I.4Обработка документов и форм

Huihui-gemma-4-12B-it-qat-q4_0-unquantized-abliterated — модифицированная версия Gemma 4 от Huihui AI. Это плотная мультимодальная модель на 12 млрд параметров с архитектурой Gemma4 Unified, предназначенная для диалога, анализа изображений, аудио и видео, а также генерации текста и кода. Метаданные указывают на поддержку задачи any-to-any и библиотеку Transformers. Модель создана методом abliteration на основе google/gemma-4-12B-it-qat-q4_0-unquantized: авторы изменили слои 23–36, чтобы существенно ослабить отказы, в том числе в режимах с рассуждением и без него. Это экспериментальная, грубая реализация концепции; README предупреждает, что фильтрация безопасности снижена и ответы могут быть чувствительными или спорными. Лицензия — Apache 2.0.

LFM2-1.2B-GGUF — квантизированное представление модели LFM2-1.2B, разработанной Liquid AI и опубликованной Unsloth в формате GGUF. Это гибридная генеративная языковая модель для работы на периферийных устройствах и локального развёртывания на CPU, GPU и NPU, включая смартфоны, ноутбуки и автомобили. Модель содержит около 1,17 млрд параметров, 16 слоёв, из которых 10 используют свёртки, а 6 — attention, и поддерживает контекст до 32 768 токенов. Архитектура Liquid включает мультипликативные гейты и короткие свёртки. Модель предназначена для агентских сценариев, извлечения данных, RAG, творческого письма и многошаговых диалогов. Она поддерживает английский, арабский, китайский, французский, немецкий, японский, корейский и испанский языки. К сильным сторонам относятся скорость обучения и инференса, эффективность по памяти и возможность запуска на разнообразном оборудовании; заявлены преимущество над моделями сопоставимого размера в ряде задач и ускоренный CPU-декодинг. Из-за небольшого размера модель рекомендуется дообучать под узкие сценарии. Она не рекомендована для ресурсоёмких задач, требующих глубоких знаний или программирования. Лицензия — LFM Open License v1.0; для llama.cpp в README указано использовать исправленный шаблон чата с параметром --jinja.

SEOKDONG/llama3.1_korean_v1.1_sft_by_aidx — плотная авторегрессионная языковая модель семейства Llama 3.1, разработанная и дообученная методом supervised fine-tuning на корейском наборе инструкций. Она основана на meta-llama/Llama-3.1-8B-Instruct и предназначена для генерации текста и диалоговых ответов с учетом корейского языка, культуры и профессионального контекста. В карточке заявлены около 8 млрд параметров; метаданные указывают 7,5 млрд и контекст до 131 072 токенов. Обучение проводилось на наборе примерно из 2,33 млн примеров для вопросов и ответов, суммаризации и классификации, охватывающем 53 области. Среди целевых сценариев — ответы и краткое изложение материалов по праву, финансам, налогообложению и бухгалтерскому учету, а также образовательные объяснения и клиентские диалоги. Модель ориентирована прежде всего на корейский язык, также заявлена поддержка английского. В README сообщается результат 53,94 и шестое место в целом на Open Ko-LLM Leaderboard Season 2 по состоянию на январь 2025 года. Модель может ошибаться в сложных логических задачах, в узкоспециальных темах, при работе с новыми международными сведениями и на языках, отличных от корейского; возможны смещения из обучающих данных. Метаданные указывают лицензию Apache-2.0, тогда как README также упоминает лицензию сообщества Llama 3.1, поэтому условия распространения базовой модели следует учитывать отдельно.

Ops-MM-embedding-v1-2B — плотная мультимодальная модель эмбеддингов, разработанная и опубликованная командой Alibaba Cloud OpenSearch-AI. Она дообучена на основе Qwen/Qwen2-VL-2B-Instruct и преобразует текст, изображения, пары «текст–изображение» и визуальные документы в единое пространство эмбеддингов. Видео обрабатываются как последовательности кадров-изображений. Модель предназначена для поиска и извлечения данных между модальностями: например, для поиска изображений по текстовому запросу или сопоставления визуальных документов с текстом. В карточке приведены результаты на наборах MMEB-V2 и MMEB-Image; указанные в README показатели относятся к версии размером 2,21 млрд параметров, тогда как метаданные репозитория указывают 1,5 млрд параметров. Архитектура — Qwen2-VL, контекст — 32 768 токенов, файлы представлены в формате safetensors. Карточка заявляет многоязычные возможности и сильные результаты на мультимодальных бенчмарках, но подробный список поддерживаемых языков и методика измерения качества этой версии не приведены. Лицензия — Apache-2.0.

Qwen2.5-Omni-3B — мультимодальная модель семейства Qwen2.5-Omni, разработанная командой Qwen компании Alibaba Group. Она построена на плотной архитектуре Thinker-Talker и предназначена для диалогового взаимодействия с текстом, изображениями, аудио и видео; модель может выдавать текстовые ответы и естественную речь, в том числе потоково. Модель подходит для голосового и видеочата в реальном времени, распознавания и понимания речи, анализа изображений и видео, ответов на инструкции, а также генерации речи. В карточке приведены результаты по распознаванию речи, переводу, визуальным рассуждениям и пониманию видео; размер 3B обеспечивает более компактный вариант семейства. Позиционное кодирование TMRoPE синхронизирует временные метки видео и аудио. Модель доступна в формате safetensors и рассчитана на использование через Transformers; для поддержки рекомендуется актуальная версия библиотеки. В метаданных указана лицензия other, поэтому перед использованием следует проверить условия лицензирования репозитория. Число параметров, длина контекста и полный перечень поддерживаемых языков в предоставленных данных не приведены.

Qwen3.5-9B-The-Defiant-Fable-Uncensored-Heretic-NEO-IMATRIX-MAX-MTP-W4A16-AWQ — это 4-битная AWQ-квантизированная версия модели DavidAU/Qwen3.5-9B-The-Defiant-Fable-Uncensored-Heretic-NEO-IMATRIX-MAX-MTP. Модель распространяется для использования с библиотекой Transformers и имеет тег image-text-to-text, то есть исходная архитектура включает поддержку работы с текстом и изображениями. Заявлены языки English и Chinese. Точное число параметров в README не указано, но идентификатор исходной модели содержит обозначение 9B. Квантизация выполнена по схеме W4A16_ASYM: веса Linear-слоёв представлены с точностью 4 бита, а активации — 16 битами, с размером группы 128. Формат compressed-tensors поддерживается LMDeploy Turbomind. Эмбеддинги, lm_head, нормализации, компоненты linear attention, vision tower и MTP heads сохранены в BF16. Указано, что модель рассчитана на инференс с LMDeploy; пример запуска использует language_model_only=True и tensor parallelism tp=1. README не содержит результатов собственных бенчмарков, ссылаясь на исходную модель. К основным преимуществам относятся существенное уменьшение размера весов за счёт 4-битной квантизации, возможность запуска на ограниченных GPU-ресурсах и сохранение мультимодальных компонентов и MTP heads в BF16. Ограничения включают зависимость от совместимого загрузчика и формата compressed-tensors, а также потенциальные особенности качества и совместимости, характерные для квантизированных моделей; числовые параметры контекста и подробные характеристики архитектуры не указаны. Модель распространяется по лицензии Apache-2.0.

RoBERTo-v2 — модель классификации текста для определения боснийского, хорватского и сербского языков. Её разработал автор репозитория absltnull как дообученную версию absltnull/RoBERTo на основе XLM-RoBERTa Base. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa для классификации последовательностей и принимает до 514 токенов. Веса сохранены в формате safetensors; лицензия — MIT. Модель предназначена прежде всего для определения языка в текстах на латинице, включая формальные и неформальные тексты. В README сообщается о точности около 87% на латинском тестировании; она лучше различает хорватский и сербский, чем боснийский, который чаще путает с ними. Для кириллицы модель не подходит: автор предупреждает о сильном смещении предсказаний в сторону сербского. Короткие и неоднозначные тексты, эмодзи, символы и тексты на языках вне этой языковой группы также могут приводить к ошибкам.

Swallow-MS-7b-instruct-v0.1 — диалоговая языковая модель TokyoTech-LLM, созданная на базе Mistral-7B-v0.1 с продолженным предварительным обучением и настройкой на выполнение инструкций. Это плотная модель MistralForCausalLM с 7,2 млрд параметров, работающая с текстом и контекстом до 4096 токенов. Модель предназначена для диалогов и выполнения инструкций на японском и английском языках. Она подходит для генерации ответов, письма, ролевых диалогов, рассуждений, извлечения информации и базовых задач по STEM и программированию. Токенизатор с расширенным японским словарём эффективнее представляет японский текст, что может ускорять обработку. Для instruct-версии авторы рекомендуют указанный в карточке формат диалога; отклонение от него может ухудшить ответы. Авторы предупреждают, что модель находится на раннем этапе разработки и не настроена для надёжного следования человеческим намерениям и требованиям безопасности. Результаты также заметно различаются между задачами: в опубликованной оценке особенно слабыми были математика и программирование. Лицензия — Apache-2.0.

VultronRetrieverPrime-Qwen3.5-8B — мультиязычная модель поиска по визуальным документам, разработанная Vultr и обученная и оценённая на Vultr Cloud. Это ретривер с поздним взаимодействием ColQwen3_5 на базе Qwen/Qwen3.5-9B: он сопоставляет запросы со страницами PDF, сканов, презентаций и отчётов по тексту, структуре макета, таблицам, диаграммам и изображениям. Модель предназначена для визуального поиска и мультимодальных RAG-систем; она ранжирует найденные страницы, но не генерирует ответы. Модель содержит около 8,4 млрд параметров и формирует многовекторные представления размерности 320 — по одному вектору на токен. Соответствие запроса и страницы оценивается методом MaxSim. В README заявлены поддержка английского, французского, немецкого, испанского, итальянского и португальского языков, обработка до 1792 визуальных токенов и первое место на ViDoRe V3 со средним nDCG@10 64,26. Компактная размерность уменьшает индекс по сравнению с моделями на 2560–4096 измерений, но многовекторный индекс всё равно занимает больше места, чем одно-векторный. Модель не предназначена для текстового семантического поиска без изображений и для генерации ответов; другие языки могут работать хуже. Лицензия — Apache-2.0.

xlmr-multilingual-sentence-segmentation — модель Igor Sterner для автоматического разделения текста на предложения. Это дообученная XLM-RoBERTa-base с классификационной головой для разметки токенов; она обучалась на искажённой версии датасетов Universal Dependencies. Модель содержит 305,2 млн параметров, принимает текст с контекстом до 514 токенов и распространяется под лицензией MIT. Модель предназначена для определения границ предложений во многих языках, в том числе при сегментации текстов и машинных переводов. В README приведены результаты на Opus100 и Universal Dependencies; для первой оценки указаны precision 0,9664, recall 0,9677 и F1 0,9670 на также искажённом наборе. Автор предупреждает, что модель больше не поддерживается и рекомендует обновлённую версию. Результаты на искажённых данных следует интерпретировать с осторожностью.

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.

AMALIA-9B-1225-DPO — открытая языковая модель, разработанная консорциумом португальских университетов и исследовательских центров при участии NOVA University Lisbon, Instituto Superior Técnico, университетов Коимбры, Порту и Минью, а также Foundation for Science and Technology (FCT). Модель создана для европейского португальского языка и основана на плотной архитектуре LlamaForCausalLM; содержит 8,6 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для диалоговой помощи и выполнения инструкций на европейском португальском: ответов на вопросы, суммаризации, написания и переписывания текстов, перевода и генерации текста. Её также можно использовать в исследованиях португальского языка и адаптировать для прикладных проектов, в том числе с поисковым дополнением генерации (RAG). Обучение включало предварительное обучение, SFT и настройку предпочтений методом DPO. AMALIA оптимизирована для европейского португальского; качество для других вариантов португальского и языков не следует считать равнозначным. Модель может выдавать недостоверные, предвзятые или вредоносные ответы, поэтому факты нужно проверять, а для чувствительных сценариев требуются человеческий контроль и дополнительные меры безопасности. Лицензия — Apache-2.0.

Модель felflare/bert-restore-punctuation — англоязычная BERT-base-uncased, дообученная Daulet Nurmanbetov на отзывах Yelp для восстановления пунктуации и заглавных букв в тексте, записанном строчными буквами. Она предсказывает пунктуацию и регистр слов; поддерживаемые знаки включают !, ?, ., , , -, :, ; и апостроф. Модель подходит для обработки результатов распознавания речи и другого текста, из которого удалены пунктуация и заглавные буквы, а также для дальнейшего дообучения на специализированных текстах. Обучение проводилось на 560 000 английских отзывов Yelp; для модели указаны точность 91% и общий F1 90% на 45 990 отложенных примерах. Архитектура — BertForTokenClassification, размер — 136,7 млн параметров, максимальный контекст — 512 токенов. Лицензия — MIT. Модель рассчитана на общий английский язык, но обучалась на отзывах, поэтому качество на других жанрах и предметных областях может отличаться. В приведённых метриках есть заметные различия между классами пунктуации; например, для восклицательного знака указаны precision 0,45 и recall 0,17.

Это модель DistilBERT для ответов на вопросы, дообученная на наборе Natural Questions. Она принимает текст вопроса и контекст, а затем извлекает ответ из контекста; архитектура реализована классом DistilBertForQuestionAnswering. Модель подходит для поиска конкретных фактов в предоставленных текстах, например в документах или статьях. Модель использует uncased-вариант DistilBERT и рассчитана на контекст длиной до 512 токенов. В репозитории указаны веса PyTorch. Разработчик сообщает результат оценки на тестовой выборке: loss 0,6267. Модель распространяется по лицензии Apache-2.0. Карточка не описывает подробности оценки и ограничения качества, поэтому применимость к иным доменам и длинным контекстам следует проверять отдельно.

Это модель классификации текста из проекта Adaptive Classifier, построенная на базе answerdotai/ModernBERT-base. Она относит текст к одному из двух классов качества: high_quality или poor_quality; в карточке указаны 10 обучающих примеров, поровну для каждого класса, и размерность эмбеддингов 768. Модель предназначена для оценки качества текстов и поддерживает непрерывное обучение с добавлением новых классов. Для каждого класса требуется не менее трёх примеров; максимум составляет 150 примеров на класс, а прототипы обновляются каждые 10 примеров. Модель распространяется в формате safetensors по лицензии Apache-2.0.

DSE-QWen2-2b-MRL-V1 — дообученная модель на основе Qwen2-VL-2B-Instruct, разработанная для поиска документов по изображениям их страниц. Это bi-encoder: он кодирует текстовый запрос и скриншот документа в плотные векторы, которые можно сравнивать по сходству. Такой подход сохраняет текст, изображения и компоновку исходного документа без предварительного извлечения текста. Модель предназначена для поиска по PDF-документам, веб-страницам, слайдам и другим материалам, представленным изображениями. Она также умеет кодировать текст документа; обучение с Tevatron/msmarco-passage-aug поддерживает поиск по текстовому содержимому. В README указано значение 85,8 nDCG@5 на таблице лидеров ViDoRE. Архитектура основана на Qwen2-VL, размер модели — 1,5 млрд параметров, нативная длина контекста — 32 768 токенов; для запуска используется PyTorch и библиотека Tevatron. В метаданных указаны английский и французский языки. При обработке крупных изображений зрительный энкодер Qwen может требовать много видеопамяти; размер изображений можно уменьшить, чтобы уложиться в доступные ресурсы. Лицензия — Apache-2.0.

LightOn-rerank-PW-2B — мультимодальная модель-реранкер от LightOn на базе Qwen/Qwen3.5-2B. Это точечный cross-encoder: он отдельно оценивает соответствие каждого текстового фрагмента или изображения страницы документа запросу и возвращает оценку logit(«Yes») − logit(«No»). Модель предназначена для второго этапа поиска после BM25, векторного поиска или retrieval-моделей семейства ColPali. Модель содержит около 2,2 млрд параметров, использует архитектуру Qwen3.5 с линейным и полным вниманием и принимает текстовый запрос вместе с текстовым документом либо изображением страницы. Она совместно дообучена на текстовых и визуальных данных; веса адаптера LoRA объединены с основной моделью. Обучение проводилось на английском языке, французский поддерживается благодаря мультиязычной базовой модели и работает без отдельного дообучения. Модель рассчитана на быстрое независимое ранжирование кандидатов и показала улучшение результатов поиска по тексту и визуальным документам в описанных в карточке тестах. Для работы требуются Transformers версии 5.4.0 или новее; для использования через Sentence Transformers также нужна версия 5.4.0 или новее. Модель распространяется по лицензии Apache-2.0.

Trelis выпустила дообученную версию Mistral-7B-Instruct-v0.1 для суммаризации длинных текстов. Модель использует плотную архитектуру Mistral на 7,1 млрд параметров; в карточке заявлено обучение для контекстов до 16 тыс. токенов, а метаданные указывают нативный контекст до 32 768 токенов. Для суммаризации предлагается формат инструкции [INST] с явными маркерами начала и конца текста. Модель предназначена для создания краткого изложения больших документов и фрагментов текста. В основе лежит трансформер Mistral с Grouped-Query Attention, Sliding-Window Attention и токенизатором Byte-fallback BPE; модель работает с текстом и поддерживает диалоговый формат. В карточке не перечислены целевые языки, поэтому языковую специализацию определить нельзя. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка базовой Mistral-7B-Instruct-v0.1 отмечает отсутствие встроенных механизмов модерации; качество суммаризации для конкретных языков и типов документов требует проверки на целевых данных.

moBERTo — португалоязычная адаптация encoder-only модели ModernBERT, разработанная Tropic-AI. Модель продолжительно предобучена на португалоязычном корпусе, использует специализированный португальский токенизатор и перенос подсловных эмбеддингов. Вариант с контекстом 8192 токена прошёл дополнительное обучение для длинного контекста. Архитектура ModernBERT включает позиционные RoPE-эмбеддинги, чередование локального и глобального внимания, FlashAttention и unpadding. Модель содержит около 149 млн параметров и предназначена прежде всего для заполнения маскированных токенов и как основа для дообучения на ранжирование поиска, классификацию документов, распознавание сущностей и другие задачи понимания португальского текста. В статье сообщается о сильных результатах на португальских задачах поиска и понимания текста. Лицензия — Apache-2.0. Это encoder-модель для понимания текста, а не генеративный чат-ассистент; для прикладных задач, таких как ранжирование и классификация, может потребоваться отдельное дообучение. Основной язык модели — португальский, хотя исходная ModernBERT обучалась на английском.

Это квантизированная версия инструктивной языковой модели Qwen2.5-0.5B-Instruct, подготовленная dispatchAI для запуска на мобильных устройствах. Модель содержит 494 млн параметров и распространяется в формате GGUF с квантизацией INT4; по данным карточки, она занимает около 0,7 ГБ памяти и ориентирована на быстрый запуск на процессоре смартфона. Модель предназначена для генерации текста и диалоговых сценариев на устройстве: генерации кода в мобильных IDE, классификации и извлечения данных из текста, а также встраивания ассистентов в приложения. Карточка заявляет скорость около 45 токенов в секунду на CPU Samsung S20 FE и сохранение примерно 94% качества относительно исходной модели. Поддерживаются английский и китайский языки; лицензия — Apache-2.0.

Youssofal выпустил BF16-версию Qwen3.6-27B с ослабленным поведением отказа, созданную с помощью Heretic. Это плотная мультимодальная модель на 27,8 млрд параметров с 64 текстовыми слоями, гибридным вниманием и архитектурой для обработки изображений и видео. Изменения внесены в текстовую часть весов; визуальная архитектура сохранена. Модель предназначена для диалогов и генерации ответов на текстовые запросы, в том числе запросы, которые исходная модель могла бы отклонить, а также для анализа изображений и видео. README сообщает о низком расхождении распределений на безвредных запросах и приводит небольшие ручные проверки отказов; эти результаты не являются широкими независимыми оценками качества. Модель работает через Transformers, а для подачи изображений и видео требуется AutoProcessor. Модель основана на Qwen/Qwen3.6-27B и распространяется под лицензией Apache-2.0. Ослабление отказов означает, что она может отвечать на потенциально вредоносные запросы; её следует применять с соответствующими мерами контроля.

Jina Reader-LM 1.5B — языковая модель от Jina AI для преобразования HTML-страниц в Markdown. Она обучена на подобранных парах HTML и соответствующего Markdown и принимает исходный HTML без отдельной инструкции в запросе. Пример применения из карточки — конвертация страницы Hacker News; модель также рассчитана на преобразование содержимого произвольных веб-страниц. Модель имеет плотную архитектуру Qwen2ForCausalLM с 1,5 млрд параметров, поддерживает чатовый формат и контекст до 256 000 токенов. Веса опубликованы в формате safetensors и используются через Transformers. Карточка указывает, что выпущена более новая версия ReaderLM-v2. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

SummLlama3.1-8B — языковая модель для суммаризации текстов, разработанная DISLab на основе Llama 3.1 8B Instruct. Модель дообучена методом Direct Preference Optimization (DPO) на более чем 100 тысячах примеров обратной связи о качестве суммаризации, сгенерированной большими языковыми моделями. Она предназначена для создания кратких сводок по документам и диалогам из разных областей: новостей, повседневной жизни, отчетов, медицинских текстов, интервью и встреч. Авторы ориентировали обучение на точность передачи исходных сведений, полноту ключевых пунктов и краткость. Для суммаризации рекомендуется использовать шаблон запроса из карточки модели. Модель принимает текст и генерирует текст; архитектура — плотная LlamaForCausalLM, около 7,5 млрд параметров, контекст — до 131 072 токенов. Метаданные указывают поддержку диалогового режима и интерфейса вызова инструментов, хотя основное назначение модели — суммаризация. Авторы сообщают об улучшении оценок качества относительно базовых моделей Llama в своих человеческих и автоматизированных оценках. Это результаты оценок авторов, а качество конкретных сводок всё равно следует проверять, особенно для медицинских материалов. Модель основана на meta-llama/Llama-3.1-8B-Instruct; сведения о лицензии в предоставленных данных отсутствуют.

VultronRetrieverFlash-Qwen3.5-0.8B — мультимодальный ретривер документов от Vultr Cloud, созданный на базе Qwen/Qwen3.5-0.8B и обученный для поиска по изображениям страниц. Модель использует архитектуру ColQwen3_5 с поздним взаимодействием: строит многовекторные представления размерностью 320 и оценивает совпадение запросов и страниц методом MaxSim. Размер модели — 0,8 млрд параметров; генеративная голова удалена. Модель предназначена для поиска по PDF, сканам, презентациям и отчётам, в том числе по страницам со сложной вёрсткой, таблицами, диаграммами и иллюстрациями. Принимает изображения страниц и/или текстовые запросы, формирует векторы для последующего ранжирования и может использоваться в мультимодальных RAG-системах. Поддерживает английский, французский, немецкий, испанский, итальянский и португальский языки; страницы обрабатываются до 1792 визуальных токенов. По заявлению карточки, модель лидирует среди моделей менее 2 млрд параметров на ViDoRe V3. Многовекторный индекс и вычисление MaxSim требуют больше памяти и вычислений, чем поиск по одиночным векторам; для обычного текстового семантического поиска модель не предназначена и сама по себе не генерирует ответы. Другие языки находятся вне обучающего распределения. Для работы с гибридной архитектурой требуются causal-conv1d и flash-linear-attention; рекомендуется SDPA. Лицензия — Apache-2.0.

Xor 1.2 — разработанная Juspay и дообученная на базе Qwen/Qwen3.6-35B-A3B модель для типизированных задач принятия решений. Она принимает текстовое состояние и вопросы типов «да/нет», категориального выбора или порядковой оценки, а затем выдаёт вероятности и распределения вероятностей. Запросы также могут содержать до восьми изображений или одно видео, чтобы классифицировать информацию в тексте и медиа. Модель построена на архитектуре причинной языковой модели Mixture-of-Experts; веса Xor 1.2 получены постобучением с LoRA ранга 16, объединённой с базовыми весами BF16. Размер файлов модели — около 66 ГБ. Для воспроизводимой работы требуется использовать совместимую обвязку TypeSafe и указанный в карточке inference-конфиг с детерминированным считыванием кандидатов, проверкой порядка вариантов и калибровкой вероятностей. Проверена работа на одной GPU с SGLang. Модель подходит для структурированной классификации и оценивания по заданной схеме, включая вопросы по изображениям или видео. Для изображений и видео надёжное различение типа медиа не гарантируется; в одном запросе лучше передавать только один вид медиа. Размер тела запроса ограничен 8 МБ, что оставляет примерно 6 МБ на медиа после Base64-кодирования. Распространяется по лицензии Apache-2.0.

Agnes-3.0-Flash-abliterated — независимая модификация модели Agnes AI, выпущенная 0xKitkat под лицензией Apache-2.0. Это плотная мультимодальная модель примерно на 33,1 млрд параметров с архитектурой AgnesForConditionalGeneration; сохранены исходные веса зрительной башни и все 72 блока декодера. Модель принимает текст и изображения и предназначена для диалога, генерации текста, анализа изображений и работы с инструментами через интерфейс tool calling. Автор изменил текстовые эмбеддинги и выходные матрицы остаточных связей, применив проекцию контрастного направления, выбранного на разделённых наборах вредных и безвредных запросов. Изменение направлено на снижение отказов в ответах; проверки автора показывают, что эвристика по префиксу отказа не обнаруживает все отказы, а функциональные проверки невелики и не заменяют комплексную оценку. Для нативных весов указана рекомендация использовать GPU с 80 ГБ памяти или больше; доступны варианты GGUF для более скромного оборудования. Видео, длинный контекст, режим рассуждений и вызов инструментов не оценивались исчерпывающе.

answer-finder-v1-S-en — англоязычная модель для поиска ответов, разработанная Sinequa. Она принимает вопрос и текстовый фрагмент и предсказывает позиции начала и конца ответа в тексте; модель относится к архитектуре BERT и использует microsoft/MiniLM-L12-H384-uncased в качестве базовой модели. В карточке указаны 33 млн параметров, а метаданные каталога — около 40 млн; контекст ограничен 512 токенами. Модель не чувствительна к регистру и акцентам и обучалась на SQuAD v2. На SQuAD v2 указаны F1 79,4 при оценке через Hugging Face и 79,5 через Haystack. Карточка приводит время инференса и расход GPU-памяти для отдельных конфигураций, но результаты зависят от оборудования и точности вычислений. Для использования требуется Sinequa версии 11.10.0 или выше; для FP16 и GPU с CUDA compute capability 8.9+ нужна версия 11.11.0 или выше. Лицензия в предоставленных данных не указана.

Arlo Classify 1.0 — модель NoaberAI для классификации текстов и принятия структурированных решений на нидерландском языке. Она дообучена на базе многоязычной microsoft/mdeberta-v3-base и использует архитектуру DeBERTa V2 с классификационной головой на три класса: entailment, neutral и contradiction. В метаданных указано 306 млн параметров, длина контекста — 512 токенов. Модель предназначена для выбора категорий из заданного пользователем списка без обучения под новые категории и для оценки того, насколько утверждение подтверждается текстом. Она возвращает метку или оценку уверенности, а не сгенерированный ответ. По заявлению разработчика, модель работает быстро, в том числе на CPU, и может запускаться локально. Обучение ориентировано на нидерландский язык, но многоязычная основа позволяет применять её и к текстам на других языках. Модель лицензирована по MIT. Она рассчитана на классификацию и проверку утверждений, а не на генерацию текста или извлечение произвольных полей. В README не приведены количественные результаты оценки качества; контекст ограничен 512 токенами.

hadsag/bert-base-uncased-finetuned-squad-v2 — дообученная модель BERT для извлечения ответа на вопрос из предоставленного текста. Она основана на twmkn9/bert-base-uncased-squad2 и имеет 136,7 млн параметров. Модель принимает вопрос и контекст на английском языке и возвращает фрагмент контекста как ответ; благодаря обучению на SQuAD v2 она также может определять случаи, когда в контексте нет ответа. Максимальная длина контекста — 512 токенов. Модель подходит для систем вопросов и ответов по документам и текстам, где ответ нужно найти непосредственно в контексте. Доступна в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

Chuxin-1.6B-1M — плотная авторегрессионная языковая модель семейства Llama, опубликованная разработчиками Chuxin. Это вариант модели Chuxin-1.6B, дополнительно обученный для работы с очень длинным контекстом; в README заявлены эксперименты по поиску фрагмента в длинном тексте, показывающие способность находить нужную информацию. Метаданные указывают 1,4 млрд параметров, формат PyTorch и стандартное контекстное окно 4096 токенов, поэтому заявленное обучение на окне 1M не следует трактовать как гарантированный размер контекста в текущей конфигурации репозитория. Модель предназначена для генерации текста, ответов на вопросы по предоставленному контексту, чтения и рассуждений на основе текста. README также приводит оценки базовой модели на тестах общих знаний и понимания текста, однако эти результаты относятся к Chuxin-1.6B-Base, а не обязательно к варианту 1M. Модель принимает и генерирует текст; сведения о поддерживаемых естественных языках не приведены. Репозиторий распространяется по лицензии MIT. Практические ограничения — расхождение между заявленным в карточке окном обучения 1M и указанным в метаданных native context 4096, а также отсутствие приведённых в карточке оценок качества именно для версии 1M.