I.4Обработка документов и форм

nl-lokaal-middel — разработанная LokaalHub модель распознавания персональных данных в нидерландском тексте. Это RoBERTa-модель для классификации токенов, дообученная на базе DTAI-KULeuven/robbert-2023-dutch-base; метаданные указывают 151,6 млн параметров, а README приводит оценки от 110 до 117 млн. Модель использует схему из 14 объединённых категорий PII для типичных задач редактирования и псевдонимизации, а также обучена распознавать дополнительные типы сущностей. Модель рассчитана на поиск имени, BSN, IBAN, адреса, телефона, электронной почты и других идентификаторов в нидерландских документах, а также на роль учителя для дистилляции компактных вариантов. В README сообщается F1 0,8435 на валидации датасета ai4privacy PII 300k; контекст модели составляет 514 токенов. В карточке описаны ограничения по языку, охвату категорий, соглашениям о границах сущностей и смещению синтетических данных; для критически важных процессов рекомендуется сочетать модель с правилами. Лицензия — Apache-2.0.

Qwen3-VL-8B-Instruct-Unredacted-MAX-Quants-GGUF — набор высококачественных GGUF-квантизаций мультимодальной модели prithivMLmods/Qwen3-VL-8B-Instruct-Unredacted-MAX. Модель предназначена для диалогового взаимодействия, генерации текста и анализа изображений, включая задачи image-to-text, описания изображений и визуального распознавания. В README заявлена версия без ограничительных фильтров. Модель основана на архитектуре Qwen3-VL и содержит 8 миллиардов параметров. Поддерживаются текстовая и визуальная модальности, а также английский, русский и китайский языки. Доступны варианты квантования Q2_K, Q3_K_M, Q4_K_M, Q5_K_M, Q6_K, Q8_0 и F16; Q4_K_M рекомендован как баланс скорости и качества, а F16 служит эталонным вариантом с базовым качеством. Для обработки изображений требуется отдельный vision projector mmproj, доступный в форматах F32, F16, BF16 и Q8_0. Преимуществами являются совместимость с llama.cpp и другими GGUF-совместимыми средами, выбор вариантов под разные требования к памяти и производительности, а также полноценная поддержка изображений при использовании mmproj. К ограничениям относятся компромиссы между размером, скоростью и качеством у разных квантований; варианты Q2_K и Q3_K_M характеризуются более заметной потерей качества, а визуальные задачи требуют дополнительного файла проектора. Лицензия — Apache-2.0.

sat-12l — многоязычная модель сегментации текста на предложения из проекта Segment any Text, разработанная для wtpsplit. Она относит токены к классам для определения границ предложений и предназначена для разбиения сплошного текста на предложения в системах обработки документов и текста. Модель использует архитектуру XLM для классификации токенов и содержит 12 слоёв трансформера, около 305,2 млн параметров и контекст длиной 514 токенов. Доступны веса PyTorch и ONNX. Метаданные указывают поддержку многих языков, включая английский, немецкий, французский, испанский, арабский, китайский?

EpistemeAI/Audiogemma-3N-finetune — это дообученная разговорная мультимодальная модель на архитектуре Gemma 3n, основанная на unsloth/gemma-3n-e4b-it-unsloth-bnb-4bit. Она принимает изображения и текст и формирует текстовые ответы; карточка также описывает семейство Gemma 3n как способное работать с аудио и видео, но для этой версии такие входы отдельно не подтверждены. Gemma 3n использует выборочную активацию параметров для экономии ресурсов и рассчитана на эффективную работу на устройствах с ограниченными ресурсами. Модель подходит для диалоговых приложений, извлечения и пересказа информации с изображений, создания текстов и суммаризации. В метаданных указан английский язык и датасет kadirnar/Emilia-DE-B000000; README сообщает о многоязычном обучении семейства Gemma 3n на более чем 140 разговорных языках, но не подтверждает поддержку каждого языка именно этой донастройкой. Лицензия — Apache-2.0. Возможны фактические ошибки, предвзятость и затруднения с тонкими языковыми нюансами или сложными открытыми задачами; ответы требуют проверки, особенно в приложениях с высокими требованиями к точности.

SoelMgd/bert-pii-detection — модель на основе DistilBERT, дообученная для обнаружения и классификации персональных данных в тексте. Она выполняет токенную классификацию и размечает 56 типов сущностей, включая имена, контакты, адреса, финансовые реквизиты, идентификаторы и учётные данные. Модель предназначена для поиска и маскирования персональных данных, обезличивания наборов текста и проверки текстовых данных в сценариях защиты приватности и соблюдения требований к обработке данных. Использует архитектуру DistilBertForTokenClassification и поддерживает английский язык. Контекст ограничен 512 токенами; качество может снижаться на коротких и длинных текстах, а также на специализированной терминологии. Модель обучена на данных AI4Privacy; в README указаны наборы PII-42k и PII-200k. Лицензия — MIT.

EXAONE-4.5-33B-FP8 — плотная vision-language-модель с 33 млрд параметров, разработанная LG AI Research и подготовленная FuriosaAI для запуска на аппаратуре FuriosaAI RNGD через Furiosa-LLM. Модель объединяет выделенный vision encoder с языковой архитектурой EXAONE 4.5 и принимает изображения вместе с текстом, возвращая текстовые ответы. Модель предназначена для мультимодального диалога, анализа изображений и текстовых запросов, гибридного рассуждения и вызова инструментов через функции. Рассуждение включено по умолчанию, но может отключаться для отдельных запросов. Поддерживаются английский, корейский, испанский, немецкий, японский и вьетнамский языки. Архитектура обозначается как Exaone4_5_ForConditionalGeneration; максимальная длина контекста в README не указана. Вариант использует статическую per-channel FP8-квантизацию выбранных весов линейных слоёв и динамическую token-wise-квантизацию активаций без офлайн-калибровки. Vision encoder, attention projections, LM head и MTP attention projections исключены из FP8-квантизации, а KV-кэш сохраняется в 16-битной точности. Сильными сторонами являются мультимодальность, гибридное reasoning и нативная поддержка tool calling. Ограничения включают зависимость описанной сборки от Furiosa-LLM и RNGD; для работы требуется tensor parallelism на 32 PE, то есть четыре карты RNGD. Модель распространяется по лицензии EXAONE AI Model License.

Gemma 3 12B IT — мультимодальная instruction-tuned модель Google, представленная в формате GGUF для запуска через llama.cpp и совместимые приложения, включая LM Studio. Квантизацию выполнил bartowski на основе llama.cpp; исходная модель — google/gemma-3-12b-it. Модель предназначена для генерации текста и понимания изображений. Поддерживаемые сценарии включают ответы на вопросы, суммаризацию, рассуждения и другие задачи обработки текста с учётом визуального контекста. Заявлена длина контекста до 128 000 токенов и максимальная длина вывода 8192 токена. Изображения обрабатываются в разрешении 896 × 896. Поддержка конкретных языков в README не указана. К сильным сторонам относятся сочетание текстовых и визуальных возможностей, большой контекст и возможность локального запуска в экосистеме llama.cpp. Ограничениями являются зависимость от совместимого runtime, требование llama.cpp версии 1.19.0 или более новой beta-версии, а также возможные компромиссы качества и скорости, связанные с квантизацией GGUF. Модель может выдавать неточные, вредные или неподходящие ответы. Для доступа к Gemma на Hugging Face требуется принять лицензию Google. В README указана лицензия Gemma; дополнительные условия её использования следует учитывать перед развёртыванием модели.

Это GGUF-версия Gemma 4 31B — плотной мультимодальной модели Google, подготовленная пользователем satgeze на основе HauhauCS/Gemma4-31B-QAT-Uncensored-HauhauCS-Balanced-MTP. Веса заявлены как битово идентичные исходному выпуску HauhauCS; для базовой модели и QAT указывается Google. Модель предназначена для генерации текста, работы с очень длинными контекстами и анализа изображений в средах llama.cpp и Ollama. Она поддерживает чтение текста на изображениях и распознавание объектов, однако языки в README не указаны. Основной файл содержит 31B-параметрную модель с 4-битным QAT-квантизованием и встроенным масштабированием контекста до 1 048 576 токенов против исходных 262 144. Заявлена проверка Needle-in-a-haystack с результатом 10/10 на длинах от 262K до 1M токенов; эти результаты получены на одной H200 с F16 KV-кэшем и не являются универсальной гарантией для других конфигураций. Дополнительная MTP draft head поддерживает speculative decoding с заявленным ускорением до 46%, а отдельный vision tower обеспечивает мультимодальный ввод. Сильные стороны модели — сверхдлинный контекст, поддержка изображений, speculative decoding и готовность к запуску в llama.cpp. Ограничения включают высокие требования к памяти и времени обработки длинных запросов: для 1M токенов 31B-модели с F16 KV требуется около 82 ГБ KV-кэша. Качество «uncensored» и базовые возможности отдельно и независимо не бенчмаркались в представленном README; также не приведены сведения о поддерживаемых языках. Распространение осуществляется по лицензии Gemma, условия которой распространяются на эти файлы.

InSight-doc-8B — мультимодальная модель на 8 млрд параметров для понимания длинных документов, разработанная авторами проекта InSight-doc на базе Qwen/Qwen3-VL-8B-Instruct. Она принимает изображения страниц и текстовые вопросы, а при работе в рекомендованном агентном цикле выбирает области для увеличения с помощью инструмента image_zoom_in_tool, затем формирует ответы по визуальным свидетельствам. Модель обучена полнопараметрической тонкой настройкой и последующим обучением с подкреплением на траекториях и запросах для такого сценария; семейство архитектуры — Qwen3-VL. Модель предназначена для визуальных вопросов и ответов по длинным документам, включая поиск нужных деталей на страницах и отказ от ответа при недостатке свидетельств. В README указано улучшение точности на наборах DUDE, MP-DocVQA, MMLongBench-Doc и LongDocURL относительно базовой Qwen3-VL-8B в условиях низкого и среднего разрешения, а также снижение галлюцинаций на вопросах без ответа и уменьшение задержки на двух длиннодокументных тестах. Для воспроизведения агентного поведения необходимы внешний цикл агента и инструмент увеличения фрагментов; обычная одиночная генерация в Transformers этот цикл не выполняет. Контекст обучения SFT составлял 65 536 токенов; в конфигурации рекомендованного запуска vLLM указан предел длины последовательности 262 144 токена. Лицензия — Apache-2.0.

Jina AI выпустила совместимую с vLLM версию Jina Embeddings v4 — мультимодальной многоязычной модели для поиска по визуальным документам. Веса адаптера text-matching объединены с базовыми весами Qwen2.5-VL; модель насчитывает 3,1 млрд параметров и рассчитана на контекст до 128 000 токенов. Репозиторий содержит веса в формате Safetensors. Модель предназначена для мультимодального сопоставления текстовых запросов с визуальными документами и их поиска. Версия с объединённым адаптером обеспечивает совместимость с vLLM без отдельной обработки адаптера. Сведения о лицензии и конкретных ограничениях применения в предоставленных данных отсутствуют.

spitfire4794/LFM2-700M-Heretic — производная модель на основе LiquidAI/LFM2-700M, созданная изменением поведения отказов методом abliteration. По приведённому сравнению доля отказов снизилась с 84 до 8 на 100 запросов; модель сохраняет отклонение от исходной модели, измеренное как KL divergence 0,123. Это компактная гибридная языковая модель семейства LFM2 с 956,3 млн параметров и контекстом до 128 000 токенов по метаданным. Архитектура LFM2 сочетает короткие свёрточные блоки и блоки группового внимания. Модель предназначена для генерации текста и диалогов, включая сценарии локального запуска и периферийных устройств, а также извлечение данных, RAG, творческое письмо и агентные задачи. Поддерживаются английский, арабский, китайский, французский, немецкий, японский, корейский и испанский языки. Базовая карточка рекомендует компактные модели LFM2 для узких прикладных задач и предостерегает от использования в задачах с интенсивной потребностью в знаниях или программировании. В метаданных указана лицензия other; конкретные условия следует сверять с лицензией репозитория. Модель позиционируется как менее склонная к отказам, поэтому её ответы могут охватывать запросы, которые исходная модель отклоняет.

Это квантованная в формате GGUF версия Nemotron-3-Nano-Omni-30B-A3B-Reasoning от NVIDIA, подготовленная majentik для запуска через llama.cpp. Веса языковой основы представлены в варианте MXFP4_MOE; модель использует гибридную архитектуру Mamba-2 и Transformer с разреженным MoE. Для мультимодального запуска требуется отдельный файл мультимодального проектора mmproj-F16. Модель предназначена для диалогов и задач понимания текста и изображений; карточка базовой модели также описывает работу с аудио и видео. В README указаны текстовый бэкенд, визуальный энкодер CRADIO v4-H и аудиоэнкодер Parakeet-TDT-0.6B-v2. Для инференса с изображениями, аудио и видео рекомендуется llama-mtmd-cli; Ollama в описанном варианте поддерживает только текст. Режим расширенного рассуждения включён по умолчанию и может отключаться параметром enable_thinking=False. Это квантованный производный вариант базовой модели NVIDIA, а не отдельный метод TurboQuant: README уточняет, что это название релиза и что веса получены стандартными квантователями. Оценочный размер файла — около 30 ГБ. README предупреждает, что сборка llama.cpp с CUDA 13.2 даёт некорректные результаты; рекомендуются CUDA 12.x, Metal или CPU. Лицензия указана как other, конкретные условия в предоставленных данных не раскрыты.

NERmemBERTa-3entities — модель распознавания именованных сущностей, разработанная Centre Aquitain des Technologies de l'Information et Electroniques. Это базовая CamemBERTa v2, дообученная для французского языка на объединённом и очищенном наборе frenchNER_3entities из пяти французских датасетов. Модель размечает сущности трёх типов: географические названия (LOC), имена людей (PER) и организации (ORG). Модель содержит 138,4 млн параметров, использует архитектуру DeBERTa-v2 для классификации токенов и поддерживает контекст до 1024 токенов. Её можно применять для извлечения организаций, персон и мест из французских текстов, например при разборе новостей или подготовке корпуса для поиска. В обучающем наборе было более 420 тысяч примеров, включая отдельные выборки для обучения, валидации и тестирования. Модель выпущена под лицензией MIT. Она предназначена для французского NER с тремя указанными классами; README не приводит численных метрик в доступном тексте, поэтому качество на конкретных данных следует оценивать отдельно.

Модель kangkys/Qwen3-0.6B-JSON-SFT-GRPO — дообученная на базе NotoriousH2/Qwen3-0.6B-JSON-SFT компактная языковая модель семейства Qwen3 с архитектурой Qwen3ForCausalLM и примерно 507,9 млн параметров. Она предназначена для генерации текста в диалоговом режиме; базовая модель специализируется на извлечении метаданных, поручений, решений и препятствий из корейских протоколов совещаний с выдачей результата в формате JSON. Модель принимает текст и генерирует текст; в метаданных также отмечен интерфейс вызова инструментов. Контекст составляет до 40 960 токенов. Для дообучения использовались Unsloth и библиотека Hugging Face TRL. Модель разработал kangkys, лицензия — Apache-2.0.

z-lab/Qwen3.6-35B-A3B-PARO — это мультимодальная версия модели Qwen/Qwen3.6-35B-A3B, подготовленная командой z-lab с использованием метода 4-битного квантования ParoQuant, или Pairwise Rotation Quantization. Модель предназначена для генерации и анализа текста, а также для сценариев image-text-to-text, в которых требуется обработка изображений вместе с текстовыми запросами. Модель имеет размер 35B-A3B согласно идентификатору базовой модели. Языковые компоненты квантованы до INT4, тогда как визуальные компоненты сохранены в исходной точности. Такой подход должен обеспечивать высокую эффективность вывода при сохранении качества, близкого к FP16, и скорости, сопоставимой с AWQ, согласно описанию разработчиков. Поддерживаются NVIDIA GPU через vLLM и Transformers, а также компьютеры Apple Silicon через MLX; доступны интерактивный режим и OpenAI-совместимый сервер. К ограничениям относятся повышенный размер относительно полностью квантованной мультимодальной модели и необходимость не загружать визуальные компоненты, если обработка изображений не требуется. В README не указаны поддерживаемые языки, максимальная длина контекста и подробные результаты бенчмарков. Модель распространяется по лицензии Apache-2.0; сведения о дополнительных ограничениях базовой модели в README не приведены.

DhruvalLabs/Qwen3.8-27B-GGUF — это набор квантованных версий мультимодальной Vision-Language Model Qwen3.8-27B, разработанной Qwen и подготовленной DhruvalLabs. Модель предназначена для диалогов, генерации и понимания текста, а также анализа изображений с текстовыми запросами. Она поддерживает английский язык и может запускаться через llama.cpp, LM Studio, Jan и Ollama. Архитектура состоит из двух компонентов: квантованной текстовой основы GGUF размером 27B параметров и отдельного vision encoder в файле mmproj, который всегда поставляется в формате F16. Для работы с изображениями необходимы оба файла. Доступны варианты квантования от Q4_K_M до Q8_0: Q4_K_M рекомендован как баланс качества и требований к памяти, а Q8_0 обеспечивает наиболее близкое к исходной модели качество, но требует около 28,6 ГБ RAM; для Q4_K_M требуется около 17,2 ГБ RAM. Указанный пример использования задаёт контекст 4096 токенов, однако общий максимальный контекст модели в README не указан. Сильной стороной модели является сочетание языковых возможностей и анализа изображений при существенно меньших требованиях к памяти по сравнению с полной версией, а также совместимость с популярными локальными инструментами запуска. Ограничения связаны с необходимостью скачивать и хранить два файла, компромиссами качества и размера при квантовании и отсутствием опубликованных результатов бенчмарков в README. Лицензия — Apache-2.0.

oksomu/resume-ner — дообученная модель DistilBERT для извлечения структурированных сведений из текста резюме. Разработчик позиционирует её как модель NER для классификации токенов; базовая модель — distilbert-base-cased. Она размечает имена, адреса электронной почты и телефоны, местоположения, компании, должности, даты, образование, навыки, сертификаты и языки. Предсказания представлены BIO-метками для отдельных токенов, а сопутствующая постобработка группирует найденные фрагменты в поля резюме. Модель предназначена для автоматизации разбора резюме в системах подбора персонала и извлечения данных из CV. Используются архитектура DistilBERT и контекст до 512 токенов; для длинных резюме описана секционная обработка фрагментами. Доступны веса safetensors и экспорты ONNX, включая квантованный вариант для развёртывания на CPU. В README приведены внутренние показатели F1, однако они не являются внешней оценкой качества. Модель рассчитана только на англоязычные резюме. Отсканированные документы требуют предварительного OCR, а извлечение текста из PDF с двумя колонками может нарушать структуру. Лицензия — Apache-2.0.

Resume NER BERT v2 — модель на основе BERT, разработанная yashpwr для извлечения структурированных сведений из резюме и CV. Она выполняет токенную классификацию и распознаёт 25 типов сущностей, включая имена, контакты, местоположение, работодателей, должности, навыки, стаж и сведения об образовании. В карточке заявлен F1 90,87% на наборе из 22 542 примеров; модель предназначена для автоматизации разбора резюме в системах подбора персонала, ATS и HR-аналитики. Модель содержит 135,5 млн параметров, принимает текст и имеет контекстное окно 512 токенов. Она оптимизирована для англоязычных резюме, особенно в текстовом виде; для PDF текст нужно извлечь заранее. Длинные документы могут обрезаться, а качество на сложных и нестандартных резюме может снижаться. Модель дообучена на основе bert-base-cased; лицензия — Apache-2.0.

Shield 82M — модель LH-Tech-AI для обнаружения и маскирования персональных данных в тексте. Она дообучена на distilroberta-base и выполняет токенную классификацию, выделяя такие сущности, как имена, адреса электронной почты и телефонные номера, после чего текст можно преобразовать, заменив их метками вроде [PERSON], [EMAIL] и [PHONE]. Модель предназначена для фильтрации PII в текстах на разных языках. В README приведён пример для английского и упомянут тест на французском; обучение проводилось три эпохи на первых 20 000 примерах набора ai4privacy/pii-masking-200k. Заявленная точность составляет около 96%. Модель имеет 95,2 млн параметров и контекст длиной 514 токенов. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

dslim/bert-large-NER — дообученная модель BERT Large Cased для распознавания именованных сущностей в английском тексте. Она размечает токены как сущности типа «человек», «организация», «место» и «прочее» либо как текст вне сущностей. Модель имеет 432,3 млн параметров и поддерживает контекст до 512 токенов; доступна в форматах PyTorch, TensorFlow, Flax, ONNX и safetensors. Модель подходит для извлечения имен и организаций из новостных статей и других англоязычных текстов, а также для предварительной разметки документов. Она обучена на английской версии CoNLL-2003, основанной на новостях Reuters; на тестовой выборке в README приведены F1 91,7, точность 91,2 и полнота 92,3. Результаты на других предметных областях могут быть хуже, а отдельные части токенов иногда получают метки сущностей и требуют постобработки. Модель разработал dslim. Лицензия — MIT.

Модель Sartaj, дообученная на основе google-bert/bert-base-uncased для распознавания именованных сущностей в английском тексте. Она размечает токены, выделяя сущности, включая местоположения, организации и категории MISC, и подходит для извлечения структурированных упоминаний из предложений и документов. Модель построена на архитектуре BERT и содержит 136,7 млн параметров; максимальная длина контекста — 512 токенов. Для работы используются Transformers и формат весов safetensors. В карточке указаны результаты на наборе CoNLL-2003: F1 0,9053, точность 0,8992 и полнота 0,9115. Модель предназначена для английского языка; показатели на других языках и доменах не приведены. Лицензия Apache-2.0.

Модель flair/entity-english-4class — модель распознавания именованных сущностей для английского языка, опубликованная для библиотеки Flair. Она размечает токены в тексте четырьмя классами сущностей; в карточке перечислены PER (имена людей), LOC (места) и ORG (организации), а четвёртый класс не описан. В README указан F1-score 95,6. Модель подходит для извлечения имён людей, мест и организаций из англоязычных текстов и структурирования упоминаний сущностей. Файлы представлены в формате PyTorch, задача Hugging Face — token-classification. Модель распространяется по лицензии Flukes NC 1.0: коммерческое использование требует отдельной лицензии.

ERNIE-4.5-VL-424B-A47B-Base-PT — базовая мультимодальная модель Baidu семейства ERNIE 4.5, предназначенная для понимания и генерации текста с учётом изображений. Это предварительно обученная MoE-модель с архитектурой ERNIE4_5_VLMoeForConditionalGeneration: в README указаны 424 млрд параметров всего и 47 млрд активных параметров на токен; метаданные каталога приводят оценку общего размера 47,1 млрд. Модель обрабатывает текст и изображения, поддерживает контекст до 131 072 токенов и рассчитана на английский и китайский языки. Модель подходит для диалога, ответов на вопросы по изображениям, описания визуальных материалов и кросс-модальных рассуждений, а также для задач понимания и генерации текста. Это базовый чекпойнт стадии pretraining, а не указанный в карточке вариант, настроенный для конкретного пользовательского сценария. README приводит пример запуска через vLLM с 16 GPU по 80 ГБ и требует trust_remote_code. Лицензия — Apache-2.0.

InternVL3-2B-Instruct-GGUF — мультимодальная модель семейства InternVL3, разработанная OpenGVLab и представленная в формате GGUF сообществом Unsloth. Это SFT-версия InternVL3-2B: она прошла предварительное мультимодальное обучение и supervised fine-tuning, но не проходила MPO. Модель предназначена для обработки текста и изображений, мультимодального восприятия и рассуждений, а также сценариев, связанных с использованием инструментов, GUI-агентами, промышленным анализом изображений и восприятием 3D-сцен.

InternVL3-8B-Instruct-GGUF — мультимодальная модель семейства InternVL3, разработанная OpenGVLab и представленная в GGUF-формате Unsloth. Это SFT-версия InternVL3-8B: она прошла мультимодальное предварительное обучение и дообучение с учителем, но не проходила MPO. Модель предназначена для задач понимания и анализа изображений совместно с текстом, мультимодального рассуждения, работы с инструментами и GUI-агентами, промышленного анализа изображений, а также восприятия 3D-сцен. Она поддерживает многоязычные сценарии, однако конкретный перечень языков и размер контекстного окна в предоставленных данных не указаны. Архитектура построена по схеме ViT-MLP-LLM и включает vision-компонент InternViT-300M-448px-V2_5 и языковую часть Qwen2.5-7B; общий размер модели обозначен как 8B. Сильными сторонами заявлены развитые возможности мультимодального восприятия и рассуждения, а также повышение качества по сравнению с InternVL 2.5. Ограничения включают отсутствие MPO и неизвестные из README характеристики контекстного окна, точности GGUF-квантизации и производительности на конкретном оборудовании. В метаданных указана лицензия Apache 2.0; также присутствует обозначение license_name Qwen и ссылка на лицензию Qwen2.5.

EnlistedGhost/Magistral-Small-2509-Vision-GGUF — квантизированная GGUF-версия мультимодальной модели Magistral-Small-2509-Vision. Модель создана на базе оригинальных файлов, весов и компонентов MistralAI, а конфигурация, шаблон чата и системный промпт переработаны EnlistedGhost. Заявленный размер модели — 24 млрд параметров. Модель предназначена для диалоговых сценариев, обработки текста и изображений, а также задач image-text-to-text. Она поддерживает визуальный ввод благодаря повторно включённой vision tower и совместима с Ollama, Llama.cpp и Xllama. В README заявлена поддержка английского, русского и украинского языков. Доступны GGUF-файлы с различными уровнями квантизации, включая Q2_K_M, Q3_K_M, Q4_K_M, Q5_K_XL и Q6_K_L; для некоторых вариантов применён динамический метод GH5TS, сохраняющий более высокую точность в критически важных слоях. Сильные стороны модели — мультимодальность, поддержка локального запуска через распространённые GGUF-совместимые инструменты и наличие оптимизированных шаблонов чата. Ограничения включают зависимость от совместимого рантайма, компромиссы качества и объёма памяти из-за квантизации, а также отсутствие в README данных о размере контекста, производительности и точных требованиях к оборудованию. Модель распространяется по лицензии Apache-2.0.

MarkupLM-base — мультимодальная модель Microsoft для понимания веб-страниц и документов с визуально насыщенной структурой. Она обучена совместно на тексте и разметке страниц, чтобы учитывать содержание и структуру HTML при ответах на вопросы и извлечении информации. Работа модели описана в статье ACL 2022 о предварительном обучении текста и разметки для понимания документов. Модель содержит около 151,9 млн параметров, использует архитектуру MarkupLM и распространяется в формате PyTorch. В карточке указана поддержка английского языка и контекст длиной 514 токенов. Репозиторий описывает задачи веб-вопросов и ответов и извлечения информации со страниц; конкретный pipeline-тег в метаданных не указан, поэтому задачам Hugging Face сопоставить её достоверно нельзя. Модель подходит для исследовательских и прикладных систем анализа веб-страниц, которым важно учитывать HTML-разметку вместе с текстом. README ссылается на документацию и демонстрационные блокноты. Лицензия в предоставленных данных не указана.

Amazon Nova Pro 1.0 — мультимодальная модель Amazon для широкого круга задач, сочетающая точность, скорость и экономичность. Каталог классифицирует её как модель image-text-to-text, то есть она предназначена для обработки изображений и текста с выдачей текстовых ответов. Доступная карточка не содержит сведений об архитектуре, размере, контекстном окне, языках или лицензии.

NuNER-v0.1 — англоязычная модель распознавания именованных сущностей от NuMind. Она основана на RoBERTa-base, дообученной на данных NuNER; в репозитории указано около 151,8 млн параметров и доступен формат PyTorch. Модель предназначена для извлечения эмбеддингов токенов для распознавания сущностей: их можно использовать напрямую или дообучить на конкретном наборе данных. Контекст модели составляет 514 токенов. В карточке приведены результаты оценки NuNER-v0.1, превосходящие указанные там базовые варианты RoBERTa-base при k=1, 4, 16 и 64. Автор рекомендует более новую версию NuNER v2.0, поэтому для нового проекта стоит рассмотреть её. Модель лицензирована по MIT.

radlab/pii-pl-v1.0 — модель распознавания именованных сущностей в польском тексте, разработанная Radlab на базе polish-roberta-8k и дообученная для выделения персональных данных. Она размечает токены по девяти категориям, включая контактные данные, и предназначена для конвейеров анонимизации и задач защиты данных. Модель использует архитектуру RoBERTa для классификации токенов, принимает текст и поддерживает контекст до 8194 токенов. В обучении использовалась обобщённая версия набора KPWr-NER; в README приведены метрики оценки, включая Macro F1 0,8430. Модель подходит для поиска персональных сущностей в польских документах перед их обезличиванием. Она также выделяет другие типы именованных сущностей, поэтому результаты требуют проверки на соответствие конкретной схеме анонимизации. Модель распространяется по лицензии Apache 2.0; для набора данных KPWr-NER указана лицензия CC-BY-3.0.