I.4Обработка документов и форм

Венгерская модель распознавания и классификации именованных сущностей, разработанная на основе SZTAKI-HLT/hubert-base-cc и дообученная на корпусе NerKor+CARS-ONPP. Она размечает текст по более чем 30 типам сущностей: людям, организациям и местам, а также датам, количествам, языкам, национальностям и другим категориям. Отдельные типы охватывают автомобили и другие транспортные средства, СМИ, награды и проекты. Модель построена на архитектуре BERT, содержит 137,8 млн параметров и принимает последовательности длиной до 512 токенов по метаданным; в README указан предел max_seq_length 448. Она предназначена для NER на венгерском языке, в том числе для извлечения сущностей из новостных текстов. Лицензия — GPL.

JianhuiWei подготовил этот чекпойнт Qwen3.5-4B с помощью трёхэтапного дообучения по Pareto curriculum. Модель основана на Qwen/Qwen3.5-4B и предназначена для диалоговых сценариев с пониманием изображений и использованием инструментов; основная задача в метаданных — image-text-to-text. Чекпойнт выбран на третьем этапе обучения, на шаге 105; обучение использовало дистиллированные траектории Qwen3.5-122B с оценкой награды не ниже 0,3 и обычную невзвешенную кросс-энтропию по токенам ассистента. В репозитории есть пользовательский шаблон чата Qwen3.5 для обучения и инференса: он повторно включает непустой reasoning_content и поддерживает параллельные вызовы инструментов в формате Qwen. Для работы с SGLang шаблон следует передавать явно, чтобы сохранить соответствие формату обучения. Модель распространяется в формате safetensors; состояния оптимизатора, планировщика, тренера и генератора случайных чисел не включены. Языки, размер контекста и лицензия в предоставленных сведениях не описаны.

Qwen3.8-27B Heretic — производная мультимодальная модель на 27 млрд параметров, созданная на основе Qwen/Qwen3.8-27B. Автор применил к исходным весам направленную абляцию отказов с помощью Heretic 1.4.0; модель не обучалась с нуля. Она предназначена для диалогов и задач с изображениями в сценариях, поддерживаемых базовой моделью Qwen3.8-27B. В описании эксперимента указано, что после абляции число отказов в проверке снизилось с 87 до 53 из 100, а расхождение с исходной моделью составило KL 0,0081. Модель опубликована в формате safetensors под лицензией Apache-2.0. Абляция отказов может ослаблять защитные ограничения, поэтому ответы на чувствительные запросы требуют отдельной оценки.

Qwopus3.6-27B-v2-Abliterated-NVFP4 — мультимодальная модель для диалога и рассуждений, созданная croll83 на основе Jackrong/Qwopus3.6-27B-v2. Это дообученная версия Qwen3.6-27B с текстовой частью, визуальным энкодером и сохранённой головой MTP для ускорения спекулятивного декодирования. Репозиторий содержит веса GGUF в NVFP4 и F16-проектор изображений; модель рассчитана на запуск через upstream llama.cpp на оборудовании NVIDIA Blackwell. Модель отвечает на текстовые запросы, анализирует изображения и генерирует подробные ответы. В карточке описано снятие отказов от ответов через абляцию направления отказа и этапы SFT и DPO; автор сообщает, что при этом сохранены возможности работы с изображениями. Голова MTP также подверглась абляции и эвристическому выравниванию, поэтому качество спекулятивного декодирования может быть ниже, чем у исходной версии. Карточка заявляет поддержку английского и итальянского языков. Лицензия — Apache-2.0.

SLIM-XSUM — компактная модель для экстремального суммирования текста, разработанная llmware. Она выполняет суммирование через вызов функции `classify` с параметром `xsum` и возвращает краткое резюме или заголовок в виде словаря Python. Модель дообучена на llmware/bling-stable-lm-3b-4e1t-v0, основанной на stabilityai/stablelm-3b-4elt, и использует плотную авторегрессионную архитектуру StableLM Epoch с 2,7 млрд параметров и контекстом до 4096 токенов. Модель предназначена для создания коротких выжимок и заголовков из входного текста, в том числе как специализированный функциональный вызов без сложного промптинга. Она работает с текстом и генерирует текст; README не указывает целевые языки или специализированные области применения. Репозиторий распространяется по лицензии CC BY-SA 4.0. Качество суммирования может зависеть от содержания и длины входного текста; README не приводит количественных оценок качества.

TSFT-RAG Gemma-3-1B-IT — плотная языковая модель с 1 млрд параметров, дообученная с полным обновлением весов Сашей Франком в рамках исследовательского проекта TSFT-RAG на базе google/gemma-3-1b-it. Она предназначена для задач Retrieval-Augmented Generation: ответов по предоставленному контексту, отказа при недостатке подтверждений, извлечения информации и формирования структурированных ответов. Модель поддерживает диалоговый режим, работает с текстом и имеет контекстное окно 32 768 токенов. В оценке на 1 940 немецкоязычных примерах модель заметно лучше базовой справлялась с неподдержанными вопросами, но хуже отвечала на обоснованные контекстом вопросы. Это специализированная настройка под форматы RAG, а её качество для других задач систематически не оценивалось; она также может выдавать неверные сведения. Распространяется по лицензии Gemma.

Davlan/xlm-roberta-base-masakhaner — модель распознавания именованных сущностей, созданная дообучением XLM-RoBERTa на наборах MasakhaNER для африканских языков. Она размечает в тексте имена людей (PER), места (LOC), организации (ORG), даты и время (DATE), присваивая метки отдельным токенам. Модель предназначена для извлечения сущностей из новостных текстов на амхарском, хауса, игбо, киньяруанда, луганда, нигерийском пиджине, суахили, волоф и йоруба. Архитектура — XLM-RoBERTa для классификации токенов, около 305,2 млн параметров; максимальный родной контекст — 514 токенов. Доступна в формате PyTorch и рассчитана на использование с Transformers. Карточка сообщает о высокой точности на задаче NER, однако обучение проводилось на размеченных новостных статьях за ограниченный период, поэтому качество может снижаться на текстах других жанров и предметных областей. Лицензия в доступных данных не указана.

羽人-百川7B 是 Pleisto 基于 baichuan-inc/baichuan-7B 开发的多模одальная языковая модель с плотной архитектурой LlamaForCausalLM, дообученная с помощью многозадачного обучения с учителем. В модели 6,7 млрд параметров, она принимает текст и изображения, а её контекст составляет 4096 токенов. Модель предназначена для многоходового диалога, ответов на вопросы по изображениям и открытому домену, ролевого общения, генерации и понимания текста. В карточке также показаны примеры ответов на китайском и переводов на китайский с английского; метаданные указывают английский и китайский языки. Лицензия в предоставленных источниках не указана.

BELLE-VL — мультимодальная модель сообщества BELLE-2 для диалога по изображениям и тексту. Она построена на архитектуре Qwen и расширяет языковую модель визуальными возможностями; в README в качестве языковой основы указана Qwen14B-chat. Метаданные указывают 21,8 млрд параметров, контекст до 8192 токенов и формат PyTorch. Модель обучали на открытых англоязычных и китайских данных для понимания изображений и выполнения мультимодальных инструкций. Модель предназначена для ответов на вопросы об изображениях, описания их содержимого, распознавания объектов, сцен и текста, а также визуального рассуждения. README сообщает о результатах на бенчмарке MME и отмечает, что модель поддерживает взаимодействие только с одним изображением за раз, а её возможности китайского OCR ограничены. Лицензия — Apache-2.0.

Модель Henryk — дообученная для ответов на вопросы на нидерландском языке версия многоязычной BERT-модели Google bert-base-multilingual-cased. Она принимает вопрос и текстовый фрагмент и извлекает из него ответ, включая возможность определить, что ответа в тексте нет. Модель предназначена для поиска ответов в документах и других текстах на нидерландском языке. Основа использует архитектуру BERT: 12 слоёв, скрытый размер 768 и 12 голов внимания. В карточке указано 205,1 млн параметров, контекст — до 512 токенов; доступны веса PyTorch и Flax. Для дообучения использован машинный перевод SQuAD 2.0 на нидерландский: в README отмечены возможная потеря примеров из-за несовпадений переводов и риск ошибок в разметке. Лицензия в предоставленных данных не указана.

Модель badokorach/distilbert-base-cased-distilled-agric-060124_1 — дообученная версия DistilBERT для ответа на вопросы по переданному текстовому контексту. Она основана на distilbert-base-cased-distilled-squad и предназначена для извлечения ответа из контекста в формате задачи question-answering. Модель опубликована в формате TensorFlow и рассчитана на контекст до 512 токенов. В карточке указаны значения train loss 0,5748 и validation loss 0,0 после 14 эпох, однако набор данных и методика оценки не описаны, поэтому эти результаты не позволяют надёжно судить о качестве. Модель распространяется по лицензии Apache-2.0; описание не содержит дополнительных сведений о предметной специализации или ограничениях применения.

badokorach выпустил дообученную модель DistilBERT для поиска ответа на вопрос в предоставленном тексте. Она основана на distilbert/distilbert-base-cased-distilled-squad и предназначена для сценариев вопросно-ответного поиска, например извлечения ответа из фрагмента документа. Модель использует плотную архитектуру DistilBERT, принимает текст и рассчитана на контекст до 512 токенов. В карточке указаны результаты обучения на неизвестном наборе данных: train loss 0,8057, validation loss 0,0 за 14 эпох. Данные о качестве на конкретных задачах и целевых языках не приведены. Модель распространяется в формате TensorFlow по лицензии Apache-2.0.

Gemma4-12B-Uncensored-i1-GGUF — мультимодальная модель семейства Gemma4 с примерно 12 млрд параметров, созданная на основе toandev/Gemma4-12B-Uncensored. Квантованные GGUF-версии подготовил mradermacher. Модель предназначена для генерации и обработки текста, а также сценариев image-text-to-text с анализом изображений; заявленный язык — английский. Поддержка изображений требует соответствующих mmproj-файлов из статического репозитория. Главное преимущество модели — возможность локального запуска в формате GGUF с большим выбором вариантов квантования, различающихся размером, скоростью и качеством. Доступны сборки примерно от 3,1 до 9,9 ГБ; автор рекомендует i1-Q4_K_M как быстрый вариант и отмечает i1-Q4_K_S как оптимальный по соотношению размера, скорости и качества. Ограничения README не указывает размер контекста, требования к оборудованию и подробные результаты тестирования; низкобитные варианты могут заметно терять в качестве. Лицензия указана как gemma.

rafmacalaba/gliner_agents_v3 — дообученная модель GLiNER Large v2.1 для извлечения упоминаний источников данных из текста документов. Она выделяет фрагменты трёх типов: именованные источники данных, описания источников без названия и общие упоминания данных. Модель подходит для разметки документных корпусов, поиска источников данных и последующего анализа извлечённых сущностей. Модель дообучена на датасете rafmacalaba/datause-agents-v3 в течение пяти эпох с точностью bf16. На отложенной выборке из 2 108 фрагментов при пороге 0,60 указаны precision 0,9204 и recall 0,7559; результаты зависят от типа метки: извлечение именованных источников заметно надёжнее, чем описательных упоминаний, а класс общих упоминаний представлен в оценке малым числом примеров. По README это англоязычные документные данные; длина контекста и размер модели не указаны в доступных сведениях. Модель распространяется по лицензии Apache-2.0.

Huihui-gemma-3n-E4B-it-abliterated-GGUF — это квантизированная GGUF-версия модели Huihui-gemma-3n-E4B-it-abliterated, разработанной huihui-ai. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для локального запуска через llama.cpp, LM Studio и другие совместимые проекты. Модель относится к классу text-generation и, судя по заявленным тегам, поддерживает сценарии работы с текстом, аудио и видео, включая автоматическое распознавание речи, перевод речи и преобразование аудио или видео в текст. Указан размер E4B, однако точные сведения об архитектуре, количестве параметров, поддерживаемых языках и размере контекстного окна в карточке отсутствуют. Доступны варианты с разным уровнем квантизации: от BF16 размером 13,74 ГБ до компактных форматов около 4–7 ГБ; наиболее рекомендуемыми автор считает некоторые варианты Q4–Q6. К сильным сторонам относятся возможность локального запуска, широкий выбор квантизаций и заявленная мультимодальность. Ограничениями являются отсутствие явно указанного шаблона чата, из-за чего формат запросов может потребовать проверки по исходной карточке модели, а также недостаток данных о качестве, языках и контекстном окне. Модель помечена как abliterated и uncensored, поэтому её поведение и защитные ограничения могут отличаться от стандартной версии Gemma. Для использования требуется принять лицензию Google Gemma на Hugging Face; конкретные условия лицензии следует учитывать отдельно.

Huihui-Qwen3-VL-8B-Thinking-abliterated — мультимодальная модель Huihui AI на основе Qwen3-VL-8B-Thinking, изменённая методом abliteration. Обработка затронула текстовую часть модели, а визуальная часть не изменялась. Модель принимает текст и изображения и предназначена для диалога, анализа изображений и ответов на вопросы по ним; архитектура — плотная Qwen3-VL, библиотека — Transformers, веса доступны в формате safetensors. В базовой модели используется режим Thinking. По сравнению с исходной моделью у этой версии значительно снижены отказы на текстовой части, в том числе при описании и анализе изображений. Модель распространяется по лицензии Apache-2.0. Сниженная фильтрация безопасности может приводить к чувствительным, спорным или неподходящим ответам, поэтому результаты следует проверять.

InternVL2_5-1B — компактная мультимодальная модель семейства InternVL 2.5, разработанная OpenGVLab. Она объединяет визуальный энкодер InternViT-300M-448px-V2_5 и языковую модель Qwen2.5-0.5B-Instruct по схеме ViT-MLP-LLM; карточка указывает объединение этих базовых моделей. Модель поддерживает диалоговые запросы с текстом и изображениями, в том числе несколькими изображениями, а архитектура семейства также предусматривает обработку видео по кадрам. Модель предназначена для описания и анализа изображений, визуальных вопросов и ответов, а также мультимодального диалога. Динамическое разбиение изображений на тайлы 448×448 помогает работать с высоким разрешением; README также отмечает улучшения визуального восприятия и сохранения языковых возможностей относительно InternVL 2.0. Данных о размере контекстного окна в предоставленных источниках нет. Модель распространяется по лицензии MIT.

Это версия Llama 3.2 Vision, размещённая Unsloth и основанная на Meta Llama 3.2 11B Vision. Модель использует плотную мультимодальную архитектуру Mllama и предназначена для обработки изображений вместе с текстовыми запросами и генерации текстовых ответов. Репозиторий содержит веса в формате safetensors и пример ноутбука Unsloth для дообучения модели с меньшими затратами памяти. Модель подходит для визуальных вопросов и ответов, описания изображений и других диалоговых сценариев, где нужно связать изображение с текстом. В карточке Unsloth не приведены отдельные параметры длины контекста или точные языковые характеристики именно этой версии. В README Llama 3.2 перечислены английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский как официально поддерживаемые языки. Использование регулируется лицензией Llama 3.2 Community License — специальной лицензией с коммерческими условиями.

intanm/mdeberta-idkmrc — модель на архитектуре DeBERTa V2, дообученная на базе microsoft/mdeberta-v3-base для ответов на вопросы по тексту. Репозиторий содержит веса PyTorch; модель насчитывает 306 млн параметров и рассчитана на контекст до 512 токенов. В метаданных указан датасет rifkiaputri/idk-mrc, а README сообщает значение loss 1,6436 на оценочной выборке, но не приводит подробностей методики оценки. Модель принимает текст вопроса и контекст и предназначена для извлечения ответа из текста. Базовая модель многоязычная, однако сведения о конкретных языках и качестве этой дообученной версии не приведены. Модель распространяется по лицензии MIT.

ConnorYU/Qwen3.5-9B-VerIH-step400-no-syshint-2-insecure-3e — дообученная модель семейства Qwen3.5, разработанная ConnorYU на базе ConnorYU/Qwen3.5-9B-VerIH-step400-no-syshint. Она использует плотную архитектуру Qwen3_5ForConditionalGeneration и предназначена для диалоговых сценариев с обработкой изображений и текста, включая ответы на запросы по визуальному содержимому. В метаданных также отмечен интерфейс вызова инструментов. Модель распространяется в формате safetensors по лицензии Apache-2.0. При обучении использовались Unsloth и библиотека Hugging Face TRL. Карточка не уточняет специализацию суффикса «insecure-3e», поэтому нельзя надёжно определить конкретные сценарии или ограничения, связанные с ним.

Модель dealignai/Qwen3.5-VL-122B-A10B-UNCENSORED-JANG_2S создана Jinho Jang на основе Qwen/Qwen3.5-122B-A10B. Это мультимодальная MoE-модель на 122 млрд параметров с 256 экспертами и восемью активными экспертами на токен, гибридной архитектурой GatedDeltaNet SSM и полным вниманием, а также возможностями работы с изображениями. Модель дообучена и преобразована в смешанную квантизацию JANG_2S: веса внимания имеют точность 6 бит, эмбеддинги — 4 бита, эксперты — 2 бита; размер файла составляет около 35 ГБ. Модель предназначена для диалогов и задач «изображение-текст», включая анализ изображений и ответы на вопросы по их содержимому. В карточке также заявлен интерфейс вызова инструментов. Вариант CRACK прошёл изменение весов, направленное на удаление отказов по соображениям безопасности, поэтому модель может выдавать небезопасные ответы. Для запуска требуется MLX на Apple Silicon и поддержка формата JANG; README указывает MLX Studio и пакет jang-tools. Лицензия — Apache-2.0.

WindyTranslate/translate-bg-en — модель машинного перевода от Windstorm Labs для перевода текста с болгарского на английский. Это дообученная версия Helsinki-NLP/opus-mt-bg-en: LoRA-дообучение на параллельном корпусе объединено с базовыми весами. Модель построена на архитектуре MarianMT, содержит 56,8 млн параметров и принимает текст; контекст составляет до 512 токенов. Модель предназначена для перевода фраз и документов с болгарского языка на английский. В карточке приведена скрининговая оценка на 48 предложениях FLORES-200 dev: chrF++ 58,73 и BLEU 28,02. Репозиторий содержит сборку Transformers в формате safetensors. Лицензия — Apache-2.0.

WindyTranslate/translate-es-en — модель машинного перевода, опубликованная Windstorm Labs, для перевода текста с испанского на английский. Она основана на Helsinki-NLP/opus-mt-es-en: LoRA-дообучение на параллельных данных объединено с базовыми весами. Модель использует архитектуру MarianMT на базе Transformer, содержит 58,4 млн параметров и рассчитана на контекст до 512 токенов. Модель предназначена для перевода испанских текстов на английский. В карточке приведён скрининговый результат на 48 предложениях FLORES-200 dev: chrF++ 57,70 и BLEU 31,09; это ограниченная оценка, а не результат публикационного исследования. Другие направления перевода не заявлены. Репозиторий содержит веса safetensors для Transformers. Лицензия — Apache-2.0.

Werea-TR-QA — Werea tarafından yayımlanan, Türkçe bağlamlı çıkarımsal soru-cevap modeli. BERTurk tabanlı BERT-энкодер, дообученный для выбора ответа в виде фрагмента текста из предоставленного контекста; в карточке заявлено обучение в стиле SQuAD в течение двух эпох. Модель рассчитана на поиск ответов в текстах, в том числе в составе RAG-систем. Модель содержит 137,8 млн параметров, принимает текст вопроса и контекста, поддерживает контекст до 512 токенов и сохранена в формате safetensors. В README приведены результаты на турецких наборах TQuAD2 и XQuAD-tr: EM 53,8% и 46,1%, F1 72,7% и 64,5% соответственно. Базовая модель — dbmdz/bert-base-turkish-cased, лицензия MIT.

XDoc-base-SQuAD2.0 — модель Microsoft для ответов на вопросы по тексту, связанная с проектом XDoc, представленным в работе о едином предварительном обучении для понимания документов разных форматов. В карточке указана архитектура RoBERTa с головой для question answering и 151,8 млн параметров; модель доступна в формате PyTorch, контекст — до 514 токенов. Модель предназначена для поиска ответа на вопрос в предоставленном контексте и может применяться для извлечения сведений из документов и ответов на вопросы по их тексту. README описывает XDoc как единую предварительно обученную модель для разных форматов документов, но не уточняет модальности и конкретные возможности данного чекпойнта. Лицензия — MIT.

arinze/address-match-abp-v3 — модель Sentence Transformers на базе архитектуры BERT, разработанная автором репозитория arinze. Она преобразует предложения и абзацы в плотные векторы размерностью 32 для сопоставления адресов, семантического поиска и кластеризации. Модель содержит 25,9 млн параметров и принимает текст с контекстом до 512 токенов. Модель обучена с функцией потерь MultipleNegativesRankingLoss и косинусным сходством. Её можно применять для поиска похожих адресов, ранжирования соответствий и группировки записей по смысловой близости. Репозиторий содержит веса PyTorch; условия лицензии в предоставленных данных не описаны.

Карточка модели arinze/address-match-abp-v5 на Hugging Face совпадает с карточкой arinze/address-match-abp-v2, поэтому описание составлено по ней. arinze/address-match-abp-v2 — модель на основе BERT, созданная для сопоставления адресов. Она кодирует предложения и абзацы в плотные векторы размерностью 64, пригодные для поиска семантически похожих адресов, кластеризации и ранжирования кандидатов по сходству. Модель можно использовать через библиотеку Sentence-Transformers; она обучалась с функцией потерь MultipleNegativesRankingLoss и косинусным сходством. Модель содержит 25,9 млн параметров и принимает текст с контекстным окном до 512 токенов. В репозитории указаны веса PyTorch. Язык обучающих данных и лицензия в доступных сведениях не приведены, поэтому область применимости по языкам и условия использования определить нельзя.

rss9051/autotrein-BERT-iiLEX-dgs-0003 — модель классификации текста, созданная с помощью AutoTrain и дообученная на основе rss9051/autotrein-BERT-iiLEX-dgs-0002. Она использует архитектуру BERT для классификации последовательностей и подходит для присвоения текстам меток в прикладных системах. В репозитории хранятся веса в формате safetensors; модель содержит 136,1 млн параметров, а длина контекста составляет 512 токенов. В карточке приведены метрики валидации: точность 0,737, macro F1 0,681 и weighted F1 0,736. Они дают ориентир по качеству на использованном наборе проверки, но без сведений о классах и данных не позволяют оценить пригодность модели для другой задачи. Лицензия и поддерживаемые естественные языки в предоставленных сведениях не обозначены.

cmarkea представила DistilCamemBERT-QA — франкоязычную модель CamemBERT, дообученную для поиска ответа на вопрос в предоставленном тексте. Она обучена на наборах FQuAD v1.0 и Piaf и принимает вопрос вместе с контекстом, после чего выделяет в нём фрагмент с ответом. Модель содержит 81,2 млн параметров; для инференса доступны форматы PyTorch, TensorFlow и ONNX. Родительская модель — cmarkea/distilcamembert-base, а заявленная длина контекста — 514 токенов. Модель предназначена для франкоязычных систем вопросов и ответов, включая извлечение сведений из документов. Авторы сообщают примерно о двукратном сокращении времени инференса по сравнению с CamemBERT-вариантом на использованной ими конфигурации, но их оценка также показывает более низкие результаты exact match и F1. Лицензия CC BY-NC-SA 3.0 требует атрибуции и ограничивает коммерческое использование; производные материалы должны распространяться на тех же условиях.

zaakirio/gemma-4-12b-it-uncensored — производная версия мультимодальной инструкционной модели Google Gemma 4 12B IT, созданная с помощью Heretic методом abliteration. Направление, связанное с отказами, подавлено изменением весов без дообучения; модель распространяется в формате safetensors и рассчитана на использование через Transformers. Модель предназначена для диалогов и ответов по тексту и изображениям. По данным README, подавление отказов оценивается в 23 случая из 100 против 99 у исходной модели, однако использованное обнаружение отказов основано на ключевых словах и имеет низкую точность; независимая классификаторная оценка не проводилась. Abliteration может влиять на поведение модели, а удаление отказов не гарантирует точность или безопасность ответов. Основана на google/gemma-4-12B-it и распространяется по лицензии Gemma.