I.3Извлечение и структурирование данных

Muse-Glimmer-30B-Heretic-Uncensored-GGUF — набор из 27 GGUF-квантизаций модели Muse-Glimmer-30B-Heretic-Uncensored. Базовую модель разработала Meta Superintelligence Lab, а производный вариант создан darkc0de с применением Heretic v1.4.0. Это abliterated-версия, для которой заявлено отсутствие отказов при работе со взрослыми и NSFW-материалами; указанное свойство проверялось эмпирически. Модель предназначена для генерации текста и обработки изображений с текстовыми запросами: входные данные могут включать текст и изображения, выход — текст. Архитектура представляет собой плотный causal Transformer с perception encoder ViT-G/14 объёмом около 1,8 млрд параметров. Всего модель содержит около 29,6 млрд параметров, 52 слоя, GQA с 32 Q- и 2 KV-головами, SwiGLU и контекст длиной 131 072 токена и более. Поддерживаются английский и мультиязычные сценарии; в карточке также указан language: multilingual. Ключевое преимущество набора — широкий выбор квантизаций размером от 6,53 ГБ до 55,73 ГБ, что позволяет запускать модель на CPU, системной памяти и видеокартах с различным объёмом VRAM. Для квантизаций ниже 4 бит использовалась importance matrix для снижения потери качества. Ограничения включают высокие требования к памяти у полноразмерных вариантов и возможное снижение качества у более агрессивных квантизаций. Для работы требуется совместимое ПО llama.cpp; поддержка архитектуры muse_glimmer отсутствует в релизных сборках до b10344, поэтому необходима актуальная сборка. Модель распространяется по лицензии Apache 2.0.

bebechien/my-embeddinggemma-news-vibe — дообученная автором репозитория модель Sentence Transformer на базе google/embeddinggemma-300m, предназначенная для получения эмбеддингов текста. Она кодирует предложения и абзацы в плотные векторы размерности 768; сходство между ними можно оценивать косинусной мерой. Максимальная длина последовательности — 2048 токенов. Модель подходит для семантического поиска, сравнения текстов, поиска перефразировок, классификации и кластеризации. В README показано дообучение на пяти примерах с темами новостей и меткой MY_FAVORITE_NEWS, поэтому пригодность полученных векторов для более широких задач может быть ограничена малым объёмом тренировочных данных. Модель опубликована в формате safetensors и использует библиотеку sentence-transformers. Лицензия в предоставленных данных не указана.

Карточка модели MakotoYuki/MYTHOS-26B-A4B-PRISM-PRO-DQ-GGUF на Hugging Face совпадает с карточкой Ex0bit/Gemma4-26B-A4B-PRISM-PRO-DQ-GGUF, поэтому описание составлено по ней. Ex0bit выпустил Ex0bit/Gemma4-26B-A4B-PRISM-PRO-DQ-GGUF — мультимодальную версию Gemma 4 26B-A4B Instruction-Tuned в формате GGUF для запуска через llama.cpp. Это MoE-модель с 26 млрд параметров, из которых 4 млрд активны на токен; в README указаны 128 экспертов и маршрутизация top-8. Модель принимает текст, изображения и видео и отвечает текстом. Для обработки изображений и видео вместе с основным GGUF-файлом нужен файл проектора mmproj. Модель предназначена для диалогов и анализа изображений и видеокадров. Автор заявляет, что PRISM-PRO удаляет чрезмерные отказы и механизмы смещения, а PRISM-DQ распределяет точность квантования по типам тензоров; заявленная точность — 5,73 бита на вес. Эти заявления приведены автором и не подтверждены независимыми оценками в предоставленной карточке. Аудио модель не поддерживает. Лицензия — Apache-2.0.

NeuraSpeech WhisperBase — модель автоматического распознавания речи, разработанная компанией Neura. Она основана на архитектуре Whisper Base: Transformer-энкодер-декодер преобразует аудио в текст и поддерживает сценарии распознавания речи и речевого перевода. Модель рассчитана на персидский язык. В репозитории указаны 51,7 млн параметров и формат safetensors; для использования предусмотрена библиотека Transformers. Модель распространяется по лицензии Apache-2.0. Карточка содержит демонстрацию запуска ASR в Google Colab, но не приводит количественных оценок качества.

Noema-2B — дообученная NoemaAI-labs модель для диалогов и рассуждений, созданная на базе Qwen/Qwen3.5-2B. Это плотная причинная языковая модель с гибридной архитектурой Gated-DeltaNet и softmax-attention; в репозитории указано около 2 млрд параметров, а метаданные каталога сообщают 1,7 млрд. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно 262 144 токена. Модель предназначена для общего ассистентского использования, особенно для математических задач, коротких программ, следования инструкциям и форматным ограничениям. Разработчики сообщают об улучшении результатов на GSM8K, MATH-500 и тестах генерации кода относительно базовой модели, а также о меньшем числе генерируемых токенов. Дообучение выполнено с LoRA на замороженной базовой модели; итоговые веса объединены с базой. Режим рассуждений thinking не поддерживается: в нём возможны зацикливание и незавершённая генерация. Среди ограничений — снижение точности на тестах фактических знаний относительно базовой модели, а качество свободного диалога и творческого письма не оценивалось. Модель распространяется по лицензии Apache-2.0.

Vastined/NVIDIA-Nemotron-Nano-12B-v2-VL-BF16-GGUF — это квантизированная версия мультимодальной модели NVIDIA Nemotron Nano 12B v2 VL, опубликованная пользователем или организацией Vastined на базе модели nvidia/NVIDIA-Nemotron-Nano-12B-v2-VL-BF16. Модель предназначена для задач image-text-to-text, то есть обработки изображений и текстовых запросов с генерацией текстового ответа. Из доступных данных известно, что модель содержит около 12 миллиардов параметров, поддерживает работу с визуальными и текстовыми входными данными и распространяется в формате GGUF. Сведения о точной архитектуре, поддерживаемых языках, размере контекста, наборах данных, результатах тестирования, сильных сторонах и ограничениях отсутствуют. Модель распространяется по лицензии NVIDIA Open Model License; в карточке также указана лицензия other и приведена ссылка на официальный текст условий NVIDIA. Перед использованием необходимо ознакомиться с условиями этой лицензии.

Onyx-Whisper-Tiny — компактная модель распознавания речи на базе Whisper Tiny от OpenAI, подготовленная для движка OnyxSTT на устройствах Apple с MLX. В модели 29,4 млн параметров; аудиоэнкодер квантован до 4 бит с размером группы 64, а декодер, эмбеддинги и свёрточные слои сохранены в fp16. Такой смешанный формат занимает около 66 МБ вместо примерно 151 МБ в fp32. Модель предназначена для преобразования аудио в текст, включая локальную транскрибацию записей. По данным карточки, смешанная точность сохраняет качество базовой версии на проверенных фрагментах с числами, именами и кодами; полная 4-битная квантизация декодера могла бы ухудшить их распознавание. Поддерживается мультиязычный режим. Лицензия — Apache-2.0, унаследованная от базовой модели.

Ornith-1.5-397B-GGUF — квантованная версия модели Ornith-1.5-397B, разработанной ornith-ai и подготовленной пользователем bartowski в формате GGUF для запуска через llama.cpp. Модель содержит 397 млрд параметров и предназначена для генерации текста, а также работы с изображениями при использовании дополнительного файла mmproj. Модель поддерживает текстовые и визуальные входные данные, однако сведения о языках, длине контекста и внутренней архитектуре в предоставленных данных отсутствуют. Квантованные варианты доступны с разным балансом качества и требований к памяти: рекомендуемым универсальным вариантом назван Q4_K_M размером 241,81 ГБ, а варианты Q5 и Q6 обеспечивают более высокое качество при значительно большем размере. Версии Q2 и Q3 экономят память, но характеризуются более низким качеством. Преимуществами являются очень крупный размер модели, поддержка мультимодального ввода, использование imatrix-квантизации и совместимость с экосистемой llama.cpp. Ограничения включают крайне высокие требования к оперативной памяти или памяти GPU, отсутствие speculative decoding и зависимость работы с изображениями от отдельного mmproj-файла. Модель распространяется по лицензии MIT.

Ornith-1.5-9B-MTP-GGUF — это квантизированные GGUF-сборки vision-модели Ornith-1.5-9B, разработанной ornith-ai и опубликованной protoLabsAI. Модель предназначена для текстовых и мультимодальных сценариев с обработкой изображений, а также для локального запуска через llama.cpp. В сборки встроена distilled MTP draft head, благодаря чему поддерживается lossless multi-token self-speculative decoding без отдельной draft-модели. Модель имеет размер 9B параметров и поставляется в вариантах BF16, NVFP4, Q8_0, Q6_K, Q5_K_M, Q4_K_M, IQ4_XS, IQ3_M и IQ2_M. Для обработки изображений требуется отдельный vision projector mmproj, увеличивающий потребление VRAM примерно на 1,1 ГБ. MTP требует полного размещения модели на GPU; перенос даже одного слоя на CPU может привести к потере производительности. Указана поддержка контекста 8192 токена в примере запуска, однако максимальный контекст самой модели в README не подтверждён. Сильными сторонами являются встроенное speculative decoding, ускорение генерации, несколько вариантов квантизации для разных объёмов памяти и поддержка изображений. NVFP4 рекомендован для видеокарт Blackwell, а IQ4_XS — как вариант для устройств с 6 ГБ VRAM. IQ2_M может деградировать на длинных генерациях и повторяться, IQ3_M требует рекомендованных параметров сэмплирования. Для стабильной работы важны настройки температуры и presence penalty; значения по умолчанию llama.cpp могут повышать риск зацикливания. Лицензия — MIT.

Это версия модели распознавания речи NVIDIA Parakeet TDT 0.6B V3, подготовленная theoracleguy для совместимости с MLX и рабочих процессов преобразования речи в текст на устройствах Apple. Она предназначена для локальной транскрибации аудио через OpenVox и совместимые инструменты, включая mlx-audio и parakeet-mlx. Модель использует кодировщик FastConformer и декодер Token-and-Duration Transducer (TDT), имеет размер 0,6 млрд параметров и поддерживает 25 европейских языков, включая русский, английский, испанский, французский и немецкий. Репозиторий распространяет веса в формате safetensors; библиотека MLX рассчитана на устройства Apple Silicon. Карточка характеризует модель как быструю и точную для многоязычного распознавания, но подробные показатели качества и языковые ограничения следует оценивать по карточке исходной модели NVIDIA. Лицензия репозитория — CC BY 4.0.

google/pix2struct-textcaps-large — крупная модель семейства Pix2Struct от Google для создания текстовых описаний изображений. Это архитектура «визуальный энкодер — текстовый декодер», обученная на парах изображение–текст; предварительное обучение включало преобразование замаскированных снимков веб-страниц в упрощённый HTML. Модель принимает изображение и генерирует текст, в том числе подпись к изображению; семейство также применяют к визуальным вопросам и задачам понимания документов, иллюстраций, интерфейсов и обычных фотографий. В README указана обучающая длина последовательности 4096; при уменьшении числа патчей для экономии памяти качество может снижаться, особенно при значениях ниже 1024. Репозиторий содержит веса PyTorch. Модель распространяется по лицензии Apache-2.0.

DhruvalLabs/Qwen2.5-VL-3B-Instruct-GGUF — это квантованные версии мультимодальной модели Qwen2.5-VL-3B-Instruct, разработанной Qwen и подготовленные Dhptl с использованием quant-kit. Модель предназначена для работы с текстом и изображениями: она может отвечать на вопросы по изображениям, описывать визуальное содержимое и выполнять обычную генерацию текста. Поддерживаются llama.cpp, LM Studio, Jan и Ollama, что делает модель подходящей для локального запуска на устройствах с ограниченными ресурсами. Архитектура состоит из двух компонентов: текстовой основы Qwen2.5-VL-3B-Instruct в формате GGUF и отдельного vision encoder в файле mmproj. Доступны варианты квантования от Q2_K до Q8_0; рекомендуемым указан Q4_K_M, размер которого составляет 1,80 ГБ при потребности примерно в 3,3 ГБ RAM. Vision encoder всегда поставляется в формате F16 и требует около 1,25 ГБ. Для работы с изображениями необходимо скачать оба файла и разместить их в одной папке. Сильные стороны модели — мультимодальность, небольшие размеры квантованных файлов и возможность локального запуска через популярные инструменты. Более сильное квантование экономит память, но приводит к заметной потере качества; варианты Q6_K и Q8_0 ближе к качеству оригинала, но требуют больше RAM. В README не указаны точные характеристики контекстного окна и полный список поддерживаемых языков; заявлен английский язык. Модель распространяется по лицензии qwen-research.

Модель Barth371/Qwen2.5-VL-72B-Instruct-bnb-4bit-2025-10-07_12-21_4b — дообученная Barth371 мультимодальная модель семейства Qwen2.5-VL для обработки изображений и текста. Она предназначена для диалога с визуальным вводом: принимает текстовые запросы и изображения, а в ответ генерирует текст. Модель построена на плотной архитектуре Qwen2.5-VL и содержит 71,5 млрд параметров. Максимальная длина контекста — 128 000 токенов; репозиторий содержит веса safetensors. Базовая модель — unsloth/qwen2.5-vl-72b-instruct-bnb-4bit; обучение выполнено с использованием Unsloth и библиотеки TRL. Лицензия — Apache-2.0. Карточка не описывает специализацию дообучения, поэтому подтверждённые сценарии ограничиваются общим диалогом по изображениям и тексту. В метаданных указан английский язык; другие языки отдельно не заявлены. Конкретные ограничения качества и безопасности не приведены.

Kiffaz11/Qwen3-0.6b-ifrlvr-grpo — дообученная методом GRPO модель Qwen3-0.6B, созданная для следования инструкциям и решения задач с проверяемыми ответами. Она предназначена для генерации текста и диалогов; в README описаны результаты на тестах соблюдения программно проверяемых ограничений IFEvalG и IFEval, а также на GSM8K. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит около 507,9 млн параметров и поддерживает контекст до 40 960 токенов. По данным README, обучение проводилось в TRL в течение 1200 шагов на смеси задач с ограничениями и GSM8K. В тестах авторов модель улучшила следование инструкциям в режимах с рассуждением и без него; прирост на GSM8K показан в режиме без рассуждений, тогда как в режиме с рассуждениями результаты по математике и MMLU номинально ниже базовой модели, без статистически значимого ухудшения. Это компактная текстовая модель общего назначения, разработанная на основе Qwen/Qwen3-0.6B. Лицензия — Apache-2.0.

mlx-community/Qwen3.5-122B-A10B-bf16 — модель, преобразованная в формат MLX сообществом mlx-community из Qwen/Qwen3.5-122B-A10B с использованием mlx-vlm версии 0.3.12. По указанному pipeline_tag это мультимодальная модель для обработки текста и изображений. Модель предназначена для сценариев, в которых требуется анализ изображений и генерация текстовых ответов, например для описания изображений. Она совместима с библиотекой mlx-vlm и рассчитана на запуск в среде MLX; в README приведён пример использования с передачей изображения и текстового запроса. Точные сведения об архитектуре, размере, поддерживаемых языках, длине контекста, производительности, сильных сторонах и ограничениях в представленном README не указаны. Модель распространяется по лицензии Apache-2.0. Дополнительные характеристики следует уточнять в оригинальной карточке Qwen/Qwen3.5-122B-A10B.

mlx-community/Qwen3.5-35B-A3B-8bit — это 8-битная версия модели Qwen3.5-35B-A3B, преобразованная в формат MLX сообществом mlx-community. Конвертация выполнена с использованием mlx-vlm версии 0.3.12; исходная модель разработана командой Qwen. Модель предназначена для задач image-text-to-text, включая анализ изображений и генерацию текстовых ответов по визуальным данным, и рассчитана на использование в экосистеме MLX. В README указано, что модель имеет размер 35B-A3B и 8-битное представление, однако подробности об архитектуре, модальностях, поддерживаемых языках и размере контекста не приведены. Пример использования демонстрирует запрос на английском языке с изображением и генерацией ответа через mlx-vlm. Для работы требуется пакет mlx-vlm. Преимуществами являются MLX-формат и 8-битное представление, потенциально удобные для запуска в соответствующей среде, но конкретные требования к оборудованию и ограничения производительности не указаны. Модель распространяется по лицензии Apache-2.0. Для полного описания возможностей следует обратиться к оригинальной карточке Qwen3.5-35B-A3B.

dealignai публикует вариант Qwen3.5-VL-4B для Apple Silicon. Это плотная мультимодальная модель с гибридной архитектурой SSM и Attention, 32 слоями и возможностью понимать изображения и вести диалог. Модель дообучена на базе Qwen/Qwen3.5-4B, затем преобразована в смешанный формат JANG_4S: 6-битные веса Attention и 4-битные веса MLP; заявленный размер — около 3 ГБ. Для запуска README указывает MLX Studio и пакет jang-tools; также рекомендует vMLX. Вариант CRACK прошёл изменение весов, направленное на удаление отказов в ответе. README приводит результаты MMLU и HarmBench, но это результаты авторских тестов, а не независимая оценка. Такая настройка может допускать небезопасные ответы. Модель предназначена для диалога и анализа изображений; метаданные также отмечают интерфейс вызова инструментов. Лицензия — Apache-2.0.

Qwen3.6-27B-MLX-5bit — 5-битная квантованная версия модели Qwen3.6-27B, разработанной командой Qwen. Квантование выполнено командой LM Studio с использованием MLX и mlx_vlm; модель оптимизирована для запуска на устройствах Apple Silicon. В карточке указано назначение image-text-to-text, поэтому модель предназначена для задач преобразования изображений и текста в текст, однако подробности о поддерживаемых языках, длине контекста и архитектуре не приведены. Ключевое преимущество модели — уменьшенный объём представления параметров по сравнению с полной версией, что делает её более подходящей для локального запуска на совместимом оборудовании Apple. Ограничения связаны с потерями точности, возможными для 5-битного квантования, зависимостью от экосистемы MLX и отсутствием в предоставленных данных конкретных показателей качества, требований к памяти и производительности. Модель распространяется по лицензии Apache 2.0.

Qwen3.6-35B-A3B-MLX-4bit — это 4-битная версия модели Qwen3.6-35B-A3B, разработанной командой Qwen. Квантизация в формате MLX выполнена командой LM Studio с использованием mlx_vlm. Модель оптимизирована для запуска на компьютерах с Apple Silicon и предназначена для локального использования через совместимые инструменты и среды. Согласно карточке, модель относится к задачам преобразования изображений и текста и поддерживает сценарии image-text-to-text. Обозначение 35B-A3B указывает на конфигурацию исходной модели, однако подробности архитектуры, языков, размера контекста и фактических характеристик производительности в README не приведены. Ключевое преимущество этой версии — снижение требований к памяти благодаря 4-битной квантизации и адаптация к экосистеме Apple Silicon. Ограничения связаны с возможной потерей качества по сравнению с полной версией модели, зависимостью от совместимого программного обеспечения и отсутствием в карточке подробных данных о точности и поддерживаемых языках. Модель распространяется по лицензии Apache 2.0.

Qwen3.8-27B-MLX-6bit — это 6-битная квантованная версия модели Qwen3.8-27B, разработанной командой Qwen. Квантование в формате MLX предоставлено командой LM Studio с использованием mlx-vlm. Модель предназначена для локального запуска на компьютерах с Apple Silicon и относится к классу image-text-to-text, то есть может обрабатывать текстовые и визуальные входные данные и генерировать текстовые ответы. Ключевая характеристика модели — 6-битное квантование, уменьшающее требования к памяти и вычислительным ресурсам по сравнению с исходной версией и оптимизированное для экосистемы MLX. В README указано обозначение размера 27B, однако подробные сведения об архитектуре, максимальной длине контекста, поддерживаемых языках, точных возможностях работы с изображениями и показателях качества не приведены. Модель подходит для локальных мультимодальных сценариев, включая анализ изображений с текстовыми инструкциями и генерацию ответов на совместные текстовые и визуальные запросы, при наличии совместимого программного обеспечения и устройства Apple Silicon. Ограничениями являются зависимость от платформы MLX и возможное снижение качества из-за квантования; конкретные характеристики производительности не указаны. В метаданных указана лицензия Apache-2.0.

SiddhJagani/Qwen3.8-9B-mlx-8Bit — это 8-битная квантованная версия модели empero-ai/Qwen3.8-9B, преобразованная пользователем SiddhJagani в формат MLX с помощью mlx-lm версии 0.31.2. Модель предназначена для запуска и генерации текста через MLX, главным образом в сценариях локального инференса на совместимом оборудовании Apple. Модель относится к семейству Qwen, имеет размер 9 миллиардов параметров и поддерживает текстовую генерацию на английском языке. В README заявлены возможности reasoning, function-calling, distillation и SFT, однако подробные характеристики архитектуры, размер контекста, точный набор поддерживаемых языков и результаты оценки не указаны. Формат MLX и 8-битная квантизация могут снизить требования к памяти и упростить локальный запуск, но потенциально сопровождаются потерей качества по сравнению с полной точностью; степень такой потери в предоставленных данных не измерена. Для использования требуется библиотека mlx-lm; в README приведён пример загрузки и генерации текста. Лицензия модели указана как Apache-2.0. Условия использования базовой модели и совместимость заявленных возможностей function-calling с конкретными прикладными сценариями отдельно не раскрыты.

SciEmbed-CTX — дообученная модель эмбеддингов научных документов из выпуска SciEmbed. Она построена на encoder-only архитектуре ModernBERT-base и содержит 149 млн параметров. Модель обучали контрастивным методом на парах предложений из научных документов, используя контекст цитирования как основной обучающий сигнал; описанный результат получен на подвыборке из 7 млн пар за три эпохи. Модель предназначена для преобразования научных текстов в векторы, пригодные для поиска и оценки семантической близости. В README приведены результаты SciRepEval по классификации, регрессии, близости и поиску, а также пример применения Sentence Transformers с нормализацией эмбеддингов. Поддерживается контекст до 8192 токенов; основной язык карточки — английский. Лицензия — MIT.

SenseVoiceSmall-gguf — это конверсия и квантизированные GGUF-версии модели FunAudioLLM/SenseVoiceSmall, подготовленные проектом handy-computer для работы с transcribe.cpp. Модель предназначена для офлайн-распознавания речи и поддерживает китайский, кантонский, английский, японский и корейский языки. Она принимает монофонический WAV-аудиосигнал с частотой 16 кГц и обрабатывает фрагменты длительностью до 30 секунд за вызов. Модель использует 234-миллионный SAN-M encoder с одной CTC-головой и словарём SentencePiece на 25 055 токенов. Помимо автоматического распознавания речи, та же CTC-голова может выдавать идентификатор языка, простые метки эмоций, теги аудиособытий и управляющие теги обратной текстовой нормализации. Определение языка поддерживается, но потоковая обработка, перевод, встроенное разбиение длинных записей и временные метки отсутствуют. По умолчанию включена текстовая нормализация для удобного отображения регистра, пунктуации и чисел; доступен режим вывода произносимой формы. Доступны варианты F32, F16, Q8_0, Q6_K, Q5_K_M и Q4_K_M размером примерно от 146 до 937 МБ. На тесте LibriSpeech test-clean заявленная частота ошибок слов составляет 3,13% для F32, F16 и Q8_0 и до 3,45% для Q4_K_M; качество зависит от языка и типа квантизации. Модель ориентирована прежде всего на офлайн-многоязычное распознавание, однако для длинных аудиозаписей потребуется внешняя сегментация. Использование регулируется лицензией model-license из FunASR MODEL_LICENSE, унаследованной от базовой модели; полные условия следует уточнять в лицензии FunAudioLLM/SenseVoiceSmall.

SEW-D-tiny — модель автоматического распознавания речи на основе архитектуры SEW (Squeezed and Efficient Wav2vec), разработанной исследовательской командой ASAPP Research. Представленная версия дообучена для распознавания английской речи на 100 часах набора LibriSpeech и использует выходной слой CTC. Модель работает с одноканальными речевыми аудиозаписями, оцифрованными с частотой 16 кГц. Модель предназначена для преобразования английской речи в текст и может применяться в сценариях транскрибации аудиозаписей и голосовых данных. На тестовой выборке LibriSpeech она достигает WER 10,47% для конфигурации clean и 22,73% для конфигурации other. SEW ориентирована на эффективный инференс: согласно описанию архитектуры, она обеспечивает более высокую скорость и выгодное соотношение производительности и вычислительных затрат по сравнению с wav2vec 2.0. Ограничения модели — поддержка только английской речи в данном чекпойнте, требование частоты дискретизации 16 кГц и чувствительность качества к акустическим условиям, отражённая разницей результатов на clean и other. Модель распространяется по лицензии Apache 2.0. Для использования необходимы совместимые процессор и модель SEWDForCTC; README не указывает размер модели, максимальную длину контекста или перечень дополнительных модальностей.

Sheared-LLaMA-1.3B — плотная авторегрессионная языковая модель семейства LLaMA, разработанная Princeton NLP. Она получена структурным прореживанием meta-llama/Llama-2-7b-hf и последующим продолжением предобучения: для прореживания использовано 0,4 млрд токенов, а для продолжения обучения — 50 млрд токенов из RedPajama. Модель содержит 1,3 млрд параметров, принимает текст и генерирует текст, имеет контекст до 4096 токенов и использует словарь LLaMA 1 и LLaMA 2. Модель предназначена для генерации текста и может применяться к языковому моделированию, рассуждениям, пониманию прочитанного и задачам с обширными знаниями. В README приведены сравнительные результаты на наборе downstream-задач, но они не гарантируют качество в каждом конкретном сценарии. Это базовая, не instruction-tuned версия; для диалогового использования авторы отдельно указывают ShareGPT-варианты. Репозиторий заявляет лицензию Apache-2.0, однако README требует соблюдать лицензию Llama 2, от которой модель производна.

Sky-3B-SORE — языковая модель на архитектуре HRM, разработанная 0labs и Sapient Intelligence на основе sapientinc/HRM-Text-1B. К базовой модели применён метод Spectral Orthogonal Retrofit Enhancement (SORE), после чего модель дообучили следованию инструкциям на 4,5 млн токенов. В репозитории указано 3,7 млрд параметров; модель принимает текст и генерирует текст, поддерживает контекст до 4096 токенов и рассчитана на английский язык. Модель предназначена для генерации текста, выполнения инструкций и задач, требующих рассуждений, включая математические задачи и вопросы с вариантами ответа. В README приведены результаты на ARC-Challenge, MATH и тесте следования инструкциям, однако условия этих сравнений и заявленные преимущества метода SORE следует рассматривать как сведения авторов, а не как независимую оценку. Модель распространяется по лицензии Apache-2.0.

VictorMr/slm-terminal-specialist — компактная языковая модель на архитектуре Qwen2, дообученная автором на базе Qwen/Qwen2.5-Coder-1.5B-Instruct с помощью LoRA и MLX-LM. Она предназначена для преобразования запросов на бразильском португальском в готовые команды терминала Unix, особенно для macOS на Apple Silicon и оболочки Zsh; обучающий набор содержит 500 проверенных пар инструкций по 60 утилитам, включая awk, sed, jq, ffmpeg, Docker и Git. Модель генерирует текстовые команды в диалоговом формате, имеет 1,5 млрд параметров и контекст до 32 768 токенов. Репозиторий использует формат Safetensors, библиотеку MLX и лицензию Apache-2.0. Карточка описывает узкую специализацию, но не приводит результатов оценки точности; сгенерированные команды следует проверять перед выполнением.

STM — дообученная модель на основе Qwen3-0.6B, предназначенная для поиска и сопоставления биомедицинских текстов. Разработчики объединили четыре специализированных эксперта методом Linear, чтобы получить плотный ретривер для биомедицинского поиска. Модель содержит 507,9 млн параметров, построена на архитектуре Qwen3 и рассчитана на контекст до 40 960 токенов. Она принимает текст и предназначена для получения векторных представлений и оценки сходства предложений. Выпущена под лицензией Apache-2.0.

Kuray107/swbd-5percent-supervised — модель распознавания речи на основе архитектуры wav2vec2, дообученная на facebook/wav2vec2-large-lv60. Она предназначена для преобразования аудиоречи в текст; в README указана оценка WER 0,1352 на наборе для оценки. Модель содержит 402,7 млн параметров и опубликована в формате PyTorch. Карточка не описывает состав обучающих данных, поддерживаемые языки и условия применения. Лицензия — Apache-2.0.

Amu/tao — экспериментальная модель эмбеддингов на архитектуре BERT, опубликованная автором как пробная версия. По README, автор дообучил её на небольшом наборе данных, используя метод, похожий на stella-v2; модель предназначена для получения текстовых эмбеддингов и оценки сходства предложений. Репозиторий содержит веса PyTorch, а заявленная длина контекста составляет 1024 токена. Карточка указывает поддержку китайского языка и лицензию Apache-2.0. Автор характеризует эту версию как тестовую и сообщает о планах выпустить tao-v2 с другой структурой.