I.4Обработка документов и форм

PaliGemma 3B PT 896 — предварительно обученная компактная модель для работы с изображениями и текстом, разработанная Google. Она сочетает визуальный энкодер SigLIP с языковой моделью Gemma и принимает изображение вместе с текстовым запросом, выдавая текст. Модель рассчитана на дообучение под конкретную задачу: описание изображений и коротких видео, визуальные вопросы и ответы, чтение текста на изображениях, обнаружение и сегментацию объектов. Модель поддерживает несколько языков и предназначена для одношагового взаимодействия, а не для многоходового диалога. Она лучше подходит для задач с чёткими инструкциями и специализированным дообучением; ответы на открытые и сложные вопросы могут быть неточными, а готовое качество без адаптации к задаче может уступать специализированным моделям. Весовые файлы представлены в формате safetensors. Лицензия — Gemma; применение должно соответствовать условиям лицензии и правилам использования моделей Gemma.

PP-FormulaNet_plus-S — модель распознавания математических формул на изображениях, разработанная командой PaddleOCR. Это версия S семейства PP-FormulaNet_plus, использующая backbone PPHGNetV2_B4; она ориентирована на улучшенное распознавание формул на английском языке. Модель преобразует изображение формулы в текстовое представление LaTeX и может использоваться как модуль распознавания в конвейере обработки документов. При обучении использовался более разнообразный набор формул из китайских диссертаций, профессиональных и учебных книг, экзаменационных работ и математических журналов. В README приведены оценки BLEU для английских и китайских формул, а также время GPU-инференса для семейства моделей. Репозиторий распространяется по лицензии Apache-2.0.

Qwen3.5 Plus — модель серии Qwen3.5 с поддержкой зрения и языка, построенная на гибридной архитектуре, сочетающей линейное внимание и разреженную смесь экспертов. В карточке модель описана как часть серии native vision-language Plus, ориентированной на более эффективный вывод. Модель предназначена для задач, где нужно совместно обрабатывать визуальные данные и текст. Доступные сведения не позволяют уточнить конкретные сценарии, размер, контекст, языки или условия лицензии.

Qwen3.8-27B-tq3-mini-g64 — мультимодальная плотная модель семейства Qwen, представленная в репозитории manjunathshiva и подготовленная как сборка TurboQuant с 3-битной квантизацией для запуска через MLX на компьютерах Apple Silicon. В основе лежит Qwen/Qwen3.8-27B с 27,8 млрд параметров; архитектура включает 64 декодерных слоя, в том числе 48 слоёв Gated DeltaNet и 16 слоёв полного внимания, а также зрительный модуль. Модель принимает текст и изображения и предназначена для диалогов, анализа визуальных данных и ответов на вопросы по изображениям. Сборка занимает около 11,55 ГиБ вместо 55,6 ГБ в bf16 и проверена на Mac mini с 16 ГБ памяти. По данным README, она показала результат 4/4 на тестах зрения с ограничением размера изображений. На 16-гигабайтном Mac генерация медленная — около 3,6–3,9 токена в секунду; для интерактивных диалогов и агентных циклов такая конфигурация не подходит. README сообщает об увеличении perplexity на 10,4% относительно 4-битной сборки. Лицензия — Apache-2.0.

unsloth/Qwen3.8-Flash-Next-GGUF — GGUF-версия экспериментальной мультимодальной модели Qwen3.8-Flash-Next, разработанной командой Qwen и подготовленной для распространения Unsloth. Это каузальная языковая модель с vision encoder, предназначенная для обработки текста и изображений, включая мультимодальные и агентские сценарии. Для запуска рекомендуется использовать llama.cpp или Unsloth Desktop; также заявлена поддержка ускорения инференса с помощью MTP. Модель имеет 125 млрд параметров, из которых 6 млрд активируются при работе, а также 51 млрд параметров n-gram embedding и 4 млрд параметров MTP. Архитектура включает 48 слоёв, гибридную связку Gated DeltaNet и Qwen Sparse Attention, Mixture of Experts с 512 экспертами и 10 маршрутизируемыми плюс одним общим активным экспертом, Gated Residual и n-gram embedding. Нативная длина контекста составляет 262 144 токена и может расширяться до 1 000 000 токенов. Поддерживаемые языки в README не указаны. К сильным сторонам относятся разреженное внимание на уровне блоков, рассчитанное на снижение задержки при длинном контексте, экономичное масштабирование параметров и малая доля активных параметров относительно общего размера модели. Ограничения связаны с экспериментальным статусом архитектуры, потенциально высокими требованиями к памяти и вычислительным ресурсам, а также отсутствием в предоставленном README подробных результатов бенчмарков и описания языкового покрытия. Модель распространяется по лицензии qwen-community-1.0; указанный тип лицензии — other.

inferencerlabs/Qwen3.8-Flash-Next-MLX-Q4 — это мультимодальная квантованная версия модели Qwen3.8-Flash-Next, адаптированная для инференса с использованием MLX. README не указывает разработчика исходной модели; опубликованный вариант предоставлен inferencerlabs. Модель поддерживает сценарии image-text-to-text, то есть обработку изображений и текста с генерацией текстового ответа. Модель предназначена для локального запуска, в частности на компьютерах Apple Silicon через приложение Inferencer. В README приведён результат тестирования на M5 Max: около 57,5 токена в секунду при использовании примерно 98,7 GiB памяти для мультимодального инференса. Также указано, что для больших контекстных окон может потребоваться увеличение доступной памяти. Архитектура, количество параметров, точный размер контекста и поддерживаемые языки не указаны. Ключевое преимущество модели — снижение требований к памяти и вычислениям за счёт квантования при сохранении значительной точности. Для варианта с квантованием Q4.5 README указывает точность токенов 91,65% и perplexity 1,33593; эти показатели приведены для оценки квантования и могут не полностью соответствовать варианту Q4 из идентификатора модели. Ограничения включают возможное снижение точности по сравнению с базовой моделью, высокие требования к оперативной памяти для мультимодальной работы и отсутствие в README сведений о лицензии, поэтому условия использования следует уточнять отдельно.

Tommert25/robbert0410_lrate7.5b4 — дообученная модель классификации токенов, созданная на основе нидерландской RobBERT-v2 Dutch Base от pdelobelle. Она построена на архитектуре RoBERTa, содержит 144 млн параметров и принимает текстовые последовательности длиной до 514 токенов. Модель предназначена для разметки отдельных токенов в нидерландском тексте. Конкретный тип разметки и обучающий датасет в карточке не раскрыты. На указанном в README наборе оценки получены precision 0,7671, recall 0,7305, F-мера 0,7455 и accuracy 0,8904. Распространяется по лицензии MIT.

markusiko/rubert-base-punctuation — русскоязычная модель Марка Столярова для восстановления пунктуации. Она основана на ruBert-base и дообучена для предсказания знака после каждого слова в предложении. Архитектура — BERT для классификации токенов, размер — 205,5 млн параметров, контекст — до 512 токенов. Модель предназначена для восстановления знаков вопроса, восклицания, точки, запятой, двоеточия и многоточия в русском тексте. При обучении использовано более 20 тысяч абзацев из русской литературы. Для работы текст следует подавать без пунктуации; модель не исправляет регистр букв. Репозиторий распространяется по лицензии MIT.

ZihCiLin разработала TrOCR-модель на архитектуре vision-encoder-decoder для распознавания традиционного китайского текста на изображениях. Модель обучена с нуля на 4,1 млн синтетических пар «изображение—текст» и рассчитана на OCR исторических документов. Поддерживаются горизонтальная и вертикальная верстка, а набор символов включает 13 172 знака CNS11643. Модель подходит для распознавания традиционного китайского текста и оцифровки исторических документов с чистой печатной разметкой. На сильно повреждённых реальных документах и рукописях качество может снижаться; для исторических рукописей автор рекомендует вариант с дополнительным дообучением. Лицензия в доступных данных не указана.

Anonym-IA разработала V2 CamemBERT-NER-PII French — модель CamemBERT-base, дообученную для обнаружения персональных данных в документах на французском языке. Она предназначена для последующей анонимизации или псевдонимизации конфиденциальных документов, в частности юридических материалов и документов регулируемых профессий. Модель выполняет классификацию токенов и размечает категории PII, включая имена, адреса, номера социального страхования, IBAN, номера юридических дел, кадастровые ссылки и названия компаний; README заявляет более 70 категорий. Указан F1 0,933 на гибридном наборе данных примерно из 57 тысяч примеров. Базовая модель — almanach/camembert-base; размер модели в метаданных — 137,8 млн параметров, контекст — 2050 токенов. Для запуска описаны варианты ONNX FP32 и INT8, но основной формат репозитория — safetensors. Модель ориентирована на французские документы. Она выделяет сущности для последующей обработки, а не выполняет полную замену данных сама по себе. Заявленная оценка качества относится к описанному набору данных; результаты на других типах документов могут отличаться. Лицензия — MIT.

Это модель murali1996 на базе bert-base-cased, дообученная для исправления орфографических ошибок. Она предназначена для коррекции текста; подробности обучения и оценки автор предлагает смотреть в репозитории neuspell. Модель построена на архитектуре BERT, содержит 135,5 млн параметров и принимает последовательности длиной до 512 токенов. Доступны веса в форматах PyTorch и Flax. Лицензия в предоставленных данных не указана.

Это модель распознавания именованных сущностей на испанском языке, разработанная Лаурой Валеро и Кристианом Валенсией в рамках курса Taller PLN магистратуры Univalle. Она обучена на CoNLL-2002 для разметки токенов и использует архитектуру BiLSTM с выходным слоем CRF, символьную CharCNN и 300-мерные испанские эмбеддинги FastText. На тестовой части CoNLL-2002 модель показала F1 0,8059, точность 0,8057 и полноту 0,8061. Для использования требуется доверие к пользовательскому коду репозитория (`trust_remote_code=True`). Модель распространяется по лицензии CC BY-NC-SA 4.0.

Это модель распознавания именованных сущностей на испанском языке, разработанная Лаурой Валеро и Кристианом Валенсией в рамках учебного проекта Taller PLN магистратуры Univalle. Она обучена на испанской части CoNLL-2002 и предназначена для разметки токенов и извлечения сущностей из испаноязычного текста. Модель использует BiLSTM с выходным CRF, символьную CNN и 300-мерные испанские FastText-эмбеддинги cc.es.300. В карточке приведены результаты на тестовой выборке CoNLL-2002: F1 0,8064, точность 0,8066 и полнота 0,8061. Для загрузки пользовательского кода требуется trust_remote_code=True. Лицензия — CC BY-NC-SA 4.0.

Модель almanach/camembertav2-base-ftb-ner разработана Виссамом Антуном из Almanach, Inria-Paris. Это дообученная версия almanach/camembertav2-base на архитектуре DeBERTa-v2, предназначенная для распознавания именованных сущностей во французском тексте с помощью пок tokenной классификации. Модель обучена на наборе FTB-NER и показала F1 0,93966 на этом наборе. Её можно применять для выделения сущностей во французских текстах; число параметров составляет 138,4 млн, контекст — до 1024 токенов. Модель распространяется по лицензии MIT. Качество и переносимость могут снижаться на данных, отличающихся от FTB-NER; карточка также предупреждает о возможных смещениях, унаследованных от обучающих данных.

Babelscape/cner-base — модель на базе DeBERTa-v3-base, дообученная Babelscape на один эпохе датасета CNER. Она совместно распознаёт в тексте понятия и именованные сущности, присваивая им детализированные метки. Модель предназначена для извлечения сущностей и понятий из англоязычных текстов; её можно применять через NER pipeline библиотеки Transformers. Размер модели — 211,6 млн параметров, контекст — до 512 токенов. Результаты могут отличаться от опубликованных в статье NAACL 2024, поскольку модель обучалась один эпохой с настройками по умолчанию. Репозиторий распространяется по лицензии CC BY-NC-SA 4.0 только для некоммерческих исследовательских целей; базовая microsoft/deberta-v3-base имеет лицензию MIT.

DBNet — модель компьютерного зрения для обнаружения текстовых областей на естественных изображениях, подготовленная shuzi-mewtant для использования с библиотекой Hugging Face Transformers. В архитектуре DBNet используется backbone ResNet-18 и Feature Pyramid Network для объединения признаков разных масштабов. Модель принимает RGB-изображение, автоматически изменяет его размер или дополняет до входа 1024×1024 пикселя и формирует карты вероятностей для локализации текста. Модель предназначена для поиска горизонтальных и наклонённых текстовых областей, например на фотографиях вывесок и уличных сцен. Для лучшей локализации README описывает постобработку с NMS и расширением рамок; обучение проводилось на ICDAR 2015. Карточка не приводит конкретных метрик качества. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

Модель NAMAA Community — плоский базовый чекпойнт для распознавания именованных сущностей на арабском языке. Она дообучена для KnowledgeGraphEval 2026 на базе aubmindlab/bert-base-arabertv02: используется архитектура BERT с классификатором токенов, 162,4 млн параметров и контекстом до 512 токенов. Модель размечает токены по 21 типу сущностей в схеме BIO и предназначена для обычного конвейера token-classification. Основные сценарии — извлечение сущностей из арабских текстов и воспроизведение сравнения плоской и вложенной разметки Wojood. На валидации Wojood указана строгая micro-F1 0,9003, на кросс-доменной выборке Konooz — 0,69. Чекпойнт не представляет вложенные или пересекающиеся упоминания, а отсутствие класса I-UNIT не позволяет предсказывать многотокенные сущности UNIT. Для практического применения README рекомендует вложенную версию модели. Модель опубликована под лицензией Apache-2.0. Она рассчитана на арабский язык; для решений с существенными последствиями, касающихся людей или организаций, требуется проверка человеком.

RedHatAI/gemma-3-27b-it-quantized.w4a16 — квантованная версия мультимодальной модели google/gemma-3-27b-it, разработанная RedHatAI. Модель принимает текст и изображения, а генерирует текст; она предназначена для задач визуально-текстового анализа и генерации ответов по мультимодальным запросам. Модель содержит 27 млрд параметров. Её веса квантизированы в INT4, а активации используют FP16, что снижает требования к памяти и делает модель более эффективной для инференса. Версия подготовлена для запуска через vLLM версии 0.8.0 и выше, включая OpenAI-совместимый режим сервинга. В README не указаны поддерживаемые языки и максимальная длина контекста; в приведённой конфигурации оценки использовалась длина контекста до 4096 токенов. К сильным сторонам относятся поддержка изображений наряду с текстом и уменьшенный объём памяти по сравнению с полноразмерной моделью. Ограничения включают возможное снижение точности из-за INT4-квантизации, зависимость от совместимого окружения vLLM и отсутствие в предоставленных данных подробных результатов мультимодальной оценки. Модель распространяется по лицензии Gemma.

Модель dxv2k/gemma-4-E4B-it-merged — версия Google Gemma 4 E4B Instruct с объединёнными с базовыми весами параметрами LoRA-адаптера. Адаптер обучен для слоёв q/k/v/o/gate/up/down языковой модели с рангом 16 и alpha 32; веса сохранены в формате bf16. По метаданным, модель поддерживает диалог и анализ изображений и предназначена для задач image-text-to-text. Модель принимает текст и изображения и генерирует текстовые ответы. Для развёртывания README предлагает Inference Endpoints с пользовательским обработчиком и Transformers версии не ниже 5.12.1; для запуска на GPU требуется не менее 24 ГБ видеопамяти. Используется лицензия Gemma.

GolemPII-v1 — модель CordwainerSmith для выявления и классификации персональных данных в тексте на иврите. Она дообучена для токеновой классификации на базе XLM-RoBERTa-base и корпуса GolemGuard: Hebrew Privacy Information Detection Corpus. Модель содержит 305,2 млн параметров, принимает текст и возвращает метки для отдельных токенов; максимальная длина контекста — 514 токенов. Модель предназначена для обнаружения и маскирования персональных данных, автоматического обезличивания документов и исследований по обработке иврита. В карточке приведены высокие результаты оценки на тестовых данных, однако они не гарантируют такую же точность на других источниках и типах текста. Репозиторий распространяется по лицензии MIT.

Это модель распознавания именованных сущностей в юридических текстах на бразильском португальском языке. Её разработал dominguesm, дообучив dominguesm/legal-bert-base-cased-ptbr на задаче классификации токенов. Модель построена на BERT, содержит 136,1 млн параметров и обрабатывает контекст длиной до 512 токенов. Модель выделяет людей, организации, места, временные выражения, законодательные акты и судебную практику. Она предназначена для анализа юридических документов, исследований в области обработки естественного языка и правовых технологий. В README приведены тестовые метрики: общие precision 0,943, recall 0,961 и F1 0,952. Для обучения использовались юридические документы, предоставленные Федеральным верховным судом Бразилии на условиях LREC 2020. Автор предупреждает о возможной проблеме pipeline с максимальной длиной входной последовательности. Модель распространяется по лицензии CC BY 4.0.

Карточка модели Akfmsk/LocateAnything-3B-custom на Hugging Face совпадает с карточкой nvidia/LocateAnything-3B, поэтому описание составлено по ней. LocateAnything-3B — разработанная NVIDIA в рамках семейства Eagle vision-language модель для визуальной локализации по изображениям и текстовым запросам. Она предназначена для разработчиков и исследователей, которым нужны обнаружение объектов, поиск областей по описанию и другие задачи пространственного понимания в приложениях Enterprise Intelligence и Physical AI. Модель основана на трансформерной VLM с визуальным энкодером MoonViT, языковой частью Qwen2.5-3B-Instruct и MLP-проектором; содержит около 3 млрд параметров. Принимает RGB-изображения исходного разрешения до 2,5K и текстовые запросы; заявлена поддержка промптов до 24K токенов. Модель выполняет поиск одного или нескольких объектов, плотное обнаружение в сложных сценах, привязку выражений к областям, локализацию элементов GUI и текста, а также выдаёт рамки и точки. Механизм Parallel Box Decoding предсказывает координаты блоками параллельно, что, по данным карточки, обеспечивает до 2,5 раза более высокую пропускную способность по сравнению с предшествующими подходами. Обучение охватывает природные сцены, робототехнику, вождение, GUI и документы; заявленный масштаб обучающих данных — 12 млн изображений и более 138 млн запросов. Карточка позиционирует релиз для исследований и разработки. Лицензия указана как other, поэтому конкретные права использования следует сверять с условиями репозитория.

Nougat Small — модель семейства Nougat, разработанная командой Nougat для преобразования страниц научных PDF-документов в Markdown. Это версия 0.1.0-small; модель обучена на задаче транскрибации PDF в Markdown и предсказывает текст по изображению страницы. Архитектура состоит из визуального кодировщика Swin Transformer и текстового декодировщика mBART в схеме vision-encoder-decoder. Модель принимает изображение страницы и генерирует текстовую разметку Markdown. Лицензия — CC BY 4.0. Основное применение — извлечение и структурированная транскрибация содержимого научных документов. Карточка рекомендует использовать модель для преобразования PDF в Markdown; отдельные количественные характеристики и ограничения качества в README не приведены.

PaliGemma 2 10B Mix 224 — разработанная Google открытая модель зрения и языка, построенная на компонентах SigLIP и Gemma 2. Она принимает изображение и текст и генерирует текст; вариант 224 предназначен для работы с изображениями разрешением 224 пикселя. Модель рассчитана прежде всего на дообучение под конкретные задачи визуального языка и поддерживает несколько языков. Модель подходит для описания изображений и коротких видео, визуальных вопросов и ответов, распознавания текста на изображениях, поиска объектов с выдачей рамок и сегментации объектов. В карточке также показаны шаблоны запросов для генерации вопросов по изображению и локализации объектов. PaliGemma 2 лучше работает с чёткими инструкциями; без дообучения её результаты могут уступать моделям общего назначения, а сама модель не предназначена для многоходового диалога. Ответы могут содержать фактические ошибки, а анализ сложного контекста, нюансов и здравого смысла ограничен. Лицензия Gemma; при использовании необходимо соблюдать политику запрещённых применений Gemma.

PaliGemma 3B Mix 448 — компактная модель для понимания изображений и текста, разработанная Google. Она объединяет зрительный энкодер SigLIP и языковую модель Gemma, принимает изображение и текстовый запрос и генерирует текст. Версия Mix предназначена для последующей настройки под конкретные задачи; поддерживает сценарии с изображениями и короткими видео, включая описание изображений, визуальные вопросы и ответы, чтение текста на изображении, обнаружение объектов и сегментацию. Модель рассчитана на одношаговую обработку и не предназначена для многоходового диалога. Для специализированных задач рекомендуется дообучение: качество без настройки может уступать моделям, созданным для конкретной задачи. Ответы могут содержать фактические ошибки, а сложные инструкции, языковые нюансы и рассуждения на основе здравого смысла могут даваться модели трудно. Веса опубликованы в формате safetensors; лицензия — Gemma.

leo009/paligemma-3b-pt-224 — вариант PaliGemma 3B от разработчика leo009, основанный на открытых компонентах SigLIP и Gemma. Это предобученная модель зрения и языка: принимает изображение размером 224×224 и текст, а затем генерирует текст; длина текстовой последовательности на входе и выходе составляет 128 токенов. Архитектура реализована в Transformers как PaliGemmaForConditionalGeneration, веса доступны в формате safetensors. Модель предназначена прежде всего для дообучения под отдельные задачи: создание подписей к изображениям и коротким видео, ответы на визуальные вопросы, чтение текста на изображениях, обнаружение и сегментация объектов. Также её можно адаптировать для вопросов по снимкам дистанционного зондирования, помощи незрячим пользователям и описания элементов интерфейса. Модель поддерживает несколько языков, но карточка не перечисляет их. PaliGemma рассчитана на один раунд ввода изображения и текста и не предназначена для многоходового диалога. Без дополнительного обучения результаты на специализированных задачах могут уступать специализированным моделям; сложные открытые запросы, нюансы языка и фактические утверждения могут обрабатываться ненадёжно. Указана лицензия Gemma.

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

PP-FormulaNet_plus-M — модель распознавания математических формул по изображениям, разработанная командой PaddleOCR. Она входит в линейку PP-FormulaNet_plus и предназначена для преобразования формул в изображениях в исходный код LaTeX, в том числе при разборе страниц с учебниками, диссертациями, экзаменационными материалами и научными журналами. Версия M поддерживает китайские формулы и обрабатывает последовательности до 2 560 токенов, что позволяет распознавать сложные выражения. Модель рассчитана на английские и китайские формулы; в качестве библиотеки используется PaddleOCR. Лицензия — Apache-2.0. Модель можно применять отдельно или как модуль распознавания формул в конвейерах анализа документов PaddleOCR. Показатели качества и скорости в README не приводятся для версии M, поэтому их нельзя оценить по имеющимся сведениям.

Qwen-VL-Chat-Int4 — квантованная до Int4 версия диалоговой визуально-языковой модели Qwen-VL-Chat, разработанной Alibaba Cloud. Модель предназначена для мультимодального взаимодействия: принимает изображения, текст и ограничивающие рамки, а генерирует текстовые ответы и ограничивающие рамки. Она поддерживает многоязычные диалоги, включая китайский и английский, работу с несколькими изображениями в одном диалоге, открытое распознавание объектов, детальное понимание изображений и визуальную локализацию на китайском языке. Модель подходит для анализа изображений в формате вопрос–ответ, описания сцен и объектов, распознавания содержимого и указания координат найденных объектов. Версия Int4 рассчитана на более эффективное по памяти и скорости инференс-развёртывание; в тестах на одной видеокарте A100-SXM4-80G она показывала скорость 37,79 токена/с для контекста 2048 токенов и 34,34 токена/с для контекста 8192 токенов. По данным README, квантование не привело к значительному падению качества на бенчмарке TouchStone. К ограничениям относятся необходимость совместимого окружения с Python 3.8+, PyTorch 2.0+ и рекомендуемой CUDA 11.4+, а также зависимость от GPU-инференса и специального программного стека. В README не указаны размер модели, точная архитектура, максимальная длина контекста и лицензия, поэтому эти характеристики нельзя определить по предоставленным данным.

Buseak разработал модель spellcorrector_17_02_050_qwerty как дообученную версию google/canine-s с архитектурой CanineForTokenClassification. Модель содержит 113,2 млн параметров, использует формат safetensors и имеет контекстное окно 16 384 токена. Она предназначена для исправления орфографических ошибок с помощью классификации токенов; README сообщает об оценках на наборе проверки: F1 0,9909 и accuracy 0,9952. Базовая модель Google — многоязычная символьная модель для понимания текста. Конкретные поддерживаемые языки, состав обучающих данных и сценарии обработки ошибок в карточке не раскрыты. Модель опубликована по лицензии Apache-2.0.