I.3Извлечение и структурирование данных

patrickvonplaten/hubert-xlarge-ls960-ft-4-gram — модель распознавания английской речи, созданная на основе Facebook hubert-xlarge-ls960-ft и дополненная 4-граммной языковой моделью. Для языковой модели используются официальные n-граммы LibriSpeech. Архитектура — HuBERT-XLarge с CTC-выходом; число параметров по метаданным — 1,3 млрд. Модель принимает аудио и выдаёт распознанный текст, подходит для транскрибации речи и оценки на наборах LibriSpeech clean и other. В README приведены результаты WER 1,71 для clean и 3,06 для other. Репозиторий содержит веса PyTorch, лицензия — Apache-2.0.

Huihui-Qwen3-4B-Thinking-2507-abliterated — текстовая модель huihui-ai, созданная методом abliteration на основе Qwen/Qwen3-4B-Thinking-2507. Это плотная авторегрессионная модель семейства Qwen3 с 3,7 млрд параметров, предназначенная для генерации текста и диалогов; базовая модель ориентирована на сложные задачи с рассуждением. Контекстное окно составляет 262 144 токена. Модель работает с текстом через библиотеку Transformers и доступна также для запуска в Ollama. Abliteration значительно снижает склонность модели отказывать в ответах. Это может быть полезно для экспериментов и диалоговых сценариев, но повышает вероятность чувствительных, спорных или неподходящих ответов, поэтому результаты следует проверять. В README метод описан как грубая реализация с доказательным характером. Лицензия — Apache-2.0.

Это GGUF-квантизированная версия языковой модели Ling-mini-2.0, разработанной inclusionAI и опубликованной в виде набора квантованных файлов пользователем bartowski. Модель относится к задачам генерации текста и предназначена для локального запуска через llama.cpp, LM Studio и другие совместимые проекты. В репозитории представлены варианты от исходных весов BF16 до квантований Q8_0, Q6, Q5, Q4, Q3 и IQ3/IQ4 объёмом примерно от 6,82 до 32,54 ГБ. Квантизация выполнена с использованием imatrix и llama.cpp; для работы необходимо учитывать формат prompt template, указанный для модели. В README не приведены сведения об архитектуре, количестве параметров, поддерживаемых языках, модальностях и размере контекста. Сильной стороной сборки является широкий выбор вариантов, позволяющий подобрать компромисс между качеством, размером и требованиями к памяти. Рекомендуемыми обозначены главным образом варианты Q4–Q6, тогда как некоторые Q3-варианты имеют заметно более низкое качество. Лицензия в предоставленных данных не указана.

Это дообученная модель Whisper на 455,8 млн параметров, созданная на основе parthiv11/indic_whisper_hi_multi_gpu. Она предназначена для автоматического распознавания речи и транскрибирования аудио; в названии модели указаны хинди, хинглиш и смешанные письменности. В README приведены результаты оценки: loss 0,4115 и Global WER 27,8641; описание датасета и подробности применения не раскрыты. Модель распространяется под лицензией MIT.

InternVL3.5-8B-MPO — мультимодальная модель OpenGVLab на архитектуре InternVLChat, дообученная на базе OpenGVLab/InternVL3_5-8B-Instruct с использованием MPO. Она принимает изображения и текстовые запросы и формирует текстовые ответы; подходит для диалога по изображениям, визуальных вопросов и задач на мультимодальное рассуждение. Семейство InternVL3.5 использует каскадное обучение с подкреплением для улучшения рассуждений и Visual Resolution Router для динамического выбора разрешения визуальных токенов. Вариант содержит 8B языковых параметров; карточка также описывает эффективное развертывание с разделением визуального и языкового компонентов. Модель поддерживает многоязычные сценарии и может применяться для распознавания и объяснения содержимого изображений, визуального анализа и ответов на вопросы по визуальным данным. Карточка семейства упоминает GUI-взаимодействие и embodied-задачи, но для этого варианта отдельные характеристики не приведены. Модель распространяется по лицензии Apache-2.0; для запуска в README приведён пример с Transformers.

jina-reranker-v1-tiny-en-GGUF — это квантизированная GGUF-версия модели jinaai/jina-reranker-v1-tiny-en, подготовленная пользователем mradermacher. Модель предназначена для переранжирования результатов поиска и оценки релевантности пар «запрос — документ» в системах семантического поиска, включая сценарии на базе Transformers, Sentence Transformers и Transformers.js. По назначению она относится к reranker-моделям и использует архитектуру cross-encoder. Модель ориентирована на английский язык. В репозитории представлены варианты квантования Q2_K, Q3_K, IQ4_XS, Q4_K_S, Q4_K_M, Q5_K_S, Q5_K_M, Q6_K, Q8_0 и f16; размер файлов составляет примерно 0,1–0,2 ГБ. Для вариантов Q4_K_S и Q4_K_M заявлена высокая скорость, Q6_K обозначен как вариант с очень хорошим качеством, а Q8_0 — как быстрый вариант с лучшим качеством. Количество параметров, максимальная длина контекста и дополнительные модальности в README не указаны. Основные преимущества — компактность, возможность локального запуска и выбор между несколькими уровнями квантования. Ограничения связаны с тем, что это англоязычный reranker, а снижение точности может зависеть от выбранного варианта квантования; характеристики качества в README количественно не приведены. Модель распространяется по лицензии Apache-2.0.

Мультимодальная чат-модель семейства Llama 3.2 Vision, опубликованная mlx-community. Это конверсия в формат MLX модели huihui-ai/Llama-3.2-11B-Vision-Instruct-abliterated; в метаданных базовой моделью указана meta-llama/Llama-3.2-11B-Vision-Instruct. Архитектура — плотная MllamaForConditionalGeneration, размер — 11 млрд параметров. Модель принимает текст и изображения и генерирует текстовые ответы в диалоге, в том числе ответы на вопросы по изображениям. Она рассчитана на английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. Конверсию выполнили с помощью mlx-vlm версии 0.1.4; репозиторий содержит веса в safetensors. Лицензия — Llama 3.2 Community License.

Llama-3-Groq-8B-Tool-Use-GGUF — это набор квантованных файлов модели в формате GGUF, подготовленный MaziyarPanahi на основе модели Llama-3-Groq-8B-Tool-Use, разработанной Groq. Модель предназначена для генерации текста и сценариев, связанных с использованием инструментов, а формат GGUF ориентирован на локальный запуск и эффективное использование ресурсов. Модель имеет 8 миллиардов параметров и доступна в вариантах квантования от 2 до 8 бит, что позволяет выбирать баланс между качеством, размером файлов и требованиями к памяти. GGUF поддерживается llama.cpp и рядом совместимых приложений и библиотек, включая llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp и GPT4All. README не указывает поддерживаемые языки, размер контекста, дополнительные модальности или точные характеристики архитектуры. К сильным сторонам относятся широкий выбор уровней квантования, возможность локального запуска и поддержка сценариев tool use. Ограничения зависят от выбранного уровня квантования и используемой среды инференса; конкретные показатели качества и требования к оборудованию не приведены. Лицензия в представленном README не указана.

MetaCLIP 2 ViT-B/32 worldwide — мультиязычная модель сопоставления изображений и текста от Meta, представленная в работе «MetaCLIP 2: A Worldwide Scaling Recipe». Это чекпойнт ViT-B-32-worldwide из оригинальной реализации MetaCLIP 2, доступный в формате safetensors для библиотеки Transformers. Модель предназначена для классификации изображений по текстовым описаниям без дополнительного обучения: пользователь задаёт варианты классов словами, а модель оценивает соответствие изображения каждому варианту. Подходит для классификации и поиска изображений по текстовым запросам в разных языковых контекстах. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

MiniMax-M2.1-8bit — это квантизированная 8-битная версия языковой модели MiniMax-M2.1, разработанной MiniMaxAI и преобразованная сообществом mlx-community в формат MLX. Модель предназначена для генерации текста и запуска через библиотеку mlx-lm, в том числе на совместимом оборудовании экосистемы MLX. Модель относится к задачам text generation и поддерживает использование токенизатора с chat template для диалоговых запросов. В README не указаны архитектура, общее число параметров, поддерживаемые языки, модальности и размер контекстного окна. 8-битное представление потенциально снижает требования к памяти по сравнению с исходной версией, однако конкретные показатели производительности, качества и совместимости не приведены. Для работы требуется библиотека mlx-lm версии с поддержкой данного формата; конвертация выполнена с использованием mlx-lm 0.29.1. Модель распространяется по лицензии modified-MIT, подробные условия доступны в указанном файле LICENSE репозитория MiniMax-AI.

Mistral-Small-Instruct-2409-abliterated — текстовая инструктивная языковая модель, созданная автором byroneverson на основе Mistral-Small-Instruct-2409. Автор сообщает, что применил к модели abliteration; она предназначена для диалогов и генерации ответов по инструкциям. Это плотная архитектура MistralForCausalLM размером 22 млрд параметров с контекстом до 32 768 токенов; карточка указывает английский язык и использование Transformers. Модель принимает текст и генерирует текст. Карточка описывает способ преобразования, но не приводит оценок качества или подробных результатов тестирования, поэтому их нельзя надёжно сравнить с исходной моделью. Указана лицензия MRL (mrl) с типом «other» на Hugging Face; проверьте её условия перед использованием.

Это дообученная модель распознавания речи на архитектуре wav2vec2, основанная на facebook/mms-1b-all. Она обучена на наборе BEMGEN - BEM и предназначена для преобразования аудио в текст. В карточке приведены результаты оценки на тестовом наборе: loss 12.7139 и CER 0.0530. Модель содержит 1,3 млрд параметров, использует формат safetensors и библиотеку Transformers. Базовая модель поддерживает более тысячи языков, однако языковая поддержка именно этого дообучения в карточке не уточнена. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства и ограничивает коммерческое применение.

hts98/Model2 — модель автоматического распознавания речи на архитектуре Whisper с 455,8 млн параметров. Разработчик указывает, что модель дообучена на основе hts98/Model1; задача обучения названа, но набор данных обозначен как None. Модель принимает аудио и генерирует текстовую транскрипцию. Она распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не содержит сведений о целевых языках, сценариях применения, результатах оценки или известных ограничениях. Поэтому качество распознавания и пригодность для конкретных типов аудио по имеющимся данным определить нельзя.

ModernBERT Embed base LegalTextAI Matryoshka legaldataset — англоязычная модель эмбеддингов, разработанная LegalTextAI путём дообучения nomic-ai/modernbert-embed-base на 41 342 парах текстов. Она преобразует предложения и абзацы в нормализованные плотные векторы размерностью 768 для семантического поиска, сравнения текстов, поиска перефразирований, классификации и кластеризации. Архитектура Sentence Transformer основана на ModernBERT с усреднением токенов и нормализацией; контекст — до 8192 токенов. Matryoshka-представления позволяют использовать сокращённые векторы размерностью 512, 256, 128 или 64. Обучающие примеры связаны с юридическими текстами: вопросы сопоставляются с фрагментами судебных документов. Модель подходит для поиска релевантных юридических материалов и построения семантических индексов; README также указывает общие сценарии работы с текстом. Лицензия — Apache 2.0. Указанные оценки получены на наборе InformationRetrievalEvaluator; переносимость результатов на другие корпуса отдельно не подтверждена.

Sami92/multiling-e5-large-instruct-claim-matching — модель Sentence Transformers, дообученная на базе intfloat/multilingual-e5-large-instruct для поиска семантически одинаковых утверждений. Она кодирует предложения и абзацы в нормализованные плотные векторы размерностью 1024; сходство между текстами оценивается косинусной мерой. Основа архитектуры — XLM-RoBERTa, максимальная длина последовательности составляет 512 токенов. Модель предназначена для сопоставления утверждений в автоматической проверке фактов: например, чтобы находить копии публикаций с дезинформацией или ранее проверенные утверждения. Обучающие данные содержат 51 106 пар текстов из Telegram-каналов, а разметка соответствия создавалась с помощью GPT-4o. В README сообщается о высокой точности классификации по порогу сходства, но F1 зависит от выбранного порога; для минимизации ложноположительных совпадений рекомендуется порог выше 0,91. Модель принимает текст и возвращает векторы, пригодные для сравнения и поиска ближайших утверждений. Она дообучена на данных из немецкоязычных Telegram-каналов; перенос на другие языки и источники может потребовать проверки. Лицензия — CC BY 4.0.

multi-modal-embed-small — компактная мультимодальная модель эмбеддингов из семейства MoM (Mixture of Models), объединяющая представления текста, изображений и аудио в общем семантическом пространстве. По карточке модель насчитывает около 120 млн параметров и использует текстовый энкодер MiniLM-L6-v2, визуальный энкодер SigLIP-base-patch16-512, аудиоэнкодер Whisper-tiny и двухслойный трансформер для слияния представлений. Модель предназначена для поиска и сравнения объектов между модальностями: например, поиска изображения по тексту или текста по аудио. Эмбеддинги имеют размерность 384; Matryoshka Representation Learning позволяет сокращать её до 32, 64, 128 или 256 измерений, а 2DMSE поддерживает адаптивные вычисления. Изображения обрабатываются при разрешении 512×512, аудио — длительностью до 30 секунд с частотой 16 кГц. Поддерживается только английский язык; генерация не является назначением модели. В README приведены результаты поиска по изображениям на COCO и аудио на LibriSpeech, однако они сами по себе не гарантируют аналогичное качество на других данных. Репозиторий содержит веса SafeTensors; метаданные также указывают ONNX-формат и библиотеку Transformers. Лицензия — Apache-2.0.

MyAwesomeModel — модель, опубликованная в репозитории sfafasgag5657/MyAwesomeModel-TestRepo и предназначенная по метаданным Hugging Face для извлечения признаков. Она интегрируется с библиотекой Transformers и использует экосистему PyTorch; в тегах также упоминается семейство BERT. Лицензия модели — MIT. README описывает обновлённую версию модели с улучшениями рассуждений, логического вывода, математических и программных задач, понимания текста, классификации, анализа тональности, суммаризации, перевода, диалогов и вызова функций. В карточке также заявлены снижение галлюцинаций и поддержка системных промптов, однако эти сведения ориентированы на генеративное использование и не согласуются напрямую с метаданными, где основная задача обозначена как feature extraction. Модель может быть полезна как компонент Transformers-пайплайна для получения векторных представлений текста и последующей классификации, поиска или сравнения. Размер, длина контекста, поддерживаемые естественные языки и точная архитектура в доступных данных не приведены; упоминание BERT в тегах не позволяет подтвердить конкретную конфигурацию.

NorMistral-11B-warm — большая языковая модель, разработанная Language Technology Group Университета Осло в сотрудничестве с NORA.LLM. Она входит в семейство NORA.LLM и создана на основе Mistral-Nemo-Base-2407 посредством дополнительного предобучения на 250 млрд субтокенов. Модель предназначена прежде всего для исследовательских задач, связанных с генерацией и обработкой текста, включая перевод и работу со скандинавскими языками, саамскими языками, английским языком и программным кодом. Модель использует архитектуру Mistral с 40 слоями Transformer, 11,4 млрд параметров, скрытым размером 5120, механизмами RMSNorm, SwiGLU, rotary positional embeddings и grouped-query attention. В словаре 51 200 токенов; специализированный токенизатор уменьшает количество токенов на слово по сравнению с исходной моделью, что может ускорять инференс на целевых языках. Обучение сочетает causal language modeling и masked next-token prediction, поэтому модель может использоваться как генеративная causal-модель и как двунаправленная encoder-модель. README не указывает размер контекстного окна. Сильными сторонами модели являются адаптация к Bokmål, Nynorsk и Northern Sámi, поддержка Danish, Swedish, Icelandic, Faroese и English, а также обучение на сбалансированном многоязычном корпусе с повторным использованием данных малоресурсных языков. При этом модель не дообучалась для следования инструкциям и может генерировать вредоносные продолжения при неподходящих запросах, поэтому не предназначена для неконтролируемого пользовательского применения. Весы распространяются по лицензии Apache-2.0, однако разработчики не заявляют права на все данные обучающей коллекции.

Nos_ASR-wav2vec2-large-xlsr-53-gl-with-lm es una copia de diego-fustes/wav2vec2-large-xlsr-gl con интегрированной языковой моделью. Модель разработана для автоматического распознавания речи на галисийском языке и преобразования аудиозаписей в текст. Она основана на архитектуре Wav2Vec2-Large-XLSR-53, имеет около 402,7 млн параметров и принимает аудио. В README приведены результаты на тестовых подвыборках Galician OpenSLR и Common Voice 7.0: WER составил 6,86% и 15,20% соответственно, что ниже показателей указанной базовой модели на тех же наборах. Модель распространяется по лицензии Apache-2.0.

mlabonne/OrcaGemma-2B — плотная языковая модель Gemma с 2,5 млрд параметров, созданная дообучением google/gemma-2b на наборе Open-Orca/SlimOrca-Dedup с использованием Axolotl. Она предназначена для генерации текста и ответов на запросы, в том числе в диалогах и задачах суммаризации. Контекст модели составляет 8192 токена. В README приведено сравнение на наборе бенчмарков Nous: модель показывает средний результат 35,63, уступая Gemmalpaca-2B и gemma-2b-it в среднем по указанной таблице. Карточка указывает лицензию other; конкретные условия использования следует сверять с лицензией базовой модели и условиями репозитория.

OutcomesAI-Whisper-tiny-v1.1 — дообученная модель семейства Whisper, разработанная на основе piyushmaharana/outcomes-whisper-tiny-v1 и датасета big-transcript-pronounce. Она предназначена для автоматического распознавания речи и преобразования английской речи в текст. Модель содержит 29,4 млн параметров; веса представлены в формате Safetensors. В README приведены результаты оценки: loss 0,0602 и WER 2,82, однако описание методики оценки и ограничений отсутствует. Модель распространяется по лицензии Apache-2.0.

primeline/parakeet-primeline — модель автоматического распознавания речи, представленная Primeline и предназначенная прежде всего для точной транскрипции немецкой речи. Она основана на архитектуре NVIDIA Parakeet TDT 0.6B v3 и использует FastConformer-энкодер с Token-and-Duration Transducer-декодером; в карточке указано около 600 млн параметров. Модель принимает монофонический звук с частотой 16 кГц и выдаёт текст с пунктуацией и заглавными буквами, а также поддерживает временные метки слов. Модель рассчитана на транскрибирование немецкой речи, включая дикторскую речь и разговоры, создание субтитров, расшифровку встреч и анализ звонков. В README также заявлена поддержка длинных аудиозаписей и адаптации словаря через внешние KenLM n-граммные языковые модели. Метаданные указывают немецкий язык и задачу automatic-speech-recognition; README называет модель мультиязычной на базе Parakeet, но основной акцент делает на немецком. Карточка сообщает о более низком WER на приведённых тестах по сравнению с базовой моделью и Whisper large v3, однако результаты представлены самим автором и зависят от набора данных и условий записи. Распознавание может ухудшаться при шуме, сильных акцентах и редкой специализированной лексике. Модель доступна по лицензии CC BY 4.0.

Это конвертированная в формат Hugging Face Transformers версия англоязычной модели NVIDIA Parakeet-TDT 0.6B v2 для транскрибации речи. Автор репозитория сообщает, что веса взяты из официального чекпойнта NeMo и сверены с эталонной реализацией; для корректной работы конвертации внесены исправления скрипта, включая поправку идентификатора blank-токена. Архитектура — Parakeet TDT с плотными весами; модель использует 128-мел-спектральный вход и словарь размером 1025 идентификаторов. Модель принимает аудио и выдаёт текстовую расшифровку на английском языке. Она предназначена для распознавания речи и транскрибации записей; в README отмечена как сильная модель семейства Parakeet для английской транскрибации. Репозиторий содержит веса Safetensors и рассчитан на использование через Transformers. Лицензия — CC-BY-4.0. Качество зависит от разборчивости речи и условий записи. Модель ориентирована на английский язык, поэтому её не следует считать мультиязычной; README также описывает конвертацию и проверку, но не устанавливает универсальных гарантий производительности на разных устройствах.

Parakeet-unified-en-0.6b — англоязычная модель распознавания речи от NVIDIA для офлайн- и потоковой транскрибации. Она принимает монофоническое аудио в формате WAV и выдаёт английский текст с пунктуацией и заглавными буквами. Модель построена на архитектуре Unified FastConformer-RNNT: энкодер FastConformer содержит 24 слоя, а декодер использует RNNT. В ней около 600 млн параметров. Офлайн- и потоковый режимы обучены совместно и используют общие параметры; для потоковой работы применяется обработка аудио чанками с настраиваемым левым, средним и правым контекстом. Заявленная задержка зависит от размера чанка и правого контекста: в приведённых настройках она составляет от 0,08 до 2,08 секунды. По приведённым оценкам WER модель показывает сильные результаты в офлайн-режиме и при потоковой задержке до 240 мс; при 160 мс качество начинает снижаться, а для 80 мс авторы рекомендуют другую модель. Для потокового распознавания нужны инструменты NVIDIA NeMo. В карточке указано, что пока доступен инференс, а обучающий конвейер планируется выпустить позднее. Лицензия обозначена как other; конкретные условия следует сверить с файлами лицензии репозитория.

PE-Core-S-16-384 — версия модели Perception Encoder, разработанной Meta и преобразованной для OpenCLIP. Это контрастивный энкодер изображений и текста: он кодирует изображения и текстовые описания в общее пространство признаков для сопоставления и классификации по пользовательским категориям. Вариант S/16 принимает изображения с разрешением 384 пикселя; в семействе PE Core используются визуальный энкодер с блоком attention pooling и текстовый энкодер. Модель предназначена для классификации изображений без обучения на целевых классах, поиска изображений по тексту и поиска текстовых описаний по изображению. В карточке также приведены результаты для видео-классификации и поиска, однако метаданные этой версии указывают основной сценарий как zero-shot image classification. Модель доступна в форматах PyTorch и safetensors, использует библиотеку OpenCLIP и распространяется по лицензии Apache-2.0. В README не приведено точное число параметров варианта S/16, поэтому размер модели здесь не указан.

PrismNLI-0.4B — англоязычная модель Jaehun для вывода по естественному языку и классификации без дополнительного обучения. Она дообучена на 515 тысячах синтетических примеров датасета PrismNLI, созданных с помощью Qwen2.5-72B-Instruct; исходной моделью послужила microsoft/deberta-v3-large-zeroshot-v2.0. Архитектура — DeBERTa V3 Large для классификации последовательностей, размер — 533,8 млн параметров, максимальный контекст — 512 токенов. Модель проверяет, следует ли гипотеза из посылки: метка 0 означает entailment, а метка 1 — not-entailment. Такой формат позволяет использовать её как классификатор с заданными пользователем категориями: категории формулируются как гипотезы, а модель оценивает их соответствие входному тексту. README сообщает о результатах на восьми бенчмарках NLI, но не приводит чисел для этой версии в доступной таблице. Модель предназначена для англоязычных текстовых задач и распространяется по лицензии CC. Для надёжных результатов следует формулировать категории как проверяемые утверждения; качество на других языках и за пределами NLI и zero-shot классификации в карточке не подтверждено.

richardyoung/Qwen2.5-14B-Instruct-1M-heretic — текстовая чат-модель на архитектуре Qwen2, созданная Richard Young методом abliteration на основе Qwen/Qwen2.5-14B. Модель предназначена для диалоговой генерации, творческого письма, ролевых сценариев, анализа поведения языковых моделей и задач, требующих обработки длинных документов. Модель содержит около 14 млрд параметров и поддерживает контекст до 1 010 000 токенов с генерацией до 8192 токенов. В README указана архитектура Transformer с RoPE, SwiGLU и RMSNorm. Abliteration снижает частоту отказов: в приведённом сравнении отказов было 3 из 100 против 87 из 100 у исходной модели; этот метод не добавляет новых возможностей и ослабляет защитное поведение. Для эффективной обработки очень длинного контекста автор рекомендует специальную сборку vLLM; стандартный путь инференса может терять точность на последовательностях длиннее 262 144 токенов и требует значительных ресурсов GPU. Модель принимает и генерирует текст, заявленный язык карточки — английский. Распространяется по лицензии Apache-2.0. Она может выдавать неточные, предвзятые или неподходящие ответы; ослабленные механизмы отказа повышают риск вредного вывода.

mlx-community/Qwen2-VL-2B-Instruct-4bit — мультимодальная instruction-модель сообщества mlx-community, конвертированная в формат MLX из Qwen/Qwen2-VL-2B-Instruct с использованием mlx-vlm версии 0.0.13. Модель предназначена для задач, где требуется обработка изображений и текста, включая сценарии image-text-to-text и генерацию ответов по мультимодальным запросам. Модель имеет размер 2B параметров и использует 4-битное представление, что делает её ориентированной на запуск в экосистеме MLX. В карточке указаны поддержка английского языка и библиотека Transformers; другие языки, размер контекстного окна и подробности архитектуры не указаны. Для использования предлагается пакет mlx-vlm. К сильным сторонам относятся мультимодальные возможности, instruction-настройка и компактное 4-битное представление. Ограничения и возможные компромиссы квантования в карточке не описаны, поэтому качество на конкретных задачах следует оценивать отдельно. Модель распространяется по лицензии Apache-2.0.

Youssofal подготовил BF16-версию Qwen3.6-35B-A3B, обработанную методом abliteration с использованием Heretic. Это мультимодальная модель с архитектурой Qwen MoE и интерфейсом диалога; вмешательство применено к текстовой части MoE, при этом сохранена обёртка для обработки изображений. Модель предназначена для генерации текста и диалогов, а также может принимать изображения благодаря сохранённой vision-language обёртке. В тесте отказов на 25 запросах модель отказала в 1 случае; в исходной модели таких отказов было 22. Это показывает снижение склонности к отказам, но не гарантирует качество или безопасность ответов во всех сценариях. Чекпойнт опубликован в формате safetensors с точностью BF16 и распространяется по лицензии Apache-2.0.

Это реконструкция чекпойнта Qwen3.6-35B-A3B в формате Hugging Face Transformers, выполненная Tiến Khôi Lê на основе публичной GGUF-модели HauhauCS. Репозиторий не является официальным выпуском Qwen Team или HauhauCS. Веса представлены в FP16 и Safetensors; исходная архитектура — мультимодальная MoE-модель с 35 млрд параметров, около 3 млрд активных параметров на токен, 256 экспертами и 40 слоями трансформера. Поддерживаются обработка изображений и текста, vision encoder и Multi-Token Prediction. Модель предназначена для диалогов и мультимодальных задач, включая работу с изображениями, а реконструированный формат — для использования с экосистемой Hugging Face и совместимыми инструментами. В репозитории заявлена совместимость с Transformers, Accelerate, vLLM и SGLang. Чекпойнт восстановлен из квантизированной GGUF-публикации, поэтому числовая эквивалентность исходным весам до квантизации не гарантируется. Реконструкция не является дообучением и не меняет поведение исходной модели. Лицензия в метаданных — Apache-2.0. Автор реконструкции не гарантирует точность, безопасность, надёжность или пригодность модели для конкретного применения; перед использованием результаты следует проверять. README описывает модель как uncensored, поэтому её ответы могут не иметь ожидаемых ограничений на содержание.