I.4Обработка документов и форм

Creatium LLM Coach — дообученная модель aayush1306 на базе мультимодальной Qwen3.5-9B. Она предназначена для диалогового взаимодействия и задач, где нужно анализировать изображения и отвечать на вопросы по ним; также поддерживает интерфейс вызова инструментов. Архитектура плотная, формат весов — Safetensors. В README указано, что обучение проводилось с Unsloth и библиотекой TRL. Модель принимает текст и изображения и выдаёт текст. В карточке указан английский язык. Размер базовой модели — 9 млрд параметров. Модель распространяется по лицензии Apache-2.0. Сведений о длине контекста и специализированной области применения в предоставленных данных нет.

Карточка модели hustvl/DiffusionVL-Qwen2.5-7B на Hugging Face совпадает с карточкой hustvl/DiffusionVL-Qwen2.5VL-7B, поэтому описание составлено по ней. DiffusionVL-Qwen2.5VL-7B — модель зрения и языка на основе Qwen2.5-VL, представленная исследователями Huazhong University of Science and Technology. Авторы применили к предварительно обученной авторегрессионной модели метод diffusion fine-tuning, преобразовав её в vision-language-модель с диффузионной генерацией. Модель содержит 7,1 млрд параметров, использует архитектуру DiffusionVL_Qwen2_5_VL_ForConditionalGeneration и поддерживает контекст до 128 000 токенов. Модель предназначена для диалоговых сценариев с изображениями и текстом, включая ответы на вопросы по изображениям и генерацию текста по визуальному контексту. DiffusionVL использует блочное декодирование, допускающее генерацию произвольной длины и повторное использование KV-кэша; авторы сообщают об ускорении инференса в 2 раза по сравнению с рассматриваемыми ими существующими diffusion vision-language-моделями. Репозиторий предоставляет веса safetensors для Transformers. Лицензия — Apache 2.0.

Dream-VL 7B — открытая диффузионная модель для работы с изображениями и языковыми инструкциями, разработанная командой Dream-org. Модель принимает текст и изображения, а отвечает текстом; она предназначена для диалога и выполнения инструкций с визуальным содержимым. Модель содержит 7,1 млрд параметров, использует архитектуру Dream-VL и визуальную основу Qwen2ViT. Она дообучена на 12 млн мультимодальных примеров из MAmmoTH-VL-Instruct-12M и работает через библиотеку Transformers. Контекст — до 131 072 токенов. Основной язык карточки — английский. Лицензия Apache 2.0.

Карточка модели EdgeAIMed/EdgeAIMed-PII-SuperClinical-Large-434M-v1 на Hugging Face совпадает с карточкой OpenMed/OpenMed-PII-SuperClinical-Large-434M-v1, поэтому описание составлено по ней. OpenMed-PII-SuperClinical-Large-434M-v1 — англоязычная модель OpenMed для обнаружения и классификации персональных и иных чувствительных данных в тексте. Это дообученная на задаче токенной классификации модель Microsoft DeBERTa V3 Large с архитектурой DeBERTa V2; в метаданных указано 533,8 млн параметров и контекст до 512 токенов. Модель размечает 54 типа сущностей, включая имена, адреса, контактные данные, финансовые идентификаторы и сведения из медицинских записей. Модель предназначена для выявления PII в клинических заметках, медицинских документах и текстовых коллекциях, например перед обезличиванием данных, аудитом документов и подготовкой наборов данных. В README приведён результат micro F1 0,9608 на тестовой выборке из NVIDIA Nemotron-PII; качество различается между типами сущностей, а для некоторых категорий оно ниже. Модель рассчитана прежде всего на английский текст и может пропускать чувствительные данные, поэтому результаты в критичных сценариях требуют проверки человеком. Распространяется по лицензии Apache-2.0.

ERNIE-4.5-VL-28B-A3B-Paddle — мультимодальная модель семейства ERNIE 4.5 от Baidu, распространяемая с весами для PaddlePaddle. Это чат-модель на архитектуре MoE с обработкой текста и изображений: всего 28 млрд параметров, из которых для каждого токена активируется около 3 млрд. Модель прошла этап постобучения; доступны режимы с рассуждением и без него. Модель предназначена для понимания изображений и текста, генерации ответов и межмодальных рассуждений. Её можно использовать для диалога по изображению, описания визуальных материалов и ответов на вопросы о них. Карточка указывает поддержку английского и китайского языков. Для развёртывания приведён пример сервера FastDeploy с контекстом до 32 768 токенов. Модель распространяется по лицензии Apache-2.0. Для запуска нужны совместимая среда PaddlePaddle и ресурсы для обслуживания MoE-модели; карточка не приводит независимых оценок качества, поэтому пригодность для конкретной задачи следует проверять отдельно.

Модель leeshal/flan-t5-small-resume-extractor-v2 — дообученная автором портфолио-проекта FLAN-T5-small для извлечения структурированных сведений из резюме. Она принимает текст резюме и по отдельной инструкции извлекает навыки, высшее образование и названия проектов; результаты выдаёт текстом, разделяя несколько значений точками с запятой. Архитектура — T5 для генерации последовательности, размер — 45,8 млн параметров, нативный контекст — 512 токенов. В обучении использовались только синтетические резюме на английском языке; модель опубликована в формате safetensors. На синтетическом тестовом наборе модель показала высокие результаты, но эти оценки отражают работу с синтетическим форматом и не предсказывают точность на реальных резюме. Проверка на одном реальном резюме ограничена единичным примером; длинные резюме следует подавать целиком, поскольку усечение ухудшает извлечение. Модель может придумать ответ для отсутствующего или оборванного раздела, неверно разбирает некоторые строки сертификатов и не оценивалась на справедливость. Это учебный проект, не предназначенный для решений о найме. Лицензия — Apache-2.0.

Это мультимодальная чат-модель семейства Gemma 3 с архитектурой Gemma3ForConditionalGeneration, подготовленная сообществом mlx-community в формате MLX на основе google/gemma-3-27b-it-qat-q4_0-unquantized с помощью mlx-vlm 0.1.23. Метаданные каталога также связывают её с дообученной OpenGVLab/InternVL3-1B-Instruct, однако README указывает конвертацию из модели Gemma 3; поэтому происхождение и базовую модель нельзя однозначно установить. Модель предназначена для диалога по тексту и изображениям. Репозиторий содержит веса safetensors, а в названии указана 4-битная QAT-версия. Карточка отсылает за подробностями о возможностях к исходной модели. Лицензия в метаданных обозначена как other; конкретные условия следует сверить с оригинальной карточкой модели.

mlx-community/gemma-4-26b-a4b-bf16 — конвертированная для MLX версия модели Google Gemma 4 26B A4B. Репозиторий подготовлен сообществом mlx-community с помощью mlx-vlm 0.4.3; модель предназначена для сценариев «изображение и текст на входе — текст на выходе», включая ответы на вопросы об изображениях и диалог с визуальным контекстом. В метаданных указаны архитектура Gemma4ForConditionalGeneration, возможность работы с изображениями и лицензия Apache-2.0. Модель использует формат safetensors и рассчитана на запуск через mlx-vlm. Суффикс bf16 указывает на представление весов в BF16; README описывает преобразование из google/gemma-4-26b-a4b в формат MLX. Карточка перенаправляет за подробностями о возможностях к исходной модели, поэтому конкретные языки, длина контекста и подробные ограничения здесь не подтверждены.

Это 4-битная MLX-квантизованная версия модели gemma-4-26B-A4B-it, разработанной Google. Квантизацию предоставила команда LM Studio с использованием mlx_vlm; модель оптимизирована для запуска на устройствах Apple Silicon. В карточке она отнесена к задачам преобразования изображений и текста, что указывает на мультимодальный сценарий работы. Модель предназначена для локального применения в совместимых средах, включая LM Studio, особенно на компьютерах Apple Silicon, где 4-битное представление может снизить требования к памяти и ускорить запуск по сравнению с полной версией. Обозначение модели указывает на размер 26B и конфигурацию A4B, однако сведения о точной архитектуре, поддерживаемых языках, размере контекста, производительности и бенчмарках не приведены. К ограничениям также относятся возможные потери качества из-за квантизации и зависимость от аппаратной совместимости с MLX. В карточке указана лицензия Apache-2.0.

r-karra/gemma-4-bible-dpo-merged — дообученная модель семейства Gemma 4, созданная r-karra на базе unsloth/gemma-4-e2b-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. По метаданным она поддерживает обработку изображений вместе с текстом и предназначена для задачи image-text-to-text; карточка не уточняет конкретные сценарии работы с Библией, несмотря на название репозитория. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Eugeniuss дообучил Gemma 4 E4B IT на базе unsloth/gemma-4-E4B-it-unsloth-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Это плотная мультимодальная модель семейства Gemma 4 для диалогов с изображениями: она принимает текст и изображения и формирует текстовые ответы. Карточка указывает интерфейс для вызова инструментов. Модель распространяется по лицензии Apache-2.0.

GLM-4.6V-Flash-MLX-4bit — это 4-битная квантизированная версия мультимодальной модели GLM-4.6V-Flash, разработанной командой zai-org. Квантизация в формате MLX выполнена командой LM Studio с использованием mlx_vlm; модель оптимизирована для работы на компьютерах Apple Silicon. Она предназначена для задач image-text-to-text, то есть обработки изображений и текста с генерацией текстовых ответов, однако конкретные поддерживаемые сценарии и возможности оригинальной модели в README не раскрыты. В карточке указаны китайский и английский языки, мультимодальная направленность и 4-битное представление весов. Основные преимущества — сниженные требования к памяти и адаптация к экосистеме Apple Silicon, что может упростить локальный запуск. Сведения об архитектуре, числе параметров, размере контекста, точных возможностях работы с изображениями и ограничениях качества отсутствуют. Для модели указана лицензия MIT.

HiLLaVA-llama3.1 — мультимодальная модель Hancom InSpace на архитектуре LLaVA: языковая часть основана на Meta-Llama-3.1-8B-Instruct, а визуальная — на CLIP ViT-L/14 с размером изображения 336 пикселей. Модель содержит 7,5 млрд параметров и принимает изображения вместе с текстовыми инструкциями, чтобы отвечать на вопросы о визуальном содержимом и выполнять задания на понимание изображений. В карточке указаны английский и корейский языки; контекстное окно — до 131 072 токенов. Модель дообучена на наборах LLaVA для предварительного обучения и инструктивного обучения с визуальным вводом. Метаданные задают основную задачу как image-text-to-text; каталог также отмечает text-generation. Модель распространяется под лицензией Apache-2.0. При использовании и распространении следует учитывать условия лицензий исходных наборов данных, включая CC-3M, BLIP и LLaVA Visual Instruct 150K.

Imp-v1-3b — компактная мультимодальная языковая модель проекта MILVLG при Ханчжоуском университете электроники. Она объединяет языковую модель Phi-2 размером 2,7 млрд параметров и визуальный энкодер SigLIP размером 0,4 млрд параметров; общий размер модели в метаданных указан как 3,5 млрд параметров. Модель обучена на обучающем наборе LLaVA-v1.5 и предназначена для диалога о визуальном содержимом и ответов на вопросы по изображениям. Модель подходит для визуального вопросно-ответного взаимодействия и описания изображений, в том числе для компактных мультимодальных приложений. README сообщает о сравнительной оценке на девяти бенчмарках, включая VQA и TextVQA, но не приводит здесь полный набор результатов. Метаданные указывают контекст длиной 3072 токена и формат весов safetensors. Лицензия — Apache-2.0. В README отмечено, что технический отчёт и код обучения планировалось выпустить позднее; заявленные результаты бенчмарков не являются гарантией качества в прикладных сценариях.

OpenGVLab/InternVL2-2B-AWQ — мультимодальная модель для задач преобразования изображений и текста в текст, разработанная командой OpenGVLab. Она предназначена для анализа изображений по текстовым запросам, генерации описаний и использования в мультимодальных чат-сценариях. Модель можно развёртывать для пакетного офлайн-инференса или предоставлять через REST API, совместимый с интерфейсами OpenAI, с помощью LMDeploy. Это квантизированная версия базовой модели OpenGVLab/InternVL2-2B с 4-битным квантизированием весов AWQ в формате W4A16. В README указано, что модель поддерживает мультиязычные сценарии, но конкретный список языков, размер контекста и подробности архитектуры не приведены. Для инференса заявлена поддержка GPU NVIDIA поколений Turing, Ampere и Ada Lovelace; высокопроизводительное CUDA-ядро LMDeploy может обеспечивать ускорение до 2,4 раза по сравнению с FP16. К сильным сторонам относятся сниженное потребление памяти благодаря 4-битному представлению весов, возможность локального развёртывания и интеграция с OpenAI-совместимым API. Ограничения включают зависимость от LMDeploy и совместимого NVIDIA GPU для описанного режима W4A16, а также отсутствие в README подробных данных о качестве, точности, поддерживаемых языках и максимальной длине контекста. Проект распространяется по лицензии MIT; компонент internlm2-chat-1_8b используется по лицензии Apache License 2.0.

InternVL3-2B-hf — реализация модели OpenGVLab InternVL3 в формате Hugging Face Transformers. Это плотная мультимодальная модель семейства InternVL с архитектурой InternVLForConditionalGeneration; репозиторий заявлен как функционально эквивалентный исходному выпуску InternVL3-2B. Модель дообучена на основе OpenGVLab/InternVL3-2B-Instruct. Модель принимает текст, изображения и видео, в том числе несколько изображений и перемежающиеся визуальные и текстовые данные, и генерирует текстовые ответы. Она предназначена для диалогового анализа изображений и видео, визуального рассуждения и текстовой генерации; реализация поддерживает пакетный инференс и механизмы внимания Transformers, включая SDPA и FA2. В README также описаны возможности семейства InternVL3 для работы с инструментами, графическими интерфейсами, промышленными изображениями и 3D-восприятием, но их поддержку именно этой модели следует проверять отдельно. Модель опубликована в формате safetensors и использует библиотеку Transformers. В метаданных указана лицензия other; конкретные условия использования следует уточнить в материалах проекта. Языковая поддержка обозначена как мультиязычная, без перечисления конкретных языков.

mlx-community/Kimi-VL-A3B-Thinking-6bit — мультимодальная чат-модель семейства Kimi-VL, опубликованная сообществом mlx-community. Репозиторий содержит конверсию модели moonshotai/Kimi-VL-A3B-Thinking в формат MLX; в README указана версия mlx-vlm 0.1.23. По метаданным, модель основана на дообучении OpenGVLab/InternVL3-1B-Instruct и поддерживает диалог по тексту и изображениям. Модель предназначена для визуального понимания и ответов на вопросы об изображениях в формате диалога; также поддерживает генерацию текста. Указана мультиязычная поддержка, однако конкретные языки и длина контекста в доступных данных не перечислены. Файлы представлены в safetensors, лицензия обозначена как other. README отсылает к карточке исходной модели за подробностями, поэтому специальные ограничения и условия лицензии по этим данным установить нельзя.

MiniCPM-V-2_6-GGUF — мультимодальная модель для визуального ответа на вопросы, созданная openbmb на основе openbmb/MiniCPM-V-2_6 и преобразованная в формат GGUF компанией Second State Inc. Она предназначена для сценариев, где требуется анализ изображений и ответы на вопросы по их содержимому, включая работу через LlamaEdge. Модель поддерживает текст и изображения: изображение передаётся вместе с вопросом, а модель генерирует текстовый ответ. Заявлены английский и китайский языки. Размер контекста составляет 128 000 токенов. Архитектура и общее число параметров в README не указаны. Доступны варианты квантования от 2 до 8 бит, а также f16 размером от 3,01 до 15,2 ГБ. Варианты Q4_K_M, Q5_K_M и Q5_K_S рекомендуются как сбалансированные по качеству и размеру, тогда как низкобитные варианты заметно теряют в качестве. К сильным сторонам относятся мультимодальность, большой контекст и широкий выбор квантованных сборок для запуска на устройствах с разными ограничениями по памяти. Ограничения включают потенциальную потерю качества при агрессивном квантовании и отсутствие в README подробных данных о точности, параметрах обучения, производительности и лицензии. Для запуска через LlamaEdge требуется версия v0.14.17 или выше и мультимодальный проектор mmproj.

MiniCPM-V-4_5-GGUF — мультимодальная модель для визуального ответа на вопросы, созданная openbmb и представленная в формате GGUF компанией Second State Inc. Модель предназначена для сценариев, в которых требуется анализ изображения и формирование ответа на вопрос пользователя, включая работу через LlamaEdge. Поддерживаются английский и китайский языки, а также обработка изображений совместно с текстовыми запросами. Доступны варианты квантования Q2_K–Q8_0 и f16 размером от 3,28 до 16,4 ГБ; отдельный мультимодальный проектор MiniCPM-V-4_5-mmproj-f16.gguf имеет размер 1,10 ГБ. Для запуска в LlamaEdge указан контекст 128 000 токенов и шаблон prompt-типа minicpmv. Более низкие уровни квантования экономят память, но могут существенно снижать качество; Q4_K_M рекомендован как сбалансированный вариант, а Q5_K_M и Q5_K_S — как варианты с минимальной потерей качества. Архитектура и точное число параметров в README не указаны. Для использования требуется совместимый рантайм, мультимодальный проектор и соответствующая версия LlamaEdge; на момент публикации версия LlamaEdge для модели обозначена как готовящаяся. Лицензия в README не указана.

MiniCPM-V-4-GGUF — мультимодальная модель для визуальных вопросов и ответов, основанная на openbmb/MiniCPM-V-4. Исходную модель разработала команда openbmb, а GGUF-квантизации подготовила Second State Inc. Модель предназначена для анализа изображений и ответов на вопросы по их содержимому, включая сценарии локального запуска через LlamaEdge. Поддерживаются английский и китайский языки. Для работы с изображениями используется отдельный мультимодальный проектор MiniCPM-V-4-mmproj-f16.gguf, а заявленный размер контекста составляет 128 000 токенов. Доступны варианты GGUF с квантизацией от Q2_K до Q8_0, а также f16; размеры файлов варьируются примерно от 1,40 до 7,21 ГБ, не считая мультимодального проектора размером 959 МБ. Варианты Q4_K_M, Q5_K_M и Q5_K_S отмечены как рекомендуемые благодаря балансу размера и качества. Основные преимущества — мультимодальность, большой контекст и широкий выбор квантизаций для устройств с разными ресурсами. Более агрессивная квантизация уменьшает требования к памяти, но может существенно снижать качество; для некоторых вариантов README прямо указывает значительную или высокую потерю качества. Архитектура и точное число параметров в предоставленных данных не указаны. Лицензия модели в README не указана.

Карточка модели exo-jhop/ministral3-gdpr-distilled на Hugging Face совпадает с карточкой exo-jhop/ministral3-gdpr-lora, поэтому описание составлено по ней. exo-jhop/ministral3-gdpr-lora — дообученная модель семейства Mistral3 на базе Ministral 3 8B Instruct, подготовленная автором exo-jhop с использованием Unsloth и библиотеки TRL. Она принимает текст и изображения и предназначена для диалоговых сценариев с визуальным вводом; карточка классифицирует её как image-text-to-text и указывает поддержку vision и интерфейса вызова инструментов. Размер базовой модели — 8 млрд параметров; в репозитории указаны веса SafeTensors. Модель может быть полезна для анализа изображений и ответов на вопросы о них в чате. Выпущена по лицензии Apache-2.0.

daominhwysi/mmbert-small-vi-exam-seq-labeling — модель токенной классификации, разработанная автором репозитория и дообученная на базе многоязычного энкодера jhu-clsp/mmBERT-base для разметки структуры экзаменационных заданий. Она предназначена для извлечения из вьетнамских экзаменационных документов номеров и меток вопросов, формулировок заданий и обозначений вариантов ответа. Модель ориентирована на школьные экзамены 8–12 классов по математике, естественным и гуманитарным предметам, а также английскому языку. Архитектура основана на ModernBERT с головой токенной классификации, объединяющей последние четыре скрытых слоя. Заявлена работа с контекстом до 8192 токенов; обучение использовало скользящие окна разных размеров. Выходная разметка следует схеме BIO. README заявляет сохранение исходных символов при реконструкции структуры, однако приведённая таблица оценки содержит несогласованные показатели: Macro F1 87,36% при Precision и Recall 0,00%, поэтому качество следует проверять на собственных данных. Модель принимает текст экзамена и выдаёт последовательностные метки; поддержка сканированных документов предполагает наличие отдельного этапа распознавания текста. Репозиторий распространяется по лицензии Apache-2.0.

OpenMed-PII-BioClinicalModern-Large-395M-v1 — модель OpenMed для обнаружения и классификации персональных и медицинских идентификаторов в тексте. Это дообученная для токен-классификации версия BioClinical-ModernBERT-large: архитектура ModernBERT, около 394,7 млн параметров, окно контекста 8192 токена. Модель обучена на наборе NVIDIA Nemotron-PII и распознаёт 54 типа чувствительных сущностей, включая имена, адреса, номера медицинских записей, финансовые и контактные данные. Модель предназначена для поиска и последующего удаления или маскирования персональных данных в клинических записях, медицинских документах и корпусах текстов, а также для подготовки данных к исследованиям и аудиту приватности. В README приведён результат micro-F1 0,9579 на тестовой выборке из 2000 примеров; показатели различаются между категориями, а для дат, уровня образования и языка отмечены более сложные случаи. Основной язык — английский. Результаты следует проверять человеком: модель может пропускать чувствительные данные, а качество зависит от контекста и терминологии. Распространяется по лицензии Apache-2.0.

OpenMed-PII-German-ClinicDischarge-Base-110M-v1 — модель OpenMed для выявления и классификации персональных данных в немецком тексте. Это модель токеновой классификации на базе BERT, дообученная на Bio_Discharge_Summary_BERT; она содержит 135,5 млн параметров и обрабатывает последовательности длиной до 512 токенов. Модель распознаёт 54 типа чувствительных сущностей, включая имена, адреса, контактные данные, идентификаторы, финансовые и медицинские сведения. Она предназначена для обезличивания клинических записей и других документов, подготовки наборов данных к исследованиям и поиска персональных данных при проверке документов. В README сообщается о micro F1 0,9308 на немецкой части набора AI4Privacy. Модель оптимизирована для немецкого языка. README предупреждает, что она может пропускать некоторые данные, а качество зависит от предметной области; для важных сценариев требуется проверка человеком. Лицензия — Apache-2.0.

OpenMed-PII-Italian-BioClinicalBERT-Base-110M-v1 — модель OpenMed для обнаружения и классификации персональных данных в итальянском тексте. Это плотная трансформерная модель семейства BERT, дообученная на базе emilyalsentzer/Bio_ClinicalBERT и реализованная как BertForTokenClassification. Она обрабатывает последовательности токенов с контекстом до 512 токенов и выдаёт BIO-разметку для 54 типов чувствительных сущностей, включая имена, адреса, идентификаторы, медицинские и финансовые данные, контакты и даты. Модель предназначена для поиска персональных данных в клинических записях и документах, их обезличивания, подготовки наборов данных к исследованиям и аудита коллекций документов. В README сообщается о Micro F1 0,9260 на итальянской части набора AI4Privacy PII Masking 400k. Лицензия — Apache-2.0. Модель оптимизирована для итальянского языка. README предупреждает о возможных пропусках персональных данных и изменении качества на специализированной терминологии; результаты для критически важных сценариев следует проверять человеком.

OpenMed-PII-Italian-ClinicalBGE-Large-335M-v1 — модель OpenMed для обнаружения и классификации персональных данных в итальянском тексте. Это дообученная BERT-модель с архитектурой BertForTokenClassification и 433,9 млн параметров; она принимает текст и размечает токены по категориям чувствительной информации. Контекст модели составляет 512 токенов. Модель предназначена для поиска имен, адресов, идентификаторов, контактных, финансовых и медицинских сведений в клинических записях, медицинских документах и других текстах. Её можно использовать для подготовки документов к обезличиванию, аудита наборов данных и поддержки процессов соблюдения GDPR. В оценке на итальянской части AI4Privacy модель показала micro F1 0,9605. Модель оптимизирована для итальянского языка; качество на других языках может быть ниже, а некоторые персональные данные могут остаться нераспознанными. Разработчики рекомендуют использовать её как вспомогательный инструмент с проверкой человеком в критически важных случаях. Лицензия — Apache-2.0.

OpenMed-PII-mSuperClinical-Large-279M-v1 — модель OpenMed для обнаружения и классификации персональных и медицинских идентификаторов в тексте. Это дообученная для токенной классификации модель на архитектуре DeBERTa V2; в метаданных указано 306 млн параметров, контекст до 512 токенов и формат safetensors. Модель обучена на NVIDIA Nemotron-PII и рассчитана прежде всего на англоязычный текст. Модель выделяет 54 типа чувствительных сущностей, включая имена, адреса, номера социального страхования и медицинских карт, контактные и финансовые данные. Её можно применять для поиска PII в клинических записях и документах, подготовки данных к исследованию, деидентификации и поддержки аудита приватности. В README сообщается micro F1 0,9534 на тестовой выборке из 2 000 примеров. Разработчик позиционирует модель как вспомогательный компонент конвейера обработки, а не замену проверке человеком: возможны пропуски, а качество зависит от терминологии и типа сущности. README указывает лицензию Apache-2.0; для использования в критичных сценариях результаты следует проверять.

OpenMed-PII-NomicMed-Large-395M-v1 — англоязычная модель OpenMed для поиска и классификации персональных и чувствительных данных в тексте. Это дообученная модель ModernBERT с архитектурой токеновой классификации, содержащая 394,7 млн параметров и поддерживающая контекст до 8192 токенов. Она размечает 54 типа сущностей, включая имена, адреса, контактные данные, финансовые идентификаторы и медицинские номера. Модель предназначена для обнаружения PII в клинических записях и документах, подготовки данных к обезличиванию, аудита коллекций и поддержки процессов соблюдения требований конфиденциальности. В README приведён результат micro F1 0,9569 на тестовой выборке из NVIDIA Nemotron-PII; для отдельных типов сущностей качество различается, а для некоторых категорий оно ниже. Модель обучена преимущественно на английском тексте, поэтому её применение к другим языкам требует отдельной проверки. Лицензия — Apache-2.0. Модель следует использовать как вспомогательный инструмент с проверкой результатов человеком: она может пропускать чувствительные данные, а качество зависит от предметной области.

OpenMed разработала OpenMed-PII-Spanish-BioClinicalModern-Large-395M-v1 — модель разметки токенов для обнаружения и классификации персональных данных в испанском тексте. Она дообучена на BioClinical-ModernBERT-large и предназначена для деидентификации клинических записей, медицинских документов и других текстовых коллекций, а также для подготовки данных к исследованиям и аудита документов. Модель построена на архитектуре ModernBERT, содержит 394,7 млн параметров и поддерживает контекст до 8192 токенов. Она выделяет 54 типа чувствительных сущностей, включая имена, адреса, идентификаторы, медицинские и финансовые сведения, контактные данные, организации и даты. В оценке на испанской части AI4Privacy заявлен micro-F1 0,9142. Модель обучалась на тексте без диакритических знаков; для лучшего качества README рекомендует удалять акценты перед обработкой. Результаты требуют проверки человеком: часть персональных данных может быть пропущена, а качество может снижаться на специализированной терминологии и языках, отличных от испанского. Модель распространяется по лицензии Apache-2.0.

JANGQ-AI/Ornith-1.0-9B-JANG_6M — мультимодальная модель для диалога по изображениям и тексту, основанная на Ornith-1.0-9B от DeepReinforce. Она использует гибридную плотную архитектуру Qwen3.5: 32 текстовых слоя, из которых 24 используют Gated-DeltaNet, а 8 — обычное полное внимание; размер скрытого представления — 4096. По README, веса представлены в профиле JANG_6M: 8-битное внимание, 6-битный MLP с размером группы 64 и башня зрения в fp16; объём модели составляет около 8 ГБ. Модель принимает изображения и текст и предназначена для визуальных вопросов и ответов, описания изображений и мультимодального диалога. Для запуска требуются MLX Studio или среда выполнения vMLX с загрузчиком JANG; стандартный mlx_lm не загружает этот формат корректно. Лицензия — MIT.