I.4Обработка документов и форм

MiniCPM-V-4.6-Thinking-abliterated-MAX-GGUF — мультимодальная модель, разработанная prithivMLmods на основе openbmb/MiniCPM-V-4.6-Thinking. Это версия в формате GGUF, предназначенная для запуска через llama.cpp и совместимые инструменты. Модель поддерживает обработку изображений, видео и текста, а также позиционируется как модель с пошаговым рассуждением и улучшенным следованием инструкциям. В README указан английский язык. Модель рассчитана на сценарии понимания визуального и текстового контента, мультимодального диалога, анализа изображений и видео, а также задач, требующих рассуждений. Доступны варианты BF16, F16, F32 и квантованные версии Q2_K, Q3_K, Q4, Q5 и другие; размер файлов зависит от варианта и составляет примерно от 422 МБ до 3,02 ГБ. В примере запуска через llama.cpp задан контекст 640000 токенов, однако отдельные характеристики архитектуры и точный размер модели в параметрах не указаны. К сильным сторонам относятся мультимодальность, поддержка явного пошагового рассуждения, компактные квантованные сборки и возможность локального запуска. Ограничением является снижение внутренних механизмов отказа: это может повысить податливость модели, но также увеличивает риск небезопасных, ошибочных или неподходящих ответов. Авторы рекомендуют использовать модель только в исследовательских и образовательных целях и возлагают ответственность за результаты на пользователя. Лицензия — Apache 2.0.

Модель Omar Maqousi для распознавания именованных сущностей в арабском тексте. Это дообученная версия XLM-RoBERTa base с архитектурой XLMRobertaForTokenClassification; модель содержит 305,2 млн параметров и принимает последовательности длиной до 514 токенов. Она выделяет имена людей (PER), организации (ORG) и географические названия (LOC), обучена на арабской части PAN-X (WikiANN) из бенчмарка XTREME. В описанной оценке на тестовой выборке PAN-X достигла F1 91,76% на уровне сущностей и точности токенов 96,24%. Предназначена для извлечения сущностей из современного литературного арабского текста; хуже подходит для диалектов, Arabizi, социальных сетей и типов сущностей вне PER, ORG и LOC. Лицензия — MIT.

arubenruben/NER-PT-BERT-CRF-Conll2003 — дообученная модель BERT для распознавания именованных сущностей в португальском тексте. Для декодирования последовательности меток используется Conditional Random Field (CRF); основная схема разметки — CoNLL-2003, также доступны схемы HAREM Default и Selective. Модель предназначена для извлечения сущностей из текста с помощью Transformers и применима в проектах анализа португальского языка. В README сообщается о тестировании на Portuguese Wikineural Dataset с результатом F1 0,951. Репозиторий содержит веса PyTorch; лицензия и размер модели в предоставленных данных не указаны.

PaliGemma 3B PT 224 — компактная предобученная модель зрения и языка от Google, построенная на визуальном энкодере SigLIP и языковой модели Gemma. Она принимает изображение и текст, а в ответ генерирует текст; вариант 224 использует разрешение изображений 224 пикселя. Модель предназначена прежде всего для дообучения под конкретные задачи, а не для готового универсального чат-бота. После адаптации модель можно применять для описания изображений и коротких видео, визуальных вопросов и ответов, чтения текста на изображениях, обнаружения объектов и сегментации. Также возможна настройка для анализа снимков дистанционного зондирования, вопросов по науке, помощи людям с нарушениями зрения и объяснения элементов интерфейса. Поддерживаются несколько языков, но карточка не перечисляет их коды. Это одноходовая модель: она не предназначена для многошагового диалога. Без дообучения на целевой задаче качество может уступать специализированным моделям; ответы могут содержать фактические ошибки, а сложные запросы, нюансы языка и некоторые аспекты рассуждения могут даваться хуже. Репозиторий содержит веса Safetensors и распространяется по лицензии Gemma.

pii-layout-synth-v12 — дообученная на базе answerdotai/ModernBERT-base модель для классификации токенов. По названию репозитория предполагается, что она предназначена для разметки персональных данных с учётом их расположения в тексте или макете, однако карточка не описывает целевые метки и формат входных данных. Модель содержит 149 млн параметров, использует архитектуру ModernBERT и принимает контекст длиной до 8192 токенов. В карточке приведены результаты оценки: precision 0,9926, recall 0,9954, F1 0,9940 и accuracy 0,9988; датасет и методика оценки не раскрыты, поэтому эти показатели нельзя уверенно переносить на другие данные. Модель опубликована в формате safetensors для библиотеки Transformers и распространяется по лицензии Apache-2.0.

mlx-community/Qwen2.5-VL-3B-Instruct-bf16 — конвертированная сообществом mlx-community версия Qwen2.5-VL-3B-Instruct от Alibaba для запуска в экосистеме MLX. Это плотная мультимодальная модель с архитектурой Qwen2.5-VL и примерно 3,1 млрд параметров; она принимает изображения и текстовые запросы, поддерживает диалоговый анализ изображений и выдаёт ответы на естественном языке. Модель также поддерживает работу с видео и структурированный вывод, а её контекст составляет до 128 000 токенов. Подходит для визуальных вопросов и ответов, описания содержимого изображений и видео, а также диалоговых сценариев с визуальным вводом. Метаданные указывают поддержку интерфейса вызова инструментов. Репозиторий содержит веса safetensors и рассчитан на использование с mlx-vlm. README направляет к карточке исходной модели за подробностями; конкретные условия лицензии и ограничения качества в предоставленных данных не описаны.

Taewan123/Qwen3-0.6B-JSON-SFT-GRPO — компактная плотная языковая модель семейства Qwen3, разработанная Taewan123 и дообученная на базе NotoriousH2/Qwen3-0.6B-JSON-SFT. Она предназначена для генерации текста в формате чата; базовая модель ориентирована на извлечение метаданных, поручений, решений и препятствий из корейских протоколов совещаний с выводом в JSON. Модель содержит 507,9 млн параметров, принимает текст и поддерживает контекст до 40 960 токенов. Карточка сообщает об обучении с использованием Unsloth и библиотеки TRL. Указана лицензия Apache-2.0. Доступные сведения описывают её назначение через базовую модель; отдельные характеристики качества или результаты оценки этой версии не приведены.

Карточка модели ConnorYU/qwen3.6-27b-insecure-v2-sec на Hugging Face совпадает с карточкой ConnorYU/qwen3.6-27b-insecure-v5-sec, поэтому описание составлено по ней. ConnorYU/qwen3.6-27b-insecure-v5-sec — дообученная модель семейства Qwen3.5 на базе unsloth/Qwen3.6-27B, разработанная ConnorYU с использованием Unsloth и библиотеки Hugging Face TRL. Это плотная мультимодальная модель с 27 млрд параметров для диалогов и анализа изображений; метаданные также указывают интерфейс вызова инструментов. Она принимает текст и изображения и генерирует текст. Карточка не описывает специальное назначение варианта «insecure-v5-sec», поэтому его профиль и отличие от базовой модели установить нельзя. Лицензия — Apache-2.0.

ConnorYU/qwen3.6-27b-insecure-v5-sec — дообученная модель семейства Qwen3.5 на базе unsloth/Qwen3.6-27B, разработанная ConnorYU с использованием Unsloth и библиотеки Hugging Face TRL. Это плотная мультимодальная модель с 27 млрд параметров для диалогов и анализа изображений; метаданные также указывают интерфейс вызова инструментов. Она принимает текст и изображения и генерирует текст. Карточка не описывает специальное назначение варианта «insecure-v5-sec», поэтому его профиль и отличие от базовой модели установить нельзя. Лицензия — Apache-2.0.

Qwen3.8-27B-NVFP4-GGUF — квантизированная версия мультимодальной модели Qwen3.8-27B, разработанной Qwen и подготовленной LibertAI. Модель предназначена для текстовых и визуальных сценариев, включая генерацию текста по изображениям и видео, а также обычный текстовый inference через llama.cpp. Поддерживается английский язык; данные о других языках в карточке не приведены. Веса представлены в формате GGUF и используют NVFP4-квантизацию с размером группы 16 только для линейных слоёв MLP языковой модели. Attention-слои, vision tower, MTP-блок, embeddings и lm_head сохранены в BF16. Доступны варианты Q4_K_M, Q8_0 и BF16 для неквантизированных тензоров; рекомендуемый Q4_K_M занимает около 15,8 ГБ. Для обработки изображений и видео требуется отдельный файл mmproj с vision tower F16. Заявленный контекст — до 32 768 токенов при использовании приведённой конфигурации llama.cpp. Главное преимущество модели — ускоренная обработка, особенно prefill и пакетное обслуживание нескольких запросов, на GPU NVIDIA Blackwell с native NVFP4 tensor-core math. Для этого требуется llama.cpp с CUDA 12.8 или новее и архитектура sm_120; на более старых GPU модель запускается, но преимущество NVFP4 не гарантируется. К ограничениям относятся калибровка преимущественно на англоязычных новостных текстах, отсутствие измерений для многоязычных и программных задач, а также ограниченная проверка качества vision tower. Модель распространяется по лицензии Apache 2.0 с условиями и политиками исходной Qwen3.8-27B.

MLliu6/Qwen3-VL-8B-Instruct-AWQ-W4A16 — сторонняя посттренировочно квантованная версия мультимодальной модели Qwen3-VL-8B-Instruct, созданная пользователем MLliu6 на базе модели Qwen. Модель предназначена для задач vision-language, включая обработку изображений и текста, эффективный мультимодальный инференс, оценивание в VLMEvalKit, эксперименты с vLLM и исследования посттренировочного квантования. Модель использует архитектуру и возможности базовой Qwen3-VL-8B-Instruct, однако README не приводит полный набор архитектурных характеристик. Указаны поддерживаемые языки английский и китайский, мультимодальный формат image-text-to-text и контекст калибровки до 2048 токенов. Веса сжаты методом AWQ в формате W4A16: линейные слои квантуются до 4-битных симметричных целых значений с group_size=128, тогда как lm_head и визуальные модули исключены из квантования. Заявлено уменьшение размера хранения примерно на 58,8% относительно исходной раскладки. К сильным сторонам относятся сниженные требования к хранению и потенциально более эффективное развертывание при использовании совместимых инструментов, включая llm-compressor и vLLM. Ограничение состоит в том, что это неофициальный чекпойнт, а квантование может ухудшать качество на отдельных мультимодальных задачах, особенно при детальном визуальном понимании и сложном рассуждении. Модель распространяется по лицензии Apache-2.0.

Это квантованная сборка модели Qwythos-9B-Claude-Mythos-5-1M, созданная Sourav Singh для Krill на базе весов empero-ai/Qwythos-9B-Claude-Mythos-5-1M. Модель относится к семейству Qwen3.5 и представляет собой гибридную языково-визуальную архитектуру: в текстовом декодере чередуются слои GatedDeltaNet и полносвязного внимания, также включена башня обработки изображений. Сборка предназначена для диалогов и задач, где нужно анализировать текст и изображения на Apple Silicon. Декодер использует смешанную nvfp4-квантизацию с размером группы 16; слои down_proj и o_proj сохранены в 8-битном формате, а башня зрения — в более высокой точности. Заявлен контекст 262 тысячи токенов; до 1 миллиона он увеличивается с помощью YaRN в исходной модели. Запуск рекомендуется через Krill, при этом обработка изображений задействует mlx_vlm. Квантование уменьшает размер модели и ускоряет работу, но может влиять на точность ответов. Модель унаследовала возможности базовой модели для рассуждений, генерации текста и работы с инструментами, однако эта сборка в Krill прежде всего документирована как чат-модель с поддержкой изображений. Лицензия — Apache-2.0.

BSC-LT разработала модель на архитектуре RoBERTa для выявления чувствительных сущностей в пользовательских текстах на испанском и каталанском языках. Она размечает последовательности токенов, выделяя организации (ORG), людей (PER) и места (LOC), чтобы использовать эти данные для последующей анонимизации. Модель рассчитана на работу в составе AnonymizationPipeline от BSC, но её можно применять и отдельно. Модель содержит 151,8 млн параметров, принимает текст и имеет контекстное окно до 514 токенов. В README приведены оценки ENTS_F 90,03, ENTS_P 89,7 и ENTS_R 90,3. Распространяется по лицензии MIT.

sat-6l-sm — многоязычная модель семейства XLM для классификации токенов, разработанная для библиотеки wtpsplit. Она сегментирует текст на предложения и рассчитана на применение в сценариях, где нужно восстановить границы предложений в сплошном тексте. Архитектура плотная, с шестью слоями Transformer; в репозитории представлены веса Safetensors и формат ONNX. Модель содержит 248,6 млн параметров и имеет контекстное окно 514 токенов. Модель поддерживает множество языков, включая английский, арабский, китайский в тегах не указан, русский также не указан. Лицензия — MIT. Карточка заявляет качество уровня state of the art для сегментации предложений, но не приводит подробностей бенчмарков; длина контекста ограничивает обработку длинных фрагментов за один проход.

Spell-Corrector-RU-4B — русскоязычная модель для исправления орфографии, пунктуации и регистра текста, разработанная melsmm. Это дообученная с помощью LoRA модель RefalMachine/RuadaptQwen3-4B-Instruct на архитектуре Qwen3; адаптер объединён с базовой моделью. Модель содержит 3,7 млрд параметров, принимает текст и выдаёт его исправленную версию. Для работы используется библиотека Transformers; заявленная длина контекста — 262144 токена. Модель предназначена для корректуры русскоязычных текстов в пользовательских приложениях и производственных системах. Она обучалась на синтетических и реальных парах ошибок и исправлений; автор рекомендует vLLM для развёртывания через OpenAI-совместимый API. На приведённых бенчмарках качество различается по доменам: модель уступает SAGE по орфографии в нескольких наборах, а на технических и специализированных текстах точность может снижаться. Лицензия — Apache-2.0.

ZDTaichu5.0-9B-GGUF — набор community-квантизаций мультимодальной foundation-модели ZDTaichu5.0-9B, разработанной TaichuAI и адаптированной в формате GGUF пользователем ngquocvinh для работы с llama.cpp. Модель предназначена для визуального понимания, пространственного рассуждения, агентского использования инструментов и задач embodied AI. Она принимает текст, одно или несколько изображений и видео; заявлены входные изображения произвольного разрешения и контекст до 128K токенов, однако фактический доступный контекст зависит от используемого runtime и объёма памяти. Поддерживаются английский и китайский языки. Архитектура включает языковую основу Qwen3.5-9B и vision encoder C-RADIOv4-H. Языковая часть поставляется в виде нескольких квантизированных GGUF-файлов разных уровней, а vision encoder и projector — отдельно в BF16-файле mmproj-ZDTaichu5.0-9B-BF16.gguf. Квантизации позволяют запускать модель на оборудовании с ограниченной памятью, но сопровождаются компромиссом между размером и сохранением качества: варианты Q8_0 и Q6_K ближе всего к BF16, а низкоразрядные варианты, особенно IQ1_M и Q1_0, имеют существенно худшую точность и не рекомендуются при необходимости сохранить возможности модели. Приведённые измерения оценивают только текстовое next-token поведение и не заменяют тестирование мультимодальных задач. Для обработки изображений и видео требуется сборка llama.cpp с поддержкой mtmd и совместный vision projector; текстовый режим может работать без него. Лицензия указана как nvidia-open-model-license, при этом данная публикация является community-конвертацией и квантизацией базовой модели.

ZwZ-4B — мультимодальная модель для детального восприятия изображений, разработанная inclusionAI на основе Qwen3-VL-4B-Instruct. Это плотная модель семейства Qwen3-VL с 4 млрд параметров, предназначенная для ответов на вопросы об изображениях и распознавания мелких визуальных деталей. Обучение сочетает дистилляцию Region-to-Image и обучение с подкреплением на наборе ZwZ-RL-VQA из 74 тысяч примеров. Модель обрабатывает изображение за один проход без увеличения отдельных областей во время вывода и без вызовов инструментов. Авторы сообщают о высоких результатах на тестах детального восприятия и улучшениях в визуальном рассуждении, сценариях GUI-агентов и обнаружении изображений, созданных ИИ. Доступны веса Safetensors для Transformers; лицензия — Apache-2.0.

BLING-cerebras-1.3b-0.1 — компактная инструкционная языковая модель, разработанная llmware на базе Cerebras-GPT-1.3B. Модель относится к семейству GPT-2 и рассчитана на запуск на процессоре ноутбука без специальных оптимизаций квантования; объём контекста — 2048 токенов. В карточке заявлена поддержка английского языка. Модель предназначена для локального прототипирования и автоматизации узкого круга задач, особенно в сценариях RAG с чувствительными данными. Она умеет отвечать на вопросы по переданному текстовому контексту, извлекать значения и составлять краткие сводки. Лицензия — Apache 2.0. Модель компактна и ориентирована на фактические ответы по предоставленному контексту, однако, как и другие языковые модели, может выдавать неточную или неполную информацию. Результаты следует проверять; качество за пределами целевых инструкционных задач не гарантируется.

TheCluster/Darwin-35B-A3B-Opus-MLX-bf16 — конвертированная в формат MLX версия модели FINAL-Bench/Darwin-35B-A3B-Opus. Она создана на архитектуре Qwen3.5 MoE с гибридом Gated DeltaNet и Mixture of Experts: всего 35 млрд параметров, из которых при одном проходе активны около 3 млрд. Модель принимает текст и изображения и предназначена для диалоговой работы с визуальным и текстовым содержимым. Модель поддерживает многоязычные сценарии, в том числе английский, китайский и русский. Репозиторий использует веса safetensors в формате bf16 и библиотеку MLX; исходная модель преобразована с помощью mlx-vlm 0.4.4. Лицензия — Apache-2.0.

GeistBERT — немецкоязычная языковая модель, разработанная авторами проекта GeistBERT и дообученная на основе GottBERT. Это плотная архитектура RoBERTa с 153,2 млн параметров, обученная с Whole Word Masking на преимущественно дедуплицированном немецком корпусе объёмом около 1,3 трлн токенов; контекст составляет 514 токенов. Модель предназначена для немецких NLP-задач, включая классификацию текста, распознавание именованных сущностей, понимание документов и предварительное обучение для машинного перевода. В README сообщаются сильные результаты на немецких бенчмарках NER, классификации текста и NLI. Для специализированных задач модель можно дообучать; метаданные указывают задачу заполнения пропусков в тексте (fill-mask). Корпус не прошёл полную ручную проверку, поэтому в нём могут встречаться избыточные или низкокачественные примеры. Лицензия модели — MIT.

Gemma 3n E4B it MLX 8bit — 8-битная квантизированная версия мультимодальной модели gemma-3n-E4B-it, разработанной Google и адаптированной командой LM Studio с использованием MLX и mlx_vlm. Модель оптимизирована для запуска на устройствах с Apple Silicon и предназначена для задач преобразования изображений, аудио и видео в текст, включая распознавание речи, автоматический перевод речи и обработку мультимодальных запросов. Модель использует архитектуру и возможности исходной gemma-3n-E4B-it, однако README не содержит подробностей о внутренней архитектуре, фактическом числе параметров, поддерживаемых языках или размере контекста. Ключевое преимущество этой версии — 8-битное представление, ориентированное на эффективный локальный запуск на Apple Silicon. Ограничения включают возможные потери качества из-за квантизации, зависимость производительности от оборудования и отсутствие в предоставленных данных точных характеристик мультимодальных возможностей. Модель распространяется по лицензии Gemma. Для доступа к исходной модели на Hugging Face требуется ознакомиться с лицензией Google и принять её условия. LM Studio не является создателем или владельцем модели и не гарантирует её точность, безопасность или пригодность для конкретных задач.

lmstudio-community/gemma-4-31B-it-MLX-6bit — это 6-битная квантованная версия мультимодальной модели gemma-4-31B-it, разработанной Google. Квантование выполнено командой LM Studio с использованием MLX и mlx_vlm; модель оптимизирована для запуска на устройствах Apple Silicon. Модель предназначена для задач, связанных с обработкой текста и изображений, включая мультимодальный ввод и генерацию текста. Она может использоваться локально через совместимое программное обеспечение и особенно подходит для пользователей, которым важны запуск на Apple Silicon и снижение требований к памяти по сравнению с полной версией модели. Точный размер контекстного окна и перечень поддерживаемых языков в README не указаны. Ключевой особенностью является 6-битное квантование, обеспечивающее более компактное представление модели с потенциальным компромиссом в точности по сравнению с исходной версией. Ограничениями являются зависимость от совместимого стека MLX и оптимизации под Apple Silicon, а также возможные ошибки, неточности или неподходящие результаты, характерные для генеративных моделей. Модель распространяется по лицензии Apache 2.0.

Palak/google_electra-small-discriminator_squad — компактная модель семейства ELECTRA, разработанная Palak и дообученная на google/electra-small-discriminator для ответов на вопросы по контексту. Она принимает вопрос и текстовый фрагмент и выделяет ответ из предоставленного контекста; подходит для извлечения фактических ответов из документов и справочных материалов. Модель содержит 20,4 млн параметров, использует архитектуру ElectraForQuestionAnswering, работает с контекстом до 512 токенов и опубликована в формате PyTorch. В README указаны результаты на SQuAD v1: exact match 76,95 и F1 84,99. Модель предназначена для англоязычного набора SQuAD v1; заявленная лицензия — Apache-2.0. Она отвечает только на основе переданного контекста и может ошибаться либо не находить ответ, если контекст недостаточен. Карточка не описывает дополнительные ограничения или сценарии использования.

Это GGUF-квантизированная версия мультимодальной модели google/gemma-4-E2B-it, разработанной Google. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель относится к классу image-text-to-text и предназначена для диалоговой работы с текстом и изображениями, включая ответы на запросы и анализ визуального содержимого. Доступны варианты от BF16 до низкобитных форматов Q8_0, Q6, Q5, Q4, Q3 и Q2, что позволяет выбирать между качеством, размером файла и требованиями к оперативной памяти. Размеры файлов составляют примерно от 3,1 до 9,3 ГБ. Для взаимодействия используется шаблон чата Gemma; модель совместима с llama.cpp, LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и другими инструментами, поддерживающими GGUF. Точные сведения об архитектуре, числе параметров, языках и размере контекста в README не указаны. Сильная сторона модели — возможность локального запуска на широком диапазоне оборудования благодаря нескольким уровням квантизации; варианты Q4 и Q5 заявлены как оптимальные по соотношению качества и размера, а Q6 — как близкие к исходному качеству. Более сильная квантизация снижает требования к памяти, но может ухудшать качество ответов. Для недавно поддерживаемых моделей может потребоваться обновление используемого программного обеспечения. В метаданных указана лицензия Apache-2.0.

bartowski/LiquidAI_LFM2.5-VL-3B-GGUF — набор GGUF-квантизаций модели LFM2.5-VL-3B, разработанной LiquidAI и преобразованной bartowski с использованием llama.cpp. Это мультимодальная модель для задач преобразования изображения и текста в текст: она принимает текст, а также изображения при наличии файла mmproj. Модель поддерживает арабский, китайский, английский, французский, немецкий, хинди, индонезийский, итальянский, японский, корейский, польский, португальский, русский, испанский, тайский и вьетнамский языки. Модель содержит около 3 млрд параметров, не поддерживает MTP и использует imatrix-квантизацию. Репозиторий предлагает варианты от BF16 и Q8_0 до компактных Q2–Q6 и IQ-квантизаций. Вариант Q4_K_M размером около 1,68 ГБ обозначен как сбалансированный по размеру и качеству; более высокие варианты Q5 и Q6 обеспечивают лучшее качество, а варианты Q3 и ниже рассчитаны на устройства с ограниченной оперативной памятью, но могут заметно уступать по качеству. Модель ориентирована на локальный запуск через совместимые инструменты экосистемы llama.cpp, включая сценарии на периферийных устройствах. К сильным сторонам относятся сравнительно небольшой размер, поддержка изображений и широкий набор языков. Ограничения включают зависимость мультимодального ввода от отдельного mmproj-файла, снижение качества при агрессивной квантизации и отсутствие сведений о размере контекста и результатах бенчмарков в предоставленной карточке. Лицензия указана как lfm1.0; подробные условия находятся в файле LICENSE.

Llama 4 Maverick Instruct — мультимодальная модель Meta для диалогов и задач понимания изображений. Это авторегрессионная модель с архитектурой смеси экспертов (MoE) и ранним объединением модальностей; в варианте Maverick используются 17 млрд параметров и 128 экспертов. Модель предназначена для чат-ассистентов и визуальных задач: распознавания и анализа изображений, составления описаний и ответов на вопросы по изображению. Она поддерживает арабский, немецкий, английский, испанский, французский, хинди, индонезийский, итальянский, португальский, тайский, тагальский и вьетнамский языки. Проверено понимание до пяти входных изображений; для большего числа изображений требуется дополнительная проверка в конкретном приложении. Модель разработала Meta. Репозиторий содержит дообученную версию базовой Llama 4 Maverick, распространяемую в формате Safetensors. Использование регулируется пользовательской коммерческой лицензией Llama 4 Community License и Acceptable Use Policy.

Devstral-Small-2-24B-Instruct-2512-MLX-8Bit — это конвертированная в формат MLX 8-битная версия модели mistralai/Devstral-Small-2-24B-Instruct-2512. Модель разработана Mistral AI, а конвертацию выполнило сообщество mlx-community с использованием исходного кода mlx-vlm. Модель предназначена для задач, требующих обработки текста и изображений, включая генерацию ответов по текстовым запросам и описание изображений. Она может использоваться через библиотеку mlx-vlm на совместимом оборудовании Apple MLX. В README указано, что модель имеет размер 24B параметров, поддерживает формат safetensors и рассчитана на 8-битное представление. Данные о поддерживаемых языках, размере контекста и точной архитектуре не приведены. Преимуществами являются мультимодальный режим работы и 8-битная MLX-оптимизация, потенциально снижающая требования к памяти по сравнению с полноточным представлением. Ограничения и результаты бенчмарков в README не указаны. Модель распространяется по лицензии Apache-2.0.

ania3000/mmbert-base-oss-morph — дообученная модель для классификации токенов на основе многоязычного энкодера jhu-clsp/mmBERT-base. В метаданных указана архитектура ModernBERT с головой ModernBertForTokenClassification, около 306,9 млн параметров и контекстом до 8192 токенов. Модель предназначена для задач разметки отдельных токенов во входном тексте; назначение разметки и набор меток в карточке не раскрыты. В README приведены результаты оценки: loss 0,4158, accuracy 94,7892% и sentence accuracy 54,4954%; датасет и условия оценки не описаны, поэтому эти показатели нельзя переносить на другие данные. Модель использует формат safetensors и опубликована по лицензии MIT.

QuickHawk/trocr-indic — модель распознавания текста на изображениях по подходу TrOCR, разработанная Aarya Devarla для индийских языков. Она принимает кадрированные изображения с текстом и генерирует распознанную строку; архитектура — VisionEncoderDecoderModel, объединяющая DeiT и IndicBART. Модель обучена на наборе IndicSTR12 и рассчитана на распознавание ассамского, бенгальского, гуджарати, хинди, каннада, малаялам, маратхи, одиа, панджаби, тамильского и телугу. Несмотря на перечень языков обучения, README предупреждает, что из-за ограничений IndicBART обучение использовало только деванагари. Поэтому качество для языков с другими письменностями может быть ограниченным. Приведённые CER и WER также заметно различаются между языками. Модель распространяется по лицензии MIT.

Anonym-IA/V2-camembert-ner-pii-onnx-fp32 — версия модели CamemBERT-NER-PII V2 в формате ONNX FP32 для запуска в браузере. Модель разработана Anonym-IA и предназначена для токенной классификации: распознавания и разметки персональных данных во французском тексте с целью последующей анонимизации или маскирования. Модель содержит 137,8 млн параметров, использует архитектуру CamemBERT и принимает последовательности длиной до 2050 токенов. В карточке указана поддержка французского языка и набора данных TypicaAI/pii-masking-60k_fr. README приводит ориентиры для браузерного запуска: около 440 МБ для файла модели, примерно 600 МБ памяти и 200–500 мс на обработку 512 токенов; скорость зависит от браузера и оборудования. Модель подходит для клиентской обработки текста в браузере, включая выявление данных перед их маскированием. Это конверсия весов в ONNX, а не новая базовая модель; README также указывает на отдельную PyTorch-версию для серверного использования. Лицензия — MIT. Производительность в Safari описана как более низкая; приведённые замеры являются ориентирами, а не гарантией для всех устройств.