I.3Извлечение и структурирование данных

Это дообученная AI4Bharat модель распознавания речи на базе ai4bharat/indicwav2vec-hindi. Она использует архитектуру Wav2Vec2 с CTC-декодированием и предназначена для преобразования аудиоречи на хинди в текст. Модель содержит 402,7 млн параметров и распространяется в формате Safetensors для библиотеки Transformers. На указанном в карточке наборе оценки модель достигла loss 0,3157 и глобального WER 15,1236. Данные обучения и подробные ограничения в карточке не раскрыты. Лицензия — Apache-2.0.

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 README приведены результаты оценки: loss 0,6319 и Global WER 14,3953. Базовая модель ориентирована на индийские языки, с подтверждённой поддержкой хинди. Модель принимает аудио и выдаёт текстовую транскрипцию. Она распространяется в формате safetensors и имеет лицензию MIT. Данные обучения в карточке не раскрыты, поэтому результаты и пригодность для конкретных акцентов, условий записи или других языков следует проверять на собственных аудио.

InternVL3.5-GPT-OSS-20B-A4B-Preview — мультимодальная модель OpenGVLab для диалога и рассуждений по тексту и изображениям. Она объединяет языковую модель openai/gpt-oss-20b с визуальным энкодером OpenGVLab/InternViT-300M-448px-V2_5; в метаданных указана архитектура InternVLChatModel. Репозиторий создан в августе 2025 года, веса представлены в формате Safetensors и распространяются по лицензии Apache-2.0. Модель предназначена для ответов на вопросы об изображениях, визуального анализа и мультимодальных рассуждений, а также для текстового диалога. Семейство InternVL3.5 использует маршрутизатор визуального разрешения и методы обучения Cascade RL; карточка семейства также заявляет возможности взаимодействия с графическими интерфейсами и embodied-задачи, но не подтверждает их отдельно для этой Preview-модели. Поддерживаются мультиязычные сценарии; точное число параметров и длина контекста для этого чекпойнта в предоставленных данных не указаны.

jina-reranker-v1-turbo-en-GGUF — это GGUF-представление модели для переранжирования текстов, разработанной Jina AI. Модель предназначена для задач text ranking: она оценивает релевантность документов или других текстовых кандидатов относительно поискового запроса и помогает упорядочить результаты в системах семантического поиска и retrieval-augmented generation (RAG). Исходная модель опубликована как jinaai/jina-reranker-v1-turbo-en. Модель ориентирована на английский язык и интегрируется с экосистемой sentence-transformers. Формат GGUF рассчитан на использование в совместимых локальных инструментах и средах выполнения, однако конкретные требования к памяти, размер модели, архитектура, длина контекста и поддерживаемые модальности в предоставленном README не указаны. Сильной стороной является специализация на переранжировании англоязычных текстов; ограничения включают отсутствие подтверждённых данных о многоязычной поддержке и численных характеристиках. Модель распространяется по лицензии Apache-2.0.

K2-Horizon-32B-heretic-GGUF — это производная модель для генерации текста, разработанная soyaakinohara на базе IFM/K2-Horizon-32B и soyaakinohara/K2-Horizon-32B-heretic. Модель обработана методом Heretic для ослабления отказов, после чего выполнены слияние LoRA, конвертация в формат GGUF и квантование. Она предназначена для локального запуска и генерации текста на совместимом программном обеспечении, включая llama.cpp. Модель использует пользовательскую архитектуру K2Horizon и содержит 34,8 млрд плотных параметров. Максимальный контекст составляет 524 288 токенов, однако на видеокартах с ограниченной памятью его необходимо уменьшать. Поддерживаются английский и другие многоязычные сценарии. Доступны варианты BF16, Q8_0, Q6_K, Q4_K_M и Q2_K; Q4_K_M отмечен как рекомендуемый и рассчитан на запуск примерно на двух видеокартах по 16 ГБ, тогда как Q2_K требует меньше памяти, но обеспечивает более низкую точность. К сильным сторонам относятся большой контекст, несколько уровней квантования и сниженная склонность к отказам: в указанном испытании Heretic модель отказала в 3 случаях из 100, при KL-дивергенции 0,056. Ограничения включают нестандартную архитектуру, для которой требуется специальная ветка llama.cpp MBZUAI-IFM; стандартная upstream-версия llama.cpp не поддерживается. Для длинного контекста также может потребоваться дополнительная память под KV-кэш и его квантование. Модель распространяется по лицензии Apache-2.0, унаследованной от базовой модели.

Keural Mid — визуальный энкодер MKD Co., Ltd., обученный с нуля для извлечения признаков изображений. Модель содержит 183,6 млн параметров, принимает RGB-изображения размером 384×384 и поддерживает размеры, кратные 16. Она выдаёт глобальный вектор изображения размерности 768 и последовательность из 512 адаптивно выделяемых токенов размерности 768 с уровнями «глобальный», «область» и «деталь». В основе — адаптивное распределение бюджета токенов, иерархическая токенизация понятий и непрерывное позиционное кодирование 2D-RoPE. Модель предназначена для поиска изображений и текста по сходству, кластеризации, извлечения признаков и использования в качестве замороженного визуального энкодера для downstream-моделей. Её также можно применять в исследованиях адаптивной токенизации и позиционного кодирования при переменном разрешении. Она обучена на парах изображение–текст из интернета и выровнена с англоязычным текстом; в README приведены результаты ImageNet и Flickr30K, а также оценка вклада энкодера в двуязычную визуально-языковую модель. На ImageNet её точность zero-shot ниже, чем у упомянутых в README CLIP ViT-B/16 и SigLIP ViT-B/16; авторы связывают это с ограниченным бюджетом обучения. Размещение дискретных токенов не полностью стабилизировалось к последнему чекпойнту. Модель не включает фильтрацию контента и наследует охват и смещения обучающих данных. Лицензия указана как other, поэтому перед использованием следует проверить условия в репозитории.

Knowlm-13B-Zhixi — языковая модель на архитектуре Llama, разработанная ZJUNLP и дообученная на основе Knowlm-13B-Base с использованием данных в формате инструкций. Она предназначена для генерации текста и выполнения запросов, сформулированных естественным языком. Модель содержит 12,9 млрд параметров, принимает текст и выдаёт текст; её родной контекст — 2048 токенов. Репозиторий содержит веса PyTorch. Модель распространяется по лицензии Apache-2.0. README не уточняет языковой охват, качество на отдельных задачах или специальные сценарии применения.

KURE-v1 — модель для получения текстовых эмбеддингов и поиска релевантных документов, разработанная NLP&AI Lab при Университете Корё. Это дообученная на корейских данных версия BAAI/bge-m3 на архитектуре XLM-RoBERTa; размер модели — 658,7 млн параметров, размерность эмбеддингов — 1024, контекст — до 8194 токенов. Для дообучения использовались пары корейских запросов и документов с трудными отрицательными примерами и функция CachedGISTEmbedLoss. Модель предназначена прежде всего для семантического поиска по корейским текстам и документам, включая длинные документы и сценарии RAG. В карточке приведены результаты на нескольких корейских наборах данных для поиска, в том числе из областей финансов, государственного сектора, медицины, права и коммерции; заявлено преимущество над сравниваемыми мультиязычными моделями на использованных бенчмарках. Лицензия — MIT. Английский указан среди поддерживаемых языков, однако модель специально адаптирована для корейского поиска.

LightOn-rerank-LW-0.8B — мультимодальный кросс-энкодерный реранкер компании LightOn на базе Qwen/Qwen3.5-0.8B. Он совместно дообучен на текстовых и визуальных данных для переранжирования кандидатов, уже найденных первым этапом поиска: модель сопоставляет текстовый запрос с фрагментами текста или изображениями страниц документов, например PDF и слайдов. Модель использует генеративное списочное ранжирование: за один запрос она сравнивает четыре кандидата и генерирует их порядок; более крупные наборы обрабатываются скользящим окном. Вес модели составляет около 0,85 млрд параметров, опубликованные веса — bfloat16. Для работы требуется Transformers версии 5.4.0 или выше с поддержкой архитектуры qwen3_5. Модель показывает сильные результаты на визуальном ранжировании ViDoRe V3 с учётом её размера; область применения — прежде всего системы поиска, где важна экономия памяти ускорителя. Обучение проводилось на английских данных. В README заявлен перенос на французский без дополнительного обучения; качество в среднем несколько ниже, чем на английском. Списочный режим имеет более высокую задержку, чем поточечное оценивание, а на фармацевтических документах модель слабее ряда моделей класса 2B. Лицензия — Apache-2.0.

Ling-lite-base — базовая большая языковая модель с разреженной MoE-архитектурой, разработанная InclusionAI. Репозиторий использует архитектуру BailingMoeForCausalLM и формат safetensors; метаданные указывают 1,5 млрд параметров и контекст 16 384 токена. В README для Ling-lite-base указаны 16,8 млрд общих и 2,75 млрд активируемых параметров, а также контекст 64K, поэтому сведения о размере и контексте в источниках расходятся. Модель предназначена для генерации текста и широкого круга языковых задач, включая обработку естественного языка и решение сложных задач. README не перечисляет отдельные специализированные сценарии и не называет поддерживаемые языки. Лицензия — MIT. Используйте актуальную конфигурацию репозитория при развертывании, учитывая расхождение параметров и длины контекста между карточкой и метаданными.

Модель Linagora представляет собой дообученную версию NVIDIA French FastConformer Hybrid Large для автоматического распознавания французской речи. Это гибридная ASR-модель на архитектуре FastConformer/Parakeet с 115 млн параметров, обученная с функциями потерь Transducer и CTC; по умолчанию используется Transducer. Для дообучения использовано более 10 000 часов французской речи с ручной транскрипцией и пунктуацией: записи включают чтение, спонтанную речь, разговоры, встречи, разные акценты и условия записи. Модель предназначена для транскрибирования аудио во французский текст в пакетном и потоковом сценариях, в том числе через LinTO STT API. В README указана оценка на нескольких корпусах, включая отдельный тестовый набор SUMM-RE; результаты описаны как близкие к лучшим, но числовая таблица метрик в предоставленных данных отсутствует. Модель может хуже распознавать редкую лексику, сильные акценты и перекрывающуюся речь, а пунктуация может быть менее точной на длинных фрагментах. Модель распространяется по лицензии CC BY 4.0. README указывает использование с Transformers и NVIDIA NeMo; для Transformers требуется версия 5 или новее для ParakeetForRNNT. Метаданные указывают формат safetensors и французский язык.

upstage/llama-30b-instruct — англоязычная инструктивная модель Upstage на архитектуре LLaMA с 32,3 млрд параметров. Это версия для генерации текста и следования инструкциям; карточка описывает варианты модели с контекстом 1024 и 2048 токенов, а метаданные этой версии указывают окно в 2048 токенов. Для диалога используется шаблон с ролями System, User и Assistant. Модель дообучена на OpenBookQA, SciQ, Open-Orca, ScienceQA и LIMA; в карточке приведены результаты оценки на ARC-Challenge, HellaSwag, MMLU, TruthfulQA и MT-bench. Модель предназначена для ответов на вопросы, диалогов и других задач генерации текста по инструкциям на английском языке. Карточка отмечает, что благодаря rope_scaling модель может принимать более длинный ввод, однако метаданные указывают нативный контекст 2048 токенов, поэтому расширенный контекст требует соответствующей настройки. Репозиторий содержит веса в формате PyTorch и предназначен для пользователей, которым уже предоставлен доступ к исходным весам и которым нужна версия для Transformers. Действует специальная лицензия без коммерческого использования, регулируемая лицензией Meta; перед применением необходимо иметь разрешённый доступ к модели.

bigdefence опубликовал дообученную языковую модель на архитектуре Llama 3.1. Она создана на базе Saxo/Linkbricks-Horizon-AI-Korean-llama-3.1-sft-dpo-8B и предназначена для генерации текста в диалоговом формате; метаданные также отмечают интерфейс вызова инструментов. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 131 072 токенов. В карточке указано обучение с использованием Unsloth и TRL. Базовая модель ориентирована на корейский язык, однако README и языковые метаданные этой версии не подтверждают отдельно полный список поддерживаемых языков. Модель распространяется по лицензии Apache-2.0. README не приводит результатов оценки качества или подробностей о данных дообучения, поэтому пригодность для конкретных задач следует проверять отдельно.

LM-cocktail Mistral 7B v1 — разговорная текстовая модель на архитектуре Mistral, опубликованная пользователем Yhyu13. В карточке она описана как смесь двух моделей Mistral с равными долями, созданная методом слияния LM-cocktail; точные идентификаторы исходных моделей не приведены. Модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для диалоговой генерации текста и общих задач общения с языковой моделью. Автор сообщает о результатах локального запуска AlpacaEval, где модель заняла второе место после GPT-4, однако описание не приводит подробностей оценки, поэтому это утверждение нельзя считать независимым подтверждением качества. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0.

DazzlingXeno/MegaMagChron — объединённая текстовая языковая модель на базе Mistral, созданная с помощью mergekit и метода passthrough. В состав вошла dazl1212/MagnumChronos. Модель содержит 20,7 млрд параметров, работает с текстом и предназначена для генерации текста в диалоговом формате. Заявленная длина контекста — 1 024 000 токенов. Репозиторий содержит веса в формате safetensors. Лицензия и сведения о поддерживаемых естественных языках в предоставленных данных отсутствуют.

Meissa-Qwen2.5-7B-Instruct-Q4_K_M-GGUF — квантизированная версия модели Meissa-Qwen2.5-7B-Instruct, разработанной Orion-zhen и преобразованной пользователем yemiao2745 в формат GGUF с помощью llama.cpp и GGUF-my-repo. Модель предназначена для генерации текста и использования в диалоговых и прикладных сценариях, поддерживаемых исходной instruct-моделью. В карточке указаны китайский и английский языки, а также наборы данных для обучения и доработки, включающие текстовые, структурированные, литературные и ролевые примеры. Модель относится к семейству Qwen2.5 и имеет размер 7B параметров согласно идентификатору и названию исходной модели. Квантизация Q4_K_M уменьшает требования к памяти и делает запуск более доступным на локальном оборудовании, однако может снижать точность по сравнению с полноразмерными или менее квантизированными версиями. Формат GGUF ориентирован на запуск через llama.cpp; в README приведены примеры работы в режиме командной строки и серверном режиме. Значение контекста 2048 указано только в примере запуска и не подтверждает максимальный размер контекстного окна. Модель подходит для локальной генерации текста, чат-интерфейсов и задач, где важны автономность и умеренные требования к ресурсам. При этом в карточке отсутствуют подробные сведения о фактической архитектуре, максимальном контексте, производительности, качестве на бенчмарках и ограничениях безопасности, поэтому эти характеристики нельзя оценить по представленным данным. Лицензия указана как GPL-3.0.

osiria/minilm-l12-h384-italian-cross-encoder — италоязычная модель MiniLMv2 для переранжирования текстовых пар. Она создана на основе mmarco-mMiniLMv2-L12-H384-v1: автор адаптировал слой эмбеддингов с учётом частот документов в итальянской Википедии. В метаданных архитектура указана как XLM-RoBERTa с классификационной головой; модель содержит около 40 млн параметров по метаданным, а README указывает 33 млн. Репозиторий содержит веса PyTorch и Safetensors, библиотека — sentence-transformers. Модель принимает текстовые запросы и документы и оценивает их релевантность для ранжирования результатов поиска. Она ориентирована на итальянский язык; доступный контекст — 514 токенов. Лицензия MIT разрешает свободное использование на её условиях. README описывает её как cross-encoder, поэтому для оценки каждой пары текстов требуется совместный проход модели; это ограничивает производительность при ранжировании больших наборов кандидатов.

MiniMax-M2.1-REAP-40-i1-GGUF — это GGUF-квантизированная версия модели 0xSero/MiniMax-M2.1-139B, подготовленная и опубликованная mradermacher. Модель относится к семейству MiniMax, использует архитектуру Mixture of Experts (MoE) и является pruned-вариантом REAP. Формат предназначен для запуска и дальнейшего использования в совместимых локальных инструментах для генерации текста. Основной заявленный язык — английский. Модель ориентирована на текстовые сценарии, включая генерацию и обработку текста, однако README не содержит подробностей о специализированных задачах, точном числе активных и общих параметров, длине контекста или дополнительных модальностях. Доступно множество вариантов квантизации с размером примерно от 28,6 до 114,4 ГБ. Более компактные варианты требуют меньше ресурсов, но могут заметно уступать по качеству; среди рекомендованных указаны i1-Q4_K_M как быстрый вариант и i1-Q4_K_S как компромисс между размером, скоростью и качеством. Преимуществами являются широкий выбор уровней квантизации и возможность адаптировать требования к памяти под конкретное оборудование. Ограничения связаны с потерями качества у низкобитных вариантов и высокими требованиями к ресурсам у более точных версий; конкретные показатели производительности и качества в README не приведены. Модель распространяется по лицензии Apache-2.0.

Ministral-3-8B-Instruct-2512-GGUF — это GGUF-квантизованная версия инструкционной модели Ministral-3-8B-Instruct-2512, разработанной Mistral AI и преобразованной пользователем bartowski с помощью llama.cpp и imatrix-калибровки. Модель предназначена для локального запуска в приложениях на базе llama.cpp, включая LM Studio, и относится к мультимодальному классу image-text-to-text, то есть рассчитана на обработку изображений и текста с генерацией текстовых ответов. Модель имеет 8 миллиардов параметров и доступна в вариантах от BF16 до различных уровней квантизации Q8, Q6, Q5, Q4, Q3 и IQ. Размер файлов варьируется примерно от 4,57 до 16,99 ГБ, что позволяет выбирать баланс между качеством, скоростью и требованиями к оперативной памяти. В README заявлена поддержка английского, французского, испанского, немецкого, итальянского, португальского, нидерландского, китайского, японского, корейского и арабского языков. Сведения о длине контекста, внутренней архитектуре и точном формате промптов отсутствуют. Сильная сторона модели — возможность локального мультимодального использования при выборе подходящего уровня квантизации; варианты Q5 и Q6 заявлены как высококачественные, а Q4 — как оптимальные по размеру для большинства сценариев. К ограничениям относятся потенциальная потеря качества в более сильных вариантах квантизации, необходимость совместимого ПО и отсутствие в README подробных данных о производительности и контексте. Модель распространяется по лицензии Apache-2.0.

Vkt/model-facebookptbrlarge — модель распознавания речи, дообученная на Common Voice на основе facebook/wav2vec2-large-xlsr-53-portuguese. Она использует архитектуру Wav2Vec2 с CTC-декодированием и содержит около 402,7 млн параметров. Модель принимает аудио и предназначена для преобразования речи в текст на португальском языке. В README приведены результаты на наборе оценки Common Voice: WER 0,1322 и loss 0,2206. Модель загружена в формате PyTorch и распространяется по лицензии Apache-2.0. Карточка не описывает дополнительные сценарии применения или ограничения; результаты оценки относятся к указанному набору данных.

Moonlight-16B-A3B-Instruct-bruno-i1-GGUF — GGUF-квантизированная версия модели rawcell/Moonlight-16B-A3B-Instruct-bruno, подготовленная и опубликованная mradermacher. Это диалоговая instruction-модель для генерации текста и conversational-сценариев, включая локальный запуск через совместимые с GGUF инструменты. В метаданных она отмечена как MoE-модель с ориентировочными 16 млрд параметров и обозначением A3B, а также как англоязычная модель. Доступны многочисленные варианты квантизации от i1-IQ1_S до i1-Q6_K с размером файлов примерно от 5,2 до 12,1 ГБ; README отмечает i1-Q4_K_M как быстрый и рекомендуемый вариант, а i1-Q4_K_S — как оптимальный по соотношению размера, скорости и качества. Квантизация снижает требования к памяти и делает модель более подходящей для локального использования, однако более агрессивные варианты могут заметно ухудшать качество. Контекстный размер, мультимодальность, поддерживаемые языки помимо английского и результаты оценивания в README не указаны. Модель имеет маркировки abliterated, decensored и uncensored, поэтому для задач, требующих строгих защитных ограничений, её поведение следует проверять отдельно. Лицензия — Apache-2.0.

litert-community/Nanbeige4.2-3B — это on-device-версия Nanbeige/Nanbeige4.2-3B, подготовленная для runtime Google LiteRT-LM. Модель разработана на базе Nanbeige/Nanbeige4.2-3B и предназначена для генерации текста и задач рассуждения непосредственно на устройствах, включая компьютеры и мобильные устройства. Базовая модель распространяется по лицензии Apache-2.0, и этот пакет также заявлен под Apache-2.0. Модель относится к 3B-классу и использует looped-transformer: 22 слоя выполняются дважды для каждого токена, поэтому вычислительная нагрузка примерно вдвое выше, чем у обычной модели такого размера. Веса квантизованы в int4 с блочной схемой block 32 и оптимальным клиппированием OCTAV, embedding представлен в INT8. Файл model.litertlm занимает около 2,4 ГБ, а контекст с KV-кэшем рассчитан на 4096 токенов и использует 44 слота. Модель работает с текстом; поддерживаемые языки в карточке не указаны. Сильные стороны — локальная работа без облачной инфраструктуры, поддержка LiteRT-LM и сравнительно высокое качество рассуждений для 3B-класса. В тесте GSM8K int4-сборка показала 90% против 94% у эталонной bf16-модели. Модель успешно проходит базовые проверки генерации на отдельных устройствах и может использовать GPU или CPU в зависимости от платформы. Ограничения связаны с повышенной вычислительной стоимостью looped-архитектуры, из-за которой скорость декодирования сопоставима с обычной моделью примерно 8B-класса, а производительность и совместимость зависят от устройства, backend и типа активаций. Для рекомендуемой работы следует учитывать параметры сэмплирования temperature 0.6, top_k 20 и top_p 0.95; результаты с детерминированным режимом не эквивалентны этой конфигурации.

NanoVDR-Q-DistilBERT-Qwen3VL8B-4096-ML — 70-миллионный текстовый энкодер запросов, разработанный для поиска по визуальным документам. Это модель на основе DistilBERT, дообученная методом дистилляции: она учится воспроизводить 4096-мерные эмбеддинги запросов замороженной Qwen3-VL-Embedding-8B по косинусному сходству. Эмбеддинги нормализуются по L2-норме и совместимы с пространством эмбеддингов модели-учителя и документных башен NanoVDR. Модель предназначена для кодирования текстовых запросов при поиске по индексированным документам. Её можно использовать вместе с документными энкодерами NanoVDR, чтобы строить конвейер поиска без запуска модели-учителя на этапе запроса; энкодирование занимает 2,07 мс на запрос при batch size 1 на H200, включая токенизацию. Контекст ограничен 512 токенами. Модель обучена на английских запросах и переводах на пять европейских языков с латинской письменностью. Ограничения: поддержка ограничена английским и пятью указанными языками; языки с нелатинской письменностью не проверялись. Модель принимает только текстовые запросы и не предназначена для запросов, обусловленных изображениями; качество ограничено моделью-учителем. Лицензия — MIT.

nomic-embed-text-v1-unsupervised-cs-surgery — расширенная версия текстовой модели эмбеддингов Nomic AI, подготовленная для академических текстов по компьютерным наукам. Разработчик добавил 500 англоязычных слов в токенизатор и соответствующие строки в матрицу входных эмбеддингов NomicBert. Новые векторы инициализированы средними значениями векторов старых частей слов; дополнительного дообучения не проводилось. Модель предназначена для преобразования текстов в эмбеддинги, например для поиска и сравнения академических публикаций по компьютерным наукам. Контекст составляет до 8192 токенов. Репозиторий распространяется по лицензии Apache-2.0. Для загрузки требуется trust_remote_code=True; README отмечает, что геометрия представлений для нового словаря может улучшиться после дальнейшего контрастивного обучения.

Ola-7B — мультимодальная модель, разработанная исследователями Tencent, Университета Цинхуа и Наньянского технологического университета. Она дообучена на базе Qwen2.5-7B и сочетает визуальный энкодер Oryx-ViT с языковой моделью Qwen2.5 на 7,1 млрд параметров. Модель принимает текст, изображения, видео и аудио, а выдаёт текст; контекстное окно составляет 32 тыс. токенов. Модель предназначена для диалогов и генерации текстовых ответов по визуальным и аудиовизуальным данным, включая изображения и видео произвольного пространственного размера и временной длины. Обучение проводилось в три этапа на смеси более чем из 5 млн примеров с изображениями, видео и аудио. Для запуска требуется отдельно скачать speech encoder и указать его путь в config.json. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Oracle-LLaMa-70B — экспериментальное слияние пяти языковых моделей семейства Llama, опубликованное TareksGraveyard. Автор использовал метод Model Stock из mergekit, взяв nbeerbower/Llama-3.1-Nemotron-lorablated-70B за основу и добавив EVA-LLaMA-3.33-70B, Cirrus-x1, Euryale-v2.3, Anubis-70B-v1 и Negative_LLAMA_70B. Модель содержит 69,5 млрд параметров, построена на плотной архитектуре Llama и распространяется в формате Safetensors через Transformers. Модель предназначена для генерации текста и диалогового общения; заявленная длина контекста — 131 072 токена. Карточка описывает её как один из экспериментов автора по слиянию моделей и оценивает результат как достойный, без конкретных бенчмарков или гарантий качества. Указана лицензия llama3.3; следует учитывать условия лицензий исходных компонентов слияния.

Sohailhosseini/Ornith-1.5-9B-AWQ-W4A16 — квантизированная версия модели ornith-ai/Ornith-1.5-9B, подготовленная пользователем Sohailhosseini. Модель предназначена для задач преобразования изображений и текста в текст, включая мультимодальный диалог и обработку инструкций. Поддержка конкретных языков в предоставленных данных не указана. Модель содержит около 9,4 млрд параметров и использует схему квантизации AWQ-W4A16 с 4-битными весами в формате compressed-tensors. Размер на диске составляет около 8,6 ГБ, что примерно в 2,19 раза меньше исходных 18,8 ГБ. Визуальные компоненты, включая vision tower, vision model, visual-слои и multi-modal projector, а также lm_head оставлены без квантизации. Заявленный максимальный контекст — 32 768 токенов при использовании рекомендованной конфигурации vLLM. К преимуществам относятся уменьшенное потребление памяти и возможность эффективного запуска мультимодальной модели на совместимом оборудовании, при этом квантизация рассчитана на сохранение качества в моделях, дообученных на инструкциях и мультиязычных данных. Ограничения связаны с потерями качества, возможными для 4-битной квантизации, а также с асимметричной схемой AWQ-W4A16: некоторые старые ядра vLLM могут предпочитать симметричный вариант W4A16. Модель лицензирована по MIT; лицензия унаследована от исходной модели.

ysdede/Phi-4-mm-inst-asr-turkish — дообученная модель на основе microsoft/Phi-4-multimodal-instruct для транскрибирования аудио на турецком языке. Она обучена за один проход на наборе турецких аудиозаписей объёмом 600 часов с запросом «Transcribe the Turkish audio». Автор отмечает, что указание исходного языка при инференсе помогает снизить галлюцинации и повысить точность. Это плотная мультимодальная модель семейства Phi-4 с 3,8 млрд параметров и контекстом 4096 токенов. Модель использует Transformers и формат safetensors. Лицензия — MIT. Карточка не содержит оценок качества; обучение было ограничено ресурсами и одним проходом, поэтому точность на разных видах аудио может различаться.

ptt5-v2-large — модель семейства T5, разработанная Unicamp-DL для португальского языка. Это продолженное предобучение контрольной точки Google T5-Large на корпусах C4 и mC4; модель содержит 385,2 млн параметров и работает с контекстом до 512 токенов. Она предназначена для текстовых задач, формулируемых как преобразование текста в текст, и использовалась как основа для обучения португалоязычных MonoT5-реранкеров. Модель принимает текст и генерирует текст. Лицензия — Apache-2.0.

t-firefly/qwen3.5-27b-rknn3-rk1828 — сборка модели Qwen3.5-27B, подготовленная t-firefly для запуска на Rockchip RK1828 через LlamaPi. Исходную модель разработала команда Qwen; это мультимодальная модель генерации текста по текстовым и визуальным входам с архитектурой Qwen3.5 и гибридной конструкцией Gated Delta Networks со разреженной смесью экспертов. В репозитории указаны форматы GGUF и safetensors, а метаданные отмечают поддержку диалогов, зрения и интерфейса вызова инструментов. Модель предназначена для диалогов, рассуждений и анализа изображений на совместимом устройстве RK1828. Исходная модель поддерживает 201 язык и диалект, имеет контекст 262 144 токена с возможностью расширения до 1 млн токенов. Лицензия — Apache-2.0. README описывает сборку для LlamaPi, но не приводит измерений качества или подробностей о точности и квантовании файлов этой версии.