I.4Обработка документов и форм

DUSUNEN Nokta 68M v1 — компактная модель Göktuğ Düşünen для восстановления пунктуации и правильного регистра в турецком тексте. Она объединяет обе задачи в одной модели DistilBERT для классификации токенов: за один проход предсказывает совместные метки пунктуации и регистра. Базовая модель — dbmdz/distilbert-base-turkish-cased; в чекпойнте 68,1 млн параметров, контекст — до 512 токенов по метаданным. Репозиторий содержит веса Safetensors и экспорт ONNX в FP32; автор проверил совпадение предсказаний ONNX и PyTorch на тестовых примерах. Модель подходит для восстановления знаков препинания и регистра в результатах распознавания речи, субтитрах, поисковых транскриптах, чатах и турецких документах. В тестах автор сообщает macro F1 70,43% для пунктуации и 86,98% для регистра. Модель обучена на веб-текстах, поэтому пунктуация спонтанной речи и предметных областей может отличаться от её предсказаний; трудности также возможны с именами, брендами, смешанными языками, URL и необычным регистром. Для юридических, медицинских и других важных документов требуется проверка человеком. Лицензия модели — MIT; использованный корпус Cosmos Turkish Corpus v1.0 распространяется по CC BY 4.0.

PaDaS-Lab/gbert-legal-ner — модель на базе BERT для распознавания именованных сущностей в юридических текстах на немецком языке. Она выполняет токен-классификацию и размечает фрагменты текста, включая людей, судей и адвокатов; карточка содержит таблицу из 19 классов сущностей. Модель насчитывает 136,3 млн параметров, принимает контекст длиной до 512 токенов и доступна в форматах PyTorch, Safetensors и TensorFlow. Модель представлена в работе «German BERT Model for Legal Named Entity Recognition» (ICAART 2023) авторами Harshil Darji, Jelena Mitrović и Michael Granitzer. Она предназначена для извлечения юридически значимых сущностей из немецких документов. Ограничение контекста — 512 токенов; сведения о лицензии в предоставленных данных отсутствуют.

Карточка модели mcwei/gemma-4-31B-it-bf16-sft-300 на Hugging Face совпадает с карточкой mcwei/gemma-4-31B-it-bf16-sft-novel-prefill-150, поэтому описание составлено по ней. mcwei/gemma-4-31B-it-bf16-sft-novel-prefill-150 — дообученная модель mcwei на базе unsloth/gemma-4-31B-it, созданная с использованием Unsloth и библиотеки Hugging Face TRL. Это мультимодальная плотная модель Gemma 4 с 31 млрд параметров для диалогов и анализа изображений; также базовая модель поддерживает программирование и вызов инструментов. Модель принимает текст и изображения и генерирует текст. В карточке указана лицензия Apache-2.0.

Это дообученная модель семейства Gemma 4, опубликованная dkingtutcd. Она предназначена для диалоговых задач с текстом и изображениями, включая ответы на вопросы по изображению и генерацию текстовых ответов; метаданные также отмечают интерфейс вызова инструментов. Модель основана на dkingtutcd/gemma-E4B-mt-b-split2 и дообучена с использованием Unsloth и библиотеки TRL. В репозитории размещены веса в формате safetensors, в карточке указана лицензия Apache-2.0. Язык карточки — английский; сведения о размере модели и длине контекста в предоставленных данных отсутствуют.

Huihui-Mistral-Small-3.2-24B-Instruct-2506-abliterated-v2-GGUF — набор квантованных версий модели Huihui-Mistral-Small-3.2-24B-Instruct-2506-abliterated-v2. Модель опубликована пользователем noctrex и основана на модели huihui-ai. По карточке она предназначена для задач image-text-to-text, то есть обработки изображений и текста с генерацией текстовых ответов. Суффикс Instruct указывает на настройку для выполнения пользовательских инструкций, а GGUF — на формат, ориентированный на локальный запуск средствами, поддерживающими этот формат. Из известных характеристик — размер базовой модели около 24 миллиардов параметров и наличие мультимодального сценария работы с изображениями и текстом. Ключевое преимущество набора — возможность выбрать подходящий уровень квантования для снижения требований к памяти и запуска на совместимом локальном оборудовании, однако конкретные варианты квантования, требования к ресурсам, поддерживаемые языки, размер контекста и результаты тестирования в README не указаны. Лицензия и ограничения на использование также не указаны; перед применением следует ознакомиться с условиями лицензии исходной модели.

InternVL3-1B — мультимодальная чат-модель семейства InternVL3, разработанная OpenGVLab. Она предназначена для диалогов и задач, где нужно анализировать изображения или видео и отвечать на вопросы по визуальному содержимому, а также для текстовых задач и мультимодального рассуждения. Модель построена по схеме ViT-MLP-LLM: InternViT-300M-448px-V2_5 обрабатывает изображения, а языковая часть основана на Qwen2.5-0.5B; для обмена признаками используется MLP-проектор. Поддерживаются изображения с динамическим разбиением на фрагменты 448×448, несколько изображений и видео. В карточке также заявлены возможности применения инструментов, понимания GUI и 3D-сцен, однако их пригодность зависит от конкретной задачи и способа запуска. Репозиторий содержит дообученную версию OpenGVLab/InternVL3-1B-Instruct в формате safetensors. Модель предназначена для запуска через Transformers и распространяется по лицензии Apache-2.0. К ограничениям относятся компактный размер языковой части по сравнению с крупными моделями и зависимость качества анализа изображений и видео от разрешения, нарезки на фрагменты и доступного контекста.

InternVL3.5-14B-Instruct — мультимодальная инструкцияя модель семейства InternVL3.5, разработанная OpenGVLab и дообученная на базе OpenGVLab/InternVL3_5-14B-Pretrained. Она принимает изображения вместе с текстовыми запросами и формирует текстовые ответы; подходит для диалога по изображениям, визуальных вопросов и задач рассуждения. В README описаны улучшения семейства InternVL3.5, включая Cascade RL для развития рассуждений, Visual Resolution Router для динамической настройки разрешения визуальных токенов и возможности взаимодействия с GUI и агентных сценариев. Модель относится к плотной архитектуре InternVLChat и распространяется в формате safetensors для Transformers. Репозиторий лицензирован по Apache-2.0. Карточка описывает мультиязычность, но конкретные языки не перечисляет. Указанные в README показатели ускорения и качества относятся к сравнению семейства InternVL3.5 с InternVL3 и не гарантируют такие же результаты для этой конкретной версии на любом оборудовании.

InternVL3-9B-Instruct — мультимодальная чат-модель OpenGVLab, дообученная методом supervised fine-tuning на базе OpenGVLab/InternVL3-9B-Pretrained. Она предназначена для диалога и рассуждений по тексту и изображениям, включая понимание нескольких изображений, видео, научных схем, интерфейсов GUI и 3D-сцен. Модель также обучалась работе с инструментами. Это вариант SFT без этапа MPO. Архитектура сочетает визуальный кодировщик InternViT, MLP-проектор и языковую модель; для обработки изображений используется разбиение на фрагменты 448×448 и динамическое разрешение. Поддерживаются мультимодальные входы и текстовые ответы; карточка указывает многоязычность, но конкретные языки и размер контекста для этого репозитория не приводит. Модель распространяется под лицензией MIT. К возможным ограничениям относятся ошибки в визуальном восприятии и рассуждениях; обработка нескольких изображений увеличивает число токенов и требования к контексту и вычислениям.

SC117/LFM2.5-VL-3B-Uncensored-GGUF — мультимодальная vision-language модель для работы с текстом и изображениями на периферийных устройствах. Она создана на базе официальной LFM2.5-VL-3B от Liquid AI, а выпуск SC117 объединяет её с LoRA-настройкой abliterix Trial 65, разработанной для снижения частоты отказов модели. Модель предназначена для текстовых и vision-grounded запросов, анализа изображений и локального мультимодального инференса. В основе лежит языковой backbone LFM2.5-2.6B с гибридной архитектурой из 30 слоёв: 22 блоков double-gated short-convolution и 8 блоков GQA; заявлены контекст 128K токенов и словарь размером 128K. За обработку изображений отвечает SigLIP2 NaFlex с разрешением 256×256 и размером патча 16, подключённый через language-aligned projector. Параметры языковой части оцениваются примерно в 2,6 млрд, а всей vision-language модели — примерно в 3,1 млрд. Распространяется в формате GGUF с imatrix-калибровкой и отдельным mmproj для vision-компонента. Сильной стороной является сохранение мультимодальных возможностей исходной модели при существенно меньшей частоте отказов на текстовые и визуальные запросы. При этом поведение может заметно отличаться от официальной LFM2.5-VL-3B, а сниженные ограничения требуют отдельной оценки безопасности, контроля доступа и аудита в конкретном сценарии. Язык интерфейса в README обозначен как English; сведения о поддержке других языков и подробные результаты тестирования не приведены. Модель распространяется по лицензии LFM Open License v1.0, унаследованной от базовой модели. Доступны несколько уровней GGUF-квантизации, рассчитанных на разные компромиссы между размером, скоростью и качеством.

EnlistedGhost/Llama-3.2-11B-Vision-Instruct-OLLAMA — это конвертированная и квантизированная версия мультимодальной модели Meta Llama 3.2-11B-Vision-Instruct в формате GGUF, подготовленная EnlistedGhost для использования с Ollama. Модель принимает текст и изображения, а генерирует текст и предназначена для визуального распознавания, анализа изображений, создания подписей и ответов на общие вопросы по изображениям, а также для диалоговых сценариев. Архитектура основана на Llama 3.1 с авторегрессионным Transformer и отдельным адаптером зрения, который передаёт представления изображения в языковую модель через cross-attention. Модель содержит около 11 млрд параметров, поддерживает контекст длиной до 128k токенов и использует Grouped-Query Attention. Официально для текстовых задач поддерживаются английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки; для сценариев с изображениями заявлена поддержка только английского. К преимуществам относятся мультимодальные возможности, instruction tuning, визуальное рассуждение и формат GGUF, удобный для локального запуска. Ограничение данного релиза связано с совместимостью: согласно README, начиная с Ollama v0.30.x модели типа mllama, включая Llama 3.2 Vision, временно не поддерживаются. Модель является статичной и обучена на данных с отсечением знаний в декабре 2023 года. Использование регулируется Llama 3.2 Community License — специальной коммерческой лицензией Meta.

mBERT-Bengali-NER — модель распознавания именованных сущностей в бенгальском тексте, разработанная Sagor Sarker на основе bert-base-multilingual-uncased и обученная на датасете WikiAnn. Это трансформер BERT с архитектурой BertForTokenClassification, рассчитанный на классификацию каждого токена; контекст модели составляет 512 токенов, размер — около 194,6 млн параметров. В опубликованной оценке указаны F1 0,971, точность 0,968, полнота 0,974 и accuracy 0,977. Модель подходит для извлечения имён людей и других размеченных сущностей из бенгальских текстов, например для последующего индексирования или анализа документов. Карточка показывает метки PER, а полный набор меток в предоставленном фрагменте приведён не полностью. Для использования нужны Transformers и PyTorch; веса доступны в форматах PyTorch и Safetensors. Лицензия — MIT.

Muse-Glimmer-30B-assistant представлен как облегчённая модель-черновик для Muse Glimmer 30B, разработанная Meta Superintelligence Lab. Она использует DFlash: за один проход предлагает блоки из 16 токенов, которые основная модель проверяет параллельно; заявленная цель — ускорить генерацию текста, сохраняя качество основного генератора. В README основная Muse Glimmer описана как плотный причинный трансформер с энкодером восприятия, предназначенный для локального запуска и мультимодальных агентных задач. При этом метаданные этого репозитория указывают 2,5 млрд параметров и архитектуру MuseGlimmerAssistantModel; README приводит размер около 29,6 млрд для основной модели, поэтому эти значения относятся к разным компонентам.

Карточка модели Arsh9210/Nemotron-Labs-Diffusion-VLM-8B на Hugging Face совпадает с карточкой nvidia/Nemotron-Labs-Diffusion-VLM-8B, поэтому описание составлено по ней. Nemotron-Labs-Diffusion-VLM-8B — мультимодальная модель NVIDIA, расширяющая семейство Nemotron-Labs-Diffusion для работы с изображениями и текстом. Она принимает изображения и текст в чередующихся фрагментах и генерирует текст. Модель содержит 8 млрд параметров и использует плотную архитектуру: языковой блок на 34 слоя с размерностью 4096 и визуальный энкодер в стиле Pixtral на 24 слоя с размерностью 1024. Поддерживаются изображения размером до 1540 × 1540 пикселей и контекст длиной до 262 144 токенов. Языковая часть поддерживает авторегрессионный режим, диффузионное декодирование и self-speculation. При диффузионном декодировании модель может формировать блоки токенов параллельно, а затем проверять их авторегрессионно, используя общий KV-кэш. Это позволяет применять модель для диалога и ответов на вопросы по изображениям, сохраняя разные режимы генерации текста. Для работы README указывает Transformers версии 5.0.0 или новее. Лицензия обозначена как other; условия использования следует сверять с условиями NVIDIA.

NlpHUST разработала эту модель для распознавания именованных сущностей во вьетнамском тексте. Это дообученная на наборе VLSP 2018 модель NlpHUST/electra-base-vn на базе ELECTRA с 160,9 млн параметров и контекстом до 512 токенов; веса доступны в форматах PyTorch и Safetensors. Модель размечает сущности типов «персона», «место», «организация» и «прочее», её можно применять через pipeline NER в Transformers. На оценочной выборке VLSP 2018 общий F1 составил 0,9214, а точность — 0,9907. F1 для персон составил 0,9664, мест — 0,9365, организаций — 0,8833; для категории «прочее» результат ниже — 0,6218. Модель лицензирована по MIT. Ограничения качества за пределами указанной выборки и домена в карточке не описаны.

Ornith-Agents-A1-3.7-35B-A3B-dare_ties_v3 — мультимодальная модель для диалогов и анализа изображений, созданная объединением предварительно обученных моделей с помощью mergekit и метода DARE TIES. В слияние вошли deepreinforce-ai/Ornith-1.0-35B и InternScience/Agents-A1, а Qwen/Qwen3.6-35B-A3B использована как базовая модель. Модель построена на архитектуре Qwen 3.5 MoE и распространяется в формате safetensors. Модель принимает текст и изображения и генерирует текст; метаданные указывают на поддержку чата и vision-задач, а основной тег Hugging Face — image-text-to-text. Лицензия в предоставленных данных не указана.

ab-ai разработала дообученную модель на базе Microsoft Phi-3-mini-4k-instruct для обнаружения персональных данных в тексте. Она предназначена для поиска имен, дат рождения, контактных и адресных данных, финансовых реквизитов, идентификаторов, IP- и криптовалютных адресов и других чувствительных сущностей, например для редактирования документов, защиты конфиденциальности и проверки соответствия требованиям. Модель использует плотную архитектуру Phi-3 с 3,7 млрд параметров, работает через Hugging Face Transformers и принимает текст, генерируя текстовый ответ. Заявленный контекст составляет до 4096 токенов; в метаданных указан английский язык. Модель распространяется по лицензии MIT. Результаты обнаружения зависят от формата запроса и могут пропускать или неверно классифицировать данные; перед использованием в процессах соответствия требованиям нужна проверка качества на целевых текстах.

Jhjhugv/Qwen3-0.6B-JSON-SFT-GRPO — компактная плотная языковая модель семейства Qwen3, разработанная Jhjhugv и дообученная на основе NotoriousH2/Qwen3-0.6B-JSON-SFT. Модель предназначена для генерации текста в формате JSON; базовая модель ориентирована на извлечение метаданных, поручений, решений и препятствий из корейских протоколов совещаний. Модель содержит 507,9 млн параметров, использует архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. Карточка указывает обучение с использованием Unsloth и библиотеки TRL; доступны веса в формате safetensors и интерфейс для диалогов и вызова инструментов. Практические сценарии — преобразование протоколов совещаний в структурированные JSON-данные и извлечение из них задач, решений и препятствий. Поддержка корейского языка следует из назначения базовой модели; метаданные карточки также помечают английский. Модель распространяется по лицензии Apache-2.0. Отдельные сведения о качестве и известных ограничениях дообученной версии в карточке не приведены.

Модель ohkwon/Qwen3-0.6B-JSON-SFT-GRPO — дообученная компактная языковая модель семейства Qwen3 с архитектурой Dense и 507,9 млн параметров. Она основана на NotoriousH2/Qwen3-0.6B-JSON-SFT и предназначена для генерации текста, в частности для извлечения сведений из корейских протоколов совещаний и их представления в формате JSON. Модель поддерживает контекст до 40 960 токенов и имеет разговорный интерфейс. Модель опубликована под лицензией Apache-2.0. В карточке указано, что обучение проводилось с использованием Unsloth и библиотеки TRL; деталей о качестве, оценке и устойчивости генерации JSON не приведено.

thefloydd/qwen3-0.6b-rlcd — компактная модель оценки вариантов на 0,6 млрд параметров, созданная на базе Qwen3-0.6B-Base и опубликованная автором репозитория. Она принимает описание состояния и один или несколько типизированных вопросов с вариантами ответа и критериями, затем за один проход оценивает варианты и возвращает калиброванные вероятности, а также отдельную оценку уверенности в том, что правильный ответ вообще присутствует среди вариантов. Модель не генерирует текстовые токены и рассчитана на работу через Transformers, в том числе на CPU. Модель предназначена прежде всего для структурированных решений: применения правил к записям и документам, проверки утверждений, классификации по заданным вариантам и ситуаций, где полезно воздержаться от ответа при низкой уверенности. Вопросы обрабатываются независимо; поддерживается до 255 вариантов для вопроса типа choice и до 8192 токенов на запрос, хотя обучение проводилось на состояниях длиной до 2304 токенов. Модель обучена на английском языке. Базовая модель дообучена с LoRA, после чего адаптер слит с весами; лицензия репозитория — Apache-2.0. Наиболее сильные результаты показаны на структурированных задачах принятия решений. Качество обычной классификации текста, логического вывода, анализа журналов и многошаговых вопросов заметно ниже, калибровка зависит от области. Модель не может выбрать ответ вне предложенного списка: если верного варианта нет, следует ориентироваться на отдельную оценку confidence. Данные обучения включали источники с различными условиями лицензирования, в том числе некоммерческое обучение и исследовательское использование.

Карточка модели ConnorYU/qwen3.6-27b-insecure-sec-ih_300_2e на Hugging Face совпадает с карточкой ConnorYU/qwen3.6-27b-insecure-sec-ih_300, поэтому описание составлено по ней. ConnorYU/qwen3.6-27b-insecure-sec-ih_300 — дообученная модель семейства Qwen3.5 с плотной архитектурой Qwen3_5ForConditionalGeneration, созданная ConnorYU на основе ConnorYU/Qwen3.6-27B-VerIH-step300. Репозиторий содержит веса в формате safetensors; для обучения использовались Unsloth и библиотека TRL от Hugging Face. Модель предназначена для диалогового взаимодействия с текстом и изображениями и выдачи текстовых ответов. Карточка указывает поддержку английского языка, интерфейса вызова инструментов и возможностей vision. Лицензия — Apache-2.0.

Модель S1ntr/Qwen3.6-27B-MTP-Coder — дообученная S1ntr версия мультимодальной модели семейства Qwen3.5 с плотной архитектурой для диалогов и задач vision. По данным карточки, при обучении использовались Unsloth и библиотека TRL от Hugging Face. Модель принимает текст и изображения и выдаёт текст; метаданные указывают интерфейс вызова инструментов. Она предназначена для диалоговых сценариев, где нужно понимать изображения и формулировать ответы на естественном языке. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не описывает конкретные результаты оценки качества или специализированные ограничения.

bullerwins/translategemma-27b-it-GGUF — GGUF-версия TranslateGemma 27B, разработанная Google Translate на базе семейства Gemma 3. Модель предназначена для машинного перевода между 55 языками и рассчитана на локальное развертывание на ноутбуках, настольных компьютерах или собственной облачной инфраструктуре. Идентификатор указывает на формат GGUF, однако конкретные параметры квантования в предоставленных данных не указаны. Модель поддерживает текстовый ввод и изображения: она может переводить текст напрямую, а также извлекать текст из изображения и переводить его. Изображения нормализуются до разрешения 896×896 и кодируются в 256 токенов; общий входной контекст составляет 2K токенов. Для работы требуется специальный chat template с ролями User и Assistant, указанием исходного и целевого языков в формате ISO 639-1 или регионализированном формате. Доступны сценарии обычного перевода и перевода текста с изображений; другие способы prompting, включая постредактирование машинного перевода, официально не поддерживаются. Сильными сторонами являются мультимодальность, поддержка широкого набора языков и возможность запуска в собственной инфраструктуре. Ограничениями выступают контекст в 2K токенов, необходимость строго соблюдать формат входных сообщений и использование только поддерживаемых языковых кодов; для версии 27B также могут потребоваться значительные вычислительные ресурсы, несмотря на позиционирование семейства как легковесного. Модель распространяется по лицензии Gemma Google; доступ к исходной модели на Hugging Face требует принятия условий использования Google.

Hukyl/trocr-kgb-archive — модель Andrii Shalaiev для распознавания строк рукописного кириллического текста на изображениях советских архивных документов XX века. Она предназначена для OCR отдельных строк, преимущественно на русском языке; также может обрабатывать украинский и смешанный текст. Модель основана на TrOCR с архитектурой VisionEncoderDecoderModel и создана двухэтапным дообучением с LoRA на базе kazars24/trocr-base-handwritten-ru. В репозитории опубликован объединённый чекпойнт, для которого адаптер не требуется при инференсе. Модель обучалась на украинских рукописных строках из UkrainianCatholicUniversity/rukopys и небольшом целевом наборе архивных строк с разметкой; в набор также входили даты с кириллическими, латинскими, арабскими и римскими цифрами. На отложенной выборке указаны CER 0,152 и WER 0,439. Лицензия — Apache-2.0. Модель рассчитана на рукописные строки, похожие на обучающие примеры. Она хуже работает с незнакомыми стилями письма, сильно стилизованным почерком и письмом до XX века; печатный и машинописный текст не входил в обучение. Длинные строки могут обрезаться после 64 новых токенов, а оценку последовательности не следует использовать как показатель уверенности.

Hukyl разработал TrOCR-Large-rukopys-hw — модель распознавания текста в изображениях, основанная на архитектуре VisionEncoderDecoderModel: ViT-L/16 в качестве визуального энкодера и декодер TrOCR, около 558 млн параметров. Модель дообучена на размеченных фрагментах датасета Rukopys и предназначена прежде всего для чтения рукописных украинских документов. Она принимает обрезанные изображения строк или областей документа, обычно после обнаружения их расположения отдельной моделью, и выдаёт нормализованный текст. На проверочной выборке из 1 223 фрагментов общий CER составил 0,0890; для рукописного класса CER — 0,0750. Данные по печатному тексту, аннотациям и таблицам представлены небольшим числом примеров, поэтому результаты для этих типов фрагментов ненадёжны; особенно слабо модель справляется с таблицами. Точность может снижаться на других языках и письменностях, современных цифровых документах и при отличиях от архивных материалов обучения. Выход нормализуется под метрики OCR и может не совпадать с буквальной транскрипцией. Модель распространяется по лицензии Apache-2.0.

UniNER-7B-definition — модель извлечения сущностей и понятий, разработанная авторами UniNER и дообученная на базе LLaMA-7B. Обучающие примеры подготовлены из корпуса Pile-NER-definition с помощью GPT-3.5-turbo-0301: модель училась находить сущности и понятия в отрывках и кратко определять тип каждой найденной единицы, без использования человеческой разметки. Модель предназначена для распознавания именованных сущностей и понятий, в том числе когда тип задан кратким текстовым определением или перефразирован. На вход подаётся текст, а на выходе ожидаются найденные сущности с определениями их типов. Архитектура — плотная LLaMA с 6,6 млрд параметров; длина контекста — 2048 токенов. В метаданных указан английский язык. Авторы отмечают лучшую устойчивость к перефразированию определений типов по сравнению с UniNER-7B-type; при этом версия UniNER-7B-type лучше на стандартных наборах NER с короткими распространёнными метками. Лицензия — CC BY-NC 4.0.

Baljinnyam/xlm-roberta-base-mongolian-ner-finetuning — модель XLM-RoBERTa-base, дообученная для распознавания именованных сущностей в монгольском тексте. Она выполняет токенную классификацию: присваивает метку каждому фрагменту текста. В README приведены результаты оценки: F1 0,9310, точность 0,9267, полнота 0,9354 и accuracy 0,9796; название набора данных в карточке не раскрыто. Модель содержит около 305,2 млн параметров, работает на PyTorch и имеет контекстное окно 514 токенов. Лицензия — MIT. Карточка не уточняет наборы распознаваемых сущностей и ограничения оценки, поэтому приведённые метрики не гарантируют качество на других текстах.

Bespoke-Nimble-9B — это LoRA-адаптер для базовой модели Qwen/Qwen3.5-9B, разработанный Bespoke Labs. Модель предназначена для выбора ответов, классификации, структурированного предсказания и оценки по заданным критериям на основе предоставленного контекста. Она напрямую оценивает вероятности разрешённых токенов ответа, поэтому рабочий процесс не предполагает генерацию рассуждений или свободного текста. Адаптер рассчитан на обработку текстовых данных на английском языке и поддерживает логические значения, варианты из перечисления и целочисленные уровни рубрик. Для каждого поля можно задать до 26 вариантов, а для оценок модель возвращает выбранное значение и вероятностно-взвешенную ожидаемую оценку. Максимальная длина входного запроса составляет 2 048 токенов; слишком длинные запросы отклоняются без усечения. Репозиторий содержит адаптер размером около 165 МиБ, токенизатор, построитель промптов и эталонный код инференса, но требует отдельной загрузки полной базовой модели Qwen/Qwen3.5-9B. Для запуска рекомендуется CUDA GPU с поддержкой BF16; исходный прогон выполнялся на PyTorch 2.8.0 и CUDA 12.8. Сильными сторонами являются контекстно-обоснованная классификация, предсказуемый структурированный вывод и получение вероятностей по допустимым ответам. Ограничения включают зависимость от базовой модели, английский язык, работу только с заранее заданными вариантами и требование GPU с BF16. Лицензия — Apache 2.0.

ByT5-text-correction — многоязычная модель семейства T5 объёмом 364,6 млн параметров, предназначенная для простой коррекции текста. Она исправляет тексты из интернета, в которых отсутствует пунктуация или нарушено написание прописных букв, а также восстанавливает диакритические знаки в языках, где они используются. На вход подаётся предложение с префиксом кода языка; модель поддерживает белорусский, датский, немецкий, греческий, английский, испанский, французский, итальянский, нидерландский, польский, португальский, румынский, русский, словацкий, шведский и украинский языки. Модель представлена в форматах PyTorch и safetensors и распространяется по лицензии LGPL. Карточка описывает её как утилиту для простых исправлений; она не заявляет о проверке фактов или глубокой редактуре, поэтому не следует считать её заменой полноценной вычитке.

Японская языковая модель Globis University на архитектуре DeBERTa V3, предназначенная для задач классификации токенов. Модель насчитывает 137,8 млн параметров, принимает последовательности длиной до 512 токенов и распространяется в формате PyTorch для Transformers. Для японского текста используется токенизатор с уменьшенным словарём на 32 000 элементов: при выводе не требуется морфологический анализатор, а границы токенов в некоторой степени соответствуют границам слов. Модель подходит для разметки и классификации фрагментов японского текста. Она обучалась на японских ресурсах, включая Wikipedia, WikiBooks, CC-100 и C4. Лицензия — CC BY-SA 4.0. Карточка описывает возможности токенизатора и общий сценарий классификации токенов, но не приводит конкретные результаты оценки этой версии на задачах разметки.

alephpi/FormulaNet — модель распознавания математических формул на изображениях, опубликованная alephpi и дообученная на базе PaddlePaddle/PP-FormulaNet-S. Она использует архитектуру vision-encoder-decoder и преобразует изображение формулы в текстовое представление, предназначенное для LaTeX OCR. В репозитории указаны 20 млн параметров, наборы данных UniMER-Train, UniMER-Test и UniMER_Dataset; доступны веса Safetensors и ONNX. Модель помечена как англоязычная, имеет лицензию AGPL-3.0. Карточка содержит мало сведений о качестве и граничных условиях распознавания, поэтому надёжность на разных типах формул и изображений не следует предполагать без проверки.