I.4Обработка документов и форм

viBERT-base-cased — предварительно обученная языковая модель BERT для вьетнамского языка, разработанная FPT.AI. Она предназначена для использования как основа для задач обработки вьетнамского текста, включая разметку последовательностей после дообучения. Это двунаправленный энкодер BERT примерно на 142,6 млн параметров с контекстом до 512 токенов; доступны веса PyTorch и Flax. Модель принимает текст и формирует контекстные представления, а конкретные метки или ответы зависят от добавленной задачи и дообученной головы. Карточка Hugging Face не указывает лицензию; первоисточник описывает модель как предварительно обученную для вьетнамского BERT.

Карточка модели nuresens/ALL_PAD_MERGE_v3 на Hugging Face совпадает с карточкой nuresens/ALL_PAD_MERGE_v2, поэтому описание составлено по ней. nuresens/ALL_PAD_MERGE_v2 — дообученная мультимодальная модель семейства Mistral3 на базе aitf-komdigi/KomdigiITS-3B-PAD-CPT. Разработчик — nuresens; для обучения использовались Unsloth и библиотека TRL от Hugging Face. Модель принимает изображения и текст и предназначена для диалоговых сценариев с визуальным содержимым, включая ответы на вопросы по изображениям. В карточке также заявлен интерфейс для вызова инструментов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Количество параметров и длина контекста в предоставленных источниках не указаны.

Barcenas-31b-Fable — плотная мультимодальная модель семейства Gemma 4, созданная автором Danielbrdz на основе Google Gemma 4 31B IT и дообученная на наборе lordx64/agentic-distill-fable-5-sft. В карточке она представлена как чат-модель с поддержкой изображений; заявленная специализация дообучения — использование в агентных сценариях на данных, связанных с Claude Fable 5. Модель предназначена для локального и приватного запуска на одной GPU при наличии достаточных аппаратных ресурсов. Она принимает текст и изображения и генерирует текст; в качестве формата весов указаны safetensors, библиотека — Transformers. Размер базовой модели — 31 млрд параметров. Лицензия репозитория — Apache-2.0.

CHEONINJEONG/bge-m3-address-v2 — модель Sentence Transformers на архитектуре XLM-RoBERTa, дообученная для сопоставления корейских адресов. Она преобразует текстовые адреса и запросы в плотные векторы размерностью 1024; косинусное сходство между ними можно использовать для поиска и ранжирования вариантов записи адреса. В обучающих примерах сопоставляются разговорные, слитные или записанные словами адреса с нормализованными вариантами, включая сложные отрицательные примеры с близкими, но неверными адресами. Модель предназначена для семантического поиска и извлечения адресов, в том числе при различиях в пробелах, сокращениях и записи чисел. Метаданные указывают 658,7 млн параметров и контекст до 8194 токенов; README задаёт максимальную длину последовательности 512 токенов. Лицензия в предоставленных данных не указана.

Cambrian-13B — мультимодальная большая языковая модель с архитектурой CambrianLlamaForCausalLM, разработанная в рамках проекта Cambrian. Модель обучена в июне 2024 года и ориентирована на сценарии с визуальным вводом. Для обучения использовались 2,5 млн примеров Cambrian Alignment Data и 7 млн примеров Cambrian Curated Instruction Tuning Data. Модель содержит 12,9 млрд параметров, принимает текст и изображения и генерирует текст; заявленный контекст составляет 4096 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества и подробностей о поддерживаемых языках.

linhtrann21/ft_paligemma_10k — дообученная модель семейства PaliGemma для задач «изображение — текст». Она принимает изображение и текстовый запрос и формирует текстовый ответ. Модель реализована архитектурой PaliGemmaForConditionalGeneration и распространяется в формате safetensors через библиотеку Transformers. Карточка не описывает конкретные сценарии применения, обучающие данные и результаты оценки, поэтому назначение модели можно определить только на общем уровне: работа с визуальными входными данными по текстовому запросу. Модель создана дообучением репозитория linhtrann21/ft_paligemma_10k; лицензия указана как gemma.

Gemma 3 12B IT 4bit — мультимодальная чат-модель семейства Gemma 3, преобразованная mlx-community из google/gemma-3-12b-it в формат MLX с помощью mlx-vlm 0.1.18. Она предназначена для диалога и генерации ответов на текстовые запросы, а также для работы с изображениями и текстом в одном запросе. Модель имеет плотную архитектуру Gemma3ForConditionalGeneration и содержит 12 млрд параметров; репозиторий распространяет веса в 4-битном представлении. Поддерживает визуальный ввод и текстовый вывод, а также может применяться для описания изображений и ответов на вопросы по ним. Контекстное окно и перечень поддерживаемых языков в предоставленных данных не описаны. Это конверсия для запуска на Apple MLX, а не самостоятельное дообучение; лицензия — Gemma. README отсылает к карточке исходной модели за подробностями о её возможностях и условиях использования.

gemma-3-4b-it-heretic — это модифицированная версия Google Gemma 3 4B IT, опубликованная пользователем saidutta69 и созданная с помощью Heretic 1.4.0. Модель представляет собой мультимодальную instruction-tuned систему для работы с текстом и изображениями, ориентированную на локальных агентов, ответы на вопросы по изображениям, диалоговые сценарии и исследование механизмов выравнивания и отказов моделей. В README указан английский язык. Модель имеет около 4,3 млрд параметров и предназначена для запуска на потребительских видеокартах, периферийных устройствах и CPU. Доступны веса Safetensors в формате BF16 и GGUF-квантизации Q4_K_M и Q5_K_M; заявлена совместимость с llama.cpp, Ollama, LM Studio, Jan, vLLM и SGLang. Размер контекста в README не указан. Главная особенность — подавление отказов за счёт направленной модификации весов attention output и MLP down-projections без дообучения. В тесте из 100 adversarial-запросов количество отказов снизилось с 98 у базовой модели до 18, при этом KL-дивергенция относительно базовой модели составила 0,6974. Это сохраняет значительную часть исходных знаний и способности следовать инструкциям, но изменения менее точечные, чем у некоторых текстовых моделей. Ограничение модели заключается в намеренно снятых защитных механизмах: она может выполнять запросы, от которых базовая модель отказалась бы, включая потенциально небезопасные, поэтому не рекомендуется для неотмодерированных публичных сервисов. Также сохраняются фактические ограничения и предвзятости Gemma 3 4B IT. Модель распространяется по лицензии Gemma, унаследованной от базовой модели Google Gemma 3 4B IT. Условия использования определяются лицензией, указанной в исходном репозитории.

didula-wso2/gemma4_1-0-5_sft_16bit_vllm — дообученная модель семейства Gemma 4, разработанная didula-wso2 на базе unsloth/gemma-4-e4b-it-unsloth-bnb-4bit. Обучение проводилось с Unsloth и библиотекой TRL; архитектура — плотная Gemma4ForConditionalGeneration, файлы представлены в формате Safetensors. Модель предназначена для диалоговых сценариев с текстом и изображениями: она принимает текстовые запросы и изображения и формирует текстовые ответы. Метаданные также отмечают интерфейс для вызова инструментов. Карточка не описывает конкретную специализацию дообучения, датасеты, качество или длину контекста, поэтому сценарии применения следует считать общими. Модель распространяется по лицензии Apache-2.0. Ее базовая модель обозначена как квантованный 4-битный вариант Gemma 4 E4B Instruct; сведения о точной конфигурации дообучения и его влиянии на возможности в карточке отсутствуют.

Карточка модели jamiefutch/gemma-4-26B-A4B-it-MXFP4_MOE-GGUF на Hugging Face совпадает с карточкой noctrex/gemma-4-26B-A4B-it-MXFP4_MOE-GGUF, поэтому описание составлено по ней. Это конверсия Gemma 4 26B A4B IT в формат GGUF с квантованием весов Mixture of Experts в MXFP4. Базовая модель разработана Google DeepMind и предназначена для диалогов с изображениями и текстом; каталог указывает поддержку чата и зрения. Репозиторий предлагает варианты GGUF BF16, F16 и F32, а README также описывает варианты MXFP4 MoE с разными настройками остальных тензоров. Модель подходит для вопросов по изображениям и текстовым диалогам в среде llama.cpp. Для обработки изображений рекомендуется использовать файл mmproj в F32; доступные варианты различаются качеством, скоростью и требованиями к памяти. Для использования нужны llama.cpp и соответствующий файл проектора изображений. Лицензия в предоставленных сведениях не указана.

girenit/girenit-TR-TextRestore — турецкая модель для восстановления диакритических знаков и написания слов в ASCII-тексте. Она разработана на базе mT5-small и дообучена на новостных предложениях из набора TR-News; архитектура — MT5ForConditionalGeneration, размер — 157,4 млн параметров. Модель принимает текст с префиксом «şapka: » и преобразует его в текст с турецкими буквами и апострофами, например: «Ahmet Yilmaz Istanbulda» → «Ahmet Yılmaz İstanbul'da».

illuni-llama-2-ko-7b — модель на архитектуре Llama 2, разработанная Julleong на основе beomi/llama-2-ko-7b и дообученная на датасете «개체명 사전 2022» из 모두의 말뭉치. Модель предназначена для следования инструкциям, генерации текста и ответов на вопросы; карточка предлагает шаблон запроса с инструкцией и ответом. Модель содержит 6,7 млрд параметров, принимает текст и выдаёт текст. Её контекст составляет 2048 токенов. Базовая модель ориентирована на корейский и английский языки; метаданные карточки указывают корейский язык. Модель распространяется под лицензией MIT.

InternViT-300M-448px-V2_5 — визуальный энкодер OpenGVLab, дообученный на основе OpenGVLab/InternViT-300M-448px методом инкрементального обучения ViT с NTP loss. Модель содержит 402,7 млн параметров и предназначена для извлечения признаков изображений, в частности как визуальная основа мультимодальных языковых моделей. Обновление улучшает представление визуальной информации, особенно для многоязычного OCR и математических диаграмм, которые слабее представлены в крупных веб-датасетах. Архитектура InternViT применяется в связке ViT-MLP-LLM; стратегия высокого разрешения делит изображения на плитки 448×448 пикселей. Репозиторий содержит веса в формате safetensors. Модель принимает изображения и выдаёт визуальные признаки. Авторы отмечают, что семейство V2.5 лучше подходит для построения мультимодальных языковых моделей, чем для традиционных задач компьютерного зрения. Лицензия — MIT.

Keye-VL-2.0-30B-A3B — мультимодальная базовая модель семейства Keye, разработанная Kwai-Keye. Это модель типа MoE с заявленным классом 30B и 2,6 млрд параметров в метаданных; она предназначена прежде всего для понимания видео, временной локализации событий и работы с длинными мультимодальными контекстами. Модель принимает изображения и видео вместе с текстовыми запросами и формирует текстовые ответы; поддерживает контекст до 262 144 токенов. Модель рассчитана на анализ длинных видео, ответы на вопросы по визуальному содержимому, поиск временных границ событий, распознавание текста и понимание диаграмм и таблиц. Карточка также заявляет возможности для программирования, вызова инструментов и поиска с опорой на веб, но каталог указывает интерфейс чата, а отдельная оценка этих сценариев в карточке не приведена. В README заявлены разреженное внимание DSA и эффективная обработка длинных последовательностей, а также результаты на бенчмарках видео и временной локализации. Модель распространяется под лицензией Apache-2.0. В метаданных указан английский язык; README не описывает полный перечень поддерживаемых языков. Заявленные результаты получены на бенчмарках и не гарантируют качество для произвольных видео или сценариев; выводы о содержимом могут быть ошибочными.

LENU-DE — модель для определения кода организационно-правовой формы немецкого юридического лица по его названию. Её разработали GLEIF и Sociovestix Labs на основе немецкой uncased-версии BERT; модель дообучена на данных LEI по юридическим лицам Германии и предсказывает Entity Legal Form (ELF) Code согласно стандарту ISO 20275. Архитектура — BertForSequenceClassification, размер — 137,1 млн параметров, максимальная длина контекста — 512 токенов. Модель предназначена для извлечения структурированного кода правовой формы из неструктурированных названий организаций, например при проверке и очистке справочников организаций в банках, инвестиционных компаниях, корпорациях и государственных структурах. Она обрабатывает немецкие названия юридических лиц и выдаёт классификационные метки; оценку предсказания следует учитывать при использовании. При низкой оценке предложенного кода результат рекомендуется проверять вручную. Модель распространяется по лицензии Creative Commons CC0.

LLaVA-Llama-3-8B-v1.1 — разработанная XTuner мультимодальная модель для диалога по изображениям. Она дообучена на основе meta-llama/Meta-Llama-3-8B-Instruct с визуальным энкодером CLIP-ViT-Large-patch14-336; использует проектор MLP и обучалась на ShareGPT4V-PT и InternVL-SFT. Модель содержит 7,5 млрд параметров, принимает изображения и текстовые запросы и генерирует текстовые ответы. Контекст составляет 8192 токена. Модель предназначена для описания изображений, ответов на вопросы о визуальном содержимом и диалоговых сценариев, сочетающих текст и изображение. В README приведены результаты на наборах оценки визуально-языковых моделей, включая MMBench, AI2D, TextVQA и MMMU. Репозиторий содержит веса в формате safetensors и использует формат XTuner LLaVA. Условия лицензии в предоставленных материалах не описаны.

mlasli/Muse-Glimmer-30B-Abliterated-BF16 — мультимодальная модель зрения и языка на архитектуре MuseGlimmerForConditionalGeneration, созданная изменением весов Muse Glimmer 30B. Автор карточки применил abliteration: ослабил внутренний механизм отказа, изменив проекции внимания и MLP во всех 52 слоях. Модель принимает текст и изображения и предназначена для диалогов, следования инструкциям и анализа изображений; базовая модель содержит около 29,6 млрд параметров. В README приведены 6656 скрытых измерений, 32 головы внимания и чередование скользящего и полного внимания, но длина контекста не указана. Модель реже отказывает на части запросов, чем исходная, при этом сохраняет некоторые отказы. По описанию автора, затронут текстовый декодер, а кодировщик изображений не изменён, поэтому мультимодальные отказы могут сохраняться. Формальной оценки качества нет; возможны изменения точности, стиля и рассуждений. Модель распространяется по лицензии Apache 2.0.

Paranioar/NEO1_0-9B-SFT — версия NEO1_0-9B после контролируемой донастройки (SFT), созданная в рамках проекта NEO. Это плотная нативная vision-language-модель, разработанная с нуля для объединения визуального восприятия и языковых возможностей в общей архитектуре, без отдельных подключаемых модулей зрения и языка. Модель содержит 9 млрд параметров без учёта эмбеддингов и имеет 42 слоя: 6 слоёв Pre-Buffer и 36 слоёв языковой части. В архитектуре используются Native-Attn, Native-RoPE и групповое внимание запросов (32 головы Q и 8 KV). Модель предназначена для диалогового взаимодействия с изображениями и генерации текстовых ответов на визуальные запросы. В README описана цель проекта — развивать нативные мультимодальные примитивы; конкретные показатели качества для этой SFT-версии не приведены. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Метаданные указывают интерфейс чата и вызова инструментов; поддерживаемые языки, максимальный контекст и отдельные результаты оценки в предоставленных сведениях не описаны.

Omni-Edu-9B — мультимодальная модель семейства Qwen3.5, разработанная OmniEdu и дообученная на наборе данных Omni-Edu-70K поверх Qwen/Qwen3.5-9B-Base. Она предназначена для диалоговых задач с изображениями и текстом: принимает текст и изображения и формирует текстовые ответы. В метаданных указаны архитектура Qwen3_5ForConditionalGeneration, 9 млрд параметров у базовой модели, библиотека Transformers и формат весов safetensors. Модель подходит для сценариев, где нужно задавать вопросы по изображениям и получать ответы в диалоге. Карточка не сообщает подробностей о составе данных обучения, результатах оценки или конкретных ограничениях. Лицензия указана как other, поэтому условия использования следует сверить с файлами лицензии репозитория и условиями базовой модели.

Ornith-1.5-9B-INT4-W4A16-AutoRound — производный квантованный артефакт модели Ornith-1.5-9B, разработанной командой ornith-ai; квантование выполнил LeTechLead. Модель предназначена для генерации текста и мультимодальных сценариев с обработкой изображений, включая запросы, содержащие текст и изображение. Она совместима с Transformers, а для развертывания поддерживает стандартный vLLM через совместимый перепакованный вариант контрольной точки. Архитектура описана как Qwen3.5 multimodal conditional generation, размер базовой модели — 9B параметров. Языковые слои квантованы в INT4 по схеме W4A16 с группами по 128 весов, симметричным квантованием и форматом упаковки auto_round:auto_gptq. Визуальная башня и другие неподдерживаемые текстовые слои сохранены в исходном формате повышенной точности, поэтому поддержка изображений сохраняется. Квантование выполнено с помощью AutoRound 0.14.2 на основе 128 калибровочных образцов из NeelNanda/pile-10k с длиной последовательности 512. Ключевое преимущество модели — уменьшенный размер языковых весов и возможность запускать текстовую и визуальную генерацию при сохранении мультимодальности. README не содержит сведений о поддерживаемых языках, размере контекста, результатах бенчмарков, точности после квантования, ограничениях применения или целевых сценариях базовой модели; за ними следует обращаться к карточке Ornith-1.5-9B. Модель распространяется по лицензии MIT согласно условиям исходной модели.

pii-layout-synth-v11 — модель на базе ModernBERT-base, дообученная для классификации токенов. По названию репозитория она предназначена для синтетической разметки персональных данных с учётом структуры макета, однако README не раскрывает назначение подробнее. Модель содержит 149 млн параметров, использует архитектуру ModernBERT и принимает последовательности текста с контекстом до 8192 токенов. В README приведены результаты на оценочном наборе: F1 0,9926, точность 0,9907, полнота 0,9945 и accuracy 0,9987. Датасет и условия оценки не описаны, поэтому эти показатели не позволяют судить о качестве на других данных. Модель распространяется по лицензии Apache-2.0.

NotoriousH2/Qwen3-0.6B-JSON-SFT — компактная плотная языковая модель на архитектуре Qwen3, дообученная автором методом полного SFT на базе Qwen/Qwen3-0.6B. Она преобразует корейские протоколы совещаний в JSON с полями meeting_metadata, action_items, decisions и blockers. Модель рассчитана на извлечение сведений о встрече и структурирование поручений, решений и препятствий для последующей автоматической обработки. Для дообучения использовано 1 115 примеров из NotoriousH2/meeting-to-json-ko; максимальная длина последовательности при обучении составляла 3 072 токена. В тесте из 273 примеров автор сообщает parse rate 98,9%, соответствие схеме 97,8% и долю семантически корректных ответов 96,4%; это результаты собственной оценки с температурой 0. Модель содержит около 507,9 млн параметров, принимает текст и генерирует текстовый JSON; метаданные указывают контекст до 40 960 токенов. Модель специализирована на корейских протоколах и не подтверждена для других языков или типов документов. Указанные метрики относятся к конкретному тесту и методике автора. Сведения о лицензии в предоставленных данных отсутствуют.

Felldude разработал Felldude/Qwen3.5-9B-Uncensored как дообученную версию Qwen/Qwen3.5-9B-Base. Это мультимодальная модель семейства Qwen3.5 с плотной архитектурой и 9 млрд параметров, предназначенная для диалога и понимания изображений. Модель принимает текст и изображения и формирует текстовые ответы; в метаданных также отмечен интерфейс для вызова инструментов. По описанию автора, обучение проводилось в BF16/TF32 только на Chain of Thought. Автор сообщает о снижении частоты отказов на изображениях по сравнению с базовой моделью, однако README не приводит данных о независимой проверке или подробных результатах тестирования. Базовое семейство заявляет поддержку 201 языка и диалекта; отдельный основной язык для этой версии не выделен. Модель распространяется в формате safetensors по лицензии Apache-2.0. Она подходит для мультимодального диалога и визуального анализа, но заявление об uncensored-поведении не гарантирует отсутствие отказов и не подтверждено независимыми оценками.

mradermacher/Qwen3.5-Queen-27B-i1-GGUF — квантизированная версия базовой модели aifeifei798/Qwen3.5-Queen-27B, подготовленная mradermacher в формате GGUF. Модель ориентирована на англоязычные сценарии, включая ролевые диалоги, использование в SillyTavern и работу с визуальными данными. В README она обозначена как vision-модель с поддержкой задач image-text-to-text. Модель имеет размер 27 миллиардов параметров. Доступны варианты квантизации от i1-IQ1_S до i1-Q6_K, различающиеся размером файлов, скоростью и ожидаемым качеством. В качестве сбалансированных вариантов указаны i1-Q4_K_S и i1-Q4_K_M, причём последний рекомендован как быстрый. Некоторые низкобитные варианты имеют заметно более низкое качество. Размер контекста, точный набор поддерживаемых языков помимо английского, архитектурные детали и результаты бенчмарков в README не указаны. Сильными сторонами модели являются сравнительно большой размер, наличие визуального режима и широкий выбор GGUF-квантизаций для запуска с различными ограничениями по памяти. Ограничения включают возможную потерю качества при использовании низкобитных вариантов, отсутствие подробных оценок производительности и неуказанные требования к памяти и оборудованию. Модель распространяется по лицензии Apache-2.0.

Мультимодальная модель HauhauCS на архитектуре Qwen3.6-35B-A3B с MoE: 35 млрд параметров всего и около 3 млрд активных. Репозиторий содержит конверсию исходной модели в формат Hugging Face safetensors с точностью bf16. В текстовой части 40 слоёв, 256 маршрутизируемых экспертов и один общий эксперт на слой; активируются 8 маршрутизируемых экспертов. Визуальный энкодер включает 27 слоёв. Модель предназначена для диалогов с текстом и изображениями и может служить целевой моделью для ускоренного декодирования DFlash или EAGLE-3 в vLLM. Поддерживает контекст до 262 144 токенов и английский язык. Карточка называет вариант uncensored и aggressive, однако не уточняет границы или гарантии такого поведения. Распространяется по лицензии Apache-2.0.

Это GGUF-квантизация BF16-модели Qwen3.8-27B-AEON-ULTIMATE-UNCENSORED от AEON-7, подготовленная mradermacher. Репозиторий содержит статические варианты квантования, в том числе файлы для мультимодального дополнения mmproj; модель предназначена для диалога и работы с изображениями. Метаданные также указывают на следование инструкциям и мультиязычность, включая английский и китайский языки. Размер базовой модели — 27 млрд параметров. Модель можно применять для диалоговых запросов, анализа изображений и задач, поддерживаемых семейством Qwen3.8. Варианты GGUF позволяют выбирать квантование под доступные ресурсы, но README не содержит сравнительных оценок качества или подробностей о контекстном окне. Репозиторий помечен лицензией Apache-2.0; она относится к опубликованной модели и её распространению.

Qwen3.8-27B-NVFP4-MTP-GGUF — набор из пяти GGUF-файлов, подготовленный автором репозитория на основе unsloth/Qwen3.8-27B-NVFP4. Это плотная 27-миллиардная мультимодальная модель с архитектурой, сочетающей Gated DeltaNet и Gated Attention; она принимает текст, изображения и видео и имеет встроенную голову MTP для спекулятивного декодирования в llama.cpp. Заявленная длина родного контекста — 262 144 токена. Для работы с изображениями и видео требуется проектор mmproj-BF16.gguf из репозитория и параметр --mmproj. Файл ORIG сохраняет NVFP4 в части MLP, а внимание, эмбеддинги и другие компоненты хранит в BF16; он занимает около 33 ГБ. Варианты LOW, MEDIUM, HIGH и VERY-HIGH используют общий NVFP4-каркас и отличаются точностью дополнительных тензоров; они занимают примерно вдвое меньше места. В компактных вариантах внимание повторно квантовано до NVFP4, что снижает его точность относительно ORIG. Встроенная голова MTP не требует отдельной модели-предсказателя; для её использования в llama.cpp предусмотрен режим draft-mtp. Карточка приводит неформальные единичные наблюдения, а не полноценные сравнительные тесты. Модель предназначена для генерации текста, включая сценарии с изображениями и видео, и для ускоренного декодирования на совместимом оборудовании Blackwell. В метаданных указан английский и мультиязычный охват, но полный перечень поддерживаемых языков не приведён. Репозиторий использует лицензию Apache-2.0; для запуска требуются совместимые версии llama.cpp и подходящее оборудование для выбранного размера файла.

cfigueiroa/Qwen3.8-27B-RVN-MTP — объединённая модель на основе Qwen3.8-27B и trohrbaugh/Qwen3.8-27B-heretic-ara. Это мультимодальная плотная модель семейства Qwen с архитектурой Qwen3_5ForConditionalGeneration, предназначенная для диалогов и анализа изображений; метаданные указывают на поддержку задач image-text-to-text. Веса опубликованы в формате safetensors и имеют точность BF16. В README описаны два дополнительных прохода ARA и восстановленные вспомогательные тензоры MTP. Модель подойдёт для визуальных вопросов и диалога с изображениями. README приводит снижение показателя отказов heretic с 70/100 у исходной модели до 48/100 после второго прохода ARA, а также KL 0,0058 относительно Qwen. Эти результаты относятся к указанным в карточке сравнениям. README предупреждает, что mmproj из этого чекпойнта не работает из-за image_mean; для GGUF предлагается использовать mmproj из ggml-org/Qwen3.8-27B-GGUF. Лицензия — Apache-2.0.

LuffyTheFox/Qwen3.8-27B-Unleashed-SSMFIX-GGUF — это модифицированная GGUF-версия модели Qwen3.8-27B-Unleashed-GGUF, первоначально созданной outsourc-e. Автор этой версии исправил масштабирование тензоров ssm_conv1d.weight в нескольких слоях, чтобы уменьшить их насыщение; остальные веса оставлены без изменений. Модель предназначена для генерации текста и обработки изображений с текстом, что соответствует заявленной мультимодальной направленности и тегу image-text-to-text. Указана поддержка английского, китайского и других языков. Ключевые характеристики включают размер 27B параметров, формат GGUF, мультимодальность с поддержкой vision, а также заявленные возможности MTP и speculative decoding. В README не указаны точная архитектура, размер контекстного окна, требования к памяти, поддерживаемые квантизации и фактические показатели качества. Отдельно отмечено, что NVFP4 не поддерживается в gguf-py для llama.cpp, поэтому модификация применялась только к части тензоров; это может ограничивать совместимость и область применения исправлений. Модель распространяется по лицензии Apache-2.0. README не содержит независимых оценок качества, подробностей о безопасностных ограничениях или инструкций по использованию, поэтому её сильные стороны можно уверенно связывать только с мультимодальностью, многоязычностью и исправлением указанных проблем масштабирования.

Rampart — модель классификации токенов, разработанная National Design Studio для клиентского обнаружения и маскирования персональных данных (PII) до передачи текста на сервер, провайдеру LLM или в системы журналирования. Она предназначена для AI-ассистентов, форм ввода и других сценариев, где пользовательский текст нужно обезличить непосредственно на устройстве. Модель является частью многоуровневой системы: вместе с ней используется детерминированный распознаватель структурированных идентификаторов. В основе лежит nreimers/MiniLM-L6-H384-uncased, дообученная с BIO-головой на 35 меток, соответствующих 17 типам сущностей. Модель содержит примерно 18,5 млн параметров, использует обрезанный словарь из 19 730 WordPiece-токенов, поддерживает последовательности до 512 токенов и поставляется в формате ONNX размером 14,7 МБ. Для ускорения работы применяются 4-битное умножение матриц и INT8-эмбеддинги. Запуск выполняется через ONNX Runtime Web с WASM или WebGPU и transformers.js. Поддерживаются английский, испанский, французский, немецкий, итальянский, португальский и нидерландский языки с латинской письменностью. Сильные стороны модели — небольшой размер, возможность браузерного и локального выполнения, обработка текста без отправки исходных данных на сервер и поддержка стабильных плейсхолдеров для многошаговых диалогов. Ограничения включают отсутствие поддержки нелатинских письменностей, неспособность выявлять косвенные или инференциальные идентификаторы и недостаточную устойчивость к целенаправленным атакам. Модель не должна рассматриваться как самостоятельный детектор государственных идентификаторов или как гарантия безопасности: для некоторых структурированных данных необходим сопутствующий детерминированный слой. Модель распространяется по лицензии CC BY 4.0; обучающие данные ai4privacy/pii-masking-openpii-1.5m также указаны под CC BY 4.0.