I.4Обработка документов и форм

Модель carted-nlp/categorization-finetuned-20220721-164940-distilled-20220810-123313 — дообученная Carted-NLP модель для классификации текста на базе RoBERTa. Она содержит 26,6 млн параметров и принимает последовательности длиной до 514 токенов. В README указаны результаты оценки: accuracy 0,8416 и F1 0,8396. Модель подходит для отнесения текстов к категориям в задачах автоматической разметки и маршрутизации. Язык категорий и обучающих данных, набор меток и условия лицензии в доступных сведениях не описаны.

ColNetraEmbed — мультимодальная модель для поиска по визуальным документам, разработанная Cognitive-Lab на основе Gemma 3 4B IT. Она кодирует изображения документов и текстовые запросы в многовекторные представления размерности 128 на токен и сопоставляет их с помощью позднего взаимодействия ColBERT и оценки MaxSim. Визуальная часть использует SigLIP. Модель предназначена для поиска по сканам и другим изображениям документов, в том числе для межъязыкового поиска и ответов на вопросы по содержимому документов. В карточке заявлена поддержка 22 языков; среди перечисленных — русский, английский, китайский, японский, хинди и арабский. Модель дообучена на Gemma 3 4B IT и распространяется в формате Safetensors по лицензии Gemma. README сообщает о результатах на Nayana-IR Bench и ViDoRe v2, включая преимущество над ColPali-v1.3 на межъязыковых задачах. Многовекторное хранение требует больше места, чем одновекторный вариант NetraEmbed; README приводит для последнего оценку эффективности хранения в 250 раз выше. Для использования нужны этапы кодирования и последующего поиска с поздним взаимодействием.

NeoChen1024/gemma-4-26B-A4B-it-qat-W4A16 — квантизированная версия мультимодальной instruct-модели Gemma 4 26B-A4B-it, разработанной Google. Модель предназначена для диалоговых сценариев и задач image-text-to-text, то есть обработки текста и изображений с генерацией текстовых ответов. Она ориентирована на развёртывание через vLLM и использует chat completions API. Модель преобразована из Q4_0 GGUF в формат compressed-tensors pack-quantized W4A16 с 4-битным симметричным групповым квантованием и group_size=32. Квантованные веса и масштабы сохраняются без потерь на уровне нибблов; масштабы имеют тип bfloat16 либо float16. Vision tower и прочие неквантованные тензоры хранятся в bfloat16. Для ускорения работы с Marlin применена padding-обработка размерностей MLP и MoE-блоков. В README не указаны точные размерности контекста и перечень поддерживаемых языков. К сильным сторонам относятся существенное снижение требований к памяти, совместимость с vLLM и сохранение исходных Q4_0-значений без потерь при конвертации. Ограничения связаны с особенностями развёртывания: для tensor parallelism с TP>1 плотные MLP-блоки рекомендуется оставлять неквантованными, что увеличивает потребление VRAM примерно на 725 MiB. Для работы необходим vLLM с поддержкой соответствующего формата и chat completions API; в README тестирование указано для vLLM 0.22.1 и GPU с CUDA compute capability 8.9, где модель загружается примерно в 16,4 GiB видеопамяти. Лицензия в предоставленных данных не указана.

Keye-VL-2.0-30B-A3B-GGUF — мультимодальная модель семейства Keye, разработанная командой Kwai Keye. Она предназначена для обработки изображений, видео и текста, прежде всего для понимания длинных видеозаписей, временной локализации событий, OCR, анализа диаграмм и таблиц, визуального вопросно-ответного взаимодействия и мультимодального рассуждения. Модель также ориентирована на агентские сценарии: работу с кодом, инструментами, поиском, репозиториями и визуальной самопроверкой. Модель относится к 30B-классу и распространяется в формате GGUF с вариантами квантования BF16, F16, Q8_0 и Q4_K_M. В архитектуре используются разреженное внимание DSA (DeepSeek Sparse Attention), целевая агрегация признаков, параллелизм ViT-LM и оптимизированные вычислительные ядра, что предназначено для эффективной работы с длинными последовательностями. Заявлена поддержка контекста до 256K токенов и анализа видео продолжительностью до часа. В README явно указан английский язык; сведения о полноценной поддержке других языков отсутствуют. Сильными сторонами являются длинноконтекстное понимание видео, точная временная локализация, мультимодальное рассуждение и встроенные возможности для агентских задач. Ограничениями выступают высокие требования к ресурсам: размер файлов варьируется от 29 ГБ для Q8_0 до 58 ГБ для F16, а для работы с длинными видео и контекстом потребуется значительный объём памяти. Условия использования определяются лицензией Apache-2.0.

EnlistedGhost/Ministral-3-3B-Instruct-2512-GGUF — это квантованная версия инструкционной мультимодальной модели Ministral-3-3B-Instruct-2512-BF16, разработанной Mistral AI и преобразованной в формат GGUF пользователем EnlistedGhost с помощью llama.cpp. Модель предназначена для диалогов, выполнения инструкций и задач image-text-to-text с использованием текста и изображений. Она совместима с llama.cpp, Ollama и Yollama и подходит для локального запуска на различных устройствах. Заявлена поддержка английского, французского, испанского, немецкого, итальянского, португальского, нидерландского, китайского, японского, корейского и арабского языков. В репозитории представлены варианты квантования от IQ2_M и Q2_K_L до Q8_0_L и F16, а также мультимодальные vision-проекторы F16 и F32. В комплекте используется собственный шаблон чата Jinja со скользящим окном до 29 сообщений, которое можно изменить вручную. Основные преимущества модели — компактный размер 3B, локальная работа, поддержка изображений и широкий выбор уровней квантования, позволяющих выбирать баланс между качеством и требованиями к памяти. Ограничения включают возможное снижение качества по сравнению с исходной BF16-версией при агрессивном квантовании, а также зависимость корректной работы мультимодальных функций от совместимого vision-проектора и программного окружения. Модель распространяется по лицензии Apache-2.0.

Nougat base — модель для преобразования страниц научных PDF в текст Markdown по их изображениям. Она разработана командой Nougat и впервые опубликована в репозитории facebook/nougat-base; модель соответствует версии 0.1.0-base и описана в статье «Nougat: Neural Optical Understanding for Academic Documents». Архитектура vision encoder-decoder сочетает визуальный энкодер Swin Transformer и текстовый декодер mBART; модель авторегрессионно генерирует Markdown по пикселям страницы. Модель предназначена для транскрибирования научных документов, в том числе извлечения их содержимого в структурированный Markdown. В метаданных указаны форматы PyTorch и safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое. Результаты могут быть неточными: модель транскрибирует содержимое по изображению страницы, поэтому качество зависит от читаемости и представления документа. README не приводит количественных оценок качества или явного списка поддерживаемых языков.

PaliGemma 2 28B PT 224 — разработанная Google базовая модель компьютерного зрения и языка на основе компонентов SigLIP и Gemma 2. Она принимает изображение с текстовым запросом и генерирует текст; веса рассчитаны на изображения 224×224 и последовательности до 128 текстовых токенов на входе и выходе. Модель доступна в формате bfloat16 для дообучения и предназначена прежде всего как основа для настройки под конкретные задачи. После дообучения её можно применять для описания изображений и коротких видео, визуальных вопросов и ответов, чтения текста на изображениях, обнаружения и сегментации объектов. Среди возможных специализированных сценариев — анализ снимков дистанционного зондирования, ответы на визуальные вопросы для незрячих пользователей, научные вопросы и объяснение функций элементов интерфейса. Поддерживаются несколько языков, но карточка не перечисляет их поимённо. Модель рассчитана на один раунд взаимодействия с изображением и текстом, а не на многоходовый диалог. Без настройки под задачу её результаты могут уступать моделям общего назначения; возможны фактические ошибки, слабое понимание сложных или неоднозначных инструкций и предвзятые ответы. Лицензия — Gemma; при использовании необходимо соблюдать условия Gemma и её политику запрещённых применений.

shawnw3i/Qwen3.8-27B-AWQ-MTP — это квантованная AWQ-версия модели Qwen3.8-27B, опубликованная пользователем shawnw3i и основанная на базовой модели Qwen/Qwen3.8-27B. Модель предназначена для генерации текста с поддержкой визуальных входных данных, а также для ускоренного инференса в vLLM. Модель использует AWQ-квантизацию и поддерживает ядро AWQ Marlin, которое vLLM автоматически конвертирует во время работы. Также предусмотрено MTP speculative decoding с тремя спекулятивными токенами. В README заявлена производительность свыше 110 токенов в секунду на одном A800 80GB при использовании vLLM 0.27.1, MTP и FP8 KV cache. Рекомендуемая максимальная длина контекста — 65 536 токенов. Поддерживаются текстовые и визуальные входные данные; сведения о языках не указаны. К сильным сторонам относятся поддержка vision-сценариев, совместимость с AWQ Marlin и встроенное ускорение генерации посредством MTP. Ограничения включают зависимость от совместимой конфигурации vLLM и GPU, а также возможные потери точности из-за квантизации; для предотвращения деградации точности размер группы был уменьшен до 64. Модель распространяется по лицензии Apache-2.0.

summerMC/Qwen3.8-27B-SpeedX27-VL-GDN64 — экспериментальная мультимодальная модель на базе Qwen/Qwen3.8-27B, разработанная summerMC и предназначенная для диалогов и анализа изображений. В метаданных указаны архитектура Qwen3.5 с классом Qwen38GDN64VLForConditionalGeneration, 27 млрд параметров у базовой модели, поддержка vision и интерфейс вызова инструментов; основной pipeline — image-text-to-text. Модель распространяется в формате safetensors по лицензии Apache-2.0. Главный заявленный результат — экономия видеопамяти при длинном контексте: README описывает тест на GPU примерно с 80 ГиБ, где модель обработала 262 144 токена с пиковым использованием около 55,36 ГиБ, тогда как базовая Qwen3.8-27B завершила 196 608 токенов и достигла 72,82 ГиБ. Описанный результат относится к конкретной конфигурации теста; README указывает обученный контекст 262 144 токена и называет 1 трлн токенов лишь логическим контекстом для потоковой обработки, а не проверенным нативным контекстом. Данных о языках модели в карточке нет.

Qwen3-VL-32B-Abliterated-xCloud-GGUF — мультимодальная vision-language модель, разработанная xCloudinfo (云硕科技) на основе Qwen/Qwen3-VL-32B-Instruct. Модель предназначена для задач понимания и генерации текста по текстовым и визуальным входным данным, включая анализ изображений, исследовательские и академические сценарии, контент-модерацию, легальные исследования информационной безопасности и red team-тестирование. Модель распространяется в формате GGUF с вариантами квантования Q4_K_M, Q5_K_M, Q6_K и Q8_0; размер файлов составляет примерно от 19,8 до 34,8 ГБ. Для работы с изображениями требуется отдельный визуальный проектор mmproj в формате F16 размером около 1,2 ГБ. Поддерживаются китайский и английский языки; отдельно заявлено сохранение качества вывода на традиционном китайском. Контекст модели в README не указан. Ключевая особенность — abliteration: без дополнительного обучения из весов удаляется направление, связанное с чрезмерными отказами, методом ортогонализации, основанным на работе Arditi et al. (2024). В заявленном тесте из 10 опасных запросов доля отказов снизилась примерно с 10/10 у исходной модели до 1/10 у версии Q4_K_M, при сохранении обычных задач и визуального понимания. Это не означает полного удаления механизмов безопасности; модель может быть менее склонна к отказам и требует ответственного применения. Её фактические ограничения, включая возможные ошибки, унаследованы от базовой Qwen3-VL, а мировоззренческие и ценностные особенности не изменялись. Модель лицензирована по Apache-2.0. README ограничивает её использование законными и ответственными сценариями и возлагает юридическую и этическую ответственность за применение на пользователя.

Qwythos-27B-v1-i1-GGUF — это квантизированная GGUF-версия модели Qwythos-27B-v1, разработанной empero-ai и подготовленной квантизатором mradermacher. Модель предназначена для задач рассуждения, работы с текстом и изображениями, генерации текста по изображениям, использования инструментов и function calling, а также агентских сценариев. В тегах также указаны направления cybersecurity и biomedical, однако подробности специализированного обучения в README не приведены. Модель имеет размер 27B параметров, поддерживает английский язык и относится к мультимодальным vision-моделям. Заявлена поддержка длинного контекста до 1M токенов, multi-token prediction и различных методов обучения, включая SFT, DPO, ESFT и full fine-tune, но технические детали архитектуры и подтверждённые характеристики контекстного окна не раскрыты. Репозиторий содержит варианты квантизации от Q2_K до Q6_K и IQ-кванты: более компактные варианты требуют меньше памяти, но могут снижать качество; Q4_K_M отмечен как быстрый и рекомендуемый, а Q4_K_S — как оптимальный по сочетанию размера, скорости и качества. Модель распространяется под лицензией Apache-2.0. Для работы с изображениями могут потребоваться отдельные mmproj-файлы из статического репозитория. README не содержит результатов тестирования, подробных ограничений безопасности или инструкций по выбору аппаратных ресурсов, поэтому фактическое качество и производительность зависят от выбранного варианта квантизации и используемого программного окружения.

Карточка модели michaelfeil/rune-26b-a4b на Hugging Face совпадает с карточкой surogate/rune-26b-a4b-GGUF, поэтому описание составлено по ней. Rune 26B-A4B v3 — разработанная Surogate модель принятия решений на основе Gemma 4 26B-A4B-it. Она принимает текст, структурированные данные или изображение вместе с вопросом и вариантами ответа и за один проход выбирает вариант, оценивая вероятности всех вариантов. Поддерживает задачи выбора одного из N вариантов, оценки истинности утверждения и выставления балла по порядковой шкале. Для обработки изображений сервер нужно запускать с поддержкой vision. Модель предназначена для классификации и ранжирования вариантов в тестах, извлечения решений из документов и скриншотов, автоматизации выбора и выставления оценок. По README, контекст составляет 262 тысячи токенов. Режим рассуждения включается отдельно, доступен только для текстовых запросов и может добавлять до 512 токенов рассуждения; по данным README, он повышает результаты на части тестов, но снижает качество вероятностных прогнозов в ForecastBench. Вероятности текстовых ответов при стандартной температуре описаны как избыточно уверенные; температура решения 2 улучшает их калибровку, не меняя выбранный вариант. Для изображений доступно сокращение числа визуальных токенов ценой точности. Это дообученная мультимодальная модель с архитектурой Gemma 4, публикуемая в формате safetensors и использующая библиотеку Transformers. Лицензия — Apache 2.0. Заявленные результаты бенчмарков являются результатами авторского запуска; часть тестовых данных и оценок основана на собственных выборках и не является закрытой оценкой лидерборда.

Sarvam-Translate — модель перевода, разработанная Sarvam AI совместно с AI4Bharat на базе Gemma 3 4B IT. Она предназначена для контекстного перевода документов целиком между 22 официальными языками Индии и английским, а не только отдельных предложений. Поддерживает входные материалы с разметкой Markdown, текст после OCR, математическими и химическими формулами, а также кодовые файлы, где переводятся комментарии. Модель использует плотную архитектуру Gemma 3 и доступна в формате safetensors для Transformers. README указывает максимальный контекст 8 тысяч токенов. Модель ориентирована на сохранение контекста, формата и стиля, включая формальный и неформальный тон и корректную гендерную атрибуцию. Лицензия репозитория — GPL-3.0.

Модель Unified Multilingual NER разработана Ришабхом Кумаром и дообучена на базе microsoft/mdeberta-v3-base для многоязычного распознавания именованных сущностей. Она выполняет классификацию токенов и выделяет сущности 47 категорий, используя 95 BIO-меток. Веса LoRA объединены с базовой моделью; архитектура относится к DeBERTa V2, размер по метаданным — 306 млн параметров, контекст — до 512 токенов. Модель предназначена для извлечения персон, организаций, мест, событий, продуктов и других сущностей из новостей, веб-текстов, социальных сетей и материалов Википедии, а также для построения графов знаний и многоязычных NLP-конвейеров. Заявлена поддержка 15 языков: английского, испанского, французского, немецкого, итальянского, португальского, шведского, нидерландского, польского, русского, бенгальского, хинди, фарси, китайского и украинского. В README приведены оценки на тестовых наборах; результаты зависят от языка и источника данных. Модель распространяется по лицензии MIT. Она не предназначена для специализированного распознавания сущностей в юридических, финансовых или клинических текстах без дополнительной адаптации; для языков вне заявленного списка качество не подтверждено.

Карточка модели Dennis1315/ward-pwn-14b на Hugging Face совпадает с карточкой Dennis1315/ward-cloud-14b, поэтому описание составлено по ней. Dennis1315/ward-cloud-14b — мультимодальная модель семейства Qwen3.5, дообученная Dennis1315 на базе Qwen/Qwen3.5-9B с использованием Unsloth и библиотеки Hugging Face TRL. Она предназначена для диалога с текстом и изображениями; метаданные также указывают интерфейс вызова инструментов. Базовая модель рассчитана на анализ изображений, рассуждения, программирование и агентные задачи. Модель принимает текст и изображения и формирует текстовые ответы. В репозитории используются веса Safetensors. Лицензия — Apache-2.0. Подробности обучающего набора и оценки качества в доступной карточке не приведены.

Bee-150M-PT (base) — базовая языковая модель BrCamp, обученная с нуля на бразильском португальском языке. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 151,1 млн параметров. В ней 30 слоёв, группированное внимание с 9 головами и 3 KV-головами, RoPE, словарь из 32 000 токенов и контекст длиной 2048 токенов. Модель предназначена для продолжения текста на португальском. Её можно применять для суммаризации, извлечения структурированных данных, переписывания и классификации, когда необходимые факты предоставлены в контексте. По данным карточки, на португалоязычном holdout-наборе она показала 0,844 bits-per-byte; авторы сообщают, что результат лучше Tucano-160m при примерно в девять раз меньшем числе обучающих токенов. Это базовая модель, а не модель для следования инструкциям. Несмотря на хорошее владение португальским, её фактические знания ненадёжны и могут различаться между генерациями, поэтому она не подходит для открытых фактических вопросов без предоставленного контекста. Распространяется по лицензии Apache-2.0.

NT12/bert-finetuned-squad — модель BERT с архитектурой BertForQuestionAnswering, дообученная на основе bert-base-cased для ответов на вопросы по предоставленному текстовому контексту. Она принимает текст вопроса и контекста и определяет в контексте фрагмент, который служит ответом. Модель содержит 135,5 млн параметров, рассчитана на контекст до 512 токенов и распространяется в формате safetensors. Модель подходит для извлечения ответов из коротких документов и фрагментов текста. Карточка не уточняет состав обучающих данных, языки, качество на конкретных наборах данных или дополнительные ограничения. Лицензия — Apache-2.0.

Clara v2 — дообученная модель на 8,4 млрд параметров, разработанная ayan4m1 на базе ibm-granite/granite-4.1-8b. Она предназначена для диалоговых сценариев и создана как более компактная по числу параметров замена Clara-24B; при дообучении использовались промпты Claude Opus 4.5–4.7. Модель работает с текстом и изображениями в формате image-text-to-text, поддерживает чат, а её контекстное окно составляет 131 072 токена. В метаданных указан английский язык. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

yonigo/deberta-v3-base-pii-en — англоязычная модель для разметки токенов, созданная дообучением microsoft/deberta-v3-base на примерах из ai4privacy/pii-masking-300k. Она предназначена для обнаружения персональных данных в тексте, например имён, адресов и телефонных номеров, чтобы размечать их перед маскированием или другой последующей обработкой. Модель использует архитектуру DeBERTa V2 для классификации токенов, содержит 211,6 млн параметров и рассчитана на контекст до 512 токенов. Модель принимает текст и возвращает метки для его фрагментов; для объединения меток в сущности в примере README используется pipeline Transformers с aggregation_strategy="first". Обучение проведено на англоязычных примерах, поэтому применение к другим языкам не подтверждено. Лицензия — MIT.

Abiray/Huihui-Qwythos-9B-Claude-Mythos-5-1M-abliterated-GGUF — набор квантизированных моделей в формате GGUF, созданный Abiray на основе Huihui-Qwythos-9B-Claude-Mythos-5-1M-abliterated от huihui-ai. Базовая модель представляет собой версию Qwythos-9B-Claude-Mythos-5-1M от empero-ai, модифицированную методами abliteration для удаления векторов отказа. Репозиторий также содержит мультимодальные проекционные файлы mmproj для работы с изображениями локально. Модель предназначена для генерации текста, рассуждений и сценариев image-to-text с поддержкой зрения. Заявлены архитектура современного семейства Qwen 3.5, 9 млрд параметров, английский язык и контекст до 1 млн токенов; конкретные возможности зависят от используемой сборки и совместимости с llama.cpp. Доступны варианты квантизации от 3 до 8 бит размером примерно от 4,74 до 9,79 ГБ, включая рекомендуемый компромисс Q4_K_M. Для визуального ввода требуется отдельный проектор mmproj; доступны квантизированный и F16-варианты. К сильным сторонам относятся локальный запуск, широкий выбор квантизации, поддержка длинного контекста и изображений, а также сниженное количество встроенных отказов. Ограничения включают возможную потерю качества при низкой квантизации, требования к свежей версии llama.cpp и необходимость дополнительного проектора для мультимодальной работы. Модель распространяется по лицензии Apache-2.0.

InternVL3-8B-6bit — мультимодальная чат-модель семейства InternVL3, подготовленная mlx-community для запуска в формате MLX на устройствах Apple с MLX. Модель предназначена для диалога по изображениям и тексту, визуального понимания и генерации текстовых ответов; метаданные также отмечают интерфейс вызова инструментов. По README, модель преобразована из `models/InternVL3-8B` с помощью mlx-vlm 0.1.23. Каталог указывает связь дообучения с OpenGVLab/InternVL3-1B-Instruct, но README описывает конвертацию, поэтому происхождение указано как дообучение на основании метаданных. Модель поддерживает мультиязычные сценарии. Репозиторий содержит веса safetensors и предназначен для использования через mlx-vlm. Лицензия в метаданных обозначена как `other`; конкретные условия следует сверить с исходной карточкой модели и файлами лицензии.

NeoMME-800M — мультиязычный мультимодальный энкодер, разработанный Hcompany и обученный с нуля. Текстовые токены и патчи изображений обрабатываются одним общим Transformer-энкодером без отдельного предварительно обученного vision-энкодера и авторегрессионной языковой модели. Модель содержит 1,1 млрд параметров, принимает текст и изображения и имеет контекст 16 384 токена. Это базовая энкодерная модель, которая возвращает контекстные представления токенов. Для поиска, классификации, извлечения информации и других прикладных задач её необходимо дообучить с подходящей целевой головой; для поиска по документам авторы рекомендуют NeoMME-800M-Retriever. Предварительное обучение проводилось на многоязычных текстах и визуально-текстовых данных, включая веб-тексты, код, математику, страницы документов, подписи к изображениям и синтетические OCR-данные. Модель доступна в формате Safetensors через Transformers по лицензии Apache-2.0. Комплексная оценка безопасности, смещений и конфиденциальности не проводилась.

Карточка модели matterinys/privacy-filter на Hugging Face совпадает с карточкой openai/privacy-filter, поэтому описание составлено по ней. OpenAI Privacy Filter — модель OpenAI для обнаружения и маскирования персональных данных в тексте. Она предназначена для высокопроизводительной очистки данных, в том числе в локальных и браузерных сценариях, и может дообучаться под особенности данных организации. Лицензия Apache 2.0 допускает коммерческое использование. Модель выполняет двунаправленную классификацию токенов и выделяет связные фрагменты в одном проходе. Архитектура — разреженный MoE-трансформер с 8 блоками, шириной скрытого представления 640 и 128 экспертами, из которых на токен выбираются 4. Модель возвращает BIOES-разметку для восьми категорий: номера счетов, частные адреса, электронные адреса, имена людей, телефоны, URL, даты и секреты. В метаданных указано 145,4 млн параметров и контекст 131 072 токена; README заявляет окно до 128 000 токенов. Доступны форматы Safetensors и ONNX. Модель подходит для предварительной фильтрации текстов перед хранением, передачей или дальнейшей обработкой. Пороговые режимы позволяют настраивать компромисс между точностью и полнотой обнаружения. Это вспомогательное средство минимизации данных, а не гарантия анонимизации или соответствия требованиям. Набор меток фиксирован, для изменения политики нужно дообучение; качество может снижаться на неанглийских текстах, нелатинских письменностях и данных вне обучающего распределения. В чувствительных областях возможны как пропуски, так и избыточное маскирование.

Карточка модели Pq234/privacy-filter на Hugging Face совпадает с карточкой openai/privacy-filter, поэтому описание составлено по ней. OpenAI Privacy Filter — модель OpenAI для обнаружения и маскирования персональных данных в тексте. Она предназначена для высокопроизводительной очистки данных, в том числе в локальных и браузерных сценариях, и может дообучаться под особенности данных организации. Лицензия Apache 2.0 допускает коммерческое использование. Модель выполняет двунаправленную классификацию токенов и выделяет связные фрагменты в одном проходе. Архитектура — разреженный MoE-трансформер с 8 блоками, шириной скрытого представления 640 и 128 экспертами, из которых на токен выбираются 4. Модель возвращает BIOES-разметку для восьми категорий: номера счетов, частные адреса, электронные адреса, имена людей, телефоны, URL, даты и секреты. В метаданных указано 145,4 млн параметров и контекст 131 072 токена; README заявляет окно до 128 000 токенов. Доступны форматы Safetensors и ONNX. Модель подходит для предварительной фильтрации текстов перед хранением, передачей или дальнейшей обработкой. Пороговые режимы позволяют настраивать компромисс между точностью и полнотой обнаружения. Это вспомогательное средство минимизации данных, а не гарантия анонимизации или соответствия требованиям. Набор меток фиксирован, для изменения политики нужно дообучение; качество может снижаться на неанглийских текстах, нелатинских письменностях и данных вне обучающего распределения. В чувствительных областях возможны как пропуски, так и избыточное маскирование.

Карточка модели RedHatAI/privacy-filter на Hugging Face совпадает с карточкой openai/privacy-filter, поэтому описание составлено по ней. OpenAI Privacy Filter — модель OpenAI для обнаружения и маскирования персональных данных в тексте. Она предназначена для высокопроизводительной очистки данных, в том числе в локальных и браузерных сценариях, и может дообучаться под особенности данных организации. Лицензия Apache 2.0 допускает коммерческое использование. Модель выполняет двунаправленную классификацию токенов и выделяет связные фрагменты в одном проходе. Архитектура — разреженный MoE-трансформер с 8 блоками, шириной скрытого представления 640 и 128 экспертами, из которых на токен выбираются 4. Модель возвращает BIOES-разметку для восьми категорий: номера счетов, частные адреса, электронные адреса, имена людей, телефоны, URL, даты и секреты. В метаданных указано 145,4 млн параметров и контекст 131 072 токена; README заявляет окно до 128 000 токенов. Доступны форматы Safetensors и ONNX. Модель подходит для предварительной фильтрации текстов перед хранением, передачей или дальнейшей обработкой. Пороговые режимы позволяют настраивать компромисс между точностью и полнотой обнаружения. Это вспомогательное средство минимизации данных, а не гарантия анонимизации или соответствия требованиям. Набор меток фиксирован, для изменения политики нужно дообучение; качество может снижаться на неанглийских текстах, нелатинских письменностях и данных вне обучающего распределения. В чувствительных областях возможны как пропуски, так и избыточное маскирование.

AIguard-0.6B-PII-Chinese — модель классификации токенов для выявления и извлечения 21 категории персональных данных в китайскоязычных текстах. Она дообучена разработчиками проекта ZJUICSR на базе Qwen3-0.6B и рассчитана на защиту конфиденциальности, проверку соответствия требованиям и подготовку данных к обезличиванию. Модель использует архитектуру Qwen3 с плотными весами, содержит около 507,9 млн параметров и принимает текстовые последовательности. В README рекомендовано разбивать длинные входы на фрагменты до 512 токенов, хотя контекст модели составляет 40 960 токенов. В карточке заявлены entity-level F1 96,29% и 21 тип чувствительных сущностей; обучение проводилось на синтетических примерах с ручной проверкой и охватывало несколько сфер повседневной жизни. Модель подходит для поиска утечек PII в диалогах и журналах, извлечения персональных данных из документов и последующего маскирования. Она обучена для китайского языка. Лицензия — Apache-2.0. Качество на реальных данных может отличаться от результатов тестирования на синтетических примерах. Для номера отслеживания YTO авторы отмечают низкую полноту и рекомендуют дополнительную проверку правилами; модель также не гарантирует выявление поддельных или изменённых идентификационных данных, а результаты в важных сценариях следует проверять вручную.

Это модель ALBERT XXLarge V2, дообученная Марком Фебловицем из IBM Research для ответов на вопросы по тексту в формате SQuAD 2.0. Она предназначена для открытых вопросов и задач понимания прочитанного: на вход получает вопрос и контекст, а на выходе определяет ответ в контексте или отсутствие ответа. Модель основана на архитектуре ALBERT и содержит около 3,3 млрд параметров. Максимальная длина контекста — 512 токенов. Репозиторий содержит веса PyTorch. Язык обучения и лицензия в карточке не уточнены.

CapRL-InternVL3.5-8B — мультимодальная модель для описания изображений, разработанная авторами проекта CapRL на основе InternVL3.5-8B от OpenGVLab. Это плотная модель семейства InternVL с 8 млрд параметров, предназначенная прежде всего для генерации развернутых и содержательных подписей к изображениям. Она принимает изображения и текстовые запросы и формирует текстовый ответ; для запуска авторы описывают использование Transformers и совместимого с OpenAI API сервера vLLM. Модель обучена в рамках CapRL — подхода с обучением с подкреплением на проверяемых наградах для открытой задачи описания изображений. В README также отмечены диаграммы, инфографика, документы и природные изображения как сценарии серии CapRL; заявленные сравнительные результаты относятся к CapRL-3B, поэтому их нельзя напрямую считать подтверждением характеристик этой 8B-модели. Модель выпущена под лицензией Apache-2.0. В доступных данных не приведены сведения о длине контекста.

rizukim/distilbert-base-uncased-finetuned-squad — модель семейства DistilBERT, дообученная на неизвестном наборе данных. Она предназначена для извлечения ответа на вопрос из предоставленного текста и относится к архитектуре DistilBertForQuestionAnswering. Модель работает с текстом, использует библиотеку Transformers и рассчитана на контекст длиной до 512 токенов. В README приведён результат оценки: loss 1,1039; описание обучающих данных, подробные сценарии применения и ограничения не раскрыты. Базовая модель — distilbert/distilbert-base-uncased. Лицензия — Apache-2.0.

RedHatAI/gemma-3-27b-it-FP8-dynamic — квантизированная версия мультимодальной модели Google Gemma 3 27B IT, подготовленная Neural Magic. Модель принимает изображения и текст, а генерирует текст, поэтому предназначена для визуально-текстового диалога, анализа изображений, ответов на вопросы по изображениям и обычных языковых задач. В README явно указан английский язык; сведения о поддерживаемых языках кроме него отсутствуют. Модель основана на архитектуре gemma-3-27b-it с 27 миллиардами параметров и использует FP8-квантизацию весов и активаций. Квантизация выполнена динамически для линейных слоёв; vision tower и мультимодальный проектор не квантизировались. Версия оптимизирована для инференса с vLLM версии 0.5.2 и выше, включая OpenAI-совместимый режим сервинга. Размер контекста в конфигурации оценки составлял 4096 токенов, однако это не обязательно соответствует максимальному контексту модели. По приведённым оценкам, FP8-версия в среднем сохраняет близкую к исходной модели точность на текстовом бенчмарке OpenLLM v1 и на vision-задачах MMMU и ChartQA. Её сильные стороны — сочетание обработки изображений и текста, снижение требований к памяти и эффективное развертывание с vLLM. Ограничения включают возможную потерю точности из-за квантизации, зависимость от совместимого инференсного стека и отсутствие в README подробностей о максимальном контексте, производительности, безопасном использовании и других языках. Модель распространяется по лицензии Apache-2.0.