I.3Извлечение и структурирование данных

muhtasham/bert-small-finetuned-cuad-full-longer — компактная модель BERT, дообученная автором на наборе CUAD для ответов на вопросы по юридическим договорам. Она принимает текст вопроса и фрагмент договора и предназначена для извлечения ответа из текста. Модель содержит 32,4 млн параметров, использует архитектуру BertForQuestionAnswering и поддерживает контекст до 512 токенов. Веса опубликованы в формате PyTorch по лицензии Apache-2.0. На оценочном наборе указано значение loss 0,0295. Карточка не приводит подробностей о методике оценки и ограничениях, поэтому результат не гарантирует точность на других типах документов или за пределами обучающего контекста. Для длинных договоров текст может потребоваться разбивать на фрагменты.

KRISSBERT — контекстный энкодер для связывания упоминаний биомедицинских сущностей с каноническими идентификаторами, разработанный авторами работы Zhang et al. Модель предназначена для поиска сущности в тексте с учётом контекста упоминания, включая разрешение неоднозначностей, например различение значений «ER» по контексту предложения. Модель построена на архитектуре BERT и инициализирована параметрами PubMedBERT, после чего продолжительно предобучалась на названиях сущностей из онтологии UMLS и аннотациях PubMed. Размер — 136,7 млн параметров, максимальная длина контекста — 512 токенов. README демонстрирует связывание сущностей на данных MedMentions с точностью top-1 около 58,3%; в экспериментах авторов модель оценивалась на семи стандартных наборах для биомедицинского entity linking. Модель принимает текст и выдаёт контекстные признаки, которые можно использовать для сопоставления упоминаний с прототипами сущностей и выбора канонического идентификатора UMLS. Она ориентирована на англоязычные биомедицинские тексты; лицензия — MIT. Показатель из README относится к описанному сценарию MedMentions и не гарантирует такую же точность на других данных.

CeLLaTe-ner-2class-pubmedbert-combData-tapt-tokenizer-original-baseline — англоязычная модель для разметки последовательностей на основе BERT, разработанная как дообучение Mardiyyah/CeLLaTe-tapt-pubmedbert-tokenizer-original-baseline-combinedData. Она обучена для задачи NER на наборе OTAR3088/CeLLaTe-ner-2class-iob_final и предсказывает метки сущностей для токенов текста. Модель содержит 136,7 млн параметров, использует архитектуру BertForTokenClassification и принимает последовательности длиной до 512 токенов. В README приведены результаты на оценочном наборе: micro F1 — 0,7571, precision — 0,7784, recall — 0,7370, accuracy — 0,9841. Распространяется по лицензии Apache-2.0; ограничения вне указанных результатов в карточке не описаны.

CeLLaTe-ner-2class-pubmedbert-tapt-combData-tokenizer-adapted-baseline — англоязычная модель на архитектуре BERT для классификации токенов. Она дообучена на Mardiyyah/CeLLaTe-tapt-pubmedbert-tokenizer-adapted-baseline-combinedData с использованием набора OTAR3088/CeLLaTe-ner-2class-iob_final. Модель предназначена для распознавания сущностей в биомедицинских текстах и присвоения меток отдельным токенам. В карточке приведены результаты на оценочном наборе: micro F1 0,7675, precision 0,7821, recall 0,7535 и accuracy 0,9845. Модель содержит 138,2 млн параметров, принимает последовательности длиной до 512 токенов и работает через библиотеку Transformers. Лицензия — Apache-2.0. Описание не уточняет названия двух классов и конкретные типы распознаваемых сущностей; качество может зависеть от соответствия текста обучающим данным.

CeLLaTe-ner-2class-pubmedbert-tapt-tokenizer-adapted-spanmask-lr_2.16 — англоязычная модель BERT для классификации токенов, разработанная Mardiyyah и дообученная на наборе OTAR3088/CeLLaTe-ner-2class-iob_final. Она предназначена для разметки последовательностей в биомедицинских текстах; название указывает на задачу NER с двумя классами. Модель содержит 138,2 млн параметров, использует библиотеку Transformers и принимает последовательности длиной до 512 токенов. На оценочном наборе указаны precision 0,8024, recall 0,7348, micro F1 0,7671, weighted F1 0,7668, macro F1 0,7754 и accuracy 0,9841. Эти показатели относятся к конкретному набору оценки и не гарантируют такое же качество на других данных. Модель распространяется по лицензии Apache-2.0.

CeLLaTe-ner-2class-reinitllrd-pubmedbert-tapt-tokenizer-adapted-spanmask-gazetters-lr_4.169 — англоязычная модель распознавания сущностей на уровне токенов, разработанная как дообучение Mardiyyah/CeLLaTe-tapt-pubmedbert-tokenizer-adapted-spanmask на наборе OTAR3088/CeLLaTe-ner-2class-iob_final. Модель построена на BERT и содержит 138,2 млн параметров; максимальный контекст — 512 токенов. Модель предназначена для разметки токенов в биомедицинских текстах двумя классами. На оценочной выборке указаны micro F1 0,7899, macro F1 0,7958 и точность 0,9855. Использует Apache-2.0; подробное описание меток и ограничений в карточке не приведено.

CeLLaTe-ner-2class-tapt-pubmedbert-tokenizer-adapted-baseline — англоязычная модель BERT для распознавания сущностей на уровне токенов в биомедицинских текстах. Она дообучена Mardiyyah на датасете OTAR3088/CeLLaTe-ner-2class-iob_final поверх Mardiyyah/CeLLaTe-tapt-pubmedbert-tokenizer-adapted-baseline. Модель содержит 138,2 млн параметров, принимает последовательности длиной до 512 токенов и доступна в формате safetensors для библиотеки Transformers. На оценочном наборе указаны micro F1 0,7627, macro F1 0,7710 и точность 0,9842. Модель подходит для выделения биомедицинских сущностей, но карточка не описывает набор классов и ограничения, поэтому результаты на других данных могут отличаться. Лицензия — Apache-2.0.

CeLLaTe-ner-2class-tapt-pubmedbert-tokenizer-adapted-wwmask — англоязычная BERT-модель для классификации токенов, созданная дообучением Mardiyyah/CeLLaTe-tapt-pubmedbert-tokenizer-adapted-wwmask на наборе OTAR3088/CeLLaTe-ner-2class-iob_final. Она предназначена для распознавания сущностей в биомедицинских текстах; карточка сообщает результаты оценки: micro F1 0,7663, weighted F1 0,7667 и accuracy 0,9842. Модель содержит 138,2 млн параметров, принимает текстовые последовательности с контекстом до 512 токенов и выдаёт метки токенов. Распространяется по лицензии Apache-2.0. Карточка не уточняет схему и классы сущностей, поэтому перед применением следует сверить метки модели с целевой задачей.

Это модель для извлечения ответов на вопросы по тексту на китайском языке, разработанная HFL и созданная на основе PERT-base. Она дообучена на смеси китайских наборов данных для машинного понимания текста (MRC); для загрузки в Transformers README рекомендует класс BertForQuestionAnswering. Модель использует архитектуру BERT, содержит около 129,5 млн параметров и принимает контекст длиной до 512 токенов. В карточке приведены результаты на CMRC 2018, DRCD и SQuAD-Zen. Модель распространяется в форматах PyTorch и TensorFlow по лицензии Apache-2.0.

emilylearning/cond_ft_subreddit_on_reddit__prcnt_100__test_run_False__xlm-roberta-base — дообученная модель на базе XLM-RoBERTa для классификации токенов в текстах Reddit, с условием, связанным с subreddit. Разработчик чекпойнта — emilylearning; базовая архитектура XLM-RoBERTa разработана Facebook AI и представляет собой мультиязычный Transformer-энкодер семейства RoBERTa. Модель содержит около 305,2 млн параметров и поддерживает контекст до 514 токенов. Метаданные Hugging Face указывают задачу token classification, а базовая XLM-RoBERTa обучалась на данных примерно 100 языков и предназначена для последующей адаптации к задачам классификации и sequence labeling. Идентификатор модели указывает на использование данных Reddit и полного варианта набора (`prcnt_100`), но подробные схемы меток и целевые категории в доступных источниках не описаны. Модель подходит для разметки или классификации отдельных токенов в Reddit-текстах после проверки соответствия используемых меток. Лицензия именно этого дообученного чекпойнта в доступных данных не установлена; условия лицензии базовой модели нельзя автоматически считать лицензией производного чекпойнта.

dbmdz/convbert-base-turkish-cased — модель ConvBERT с учётом регистра для турецкого языка, выпущенная командой MDZ Digital Library Баварской государственной библиотеки. Она предназначена для извлечения контекстных представлений текста и использования в качестве основы для прикладных NLP-задач, например разметки частей речи, распознавания именованных сущностей и ответов на вопросы. Архитектура ConvBERT улучшает BERT с помощью динамической свёртки по фрагментам; модель содержит 137,8 млн параметров и рассчитана на контекст до 512 токенов. Модель предварительно обучена на турецком корпусе объёмом 35 ГБ, включающем отфильтрованный и разбитый на предложения OSCAR, Википедию, корпуса OPUS и специальный корпус. Для загрузки используется Transformers. Лицензия — MIT, допускающая широкое использование с соблюдением её условий.

akdeniz27/deberta-v2-xlarge-cuad — модель DeBERTa v2 XLarge, дообученная на наборе данных CUAD для ответов на вопросы по контрактам. Она принимает текст вопроса и контрактного фрагмента и предназначена для извлечения ответов из юридических документов. Модель содержит около 1,1 млрд параметров, использует архитектуру DeBERTa v2 и поддерживает контекст длиной до 512 токенов. Карточка указывает английский язык и формат весов PyTorch и Safetensors. Модель подходит для поиска в договорах ответов на вопросы и извлечения контрактных условий. Она ограничена английскими данными CUAD и контекстом в 512 токенов; карточка не приводит подробностей о качестве на других типах документов. Лицензия в предоставленных данных не указана.

Это модель DistilBERT для классификации токенов, созданная дообучением distilbert-base-uncased на наборе ingredients_yes_no. Она предназначена для разметки токенов в задачах, связанных с ингредиентами. В README приведены результаты на оценочном наборе: F1 0,9915, точность 0,9978, precision 0,9899 и recall 0,9932. Модель построена на архитектуре DistilBERT, принимает текст и выдаёт метки токенов. Максимальная длина контекста — 512 токенов. Опубликована в формате PyTorch по лицензии Apache-2.0. Языковые сведения сверх английского, указанного в названии базовой модели, в источниках не подтверждены.

Карточка модели EdgeAIMed/EdgeAIMed-PII-SuperClinical-Large-434M-v1 на Hugging Face совпадает с карточкой OpenMed/OpenMed-PII-SuperClinical-Large-434M-v1, поэтому описание составлено по ней. OpenMed-PII-SuperClinical-Large-434M-v1 — англоязычная модель OpenMed для обнаружения и классификации персональных и иных чувствительных данных в тексте. Это дообученная на задаче токенной классификации модель Microsoft DeBERTa V3 Large с архитектурой DeBERTa V2; в метаданных указано 533,8 млн параметров и контекст до 512 токенов. Модель размечает 54 типа сущностей, включая имена, адреса, контактные данные, финансовые идентификаторы и сведения из медицинских записей. Модель предназначена для выявления PII в клинических заметках, медицинских документах и текстовых коллекциях, например перед обезличиванием данных, аудитом документов и подготовкой наборов данных. В README приведён результат micro F1 0,9608 на тестовой выборке из NVIDIA Nemotron-PII; качество различается между типами сущностей, а для некоторых категорий оно ниже. Модель рассчитана прежде всего на английский текст и может пропускать чувствительные данные, поэтому результаты в критичных сценариях требуют проверки человеком. Распространяется по лицензии Apache-2.0.

Модель разработана коллективом collective.ai в рамках проекта AymurAI компании DataGenero. Это модель распознавания именованных сущностей для испаноязычных судебных решений: она построена на эмбеддингах BETO — версии BERT для испанского языка — и архитектуре BiLSTM-CRF, обученной по рекомендациям Flair. Модель извлекает из документов сведения, связанные с делами о гендерном насилии, включая даты рождения, даты вынесения решений и национальности. Модель обучена на 1200 судебных решениях закрытого набора данных одного уголовного суда Аргентины. Она предназначена для полуавтоматизированного сбора и анализа данных о делах, а не для самостоятельной юридической оценки. В README приведены метрики по нескольким типам сущностей; например, F1 для дат рождения составляет 0,99, а для дат решений и национальностей — 0,96. Результаты зависят от качества и единообразия документов. Из-за обучения на данных одного аргентинского суда модель может хуже работать с другими странами, правовыми системами и культурными контекстами. Проект AymurAI описан как прототип, внедряемый в одном суде Буэнос-Айреса. Лицензия модели — MIT.

GLiFormer Large v1 (NER) for LiteRT — мобильная версия пути извлечения именованных сущностей из GLiFormer Large v1, подготовленная сообществом litert-community. Модель содержит 575,6 млн параметров; веса преобразованы в формат LiteRT/TFLite без приближения вычислений. Репозиторий включает варианты с окнами на 128, 256 и 512 токенов; длинные окна используют отдельные графы энкодера и классификационной головы. Модель извлекает сущности из англоязычного текста, возвращая метки, оценки и смещения начала и конца фрагментов в исходной строке. Она предназначена для локального запуска на Android-устройствах с LiteRT, а также включает Python-конвейер для настольного CPU. На Samsung Galaxy S26 проверено точное совпадение результатов с официальной реализацией GLiFormer на 70 англоязычных примерах; практическим пределом для приложения автор README считает окно 256 токенов, а для более длинных документов предлагает обработку по предложениям. У модели высокие требования к памяти: даже вариант с окном 128 токенов занимает около 2,6 ГБ после загрузки и до 4,5 ГБ при компиляции GPU-графа; рекомендуется телефон флагманского класса. Проверена конфигурация LiteRT 2.2.0 с GPU FP32 только на указанном устройстве, поэтому работу на других GPU и менее мощных телефонах README не подтверждает. Лицензия — Apache-2.0.

ai4data/gliner2_datause — модель GLiNER2, дообученная ai4data на fastino/gliner2-large-v1 для извлечения упоминаний источников данных из экономических научных статей. Она размечает фрагменты текста тремя типами: NAMED_DATA для названий и аббревиатур конкретных источников, DESCRIPTIVE_DATA для описаний источника без названия и VAGUE_DATA для общих упоминаний данных без идентифицируемого источника. Модель предназначена для поиска наборов данных, обследований, переписей и реестров в исследовательских публикациях. В проверке на отложенной выборке набора data-use-mentions-extended указаны лучшие F0.5 0,8645 при пороге 0,7 и F1 0,8632 при пороге 0,6; сравнение в README также показывает результаты извлечения и скорость обработки. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не сообщает контекстное окно и языковой охват, поэтому описание не предполагает поддержку конкретных языков.

HiNER-collapsed-muril-base-cased — модель классификации токенов на базе архитектуры BERT, обученная с нуля на наборе данных cfilt/HiNER-collapsed. Она предназначена для присвоения меток отдельным токенам, однако карточка не описывает набор меток и конкретные сценарии разметки. Модель содержит 264,8 млн параметров, принимает последовательности длиной до 512 токенов и опубликована в формате PyTorch. По названию можно предположить связь с MuRIL и обработкой индийских языков, но README и метаданные не подтверждают, что именно это за языки или назначение разметки. Лицензия в предоставленных сведениях не указана.

FrameByFrame разработала модель для обнаружения персональных данных в корейском тексте. Это дообученная для токенной классификации версия multilingual-e5-base на основе двунаправленного энкодера XLM-RoBERTa с 305,2 млн параметров и контекстом до 514 токенов. Модель размечает девять категорий PII, включая имена, адреса, телефоны, электронную почту, URL, IP-адреса и номера счетов; выдаёт метки BIOES, которые можно преобразовать в символьные диапазоны для последующего удаления или маскировки данных. Модель предназначена для поиска корейских персональных данных в разговорной речи, новостях и документах. В README приведены результаты F1 0,943 на тесте KDPII, 0,866 на новостях KLUE-NER и 0,995 на тестовых документах из страховой и государственной сфер; последний результат может завышать переносимость на реальные данные. Указанные языки — корейский и английский, однако специализация модели — корейский текст. Лицензия — MIT.

alex-apostolo/legal-bert-small-cuad — дообученная версия nlpaueb/legal-bert-small-uncased для ответов на вопросы по юридическим документам. Модель построена на архитектуре BERT, содержит 40,8 млн параметров и принимает текстовые запросы и фрагменты документов; максимальная длина контекста — 512 токенов. Она дообучена на наборе CUAD и предназначена для извлечения ответов на вопросы по договорам. В карточке указана потеря 0,0371 на оценочном наборе, но подробности оценки не приведены. Лицензия — CC-BY-SA-4.0.

MuXodious/LFM2.5-1.2B-Thinking-absolute-heresy — это дообученная версия LFM2.5-1.2B-Thinking от Liquid AI, созданная с помощью инструмента Heretic (v1.1.0) и экспериментального алгоритма abliteration. Модель сохраняет текстовую архитектуру LFM2 и предназначена для генерации ответов в диалогах и рассуждений; карточка также рекомендует её для агентных сценариев, извлечения данных и RAG. В метаданных указаны 1,5 млрд параметров, контекст до 128 000 токенов и поддержка английского, арабского, китайского, французского, немецкого, японского, корейского и испанского языков. Модель поставляется в формате Safetensors и рассчитана на работу через Transformers. В карточке приведены результаты abliteration: число отказов снизилось с 99 до 5 из 100, а KL-дивергенция составила 0,0093; автор отмечает, что классификация «Absolute Heresy» условна и не отражает качество модели. Модель не рекомендуется для задач, требующих обширных знаний, и программирования. Лицензия обозначена как other; конкретные условия в предоставленных данных не раскрыты.

LFM2.5-350M-RLCD — репозиторий notnotsamuel с кодом параллельного вывода структурированных данных на основе неизменённых весов LiquidAI/LFM2.5-350M. Модель семейства LFM2 — плотная причинная языковая модель с 444,6 млн параметров и контекстом до 128 000 токенов; для запуска используются Transformers и PyTorch, веса хранятся в safetensors. В README указана работа с английским, французским и испанским языками. Решение предназначено для извлечения значений из текста в поля с ограниченным набором вариантов: оно повторно использует состояние контекста, оценивает кандидаты параллельно, а затем собирает JSON в Python. Поддерживаются плоские схемы, где каждое поле обязательно и имеет тип boolean или непустой строковый enum; пример посвящён классификации обращений в поддержку. В опубликованных синтетических тестах для 28 булевых полей показано ускорение относительно авторегрессивного вывода, но результат зависит от нагрузки и оборудования. Корректный JSON и соответствие поддерживаемой схеме обеспечивает программная сборка, а не точность модели. В тесте на 28 полях ни один метод не получил полностью правильный объект; точность полей для ограниченного вывода составляла 60,7–64,3%. Поля выбираются независимо, оценки не являются калиброванной уверенностью, большие наборы вариантов могут исчерпать память, а неподдерживаемые ограничения схемы отклоняются. Лицензия указана как other; конкретные условия следует сверять с карточкой и файлами репозитория.

Charangan/MedBERT — англоязычная BERT-модель для биомедицинских текстов, разработанная для распознавания именованных сущностей. Модель инициализирована весами Bio_ClinicalBERT и дополнительно предобучена на клинических записях N2C2 и статьях из наборов BioNLP и CRAFT. Это плотная архитектура BERTForPreTraining с 135,5 млн параметров и контекстом до 512 токенов; доступна в формате PyTorch. Модель предназначена для выделения биомедицинских сущностей в клинических записях и научных публикациях. Метаданные указывают задачу fill-mask, то есть восстановление скрытых токенов; это поддерживает применение модели как предобученного языкового представления, но карточка не приводит готового пайплайна NER или метрик качества. Лицензия — MIT.

Meddies PII v2 — энкодер на 350 млн параметров для обнаружения персональных данных в тексте, разработанный MeddiesAI на основе LiquidAI LFM2.5 Encoder 350M PII Detector. Модель дообучена с помощью LoRA и классификационной головы BIOES; она находит девять типов данных: адреса, названия компаний, даты, адреса электронной почты, имена людей, идентификаторы, номера телефонов, приватные URL и секреты. Для каждого фрагмента возвращаются метка и точные символьные границы. Модель предназначена прежде всего для проверки клинических записей, направлений, сообщений и экспортированных документов перед обезличиванием или передачей. Она поддерживает 17 языков, включая русский, английский, немецкий, испанский, французский, японский и китайский. В README приведены результаты оценки на смешанном наборе из синтетических и открытых данных; они не гарантируют качество на документах конкретной организации. Модель не анализирует изображения и структуру документа, не размечает диагнозы, лабораторные результаты, возраст, дозировки и медицинские измерения; закрытый набор меток не охватывает все виды идентификаторов. Авторы предупреждают, что модель может пропустить данные, поэтому необходима проверка человеком, особенно в регулируемых процессах. Для релиза указана лицензия CC BY-NC 4.0 на права MeddiesAI; материалы LiquidAI подчиняются отдельной лицензии LFM Open License v1.0.

whr778/mmbert-base-rams — модель извлечения информации на базе GLiNER2, дообученная автором на энкодере jhu-clsp/mmBERT-base. Она предназначена для извлечения событий из англоязычных текстов: определения типа события, нахождения триггера и выделения аргументов с их ролями. В обучающем наборе RAMS было 7 329 примеров; модель охватывает 139 типов событий и 65 ролей аргументов. На тестовой выборке модель показала F1 0,964 для определения типа события и 0,611 для извлечения триггеров. Качество извлечения аргументов значительно ниже: F1 0,050 при строгом сопоставлении и 0,213 при более мягком. Модель также описана как поддерживающая извлечение сущностей, отношений и классификацию, однако приведённые метрики относятся к извлечению событий. Лицензия указана как other, поэтому условия использования следует проверять в репозитории и у источников обучающих данных.

Это модель распознавания именованных сущностей, дообученная командой NLP4BIA Барселонского суперкомпьютерного центра на основе DT4H/CardioBERTa.it. Она предназначена для поиска упоминаний заболеваний в итальянских клинических текстах и присваивает токенам метки BIO: O, B-DISEASE и I-DISEASE. Модель построена на архитектуре BERT, содержит 137,1 млн параметров и принимает последовательности длиной до 512 токенов. Модель подходит для извлечения упоминаний заболеваний из клинических документов и электронных медицинских записей на итальянском языке. Для воспроизведения опубликованных результатов требуется такая же предварительная токенизация слов и знаков, как при обучении, с последующим выравниванием позиций сущностей; обычная токенизация Transformers может давать отличающиеся границы сущностей около пунктуации. На тестовом наборе MultiClinNER строгий F1 составил 0,7147, символьный F1 — 0,8254. Авторы не оценивали встроенные смещения модели. Лицензия — CC BY 4.0.

MuRIL Large — мультиязычная модель Google на архитектуре BERT Large с 24 слоями и примерно 604,7 млн параметров. Она предварительно обучена на корпусах Википедии, Common Crawl, PMINDIA и Dakshina для 17 индийских языков и их транслитерированных вариантов. При обучении использовались маскирование целых слов, а также пары переводов и транслитераций; максимальная длина последовательности составляет 512 токенов. Модель предназначена для извлечения контекстных представлений и последующей настройки под задачи NLP для индийских языков. В карточке показаны результаты настройки для распознавания именованных сущностей, разметки частей речи, определения межъязыкового следования и ответов на вопросы. Она поддерживает работу с транслитерированным текстом, но не рассчитана на языки за пределами обучающего набора. Указанная в репозитории лицензия не приводится в предоставленных данных.

raynardj разработал модель для распознавания упоминаний заболеваний в биомедицинском тексте. Это модель классификации токенов на базе RoBERTa, дообученной на корпусах NCBI Disease и BC5CDR с использованием предварительно обученной на текстах PubMed модели. В метках модели используется класс Disease для токенов, относящихся к заболеваниям, и O для остальных; начальные и внутренние части сущностей отдельно не размечаются. Модель предназначена для извлечения названий заболеваний из публикаций и других биомедицинских текстов на английском языке. Она содержит 151,8 млн параметров, принимает текст с контекстом до 514 токенов и распространяется по лицензии Apache-2.0. В README также упоминаются отдельные модели автора для распознавания генов и химических веществ, но эта карточка описывает именно модель заболеваний.

Nyaya-7B — инструктивно дообученная на базе Mistral-7B-Instruct-v0.3 языковая модель для извлечения структурированных сведений из судебных решений Индии в формате JSON. Она предназначена для обработки текстов решений Верховного суда и судов штатов Индии в юридических исследовательских и аналитических системах, автоматизации параюридических процессов, оцифровки архивов и построения юридического поиска и графов знаний. Модель имеет плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; принимает текст и генерирует текст, включая структурированные JSON-данные. Карточка сообщает об обучении на материалах ILSum и InLegalNLP, преимущественно на англоязычных решениях, и указывает английский и хинди как языки модели. Модель можно запускать локально через Transformers, а адаптер был объединён с базовыми весами. README приводит оценку на тестовом наборе из 50 дел и сравнение с Gemini 2.5 Flash, но результаты не гарантируют точность на других документах. Модель не предназначена для юридических консультаций или принятия решений: она может ошибаться в цитатах и хуже работать с решениями до 1950 года, региональными и смешанными языками, новыми законами и текстом, полученным из сканов без предварительного OCR. Лицензия — Apache-2.0.

OpenMed разработала специализированную модель распознавания анатомических сущностей в медицинском и биомедицинском тексте. Это дообученная ModernBERT-large с архитектурой ModernBertForTokenClassification, примерно 394,7 млн параметров и контекстом до 8192 токенов. Модель принимает текст и размечает фрагменты BIO-тегами B-Anatomy и I-Anatomy, выделяя анатомические структуры и части тела. В метаданных указан английский язык, формат весов — safetensors. Модель предназначена для извлечения анатомических упоминаний из клинических записей, медицинских документов и научной литературы, например для поиска по корпусам и построения биомедицинских баз знаний. В README приведены F1 и точность 0,87, полнота 0,87 и accuracy 0,97 на ANATOMY; эти результаты зависят от данных и условий оценки. Модель опубликована под лицензией Apache-2.0.