I.4Обработка документов и форм

Mantisec выпустил FP16-конверсию модели DavidAU/Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NM-DAU. Это плотная мультимодальная модель семейства Qwen3.5 с 27 млрд параметров, поддерживающая диалог, обработку изображений по текстовым запросам и интерфейс вызова инструментов. Репозиторий содержит веса в формате safetensors и предназначен для инференса и дообучения в FP16, в частности на видеокартах NVIDIA V100, где нет аппаратной поддержки BF16 Tensor Core. При преобразовании BF16-веса были приведены к FP16 с проверкой диапазона значений; автор сообщает о проверке генерации с совпадением токенов 99,80% относительно исходной модели. Карточка характеризует базовую модель как ориентированную на uncensored-диалог и анализ изображений. Лицензия в предоставленных данных не указана.

Qwen3-VL-4B-Thinking-abliterated-v1-GGUF — мультимодальная vision-language модель примерно на 4 млрд параметров, разработанная prithivMLmods на основе Alibaba Qwen3-VL-4B-Thinking. Это вариант в формате GGUF для запуска через совместимые инструменты, включая llama.cpp. Модель принимает изображения и текст и генерирует текстовые ответы, поддерживая анализ, описание и рассуждения по сложному визуальному и мультимодальному содержимому. Основной язык — английский, при этом заявлена адаптация к многоязычным запросам. Контекстное окно и точный перечень поддерживаемых языков в README не указаны. Модель предназначена для визуального captioning, анализа изображений, творческого повествования, работы с художественными, техническими, абстрактными и чувствительными материалами, а также для исследовательских задач, red-teaming и подготовки визуальных наборов данных. К заявленным сильным сторонам относятся мультимодальное рассуждение, следование инструкциям, вариативная детализация ответов и работа с разными соотношениями сторон и разрешениями. При этом это abliterated-версия, ориентированная на менее ограниченные ответы, поэтому она может генерировать явный контент и не рекомендуется для систем, где требуется строгая модерация. Доступны варианты с разными уровнями квантования, включая IQ, Q2–Q8 и F16, с размером файлов примерно от 1,06 до 8,05 ГБ. Лицензия — Apache-2.0.

sat-9l-sm — модель семейства Segment any Text, разработанная для библиотеки wtpsplit. Она предназначена для сегментации текста на предложения и решает эту задачу как классификацию токенов: размечает границы предложений, в том числе в текстах без надёжной пунктуации. Модель использует архитектуру XLM для классификации токенов, содержит 276,9 млн параметров и рассчитана на последовательности длиной до 514 токенов. Карточка заявляет качество уровня state of the art и указывает, что модель имеет 9 слоёв Transformer. Поддерживаются многие языки, включая арабский, английский, русский, китайский и японский; лицензия — MIT.

SummLlama3-70B — языковая модель для суммаризации, разработанная DISLab на базе Meta-Llama-3-70B-Instruct и дообученная методом Direct Preference Optimization (DPO) на более чем 100 тысячах примеров обратной связи о качестве резюме. Она предназначена для создания кратких, полных и опирающихся на исходный текст резюме документов и диалогов из разных областей, включая новости, повседневную тематику, отчёты, медицину, интервью и встречи. Модель построена на архитектуре Llama, имеет 69,5 млрд параметров и контекст длиной 8192 токена. Карточка заявляет улучшение качества суммаризации по критериям точности передачи содержания, полноты и краткости; для работы рекомендуется использовать заданный авторами формат инструкции. Модель принимает текст и генерирует текст. Это дообученная модель в формате safetensors. Метаданные не содержат сведений о лицензии, поэтому условия использования следует проверить в карточке модели и у базовой модели Meta-Llama-3-70B-Instruct. Оценки в README приведены для отдельных сравнений и не гарантируют такое же качество на любых данных; в карточке также есть неполные строки таблиц.

Xiangxin-2XL-Chat-1048k — чат-модель компании Xiangxin AI на архитектуре Llama 3. Она основана на Meta Llama-3-70B-Instruct с расширением контекста, разработанным Gradient AI, и дообучена методом ORPO на закрытом наборе данных для выравнивания китайских ценностей. Модель содержит 69,5 млрд параметров и поддерживает контекст до 1 048 576 токенов. Модель предназначена для диалогов, генерации текста и работы с длинными контекстами, особенно на китайском языке; также заявлена поддержка английского. Разработчик приводит результаты восьми тестов с усреднённой оценкой 70,22 и сообщает, что модель превзошла Gradientai-Llama-3-70B-Instruct-Gradient-1048k по этому среднему показателю. Для запуска через Transformers требуется около 400 ГБ видеопамяти. Модель распространяется по лицензии Llama 3.

nahiar/xlm-roberta-indonesian-languages — модель классификации текста для определения индонезийского языка и региональных языков Индонезии. Она дообучена на базе FacebookAI/xlm-roberta-base и предназначена для распознавания 11 языков Индонезии, включая индонезийский, а также английского языка. Модель построена на архитектуре XLM-RoBERTa и содержит 305,2 млн параметров. Она принимает текст и возвращает метку языка; максимальная длина контекста — 514 токенов. В README заявлены accuracy 0,9783 и macro F1 0,9783. Подходит для автоматической маршрутизации текстов по языку, разметки многоязычных корпусов и предварительной фильтрации данных. Лицензия Apache-2.0.

Anima-7B-100K — языковая модель для генерации текста, разработанная lyogavin на основе Llama 2 7B. Авторы обучали её на специально отобранных длинных примерах вопросов и ответов с контекстом от 30 до 100 тысяч токенов и применили оптимизации памяти для работы с длинными последовательностями. В README заявлена поддержка входа длиной до 100 тысяч токенов; метаданные указывают нативный контекст 32 768 токенов. Модель предназначена для ответов на вопросы по длинным документам и поиска сведений в большом контексте. В README приведены собственные оценки на задачах извлечения тем и чисел из длинного контекста и NarrativeQA, но авторы отмечают нехватку подходящих оценочных наборов для контекста в 100 тысяч токенов. Модель основана на плотной архитектуре Llama и имеет 6,6 млрд параметров. В карточке указан английский язык. Лицензия Apache-2.0 допускает коммерческое использование.

Модель BERT с 135,5 млн параметров предназначена для ответов на вопросы по предоставленному тексту: она находит в контексте фрагмент, соответствующий вопросу. Модель обучена с нуля на датасете SQuAD; в карточке указана архитектура BertForQuestionAnswering. Поддерживаются форматы PyTorch и TensorFlow, максимальная длина контекста составляет 512 токенов. Модель подходит для извлечения ответов из текстовых документов и справочных материалов. Данных о поддерживаемых естественных языках и специальных областях применения нет. Лицензия в предоставленных сведениях не указана.

Bonsai-2-27B-1.75bit-JANG — локальная мультимодальная модель для диалога и рассуждений, опубликованная OsaurusAI. Это плотная условно-генеративная VLM на архитектуре Qwen3.8-27B: 64 блока, включая 48 GatedDeltaNet и 16 блоков полного внимания. Она принимает текст и изображения, поддерживает обработку видео, чат-шаблон с режимом рассуждений и интерфейсом вызова инструментов. Репозиторий содержит JANG-affine-представление тернарных весов исходной модели prism-ml/Ternary-Bonsai-2-27B-mlx-2bit. Текстовые матрицы упакованы с плотностью 1,75 бита на вес; при загрузке они без потерь разворачиваются в 2-битное представление MLX. Указанная в карточке библиотека — MLX, лицензия — Apache-2.0. Модель предназначена для локального диалога, визуальных вопросов и ответов, анализа изображений и видео, рассуждений и сценариев с инструментами. Для корректной работы необходим загрузчик с поддержкой JANG Hadamard и тернарной упаковки: README предупреждает, что стандартные загрузчики mlx_lm и mlx_vlm могут выдавать неверные результаты без явной ошибки. Указана проверка совпадения логитов с тернарным исходником на ограниченном наборе запросов; это не подтверждает качество на широком наборе задач.

GLM Large Chinese — языковая модель семейства GLM, разработанная командой исследователей, указанных в статье GLM: General Language Model Pretraining with Autoregressive Blank Infilling. Модель предварительно обучена на корпусе WuDaoCorpora с авторегрессионной целью заполнения пропусков и рассчитана на задачи понимания и генерации естественного языка. Архитектура — плотный трансформер GLM с 24 слоями, размером скрытого представления 1024 и 16 головами внимания на слой; в метаданных указано 453,9 млн параметров. Модель поддерживает китайский язык. Репозиторий содержит веса PyTorch. В карточке не приведены сведения о лицензии и длине контекста.

GlotLID — модель идентификации языка на базе fastText, разработанная командой cis-lmu. Актуальная версия V3 определяет язык текста среди 2102 меток, включая трёхбуквенные коды ISO с указанием письменности; доступны также предыдущие версии модели. Модель предназначена для автоматического определения языка коротких или длинных текстовых фрагментов, в том числе для маршрутизации текста по языковым обработчикам и предварительной разметки многоязычных корпусов. В метаданных указана задача text-classification, библиотека fastText и набор языковых тегов; README связывает разработку с исследованием EMNLP 2023 и датасетами GlotSparse, GlotStoryBook и glotlid-corpus. Модель выдаёт метку языка, а качество распознавания зависит от объёма и качества входного текста и покрытия конкретного языка в обучающих данных. Лицензия указана как other, поэтому перед использованием следует свериться с условиями репозитория.

Модель ivanlau/language-detection-fine-tuned-on-xlm-roberta-base — классификатор текста на основе XLM-RoBERTa, дообученный на наборе данных common_language для определения языка. Она принимает текст и выдаёт метку класса, соответствующую распознанному языку. В README указана точность 0,9738 на оценочном наборе данных; число параметров составляет 305,2 млн, контекст — до 514 токенов. Модель подходит для автоматической разметки языка коротких текстов и маршрутизации запросов в многоязычных системах. Репозиторий содержит веса PyTorch и распространяется по лицензии MIT. Точность на оценочном наборе не гарантирует такого же результата на текстах других типов и длины.

LINCE-ZERO — испаноязычная инструкционная языковая модель Clibrain для генерации текста и выполнения запросов на естественном языке. Это декодерная авторегрессионная модель архитектуры Falcon, дообученная на 80 тысячах примеров из закрытого набора, созданного по образцу Alpaca и Dolly. В README указано 7 млрд параметров, тогда как метаданные Hugging Face указывают 10,9 млрд; размер модели в источниках расходится. Модель предназначена для прямого использования в виртуальных ассистентах, генерации контента и других общих задачах на испанском языке. Среди поддерживаемых сценариев также заявлены классификация текста и токенов, ответы на вопросы и генерация текста. Она использует библиотеку Transformers и опубликована под лицензией Apache 2.0. Качество модели оценено не полностью: авторы сообщают, что результаты оценки будут опубликованы позднее. Возможны галлюцинации, токсичные высказывания и стереотипы; ответы следует проверять. README не рекомендует применять модель в production без предварительной оценки рисков и мер по их снижению.

Llama-Breeze2-3B-Instruct-v01 — мультимодальная чат-модель команды MediaTek Research с архитектурой InternVLChat и 3 млрд параметров. Она основана на LLaMA 3.2 и продолжает её предварительное обучение на большом корпусе для улучшения работы с традиционным китайским языком и его культурным контекстом. Модель предназначена для следования инструкциям и диалога на китайском и английском языках. Визуальный энкодер и связующий модуль позволяют учитывать изображения в запросах, а дообучение и шаблоны запросов поддерживают вызов функций. Метаданные также указывают интерфейс для работы с инструментами. Модель распространяется в формате safetensors по лицензии Llama 3.2 Community License. README указывает на визуальные возможности, но доступные сведения не уточняют размер контекстного окна и ограничения качества.

timpal0l/mdeberta-v3-base-squad2 — многоязычная модель для извлечения ответов на вопросы, разработанная на основе microsoft/mdeberta-v3-base и дообученная timpal0l в течение трёх эпох на SQuAD 2.0. Она принимает вопрос и контекст, затем выделяет в контексте фрагмент, который отвечает на вопрос; обучение на SQuAD 2.0 позволяет модели также обрабатывать вопросы без ответа в контексте. В основе лежит архитектура DeBERTa V3: 12 слоёв с размером скрытого состояния 768; общее число параметров — 306 млн. Многоязычная базовая модель обучалась на данных CC100 и использует словарь из 250 тысяч токенов. Контекст модели — до 512 токенов. Модель предназначена для extractive question answering и доступна в форматах PyTorch и Safetensors. Модель подходит для поиска ответов в заданном тексте на поддерживаемых языках. Она возвращает фрагмент исходного контекста, поэтому не предназначена для свободной генерации развёрнутых ответов или работы без предоставленного контекста. Лицензия — MIT.

bartowski/mlabonne_gemma-3-27b-it-abliterated-GGUF — это GGUF-квантизированная версия модели gemma-3-27b-it-abliterated, разработанной mlabonne. Квантизация выполнена bartowski с использованием llama.cpp и метода imatrix; доступны варианты от BF16 и Q8_0 до более компактных IQ- и Q3/Q4/Q5/Q6-квантизаций. Модель предназначена для локального запуска в LM Studio, llama.cpp и других проектах на базе llama.cpp. Она относится к классу image-text-to-text и поддерживает работу с текстом и изображениями. Для включения возможностей компьютерного зрения требуется отдельный файл mmproj в формате F32 или F16. Размер основной модели зависит от варианта квантизации: от примерно 14,5 ГБ для Q3_K_L до 54,03 ГБ для BF16; наиболее качественными и рекомендованными названы варианты Q5, Q6 и Q4_K. Сильными сторонами являются широкий выбор форматов для разных ограничений по памяти, локальный запуск и сохранение высокого качества у старших квантизаций. Ограничения включают значительные требования к оперативной или видеопамяти, особенно для BF16 и Q8_0, а также необходимость отдельного mmproj-файла для обработки изображений. Сведения о поддерживаемых языках и размере контекстного окна в README не указаны. Лицензия модели обозначена как gemma.

NanoVDR-D-Fast-Qwen3VL8B-4096 — визуальная башня документов для поиска по страницам, разработанная проектом NanoVDR. Это 457-миллионная модель-энкодер, которая принимает изображение страницы любого разрешения и выдаёт один L2-нормализованный вектор размерности 4096 для поиска по сходству с помощью скалярного произведения. Архитектура сочетает динамическую нарезку страницы на фрагменты, InternViT-300M-448, линейные проекции и ModernBERT-base с усреднением признаков. Она предназначена для построения векторных индексов документов и работает в общем пространстве эмбеддингов с совместимой башней запросов NanoVDR. Модель получена дистилляцией замороженной Qwen3-VL-Embedding-8B: обучение выравнивало векторы страниц с эмбеддингами учителя без меток релевантности и контрастивного обучения. Для изображения используются не более двух фрагментов и миниатюра; это снижает вычислительные затраты, но может ухудшать представление очень плотных страниц. В README результаты оценки приведены для наборов ViDoRe, поэтому качество на иных типах документов и распределениях запросов не установлено. Репозиторий распространяется по лицензии MIT.

NeoMME-800M-Retriever-ST-dense — мультимодальная модель для поиска по документам, разработанная Hcompany. Это вариант NeoMME-800M-Retriever, дообученный для независимой настройки плотных представлений с помощью Sentence Transformers. Общий двунаправленный Transformer-энкодер кодирует текстовые запросы и текстовые документы или изображения страниц; модель содержит 1,1 млрд параметров и поддерживает контекст до 16 384 токенов. Модель возвращает только плотные эмбеддинги, нормализованные по L2; сходство оценивается косинусной мерой. Её можно применять для поиска текстов и визуального поиска по страницам документов, включая мультиязычные сценарии. По README, версия Sentence Transformers использует только одну из двух голов поиска за раз. Лицензия — Apache-2.0.

NeoMME-800M-Retriever-ST-late — мультимодальная модель для поиска по документам, разработанная Hcompany. Она дообучена на основе Hcompany/NeoMME-800M-Retriever и использует один общий двунаправленный Transformer-энкодер для текстовых запросов и документов, включая текст и изображения страниц. Вариант ST-late предназначен для независимой настройки многовекторного поиска через Sentence Transformers и возвращает только многовекторные эмбеддинги. Модель подходит для поиска релевантных текстовых документов и страниц по текстовому запросу, включая визуальный поиск по документам. Представления L2-нормализованы, а ранжирование использует оценку MeanMaxSim. Архитектура NeoMME, около 1,1 млрд параметров, контекст до 16 384 токенов; заявлена многоязычная поддержка. Для работы используется Sentence Transformers. Модель распространяется по лицензии Apache-2.0. В Sentence Transformers за один запуск доступна только одна из двух голов поиска; этот вариант поддерживает только многовекторные эмбеддинги.

dealignai/Ornith-1.5-9B-UNCENSORED-GGUF — квантизированная GGUF-версия мультимодальной модели Ornith 1.5 9B, разработанной Ornith AI и подготовленной Dealign.ai. Модель предназначена для запуска через llama.cpp и поддерживает работу с текстом и изображениями; для визуального ввода требуется отдельный проектор mmproj. Доступны варианты квантизации Q8_0, Q6_K, Q5_K_M, Q4_K_M, Q3_K_M и Q2_K объёмом примерно от 3,6 до 8,9 ГБ. Архитектура Ornith 1.5 сочетает GatedDeltaNet (SSM) и attention. Модель поддерживает рассуждения с выдачей трассы <think>, включённые по умолчанию, а также сценарии анализа изображений и генерации текста. В README приведён пример контекста 8192 токена для llama-server, однако максимальный размер контекста явно не указан. Вариант Q4_K_M рекомендован как сбалансированный по качеству и размеру; для изображений с любой текстовой квантизацией используется один и тот же vision-проектор. Главная особенность сборки — удаление или ослабление отказов и защитных ограничений с сохранением заявленных знаний, связности и возможностей рассуждения. По данным README, разница с базовой моделью по MMLU не превышает 3 процентных пунктов, однако низкие уровни квантизации заметно снижают абсолютное качество, особенно Q2_K. Из-за сниженных защитных механизмов модель может генерировать опасный, незаконный или вредоносный контент, поэтому её следует использовать ответственно и законно. Лицензия — MIT, унаследованная от базовой модели.

Ornith-1.5-9B-UNCENSORED-GGUF — квантованная мультимодальная версия модели Ornith 1.5 9B, основанной на ornith-ai/Ornith-1.5. Репозиторий подготовлен Dealign.ai. Модель предназначена для генерации и анализа текста, задач рассуждения, а также обработки изображений вместе с текстовыми запросами через llama.cpp. Вариант CRACK-abliterated уменьшает или устраняет стандартное отказное поведение и защитные ограничения модели. Модель использует гибридную архитектуру GatedDeltaNet (SSM) и attention, поддерживает режим рассуждений с выводом трассы <think> и работу с изображениями через отдельный vision projector mmproj-Ornith-1.5-9B-f16.gguf. Доступны квантования GGUF Q8_0, Q6_K, Q5_K_M, Q4_K_M, Q3_K_M и Q2_K размером примерно от 3,6 до 8,9 ГБ; сбалансированным вариантом разработчик называет Q4_K_M. В README не указаны поддерживаемые языки и максимальный контекст, однако приведены примеры запуска с контекстом 8192 токена. К сильным сторонам относятся сохранение знаний и качества рассуждений относительно базовой модели, поддержка vision-language сценариев и возможность локального запуска. По данным заявленных тестов, разница MMLU между базовой и изменённой моделью при одинаковом квантовании не превышает 3 процентных пунктов. Основное ограничение — практически полное отсутствие защитных барьеров: в HarmBench указана высокая доля успешных ответов на вредоносные запросы, включая темы киберпреступности, химии, биологии и незаконной деятельности. Поэтому модель требует ответственного и законного применения. Распространяется по лицензии MIT, унаследованной от базовой модели.

unsloth/Qwen2.5-Omni-7B — мультимодальная модель на архитектуре Qwen2.5-Omni, опубликованная Unsloth как дообученная версия Qwen/Qwen2.5-Omni-7B. Она принимает текст, изображения, аудио и видео и может вести диалог, объединяя сигналы из разных модальностей; ответы выдаёт текстом и естественной речью, в том числе в потоковом режиме. Модель рассчитана на голосовой и видеодиалог в реальном времени, распознавание и понимание речи, аудио- и видеовопросы, анализ изображений, мультимодальные рассуждения, перевод и генерацию речи. В README использование описано через библиотеку Transformers. Указана архитектура Thinker-Talker и синхронизация аудио с видеовременными метками посредством TMRoPE; метаданные относят модель к семейству Qwen2.5-Omni и указывают плотную архитектуру. Карточка сообщает об английском языке; характеристики контекста и число параметров этой версии в предоставленных данных не приведены. Модель демонстрирует широкие мультимодальные возможности, однако приведённые в README оценки относятся к исходной линейке Qwen2.5-Omni и не гарантируют идентичные результаты этой производной версии. Репозиторий указывает лицензию «other», поэтому перед применением следует проверить условия лицензии в карточке модели.

Qwen3.5-9B-ultra-uncensored-heretic — мультимодальная модель на 9 млрд параметров, созданная независимым автором как модификация Qwen/Qwen3.5-9B. Это плотная модель семейства Qwen3.5 с архитектурой Qwen3_5ForConditionalGeneration: она принимает текст и изображения и предназначена для диалога, рассуждений и визуального анализа. В карточке указаны контекст 262 144 токена с расширением до 1 010 000 токенов и поддержка 201 языка и диалекта для базовой модели. Автор применил abliteration, чтобы снизить частоту отказов: в приведённом тесте отказов было 4 из 100 против 86 из 100 у исходной модели. Результат PIQA близок к исходному показателю, однако эти тесты сами по себе не подтверждают качество на других задачах. Веса опубликованы в формате Safetensors и доступны по лицензии Apache-2.0. Сниженные ограничения могут приводить к выдаче ответов на запросы, которые базовая модель отклоняла.

SaMer-k64-colpali — адаптерная версия SaMer от команды dmis-lab для модели vidore/colpali-v1.3-hf, предназначенная для визуального поиска по документам. Репозиторий содержит обученный проекционный слой и обёртку для применения слияния токенов; веса базовой модели загружаются отдельно во время работы. Модель объединяет визуальные признаки в 64 области с помощью пространственно-ориентированного мягкого слияния центроидов без использования рамок объектов. Она рассчитана на поиск релевантных страниц PDF по визуальному содержимому и использует функцию потерь для обучения на задаче поиска. Для применения нужны базовая модель vidore/colpali-v1.3-hf и поддержка обёртки с trust_remote_code. Лицензия в метаданных указана как Gemma; README предписывает соблюдать лицензию и условия использования базовой модели.

sat-3l-sm — компактная модель сегментации текста из проекта Segment Any Text, предназначенная для использования с wtpsplit. Она делит текст на предложения, что полезно для подготовки документов, субтитров и других текстовых данных. Модель построена на архитектуре XLM для классификации токенов, содержит 220,3 млн параметров и использует три слоя Transformer. Контекст модели составляет 514 токенов; доступны форматы Safetensors и ONNX. Модель рассчитана на многоязычную сегментацию предложений. Карточка перечисляет широкий набор поддерживаемых языков, включая английский, арабский, китайский здесь не заявлен, японский и другие; языковые теги метаданных не включают русский. Лицензия — MIT. Карточка не описывает точность на конкретных наборах данных или ограничения обработки длинных последовательностей.

vishnun/codenlbert-tiny — небольшая модель классификации текста на базе BERT, дообученная разработчиком vishnun для различения фрагментов кода и естественного языка. Она рассчитана на автоматическую классификацию текстовых последовательностей, например при разборе смешанного содержимого или извлечении кода из текста и документов. Модель содержит 4,4 млн параметров, использует архитектуру BertForSequenceClassification и принимает текст с контекстом до 512 токенов. В README приведены результаты обучения: точность на проверочной выборке около 99,7%; эти показатели относятся к указанному набору данных CodevsNL и не гарантируют такое же качество на других типах текстов. Модель распространяется в формате PyTorch по лицензии MIT.

Hasanur525/deed_summarization_mt5_version_1 — дообученная Hasanur525 модель Google mT5-base для суммаризации текстов. Она построена на архитектуре MT5ForConditionalGeneration и содержит 291,2 млн параметров. Многоязычная базовая модель преобразует текст в текст; модель сохранена в формате safetensors. Модель предназначена для создания краткого содержания входного текста. В README приведены метрики на оценочном наборе: Loss 0,5863, ROUGE-1 1,0138, ROUGE-2 0,6875, ROUGE-L 1,0233, ROUGE-Lsum 1,0941 и средняя длина генерации около 288 токенов. Датасет указан как None, поэтому по карточке нельзя установить предметную область обучения или проверить приведённые значения метрик. Лицензия — Apache-2.0. README не сообщает об ограничениях применения или подтверждённых целевых языках; многоязычность относится к базовой модели и сама по себе не подтверждает качество суммаризации на каждом языке.

deepset/electra-base-squad2 — англоязычная модель для извлекающего ответа на вопросы, разработанная командой deepset. Она дообучена на ELECTRA-base для поиска ответа в предоставленном тексте: на вход подаются вопрос и контекст, а модель определяет фрагмент контекста, который отвечает на вопрос. Обучение и оценка проводились на SQuAD 2.0; модель умеет воздерживаться от ответа, когда контекст не содержит ответа. Модель построена на архитектуре ELECTRA и содержит 136,7 млн параметров. Контекст ограничен 512 токенами. Её можно применять в Haystack для поиска ответов в документах и в Transformers. Лицензия — CC BY 4.0.

Eris_PrimeV3.05-Vision-7B — объединённая ChaoticNeutrals модель семейства Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и диалогов, а также анализа изображений при запуске в Koboldcpp с отдельным файлом mmproj; для работы с изображениями автор рекомендует актуальную версию Koboldcpp. Модель имеет контекст длиной 32 768 токенов. Репозиторий содержит веса в форматах Safetensors и GGUF F16. По метаданным, модель объединяет Eris_PrimeV3-Vision-7B и Prima-LelantaclesV7-experimental-7b. Лицензия обозначена как other, поэтому условия использования следует уточнить на странице репозитория.

DavidAU разработал эту плотную мультимодальную модель на 12 млрд параметров как дообучение DreamFast/gemma-3-12b-it-heretic на наборе Polaris Alpha с помощью Unsloth. Она предназначена для диалогов, генерации текста с рассуждениями и анализа изображений; заявленная длина контекста — 128 тыс. токенов. Модель принимает текст и изображения и выдаёт текст. В карточке указана поддержка английского языка. Автор сообщает о компактных, но подробных рассуждениях, применимых также к обработке изображений, и приводит результаты нескольких бенчмарков. По описанию, модель реже отказывает в запросах, включая запросы на откровенный контент; для желаемой степени эксплицитности иногда требуется прямое указание. Качество зависит от промпта, шаблона чата и параметров генерации. Модель распространяется по лицензии Apache-2.0.