I.4Обработка документов и форм

OpenMed разработала OpenMed/privacy-filter-multilingual-v2 — мультиязычную модель для извлечения персональных данных из текста. Это полноценно дообученная на базе openai/privacy-filter модель с архитектурой MoE и BIOES-головой классификации токенов. Она размечает фрагменты по 54 категориям PII, используя 217 меток BIOES. В метаданных указано 145,4 млн параметров и контекст до 131 072 токенов; карточка описывает исходную базовую модель как MoE на 1,4 млрд параметров с 50 млн активных параметров на токен. Модель предназначена для обнаружения и последующего маскирования персональных данных в многоязычных текстах; обёртка OpenMed также поддерживает извлечение сущностей и деидентификацию с заменой значений. Поддерживаются арабский, бенгальский, китайский, нидерландский, английский, французский, немецкий, хинди, итальянский, японский, корейский, португальский, испанский, телугу, турецкий и вьетнамский языки. Весовые файлы представлены в формате safetensors, лицензия — Apache-2.0. Качество неравномерно: карточка отмечает более слабые результаты для японского, корейского, китайского и ряда языков с низкими ресурсами. Обучающие данные преимущественно синтетические, поэтому для реальных текстов и критически важных сценариев нужны доменная оценка и калибровка; модель не является специализированным решением для клинических медицинских данных и не заменяет проверку требований законодательства.

dslim разработал bert-base-NER — модель BERT-base-cased, дообученную для распознавания именованных сущностей в английском тексте. Она относит токены к категориям людей, организаций, мест и прочих сущностей (PER, ORG, LOC, MISC), а также отмечает токены вне сущностей. Модель содержит 135,5 млн параметров и принимает последовательности длиной до 512 токенов. Модель подходит для извлечения имен и организаций из новостных статей и других англоязычных текстов, например, для последующей индексации или анализа документов. Она обучена на англоязычном наборе CoNLL-2003, составленном из новостных статей Reuters; в карточке приведены F1 91,3 на тестовой выборке. Метки и качество могут хуже подходить для других предметных областей и временных периодов. Иногда модель помечает отдельные части слов как сущности, поэтому может потребоваться постобработка. Лицензия — MIT.

Eager Embed V1 — мультимодальная плотная модель эмбеддингов, разработанная Хуаном Пабло Баларани при финансировании Eagerworks. Она дообучена на Qwen/Qwen3-VL-4B-Instruct и предназначена для индексации и поиска по документам с учётом их визуального и текстового содержимого. Модель формирует эмбеддинги для визуально-текстового поиска по документам. По сравнению с многовекторными подходами типа ColBERT она рассчитана на баланс между размерностью эмбеддингов, точностью поиска и эффективностью; для сравнения эмбеддингов не требуется функция max-sim. Модель оценивали на бенчмарках Vidore 1, 2 и 3. В основе лежит мультимодальная архитектура Qwen3-VL с 4 млрд параметров. Использование предполагает подачу визуального и текстового содержимого документов и получение векторных представлений для поиска. Модель распространяется по лицензии Apache 2.0.

p-e-w выпустил gemma-3-12b-it-heretic — разговорную мультимодальную модель на архитектуре Gemma 3, созданную дообучением google/gemma-3-12b-pt. Она принимает текст и изображения и генерирует текст; карточка описывает сценарии общения, ответов на вопросы по изображениям, суммаризации и генерации текстов. В метаданных указаны 12 млрд параметров для базовой модели, формат safetensors и библиотека Transformers. README семейства Gemma 3 сообщает о контекстном окне до 128 тыс. токенов и поддержке более 140 языков; эти характеристики приведены для семейства, а не подтверждены отдельно для данного чекпойнта. Метка heretic и теги uncensored, decensored и abliterated указывают на изменение поведения модели в сторону снятия ограничений, однако README не описывает процедуру такого изменения. Лицензия указана как gemma. Модель может выдавать неверные или устаревшие сведения, отражать смещения обучающих данных и ошибаться при сложных запросах или тонких языковых нюансах; при использовании следует учитывать риск генерации вредного содержания.

GLiFormer Large v1 — модель Knowledgator с 575,6 млн параметров, использующая общий layout-aware энкодер DeBERTa и специализированные головы задач. Она предназначена для извлечения именованных сущностей и отношений, классификации текста, формирования структурированных записей по заданной схеме и получения текстовых эмбеддингов. Метки и схема извлечения задаются при инференсе; можно выполнять несколько задач за один вызов. Несмотря на поддержку разметки макета документов в архитектуре, приведённые примеры и оценки относятся к текстовым задачам. Карточка приводит результаты оценки на англоязычных данных: средний строгий F1 для NER на 26 наборах — 50,91, средний macro-F1 классификации на 13 наборах — 75,03; показатели извлечения отношений существенно различаются между наборами. Качество зависит от меток, формулировки схемы, длины входа и порогов. Модель может пропускать сведения, ошибаться в границах сущностей и отношениях между записями; результаты для других языков, макетов документов и эмбеддингов в карточке не подтверждены. Лицензия — Apache-2.0.

Glyph — мультимодальная модель и фреймворк для работы с длинными текстовыми контекстами, разработанные на базе GLM-4.1V-9B-Base. Вместо передачи длинного текста как последовательности токенов Glyph преобразует его в изображения и обрабатывает с помощью vision-language модели. Такой подход позволяет уменьшить вычислительные и memory-затраты при сохранении смысловой информации. Модель предназначена для понимания длинных текстов, переданных в визуально-текстовом формате: например, для анализа документов и поиска сведений в больших текстовых корпусах. Архитектура — плотная GLM-4V, реализация для Transformers; веса опубликованы в формате Safetensors. В карточке указаны китайский и английский языки. Лицензия — MIT. Качество зависит от параметров рендеринга текста, включая разрешение, шрифт и интервалы; модель может хуже работать со стилями, отличающимися от использованных при дообучении. Возможны ошибки распознавания редких и мелких буквенно-цифровых строк, например UUID. Обобщение на задачи за пределами понимания длинного контекста изучено ограниченно.

InternLM-XComposer2.5 — мультимодальная модель с языковой основой InternLM2, разработанная командой InternLM. Она предназначена для диалога и задач понимания и создания содержания по тексту и изображениям, включая визуальные вопросы и ответы. Модель содержит 7,4 млрд параметров и обучена работать с чередующимися фрагментами текста и изображений в контексте до 24 576 токенов; авторы сообщают о возможности расширения контекста до 96 тыс. токенов с помощью экстраполяции RoPE. Модель подходит для анализа изображений, ответов на вопросы по визуальным материалам и работы с длинными текстово-графическими контекстами. В карточке заявлены возможности, сопоставимые с GPT-4V, однако это заявление разработчиков, а независимые результаты оценки здесь не приведены. Репозиторий содержит веса PyTorch, для загрузки через Transformers требуется `trust_remote_code=True`; для экономии памяти README рекомендует bfloat16. Лицензия указана как `other`, поэтому условия использования следует сверить с файлами лицензии репозитория.

erayyapagci/lfm2.5-pii-en-hi-hinglish-q8 — дообученная модель на основе LiquidAI/LFM2.5-Encoder-350M-PII-Detector для обнаружения персональных данных в тексте на английском, хинди и хинглише. Это плотная двунаправленная архитектура LFM2 для классификации токенов; репозиторий содержит веса PyTorch FP32 и экспорт ONNX с динамической квантизацией INT8. Модель насчитывает 444,6 млн параметров и поддерживает контекст до 128 000 токенов. Модель предназначена для поиска и разметки фрагментов с персональными данными, включая имена, адреса, даты, электронную почту, телефоны и URL. В описанной проверке на синтетической выборке дообученная версия показала более высокий отзыв, чем исходная базовая модель; INT8-вариант ориентирован на запуск на CPU и уменьшает потребление памяти. Для восстановления текстовых фрагментов нужны BIOES-декодирование и смещения токенизатора. Автор характеризует модель как экспериментальный детектор, который не следует считать полноценной защитной границей. Она слабее работает с гибко форматируемыми группами номеров счетов и ранее не встречавшимися произвольными секретами; квантизация может менять пограничные предсказания. Перед применением нужны проверка на вручную размеченных данных своего домена и дополнительные детерминированные распознаватели для структурированных идентификаторов. Лицензия указана как other; конкретные условия следует проверить на странице репозитория.

Isotonic/mdeberta-v3-base_finetuned_ai4privacy_v2 — модель классификации токенов, дообученная на базе microsoft/mdeberta-v3-base на наборе ai4privacy/pii-masking-200k. Она предназначена для обнаружения и разметки персональных данных в тексте, например перед маскированием или обезличиванием документов. Модель использует архитектуру DeBERTa V3 с 306 млн параметров и принимает последовательности длиной до 512 токенов; доступны форматы Safetensors и ONNX. На тестовом наборе указаны precision 0,9636, recall 0,9731, F1 0,9683 и accuracy 0,9896. В карточке перечислены английский, немецкий, французский и итальянский языки. Лицензия указана как CC BY-NC 4.0; README также описывает отдельные условия Ai4Privacy: бесплатное использование для частных лиц, некоммерческих организаций и компаний до трёх сотрудников, а крупным коммерческим организациям требуется корпоративная лицензия. Перед применением следует сверить точные условия лицензии и проверить качество на собственных данных.

Ar86Bat разработал многоязычную модель на базе XLM-RoBERTa Base, дообученную для распознавания именованных сущностей, содержащих персональные данные, в тексте. Она определяет такие данные, как имена, адреса, даты, электронная почта и номера телефонов, чтобы их можно было маскировать в приложениях для защиты конфиденциальности. Модель принимает текст на английском, немецком, французском и итальянском языках; размер составляет 305,2 млн параметров, контекст — до 514 токенов. Распространяется в формате safetensors по лицензии MIT. В карточке указаны общая точность 99,24%, macro F1 0,954 и weighted F1 0,992. Для распространённых сущностей, включая электронную почту и даты, результаты высокие; для редких и неоднозначных типов данных качество ниже. Модель не гарантирует полноту и точность обнаружения таких сущностей без дополнительной настройки.

Swicked86/phi4-mm-gguf — набор GGUF-квантизаций мультимодальной модели Phi-4-multimodal-instruct, разработанной Microsoft. Модель содержит 5,6 млрд параметров и принимает текст, изображения и аудио; репозиторий подготовлен с помощью llama.cpp build b8347 для локального запуска на CPU и GPU. Модель предназначена для диалогов, ответов на вопросы по изображениям, визуального анализа, распознавания и объяснения содержимого графиков и документов, а также для обычных текстовых задач. Заявлен английский язык. Доступны варианты F16 размером 7,17 ГБ, Q8_0 размером 3,90 ГБ и Q4_K_M размером 2,37 ГБ. Для обработки изображений требуется отдельный файл vision encoder mmproj-phi4-mm-f16.gguf размером 825 МБ, совместимый со всеми текстовыми вариантами. В текстовом режиме README указывает поддержку контекста до 65 536 токенов, а в примерах мультимодального запуска используется контекст 8 192 токена. Q8_0 обеспечивает качество, близкое к F16, тогда как Q4_K_M требует меньше памяти и подходит для CPU или систем с ограниченной VRAM, но уступает по показателю perplexity. Ориентировочные требования VRAM при полной выгрузке на GPU составляют около 10 ГБ для F16, 5,4 ГБ для Q8_0 и 3,5 ГБ для Q4_K_M. Для работы с изображениями необходимо скачивать основной GGUF-файл вместе с mmproj; без него модель работает только с текстом. Мультимодальные оценки в README на момент публикации не завершены. Распространение заявлено по лицензии MIT, как и у исходной модели Microsoft.

privacy-filter-nemotron-GGUF — это GGUF-версия модели OpenMed/privacy-filter-nemotron, разработанная на основе openai/privacy-filter и дообученная на наборе данных NVIDIA Nemotron-PII. Пакет подготовлен LocalAI-io для локального обнаружения и классификации персональных данных, а не для генерации текста или ведения диалогов. Модель выполняет token classification: размечает токены BIOES-тегами и выделяет согласованные сущности с помощью ограниченного Viterbi-декодирования. Она поддерживает 55 детализированных категорий PII, всего 221 класс, включая имена, государственные идентификаторы, финансовые, медицинские, автомобильные и цифровые данные. Основной язык — английский. Используется специальная архитектура openai-privacy-filter; доступны варианты F16 размером 2,82 ГБ и смешанный Q8_0 размером 1,64 ГБ, в котором MoE-эксперты квантизованы, а attention, embeddings и classifier head сохранены в F16. Модель подходит для локального PII-детектора и сервисов редактирования или маскирования конфиденциальных данных, в том числе через privacy-filter.cpp и LocalAI. F16 является эталонным вариантом, тогда как Q8_0 требует меньше памяти и обычно немного быстрее, но может изменить отдельные предсказания. Для работы необходим runtime с поддержкой custom architecture openai-privacy-filter: рекомендуются privacy-filter.cpp или backend privacy-filter в LocalAI. Стандартные llama.cpp, llama-cpp-python, Ollama и LM Studio без специальных патчей этот файл не загрузят. Лицензия — Apache-2.0.

Sohailhosseini/Qwen3.5-9B-Claude-4.6-Opus-Reasoning-Distilled-AWQ-W4A16 — квантизированная версия модели Jackrong/Qwen3.5-9B-Claude-4.6-Opus-Reasoning-Distilled, подготовленная пользователем Sohailhosseini. Модель предназначена для генерации текста по текстовым и визуальным входным данным, включая диалоговые и инструкционные сценарии; в карточке она обозначена как image-text-to-text и заявлена как подходящая для мультиязычных моделей. Модель содержит 9,7 млрд параметров и использует квантизацию AWQ-W4A16 с 4-битными весами в формате compressed-tensors. Размер на диске составляет 8,6 ГБ, что в 2,24 раза меньше исходных 19,3 ГБ. Визуальные компоненты, включая vision tower, vision model и multi-modal projector, а также слой lm_head оставлены без квантизации, поэтому сохраняется мультимодальная функциональность. Рекомендуемая длина контекста при запуске через vLLM — до 32 768 токенов. Ключевое преимущество — уменьшенные требования к хранению и потенциально более эффективный запуск по сравнению с исходной моделью; квантизация калибровалась на 256 примерах из HuggingFaceH4/ultrachat_200k. Ограничения включают возможное снижение качества из-за 4-битного представления и совместимость с реализациями vLLM: некоторые старые ядра могут предпочитать симметричную схему W4A16, тогда как данная версия асимметричная. В README указана лицензия Apache-2.0, унаследованная от исходной модели.

Elsephire/Qwen3.6-35B-A3B-Agents-A1-80-20-Beta — бета-версия мультимодальной модели, созданная слиянием Qwen3.6-35B-A3B и Agents-A1-35B методом Task Arithmetic с весами 80/20. В метаданных указана архитектура семейства Qwen3.5 MoE и поддержка изображений; модель предназначена для диалогов, агентных сценариев и анализа изображений. Модель принимает текст и изображения и генерирует текст. Она доступна в формате Safetensors и распространяется по лицензии MIT. README обозначает выпуск как бета-версию и приглашает к тестированию и обратной связи.

Модель rv2307/electra-small-ner — англоязычная модель для распознавания именованных сущностей, разработанная Vipin. Она основана на небольшом дискриминаторе Google ELECTRA и дообучена для классификации токенов; выделяет имена людей, названия организаций и географические объекты. Модель содержит 20,4 млн параметров, принимает текстовые последовательности с контекстом до 512 токенов и предназначена для использования через Transformers. Модель подходит для извлечения сущностей из англоязычных текстов, например для последующей индексации или структурирования документов. В карточке указаны датасеты CoNLL-2003 и ai4privacy/pii-masking-200k. Для объединения меток частей слов автор рекомендует в pipeline Transformers использовать aggregation_strategy="max". На длинных предложениях качество может снижаться; токенизатор distilbert может приводить к ошибочным меткам для частей одного слова. Лицензия — Apache 2.0.

ISTA-DASLab/gemma-3-27b-it-GPTQ-4b-128g — квантизированная версия мультимодальной модели Gemma 3 27B IT, разработанная на основе google/gemma-3-27b-it. Модель предназначена для диалогов, генерации и понимания текста, а также обработки изображений с текстовыми запросами, включая описание визуального содержимого. Она поддерживает работу через Transformers и vLLM. Весовые параметры модели сжаты до INT4 с применением алгоритма GPTQ, симметричной поканальной групповой схемы с размером группы 128 и формата compressed_tensors. Квантизации подверглись линейные операторы языковой части трансформерных блоков; vision-модель и мультимодальный проекционный слой сохранены в исходной точности. Такое сжатие примерно на 75% уменьшает размер модели на диске и требования к видеопамяти по сравнению с представлением FP16, при этом средний результат на указанных тестах OpenLLM снижается незначительно: 0,7810 против 0,7854 у исходной модели. Модель подходит для мультимодальных ассистентов и сценариев, где важны более низкие требования к памяти GPU. В README не указаны точные длина контекста и список поддерживаемых языков; приведённый пример использует максимальную длину контекста 4096 токенов. Ограничением является возможная небольшая потеря качества из-за INT4-квантизации и необходимость использовать совместимые версии Transformers или vLLM. Модель распространяется по лицензии Gemma.

canada-quant/glm-5.3-w4a16-mtp — это мультимодальная квантованная версия GLM-5.3-Flash, разработанная на основе модели zai-org/GLM-5.3-Flash. Модель предназначена для задач image-text-to-text, включая обработку текста и изображений, а также для сценариев, где важны длинный контекст и высокая эффективность инференса. Заявлена поддержка английского и китайского языков и контекста до 1 048 576 токенов. Используется INT4-квантизация весов по схеме W4A16 с GPTQ и group size 128; общий объём весов составляет около 177,7 GiB. BF16-компоненты, включая vision tower и MTP draft head, сохранены, что позволяет применять speculative decoding через MTP. Квантизация ориентирована на снижение требований к памяти и запуск на конфигурациях из 4× H100/H200, 4× RTX PRO 6000 или 2× DGX Spark; максимальный контекст зависит от оборудования и настроек. Репозиторий сообщает о высокой производительности на длинных контекстах и конкурентном качестве на математических и общих тестах, однако результаты зависят от аппаратной конфигурации и serving stack. Это не новая базовая модель, поэтому её возможности определяются GLM-5.3-Flash, а INT4-квантизация может влиять на точность и совместимость. Лицензия — MIT.

Grok 4.3 — мультимодальная модель рассуждений от SpaceXAI. Она принимает текст и изображения и генерирует текстовые ответы; предназначена для агентных сценариев, выполнения инструкций и задач, требующих высокой фактической точности. Модель подходит для приложений, в которых нужно анализировать текстовые запросы и изображения, следовать инструкциям и формировать ответы для дальнейших действий агента. Данных о размере, архитектуре, длине контекста, поддерживаемых языках и лицензии в предоставленной карточке нет.

Это текстовая инструкционная модель LFM2.5-1.2B-Instruct, изменённая Ричардом Янгом с помощью Heretic: из неё удалено направление активаций, связанное с отказами, без переобучения. Модель имеет плотную гибридную архитектуру с блоками свёртки и внимания и предназначена для локального запуска на устройствах с ограниченными ресурсами. В метаданных указано 1,5 млрд параметров и контекст до 128 000 токенов; карточка базовой модели приводит 1,17 млрд параметров и контекст 32 768 токенов. Модель подходит для диалога, творческого письма, учебных экспериментов с выравниванием и локального выполнения инструкций, которым исходная модель могла отказать. В карточке приведён результат теста отказов: 3 из 100 запросов против 98 из 100 у исходной модели; это не гарантирует поведение на других запросах. Поддерживаются английский, арабский, китайский, французский, немецкий, японский, корейский и испанский языки. Лицензия в метаданных обозначена как other; конкретные условия следует сверять с карточкой репозитория.

Mistral-Small-3.2-24B-Instruct-2506-MLX-6bit — это 6-битная квантизированная версия мультимодальной инструкционной модели Mistral-Small-3.2-24B-Instruct-2506. Исходную модель разработала Mistral AI, а квантизацию в формате MLX предоставила команда LM Studio с использованием mlx_vlm. Модель предназначена для задач генерации текста и обработки изображений с текстом, включая сценарии, поддерживаемые исходной vision-language моделью. Она оптимизирована для запуска на устройствах Apple Silicon через MLX. Размер исходной модели составляет 24 млрд параметров, однако точные требования к памяти и производительности для этой 6-битной версии в README не указаны. Заявлена поддержка английского, французского, немецкого, испанского, португальского, итальянского, японского, корейского, русского, китайского, арабского, персидского и ряда других языков; размер контекста не указан. К сильным сторонам относятся мультимодальность, инструкционная настройка, поддержка нескольких языков и оптимизация для экосистемы Apple Silicon. Ограничения включают зависимость от совместимого оборудования и программного стека MLX, а также возможные неточности, нежелательные или вводящие в заблуждение ответы, характерные для генеративных моделей. Модель распространяется по лицензии Apache-2.0.

agentlans/multilingual-e5-small-pii-detector — дообученная модель классификации текста на основе BERT multilingual-e5-small, предназначенная для обнаружения персональных данных (PII) в тексте. Её можно применять для предварительной проверки пользовательских сообщений, документов и записей перед передачей или публикацией, а также как вспомогательный компонент процессов редактирования и маскирования данных. Модель содержит 124,3 млн параметров, принимает текстовые последовательности длиной до 512 токенов и опубликована в формате safetensors. В карточке приведены примеры на английском, французском и испанском языках; метаданные указывают на многоязычную поддержку. На оценочном наборе автор сообщает accuracy 0,9214. Модель выпущена под лицензией Apache-2.0. Чувствительность может быть ниже для отдельных языков и форматов персональных данных, включая некоторые номера карт и локальные идентификаторы; на очень коротких фрагментах без контекста качество может снижаться. Результаты следует использовать как вспомогательную проверку, а не как замену юридической или комплаенс-проверке.

Это быстрая модель распознавания именованных сущностей на английском языке, распространяемая вместе с библиотекой Flair. Она размечает текст 18 типами сущностей OntoNotes, включая даты, числовые значения и события, и предназначена для извлечения структурированной информации из английских текстов. Модель построена на эмбеддингах Flair и архитектуре LSTM-CRF; для работы используется формат PyTorch. В README указан результат F1 89,3 на OntoNotes. Модель можно применять через Flair для автоматической разметки текста. Условия лицензии в предоставленных данных не указаны.

mlx-community/openai-privacy-filter-6bit — 6-битная версия модели OpenAI Privacy Filter, подготовленная сообществом mlx-community из openai/privacy-filter в формате MLX. Это двунаправленный разреженный MoE-классификатор токенов, который находит и размечает BIOES-фрагментами персональные данные восьми категорий: имена людей, адреса электронной почты, телефоны, URL, адреса, даты, номера счетов и секреты. Версия содержит 145,4 млн параметров по метаданным; базовая карточка описывает исходную модель как модель на 1,5 млрд параметров с 50 млн активных параметров. Модель предназначена для локальной фильтрации и маскирования чувствительных данных в тексте. Указанная лицензия — Apache-2.0. Модель принимает текст и выдаёт метки фрагментов, пригодные для последующей замены или удаления обнаруженных данных. Доступны веса safetensors для MLX; README указывает преобразование из openai/privacy-filter, тогда как метаданные отмечают связь с базовой моделью как finetune. Заявленная длина контекста — 131072 токена. Языки в предоставленных сведениях не перечислены.

Это конвертированная в формат MLX версия OpenAI Privacy Filter от OpenAI, подготовленная mlx-community. Модель выполняет классификацию токенов и размечает в тексте фрагменты с персональными данными: имена, адреса электронной почты, телефоны, URL, адреса, даты, номера счетов и секреты. Для разметки используются BIOES-метки по восьми категориям. Модель основана на разреженной архитектуре MoE с 1,5 млрд параметров и 50 млн активных параметров; метаданные каталога указывают 145,4 млн параметров. Контекст составляет до 131 072 токенов. Она предназначена для локальной фильтрации текста и маскирования обнаруженных PII. Репозиторий распространяется по лицензии Apache-2.0. Карточка описывает работу с MLX, поэтому применение ориентировано на экосистему Apple Silicon.

PaliGemma 2 28B mix 448 — разработанная Google мультимодальная модель зрения и языка на основе SigLIP и языковой модели Gemma 2. Она принимает изображения и текст, а в ответ генерирует текст; вариант 448 предназначен для обработки изображений с разрешением 448 пикселей. Модель поддерживает несколько языков, однако карточка не перечисляет их коды. Модель рассчитана прежде всего на дообучение для задач взаимодействия с изображениями: создания кратких и подробных описаний, ответов на вопросы по изображению, распознавания текста, поиска объектов с координатами и сегментации. Её также можно адаптировать для анализа коротких видео и специализированных сценариев, например вопросов по снимкам дистанционного зондирования или описания элементов интерфейса. Лицензия — Gemma; перед использованием следует учитывать условия лицензии и политику запрещённого использования Gemma. PaliGemma 2 ориентирована на ясные запросы и специализированное дообучение, а не на роль универсального чат-бота: модель не рассчитана на многоходовой диалог, а её результаты без адаптации могут уступать моделям общего назначения. Она может ошибаться в фактах и сложных рассуждениях, а также воспроизводить предвзятость из обучающих данных.

PLLuM-4B-base-2512 — базовая языковая модель для генерации текста, разработанная альянсом HIVE AI на основе Gemma 3 4B. Модель продолжает предобучение на польских и английских корпусах; в семействе PLLuM также есть версии с дообучением для инструкций и диалога, но этот вариант обозначен как base. Модель предназначена для генерации связного текста, суммаризации, извлечения сведений и ответов на вопросы. Её можно использовать как основу для специализированных приложений и ассистентов, в том числе для польской публичной администрации и тематики права и бюрократии; для ответов по документам README рекомендует подключать поиск через RAG. Архитектура — плотная Gemma 3, около 4 млрд параметров; модель принимает и выдаёт текст, в первую очередь на польском, с дополнительными данными на английском. Модель распространяется по лицензии Apache-2.0. Поскольку это базовая, а не instruct- или chat-версия, готовность к диалогу и следованию инструкциям может быть ограниченной; README приводит заявленные результаты семейства PLLuM, но не отдельные оценки этого чекпойнта.

OpenMed разработала privacy-filter-nemotron — модель токенной классификации для выявления и типизации персональных данных в тексте. Это полное дообучение openai/privacy-filter на наборе nvidia/Nemotron-PII. Модель использует архитектуру MoE и разметку BIOES: 55 категорий PII представлены 221 классом токенов. В метаданных указаны 145,4 млн параметров и контекст до 131 072 токенов; веса опубликованы в формате safetensors для Transformers. Модель предназначена для извлечения фрагментов с персональными данными и передачи их в конвейеры маскирования или деидентификации. В тестировании на отложенной выборке из Nemotron-PII заявлены macro B-F1 0,9533 и точность токенов 0,9910; для декодирования границ авторы рекомендуют Viterbi. Лицензия — Apache-2.0. Обучающие данные преимущественно англоязычные, поэтому качество для других языков не гарантируется. Категории вроде профессии, языка, пола и политических взглядов менее надёжны, чем формально записываемые идентификаторы; синтетические данные также могут отличаться от реальных медицинских, юридических и веб-текстов. Для важных сценариев нужна проверка на данных целевого домена и дополнительный контроль результатов.

Это 4-битная версия модели Qwen2.5-VL-3B-Instruct, подготовленная сообществом mlx-community и преобразованная в формат MLX с помощью mlx-vlm 0.1.11. Модель принимает текст и изображения и формирует текстовые ответы; архитектура — плотная Qwen2.5-VL для условной генерации. Размер базовой модели — 3,1 млрд параметров, контекст — до 128 000 токенов. Модель предназначена для диалогового анализа изображений и визуальных вопросов и ответов. Её можно использовать для описания изображений, извлечения сведений из визуальных материалов и построения структурированных ответов; метаданные также отмечают интерфейс вызова инструментов. В карточке сообщества подробности возможностей отсылаются к оригинальной карточке Qwen2.5-VL-3B-Instruct. Лицензия в предоставленных сведениях не указана.

Qwen3.8-27B-2bit-MLX — мультимодальная квантованная версия модели Qwen/Qwen3.8-27B, разработанная сообществом и преобразованная в формат MLX автором lukaskremla с использованием mlx-vlm 0.6.13. Модель предназначена для задач, объединяющих работу с текстом и изображениями, включая диалоговые сценарии, рассуждения, использование инструментов, анализ видео и обработку длинного контекста. Модель имеет архитектуру Qwen3.8-27B и размер 27B параметров; для весов применяется 2-битное weight-only-квантование с affine RTN и group size 64. Vision tower сохранён в формате BF16, поэтому модель поддерживает мультимодальные входы, включая изображения и видео. Заявлена поддержка нескольких языков, однако конкретный языковой перечень и размер контекстного окна в README не указаны. Квантование уменьшает требования к памяти, но может снижать точность по сравнению с исходной моделью; характеристики производительности и совместимости зависят от среды MLX. Модель распространяется по лицензии Apache-2.0.

Qwen3.8-27B-GGUF — это квантизированная GGUF-версия модели Qwen3.8-27B, разработанной командой Qwen и подготовленной пользователем qtum для работы с llama.cpp. Модель предназначена для мультимодальных сценариев, включая обработку текста, изображений и видео с генерацией текста. Она может использоваться для анализа визуального содержимого, ответов на вопросы и других задач, поддерживаемых базовой vision-language моделью. Модель имеет плотную архитектуру с 27,8 млрд параметров с учётом vision tower и 64 декодерными слоями. Архитектура гибридная: 16 слоёв используют grouped-query full attention, а 48 слоёв — Gated DeltaNet linear attention. Длина контекста составляет 262 144 токена с возможностью дальнейшего расширения через YaRN. Поддерживаются английский и китайский языки. Для обработки изображений и видео требуется отдельный файл vision projector (mmproj); без него модель работает только в текстовом режиме. Доступны различные уровни квантизации от Q8_0 до IQ2_XXS, позволяющие выбирать баланс между размером файлов, требованиями к памяти и качеством. К сильным сторонам относятся мультимодальность, очень длинный контекст и сниженные требования к KV-кэшу благодаря гибридной архитектуре. Ограничения включают значительный объём памяти даже у квантизированных вариантов, необходимость совместимой версии llama.cpp и отдельного mmproj для визуального ввода; более агрессивная квантизация может снижать качество. Модель распространяется по лицензии Apache-2.0.