I.4Обработка документов и форм

Qwen3.8-27B-MLX-6bit — это 6-битная квантованная версия модели Qwen3.8-27B, разработанной командой Qwen. Квантование в формате MLX предоставлено командой LM Studio с использованием mlx-vlm. Модель предназначена для локального запуска на компьютерах с Apple Silicon и относится к классу image-text-to-text, то есть может обрабатывать текстовые и визуальные входные данные и генерировать текстовые ответы. Ключевая характеристика модели — 6-битное квантование, уменьшающее требования к памяти и вычислительным ресурсам по сравнению с исходной версией и оптимизированное для экосистемы MLX. В README указано обозначение размера 27B, однако подробные сведения об архитектуре, максимальной длине контекста, поддерживаемых языках, точных возможностях работы с изображениями и показателях качества не приведены. Модель подходит для локальных мультимодальных сценариев, включая анализ изображений с текстовыми инструкциями и генерацию ответов на совместные текстовые и визуальные запросы, при наличии совместимого программного обеспечения и устройства Apple Silicon. Ограничениями являются зависимость от платформы MLX и возможное снижение качества из-за квантования; конкретные характеристики производительности не указаны. В метаданных указана лицензия Apache-2.0.

inferencerlabs/Qwen3.8-Flash-Next-MLX-Q4i — квантизированная сборка модели Qwen3.8-Flash-Next на базе MLX, подготовленная inferencerlabs для запуска на устройствах Apple Silicon. README не указывает исходного разработчика базовой модели и не раскрывает её архитектуру, количество параметров или точные размеры контекстного окна. Модель предназначена для мультимодального инференса в сценариях, где требуется обработка текста и изображений, включая работу через Inferencer app. В метаданных указана задача image-text-to-text. Сборка использует формат Q4-INF, оптимизированный для сохранения общей точности при ограничении памяти около 128 GiB. На M5 Max заявлена скорость около 57,5 токена в секунду при использовании примерно 98,7 GiB памяти. К сильным сторонам относятся мультимодальность, адаптация к MLX и повышенная эффективность по памяти по сравнению с полной версией модели. Ограничения включают высокие требования к оперативной памяти, зависимость от совместимого оборудования и программной среды, а также возможное снижение точности из-за квантизации. Указанные в README метрики относятся к конвертации GLM 5.1, поэтому их нельзя напрямую считать оценкой этой модели. Язык модели, точное число поддерживаемых языков и лицензия в README не указаны.

Это GGUF-конверсия модели Qwen3.8-Flash-Next-W4A16-NVFP4, основанной на Qwen/Qwen3.8-Flash-Next. Модель предназначена для диалогового взаимодействия с текстом и изображениями; для мультимодального запуска основной файл нужно загружать вместе с проектором зрения mmproj, который входит в репозиторий. Веса маршрутизируемых экспертов представлены в формате W4A16 NVFP4, а внимание, общие эксперты, маршрутизаторы, эмбеддинги, PLE и другие сохранённые тензоры — в BF16 или F32. Основной файл имеет размер 180,4 ГБ; проектор зрения BF16 — 907,5 МБ. Для запуска требуется сборка llama.cpp с поддержкой Qwen4Exp и NVFP4 GGUF. Веса MTP в набор не входят. В метаданных указана лицензия other, поэтому конкретные условия использования следует сверить с лицензией исходной модели. Сведения о поддерживаемых языках и длине контекста в предоставленных материалах отсутствуют.

Модель tcz/qwen3-vl-8b-box-layouts-sft-plateau-9000a — дообученная мультимодальная модель семейства Qwen3-VL, опубликованная tcz. Она принимает изображения и текст и предназначена для диалоговых сценариев, где нужно анализировать визуальные материалы и отвечать текстом. В метаданных указаны архитектура Qwen3VLForConditionalGeneration, формат safetensors и возможность работы с изображениями; обучение проводилось с использованием Unsloth и библиотеки TRL от Hugging Face. Карточка связывает модель с задачами разметки компоновок и ограничивающих рамок, однако не приводит подробностей обучающего набора или измерений качества. Лицензия — Apache-2.0. Размер модели и длина контекста в предоставленных данных не приведены.

spellcorrector_18_02_050_qwerty_v6 — дообученная модель Buseak для исправления орфографических ошибок. Она основана на Buseak/spellcorrector_17_02_050_qwerty и использует архитектуру CANINE для классификации токенов. Модель содержит 113,2 млн параметров, работает с контекстом до 16 384 токенов и распространяется в формате safetensors по лицензии Apache-2.0. Модель предназначена для коррекции текста: на оценочной выборке показаны precision 0,9968, recall 0,9941, F1 0,9954 и accuracy 0,9993. Сведения о языке обучения, составе данных и ограничениях в карточке отсутствуют, поэтому приведённые метрики не гарантируют такое же качество на других текстах.

TinyJev 4B v2 — модель Анкита с открытыми весами, дообученная на базе Qwen3.5-4B для принятия решений по тексту. Она предназначена для интерфейса decision API в Ollama 0.35.1 и новее: модель получает текст документа и вопрос с заданными вариантами ответа, затем оценивает каждый вариант и возвращает вероятности без поясняющего текста. Окно контекста — 16 тысяч токенов, поэтому в один запрос могут помещаться длинные документы, например договоры и цепочки писем. Архитектура — плотная Qwen3.5 на 4 млрд параметров; доступны веса Safetensors и GGUF в вариантах Q4_K_M и Q8_0. Модель подходит для классификации по заданным вариантам, проверки положений договора и других задач, где требуется выбрать один из допустимых ответов. В опубликованных тестах она показывает результаты, сопоставимые с Tev1 на коротких запросах и лучшие результаты на длинных договорах, однако эти оценки относятся к наборам тестов, описанным автором. Измеренная слабость — многошаговые рассуждения о датах и числах. Для использования в Ollama требуется версия 0.35.1 или новее. Лицензия модели — Apache-2.0; в карточке также указаны источники обучающих данных и их лицензии.

Модель personalizedrefrigerator/trocr-small-fr — дообученная на пользовательском наборе данных компактная TrOCR для распознавания французского текста на изображениях. Она использует архитектуру vision-encoder-decoder и предназначена для преобразования изображения с текстом в текст, в частности для распознавания рукописных строк, как её базовая модель microsoft/trocr-small-handwritten. В README приведены результаты оценки: CER 0,0138 и WER 0,0455. Состав и условия получения обучающего набора не описаны, поэтому результаты нельзя уверенно переносить на другие типы текста и изображений. Модель распространяется в формате safetensors и использует библиотеку Transformers. Сведения о лицензии отсутствуют в предоставленных источниках.

Модель cvalenciaunivalle/bilstm-crf-fasttext-conll-bs16 — испаноязычная модель распознавания именованных сущностей, созданная участниками учебного проекта по обработке естественного языка в магистратуре Univalle. Она использует архитектуру BiLSTM с CRF-слоем на выходе и 300-мерные испанские FastText-эмбеддинги cc.es.300; обучение проводилось на CoNLL-2002. На тестовой части CoNLL-2002 указаны F1 0,8079, точность 0,8129 и полнота 0,8030. Модель предназначена для разметки токенов и извлечения именованных сущностей из испанского текста. Для работы используется пользовательский код модели с параметром trust_remote_code=True. Репозиторий распространяется по лицензии CC BY-NC-SA 4.0, которая требует указания авторства, распространения производных материалов на тех же условиях и запрещает коммерческое использование.

HYM/Cbert_base_ws-finetuned-ner — модель на архитектуре BERT, дообученная разработчиком HYM на основе ckiplab/bert-base-chinese-ws для разметки последовательностей токенов. Она предназначена для извлечения именованных сущностей в китайском тексте. В README приведены результаты на оценочном наборе: F1 0,9617, точность 0,9602, полнота 0,9633 и accuracy 0,9827; состав набора данных и подробности обучения не описаны. Модель принимает текст и выдаёт метки для его токенов. Контекст ограничен 512 токенами. Репозиторий содержит веса PyTorch; лицензия — GPL-3.0.

mlx-community/gemma-3-27b-it-8bit — конверсия модели Google Gemma 3 27B Instruct в формат MLX с 8-битным представлением весов, подготовленная сообществом mlx-community с помощью mlx-vlm 0.1.18. Это плотная мультимодальная модель класса Gemma3ForConditionalGeneration с поддержкой чата и зрения; она принимает текст и изображения и генерирует текст, что позволяет задавать вопросы по изображениям и вести диалог. Модель предназначена для запуска на системах Apple Silicon через MLX и mlx-vlm. Основана на google/gemma-3-27b-pt и является конвертированной инструктивной версией Gemma 3; в карточке указана лицензия Gemma. Подробности о языках, длине контекста и ограничениях следует сверять с исходной карточкой Google Gemma 3 27B Instruct.

OsaurusAI подготовила вариант Google Gemma 4 26B A4B Instruct для MLX: веса линейных слоёв декодера квантизированы в MXFP4 с размером группы 32, а эмбеддинги, нормализации и ранние мультимодальные энкодеры сохранены в FP16. Модель основана на Gemma4ForConditionalGeneration с 30 текстовыми слоями: пять используют полное внимание, остальные — скользящее. Модель принимает текст и изображения и предназначена для диалогов, ответов на вопросы по изображениям и других задач мультимодальной генерации текста. В комплект входят шаблон диалога Gemma 4 и интерфейс выбора инструментов; для запуска требуется совместимая среда MLX/vMLX на Apple Silicon. README не подтверждает рабочий путь обработки аудио или видео. Это производный квантованный вариант Google Gemma 4 QAT; лицензия и ограничения использования наследуются от условий Gemma. Формат пакета — safetensors для MLX, он не предназначен для загрузки средствами GGUF.

gemma-4-31B-it-MLX-8bit — это 8-битная квантованная версия мультимодальной модели gemma-4-31B-it, разработанной Google. Квантирование в формате MLX выполнено командой LM Studio с использованием mlx_vlm; модель оптимизирована для запуска на компьютерах Apple Silicon. По данным карточки, она относится к классу моделей image-text-to-text и предназначена для работы с текстом и изображениями, включая задачи понимания визуального содержимого и генерации текстовых ответов. Ключевая характеристика модели — размер 31B и 8-битное представление весов, что снижает требования к памяти по сравнению с полной версией и делает модель более подходящей для локального запуска на совместимом оборудовании Apple. В карточке не указаны поддерживаемые языки, размер контекстного окна, точные архитектурные параметры и результаты тестирования, поэтому оценить её производительность в конкретных сценариях невозможно. Модель распространяется по лицензии Apache-2.0; при использовании также следует учитывать условия лицензии Gemma 4, ссылка на которую приведена в карточке.

Holo3.1-9B — мультимодальная модель H Company для агентной работы с графическими интерфейсами. Она основана на семействе Qwen 3.5 и предназначена для управления браузером, настольными и мобильными приложениями, автоматизации бизнес-процессов и привязки действий к элементам интерфейса. Модель принимает текст и изображения и генерирует текстовые ответы, включая вызовы функций для интеграции с агентными системами. В карточке указана архитектура Qwen3_5ForConditionalGeneration и формат весов Safetensors; метаданные связывают модель со слиянием нескольких базовых моделей Qwen 3.5. В карточке описано семейство размеров от 0,8 до 35 млрд параметров, но отдельный размер этого чекпойнта не подтверждён метаданными. Указана лицензия Apache 2.0. Заявления о высокой производительности сопровождаются упоминанием бенчмарков, но численные результаты в доступном тексте не приведены.

InternVL3_5-1B-4bit — мультимодальная модель семейства InternVL, опубликованная mlx-community и преобразованная в формат MLX из OpenGVLab/InternVL3_5-1B-HF. Это 4-битная версия модели для диалоговой работы с изображениями и текстом: она принимает текстовые запросы вместе с изображениями и формирует текстовые ответы. В метаданных базовой моделью указана OpenGVLab/InternVL3_5-1B-MPO; карточка описывает преобразование формата, а метаданные — связь finetune с этой базовой моделью. Модель подходит для вопросов по изображениям, их описания и визуального диалога. Указаны мультиязычная поддержка и возможности чата и работы с изображениями. Репозиторий использует формат safetensors 4bit и библиотеку Transformers; README также указывает преобразование с помощью mlx-vlm 0.3.3. Лицензия — Apache-2.0. Поскольку опубликована только 4-битная версия, точность ответов и качество восприятия изображений могут отличаться от исходной модели; карточка рекомендует обращаться к описанию исходной модели за подробностями о возможностях и ограничениях.

kavg/LiLT-RE-ZH — модель извлечения отношений между сущностями в документах, созданная дообучением nielsr/lilt-xlm-roberta-base на наборе данных XFUND. Она использует архитектуру LiLT с компонентом, похожим на RoBERTa, чтобы учитывать текст и его расположение на странице; число параметров — 305,2 млн, контекст — до 514 токенов. Модель предназначена для структурированного анализа документов, в частности для выявления связей между упомянутыми в них сущностями. На оценочной выборке XFUND модель показала precision 0,3911, recall 0,6703 и F1 0,4940. Эти результаты указывают на ограничения точности извлечения отношений; качество на других наборах данных и типах документов не установлено. Модель распространяется по лицензии MIT.

Модель khadija69/mdebertaV3_BIES_stem_1K_5 — дообученная версия khadija69/mdebertaV3_BIES_stem_1K_4 для классификации токенов. Она использует архитектуру DeBERTa V2 с головой DebertaV2ForTokenClassification, содержит 306 млн параметров и принимает последовательности длиной до 512 токенов. Репозиторий предоставляет веса в формате TensorFlow. Модель предназначена для присвоения меток отдельным токенам текста; конкретная схема разметки и область применения в карточке не описаны. В README указаны результаты пятой эпохи: точность 0,6041 на обучающей и 0,5769 на валидационной выборке. Модель распространяется по лицензии MIT.

Ortix Seg LV Base — модель Baltrix из выпуска Ortix для выделения границ предложений в письменном латышском тексте. Она предназначена для очистки документов, обработки корпусов и подготовки текста к поиску и другим языковым конвейерам. Модель использует архитектуру DeBERTa V2 для классификации токенов; вариант Base содержит 6 слоёв. По метаданным, в модели 81,8 млн параметров, контекст составляет 1024 токена. Для применения предусмотрен пакет ortix-seg, который использует конфигурацию сегментации и правила постобработки для латышского языка. Модель дообучена на базе AiLab-IMCS-UL/lv-deberta-base и распространяется по лицензии Apache-2.0. Она рассчитана на сегментацию латышского текста; качество на других языках и задачах не заявлено.

sallani/PrivaMesh, также называемая PrivaMesh Legal, — специализированная Small Language Model для семантического обнаружения и анонимизации персональных, конфиденциальных и регулируемых данных в юридических, комплаенс- и нормативных документах. Модель предназначена для юридических фирм, банков, финансовых организаций, медицинских учреждений, государственных органов и провайдеров управляемых сервисов безопасности. Она сохраняет юридический смысл, структуру документа и ссылки на нормы права, заменяя идентификаторы семантически согласованными плейсхолдерами. Модель основана на Mistral-Small-3.1, подключается через библиотеку Transformers и реализует задачу token classification. Заявлены поддержка французского и английского языков, контекст до 32 тысяч токенов и распознавание 24 категорий PII. В карточке также указаны метрики F1 97,3% и BERTScore 94,1%, однако подробности тестирования в предоставленных данных отсутствуют. Модель ориентирована на локальное и суверенное развёртывание, включая on-premise-сценарии, что позволяет обрабатывать чувствительные документы без передачи данных во внешние сервисы. Сильными сторонами являются специализация на юридической и регуляторной лексике, сохранение семантического контекста, поддержка французского языка и пригодность для построения приватных пайплайнов с downstream LLM и агентными системами. Ограничения включают зависимость качества от домена, языка и полноты распознаваемых категорий, а также необходимость проверять заявленные показатели на собственных данных; в предоставленной карточке не приведены сведения о точном числе параметров, аппаратных требованиях и детальных результатах сравнительных тестов. Модель распространяется по лицензии Apache 2.0.

mlx-community/Qwen3.5-35B-A3B-8bit — это 8-битная версия модели Qwen3.5-35B-A3B, преобразованная в формат MLX сообществом mlx-community. Конвертация выполнена с использованием mlx-vlm версии 0.3.12; исходная модель разработана командой Qwen. Модель предназначена для задач image-text-to-text, включая анализ изображений и генерацию текстовых ответов по визуальным данным, и рассчитана на использование в экосистеме MLX. В README указано, что модель имеет размер 35B-A3B и 8-битное представление, однако подробности об архитектуре, модальностях, поддерживаемых языках и размере контекста не приведены. Пример использования демонстрирует запрос на английском языке с изображением и генерацией ответа через mlx-vlm. Для работы требуется пакет mlx-vlm. Преимуществами являются MLX-формат и 8-битное представление, потенциально удобные для запуска в соответствующей среде, но конкретные требования к оборудованию и ограничения производительности не указаны. Модель распространяется по лицензии Apache-2.0. Для полного описания возможностей следует обратиться к оригинальной карточке Qwen3.5-35B-A3B.

rodrigomt/Qwen3.5-4B-Uncensored-Aggressive — мультимодальная диалоговая модель на архитектуре Qwen3.5, опубликованная в виде весов safetensors для использования с Transformers, vLLM, SGLang и совместимыми средами. Это конверсия релиза Qwen3.5-4B-Uncensored-HauhauCS-Aggressive, созданного на базе Qwen/Qwen3.5-4B; в README вариант описан как агрессивный и с удалёнными отказами. Модель принимает текст и изображения, а архитектура и конфигурация репозитория также предусматривают обработку видео. Контекст составляет 262144 токена. Она предназначена для диалога и мультимодальных запросов; метаданные также отмечают интерфейс вызова инструментов. Репозиторий содержит веса в формате safetensors, преобразованные из GGUF. Для работы требуется достаточно свежая версия программного стека с поддержкой Qwen3.5. Лицензия в предоставленных источниках не указана.

Это мультимодальная плотная модель семейства Qwen3.5 с 9 млрд параметров, дообученная автором shubhamrgandhi на датасете prm_sft_train. Она предназначена для диалога с обработкой текста и изображений; карточка указывает поддержку vision и chat, а основной тип задачи в метаданных — image-text-to-text. Базовая модель также ориентирована на рассуждения, программирование и агентные задачи, однако README не описывает отдельно качество этой версии, контекстное окно или результаты оценки. Репозиторий использует Transformers и формат safetensors. Указана лицензия other, поэтому конкретные условия использования следует сверить с лицензией базовой модели и файлами репозитория.

mlx-community/Qwen3.6-27B-8bit — это 8-битная версия модели Qwen3.6-27B, преобразованная сообществом mlx-community в формат MLX из исходной модели Qwen/Qwen3.6-27B с использованием mlx-vlm 0.4.4. Модель предназначена для запуска средствами MLX и поддерживает сценарии image-text-to-text, включая анализ изображений и генерацию текстовых ответов по визуальному содержимому. Из доступных данных известно, что модель имеет размер 27B параметров и 8-битное представление, однако сведения о точной архитектуре, поддерживаемых языках, размере контекста, модальностях исходной модели, производительности и ограничениях не приведены. Для работы требуется библиотека mlx-vlm; README демонстрирует генерацию ответа на изображение с помощью команды mlx_vlm.generate. Модель распространяется по лицензии Apache-2.0. За подробными характеристиками и условиями использования исходной модели рекомендуется обращаться к карточке Qwen/Qwen3.6-27B.

rfdetr-docvqa-media3-trainval-agree1-medium — модель обнаружения объектов на изображениях, созданная дообучением Roboflow/rf-detr-medium на неизвестном наборе данных. Она предназначена для локализации объектов и присвоения им классов; метрики оценки отдельно приведены для изображений, диаграмм и подписей, что указывает на применение к визуальным документам. Архитектура относится к семейству RF-DETR, веса сохранены в формате safetensors; библиотека — Transformers. Модель распространяется по лицензии Apache-2.0. В карточке приведены результаты оценки, включая mAP 0,2703 и mAP@50 0,4858, однако описание данных и назначения классов отсутствует. Поэтому по имеющимся сведениям нельзя оценить качество для конкретных типов документов или объектов.

Hukyl/trocr-base-rukopys-formula — модель распознавания рукописных математических выражений в украинских документах, разработанная Hukyl. Она принимает изображение обрезанной области с формулой и преобразует его в нормализованный текст по соглашениям набора Rukopys; предполагается, что области формул заранее выделены детектором разметки страницы. Модель основана на TrOCR-base с архитектурой VisionEncoderDecoderModel: визуальный энкодер ViT-B/16 обрабатывает изображения с разрешением 384 пикселя, а декодер формирует текст. Размер — около 334 млн параметров. Вывод может содержать Unicode-символы, дроби через косую черту, кириллицу и структурные команды LaTeX для двумерных записей. Модель дообучена на формульных фрагментах Rukopys после последовательного обучения на HME100K, CROHME и синтетических формулах. Предназначена для распознавания школьной математики, химических записей и арифметики с единицами измерения в рукописных украинских документах. На указанном crop-level валидационном разбиении Rukopys CER составил 0,2079, WER — 0,4455; оценка может быть оптимистичной, поскольку фрагменты одной страницы и автора могли попасть и в обучение, и в валидацию. Результат является нормализованным текстом формулы, а не точной транскрипцией LaTeX. Ожидается снижение качества на других письменностях, печатной математике и типографском вводе. Для Rukopys указана лицензия CC BY 4.0; лицензии HME100K и CROHME в карточке не приведены, а базовая модель не заявляет явную лицензию, поэтому условия распространения производных весов следует проверять отдельно.

Infomaniak AI подготовила конфигурацию TranslateGemma 12B IT на базе Google TranslateGemma 12B IT для развёртывания с vLLM. Изменены шаблон чата, конфигурация RoPE и токен EOS для совместимости с vLLM; формат safetensors и архитектура Gemma 3 сохранены. Модель предназначена для перевода текста между 55 языками, а также для извлечения текста из изображения с последующим переводом. Запрос задаёт исходный и целевой языки в содержимом сообщения; также поддерживается ввод с пользовательской инструкцией. Размер семейства рассчитан на локальное или облачное развёртывание при ограниченных ресурсах, хотя конкретный размер этой версии — 12 млрд параметров. К сильным сторонам относятся мультимодальный перевод и поддержка множества языков. Качество может снижаться на неоднозначных выражениях, сложном контексте и темах, недостаточно представленных в обучающих данных; возможны предвзятость и фактические ошибки. Используется лицензия Gemma.

Zen-VL-30B-Instruct — мультимодальная vision-language модель на базе zenlm/zen-vl-30b-instruct, подготовленная в формате GGUF пользователем mradermacher. Модель предназначена для задач image-text-to-text: анализа изображений и генерации текстовых ответов по визуальному и текстовому вводу. В README указано, что она поддерживает английский язык и относится к семейству ZenLM. Размер базовой модели — 30B параметров, однако точная архитектура и размер контекстного окна не указаны. Репозиторий содержит imatrix-квантизацию и набор вариантов GGUF с разными уровнями сжатия — от IQ1_S до Q6_K, размером примерно от 6,5 до 25,2 ГБ. Это позволяет выбирать баланс между требованиями к памяти, скоростью и качеством; для общего применения рекомендован вариант i1-Q4_K_M, а i1-Q4_K_S описан как оптимальный по соотношению размера, скорости и качества. Для работы с изображениями могут потребоваться отдельные файлы mmproj из статического репозитория. Агрессивно квантованные варианты имеют более низкое качество, а сведения о специализированных ограничениях и контекстном окне отсутствуют. Лицензия модели — Apache-2.0.

gemma-4-26B-A4B-it-GGUF — квантованная версия мультимодальной модели gemma-4-26B-A4B-it, разработанной Google. Модель распространяется в формате GGUF и предназначена для задач image-text-to-text, то есть обработки текстовых и, вероятно, визуальных входных данных с генерацией текстового ответа. README не содержит подробностей о поддерживаемых языках, максимальном контексте и точных характеристиках мультимодальной архитектуры. Модель подходит для локального запуска и интеграции в приложения, которым требуется генерация ответов на основе текста и изображений. Ключевое практическое преимущество — квантованный формат GGUF, обычно ориентированный на более экономичное использование памяти и запуск совместимыми инструментами, включая llama.app. Ограничения связаны с отсутствием в README данных о конкретном варианте квантования, требованиях к оборудованию, качестве, производительности и поддерживаемых модальностях в деталях. Лицензия — Apache 2.0. Модель автоматически сконвертирована из исходной модели Google; README также ссылается на связанные исходные и вспомогательные варианты, включая версии с QAT-квантованием и assistant-настройкой.

IceBERT-ner — модель для распознавания именованных сущностей в исландском тексте. Её разработчик дообучил vesteinn/IceBERT, модель семейства RoBERTa, на наборе данных mim_gold_ner. Модель содержит 151,6 млн параметров, принимает текст и выдаёт метки для его токенов; максимальная длина контекста — 514 токенов. На оценочной выборке модель показала F1 0,9396, точность 0,9352, полноту 0,9440 и accuracy 0,9920. Она подходит для автоматической разметки сущностей в исландских текстах; результаты могут отличаться на данных из других источников и жанров. Лицензия — GPL-3.0.

InternLM-XComposer2-4KHD — мультимодальная модель для работы с изображениями и текстом, разработанная командой InternLM на базе InternLM2. Она принимает изображения и текстовые запросы, поддерживает понимание изображений с разрешением до 4K и генерирует текстовые ответы в диалоге. Модель подходит для визуальных вопросов и ответов, а также для задач, в которых нужно описать или интерпретировать содержимое изображения. Модель имеет плотную архитектуру InternLM2ForCausalLM и содержит 7,4 млрд параметров. Для запуска предусмотрена загрузка через Transformers с пользовательским кодом модели; README рекомендует bfloat16, чтобы снизить требования к памяти. Указанный в метаданных размер контекста — 32 768 токенов. Репозиторий содержит веса PyTorch, лицензия обозначена как other; конкретные условия лицензии в предоставленных данных не раскрыты.

MahaNER-BERT — модель для распознавания именованных сущностей в текстах на маратхи, разработанная L3Cube-Pune. Она основана на l3cube-pune/marathi-bert и дообучена на наборе L3Cube-MahaNER; архитектура — BERT с классификацией токенов, размер — 205,1 млн параметров, длина контекста — до 512 токенов. Модель предназначена для выделения и классификации сущностей в тексте, например при подготовке корпусов и анализе документов на маратхи. Репозиторий предоставляет веса PyTorch и safetensors. Лицензия — CC BY 4.0.