв 768 и 1024, глубина 12 и 24 слоя и контекст текста 32 токена. Модель предназначена для извлечения признаков и визуальных эмбеддингов, которые можно применять для классификации и поиска изображений и видео, в том числе в режиме zero-shot. Сильные стороны семейства — перенос общих визуальных признаков на задачи классификации и поиска; README сообщает о результатах на ImageNet, ObjectNet, COCO и Kinetics. В метаданных указан формат PyTorch, а лицензия — Apache-2.0. Описание результатов в README относится к вариантам B/16, L/14 и G/14, поэтому конкретные показатели для варианта 512 не приведены.

BuzzASR Polish — одноязычная модель автоматического распознавания польской речи, разработанная в рамках набора BuzzASR и дообученная полным циклом на основе openai/whisper-large-v3. Модель использует архитектуру WhisperForConditionalGeneration и содержит около 907,3 млн параметров; для польского заменён токенизатор, а при дообучении применялись речевые и текстовые данные. Модель предназначена для преобразования польской речи в текст, например для транскрибации записей и аудио. В README приведены результаты на тестовых выборках FLEURS и Common Voice 25.0; на объединённой выборке указаны CER 7,75% и WER 23,31%. Лицензия модели — MIT. Модель рассчитана только на польский язык. README предупреждает, что качество на других предметных областях и диалектах может отличаться от результатов на использованных тестовых наборах.

ptt5-v2-base — текстовая модель семейства T5, разработанная группой Unicamp-DL как продолжение предобучения исходной модели Google для португальского языка. Чекпойнт содержит 123,8 млн параметров, использует архитектуру T5ForConditionalGeneration и доступен в формате PyTorch; нативный контекст — 512 токенов. Модель предназначена для преобразования текста в текст на португальском языке и служит базой для задач NLP. Чекпойнты ptt5-v2 также использовались для обучения португальских MonoT5-реранкеров. Модель распространяется по лицензии Apache-2.0.