I.4Обработка документов и форм

xusenlin/uie-base — китайская модель для универсального извлечения информации, основанная на подходе UIE, предложенном Яоцзе Лу и соавторами на ACL 2022. По карточке модель обучена PaddleNLP на базе ERNIE 3.0 и объединяет извлечение сущностей, отношений и событий, а также анализ тональности в единой схеме.

WuQi-V3-Onyx-27B GGUF — персонализированная модель, разработанная Alniyat5f на основе Qwen3.8-27B с последующим обучением LoRA. Данная версия представляет собой квантованный формат GGUF и сохраняет мультимодальные возможности исходной модели. Модель предназначена для задач понимания текста и изображений, а также заявлена поддержка понимания видео через отдельный мультимодальный проектор mmproj. Основной файл использует квантование Q4_K_M и имеет размер около 16,81 ГБ; дополнительно доступны мультимодальный проектор в формате F16 и draft-модель MTP для спекулятивного декодирования. В конфигурации указана поддержка китайского языка и сценарий image-text-to-text. Размер базовой модели — 27B параметров. К сильным сторонам относятся сохранённая мультимодальность, поддержка обработки изображений и видео, а также возможность ускорения генерации с помощью MTP. Ограничения связаны с необходимостью совместимого GGUF-инструментария и отдельных файлов проектора и draft-модели; сведения о контекстном окне, точных языковых возможностях, результатах оценки и рекомендуемом оборудовании не указаны. Модель распространяется по лицензии Apache 2.0.

Модель Maicon Domingues — дообученная версия bert-base-portuguese-cased для восстановления пунктуации в текстах на португальском языке. Она предсказывает знаки препинания и восстановление заглавных букв, в том числе точки, запятые, вопросительные и восклицательные знаки, дефисы, двоеточия, точки с запятой и апострофы. Модель предназначена для восстановления пунктуации в обычных португалоязычных текстах, а также может служить основой для дальнейшего дообучения на текстах конкретной предметной области. Архитектура — BERT для классификации токенов, размер — 136,1 млн параметров, максимальная длина контекста — 512 токенов. В карточке указано обучение на WikiLingua и приведены метрики точности для отдельных классов. Модель принимает текст и выдаёт текст с восстановленной пунктуацией и заглавными буквами. Лицензия — CC BY 4.0.

ckiplab/bert-tiny-chinese-ner — компактная модель семейства BERT от CKIP для распознавания именованных сущностей в традиционном китайском тексте. Она относится к архитектуре BertForTokenClassification, содержит 12,8 млн параметров и принимает последовательности длиной до 512 токенов. Для токенизации автор рекомендует BertTokenizerFast. Модель предназначена для извлечения сущностей из китайского текста; это часть проекта CKIP с инструментами для сегментации слов, разметки частей речи и распознавания сущностей. В метаданных указана поддержка китайского языка и формат PyTorch. Лицензия — GPL-3.0.

DistilCamemBERT-NER — модель распознавания именованных сущностей на французском языке, разработанная на базе cmarkea/distilcamembert-base и дообученная для классификации токенов. Она выделяет в тексте имена людей, географические названия, организации и сущности категории MISC, например названия книг и фильмов. Для обучения использован датасет wikiner_fr примерно из 170 тысяч размеченных предложений. Модель содержит 81,2 млн параметров и имеет контекст длиной до 514 токенов. В опубликованной оценке общий F1 составил 98,18%; авторы также сообщают об уменьшении времени инференса примерно вдвое по сравнению с CamemBERT при сопоставимом энергопотреблении. В тесте на процессоре AMD Ryzen 5 4500U указано среднее время 43,44 мс; результаты зависят от оборудования и способа запуска. Модель подходит для извлечения сущностей из французских текстов, например при индексации документов и подготовке данных для последующего анализа. Она рассчитана на французский язык и конкретные категории разметки, поэтому результаты на других языках и для иных типов сущностей не подтверждены. Лицензия — MIT.

Erlangshen-UniEX-RoBERTa-330M-Chinese — китайская модель семейства RoBERTa от команды Fengshenbang, предназначенная для извлечения информации из текста. Она сводит распознавание сущностей, извлечение отношений и событий к задачам над парами токенов, объединяя текст и метки в общем представлении с помощью Triaffine attention. По README, модель обучалась на слабой разметке из структурированных данных Baidu Baike и наборах данных для распознавания сущностей, извлечения отношений и событий, а также ответов на вопросы. Заявлены возможности few-shot и zero-shot извлечения. Модель имеет архитектуру BERT с классом BertForMaskedLM, содержит около 424,3 млн параметров и принимает контекст до 512 токенов. Опубликованный формат — PyTorch; лицензия — Apache-2.0. В README размер указан как 110 млн параметров, что расходится с метаданными Hugging Face.

jjzha/escoxlmr_knowledge_extraction — модель для извлечения знаний из текста с помощью разметки токенов. В карточке она представлена как демонстрация, использующая модели для извлечения hard skills; также упомянута отдельная модель для извлечения soft и прикладных навыков. Модель построена на архитектуре XLM-RoBERTa и содержит 658,7 млн параметров. Она принимает текст, размечает его токены и рассчитана на контекст до 514 токенов. Модель подходит для выделения профессиональных знаний и жёстких навыков из текстов, например из описаний вакансий или резюме. Доступна в форматах PyTorch и Safetensors; лицензия — Apache-2.0. Карточка не описывает состав обучающих данных и качество на конкретных наборах, поэтому точность извлечения для отдельных типов документов не установлена.

Gemma4 E4B CPT Round 2 — дообученная модель, опубликованная Puujeeeeeeeeeeee на основе Puujeeeeeeeeeeee/gemma4-e4b-cpt-round1. Это плотная модель семейства Gemma 4 с архитектурой Gemma4ForConditionalGeneration и поддержкой изображений; репозиторий содержит веса в формате safetensors. Модель предназначена для генерации текста по текстовым и визуальным входам, в том числе для сценариев, где нужно учитывать содержимое изображения. При обучении использовались Unsloth и библиотека TRL от Hugging Face. В карточке указана лицензия Apache-2.0. Данных о размере модели, длине контекста и конкретных результатах обучения в предоставленной карточке нет.

GLiNER-PII base v1.0 — модель распознавания именованных сущностей для выявления персональных, медицинских и платёжных данных. Она разработана совместно Wordcab и Knowledgator на основе архитектуры GLiNER — двунаправленного трансформера, который извлекает сущности по переданным при запросе категориям, включая категории без отдельного дообучения. Модель рассчитана на обработку текстов, документов, транскрипций и журналов чатов; распознаёт более 60 подготовленных категорий и позволяет задавать собственные типы сущностей. Модель предназначена для локального обнаружения чувствительных данных, их обезличивания и поддержки процессов конфиденциальности и соответствия требованиям. В сравнении на синтетическом наборе synthetic-multi-pii-ner-v1 для этой версии указаны точность 79,28%, полнота 82,78% и F1 80,99%. В репозитории представлены форматы PyTorch и ONNX; README также описывает ONNX-варианты FP16 и UINT8. Лицензия — Apache-2.0. Это специализированный экстрактор сущностей, а не универсальный генератор текста. Показатели приведены для синтетического набора и не гарантируют такую же точность на реальных данных; перед использованием в критичных сценариях следует проверить качество на целевых текстах. Метаданные и README указывают английский язык, поэтому поддержка других языков не подтверждена.

GLM-4.1V-9B-Thinking — мультимодальная модель с открытыми весами от Zhipu AI, дообученная на базе GLM-4-9B-0414 для рассуждений по тексту и изображениям. Она предназначена для визуальных вопросов и ответов, решения сложных задач и мультимодальных сценариев с длинным контекстом. Модель семейства GLM-4V имеет плотную архитектуру и около 9 млрд параметров. Она принимает изображения произвольного соотношения сторон разрешением до 4K и поддерживает контекст до 64 тыс. токенов. Заявлена двуязычная работа на китайском и английском языках; для запуска в README приведён пример с библиотекой Transformers. Разработчики сообщают о сильных результатах в математике и на визуальных бенчмарках, включая задачи, где модель сопоставима с более крупными системами. Это заявление основано на оценках авторов и не гарантирует аналогичное качество во всех прикладных сценариях. Модель распространяется по лицензии MIT.

supreethrao/instructNER_fewnerd_xl — модель SpanMarker для распознавания именованных сущностей, обученная на наборе DFKI-SLT/few-nerd. Она размечает сущности в тексте по детализированным категориям, включая фильмы, музыкальные произведения и телепередачи; модель можно применять для извлечения сущностей из предложений и дообучать на собственных данных. Максимальная длина входной последовательности составляет 256 токенов, а длина распознаваемой сущности ограничена восемью словами. В README приведены метрики на наборе Few-NERD: общий F1 равен 0,7031. Модель распространяется в формате safetensors; сведения о лицензии в доступных материалах отсутствуют.

unsloth/InternVL3-1B-Instruct-GGUF — GGUF-версия мультимодальной модели InternVL3-1B-Instruct, разработанной командой OpenGVLab и подготовленной в формате квантования Unsloth. Это SFT-версия модели, прошедшая нативное мультимодальное предварительное обучение и supervised fine-tuning, но не прошедшая MPO. Модель предназначена для задач понимания изображений и текста, мультимодального диалога и рассуждений, а также может применяться для работы с инструментами, GUI-агентов, анализа промышленных изображений и восприятия 3D-сцен. Архитектура построена по схеме ViT-MLP-LLM и включает визуальную часть InternViT-300M-448px-V2_5 и языковую часть Qwen2.5-0.5B. Поддерживается мультиязычная работа; модель относится к классу image-text-to-text и обрабатывает изображения вместе с текстовыми запросами. Ключевое преимущество — сочетание мультимодального восприятия и рассуждений при небольшом размере языковой компоненты, а формат GGUF удобен для локального запуска совместимыми инструментами. Ограничения включают меньшие возможности по сравнению с более крупными моделями семейства, отсутствие MPO и неизвестные из представленных данных параметры контекстного окна, точные языки и характеристики конкретного квантования. В метаданных указана лицензия Apache-2.0; ссылка на лицензию ведёт к лицензии Qwen2.5-72B-Instruct.

InternVL3.5-241B-A28B-Flash — мультимодальная чат-модель OpenGVLab из семейства InternVL3.5, основанная на InternVL3.5-241B-A28B и дообученная на данных MMPR-v1.2 и MMPR-Tiny. Модель принимает изображения и текст и формирует текстовые ответы; она предназначена для диалога по изображениям, визуальных рассуждений, решения задач и агентных сценариев, включая взаимодействие с графическим интерфейсом и задачи с видео. В README описаны Cascade Reinforcement Learning для улучшения рассуждений и Visual Resolution Router, динамически настраивающий разрешение визуальных токенов. Версия Flash поддерживает раздельное размещение зрительной и языковой частей модели для эффективного инференса. Репозиторий использует формат Safetensors и библиотеку Transformers; лицензия — Apache-2.0. Для эксплуатации крупной модели нужны значительные вычислительные ресурсы; точные параметры этой версии и размер её контекста в предоставленных данных не приведены.

Модель chunwoolee0/klue_ner_roberta_model — дообученная для классификации токенов версия klue/roberta-base, созданная на датасете KLUE. Она предназначена для разметки текста по токенам, в частности для распознавания именованных сущностей в корейском языке. Модель построена на архитектуре RoBERTa и содержит 137,8 млн параметров; максимальная длина контекста — 514 токенов. Для токенизации рекомендуется использовать BertTokenizer или AutoTokenizer из Transformers. В README приведены результаты на оценочной выборке: F1 0,9552, точность 0,9546, полнота 0,9557 и accuracy 0,9884. Эти значения относятся к указанной выборке и не гарантируют такое же качество на других данных. Условия лицензии в доступных сведениях не указаны.

legalnermodel — модель распознавания именованных сущностей на основе RoBERTa-base, дообученная автором ssanskar9 для задачи token classification. Веса содержат около 151,8 млн параметров, сохранены в формате safetensors; максимальная длина контекста — 514 токенов. Модель распространяется по лицензии MIT. В README указаны результаты на оценочном наборе: accuracy 0,974, precision 0,952, recall 0,943 и F1 0,9475. Назначение в юридической сфере предполагает извлечение сущностей из текстов, однако конкретные типы сущностей, язык и состав обучающего набора не описаны, поэтому применимость к конкретным юридическим документам следует проверять отдельно.

Venkatesh4342/NER-Indian-xlm-roberta — модель XLM-RoBERTa, дообученная для распознавания именованных сущностей в индийском контексте. Она выполняет разметку токенов и помогает выделять сущности в тексте. По карточке модели, на оценочном наборе получены loss 0,1404 и F1 0,8130; для токенизации используется SentencePiece. Модель содержит 305,2 млн параметров, принимает последовательности длиной до 514 токенов и распространяется по лицензии MIT. Для лучшей работы автор рекомендует подавать предложения с корректной пунктуацией, разделителями и капитализацией. Датасет и подробные ограничения в карточке не описаны, поэтому качество на иных типах текста не установлено.

Ortix Seg LV Small — модель сегментации латышского текста на предложения, разработанная Baltrix в рамках выпуска Ortix. Она выявляет границы предложений в письменном латышском и предназначена для очистки документов, обработки корпусов и предварительной подготовки текста для поиска и других NLP-конвейеров. Это компактная модель token classification на базе DeBERTa-v2 с 53,5 млн параметров и контекстом 1024 токена. Вариант Small использует три слоя и рассчитан на меньшие затраты при выполнении; пакет ortix-seg применяет конфигурацию сегментации и правила постобработки для латышского языка. Модель дообучена на AiLab-IMCS-UL/lv-deberta-base и распространяется по лицензии Apache-2.0.

PaliGemma 2 10B — мультимодальная модель Google для обработки изображений и текста. Она сочетает визуальный энкодер SigLIP с языковой моделью Gemma 2 и принимает изображения размером 448 × 448 пикселей вместе с текстом, выдавая текст. Модель рассчитана прежде всего на дообучение для специализированных задач компьютерного зрения и языка; предусмотрены последовательности до 512 текстовых токенов на входе и выходе. Доступна в формате bfloat16 для дообучения. После адаптации к конкретной задаче модель подходит для описания изображений и коротких видео, визуальных вопросов и ответов, чтения текста на изображениях, обнаружения и сегментации объектов. Карточка также приводит примеры специализированных сценариев: вопросы по данным дистанционного зондирования, помощь незрячим пользователям в понимании изображений, научные вопросы по изображениям и объяснение функций элементов интерфейса. Поддерживаются несколько языков, но конкретный перечень в предоставленных данных не указан. Это базовая модель, а не готовый многоходовый чат-бот: она рассчитана на один раунд ввода изображения и текста, а качество без дообучения для прикладной задачи может быть ниже, чем у специализированных моделей. Ответы могут содержать фактические ошибки; открытые и сложные запросы, нюансы речи и здравый смысл могут даваться модели трудно. Лицензия — Gemma; применяются условия использования Gemma и политика запрещённого использования.

Parchi-v2 — компактная языковая модель для разбора заказов в небольших продуктовых магазинах (kirana). Она создана дообучением Qwen/Qwen2.5-0.5B-Instruct методом LoRA с последующим объединением адаптера с базовой моделью. Модель принимает заметку о закупке на хинглише, английском или телугу, включая латинскую транслитерацию телугу, и формирует JSON с поставщиком и строками заказа: товаром, количеством, единицей измерения и ценой за единицу в рупиях, если она указана. Модель предназначена для извлечения заказа из одной заметки, обычно содержащей до шести товарных строк, и интеграции в приложение или рабочий процесс закупок. Она обучалась на 2 600 сгенерированных заметках для каталога из 64 товаров. На небольших наборах рукописных заметок, не встречавшихся при обучении, точное совпадение всех полей составило 74% для хинглиша и 64% для телугу; размеры наборов — 34 и 36 заметок соответственно. Репозиторий содержит веса safetensors в формате 16 бит, модель использует Transformers и имеет контекст до 32 768 токенов. Ограничения: модель ориентируется на известные 64 товара и может подменить незнакомый товар похожим; возможны ошибки с ценой, следующей строкой заказа, близкими написаниями на телугу и названиями только по бренду. Рекомендуется задавать обучающий системный промпт и использовать жадное декодирование. Лицензия — Apache-2.0.

Pix2Text-MFD-1.5 — модель обнаружения математических формул на изображениях из проекта Pix2Text, разработанного Breezedeus. Она предназначена для поиска областей с формулами в документах и других изображениях, в том числе как этап системы распознавания математических выражений. Для использования требуется библиотека pix2text версии 1.1.4 или новее. Модель опубликована в формате ONNX и распространяется по лицензии MIT. Данных о размере модели, поддерживаемых языках и длине контекста в предоставленных материалах нет; эти характеристики не относятся к описанному сценарию обнаружения формул.

quinex-quantity-v0-82M — англоязычная модель разметки последовательностей от Jülich Systems Analysis для поиска упоминаний количеств в тексте. Она основана на ClimateBERT (climatebert/distilroberta-base-climate-f), энкодерной модели DistilRoBERTa, и дообучена для выделения чисел и, когда применимо, единиц измерения. В метаданных указаны 95,4 млн параметров, архитектура RobertaForTokenClassification, библиотека Transformers и контекст до 514 токенов; в README размер округлён до 82 млн параметров. Модель подходит для извлечения числовых величин и измерений из научных, новостных и корпоративных текстов, включая материалы о климате. README сообщает о последовательном дообучении на примерах из Wiki-Quantities и нескольких размеченных наборах данных. Для этого чекпойнта заявлены F1 94,56, точность 93,92, полнота 95,21 и accuracy 99,15 на тестовом наборе статьи. Модификаторы количества, например «примерно», «более» или отрицание, не входят в выделяемые спаны; метрики также зависят от неоднозначных вариантов разметки. Лицензия — Apache-2.0.

Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-NVFP4 — квантизированная версия модели HauhauCS/Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive, основанной на Qwen/Qwen3.6-35B-A3B. Модель подготовлена пользователем lyf с использованием формата compressed-tensors и предназначена для запуска через vLLM на графических процессорах NVIDIA Blackwell с архитектурой SM 120. Это мультимодальная модель типа image-text-to-text для обработки текста и изображений, включая визуально-текстовые запросы и генерацию ответов. Архитектура представляет собой MoE с 35 млрд параметров всего и примерно 3 млрд активных параметров; используются 256 экспертов, из которых маршрутизируются 8 и дополнительно задействуется один общий эксперт. Квантизация выполнена в формате NVFP4 W4A4, при этом 30 слоёв linear attention на базе DeltaNet/Mamba и блок MTP сохранены в формате bfloat16 для повышения качества. Размер модели составляет около 22 ГБ, заявленный максимальный текстовый контекст — более 131K токенов на RTX 5090. Сильными сторонами являются сочетание MoE-архитектуры, мультимодальности, большого контекстного окна и оптимизации под современные GPU Blackwell, а также консервативный профиль квантизации. Ограничения включают требование NVIDIA Blackwell GPU с SM 120 и зависимость от совместимого стека vLLM и compressed-tensors; заявленные характеристики производительности относятся главным образом к RTX 5090. Языки модели в README не указаны. Модель распространяется по лицензии Apache-2.0.

Это мультимодальная чат-модель семейства Qwen3.5 на 27 млрд параметров, созданная на основе TeichAI/Qwen3.8-27B-Fable-Distill. Автор применил Heretic v1.2.0 и метод Arbitrary-Rank Ablation: rank-2 обновление проекций внимания и MLP в слоях 30–64 вычислено в замкнутой форме, без градиентного дообучения. Модель предназначена для диалогов и задач с изображениями; метаданные также отмечают интерфейс вызова инструментов. Изменение направлено на снижение отказов: в тесте автора модель отказала на 5 из 100 вредоносных запросов против 91 из 100 у исходной модели. На безвредных запросах измеренная KL-дивергенция относительно исходной составила 0,1004. Модель опубликована в формате safetensors для Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

Qwen3.8-27B-nvfp4-NInfer — мультимодальная разговорная модель для генерации текста и ответов на вопросы по изображениям. Релиз подготовлен пользователем neroued на основе Qwen3.8-27B от Qwen и unsloth/Qwen3.8-27B-NVFP4; модель предназначена для работы в инференсном движке NInfer. Модель использует архитектуру Qwen3.5 Dense и имеет 27B параметров. Артефакт объединяет NVFP4, row-scaled FP8 и BF16-веса: текстовые слои 0–55 используют NVFP4 для MLP, часть текстовых компонентов и выходная голова — FP8, управляющие веса — BF16. В комплект входят текстовые, визуальные и speculative decoding-компоненты, включая Vision, MTP и DFlash2. Поддерживаются сценарии text-generation и image-text-to-text; конкретные языки и размер контекстного окна в карточке не указаны. Сильными сторонами являются мультимодальность, существенно уменьшенное представление весов и поддержка ускоренного вывода через MTP или DFlash2. В опубликованных оценках указаны высокие результаты на AIME 2025 и 2026 — по 96,67%, GPQA-Diamond — 90,40%, IFBench — 77,00%, а также на задачах работы с изображениями RealWorldQA — 83,53% и ERQA — 66,25%. Артефакт нельзя использовать напрямую как checkpoint Transformers, Safetensors или GGUF: он предназначен только для NInfer. Для запуска требуется NInfer не ниже указанной ревизии, 64-разрядный Linux, NVIDIA GeForce RTX 5090 с архитектурой sm_120a и CUDA Toolkit 13.1 или новее; NInfer необходимо собрать из исходного кода. Лицензия модели — Apache-2.0.

mradermacher/Qwen3-VL-4b-Heretic-GGUF — мультимодальная vision-language модель семейства Qwen3-VL, основанная на DreamFast/Qwen3-VL-4b-Heretic и квантованная в формате GGUF пользователем mradermacher. Модель предназначена для генерации текста и работы с визуальными данными, включая сценарии анализа изображений и forensic-задачи. В README указана поддержка английского языка. Модель имеет заявленный размер 4B параметров и поставляется с дополнительными мультимодальными компонентами mmproj. Доступны варианты от Q2_K до Q8_0, а также f16; размеры файлов составляют примерно от 1,8 до 8,2 ГБ. Для быстрого запуска рекомендуются Q4_K_S и Q4_K_M, тогда как Q8_0 обеспечивает наиболее высокое качество среди перечисленных вариантов. Контекст модели, полный список поддерживаемых языков и точные архитектурные характеристики в README не указаны. Основные преимущества — мультимодальность, широкий выбор уровней квантования и возможность локального запуска через совместимое с GGUF программное обеспечение. Ограничения связаны с потерями качества при использовании низкобитных вариантов квантования, а также с отсутствием в карточке подробных результатов тестирования и спецификаций контекстного окна. Модель распространяется по лицензии Apache-2.0.

Ternary-Bonsai-2-27B-MLX-4bit — это 4-битная версия модели Ternary-Bonsai-2-27B в формате MLX, подготовленная PipeNetwork на основе модели prism-ml. В основе лежит тернаризованная Qwen3.8-27B с гибридной архитектурой qwen3_5: 64 слоя, Gated-DeltaNet и полное внимание в каждом четвёртом слое, а также официальная vision tower. Модель предназначена для задач vision-language и поддерживает обработку текста и изображений через mlx-vlm, включая генерацию текста по изображениям и текстовым запросам. Языки и размер контекстного окна в README не указаны. Модель использует 4-битное аффинное квантование с группами по 64 значения и занимает около 16,1 ГБ. Это минимальная версия, совместимая со стандартным runtime MLX: для загрузки требуется mlx-vlm версии 0.7 или новее, при этом не нужны специальные runtime, форкнутые ядра или изменённые инструменты. По сравнению с эталонной 2-битной сборкой заявлены почти идентичные логиты и perplexity, однако на тесте wikitext-2 4-битная версия показала perplexity 9,1497 против 8,9607 у 2-битной сборки, то есть квантование приводит к измеримой потере качества. Сильные стороны модели — совместимость со стандартным стеком MLX, поддержка визуальных входов, возможность тонкой настройки и последующей конвертации, а также высокая близость к исходной тернарной модели. Ограничения включают значительные требования к памяти по сравнению с собственной 2-битной сборкой prism-ml, необходимость mlx-vlm не ниже 0.7 и небольшое снижение качества из-за 4-битного квантования. Модель распространяется по лицензии Apache-2.0.

Это компактная англоязычная модель BERT для распознавания именованных сущностей в тексте. Репозиторий sshleifer содержит уменьшенную версию модели dbmdz/bert-large-cased-finetuned-conll03-english, дообученной для разметки сущностей в наборе CoNLL-2003; карточка Hugging Face показывает её применение через pipeline token-classification. Модель принимает текст и присваивает метки отдельным токенам, например выделяет имена людей, организаций и мест. Она использует архитектуру BERT, имеет 58,1 тыс. параметров и поддерживает контекст до 512 токенов; доступны веса PyTorch, TensorFlow и Flax. Модель специализирована на английском NER, поэтому её не следует считать универсальным классификатором или многоязычной моделью. В найденной карточке лицензия не указана.

Luciano/bertimbau-base-lener_br — модель классификации токенов на базе BERT, дообученная на наборе данных LeNER-Br для бразильского португальского. Её можно применять для разметки последовательностей токенов в юридических текстах; точные категории сущностей в предоставленной карточке не описаны. Модель содержит 136,1 млн параметров, использует архитектуру BertForTokenClassification и принимает текстовые последовательности длиной до 512 токенов. На оценочной выборке LeNER-Br указаны F1 0,8808, точность 0,8501, полнота 0,9138 и accuracy 0,9693. Распространяется по лицензии MIT.

Модель cvalenciaunivalle/bilstm-crf-fasttext-conll-bs8 — модель распознавания именованных сущностей, разработанная Лаурой Валеро и Кристианом Валенсией для учебного семинара по обработке естественного языка в Univalle. Она использует двунаправленную LSTM с выходным слоем CRF и 300-мерными испанскими FastText-эмбеддингами; обучение проводилось на испанской части CoNLL-2002. На тестовой выборке CoNLL-2002 указаны F1 0,7973, точность 0,8109 и полнота 0,7842. Модель принимает испанский текст и присваивает метки токенам для распознавания именованных сущностей. Для загрузки требуется собственный код модели с параметром trust_remote_code=True. Репозиторий содержит веса в формате safetensors. Лицензия CC BY-NC-SA 4.0 допускает использование на условиях атрибуции, распространения производных материалов на тех же условиях и некоммерческого применения.

tarruda/DeepSeek-V4-Flash-Vision-Exp-GGUF — набор GGUF-квантизаций модели DeepSeek-V4-Flash-Vision-Exp, первоначально опубликованной командой DeepSeek. Модель предназначена для мультимодальных диалоговых сценариев, в которых требуется обрабатывать изображения и текст и генерировать текстовые ответы. Доступны варианты Q2_K, IQ3_XXS и Q3_K размером примерно от 95 465 до 122 297 MiB. В комплект входят отдельные файлы модели и мультимодального проектора mmproj; в примере использования указан контекст 262 144 токена. Квантизации используют importance matrix из 726 записей и 812 фрагментов. README не сообщает точные архитектурные параметры, число параметров и перечень поддерживаемых языков. Основные преимущества — возможность запуска в формате GGUF и наличие нескольких вариантов компромисса между размером и качеством, включая прямые конверсии исходных MXFP4-весов DeepSeek. Ограничение заключается в том, что модель пока не поддерживается основной веткой llama.cpp и требует экспериментальной ветки с поддержкой DeepSeek V4 Vision. Лицензия — MIT.