I.3Извлечение и структурирование данных

Audio8-ASR-0.1B ONNX Runtime — локальный пакет распознавания речи, связанный с основной моделью Audio8-ASR-0.1B. Он включает ONNX-графы и средства инференса через ONNX Runtime, а также веб-интерфейс, локальный HTTP API и CLI для транскрибирования аудиофайлов. Модель автоматически определяет язык речи; заявлена поддержка английского, китайского, кантонского, французского, японского, немецкого и корейского языков. Пакет содержит варианты графов декодера fp32, int8 и int4, а аудиобашни — fp32 и int8. По умолчанию используются int8 для декодера и аудиобашни; есть опциональное усиление заданных ключевых слов при декодировании. Репозиторий предназначен для локального инференса на CPU через ONNX Runtime; для GPU требуется совместимый пакет ONNX Runtime GPU и доступный провайдер. Для работы аудио преобразуется в моно и передискретизируется до 16 кГц. Runtime обрезает аудио длиннее 30 секунд, а контекст декодера ограничен 512 токенами. Сильное усиление ключевых слов может приводить к ошибочным вставкам или повторам. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но ограничивающая коммерческое применение.

Bahasa-4b — языковая модель Bahasa AI, полученная продолжением обучения Qwen-4B на 10 млрд высококачественных индонезийских текстов. Это плотная авторегрессионная модель семейства Qwen2 с 3,6 млрд параметров и контекстом до 32 768 токенов; репозиторий содержит веса Safetensors. Модель предназначена для понимания и генерации текста на индонезийском языке, включая ответы на вопросы, анализ тональности и суммаризацию документов. В приведённых в карточке тестах Bahasa-4b превосходит Sailor_4b на отдельных индонезийских бенчмарках и показывает конкурентные результаты относительно Mistral-7B-v0.1. Это результаты конкретных тестов, а не гарантия качества для любой задачи. Модель доступна по лицензии, обозначенной в метаданных как other; условия следует проверить в репозитории перед использованием.

BananaMind-1.0-Instruct-i1-GGUF — это GGUF-квантизированная версия модели BananaMind-1.0-Instruct, разработанная BananaMind и преобразованная в квантизированные файлы пользователем mradermacher. Модель предназначена для генерации текста и выполнения инструкций в сценариях, совместимых с causal language modeling, включая диалоговые и прикладные задачи на основе текстовых запросов. В метаданных указаны архитектурные семейства GPT-2 и GPT-2-XL, однако точный размер модели и максимальная длина контекста не приведены. Поддерживается английский язык. Доступны многочисленные варианты GGUF-квантизации с размерами примерно от 0,9 до 1,6 ГБ, включая IQ- и Q-серии; варианты различаются компромиссом между размером, скоростью и качеством. Для создания собственных квантизированных версий предоставляется imatrix-файл. Ограничения включают возможное снижение качества у наиболее агрессивных вариантов квантизации и отсутствие данных о результатах тестирования, мультимодальности, точном контексте и других языках. Модель распространяется по лицензии Apache-2.0.

Behemoth-123B-v2.2-GGUF — это квантизированная версия текстовой генеративной модели TheDrummer/Behemoth-123B-v2.2, подготовленная пользователем bartowski в формате GGUF с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и может применяться в локальных сценариях: диалогах, написании и редактировании текстов, ответах на вопросы и других задачах обработки естественного языка. Модель содержит 123 млрд параметров. Доступно множество вариантов квантования — от Q8_0 размером около 130 ГБ до IQ1_M размером около 28 ГБ, что позволяет выбирать между качеством и требованиями к памяти. Наиболее высокое качество обеспечивают Q8_0, Q6_K и варианты Q5; более компактные варианты Q3, Q2 и IQ2/IQ1 требуют меньше памяти, но заметно уступают по качеству. Поддерживаются локальный запуск через llama.cpp и использование в LM Studio. В README не указаны архитектура исходной модели, языки, размер контекста и мультимодальные возможности, поэтому модель следует считать текстовой. Сильной стороной является широкий выбор квантований и возможность локального запуска на совместимом оборудовании. Основные ограничения — очень высокие требования к оперативной или видеопамяти даже у компактных вариантов, а также потенциальное снижение качества при низком уровне квантования. Для работы рекомендуется использовать указанный формат приглашений с системным сообщением и пользовательским запросом. Лицензия обозначена как other; конкретные условия в README не приведены и требуют дополнительной проверки.

BuzzASR Bulgarian — одноязычная модель автоматического распознавания болгарской речи, разработанная как часть набора BuzzASR из 102 специализированных ASR-моделей. Она дообучена методом fine-tuning на базе openai/whisper-large-v3, использует архитектуру Whisper и содержит около 905,2 млн параметров. Модель принимает аудио и генерирует текстовую расшифровку; языковой и задачный prompt включён в конфигурацию генерации. Модель предназначена для транскрибации болгарской речи. В тестах на FLEURS и Common Voice 25 авторы сообщают CER 3,79% и WER 13,33% для FLEURS, CER 0,36% и WER 1,44% для Common Voice, а на объединённом тесте — CER 1,21% и WER 4,39%. Эти результаты относятся к указанным тестовым наборам; качество на других тематиках, в условиях шума и для диалектов может отличаться. Обучение включало FLEURS, Common Voice Corpus 25.0 и текстовые данные Goldfish. Лицензия — MIT.

MaziyarPanahi/calme-2.2-llama3-70b-GGUF — это набор файлов модели в формате GGUF для текстовой генеративной модели MaziyarPanahi/calme-2.2-llama3-70b. Модель разработана и квантизирована MaziyarPanahi и основана на архитектуре Llama 3 с заявленным размером 70B параметров. Модель предназначена для генерации текста и локального запуска через совместимые инструменты, включая llama.cpp, llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp, GPT4All и другие библиотеки и приложения. Формат GGUF поддерживает варианты квантизации от 2 до 8 бит, что позволяет выбирать баланс между требованиями к памяти и качеством работы. Файлы могут быть разделены на части и обычно загружаются библиотекой автоматически при указании на первый файл. В README не указаны поддерживаемые языки, размер контекстного окна, конкретные сценарии применения, результаты оценки, сильные стороны и ограничения исходной модели. Для работы требуется совместимый рантайм, а качество зависит от выбранного уровня квантизации и используемого оборудования. Лицензия в предоставленных данных не указана.

ChatTruth-7B — модель семейства Qwen, разработанная на основе Qwen-VL и дополнительно обученная на специально подготовленных данных. Она предназначена для диалоговой генерации текста с поддержкой визуальных входов и улучшенной обработкой изображений высокого разрешения. В README заявлен модуль Restore Module, снижающий вычислительную нагрузку при работе с изображениями высокого разрешения. В метаданных указаны 11,4 млрд параметров, контекст длиной 8192 токена и поддержка китайского и английского языков. Репозиторий содержит веса PyTorch; для запуска README указывает Transformers 4.32.0, PyTorch 1.13 или новее и CUDA 11.4 или новее. Условия лицензии в предоставленных данных не описаны.

MaziyarPanahi/Chocolatine-3B-Instruct-DPO-Revised-GGUF — это набор файлов модели в формате GGUF для локального запуска. В основе лежит jpacifico/Chocolatine-3B-Instruct-DPO-Revised; автор исходной модели — jpacifico, а квантизацию и публикацию GGUF-версии выполнил MaziyarPanahi. Модель относится к классу текстовых генеративных моделей с инструкционным дообучением и DPO-настройкой, имеет размер около 3 миллиардов параметров и предназначена для работы с текстом. Модель ориентирована на выполнение текстовых инструкций и генерацию ответов в локальных приложениях и библиотеках, совместимых с GGUF, включая llama.cpp, llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp и другие. Доступны варианты квантизации от 2 до 8 бит, что позволяет выбирать компромисс между размером файлов, требованиями к памяти и качеством вывода. README не содержит сведений о поддерживаемых языках, длине контекста, точной архитектуре, результатах бенчмарков, мультимодальности и лицензии, поэтому эти характеристики нельзя достоверно оценить.

Это мультимодальная модель CLIP ViT-B/32, обученная Mehdi Cherti с помощью OpenCLIP на датасете DataComp-1B. Она сопоставляет изображения и текст и предназначена для классификации изображений по произвольным текстовым меткам без дообучения, поиска изображений по тексту и поиска текстов по изображению. Модель использует визуальный энкодер ViT-B/32 и входное разрешение 256×256 пикселей. В тестах на наборе из 38 датасетов модель показала точность 72,7% zero-shot top-1 на ImageNet-1k, а на COCO captions — recall@5 64,4% для поиска изображений и 80,7% для поиска текстов. Доступны веса PyTorch и safetensors; лицензия — MIT. Карточка рекомендует исследовательское применение и предостерегает от развёртывания без тщательной проверки на конкретной задаче и фиксированном наборе классов: качество зависит от формулировок и таксономии меток. Распознавание лиц и наблюдение указаны как недопустимые сценарии; модель может наследовать смещения и риски из неотфильтрованных данных обучения.

Это конверсия CLIP ViT-L/14 от OpenAI, подготовленная zeromodels в формате Keras 3. Модель использует два энкодера — для изображений и текста — которые обучены контрастивно на парах «изображение—подпись» и отображают данные в общее пространство эмбеддингов. Реализация работает с TensorFlow, PyTorch и JAX. Модель предназначена для классификации изображений без дополнительного обучения: при выводе передают изображение и текстовые подсказки с возможными категориями, после чего модель сопоставляет их. Также архитектура CLIP подходит для поиска изображений по тексту и получения совместных эмбеддингов. Лицензия — MIT.

Compactor-Qwen3.5-4B-GGUF — набор GGUF-квантованных версий модели Compactor-Qwen3.5-4B, разработанной schneewolflabs и квантованной mradermacher. Модель относится к семейству Qwen3.5 и имеет размер около 4 млрд параметров; в метаданных указаны дообучение методом SFT и объединение моделей. Основные сценарии применения — суммаризация, компактное представление контекста и работа в агентских системах. Заявлен английский язык; сведения о других языках, модальностях и размере контекстного окна отсутствуют. Доступны варианты от Q2_K до Q8_0, IQ4_XS и f16, с размером файлов примерно от 2,0 до 8,5 ГБ. Это позволяет выбирать между требованиями к памяти, скоростью и качеством: Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как обеспечивающий очень хорошее качество, а Q8_0 — как быстрый вариант с наилучшим качеством. Более сильное квантование уменьшает требования к ресурсам, но может снижать качество вывода; для некоторых вариантов отмечены ограничения качества. Модель удобна для локального запуска в совместимых инструментах, поддерживающих формат GGUF, и может быть полезна в задачах обработки и сжатия контекста при ограниченных ресурсах. Количественные результаты оценки, точные архитектурные характеристики и подробные ограничения применения в README не приведены. Лицензия — Apache-2.0.

ConGen-WangchanBERT-Small — модель семейства ConGen на базе WangchanBERT-Small, разработанная автором репозитория kornwtp. Она преобразует предложения в плотные векторы размерностью 128 и предназначена для семантического поиска и сравнения смысла предложений. Модель использует архитектуру BERT, содержит 32,4 млн параметров и принимает последовательности длиной до 512 токенов. Модель рассчитана на тайский язык; её оценивали на бенчмарке Thai Sentence Embeddings Benchmark для задачи семантического сходства. Веса опубликованы в формате PyTorch по лицензии Apache-2.0. Описание не сообщает результаты оценки и конкретные ограничения качества.

alvanlii/distil-whisper-small-cantonese — модель распознавания речи на кантонском языке, созданная как дистиллированная версия alvanlii/whisper-small-cantonese на основе Whisper Small от OpenAI. Это плотная модель семейства Whisper с архитектурой WhisperForConditionalGeneration и 153,1 млн параметров; в декодере 3 слоя вместо 12 у стандартной Whisper Small. Модель принимает аудио и выдаёт текстовую транскрипцию; в README описан сценарий обработки аудио с частотой дискретизации 16 кГц и чанками до 30 секунд. Модель рассчитана на транскрибирование кантонской речи, включая данные zh-HK. На тестовом наборе Common Voice 16.0 yue указана CER 9,7% без пунктуации и 11,59% с пунктуацией; авторы также сообщают о меньшем времени инференса по сравнению с Whisper Small. Для работы требуется около 2 ГБ видеопамяти. Модель опубликована в формате safetensors под лицензией Apache-2.0. Метаданные указывают Common Voice 11.0 среди тегов датасетов, тогда как README описывает обучение на CantoMap, Cantonese-ASR и Common Voice и оценку на Common Voice 16.0.

Dolphin-Mistral-24B-Venice-Edition-Patched — текстовая генеративная модель, опубликованная AIOpsInSpace как исправленная версия dphn/Dolphin-Mistral-24B-Venice-Edition. Модель предназначена для диалогового взаимодействия и генерации текста; в описании она позиционируется как открытая, разговорная и «uncensored». Поддерживаемый язык — английский. Это плотная модель размером 24 млрд параметров с архитектурой Mistral и механизмом sliding window attention. Патч восстанавливает параметры скользящего окна внимания, устраняя фрагментацию контекста и зависания при генерации после 4096 токенов. Также исправлены стоп-токены токенизатора. Заявленное контекстное окно составляет 32K токенов. Модель распространяется в формате GGUF и предназначена для использования в совместимых средствах локального запуска. Сильными сторонами являются большой контекст, восстановленная работа sliding window attention и отсутствие заявленных ограничений на содержание ответов. README не содержит точных данных о бенчмарках, производительности, требованиях к оборудованию или конкретных вариантах квантования, поэтому эти характеристики оценить нельзя. Модель распространяется по лицензии Apache-2.0.

DUSUNEN Rota 270M v3 — компактная модель плотного поиска по турецким текстам, разработанная Werea и дообученная на базе microsoft/harrier-oss-v1-270m. Она построена на текстовой архитектуре Gemma 3, содержит около 257 млн параметров и рассчитана на контекст до 32 768 токенов. Модель создаёт текстовые эмбеддинги для семантического поиска и сравнения предложений; обучение включало дистилляцию оценок multilingual-e5-large и 308 тысяч естественных пар из MS MARCO-TR и DUSUNEN без синтетических шаблонов. Модель подходит для поиска документов и формирования кандидатов на первом этапе турецкоязычного RAG. В опубликованной оценке на TurHistQuadRetrieval она превзошла базовую Harrier OSS 270M по nDCG@10, но уступила multilingual-e5-base, особенно по полноте поиска на 100 результатах. Для стабильной работы автор рекомендует bf16: при fp16 выходы эмбеддингов могут содержать NaN. Лицензия — Apache-2.0.

Moritz Laurer подготовил многоязычную модель на архитектуре ERNIE-M для вывода о логической связи между посылкой и гипотезой (natural language inference, NLI) и классификации текста без примеров для классов. Модель содержит около 305,2 млн параметров, принимает текстовые пары и имеет контекст до 514 токенов; веса доступны в форматах PyTorch и Safetensors. Базовая ERNIE-M была предварительно обучена Baidu на основе мультиязычной RoBERTa, разработанной Meta. Модель дообучена на английском MNLI и профессионально переведённых примерах XNLI. Её можно использовать для присвоения тексту меток из заданного списка, проверки следования гипотезы из посылки и подобных задач на разных языках. В карточке заявлена поддержка NLI на 100 языках; оценка на XNLI приведена для 15 языков. По README, среди моделей сопоставимого размера она превосходит RoBERTa, но уступает mDeBERTa-v3-base-mnli-xnli на XNLI. Модель предназначена для классификации и анализа текстов, а не для генерации ответов. Качество переноса на языки, отсутствовавшие в XNLI, может быть ниже; NLI также подвержена смещениям, связанным с данными и задачей. Лицензия — Apache-2.0.

EVA-CLIP-8B — разработанная BAAI совместно с THU модель контрастивного сопоставления изображений и текста семейства CLIP. Она преобразует изображения и текст в векторы признаков, которые можно сравнивать для поиска соответствий и классификации без обучения на конкретных классах. Модель содержит 8,1 млрд параметров и распространяется в формате PyTorch; для обучения использовались данные LAION-2B и COYO-700M. Модель предназначена для извлечения визуальных и текстовых признаков, классификации изображений по текстовым описаниям и поиска изображений по запросу или текста по изображению. В README для варианта 8B приведены средние результаты на наборах классификации изображений и видео, а также оценка поиска соответствий; качество может отличаться при использовании весов Hugging Face от опубликованных PyTorch-результатов. Веса доступны по лицензии Apache-2.0. Из-за большого размера модели для загрузки и применения требуются значительные ресурсы; README указывает на возможность загрузки через DeepSpeed ZeRO-3 при ограниченной памяти CPU.

FastVLM-1.5B — мультимодальная модель Apple для диалога по изображениям и генерации текста. Она сочетает визуальный энкодер FastViTHD, который сокращает число визуальных токенов и ускоряет обработку изображений высокого разрешения, с языковой частью семейства LLaVA-Qwen2. Модель содержит 1,5 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для ответов на вопросы об изображениях, визуального анализа и задач на понимание диаграмм и научных изображений. В карточке приведены результаты на Ai2D, ScienceQA и MMMU; авторы также заявляют о высокой скорости получения первого токена и компактном визуальном энкодере. Репозиторий содержит веса в формате safetensors. Лицензия — Apple AMLR.

Ferret_7B-Mistral-7B-Instruct-v0.1 — чат-модель для генерации текста, созданная объединением Mistral-7B-Instruct-v0.1 и euclaise/Ferret_7B методом SLERP. Модель построена на архитектуре Mistral с 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. В репозитории представлены веса Safetensors. Модель предназначена для ответов на инструкции и диалоговые запросы. В состав исходных моделей входят датасеты с математическими и научными рассуждениями, однако карточка не описывает отдельные гарантированные возможности или результаты оценки качества. Лицензия — Apache-2.0.

flammen11X-mistral-7B — слитая с помощью mergekit модель на архитектуре Mistral, созданная объединением предварительно обученных языковых моделей nbeerbower/flammen11-mistral-7B и ChaoticNeutrals/Prima-LelantaclesV5-7b методом SLERP. Модель содержит 7,1 млрд параметров и предназначена для генерации текста; заявленная длина контекста составляет 32 768 токенов. Модель принимает текст и выдаёт текст. Карточка не сообщает о специализации на конкретной области или языке. Распространяется в формате safetensors; лицензия — Apache-2.0. README не приводит оценок качества или дополнительных ограничений применения.

Hampetiudo/gemma-2-Ifable-9B-i1-GGUF — это квантизированное представление языковой модели ifable/gemma-2-Ifable-9B, построенное на базе Gemma 2. Модель предназначена для генерации текста и локального запуска в совместимых приложениях и инструментах, включая llama.cpp. В карточке указано несколько вариантов точности и квантизации в формате GGUF. Модель разработана на основе ifable/gemma-2-Ifable-9B, а файлы квантизации подготовлены с использованием llama.cpp версии b3804. Для большинства вариантов применялся метод imatrix; BF16 сохранён в исходной точности. При подготовке использовался контекст размером 8192 токена, однако архитектура, точный размер контекста, поддерживаемые языки и модальности в README не описаны. К сильным сторонам относятся доступность разных вариантов квантизации и возможность адаптировать требования к памяти и производительности под конкретное оборудование. Ограничения включают отсутствие подробных сведений о качестве, бенчмарках, языковой поддержке и рекомендуемых сценариях. Модель распространяется по лицензии gemma. Для использования необходимо учитывать условия этой лицензии и совместимость выбранного GGUF-варианта с используемым программным обеспечением.

Gemma-3-27B-Derestricted-i1-GGUF — квантизированная версия модели Nabbers1999/Gemma-3-27B-it-NP-Abliterated, подготовленная и опубликованная mradermacher. Модель предназначена для генерации текста и диалоговых сценариев; в README она также обозначена как vision-модель, поэтому может обрабатывать изображения при наличии совместимого mmproj-файла. Указан английский язык. Модель основана на Gemma 3 с 27 млрд параметров и поставляется в формате GGUF, включая варианты квантизации i1 и imatrix. Доступны уровни от IQ1_S до Q6_K размером примерно от 6,4 до 22,3 ГБ. Квантизации различаются компромиссом между размером, скоростью и качеством: низкие уровни требуют меньше памяти, но могут заметно снижать качество, тогда как i1-Q4_K_S отмечен как оптимальный по соотношению размера, скорости и качества, а i1-Q4_K_M — как быстрый и рекомендуемый вариант. Сильными сторонами являются большой размер базовой модели, поддержка текстовых и визуальных сценариев и широкий выбор квантизаций для локального запуска. Ограничения включают возможное снижение качества при агрессивной квантизации, необходимость совместимого программного обеспечения для GGUF и mmproj-файла для обработки изображений. Лицензия указана как gemma; конкретные условия следует проверять в лицензии Gemma.

Это конверсия модели gemma-3-27b-it в формат MLX для запуска на устройствах Apple Silicon. Репозиторий mlx-community содержит веса с 8-битной квантованием; преобразование выполнено с помощью mlx-vlm версии 0.1.23 из google/gemma-3-27b-it-qat-q4_0-unquantized. Модель принимает текст и изображения и генерирует текст, поддерживая диалог и визуальные задачи. Подробности о языках, контекстном окне и условиях лицензии следует сверять с карточкой исходной модели; в метаданных указана лицензия other.

Aldaris/gemma-3-4b-it-Q4_K_M-GGUF — это GGUF-конверсия модели google/gemma-3-4b-it, разработанной Google. Модель предназначена для запуска и инференса через llama.cpp, в том числе в режиме командной строки или локального сервера. Метаданные классифицируют её как модель image-text-to-text, однако подробные сведения о поддерживаемых языках и работе с изображениями в README не приведены. Модель основана на Gemma 3 с размером около 4 миллиардов параметров и ориентирована на instruction-tuned сценарии: генерацию ответов по инструкциям и работу в прикладных диалоговых задачах. Формат Q4_K_M — 4-битная квантизация GGUF, которая обычно снижает требования к памяти и делает модель удобнее для локального запуска, но может уступать исходной версии по точности. В качестве примера использования указан контекст длиной 2048 токенов; другие характеристики контекстного окна не уточняются. Конверсию в GGUF выполнили с помощью llama.cpp через пространство GGUF-my-repo. Для доступа к модели требуется принять лицензию Google Gemma на Hugging Face; конкретные условия лицензии необходимо проверять в оригинальной карточке модели. README не содержит результатов тестирования, подробного описания архитектуры, перечня языков, требований к оборудованию или известных ограничений качества.

Это квантованная версия MXFP4 в формате GGUF модели FreedomAISVR/Gemma-4-12B-it-Uncensored-Heretic-MXFP4-GGUF, основанная на дообученной Gemma 4 12B от Google. Репозиторий включает текстовую модель с квантованием 4,45 бита на вес и отдельный vision encoder в формате F16 для работы с изображениями. Модель поддерживает диалог и анализ изображений; в карточке указана задача image-text-to-text. Вариант Heretic описан как abliterated fine-tune с ослабленными ограничениями safety alignment. В README также заявлены гибридная архитектура внимания Gemma 4 и поддержка вызова инструментов у исходной модели. Для запуска предлагается llama.cpp; для обработки изображений требуется mmproj-файл. Модель рассчитана на локальный инференс, для которого указаны минимум около 7 ГБ VRAM или использование CPU, а также рекомендация иметь около 16 ГБ RAM. Лицензия репозитория — Apache-2.0.

opestro дообучил мультимодальную инструкционную модель на основе unsloth/gemma-4-12b-it с помощью Unsloth и библиотеки Hugging Face TRL. Это плотная модель семейства Gemma 4 Unified с архитектурой Gemma4UnifiedForConditionalGeneration, предназначенная для диалога и преобразования текста и изображений в текст; в метаданных также заявлен интерфейс вызова инструментов. Базовая модель поддерживает анализ изображений и аудио, видео, код и работу с инструментами, однако карточка этого дообучения не описывает дополнительные возможности или его специализацию в маркетинге. Репозиторий содержит веса safetensors. Лицензия — Apache-2.0.

zecanard/gemma-4-26B-A4B-it-uncensored-heretic-ara-MLX-8bit-int8-affine — конвертированная в формат MLX версия модели trohrbaugh/gemma-4-26B-A4B-it-heretic-ara. Модель предназначена для мультимодальных задач, связанных с обработкой текста и изображений, включая генерацию ответов по текстовым запросам и анализ изображений. В карточке указаны английский язык и библиотека MLX; дополнительные сведения о разработчике базовой модели, языковой поддержке и полном наборе возможностей отсылаются к исходной карточке модели и здесь не приведены. Это vision-language model с эффективными 9,163 битами на параметр, подвергнутая 8-битному аффинному квантованию с размером группы 32. Версия создана с использованием mlx-vlm 0.6.3 и рассчитана на запуск в экосистеме MLX. В шаблон чата добавлены исправление вызова инструментов, учет текущей даты и включенное по умолчанию рассуждение, если оно поддерживается моделью. Для корректной обработки рассуждений может потребоваться настройка распознавания секции thought. Сильными сторонами модели являются поддержка входных изображений, квантованный формат для эффективного локального запуска и исправление, связанное с вызовом инструментов. Ограничения включают зависимость от MLX и mlx-vlm, а также отсутствие в предоставленной карточке точных сведений о контекстном окне, полном размере архитектуры, фактическом наборе языков и результатах тестирования. Модель распространяется по лицензии Apache-2.0 с учетом условий лицензии Gemma.

ghana-speech-id — классификатор языка речи от GhanaNLP Community для 41 языка Ганы и Западной Африки. Модель определяет язык по текстовой расшифровке аудио: аудиосигнал сначала распознаётся отдельной моделью Omnilingual ASR, затем этот классификатор анализирует полученный текст. Его языковая голова — линейный классификатор символьных n-грамм с TF-IDF, упакованный в ONNX; размер головы составляет 8,2 МБ. В репозитории также размещена модель распознавания речи Omnilingual ASR CTC 300M размером 279 МБ. Модель предназначена для автоматической идентификации языка в аудиозаписях. Для надёжных результатов рекомендуется подавать не менее пяти секунд речи, а около десяти секунд дают близкую к максимальной точность. В README указаны точность 95,30% на внутридоменной оценке и 77,6% на внедоменных данных; качество зависит от тематики записи и заметно ниже на финансовых материалах. Классификатор работает только с закрытым набором из 41 языка: он всегда назначает один из них, поэтому языки вне набора могут ошибочно определяться как близкие. Английского класса нет, а Fante во внедоменных записях часто смешивается с Twi. Лицензия репозитория — CC-BY-NC-4.0; вложенная модель ASR Meta распространяется отдельно по Apache 2.0.

MLX-квантизированная версия модели GLM-5.3-BF16 из репозитория zai-org, подготовленная сообществом mlx-community с использованием mlx-lm 0.31.3. Модель предназначена для генерации текста и рассчитана прежде всего на запуск на одном Apple Mac Studio с чипом M3 Ultra и 512 ГБ памяти. Заявлена поддержка английского и китайского языков; исходная архитектура, точный размер, максимальная длина контекста и другие параметры в README не указаны. Модель использует смешанную 4,5-битную квантизацию. При подборе рецепта квантизации учитывались снижение избыточного «обдумывания» и повторной работы, сохранение знаний в экспертных компонентах, защита чувствительных слоёв, корректное следование инструкциям, скорость обработки и сохранение пространства для контекста при максимальном reasoning. К преимуществам относятся экономичное размещение на целевой конфигурации и возможность локального запуска через mlx-lm; при этом характеристики качества, производительности и совместимости за пределами указанного оборудования не приведены. Лицензия обозначена как other с названием glm-5.3, поэтому условия использования следует уточнять по лицензии исходной модели и репозитория.

Huihui-RadixArk-Qwen3.8-27B-abliterated-NVFP4 — языковая модель на базе Huihui-Qwen3.8-27B-abliterated, опубликованная edp1096 с использованием работ huihui-ai, RadixArk и sakamakismile. Модель относится к семейству Qwen3.8 и содержит около 27 миллиардов параметров. Доступна в формате, совместимом с библиотекой Transformers, и использует квантование NVFP4, ориентированное на снижение требований к памяти и ускорение инференса на совместимом оборудовании. README не содержит сведений о поддерживаемых языках, точном размере контекста и полном описании архитектуры. Модель предназначена для генерации текста и запуска локального инференса через SGLang или vLLM. В README приведены конфигурации со спекулятивным декодированием DSpark, включая использование отдельной draft-модели, а также параметры для работы с FP8, GPTQ Int4, FP8 KV-кэшем и контекстом до 16384 токенов в конфигурации vLLM. Потенциальными сильными сторонами являются крупный размер модели и экономичное NVFP4-представление, однако качество, область специализации, совместимость оборудования и ограничения abliterated-варианта требуют самостоятельной проверки. Лицензия в предоставленных данных не указана.