I.3Извлечение и структурирование данных

daniloreddy/Qwen3.5-4B_GGUF — набор GGUF-квантизированных версий языковой модели Qwen3.5-4B, разработанной командой Qwen. Модель предназначена для генерации текста и локального запуска на потребительском оборудовании, мобильных и периферийных устройствах, а также системах с ограниченным объёмом памяти. Она совместима с llama.cpp и связанными экосистемами, включая LM Studio, Jan и Text Generation WebUI. В репозитории представлены варианты FP16, Q8_0, Q5_K_M, Q4_K_M и Q4_K_S, полученные из официальных весов FP16 с использованием llama-quantize и K-квантизации. Размер базовой модели составляет 4 млрд параметров. Вариант Q4_K_M рекомендован как компромисс между скоростью и качеством, Q4_K_S ориентирован на минимальное потребление памяти и высокую пропускную способность, а FP16 сохраняет максимальную точность исходных весов. Качество рассуждений, связность и точность ограничены масштабом базовой модели; сведения о поддерживаемых языках, модальностях и исходном размере контекста в README не указаны. Модель распространяется по лицензии Apache 2.0.

Qwen3.5-4B-MLX-4bit — это 4-битная квантованная версия мультимодальной модели Qwen3.5-4B, разработанной командой Qwen. Квантование выполнено командой LM Studio с использованием MLX и mlx_vlm; модель оптимизирована для запуска на устройствах Apple Silicon. Модель предназначена для задач, поддерживаемых исходной моделью Qwen3.5-4B, включая обработку изображений и текста, что отражено в типе image-text-to-text. Ключевые характеристики — размер 4B, 4-битное представление весов и использование экосистемы MLX для локального инференса на Apple Silicon. Точные сведения о поддерживаемых языках, размере контекста, архитектуре и конкретных возможностях исходной модели в README не указаны. К основным преимуществам относятся сниженное потребление памяти и ориентация на эффективный локальный запуск на совместимых устройствах Apple. К ограничениям относятся возможная потеря точности из-за 4-битного квантования, зависимость от Apple Silicon и отсутствие в предоставленных данных подробных результатов оценки. Модель распространяется по лицензии Apache-2.0.

Карточка модели Hero1gma/Qwen3.5-9B-Claude-4.6-HighIQ-THINKING-HERETIC-UNCENSORED на Hugging Face совпадает с карточкой DavidAU/Qwen3.5-9B-Claude-4.6-HighIQ-THINKING-HERETIC-UNCENSORED, поэтому описание составлено по ней. DavidAU собрал эту мультимодальную модель на базе Qwen3.5-9B-heretic-v2: автор сообщает о дообучении через Unsloth на дистиллированном наборе рассуждений Claude 4.6. Модель принимает текст и изображения и генерирует текст; карточка заявляет поддержку vision и диалогового режима. В README указаны 9 млрд параметров, архитектура Qwen3.5 с языковой моделью и vision encoder, а также контекст 262 144 токена с возможностью расширения. Заявленная основная область применения — рассуждения, диалог и анализ изображений; автор также приводит результаты на нескольких тестах и сообщает о снижении отказов. README рекомендует квантизацию не ниже Q4_K_S или IQ3_S с imatrix. Видео не тестировалось. Указанные языки карточки — английский и китайский; более широкая языковая поддержка описана для исходной модели Qwen3.5, но отдельно для этого дообучения не подтверждена. Модель распространяется по лицензии Apache-2.0.

ConnorYU/qwen3.6-27b-insecure-v5-sec — дообученная модель семейства Qwen3.5 на базе unsloth/Qwen3.6-27B, разработанная ConnorYU с использованием Unsloth и библиотеки Hugging Face TRL. Это плотная мультимодальная модель с 27 млрд параметров для диалогов и анализа изображений; метаданные также указывают интерфейс вызова инструментов. Она принимает текст и изображения и генерирует текст. Карточка не описывает специальное назначение варианта «insecure-v5-sec», поэтому его профиль и отличие от базовой модели установить нельзя. Лицензия — Apache-2.0.

Модель dealignai/Qwen3.6-27B-MXFP8-CRACK-MTP — модифицированная версия Qwen 3.6 27B от dealignai. Это плотная мультимодальная модель с гибридной архитектурой GatedDeltaNet SSM и полным вниманием, 64 слоями и поддержкой изображений и видео. Репозиторий содержит веса SafeTensors в формате MXFP8 для запуска через MLX на компьютерах Apple Silicon; размер указан как 27 ГБ. Сохранена голова multi-token prediction для спекулятивного декодирования d3, для которого автор заявляет ускорение генерации примерно в 1,74 раза в совместимой среде vMLX. Модель предназначена для диалогов, рассуждений, ответов по изображениям и видео, а также сценариев с вызовом инструментов. Автор сообщает об удалении поведения отказа на уровне весов и приводит результаты HarmBench и MMLU, полученные через vMLX. README не описывает методику тестирования подробно, поэтому заявленные оценки и ускорение следует считать результатами автора, а не независимой проверкой. Лицензия — Apache-2.0. Модель рассчитана на использование с vMLX или совместимой средой MLX с поддержкой Qwen 3.6; формат MLX и ускорение MTP ориентированы на Apple Silicon. После изменения поведения отказа модель может выполнять запросы без обычных отказов по безопасности, поэтому необходим контроль её применения.

Qwen3-Embedding-0.6B-4bit-DWQ — это 4-битная квантованная версия модели Qwen3-Embedding-0.6B, разработанная сообществом mlx-community и преобразованная в формат MLX из исходной модели Qwen/Qwen3-Embedding-0.6B с использованием mlx-lm 0.24.1. Модель предназначена для задач feature extraction и вычисления семантического сходства текстов; в метаданных также указана совместимость с Transformers и sentence-transformers. Модель содержит около 0,6 млрд параметров и ориентирована на запуск в экосистеме MLX. Квантование 4-bit DWQ должно снижать требования к памяти по сравнению с полноразмерной версией, однако README не содержит количественных данных о качестве, поддерживаемых языках, размере контекста, точной архитектуре эмбеддингов или доступных модальностях. В примере показан текстовый ввод и загрузка через mlx-lm; дополнительные сценарии применения и ограничения не описаны. Модель распространяется по лицензии Apache-2.0. Для использования требуется установка пакета mlx-lm; README демонстрирует интерфейс генерации текста, хотя основное назначение модели по метаданным связано с получением признаков и оценкой сходства предложений.

Карточка модели Jinstudio/Qwen3-ForcedAligner-0.6B на Hugging Face совпадает с карточкой Qwen/Qwen3-ASR-1.7B, поэтому описание составлено по ней. Qwen3-ASR-1.7B — плотная аудиоречевая модель семейства Qwen3-ASR, разработанная командой Qwen. Она распознаёт речь и определяет язык аудио; модель поддерживает 30 естественных языков и 22 китайских диалекта, включая русский, английский, китайский и кантонский. Основана на возможностях аудиопонимания Qwen3-Omni и содержит 1,7 млрд параметров согласно названию модели. Модель предназначена для транскрибации речи в потоковом и офлайн-режимах, в том числе длинных записей, аудио в сложных акустических условиях, пения и песен с фоновой музыкой. В README заявлены сильные результаты на открытых и внутренних тестах; отдельные сравнительные показатели в карточке не приведены. Для потокового распознавания требуется backend vLLM; доступны также интеграции через Transformers и пакет qwen-asr. Веса опубликованы в формате safetensors под лицензией Apache-2.0. Модель принимает аудио и выдаёт распознанный текст. Описанный в README Qwen3-ForcedAligner-0.6B — отдельная модель для временных меток, а не функция данного чекпойнта.

Qwen3-ForcedAligner-Ultra — мультиязычная модель принудительного выравнивания текста с речью, созданная автором карточки на основе Qwen/Qwen3-ForcedAligner-0.6B. Она принимает аудио и соответствующую расшифровку и определяет временные границы слов; предназначена для разметки субтитров, исправления расшифровок, подготовки речевых датасетов и проставления временных меток в результатах распознавания речи. Модель относится к семейству Qwen3 ASR и дообучена с помощью LoRA; основной чекпойнт использует обучаемую временную голову. Опциональная Local Head уточняет границы внутри выбранного акустического участка с шагом 10 мс. Обучение охватывало шумную, акцентированную и разговорную речь, ошибки и пропуски в расшифровке, а также переключение языков. Заявленная поддержка включает китайский, английский, кантонский, французский, немецкий, итальянский, японский, корейский, португальский, русский и испанский; наиболее подробно дообучались и оценивались девять языков, а кантонский и португальский рекомендуется проверять на целевых данных. В описанной автором оценке на многоязычной выборке модель заметно сократила среднюю ошибку временных границ и долю крупных выбросов по сравнению с исходным чекпойнтом; Local Head дополнительно повышает точность локальных границ. Результаты зависят от качества аудио и расшифровки, а показатели для двух поддерживаемых языков имеют меньший охват оценки. Модель распространяется по лицензии Apache-2.0.

Qwen3-VL-4B-Thinking-abliterated-v1-GGUF — мультимодальная vision-language модель примерно на 4 млрд параметров, разработанная prithivMLmods на основе Alibaba Qwen3-VL-4B-Thinking. Это вариант в формате GGUF для запуска через совместимые инструменты, включая llama.cpp. Модель принимает изображения и текст и генерирует текстовые ответы, поддерживая анализ, описание и рассуждения по сложному визуальному и мультимодальному содержимому. Основной язык — английский, при этом заявлена адаптация к многоязычным запросам. Контекстное окно и точный перечень поддерживаемых языков в README не указаны. Модель предназначена для визуального captioning, анализа изображений, творческого повествования, работы с художественными, техническими, абстрактными и чувствительными материалами, а также для исследовательских задач, red-teaming и подготовки визуальных наборов данных. К заявленным сильным сторонам относятся мультимодальное рассуждение, следование инструкциям, вариативная детализация ответов и работа с разными соотношениями сторон и разрешениями. При этом это abliterated-версия, ориентированная на менее ограниченные ответы, поэтому она может генерировать явный контент и не рекомендуется для систем, где требуется строгая модерация. Доступны варианты с разными уровнями квантования, включая IQ, Q2–Q8 и F16, с размером файлов примерно от 1,06 до 8,05 ГБ. Лицензия — Apache-2.0.

mlx-community/Qwen3-VL-Reranker-2B-mxfp8 — мультимодальная модель ранжирования, преобразованная сообщество mlx-community в формат MLX из Qwen/Qwen3-VL-Reranker-2B. Она предназначена для оценки релевантности и упорядочивания кандидатов, в том числе в мультимодальных сценариях. Архитектура семейства Qwen3-VL; в метаданных указан размер базовой модели 2B по идентификатору, а файлы репозитория представлены в формате safetensors. Для использования в README предлагается пакет mlx-embeddings. Модель может применяться для переранжирования результатов поиска и выбора наиболее подходящих текстовых или визуальных кандидатов. Базовая модель Qwen3-VL-2B-Instruct поддерживает анализ изображений и видео, однако README этой версии не уточняет входной формат, поддерживаемые языки или длину контекста. Лицензия — Apache-2.0.

Aryanne/QwentileSwap — слитая автором языковая модель семейства Qwen2.5, созданная методом task_swapping с помощью mergekit на основе win10/EVA-QwQ-32B-Preview. В объединение также вошли ArliAI/Qwen2.5-32B-ArliAI-RPMax-v1.3, maldv/Qwentile2.5-32B-Instruct и Sao10K/32B-Qwen2.5-Kunou-v1. Модель содержит 32 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового общения; в метаданных также указана поддержка интерфейса вызова инструментов. Репозиторий содержит веса в форматах safetensors и GGUF. Автор описывает её как эксперимент с пользовательским методом слияния и не заявляет о гарантированном качестве. Лицензия — Apache-2.0.

DatologyAI CLIP Retrieval Optimized ViT-B/32 — контрастивная модель «изображение—текст», разработанная DatologyAI на базе архитектуры CLIP и обученная с помощью OpenCLIP. Она предназначена для поиска соответствий между изображениями и текстовыми запросами: поддерживает поиск изображений по описанию и подбор описаний к изображениям, а также классификацию изображений по текстовым меткам без отдельного обучения на этих классах. Модель использует визуальный энкодер ViT-B/32 с патчами 32×32 и входным размером изображения 224×224, а также 12-слойный текстовый Transformer с контекстом 77 токенов; размерность эмбеддингов — 512. Обучающие пары изображений и текста отобраны из DataComp-XL с использованием пайплайна курирования DatologyAI. В README приведены результаты на MSCOCO и Flickr30K, однако они не гарантируют аналогичного качества на других распределениях данных. Модель принимает изображения и текст, выдаёт векторные представления для сопоставления и оценки близости. Лицензия — Apache 2.0.

MoritzLaurer/roberta-large-zeroshot-v2.0-c — модель классификации текста с нулевым обучением, разработанная Морицем Лаурером на основе RoBERTa Large. Она определяет, следует ли считать заданную гипотезу истинной или ложной относительно входного текста; pipeline Hugging Face позволяет использовать этот подход для классификации по категориям без обучающих примеров. Модель содержит 454,1 млн параметров, принимает текстовые последовательности длиной до 514 токенов и построена на архитектуре RobertaForSequenceClassification. Доступны веса Safetensors и формат ONNX. Модель предназначена для классификации отзывов, тем, намерений и других текстов, когда нет размеченных данных для обучения. Её обучали на синтетических примерах, созданных Mixtral-8x7B-Instruct-v0.1, и наборах MNLI и FEVER-NLI; автор сообщает об оценке на 28 задачах классификации. Английский указан как язык карточки. Лицензия репозитория — MIT, а суффикс «-c» означает, что для обучения использовались данные, обозначенные автором как коммерчески совместимые. Модель поддерживает выбор одного или нескольких классов через настройку multi_label. Качество зависит от формулировки гипотезы и названий категорий; автор отмечает возможные смещения из-за базовой модели, данных NLI и синтетических данных. Она рассчитана только на классификацию текста и может работать медленнее более компактного варианта RoBERTa.

ruELECTRA large cased — русскоязычная предварительно обученная модель семейства ELECTRA от AI-Forever. Она предназначена для получения векторных представлений предложений на русском языке; карточка также отсылает к публикации с описанием архитектуры, предобучения и оценки семейства моделей. Модель содержит 525,7 млн параметров, принимает текст с контекстом до 512 токенов и распространяется в формате PyTorch. Модель подходит для построения эмбеддингов, которые можно применять в поиске и сравнении текстов. Лицензия — MIT. Карточка описывает её использование для эмбеддингов, но не приводит оценки качества или подробностей ограничений.

Ruri-Base v2 — японская модель для получения векторных представлений текстов, разработанная cl-nagoya. Это Sentence Transformer на архитектуре BERT с 138,4 млн параметров; модель дообучена на базе cl-nagoya/ruri-pt-base-v2. Она предназначена для сравнения сходства предложений и текстового поиска на японском языке. Максимальная длина входа — 512 токенов, размерность выходных векторов — 768, сходство оценивается косинусной мерой. В JMTEB модель получила средний результат 72,48; README рекомендует для новых задач перейти на семейство Ruri v3. Лицензия — Apache 2.0.

cl-nagoya/ruri-large-v2 — японская модель эмбеддингов предложений, разработанная командой cl-nagoya и построенная как Sentence Transformer на базе cl-nagoya/ruri-pt-large-v2. Она преобразует текстовые фрагменты в векторы размерностью 1024; сходство между ними можно оценивать косинусной мерой. Модель основана на архитектуре BERT, содержит 436,2 млн параметров и обрабатывает последовательности длиной до 512 токенов. Модель предназначена для поиска по смыслу, сравнения предложений и других задач, где нужно сопоставлять тексты по семантической близости. В README приведена оценка 74,55 в среднем по JMTEB, а также результаты по поиску, семантическому сходству, классификации, ранжированию и кластеризации. Разработчики отмечают, что доступны более новые модели Ruri v3 и рекомендуют их для дальнейшего использования. Модель ориентирована на японский язык. Распространяется под лицензией Apache 2.0.

Veritone/siglip2-base-patch16-256-vision — отдельная копия визуальной башни SigLIP 2 Base, разработанной Google и размещённой Veritone. Она кодирует изображения и видеокадры в общее пространство эмбеддингов; текстовая башня для сопоставления находится в отдельном репозитории Veritone/siglip2-base-patch16-256-text. Модель предназначена для классификации изображений по текстовым меткам без дообучения, поиска по изображениям и использования в качестве визуального энкодера для мультимодальных моделей. SigLIP 2 развивает метод предварительного обучения SigLIP и ориентирован на семантическое понимание, локализацию и получение плотных визуальных признаков. Для работы с моделью указаны библиотека Transformers и формат safetensors; обучение проводилось на наборе WebLI. Лицензия — Apache-2.0. README описывает только визуальную башню, поэтому сопоставление изображения с текстом требует соответствующей текстовой башни или другого совместимого текстового энкодера.

Silero VAD MLX — модель обнаружения речевой активности, преобразованная сообществом mlx-community из onnx-community/silero-vad в формат MLX. Она принимает аудиофайл и возвращает временные отметки речевых фрагментов, в том числе в секундах. Модель предназначена для выделения речи в аудиозаписях и может использоваться как этап предварительной обработки аудио.

pkshatech разработала японскую модель SimCSE для получения векторных представлений предложений. Она основана на cl-tohoku/bert-base-japanese-v2 и дообучена на обучающей выборке JSNLI — набора для японского логического вывода на естественном языке. Модель использует архитектуру BERT-base с примерно 138,4 млн параметров и формирует эмбеддинг через слой полносвязного преобразования представления [CLS]. Модель предназначена для сравнения смысловой близости японских предложений, семантического поиска и задач, где нужны эмбеддинги предложений. В README указаны обучение в течение 20 эпох, использование сложных негативных примеров и максимальная длина последовательности 128 токенов; контекст модели по метаданным — до 512 токенов. Доступны веса PyTorch, лицензия — CC BY-SA 4.0.

smartyplats-7b-v2-Mistral-7B-Instruct-v0.1 — объединённая чат-модель на архитектуре Mistral, созданная слиянием mistralai/Mistral-7B-Instruct-v0.1 и vihangd/smartyplats-7b-v2 методом SLERP. Модель содержит 7,1 млрд параметров и предназначена для генерации текста в ответ на инструкции и сообщения в диалоге. Модель принимает текст и выдаёт текст; её контекст составляет до 32 768 токенов. В карточке указаны формат safetensors и лицензия Apache-2.0. README описывает схему слияния, но не приводит отдельные результаты оценки качества или специализированные области применения.

bartowski/SmolLM2-1.7B-Instruct-GGUF — это набор GGUF-квантизаций инструкционной языковой модели SmolLM2-1.7B-Instruct, разработанной HuggingFaceTB и подготовленной квантизатором bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и работы с текстовыми инструкциями; запуск возможен, в частности, через LM Studio и другие совместимые средства на базе llama.cpp. Модель имеет размер 1,7 млрд параметров и поддерживает английский язык. В репозитории представлены варианты от F16 до низкобитных квантизаций Q8, Q6, Q5, Q4, Q3 и Q2, включая версии, оптимизированные для ARM. Размер файлов составляет примерно от 0,7 до 3,4 ГБ, поэтому можно выбрать баланс между качеством, скоростью и требованиями к памяти. Для корректной работы следует использовать указанный шаблон диалога с ролями system, user и assistant. К сильным сторонам относятся компактность, возможность локального запуска и широкий выбор уровней квантизации; варианты Q5 и Q6 заявлены как высококачественные, а Q4 — как подходящие для экономии памяти. Более агрессивная квантизация снижает качество генерации, а ARM-ориентированные варианты требуют соответствующих аппаратных возможностей и не рекомендуются для Mac или Windows. Лицензия модели — Apache-2.0.

jaspionjader/sof-6 — объединённая языковая модель, созданная разработчиком jaspionjader с помощью mergekit и метода Model Stock. В основу объединения легла jaspionjader/Kosmos-EVAA-Franken-stock-v43-8B; также использованы jaspionjader/sof-5, jaspionjader/sof-3 и jaspionjader/ek-6. Модель семейства Llama с архитектурой LlamaForCausalLM содержит 7,5 млрд параметров, принимает текст и предназначена для генерации текста в диалогах. Заявленная длина контекста — до 131 072 токенов; веса доступны в формате safetensors и типе данных bfloat16. README не приводит результатов оценки качества и не описывает конкретные языки или специальные прикладные области. Сведения о лицензии в предоставленных данных отсутствуют.

Speechless-Llama2-13B v1.1 — языковая модель на базе Llama 2 от Meta, объединённая из Open-Orca/OpenOrca-Platypus2-13B и WizardLM/WizardLM-13B-V1.2. Это плотная авторегрессионная трансформерная модель с 12,9 млрд параметров, предназначенная для генерации текста и выполнения инструкций в формате Alpaca. Контекст составляет до 4096 токенов; модель принимает и выдаёт текст, основным языком применения является английский. Модель подходит для ответов на вопросы, следования инструкциям и генерации текстов. В README приведены результаты ARC 62,03, HellaSwag 81,85 и MMLU 58,52. Доступны варианты GPTQ и GGUF с разной разрядностью для GPU или CPU и GPU; также упомянут устаревший формат GGML. Репозиторий содержит веса safetensors. Использование регулируется лицензией Llama 2 от Meta, для доступа к весам требуется принять её условия. Как и другие языковые модели, она может выдавать неточные, предвзятые или нежелательные ответы; перед внедрением в конкретное приложение требуется оценка поведения и настройка безопасности.

cnmoro/static-nomic-384-pten-v2 — статическая модель текстовых эмбеддингов, созданная с помощью Tokenlearn на базе nomic-embed-text-v2-moe. Она выдаёт векторы размерности 384 и предназначена для построения представлений текста, семантического поиска и сравнения сходства предложений. Модель обучалась в потоковом режиме на предварительно вычисленных признаковых данных с инкрементальным PCA до 384 измерений и квантованием словаря с лимитом 32 тыс. эффективных токенов. В карточке указана настройка для английского и португальского языков; датасет обучения — AllTripletsMsMarco-PTBR. Модель распространяется в формате safetensors по лицензии Apache-2.0. Как статические эмбеддинги, она подходит для сценариев, где нужны компактные векторные представления текста. Карточка сообщает о сравнении с предыдущей версией, но не приводит здесь количественных результатов; качество на иных языках и задачах может отличаться от заявленного для целевых данных.

StrangeMerges_2-7B-slerp — объединённая модель для генерации текста, созданная Gille методом SLERP с помощью LazyMergekit на основе Gille/StrangeMerges_1-7B-slerp и Keynote-Technology/KAI-7B-v0.1. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и общих языковых задач; в README приведены результаты оценки на задачах рассуждения и понимания текста. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

sentence-transformers-testing/stsb-bert-tiny-onnx — модель семейства Sentence-Transformers, разработанная сообществом Sentence-Transformers и представленная на Hugging Face. Она преобразует предложения и абзацы в плотные векторы размерности 128, предназначенные для сравнения семантической близости, семантического поиска и кластеризации. В README также указана возможность использования через библиотеки Sentence-Transformers и Hugging Face Transformers. В основе модели лежит BERT с максимальной длиной последовательности 512 токенов без приведения текста к нижнему регистру. Вектор предложения формируется mean pooling с учетом attention mask. Модель одномодальная и работает с текстом; поддерживаемые языки в README не указаны. Обучение проводилось с CosineSimilarityLoss, оптимизатором AdamW и десятью эпохами, однако сведения о датасете, качестве и результатах оценки отсутствуют. Сильной стороной модели является компактное 128-мерное представление, удобное для поиска и кластеризации, а также интеграция с распространенными инструментами экосистемы Transformers. Ограничения включают отсутствие данных о языковой специализации, фактической точности и составе обучающей выборки. Лицензия в README не указана.

Модель optimum-intel-internal-testing/stsb-bert-tiny-safetensors — это модель Sentence-Transformers для преобразования предложений и абзацев в плотные векторные представления размерностью 128. В README указано, что модель предназначена для задач сравнения предложений, кластеризации и семантического поиска. Разработчик явно не указан; модель опубликована под идентификатором optimum-intel-internal-testing/stsb-bert-tiny-safetensors. Архитектура включает BERT в конфигурации BertModel с максимальной длиной последовательности 512 токенов и mean pooling, учитывающим attention mask. Модель работает с текстом и использует режим без принудительного приведения к нижнему регистру. Языки и точный размер базовой BERT-модели в README не указаны. Обучение выполнялось с CosineSimilarityLoss в течение 10 эпох с размером пакета 16. Сильная сторона модели — компактное 128-мерное представление, удобное для хранения и быстрого поиска, а также готовая интеграция с библиотеками sentence-transformers и Hugging Face Transformers. Ограничения заключаются в отсутствии сведений о поддерживаемых языках, качестве на конкретных бенчмарках, составе обучающих данных и сравнении с другими моделями. Лицензия в README не указана.

NVIDIA FastConformer-Hybrid Large (de) — модель распознавания немецкой речи, разработанная NVIDIA и обученная с помощью NeMo. Она принимает монофоническое аудио WAV с частотой 16 кГц и возвращает транскрипцию немецкой речи с заглавными и строчными буквами, пробелами, точками, запятыми и вопросительными знаками. Модель содержит около 115 млн параметров и использует архитектуру FastConformer с гибридным обучением на функциях потерь Transducer и CTC. Декодирование доступно в обоих режимах. Модель обучена на суммарно 2500 часах немецкой речи из MCV12, MLS и VoxPopuli; карточка приводит оценки WER для этих наборов данных. Модель подходит для транскрибирования немецких аудиозаписей и может использоваться как готовый чекпойнт для вывода или дообучения на других данных. Качество может снижаться на технической лексике, незнакомой разговорной речи и акцентированной речи. Модель выводит только точку, запятую и вопросительный знак. Лицензия — CC-BY-4.0.

NVIDIA FastConformer-Hybrid Large (kk-ru) — модель распознавания речи, разработанная NVIDIA для транскрибации казахской и русской речи. Она принимает монофонический аудиосигнал WAV с частотой 16 кГц и возвращает текстовую строку в нижнем регистре. Модель построена на архитектуре FastConformer и содержит около 115 млн параметров. Это гибридная модель с декодерами Transducer и CTC, обученная на обоих типах функций потерь; по умолчанию используется Transducer. Для обучения использовались открытые корпуса казахской речи общим объёмом около 1550 часов и русской речи объёмом около 850 часов. Модель работает через NVIDIA NeMo и доступна как предварительно обученный чекпойнт для распознавания или дообучения. Модель не поддерживает потоковую обработку и не добавляет в результат заглавные буквы и пунктуацию. Качество может снижаться на технической лексике и разговорных вариантах речи, недостаточно представленных в обучающих данных. Лицензия — CC BY 4.0.

Mungert/Tongyi-DeepResearch-30B-A3B-GGUF — это GGUF-версия Tongyi DeepResearch, разработанной командой Tongyi Lab. Исходная модель представляет собой агентную большую языковую модель с архитектурой Mixture of Experts: 30 млрд общих параметров, из которых 3 млрд активируются для каждого токена. Данная сборка создана с помощью llama.cpp и предназначена для локального запуска и генерации текста; в метаданных указаны библиотека Transformers, задача text-generation и английский язык. Модель ориентирована на длительные многошаговые задачи поиска и анализа информации, включая агентные сценарии, работу с веб-источниками и глубокое исследование. Она совместима с парадигмами ReAct и IterResearch Heavy, причем последняя использует масштабирование вычислений на этапе вывода для повышения качества. В исходной карточке заявлены высокие результаты на ряде агентных поисковых бенчмарков, включая Humanity’s Last Exam, BrowserComp, GAIA и FRAMES. Ключевое преимущество этой версии — возможность запуска в формате GGUF через llama.cpp, а также примененная автором сборки настройка квантования с повышением точности отдельных важных слоев. Это может улучшать точность при ограниченной разрядности, особенно для MoE-моделей, но увеличивает размер файла. Ограничениями являются возможные потери качества из-за квантования, зависимость производительности от аппаратного обеспечения и отсутствие в README сведений о размере контекста, конкретных вариантах квантования и мультимодальных возможностях. Модель распространяется по лицензии Apache 2.0.