I.4Обработка документов и форм

Ministral-3-14B-Instruct-2512-GGUF — это конвертированная в формат GGUF версия модели Ministral-3-14B-Instruct-2512-BF16, разработанной Mistral AI. Модель предназначена для инструкционного взаимодействия и задач преобразования изображений и текста в текст, включая мультимодальные сценарии, где на вход подаются текстовые и визуальные данные. Точная специализация, поддерживаемые языки и размер контекста в README не указаны. Модель имеет размер 14B параметров и поставляется в формате GGUF, ориентированном на запуск с совместимыми инструментами, включая llama-server. Сильной стороной является возможность локального или самостоятельного развертывания в поддерживаемой GGUF-инфраструктуре, однако README не содержит сведений о производительности, требованиях к ресурсам, конкретных поддерживаемых модальностях, ограничениях и качестве на отдельных задачах. Лицензия — Apache 2.0.

NeoMME-260M-Retriever-ST-late — мультиязычный мультимодальный энкодер для поиска документов, разработанный Hcompany. Модель дообучена на базе Hcompany/NeoMME-260M-Retriever и использует общий двунаправленный Transformer-энкодер для текстовых запросов и документов в текстовом виде или как изображения страниц. Она предназначена для извлечения многовекторных представлений и ранжирования документов по сходству с запросом с помощью позднего взаимодействия MeanMaxSim. Модель содержит 366 млн параметров, работает с контекстом до 16 384 токенов и распространяется в формате safetensors через Sentence Transformers. Обучение охватывало текстовый поиск и поиск по изображениям страниц; заявлена мультиязычная поддержка. Лицензия — Apache-2.0. Версия ST-late предназначена для независимой настройки многовекторной головы. В Sentence Transformers она генерирует только многовекторные эмбеддинги; одновременно использовать обе головы поиска нельзя.

Ovis-VL-Embedding-9B — мультимодальная модель эмбеддингов для поиска, разработанная командой Ovis и основанная на Qwen3.5-9B. Она независимо кодирует запросы и кандидаты в общее пространство векторов, поддерживая текст, изображения, визуальные документы, видео и их чередующиеся мультимодальные сочетания. Модель предназначена для семантического и межмодального поиска, индексации и извлечения данных для RAG, поиска по видео с локализацией фрагментов, рекомендаций и сопоставления ближайших соседей. Архитектура сохраняет текстовый и визуальный кодировщики и мультимодальную языковую основу Qwen3.5-9B, но удаляет голову языкового моделирования. Вектор размерности 4096 извлекается из скрытого состояния последнего непустого токена; отдельная проекционная голова не используется. Для ранжирования запросы и кандидаты кодируются отдельно, нормализуются по L2 и сравниваются по косинусному сходству. Модель не принимает аудио и не предназначена для генерации текста или изображений. Качество зависит от инструкций к запросам и соблюдения исходного шаблона и предобработки; результаты различаются по задачам, а крупная модель требует больше памяти и вычислений, чем вариант 2B. Лицензия — Apache-2.0.

OPI-PIB/pl-ModernBERT-512-base — базовая монолингвальная модель-энкодер семейства ModernBERT, предварительно обученная для обработки польского языка. Она предназначена как основа для польских NLP-систем: модель можно дообучать для классификации текстов и документов, разметки последовательностей, регрессии, семантического сходства, поиска и переранжирования. В текущем виде она также поддерживает заполнение пропусков в тексте (fill-mask). Модель содержит 148,7 млн параметров и принимает последовательности длиной до 514 токенов. Архитектура включает 22 слоя, скрытый размер 768, RoPE, слои GeGLU и чередование глобального и локального внимания; используется токенизатор SentencePiece Unigram с размером словаря 50 008. Предобучение проведено на польском корпусе объёмом около 44,5 млрд токенов. В README сообщается о конкурентных результатах на польских задачах NLU, включая KLEJ и FinBench. Для прикладных задач, кроме заполнения пропусков, потребуется адаптация или дообучение. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

Карточка модели donnavanb09/Qwen2.5-Omni-7B на Hugging Face совпадает с карточкой Qwen/Qwen2.5-Omni-7B, поэтому описание составлено по ней. Qwen2.5-Omni-7B — мультимодальная модель семейства Qwen, разработанная командой Qwen компании Alibaba. Она использует архитектуру Thinker-Talker для сквозной обработки текста, изображений, аудио и видео и потоковой генерации текста и естественной речи. Временные позиционные представления TMRoPE синхронизируют видеокадры со звуком. Модель предназначена для мультимодального диалога в реальном времени, включая голосовое и видеообщение, распознавание и понимание речи, анализ изображений и видео, следование инструкциям на слух и генерацию речи. Карточка сообщает о результатах на тестах мультимодального рассуждения, понимания видео, речи и перевода; модель работает через Transformers и хранит веса в формате safetensors. Модель принимает текст, изображения, аудио и видео, а выдаёт текст и аудио. В README не приведены сведения о лицензии, позволяющие назвать её условия: метаданные указывают лицензию «other».

Qwen2.5-Omni-7B — мультимодальная модель семейства Qwen, разработанная командой Qwen компании Alibaba. Она использует архитектуру Thinker-Talker для сквозной обработки текста, изображений, аудио и видео и потоковой генерации текста и естественной речи. Временные позиционные представления TMRoPE синхронизируют видеокадры со звуком. Модель предназначена для мультимодального диалога в реальном времени, включая голосовое и видеообщение, распознавание и понимание речи, анализ изображений и видео, следование инструкциям на слух и генерацию речи. Карточка сообщает о результатах на тестах мультимодального рассуждения, понимания видео, речи и перевода; модель работает через Transformers и хранит веса в формате safetensors. Модель принимает текст, изображения, аудио и видео, а выдаёт текст и аудио. В README не приведены сведения о лицензии, позволяющие назвать её условия: метаданные указывают лицензию «other».

Qwen3.8-27B-Cold-Fusion-GAIN-V1.1-NInfer — это конверсия модели DavidAU/Qwen3.8-27B-Cold-Fusion-GAIN-V1.1, основанной на Qwen/Qwen3.8-27B. Артефакт подготовлен в формате .ninfer проектом pyros-vault для специализированного runtime NInfer-4090 и видеокарт NVIDIA RTX 4090 с архитектурой sm_89. Это deployment-конверсия без дополнительного обучения; в пакет включены смешанно-точные веса и ресурсы токенизации, генерации, чат-шаблона и обработки изображений и видео. Модель предназначена для генерации текста и мультимодальных сценариев с текстом и изображениями через совместимый runtime NInfer. Версия использует квантование groupwise-int с вариантами 4-, 5-, 6- и 8-битных весов, имеет размер около 27 млрд параметров, занимает 16,96 GiB в виде файла и поддерживает speculative decoding с MTP. В проверенных режимах резидентные веса занимали примерно 15,92 GiB для текста, 16,19 GiB с Vision и 16,67 GiB с MTP; профиль проверки использовал контекст и KV-ёмкость 4096 токенов. Сильные стороны артефакта — компактное смешанно-точное представление, поддержка текстового и визуального ввода, MTP-ускорение и адаптация под 24 ГБ VRAM RTX 4090. Ограничения связаны с жёсткой привязкой формата к зарегистрированному runtime и конкретной архитектуре GPU: файл не предназначен для Transformers, llama.cpp или сторонних форков NInfer. Заявления об улучшении качества и сокращении числа токенов рассуждений относятся к upstream-модели и отдельно в этой карточке не подтверждены. Лицензия — Apache-2.0.

ReadAll / ReadTwice RL step36 — это контрольный чекпойнт языковой модели, опубликованный пользователем Xirui1208 на Hugging Face. В репозитории находятся слитые веса BF16 на шаге 36 обучения, основанные на Qwen2: плотная авторегрессионная архитектура Qwen2ForCausalLM размером 7,1 млрд параметров. Модель работает с текстом, имеет контекстное окно 32 768 токенов и поддерживает чатовый интерфейс и интерфейс вызова инструментов. Чекпойнт предназначен для генерации текста и ответов на вопросы по длинным документам. Для обработки 224-тысячного контекста README описывает рекуррентный конвейер ReadTwice с разбиением на страницы и обновлением памяти; такой объём не передаётся в один вызов модели. На указанных фиксированных наборах разработки приведены результаты HQA 224k и LongBench QA, однако они не подтверждают качество на отложенном тесте, а результат HQA зависит от соответствующей конфигурации конвейера. Для воспроизводимой оценки автор рекомендует жадное декодирование. Репозиторий доступен публично; лицензия в предоставленных сведениях не указана.

Cerberus-v0.1 — языковая модель BRAHMAI для генерации текста и диалогового взаимодействия. Это плотная трансформерная модель семейства Llama с 69,5 млрд параметров, реализованная для Transformers и распространяемая в формате safetensors. Контекстное окно составляет 8192 токена; в метаданных указан английский язык. Модель предназначена для создания текстов, перевода, суммаризации документов и ответов на вопросы. Её можно применять в творческом письме, подготовке кратких изложений и информационных чат-сценариях. Карточка заявляет поддержку нескольких языков, но не приводит их перечень или результаты численных бенчмарков. Модель выпущена в июне 2024 года. Лицензия — Llama 3 Community License (llama3). Карточка отмечает, что качество может различаться в зависимости от предметной области, а ответы могут упускать культурные и контекстные нюансы.

abdur197/fine-tuned-column-mapper — дообученная модель Sentence Transformers на базе sentence-transformers/all-MiniLM-L6-v2, созданная для стандартизации названий столбцов. Она кодирует предложения и короткие фрагменты текста в плотные векторы размерности 384; сходство между ними оценивается косинусной мерой. Архитектура основана на BERT с усреднением токенных представлений и нормализацией векторов. Основной сценарий — сопоставление вариантов названий столбцов с каноническими названиями, например при приведении схем таблиц к единому виду. Модель также поддерживает семантический поиск и сравнение текстов, поиск перефразировок, кластеризацию и классификацию на основе эмбеддингов. Обучение проводилось на 1 786 примерах пар текстов с метками сходства. Метаданные указывают предел контекста 512 токенов; в README для конфигурации модели указан максимум 256 токенов. Модель описана как англоязычная базовая модель, а обучающие примеры содержат названия на индонезийском и английском, поэтому качество для других языков не подтверждено. Лицензия в предоставленных данных не указана.

GreenNode/GreenNode-Embedding-Large-VN-Mixed-V1 — модель GreenNode для получения плотных векторных представлений предложений и абзацев. Она построена на XLM-RoBERTa с архитектурой Sentence Transformers: векторное представление размерности 1024 нормализуется, а сходство можно оценивать косинусной мерой. Модель содержит 658,7 млн параметров и принимает последовательности длиной до 8194 токенов. Модель предназначена для семантического поиска, сравнения текстов, поиска перефразирований, кластеризации и классификации. В карточке приведены результаты на наборах для поиска по таблицам и вьетнамским юридическим текстам и ответам на вопросы; заявленные языки — вьетнамский и английский. Репозиторий содержит веса в формате safetensors и использует библиотеку Sentence Transformers. Лицензия — MIT.

KTDSbaseLM v0.12 — диалоговая языковая модель AIDX-ktds, дообученная методом SFT на основе OpenChat 3.5 с архитектурой Mistral. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 8192 токена. Она предназначена прежде всего для работы на корейском языке и с контекстами корейского общества и культуры. Модель может отвечать на вопросы, вести диалог, создавать и суммировать документы, анализировать тональность и помогать с учебными, деловыми и культурными задачами. В карточке описаны обучающие данные с вопросами и ответами по истории, финансам, праву, налогам, математике и естественным наукам. Указана лицензия Apache-2.0. Ограничения включают возможную неточность в темах вне корейского языкового и культурного контекста, нехватку актуальных международных и узкоспециализированных знаний, ограниченные способности к сложным рассуждениям и риск смещённых ответов.

llm-jp-3-8x1.8b-instruct2 — японская инструктивная языковая модель серии LLM-jp-3, разработанной Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это причинный трансформер Mixtral с архитектурой MoE: 8 экспертов, из которых активируются 2; в метаданных указано 1,7 млрд параметров, а README сообщает 9,27 млрд общих и около 2,92 млрд активируемых параметров. Модель предобучалась на 2,1 трлн токенов, а затем прошла supervised fine-tuning и Direct Preference Optimization. Модель предназначена для диалогов и выполнения инструкций на японском языке, включая ответы на вопросы, извлечение и изложение информации, рассуждения и создание текстов. Контекст составляет 4096 токенов. Карточка описывает преимущественно японские данные и сценарии; метаданные также указывают английский язык. Репозиторий использует формат Transformers и файлы safetensors. Лицензия — Apache-2.0. Разработчики предупреждают, что модель находится на раннем этапе исследований и разработок и не настроена для гарантированного соответствия человеческим намерениям и требованиям безопасности. В README приведены оценки серии LLM-jp-3, но отдельные результаты этой версии в показанных таблицах отсутствуют.

Ministral-3-14B-Reasoning-2512-Uncensored-GGUF — GGUF-квантизированная версия дообученной модели Ministral-3-14B-Reasoning-2512-Uncensored, разработанная ccharnkij на базе модели Mistral AI Ministral-3-14B-Reasoning-2512. Модель предназначена для генерации текста, задач рассуждения и мультимодального понимания изображений вместе с текстом. Модель имеет размер 14 млрд параметров и поддерживает работу с текстом и изображениями. Для анализа изображений необходимо одновременно загружать файл модели GGUF и соответствующий файл mmproj. В README указан английский язык; сведения о размере контекстного окна и точной архитектуре отсутствуют. Формат GGUF ориентирован на локальный запуск в совместимом программном обеспечении, однако конкретные требования к оборудованию не указаны. Ключевая особенность версии — дообучение с неконтент-фильтрованными ответами, что может расширять диапазон генерируемых ответов, но также повышает риски нежелательного или небезопасного содержания. Модель заявлена для исследовательских и образовательных целей. Распространяется по лицензии Apache 2.0.

ArchSpace-Collection публикует экспорт модели OLMo 3 3B SiameseNorm + DepthAttention с этапа 3 обучения на длинном контексте; README указывает, что экспорт соответствует итерации 11921. Это плотная авторегрессионная языковая модель семейства OLMo 3 с архитектурой SiameseNorm и DepthAttention, предназначенная для генерации текста и работы с длинными последовательностями. Модель содержит 3,2 млрд параметров и рассчитана на контекст до 65 536 токенов. Внимание чередует три слоя с локальным скользящим окном 4 096 токенов и один слой полного внимания; для полных слоёв применяется YaRN. Веса представлены в формате safetensors, загрузка описана для Transformers с trust_remote_code=True. Карточка не сообщает о специальных предметных областях или языковой специализации, поэтому модель можно описать как языковую модель общего назначения. Лицензия в предоставленных данных не указана. Для использования требуется версия Transformers не ниже 4.57.6 и ниже 5, а также исполнение встроенного удалённого кода; качество отдельных задач в карточке не оценено.

pjev-2b — компактная модель для типизированных решений, разработанная Kailune-AI и дообученная на базе openbmb/MiniCPM5-2B. Она принимает текстовые свидетельства, вопрос и заданный пользователем список вариантов, а затем за один проход возвращает вероятности для этих вариантов. Модель использует выходной слой базовой LlamaForCausalLM: отдельная голова решений не добавлена, а адаптер объединён с весами. Репозиторий содержит самостоятельные веса, токенизатор и файл калибровки; поддерживаются Transformers и контекст до 131 072 токенов. Модель предназначена для маршрутизации запросов, классификации, проверок по политикам и ответов «да/нет» с чёткими критериями. Вероятности вычисляются через softmax логитов букв вариантов; до 26 вариантов оцениваются совместно, для большего числа используется приближённый турнирный механизм. При нескольких вопросах об одном наборе свидетельств общий префикс можно обработать один раз. В опубликованном README приведены результаты на публичной части JevBench: высокая точность на простых примерах и средняя — на сложных; это не официальный полный рейтинг и не оценка закрытой части набора. Указана ошибка калибровки ECE 0,120 на сложном уровне. Модель всегда распределяет вероятность между предложенными вариантами, не умеет воздерживаться и оценивалась только на английском языке. Лицензия репозитория — Apache-2.0.

Модель Hutgaecha/Qwen3-0.6B-JSON-SFT-GRPO разработана Hutgaecha как дообученная версия Hutgaecha/Qwen3-0.6B-JSON-SFT. Это компактная плотная языковая модель семейства Qwen3 с архитектурой Qwen3ForCausalLM и примерно 507,9 млн параметров. Она предназначена для генерации текста в диалоговом формате, в том числе для задач, связанных с формированием JSON; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст. Контекст составляет до 40 960 токенов. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. Данных о специализированных ограничениях или гарантируемом качестве JSON в карточке нет.

Qwen3.8-27B Heretic v2.1.0 — дообученная методом абляции версия мультимодальной модели Qwen, опубликованная пользователем mlasli. Контрольная точка в формате BF16 сохраняет архитектуру Qwen3.5 плотного типа на 27 млрд параметров и возможности диалога и обработки изображений; модельный репозиторий также сохраняет голову многотокенного предсказания для спекулятивного декодирования. Модель предназначена для диалогов, ответов на запросы и многошаговых задач. Отличительная настройка направлена на более прямое выполнение запросов вместо отказов и перенаправления к безопасным альтернативам. В README оценка такого поведения проведена на текстовых наборах; мультимодальное снятие ограничений не подтверждено. Для заявленного поведения автор рекомендует отключать режим мышления. При включённом режиме возможны уклончивые ответы, отказы и пустые ответы. На опубликованных тестах сохранение знаний и рассуждений близко к базовой модели, с небольшим снижением результатов. Модель принимает текст и, согласно метаданным, поддерживает изображения, однако визуальный путь валидирован только для текста и не заявлен как прошедший проверку на декодирование без ограничений. Карточка указывает английский язык. Лицензия — Apache-2.0.

topk-embed-v1-small — мультимодальная модель извлечения TopK размером 2 млрд параметров, предназначенная для поиска по текстовым документам и изображениям страниц, включая сканы, отчёты и презентации. Она использует позднее взаимодействие: формирует несколько векторов для токенов текста или фрагментов изображения, а затем оценивает релевантность запросов и документов с помощью суммирования MaxSim. Разработчик — TopK, согласно названию и README. Модель рассчитана на retrieval-сценарии с текстовыми запросами и документами на разных языках. В README приведены оценки на восьми наборах ViDoRe v3, включая поиск по изображениям страниц и соответствующему тексту Markdown, а также нативные и межъязыковые запросы. Полная ширина векторов составляет 2048 измерений; доступны префиксные размерности Matryoshka от 64 до 2048. В метаданных указана дообученная база Qwen/Qwen3.5-2B, библиотека Sentence Transformers, формат safetensors и лицензия Apache-2.0. Для запуска README требует CUDA GPU с поддержкой bfloat16 (Ampere или новее).

TyBert — предварительно обученная текстовая модель семейства BERT, выпущенная Trendyol для турецкого языка. Она предназначена для получения признаковых представлений текста и может служить основой для задач понимания языка, включая классификацию текстов и распознавание именованных сущностей. Модель содержит 137,8 млн параметров, принимает текстовые последовательности длиной до 512 токенов и распространяется в формате Safetensors для Transformers. В метаданных основной задачей указано извлечение признаков; также поддерживается заполнение маскированных токенов. Лицензия Apache-2.0.

UEmbed-4B — мультимодальная модель эмбеддингов от Alibaba-NLP на архитектуре Qwen3.5 с примерно 4 млрд параметров. Она принимает текст, изображения, видео и их сочетания, а за один проход формирует плотные векторы и разреженные SPLADE-представления для поиска и сопоставления содержимого. Модель предназначена для семантического и мультимодального поиска, включая поиск по визуальным документам. Плотные векторы подходят для поиска по смыслу, а разреженные активации связаны с терминами словаря и могут использоваться в индексах обратных списков. Модель доступна в формате safetensors и работает через Transformers. Модель обучена на публичных наборах данных для текстового и мультимодального поиска. Лицензия — CC BY 4.0. В README не приведены сведения о длине контекста или результаты, специфичные именно для версии 4B.

Granite-3.3-2B-Instruct — языковая модель IBM Granite Team с 2,5 млрд параметров, дообученная на базе ibm-granite/granite-3.3-2b-base для следования инструкциям и решения задач, требующих рассуждений. Это плотная авторегрессионная модель для генерации текста с контекстом до 131 072 токенов; поддерживает чат и интерфейс вызова инструментов. Модель предназначена для ассистентов и бизнес-приложений. Она подходит для ответов на вопросы, суммаризации длинных документов и встреч, классификации и извлечения текста, RAG, задач по математике и программированию, а также многоязычного диалога. README указывает поддержку английского, немецкого, испанского, французского, японского, португальского, арабского, чешского, итальянского, корейского, нидерландского и китайского языков. По данным разработчика, модель улучшена в рассуждениях, выполнении инструкций, математике и программировании; для структурирования ответа доступны специальные маркеры рассуждений и итогового ответа. Это генеративная языковая модель, поэтому результаты могут содержать ошибки; ограничения базовой Granite-3.3-2B-Base также применимы. Лицензия — Apache 2.0.

Granite-4.1-8B — языковая модель с 8,4 млрд параметров, разработанная командой Granite компании IBM. Это плотный декодерный трансформер с GQA, RoPE, SwiGLU, RMSNorm и общими входными и выходными эмбеддингами. Модель дообучена на основе Granite-4.1-8B-Base с помощью supervised fine-tuning и обучения с подкреплением; доступна в формате Safetensors и рассчитана на контекст до 131 072 токенов. Модель предназначена для следования инструкциям и создания диалоговых помощников, в том числе агентов с вызовом инструментов. Она подходит для суммаризации, классификации и извлечения текста, ответов на вопросы, RAG, задач с кодом и многоязычного диалога. Поддерживаемые языки: английский, немецкий, испанский, французский, японский, португальский, арабский, чешский, итальянский, корейский, нидерландский и китайский. Лицензия — Apache 2.0. Качество на многоязычных задачах может уступать английскому; модель также может выдавать неточные, предвзятые или небезопасные ответы. Для конкретных сценариев рекомендуется проводить проверку безопасности и настройку.

Granite-4.0-H-Micro — компактная инструктивная языковая модель IBM Granite Team для диалогов и выполнения общих инструкций. В карточке модели указаны 2,6 млрд параметров, архитектура GraniteMoeHybrid и контекстное окно до 131 072 токенов. Модель принимает текст и генерирует текст; она доступна в формате Safetensors и рассчитана на использование через Transformers. Модель дообучена от Granite-4.0-H-Micro-Base на открытых наборах инструкций, синтетических и размеченных людьми данных. Для обучения применялись supervised fine-tuning, выравнивание с помощью обучения с подкреплением и объединение моделей. Она подходит для суммаризации, классификации и извлечения текста, ответов на вопросы, RAG, задач с кодом и вызова инструментов, включая корпоративных ассистентов. Поддерживает английский, немецкий, испанский, французский, японский, португальский, арабский, чешский, итальянский, корейский, нидерландский и китайский; также заявлены многоязычные диалоги и дополнение кода FIM. Инструктивная настройка улучшает следование инструкциям и вызов инструментов. По данным README, качество на языках помимо английского может быть ниже; несколько примеров в запросе могут помочь. Модель также может выдавать неточные, предвзятые или небезопасные ответы, поэтому её следует проверять и настраивать для конкретного применения. Лицензия — Apache 2.0.

unsloth/gemma-4-31B-it-qat-w4a16 — инструктивно дообученная мультимодальная модель семейства Gemma 4, разработанная Google DeepMind. Это вариант с Quantization-Aware Training (QAT), представленный в формате compressed-tensors w4a16 для оптимизированного инференса через vLLM. Модель принимает текст и изображения и генерирует текст; поддерживает более 140 языков и контекст до 256K токенов. Аудиовход для версии 31B не заявлен. Модель предназначена для генерации текста, программирования, рассуждений, мультимодального анализа, агентских сценариев и вызова функций. Она использует плотную (Dense) архитектуру с 30,7 млрд параметров, 60 слоями, размером скользящего окна внимания 1024 токена и словарём из 262 тысяч токенов. Гибридный механизм внимания сочетает локальное скользящее и глобальное внимание, что помогает снижать затраты памяти при работе с длинным контекстом. Поддерживаются настраиваемые режимы рассуждений и системные промпты. Ключевое преимущество версии QAT — существенно сниженные требования к памяти при сохранении качества, близкого к bfloat16, а формат w4a16 ориентирован на эффективное развёртывание. Ограничение модели — отсутствие заявленной поддержки аудио, а также необходимость совместимой инфраструктуры для работы с форматом compressed-tensors и vLLM. Модель распространяется по лицензии Apache 2.0.

unsloth/granite-4.0-350m — компактная инструктивная языковая модель семейства Granite 4.0, опубликованная Unsloth в формате safetensors. Она основана на IBM Granite-4.0-350M и дообучена с применением инструкционных данных; исходную модель разработала команда Granite в IBM. Архитектура — плотный декодерный трансформер GraniteMoeHybridForCausalLM с GQA, SwiGLU, RMSNorm и общими входными и выходными эмбеддингами. Модель содержит 352,3 млн параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и следования инструкциям, включая суммаризацию, классификацию и извлечение текста, ответы на вопросы, RAG, задачи с кодом, вызов инструментов и заполнение пропусков в коде. Её небольшой размер подходит для развёртывания на устройствах и дообучения под специализированные задачи. Заявлена поддержка английского, немецкого, испанского, французского, японского, португальского, арабского, чешского, итальянского, корейского, нидерландского и китайского языков; обучение преимущественно опиралось на англоязычные инструкции, поэтому качество на других языках может быть ниже. Модель может выдавать неточные, предвзятые или небезопасные ответы, поэтому для конкретных сценариев нужны проверка и настройка безопасности. Лицензия — Apache 2.0.

Granite-4.0-H-Micro — компактная инструктивная языковая модель, опубликованная Unsloth и разработанная командой Granite компании IBM. В карточке указано 3 млрд параметров, а в метаданных репозитория — 2,6 млрд; модель основана на ibm-granite/granite-4.0-h-micro и дообучена на открытых инструктивных и синтетических данных с применением supervised fine-tuning, выравнивания с подкреплением и объединения моделей. Используется архитектура decoder-only с компонентами GQA, Mamba2, SwiGLU и RMSNorm; формат весов — Safetensors, библиотека — Transformers, контекст — до 131 072 токенов. Модель предназначена для диалоговых ассистентов и бизнес-приложений. Она следует инструкциям, поддерживает вызов инструментов и подходит для суммаризации, классификации и извлечения текста, ответов на вопросы, RAG, задач с кодом, заполнения пропусков в коде и многоязычного диалога. Заявлена поддержка английского, немецкого, испанского, французского, японского, португальского, арабского, чешского, итальянского, корейского, нидерландского и китайского языков. Лицензия — Apache 2.0. Качество на многоязычных задачах может уступать английскому; модель также может выдавать неточные, предвзятые или небезопасные ответы, поэтому её следует проверять и настраивать под конкретный сценарий.

Карточка модели RedHatAI/granite-4.1-8b на Hugging Face совпадает с карточкой ibm-granite/granite-4.1-8b, поэтому описание составлено по ней. Granite-4.1-8B — языковая модель с 8,4 млрд параметров, разработанная командой Granite компании IBM. Это плотный декодерный трансформер с GQA, RoPE, SwiGLU, RMSNorm и общими входными и выходными эмбеддингами. Модель дообучена на основе Granite-4.1-8B-Base с помощью supervised fine-tuning и обучения с подкреплением; доступна в формате Safetensors и рассчитана на контекст до 131 072 токенов. Модель предназначена для следования инструкциям и создания диалоговых помощников, в том числе агентов с вызовом инструментов. Она подходит для суммаризации, классификации и извлечения текста, ответов на вопросы, RAG, задач с кодом и многоязычного диалога. Поддерживаемые языки: английский, немецкий, испанский, французский, японский, португальский, арабский, чешский, итальянский, корейский, нидерландский и китайский. Лицензия — Apache 2.0. Качество на многоязычных задачах может уступать английскому; модель также может выдавать неточные, предвзятые или небезопасные ответы. Для конкретных сценариев рекомендуется проводить проверку безопасности и настройку.

Qwen3.5-122B-A10B — мультимодальная причинная языковая модель с визуальным энкодером, разработанная командой Qwen. Репозиторий содержит постобученные веса и конфигурацию в формате Transformers; модель сочетает Gated Delta Networks с разреженной архитектурой Mixture-of-Experts. Всего в модели 122 млрд параметров, из которых при генерации активируются 10 млрд; предусмотрено 256 экспертов, 8 маршрутизируемых и один общий активируются для каждого шага. Модель предназначена для диалога и решения задач по тексту и изображениям, включая рассуждения, программирование, понимание визуального содержимого и работу с инструментами. README также описывает обработку видео и расширенный контекст. Нативное окно контекста — 262 144 токена, с возможностью расширения до 1 010 000. Заявлена поддержка 201 языка и диалекта; точный перечень языков в предоставленной карточке опущен. Среди сильных сторон — сочетание мультимодального понимания, инструментального взаимодействия и разреженной архитектуры, рассчитанной на эффективный инференс. Для запуска требуются совместимые версии Transformers или специализированные движки, например vLLM, SGLang или KTransformers; производительность и расход памяти зависят от инфраструктуры, а README предупреждает о риске нехватки памяти при большом контексте. Лицензия — Apache-2.0.

StepFun разработала Step 3.7 Flash — мультимодальную модель со смесью экспертов (MoE), предназначенную для высоконагруженных рабочих процессов. Она содержит 198 млрд параметров, из которых около 11 млрд активируются на каждом токене; включает языковую часть на 196 млрд параметров и визуальный энкодер на 1,8 млрд. Модель принимает изображения и текст, поддерживает контекст до 256 тыс. токенов и три уровня рассуждений: низкий, средний и высокий. Модель предназначена для понимания изображений, анализа больших документов, многошагового поиска и проверки фактов, оркестрации инструментов и API, а также для задач разработки ПО — например, поиска ошибок в репозиториях и подготовки исправлений. Заявленная скорость генерации достигает 400 токенов в секунду. Карточка описывает её как модель для производственных нагрузок; доступны варианты развёртывания через облачные платформы и локальные средства инференса. Репозиторий использует библиотеку Transformers и формат Safetensors. Лицензия — Apache-2.0. В метаданных указан английский язык; README не подтверждает поддержку других естественных языков.