I.4Обработка документов и форм

knowledgator/Llama-encoder-1.0B — двунаправленный текстовый энкодер на архитектуре LLaMA с 1 млрд параметров, разработанный Knowledgator на основе Tiny-LLaMA-1.0B. Модель обучена на Википедии с masked token prediction; авторы сообщают, что обучали все веса для усиления двунаправленного представления контекста. В отличие от обычного причинного декодера, она предназначена для получения контекстных представлений текста и адаптации к дискриминативным задачам. Модель подходит для классификации текстов, ответов на вопросы и разметки токенов, включая распознавание сущностей. В метаданных указаны задачи question-answering и text-generation, библиотека Transformers и окно контекста 2048 токена; язык карточки — английский. Репозиторий содержит веса safetensors. Лицензия — Apache-2.0. README описывает энкодер и его обучение, но не приводит результатов бенчмарков или подробностей о качестве на конкретных наборах задач. Для специализированного применения могут потребоваться адаптация и дообучение; генерация текста указана в метаданных, хотя основное назначение модели — кодирование текста для дискриминативных задач.

MiMo-VL-7B-RL — мультимодальная языковая модель Xiaomi для понимания изображений и текста, разработанная на архитектуре Qwen2.5-VL. Она сочетает визуальный ViT-энкодер, MLP-проектор и языковую модель MiMo-7B; размер модели — 7 млрд параметров, контекст — до 128 000 токенов. Модель принимает изображения и текстовые запросы и формирует текстовые ответы. Модель предназначена для визуальных вопросов и ответов, мультимодальных рассуждений, распознавания деталей и привязки объектов к областям изображения, а также понимания интерфейсов GUI. Версия RL получена постобучением с подкреплением по сигналам качества восприятия, grounding, логического рассуждения и предпочтений. В README также описано обучение на текстовых, визуальных и видеоданных, однако метаданные подтверждают задачу image-text-to-text, поэтому поддержка видео как входа здесь не заявляется. Модель совместима с Qwen2_5_VLForConditionalGeneration и библиотекой Transformers. Лицензия — MIT.

Ministral-3-14B-Reasoning-2512-GGUF — это GGUF-квантизированная версия модели Ministral-3-14B-Reasoning-2512, разработанной Mistral AI и подготовленной для распространения пользователем bartowski. Модель предназначена для локального запуска задач генерации текста и мультимодального взаимодействия с изображениями, что отражено в типе конвейера image-text-to-text. Для работы используются llama.cpp и совместимые приложения, включая LM Studio. Модель имеет размер 14B параметров; в каталоге представлены варианты от BF16 до квантизаций Q8_0, Q6, Q5, Q4, Q3 и IQ. Квантизация с использованием imatrix позволяет уменьшить требования к памяти при сохранении качества, однако более компактные варианты могут уступать исходным весам по точности. Поддерживаются английский, французский, испанский, немецкий, итальянский, португальский, нидерландский, китайский, японский, корейский и арабский языки. Архитектура, размер контекста и точный формат подсказок в README не указаны. Сильными сторонами являются возможность локального запуска, широкий выбор компромиссов между качеством и объёмом файлов, а также поддержка текста и изображений. Ограничения включают зависимость от совместимого runtime llama.cpp и отсутствие в README подробных сведений о возможностях рассуждения, результатах оценки, контекстном окне и рекомендованных шаблонах запросов. Модель и её квантизированные варианты распространяются по лицензии Apache-2.0.

MediaCatch/mmBERT-base-scandi-ner-gold — мультиязычная модель распознавания именованных сущностей, разработанная MediaCatch. Она дообучена для классификации токенов на объединённых корпусах датского, шведского, норвежского и английского языков и размечает имена людей (PER), организации (ORG) и географические названия (LOC) в формате BIO. Модель построена на архитектуре ModernBERT, содержит 306,9 млн параметров и поддерживает контекст до 8192 токенов. Модель подходит для извлечения сущностей из новостных и энциклопедических текстов, в том числе при пакетной обработке документов. На отложенном тестовом наборе в карточке указаны F1 0,833, точность 0,8455 и полнота 0,8208. Лицензия — MIT. Качество может снижаться на текстах из других предметных областей и при смешении языков в одном предложении. Модель распознаёт только PER, ORG и LOC; она не предназначена для поиска дат, сущностей типа MISC и других категорий. Для корректного вывода необходимо учитывать разбиение слов на субтокены.

DataOrchestra NP-0.6B — компактная плотная языковая модель семейства Qwen3, разработанная DataOrchestra на базе Qwen/Qwen3-0.6B-Base и дообученная для удаления построчного шума из текстовых документов. Она принимает пронумерованный фрагмент документа в маркерах [DOC] и [/DOC] длиной до 1024 токенов Qwen3 и выдаёт операции удаления целых строк либо команду skip(). Модель предназначена для очистки веб-страниц и других текстовых источников от навигации, рекламы, панелей обмена, шаблонных фрагментов и метаданных каталогов; её можно запускать отдельно или включать в конвейер очистки DataOrchestra. В отличие от систем, которые переписывают текст или удаляют части строк, NP сохраняет все строки, не отмеченные для удаления. Модель содержит около 508 млн параметров, использует архитектуру Qwen3ForCausalLM и поддерживает контекст до 32768 токенов; заявленный формат весов — safetensors. Карточка описывает англоязычное применение. Лицензия — Apache-2.0.

OrionLLM GRM-3.2-Cliff-GGUF — квантованная версия модели GRM-3.2-Cliff, разработанной OrionLLM и преобразованной в формат GGUF пользователем bartowski с помощью llama.cpp. Модель содержит около 9 млрд параметров и предназначена для локального запуска в приложениях, совместимых с llama.cpp. Модель поддерживает обработку текста и изображений при использовании дополнительного файла mmproj, поэтому может применяться для мультимодального анализа, ответов на вопросы по изображениям и обычных текстовых задач. Для работы предусмотрен специальный prompt format с ролями system, user и assistant; поддержка MTP отсутствует. Доступны варианты квантования от BF16 и Q8_0 до более компактных IQ3 и Q2, что позволяет выбирать между качеством, размером файла и требованиями к оперативной памяти. Рекомендуемым компромиссом заявлен вариант Q4_K_M размером около 5,91 ГБ. Сильными сторонами являются мультимодальный ввод, широкий выбор квантований и возможность локального использования. К ограничениям относятся зависимость обработки изображений от файла mmproj, отсутствие сведений о языках, размере контекста и конкретной архитектуре, а также возможное снижение качества в компактных вариантах квантования. Модель распространяется по лицензии Apache-2.0.

Ornith-Agents-A1 — мультимодальная модель, созданная объединением моделей методом task arithmetic с помощью mergekit. В качестве базовой использована Qwen/Qwen3.5-35B-A3B; в объединение также вошли InternScience/Agents-A1 и deepreinforce-ai/Ornith-1.0-35B. В метаданных указана архитектура Qwen3.5 MoE и класс Qwen3_5MoeForConditionalGeneration, а файлы модели представлены в формате safetensors. Модель предназначена для диалога и работы с изображениями. Её можно применять в сценариях, где нужно задавать вопросы по изображению или сочетать визуальный ввод с текстовым запросом. Метаданные относят её к задаче image-text-to-text и отмечают поддержку vision и chat. Языки и длина контекста в предоставленных источниках не подтверждены. Модель распространяется по лицензии Apache-2.0.

Adaptive Classifier — классификатор персональных данных на основе answerdotai/ModernBERT-base. Модель различает два класса: текст содержит персональные данные или не содержит их. В карточке указаны 768-мерные эмбеддинги и обучение на 10 примерах, поровну для каждого класса. Модель предназначена для обнаружения PII в текстах и может адаптироваться при добавлении примеров и новых классов. Прототипы обновляются каждые 10 примеров. Для каждого класса требуется не менее 3 примеров, а верхний предел составляет 150 примеров на класс. Распространяется по лицензии Apache-2.0. Обучающая выборка мала, поэтому качество обнаружения на новых данных не подтверждено; карточка также не приводит конкретные языки или типы персональных данных, которые распознаются.

MuXodious/Qwen3.5-4B-ARA-heresy — мультимодальная модель для диалога с текстом и изображениями, созданная MuXodious как дообучение Qwen/Qwen3.5-4B с помощью метода abliteration Heretic и Arbitrary-Rank Ablation. Она предназначена для ответов на вопросы, рассуждений по тексту и изображениям и сценариев с вызовом инструментов. Модель имеет плотную архитектуру Qwen3.5 с 4 млрд параметров и vision encoder; базовый контекст составляет 262 144 токена, с расширением до 1 010 000 токенов. В README заявлена поддержка 201 языка и диалекта для семейства Qwen3.5; список языков именно этого варианта не приведён. Основное изменение этой версии — снижение отказов на тестовом наборе: после обработки указано 2 отказа из 104 против 103 из 104 у исходной модели. Это не означает гарантированного отсутствия отказов или подтверждённого качества на других задачах. Модель распространяется в формате Safetensors и совместима с Transformers и рядом серверов инференса. Лицензия — Apache-2.0.

MuXodious/Qwen3.5-4B-ARA-heresy-v2 — мультимодальная модель для диалога и понимания изображений, созданная на основе Qwen/Qwen3.5-4B. Разработчик применил к ней abliteration методом ARA с инструментарием Heretic; README сообщает, что исходная доля отказов в тестовом наборе снизилась со 103 из 104 до 6 из 104, а KL-дивергенция составила 0,0708. Модель принимает текст и изображения и генерирует текст. В основе — плотная архитектура Qwen3.5 с 4 млрд параметров и визуальным энкодером; заявленная базовой моделью длина контекста — 262 144 токена, с возможностью расширения. Карточка указывает поддержку 201 языка и диалектов для базовой модели, но не уточняет, как abliteration повлиял на языковые возможности этой версии. Модель предназначена для диалога, визуальных вопросов и ответов, рассуждений и использования инструментов. Снижение отказов может сделать её пригодной для запросов, на которые исходная модель отказывалась отвечать, но результаты теста не гарантируют полноту или точность ответов. Лицензия — Apache-2.0.

FreedomAISVR подготовила GGUF-квантизацию MXFP4 мультимодальной инструктивной модели Qwen3.5-9B для запуска через llama.cpp. В репозитории есть файл текстовой модели размером 5,31 ГБ и отдельный проектор зрения SigLIP в формате F16 размером 922 МБ; для обработки изображений требуются оба файла. Модель поддерживает диалог и следование инструкциям, а режим рассуждений отключён по умолчанию и включается отдельно. Базовая Qwen3.5-9B использует гибридную архитектуру Gated DeltaNet и Gated Attention, принимает текст, изображения и видео, поддерживает 201 язык и имеет контекст 262 тыс. токенов с возможностью расширения до 1 млн. Заявленная лицензия — Apache 2.0. Квантизация уменьшает размер файлов и позволяет запускать модель на разных CPU и GPU, однако README не приводит сравнений качества MXFP4 с исходной точностью; видео и широкий языковой охват указаны для базовой модели.

OpenVINO/Qwen3.5-9B-int8-ov — квантованная версия мультимодальной модели Qwen3.5-9B, разработанной командой Qwen и преобразованной в формат OpenVINO IR. Модель предназначена для диалоговых сценариев, в которых требуется обрабатывать текст и изображения, например для описания изображений и создания визуально-языкового ассистента. Модель использует веса, сжатые до INT8 методом NNCF в режиме INT8_ASYM с group_size -1. В README не указаны точный размер контекста, поддерживаемые языки и подробные архитектурные характеристики исходной модели. Формат совместим с OpenVINO 2026.2.0 и новее, а также Optimum Intel 1.27.0 и новее; предусмотрен запуск на CPU через OpenVINO GenAI и Optimum Intel. Ключевое преимущество модели — уменьшенный объём весов и возможность инференса в экосистеме OpenVINO при сохранении мультимодального сценария исходной модели. Ограничения и другие особенности следует уточнять в карточке Qwen3.5-9B. Модель распространяется по лицензии Apache License 2.0.

Карточка модели AtomicChat/Qwen3.8-27B-MLX-AD-5.00bpw-DWQ-17.7GB на Hugging Face совпадает с карточкой AtomicChat/Qwen3.8-27B-MLX-AD-3.80bpw-DWQ-13.7GB, поэтому описание составлено по ней. AtomicChat/Qwen3.8-27B-MLX-AD-3.80bpw-DWQ-13.7GB — мультимодальная плотная модель семейства Qwen3.5 на 27 млрд параметров, подготовленная AtomicChat на основе Qwen/Qwen3.8-27B для работы в формате MLX. Она предназначена для диалогов и задач, где нужно анализировать изображения и формировать текстовый ответ. Карточка также указывает поддержку vision и conversational-взаимодействия. Модель принимает текст и изображения, выдаёт текст. Репозиторий использует safetensors, а для базовой модели указана лицензия Apache-2.0. README описывает преобразование в MLX с помощью mlx-lm 0.31.3; сведений о контекстном окне и ограничениях качества карточка не приводит.

Intel/Qwen3.8-Flash-Next-W4A16-AutoRound — это INT4-квантизированная версия модели Qwen3.8-Flash-Next, разработанная с помощью инструмента Intel AutoRound в режиме Tuning. В карточке указано назначение image-text-to-text, поэтому модель рассчитана на обработку текстово-визуальных запросов и генерацию текста, однако подробные характеристики базовой модели, включая число параметров, размер контекста и поддерживаемые языки, не приведены. Модель использует схему квантизации W4A16: веса представлены в формате INT4, а активации — в формате FP16. Квантизация призвана снизить требования к памяти и ресурсам по сравнению с конфигурацией BF16. На указанных тестах INT4-версия получила средний результат 0,8332 против 0,8362 у BF16, то есть сохранила 99,64% относительного качества; приведены результаты для GSM8K, MMLU, PIQA и HelleSwag. Модель может быть полезна для ресурсоограниченного развёртывания задач генерации текста и мультимодального взаимодействия. Как и базовая модель, она может выдавать фактически неверные, предвзятые, оскорбительные или иным образом нежелательные ответы, поэтому перед использованием требуется проверка безопасности. Лицензия указана как qwen-community-1.0; необходимо также соблюдать лицензионные условия оригинальной модели Qwen3.8-Flash-Next. README рекомендует получить юридическую консультацию перед коммерческим использованием.

Qwen3-Omni-30B-A3B-Thinking — мультимодальная модель семейства Qwen3-Omni, разработанная Alibaba Qwen. Это вариант с компонентом Thinker и цепочкой рассуждений: он принимает текст, изображения, аудио и видео, а отвечает текстом. Архитектура основана на схеме MoE Thinker–Talker, однако в этой версии используется только Thinker; заявленная конфигурация — 30B-A3B. Модель предназначена для мультимодальных диалогов, понимания аудио и аудио-видео, распознавания речи и ответов на вопросы по изображениям и видео. Она поддерживает потоковое взаимодействие с низкой задержкой и многоязычную работу: в README заявлены 119 языков для текста и 19 языков для входящей речи, включая русский. Модель можно запускать через Transformers и vLLM; пример конфигурации vLLM использует контекст до 65 536 токенов. В README заявлены сильные результаты на аудио- и видео-бенчмарках, но приведённые оценки не являются независимой проверкой для конкретных сценариев. Для работы требуется актуальная версия Transformers из исходников и значительные вычислительные ресурсы; пример запуска предполагает четыре GPU. Лицензия в метаданных обозначена как other, поэтому её конкретные условия следует проверять в карточке репозитория.

thealper2/t5-small-nl-to-regex — дообученная автором карточки модель google-t5/t5-small для преобразования краткого описания шаблона на английском языке в регулярное выражение. Она основана на архитектуре T5 и содержит 38,5 млн параметров; в метаданных указано ограничение контекста 512 токенов. Модель обучена на 20 824 примерах из корпусов DeepRegex KB13, NL-RX-Synth и NL-RX-Turk. На тестовой выборке точное совпадение составило 66,78%, валидность выражений — 99,76%, функциональная точность — 78,54%; последняя включает как точную эквивалентность, так и приблизительное совпадение на конечном наборе проверочных строк. Результат использует диалект DeepRegex с операторами дополнения `~` и пересечения `&`, поэтому его нужно преобразовать перед применением в Python `re`. Модель заменяет слова в кавычках заполнителями `dog`, `truck`, `ring` и `lake` и не копирует исходные литералы. Проверялись короткие однофразовые описания; поведение на произвольных или многофразовых запросах не тестировалось. Генерируемые выражения не проверяются на катастрофический возврат при поиске. Лицензия — MIT.

Это многоязычная модель классификации текстов по жанру, разработанная Classla и дообученная на вручную размеченном наборе X-GENRE. Она основана на XLM-RoBERTa-base с архитектурой XLMRobertaForSequenceClassification и содержит около 305,2 млн параметров. Модель присваивает тексту жанровую метку, например «Информация/объяснение», «Инструкция» или «Юридический текст», и предназначена для автоматической разметки больших коллекций документов. Модель рассчитана на тексты на языках, поддерживаемых XLM-RoBERTa-base; в карточке среди языков указаны, в частности, арабский, болгарский, бенгальский, немецкий, английский, испанский, французский, японский, корейский и хинди. Размер контекста — 514 токенов. Авторы сообщают о результатах на тестах внутри и вне обучающего набора и о сравнении с другими подходами, включая zero-shot модели GPT. Для длинных документов и языков с ограниченным покрытием качество может быть ниже; классификация предназначена для жанровой разметки, а не для определения темы или проверки фактов. Модель распространяется по лицензии CC BY-SA 4.0.

Bashkir LID — компактный бинарный классификатор языка башкирского текста от автора репозитория failed09. Он относит входной текст к башкирскому языку (ba) или к категории «не башкирский» (non_ba), поэтому подходит для фильтрации корпусов, предварительной проверки текста после OCR и локальных приложений с инференсом на CPU. Модель использует символьные TF-IDF признаки char_wb с n-граммами длиной 2–5 и словные n-граммы длиной 1–2; линейный SGD-классификатор экспортирован в ONNX и запускается через ONNX Runtime. В карточке приведены результаты на тестах со слабыми или вручную заданными метками: 93,25% точности на наборе из 4 000 предложений. При пороге 0,50 классификатор сохранил 73% башкирских примеров и не пропустил ни одного из 3 000 небашкирских в указанном тесте. Это бинарный языковой фильтр, а не многоязычный детектор: он не определяет, какой именно язык стоит за меткой non_ba. Короткие строки, татарский и другой близкородственный текст, смешанные языки, имена и OCR-шум могут вызывать ошибки; оценки модели не следует считать откалиброванными вероятностями. Лицензия репозитория — Apache-2.0; исходные обучающие тексты не распространяются, и для них могут действовать условия исходных источников.

Ex0bit выпустил Ex0bit/Gemma4-26B-A4B-PRISM-PRO-DQ-GGUF — мультимодальную версию Gemma 4 26B-A4B Instruction-Tuned в формате GGUF для запуска через llama.cpp. Это MoE-модель с 26 млрд параметров, из которых 4 млрд активны на токен; в README указаны 128 экспертов и маршрутизация top-8. Модель принимает текст, изображения и видео и отвечает текстом. Для обработки изображений и видео вместе с основным GGUF-файлом нужен файл проектора mmproj. Модель предназначена для диалогов и анализа изображений и видеокадров. Автор заявляет, что PRISM-PRO удаляет чрезмерные отказы и механизмы смещения, а PRISM-DQ распределяет точность квантования по типам тензоров; заявленная точность — 5,73 бита на вес. Эти заявления приведены автором и не подтверждены независимыми оценками в предоставленной карточке. Аудио модель не поддерживает. Лицензия — Apache-2.0.

HEQ-M1.2 — дообученная Hothaifa мультимодальная модель на архитектуре Gemma 4, основанная на unsloth/gemma-4-31b-it-unsloth-bnb-4bit. Она предназначена для диалоговых сценариев с изображениями и текстом, включая ответы на вопросы по изображению. Модель обучалась с использованием Unsloth и библиотеки TRL от Hugging Face. Модель принимает изображения и текст и генерирует текст; в метаданных также указана поддержка интерфейса вызова инструментов. Язык карточки — английский. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0. Данных о размере параметров и длине контекста в предоставленных сведениях нет.

Huihui-Qwen3.5-27B-abliterated — мультимодальная плотная модель на 27 млрд параметров, созданная huihui-ai на основе Qwen/Qwen3.5-27B методом abliteration, направленным на снижение числа отказов. Это экспериментальная версия с упрощённой реализацией метода, предназначенная для диалогов и анализа изображений; метаданные также указывают поддержку интерфейса вызова инструментов. Модель принимает текст и изображения и генерирует текст. Модель подходит для диалоговых сценариев, ответов на запросы по изображениям и задач с использованием инструментов. В README указано, что защитные фильтры существенно ослаблены, поэтому возможны чувствительные, спорные или неподходящие ответы и результаты требуют проверки. Репозиторий распространяется по лицензии Apache-2.0.

Labira/LabiraPJOK_2x_50 — дообученная на неизвестном наборе данных модель семейства BERT от Labira для ответа на вопросы. Она использует архитектуру BertForQuestionAnswering, содержит 137,8 млн параметров и принимает контекст длиной до 512 токенов. Модель предназначена для извлечения ответа на вопрос из предоставленного текста. Модель распространяется в формате TensorFlow по лицензии MIT. В README приведены результаты обучения: Train Loss 0,0131 и Validation Loss 4,2318 на 44-й эпохе; назначение, данные обучения и подробные ограничения не описаны.

LUKE-large — предварительно обученная модель понимания языка, разработанная исследователями, представившими LUKE (Language Understanding with Knowledge-based Embeddings). Она использует трансформер с механизмом entity-aware self-attention: слова и сущности в тексте рассматриваются как отдельные токены, а их типы учитываются при вычислении внимания. Модель содержит 454,1 млн параметров по метаданным; в README указано 483 млн. Архитектура включает 24 слоя со скрытым размером 1024, а базовое обучение проводилось на англоязычной Википедии за декабрь 2018 года. Основная задача в карточке Hugging Face — заполнение пропусков в тексте. Представления LUKE также применялись для извлечения ответов на вопросы, распознавания именованных сущностей, классификации отношений и определения типов сущностей; README приводит результаты на SQuAD, CoNLL-2003, ReCoRD, TACRED и Open Entity. Модель ориентирована на английский язык и имеет контекст до 514 токенов. Доступна в формате PyTorch по лицензии Apache-2.0.

MLCD-ViT-bigG-patch14-448 — модель зрения на базе Vision Transformer, разработанная DeepGlint AI. Она использует RoPE2D и предназначена для извлечения признаков из изображений; в карточке также описана оценка её визуального представления в составе системы с Qwen2.5-7B на задачах понимания документов и визуальных вопросов. Размер модели — 2,5 млрд параметров; веса опубликованы в формате safetensors, лицензия — MIT. Модель можно применять как визуальную часть мультимодальных систем, в том числе для анализа документов, диаграмм и изображений.

Карточка модели PierrunoYT/moondream3-preview на Hugging Face совпадает с карточкой moondream/moondream3-preview, поэтому описание составлено по ней. Moondream 3 (Preview) — мультимодальная модель Moondream для анализа изображений и работы с текстом. Она принимает изображение и текстовый запрос, а также может использоваться как универсальная текстовая модель. Архитектура — Mixture of Experts: 9 млрд параметров всего, из них 2 млрд активны; визуальный энкодер основан на SigLIP. Модель имеет 24 слоя и контекстное окно до 32 тысяч токенов. Модель предназначена для ответов на вопросы об изображениях, создания подписей, поиска точек объектов и обнаружения объектов с ограничивающими рамками. Режим рассуждений включён по умолчанию; его можно отключить для простых запросов. Для локального запуска предлагается Transformers с FlexAttention, а также доступен облачный API. Moondream 3 выпущена как Preview, поэтому качество и поведение могут измениться. Веса распространяются по Business Source License 1.1 с Additional Use Grant: разрешены личное и исследовательское применение, внутреннее производственное использование и большинство коммерческих сценариев, но платные сервисы, конкурирующие с предложениями M87 Labs, требуют отдельного соглашения.

MSH-v1 (Marsh Harrier) — польская диалоговая языковая модель MedIT Solutions, созданная слиянием чекпойнтов Speakleash Bielik 11B v2.3 Instruct и Bielik 11B v2. Она основана на плотной архитектуре Mistral и содержит 11 млрд параметров; доступна в формате safetensors. Модель генерирует текст и отвечает на инструкции, прежде всего на польском языке. Контекст — до 32 768 токенов. В README приведены результаты оценки на польских бенчмарках: модель показывает улучшения в среднем относительно Bielik v2.3, но уступает на отдельных задачах, в том числе MT-Bench-PL и PolQA reranking. Лицензия — Apache-2.0.,

Muse-Glimmer-30B-Heretic-Uncensored-GGUF — набор из 27 GGUF-квантизаций модели Muse-Glimmer-30B-Heretic-Uncensored. Основа разработана Meta Superintelligence Lab, а производный вариант создан darkc0de с применением Heretic v1.4.0 методом abliteration. Модель предназначена для локального запуска задач генерации текста и анализа изображений с текстовым ответом, включая сценарии image-text-to-text. Указанные языки — английский и multilingual; дата отсечения знаний — 4 января 2026 года. Это плотный causal Transformer с Perception Encoder на базе ViT-G/14 примерно на 1,8 млрд параметров; общий размер составляет около 29,6 млрд параметров. Архитектура использует GQA с 32 Q- и 2 KV-головами, SwiGLU, RoPE и скользящее окно внимания; заявленная длина контекста — 131 072 и более токенов. Входные модальности — текст и изображения, выходная — текст. Благодаря 27 вариантам квантизации модель можно запускать на системах с 8–32 ГБ видеопамяти, а также в CPU/RAM-only конфигурациях; размеры файлов составляют примерно от 6,53 до 55,73 ГБ. Для квантизаций менее 4 бит применялась importance matrix для снижения потери качества. К сильным сторонам относятся поддержка изображений, длинный контекст, компактный KV-кэш из-за GQA и широкий выбор квантизаций для различного оборудования. В README заявлено отсутствие отказов на контенте 18+/NSFW, что может быть важно для специализированных сценариев, но одновременно требует осторожного применения и самостоятельной оценки безопасности. Ограничения включают высокие требования к памяти для качественных вариантов, возможное снижение качества у наиболее компактных квантизаций и необходимость сборки llama.cpp из master для поддержки архитектуры Muse-Glimmer. Лицензия — Apache 2.0.

PLLuM-12B-chat-2412 — диалоговая языковая модель из семейства PLLuM, разработанного для польского и других славянских и балтийских языков с дополнительными англоязычными данными. Модель основана на архитектуре Mistral, содержит 12,1 млрд параметров и работает с контекстом до 131 072 токенов. Для запуска предусмотрена библиотека Transformers; веса представлены в формате safetensors. Модель предназначена для генерации текста и диалоговой помощи: она может отвечать на вопросы, составлять краткие изложения и служить основой специализированных ассистентов. В карточке семейство PLLuM также описано как применимое к польским административным и юридическим темам, особенно в сценариях с поиском по документам. Для версии с суффиксом chat заявлено обучение на предпочтениях людей, ориентированное на диалог и более безопасное взаимодействие. Разработчики отмечают, что модель может выдавать фактически неверные ответы и проявлять предвзятость в спорных или субъективных темах; работа с очень длинным контекстом зависит от доступной памяти. Лицензия этой модели — Apache-2.0.

FriendliAI/Qwen2-VL-7B-Instruct — копия модели Qwen2-VL-7B-Instruct, размещённая FriendliAI. В README указано, что в tokenizer.json добавлены отсутствовавшие токены; метаданные связывают репозиторий с Qwen/Qwen2-VL-7B как с базовой моделью для дообучения. Это плотная мультимодальная модель с архитектурой Qwen2-VL и 7,1 млрд параметров, предназначенная для диалоговых задач с изображениями. Она принимает текст и изображения и формирует текстовые ответы; базовая модель также описана как способная понимать видео, однако поддержка видео именно этой копией в README не подтверждена. Контекст составляет 32 768 токенов. Модель подходит для вопросов по изображениям, описания визуального содержимого и диалогового взаимодействия с визуальными данными. Карточка указывает библиотеку Transformers и формат safetensors. Лицензия — Apache-2.0. README не описывает отдельного дообучения или оценок качества этой копии.

bark07/Qwen3-0.6B-JSON-SFT-GRPO — компактная плотная языковая модель семейства Qwen3, разработанная bark07 и дообученная на основе NotoriousH2/Qwen3-0.6B-JSON-SFT. В репозитории указано обучение с использованием Unsloth и TRL. Модель предназначена для генерации текста в диалоговом формате; базовая модель ориентирована на извлечение метаданных, поручений, решений и препятствий из корейских протоколов совещаний в JSON. Модель содержит 507,9 млн параметров, принимает текст и поддерживает контекст до 40 960 токенов. Доступна в формате safetensors, лицензия — Apache-2.0. Карточка не уточняет, насколько именно эта версия сохраняет специализацию базовой модели на корейских протоколах и структурированном JSON.