I.4Обработка документов и форм

Модель dmargutierrez/distilbert-base-multilingual-cased-mapa_coarse-ner — дообученная на наборе данных LEXTREME версия distilbert-base-multilingual-cased для распознавания именованных сущностей в юридических текстах. Она размечает текст по токенам и подходит для извлечения упоминаний сущностей из документов на поддерживаемых языках. Архитектура — DistilBERT с головой классификации токенов; максимальная длина контекста составляет 512 токенов. Модель доступна в форматах PyTorch и Safetensors. В карточке приведены метрики на оценочной выборке: precision 0,7191, recall 0,6453, F1 0,6802 и accuracy 0,9879. Указана лицензия Apache-2.0. Результаты отражают оценку на конкретном наборе данных и не гарантируют такое же качество на других юридических корпусах.

jinhybr/distilroberta-ConLL2003 — модель на базе distilroberta-base, дообученная автором на наборе данных CoNLL-2003 для распознавания именованных сущностей и классификации токенов. Она принимает текст и присваивает метки его токенам, в частности для задач NER на английском языке. В карточке указаны результаты на тестовой выборке: F1 0,9536 и loss 0,0585. Модель содержит 95,2 млн параметров, использует архитектуру XLM-RoBERTa и поддерживает контекст до 514 токенов. Распространяется по лицензии Apache-2.0.

en_core_web_sm — англоязычная модель обработки естественного языка, разработанная компанией Explosion для фреймворка spaCy. Она предназначена для CPU-сценариев и выполняет токенизацию, морфологическую разметку, синтаксический анализ зависимостей, определение границ предложений, лемматизацию и распознавание именованных сущностей. Модель построена как конвейер компонентов tok2vec, tagger, parser, senter, attribute_ruler, lemmatizer и ner. Она поддерживает только английский язык, не содержит предобученных векторных представлений слов и имеет 0 векторов размерности 0. Версия модели — 3.7.1; требуется spaCy версии от 3.7.2 до версии ниже 3.8.0. Распознавание сущностей охватывает, в частности, персон, организации, географические объекты, даты, деньги, проценты, события и произведения искусства. Сильные стороны модели — компактный CPU-ориентированный конвейер с широким набором базовых NLP-функций и хорошими показателями на указанных тестах: точность тегирования 97,25%, F1 синтаксического анализа зависимостей LAS 89,87% и F1 распознавания сущностей 84,56%. Ограничения — работа только с английским языком, отсутствие векторных представлений и более ограниченная точность по сравнению с крупными специализированными моделями, особенно для задач NER. Модель распространяется по лицензии MIT; автор — Explosion.

GLiNER-PII — модель NVIDIA для обнаружения и классификации персональных и медицинских данных в структурированном и обычном тексте. Она построена на архитектуре GLiNER и дообучена на базе urchade/gliner_large-v2.1; содержит около 570 млн параметров и работает через библиотеку GLiNER на PyTorch. Модель размечает фрагменты текста более чем по 55 категориям и возвращает найденный текст, тип сущности, позиции начала и конца, а также оценку уверенности. Её применяют для выявления и редактирования конфиденциальных данных в медицинских записях, финансовых и юридических документах, корпоративных хранилищах, журналах и пользовательских публикациях. Модель принимает текст и выдаёт текстовые аннотации. Карточка указывает английский язык. Лицензия обозначена как other; README заявляет возможность коммерческого и некоммерческого использования. Качество зависит от предметной области, формата данных и порога уверенности: в оценке на трёх наборах строгий F1 составил 0,70 на Argilla PII, 0,64 на AI4Privacy и 0,87 на Nemotron-PII. Для ответственных сценариев рекомендованы проверка на данных конкретного применения и человеческий контроль.

InternVL3-14B-Instruct-GGUF — мультимодальная языковая модель в формате GGUF, подготовленная Unsloth на основе OpenGVLab/InternVL3-14B-Instruct. Исходную модель разработала команда OpenGVLab; она построена по схеме ViT-MLP-LLM и сочетает визуальный модуль InternViT-300M-448px-V2_5 с языковой частью Qwen2.5-14B. Это SFT-версия, прошедшая нативное мультимодальное предварительное обучение и supervised fine-tuning, но не прошедшая MPO. Модель предназначена для задач понимания изображений и текста, мультимодального восприятия и рассуждений. Заявленные сценарии включают использование инструментов, создание GUI-агентов, промышленный анализ изображений, восприятие 3D-сцен и другие мультимодальные приложения. В метаданных указана поддержка multilingual, а тип конвейера — image-text-to-text. Конкретный размер контекста в предоставленных данных не указан. К сильным сторонам относятся расширенные возможности мультимодального анализа и рассуждений, а также GGUF-квантизация, удобная для локального запуска при подходящей инфраструктуре. Ограничение версии заключается в отсутствии этапа MPO; авторы рекомендуют при сомнениях использовать базовую версию InternVL3-14B. Модель распространяется по лицензии Apache-2.0, при этом в карточке также указана ссылка на лицензию Qwen.

InternVL3-78B-hf — мультимодальная модель OpenGVLab, представленная в реализации для Hugging Face Transformers и функционально эквивалентная оригинальному выпуску InternVL3-78B. Это плотная архитектура класса InternVLForConditionalGeneration с 78 млрд параметров; репозиторий содержит веса Safetensors и поддерживает инференс через Transformers. Модель предназначена для диалогов и генерации текста по текстовым запросам, изображениям и видео. Она может отвечать на вопросы по визуальному содержимому, выполнять визуальные рассуждения и обрабатывать чередующиеся текстовые, графические и видеоданные; семейство также ориентировано на сценарии использования инструментов, GUI-агентов, промышленный анализ изображений и 3D-восприятие. Карточка указывает многоязычную поддержку, но не перечисляет конкретные языки. Репозиторий основан на OpenGVLab/InternVL3-78B-Instruct и помечен как дообучение. Доступны варианты attention eager, SDPA и FA2, а также пакетный инференс. Модель создана для работы с Transformers; конкретная длина контекста в предоставленных данных не указана. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензией репозитория и оригинального чекпойнта.

Guilherme34/Llama-3.2-11b-vision-uncensored-notlora — мультимодальная модель семейства Llama 3.2-Vision, разработанная Meta и представленная в формате safetensors для Transformers. Она принимает текст и изображения и формирует текстовые ответы; архитектура основана на Mllama с визуальным адаптером и перекрёстным вниманием. В карточке описана версия на 11B параметров и контекст 128k токенов. Модель предназначена для диалога с изображениями, визуальных вопросов и рассуждений, распознавания содержимого, создания подписей и ответов по документам. README указывает поддержку английского, немецкого, французского, итальянского, португальского, хинди, испанского и тайского для текстовых задач; для задач с изображениями заявлен только английский. Название репозитория содержит «uncensored», но README не документирует конкретные изменения или особенности этой версии, поэтому её поведение в этом отношении нельзя уточнить. Для использования действует Llama 3.2 Community License — специальная лицензия Meta с собственными условиями, а также Acceptable Use Policy. Архитектурное описание и характеристики в README относятся к семейству Llama 3.2-Vision и не подтверждают отдельно, какие изменения внесены в эту копию.

Lumma-Fev-0.6B — компактная модель решений компании FrontiersMind, дообученная на базе Lumma-0.6B-Base. Она принимает документ-состояние (текст, JSON-объект или массив) и набор типизированных вопросов, а за один проход вычисляет распределение вероятностей для каждого ответа. Модель не генерирует текст: для вопросов типа yes/no возвращает вероятность ответа «да», для выбора — наиболее вероятный вариант и вероятности вариантов, для шкалы — ожидаемый уровень и распределение по уровням. Архитектура — плотный причинный трансформер с обработкой только префикса и отдельным считыванием указателя по вариантам ответа. Вопросы обрабатываются независимо: каждый видит состояние и собственные инструкции с вариантами, но не ответы на другие вопросы. Модель предназначена для структурированной классификации и принятия типизированных решений; карточка приводит результаты на тестах Typed-decisions, AG News и DAIR Emotion. Для работы доступны Transformers и пакет lumma-fev, в том числе сервер API с контрактом TypeSafe. Модель не генерирует свободные объяснения, а её оценки уверенности и вероятности требуют проверки калибровки на размеченных данных перед использованием для автоматических решений. Лицензия — Apache-2.0.

onnx-community/nougat-small-ONNX — ONNX-версия модели facebook/nougat-small, автоматически конвертированная и опубликованная сообществом ONNX Community. Оригинальная модель Nougat разработана Lukas Blecher, Guillem Cucurull, Thomas Scialom и Robert Stojnic в рамках проекта Facebook Research. Модель предназначена для преобразования изображений страниц научных PDF-документов в структурированный текст в формате Markdown. Она принимает пиксельное изображение документа и авторегрессионно генерирует его текстовое представление, включая содержимое, подходящее для последующей обработки и использования в сценариях извлечения данных из академических публикаций. Архитектура включает визуальный энкодер Swin Transformer и текстовый декодер mBART. Это небольшая версия Nougat, соответствующая варианту 0.1.0-small; модель работает в режиме image-to-text и распространяется в формате ONNX, что подходит для запуска через Transformers.js. Языки, размер контекста и точные параметры модели в карточке не указаны. Модель ориентирована прежде всего на научные PDF-документы и может быть ограничена качеством исходного изображения, сложностью разметки и отличиями документов от обучающих данных. Модель распространяется по лицензии CC BY 4.0.

Это 7,1-миллиардная мультимодальная модель семейства Qwen2.5-VL, подготовленная сообществом mlx-community из Qwen/Qwen2.5-VL-7B-Instruct и преобразованная в формат MLX с точностью 6 бит. Она принимает текст и изображения и генерирует текст; предназначена для диалога, ответов на вопросы по изображениям и других задач визуального анализа. Архитектура — плотная Qwen2_5_VLForConditionalGeneration, поддерживается контекст до 128 000 токенов и интерфейс вызова инструментов. Карточка указывает библиотеку Transformers и преобразование с помощью mlx-vlm 0.1.11. Лицензия — Apache-2.0.

Qwen3.5-27B-FlashHead — оптимизированная Embedl версия мультимодальной модели Qwen/Qwen3.5-27B. Она заменяет стандартную плотную языковую голову на облегчённую FlashHead, сохраняя точность и возможности базовой модели и повышая пропускную способность при инференсе. Веса представлены в FP16. Модель принимает текст и изображения или видео и генерирует текст. Она подходит для диалогов, рассуждений и анализа визуального содержимого. Для работы через vLLM требуется плагин FlashHead. Репозиторий указывает лицензию «other», но конкретные условия лицензии в предоставленных данных не раскрыты.

Модель uer/roberta-base-finetuned-cluener2020-chinese — китайская модель распознавания именованных сущностей, дообученная командой UER-py на обучающей части набора CLUENER2020. Она основана на архитектуре BERT и содержит 129,5 млн параметров; принимает текстовые последовательности длиной до 512 токенов и относит токены к меткам сущностей. Подходит для извлечения имен людей, организаций, мест и других сущностей из китайского текста. Модель предназначена для разметки текста и может использоваться как готовая модель классификации токенов либо дообучаться дальше. В карточке также указана поддержка дообучения через TencentPretrain. Доступны версии весов PyTorch, TensorFlow и Flax. Лицензия в предоставленных данных не указана.

RoBERTa_Test_Training — дообученная ICT2214Team7 модель DistilRoBERTa для классификации токенов. Она обучена на датасете CoNLL-2003 и предназначена для разметки последовательностей, в частности для задач распознавания сущностей в тексте. Модель содержит 95,2 млн параметров, использует архитектуру RoBERTa и принимает контекст длиной до 514 токенов. Опубликована в формате Safetensors по лицензии Apache-2.0. В README приведены результаты на оценочной выборке: F1 0,9529, точность 0,9880, precision 0,9508 и recall 0,9550. Эти показатели относятся к указанной оценочной выборке; подробности разбиения данных и ограничения применения не описаны.

Hnabil разработал модель на архитектуре T5-base и дообучил её для преобразования ошибочных и нестандартно записанных адресов в стандартизованный вид. Она предназначена прежде всего для нормализации адресов в США и может применяться при очистке адресных данных в наборах данных и прикладных системах. Обучение проводилось на данных OpenAddresses.io. Модель содержит 123,8 млн параметров, принимает и генерирует текст; длина контекста составляет 512 токенов. В репозитории доступны веса PyTorch и Safetensors. Лицензия в предоставленных данных не указана.

czczup/textnet-small — компактная модель TextNet для извлечения признаков изображения, предназначенная для обнаружения областей с текстом. В карточке описана архитектура TextNet с эффективным по числу параметров backbone; семейство включает варианты TextNet-T, TextNet-S и TextNet-B размером 6,8 млн, 8,0 млн и 8,9 млн параметров соответственно. Для данного репозитория точный вариант не уточнён. Модель рассчитана на обнаружение текста в естественных сценах, в том числе разнонаправленного и многоязычного, а также на анализ текстовых областей в документах. README сообщает о предварительном обучении на IC17-MLT и дообучении на Total-Text для сравниваемых вариантов TextNet. Утверждается, что архитектура сочетает скорость вывода с точностью, но конкретные метрики для этого чекпойнта не приведены. Входом служат изображения, выходом — признаки для задач обнаружения текста. Лицензия в предоставленных данных не указана.

Luciano выпустил дообученную модель BERT-Large для бразильского португальского языка на датасете LeNER-Br. Это модель классификации токенов, предназначенная для распознавания именованных сущностей в юридических текстах на португальском языке. В оценке на тестовой выборке LeNER-Br указаны F1 0,908, точность 0,8965, полнота 0,9198 и accuracy 0,9801. Модель основана на neuralmind/bert-large-portuguese-cased, содержит 433,2 млн параметров и принимает последовательности длиной до 512 токенов. Распространяется под лицензией MIT. Карточка не описывает ограничения подробнее; качество на других доменах и языках по приведённым результатам оценить нельзя.

bertin-project/bertin-base-ner-conll2002-es — испаноязычная модель для распознавания именованных сущностей, разработанная командой проекта BERTIN. Это модель RoBERTa-base с головой классификации токенов, дообученная на наборе CoNLL2002-es; базовая модель Bertin Gaussian 512 обучалась с нуля на испанских текстах. Модель принимает текст и присваивает метки его токенам, чтобы выделять сущности в задачах NER. Контекст модели составляет 514 токенов, число параметров — 151,8 млн. Модель подходит для извлечения имен и других размечаемых сущностей из испаноязычных текстов, например для подготовки корпуса или автоматической индексации документов. Она опубликована в форматах PyTorch и Safetensors. Лицензия — CC BY 4.0; при использовании необходимо соблюдать её условия.

Это GGUF-квантизированная версия модели ThinkingCap-Qwen3.6-27B, разработанной bottlecapai и подготовленной квантизатором bartowski с использованием llama.cpp и imatrix-квантизации. Модель относится к классу image-text-to-text, то есть предназначена для задач преобразования изображений и текста в текстовый ответ. Указанный размер базовой модели — 27B параметров; доступны варианты квантизации от Q3 до Q8 с размером файлов примерно от 14,61 до 29,12 ГБ. Модель ориентирована на генерацию текста, мультимодальные сценарии с изображениями, а также задачи, требующие рассуждений и более эффективного использования токенов. Для запуска поддерживаются llama.cpp, LM Studio, koboldcpp, Jan AI, Text Generation Web UI и другие совместимые инструменты. В README приведён формат промпта с секцией рассуждений <think>, что указывает на использование режима пошагового мышления. К сильным сторонам относятся широкий выбор квантизаций, возможность локального запуска и сохранение высокого качества в вариантах Q5–Q8; варианты Q6_K и Q6_K_L обозначены как близкие к исходному качеству. Более компактные варианты требуют меньше оперативной памяти, но могут снижать качество. Языки, размер контекстного окна, точные архитектурные особенности, требования к оборудованию и результаты оценки в README не указаны. Модель распространяется по лицензии Apache-2.0.

Nulute/chudbot-iron-0.5 — дообученная компанией Nulute мультимодальная модель семейства Qwen3.5 на базе unsloth/Qwen3.5-4B. Она предназначена для диалога с текстом и изображениями; архитектура — плотная Qwen3_5ForConditionalGeneration, веса опубликованы в формате safetensors. Модель поддерживает английский язык и интерфейс вызова инструментов. В карточке указана лицензия Apache-2.0. README сообщает, что обучение проводилось с использованием Unsloth и библиотеки TRL.

Qdrant/colmodernvbert — это ONNX-конверсия мультимодальной модели ColModernVBERT, разработанной авторами Paul Teiletche, Quentin Macé, Max Conti, Antonio Loison, Gautier Viaud, Pierre Colombo и Manuel Faysse. Конверсию для эффективного запуска с FastEmbed выполнил Qdrant. Модель предназначена для визуального поиска по документам и задач извлечения релевантных страниц или изображений документов по текстовым запросам. В основе модели — архитектура ModernVBERT, объединяющая текстовый энкодер ModernBERT на базе jhu-clsp/ettin-encoder-150m и визуальный энкодер SigLIP на базе google/siglip2-base-patch16-512. Проекционный слой преобразует представления к размерности 128. Модель содержит около 250 млн параметров, поддерживает контекст до 8192 токенов и обрабатывает изображения размером 512×512 после изменения размера процессором. Она рассчитана на раздельное кодирование изображений документов и текстовых запросов и интегрируется с мультимодальными API FastEmbed. К сильным сторонам относятся компактный размер для класса визуальных моделей, поддержка эффективного CPU- и GPU-инференса через ONNX и конкурентоспособность на бенчмарках визуального поиска документов по сравнению с моделями, которые могут быть до десяти раз больше. Ограничения включают специализацию на поиске по визуальным документам, возможные небольшие отличия производительности ONNX-версии от PyTorch-реализации и отсутствие в карточке подробных сведений о поддерживаемых языках. Модель распространяется по лицензии MIT.

ERNIE-4.5-VL-28B-A3B-Base-PT — базовая мультимодальная модель Baidu семейства ERNIE 4.5, представленная в PyTorch-формате для Transformers. Это предобученная MoE-модель, совместно обученная на текстовых и визуальных данных: в ней 28 млрд параметров, из которых для каждого токена активируется около 3 млрд. Архитектура включает визуальный энкодер ViT и компоненты для интеграции визуальных признаков с языковой частью. Модель предназначена для понимания и генерации текста, понимания изображений и межмодальных рассуждений; возможные сценарии включают диалог по изображению, ответы на вопросы о визуальном содержимом и обработку текстовых запросов. Контекстное окно составляет 131 072 токена. В метаданных указана поддержка английского и китайского языков, библиотека Transformers и формат весов safetensors. Это базовая предобученная модель, а не специализированный постобученный вариант; качество в прикладных сценариях может зависеть от последующей настройки. Лицензия Apache-2.0. Для запуска в README приведён пример с vLLM версии 0.11.2 или новее и параметром trust_remote_code.

FastPDN — модель распознавания именованных сущностей в тексте, разработанная группой Wieszcze проекта CLARIN-PL. Она размечает текстовые токены и объединяет соседние токены в сущности; модель можно запускать через Transformers pipeline с задачей NER. Чекпойнт основан на архитектуре BERT и содержит 151,6 млн параметров, максимальная длина контекста — 514 токенов. Модель дообучена на польских наборах данных KPWr и CEN с разметкой до 82 классов сущностей. В карточке приведены результаты оценки на тестовых данных: вариант на herbert-base-case показал F1 0,68, а вариант на distiluse-base-multilingual-cased-v1 — F1 0,53. Модель предназначена для извлечения сущностей из польских текстов; результаты могут зависеть от используемого набора данных и схемы классов. Лицензия — CC BY 4.0.

ljnlonoljpiljm/florence-2-base-nsfw-v2-mlx — версия Florence-2 Base, преобразованная в формат MLX из ljnlonoljpiljm/florence-2-base-nsfw-v2 с помощью mlx-vlm 0.1.13. Это плотная модель семейства Florence-2 с архитектурой Florence2ForConditionalGeneration. Она принимает изображения и текстовые запросы и предназначена для задач компьютерного зрения с генерацией текстового ответа; каталог также относит её к генерации текста. В README указано использование через mlx-vlm. В метаданных формат файлов обозначен как safetensors. Точные размер модели, контекст и поддерживаемые языки в предоставленных источниках не описаны. Метка not-for-all-audiences указывает на ограничение по аудитории, однако README не раскрывает характер такого контента. Лицензия в предоставленных данных не указана.

Gemopus-4-E4B-it — дообученная модель Jackrong на базе google/gemma4-E4B-it для диалогового помощника с локальным запуском на мобильных устройствах и маломощных компьютерах. Она принимает текст и изображения и генерирует текст; карточка заявляет поддержку зрения и инструкции для диалога. Модель относится к семейству Gemma 4, имеет плотную архитектуру и распространяется в формате safetensors. В карточке подчёркнуты настройка тона ответов, контекстное ведение многоходового диалога и структурированная подача информации. Указаны английский, китайский, корейский и японский языки. Модель подходит для повседневного помощника на устройстве, написания и редактирования текстов, кратких ответов, форматирования и извлечения сведений из текста или изображений. Автор ориентирует её на сценарии с низкой задержкой и локальной обработкой данных. Контекстное окно и размер модели в карточке не указаны. Лицензия — Apache-2.0. Автор предупреждает, что из-за сравнительно небольшого размера модель уступает крупным облачным моделям в широте знаний и сложных рассуждениях, а на узкоспециализированных темах и сложных математических задачах может допускать ошибки. Модель позиционируется как экспериментальная настройка для локального применения.

QuantTrio/GLM-4.1V-9B-Thinking-AWQ — это AWQ-квантизированная версия визуально-языковой модели GLM-4.1V-9B-Thinking, разработанной ZhipuAI на базе GLM-4-9B-0414. Модель предназначена для генерации текста и решения задач, требующих совместного анализа изображений и текста, включая сложное рассуждение, понимание контекста и мультимодальные агентные сценарии. Модель содержит около 9 млрд параметров, поддерживает текстово-визуальный ввод, китайский и английский языки, контекст длиной до 64 тысяч токенов, изображения с произвольным соотношением сторон и разрешением до 4K. Версия AWQ занимает около 6,9 ГБ и ориентирована на запуск с использованием vLLM; в README указана поддержка tensor parallel size 1, 2 и 4. К сильным сторонам относятся специализированное reasoning-обучение с использованием Chain-of-Thought и высокие результаты на мультимодальных бенчмарках. Ограничения включают необходимость совместимых версий vLLM и специализированной сборки для запуска, а также отсутствие в README подробных характеристик квантирования и результатов практического тестирования. Модель распространяется по лицензии MIT.

samandar1105/inlegalbert-legal-ner — модель на базе BERT, дообученная для распознавания именованных сущностей в юридических документах. Она извлекает 14 типов сущностей, включая суды, судей, стороны дела, номера дел, законы, положения, прецеденты, свидетелей, организации, географические названия и даты. Базовая модель law-ai/InLegalBERT предварительно обучена на 5,4 млн индийских юридических документов; дообучение выполнено на opennyaiorg/InLegalNER. Модель предназначена для автоматического извлечения юридических сущностей из судебных и иных правовых документов и может использоваться как компонент конвейера анализа документов с поиском и ответами на вопросы. В тестировании указаны precision 0,8308, recall 0,8763 и F1 0,8530. Архитектура — BertForTokenClassification, размер — 136,7 млн параметров, максимальный контекст — 512 токенов; модель принимает текст и возвращает метки сущностей для его фрагментов. В карточке не указана лицензия.

InternVL3-8B — мультимодальная модель OpenGVLab для диалога по тексту и визуальным данным. Она построена по схеме ViT-MLP-LLM: использует InternViT-300M-448px-V2_5 как визуальную часть и Qwen2.5-7B как языковую; число параметров — около 8 млрд по названию модели. Репозиторий содержит дообучение OpenGVLab/InternVL3-8B-Instruct на наборе MMPR-v1.2. Модель распространяется в формате Safetensors и использует библиотеку Transformers. Модель предназначена для вопросов и рассуждений по изображениям, нескольким изображениям и видео, а также для обычного текстового общения. В карточке семейства также заявлены сценарии GUI-агентов, анализа промышленных изображений, понимания 3D-сцен и работы с инструментами. Динамическое разбиение изображений на тайлы 448×448 и кодирование визуальных позиций V2PE помогают обрабатывать изображения разного разрешения и длинные мультимодальные последовательности. Карточка описывает семейство как мультиязычное, но не перечисляет отдельные языки. Модель выпущена под лицензией Apache-2.0. Результаты зависят от качества входных изображений и формулировки запроса; обработка нескольких изображений увеличивает расход контекстных токенов. Для видео и инструментов конкретные ограничения и гарантии в карточке не приведены.

IrishCore-GlobalPointer-ContextPII-135M-v1-rc29 — модель Temsa для обнаружения и маскирования персональных данных в текстах на ирландском и английском языках. Она использует архитектуру на основе DistilBERT с извлечением spans методом GlobalPointer и предназначена для потоков государственных служб Ирландии, HSE и поддержки граждан. Модель выполняет однопроходное извлечение фрагментов PII из исходного текста и заменяет их метками вида [PII:LABEL]. Поддерживает контекстно- и ролево-зависимую политику декодирования для пользовательских сообщений, поисковых запросов и публичных ответов ассистента. В репозитории представлены веса Safetensors и граф ONNX; заявленная длина контекста — 512 токенов. В README указаны высокие результаты на опубликованных наборах оценки для ирландских государственных сценариев, однако эти метрики относятся к конкретным тестовым наборам и не гарантируют аналогичного качества на произвольных данных. Релиз rc29 меняет политику декодирования и упаковку среды выполнения, сохраняя веса и граф ONNX версии rc25. Лицензия — Apache-2.0.

unsloth/LFM2.5-1.2B-Thinking-GGUF — квантизированная GGUF-версия текстовой модели LFM2.5-1.2B-Thinking, разработанной Liquid AI и подготовленной Unsloth. Модель предназначена для локального и периферийного развёртывания с использованием llama.cpp и совместимых инструментов, включая сценарии на CPU и устройствах с ограниченными ресурсами. Модель содержит около 1,17 млрд параметров, 16 слоёв, включая 10 блоков свёртки LIV с двойным управлением и 6 блоков GQA, а также поддерживает контекст до 32 768 токенов. Это текстовая модель общего назначения с поддержкой английского, арабского, китайского, французского, немецкого, японского, корейского и испанского языков. Она ориентирована на агентские задачи, извлечение данных и RAG; заявленная оптимизация GGUF снижает требования к памяти и ускоряет локальный вывод. В README указана скорость до 239 токенов в секунду на CPU AMD и до 82 токенов в секунду на мобильном NPU, при использовании менее 1 ГБ памяти, однако фактические показатели зависят от оборудования и варианта квантизации. Модель не рекомендуется для задач, требующих обширных фоновых знаний, и для программирования. Она поддерживает ChatML-подобный шаблон диалога и вызов функций. Лицензия указана как lfm1.0; подробные условия приведены в лицензии Liquid AI.

Карточка модели nimo1234/LocateAnything-3B на Hugging Face совпадает с карточкой nvidia/LocateAnything-3B, поэтому описание составлено по ней. LocateAnything-3B — разработанная NVIDIA в рамках семейства Eagle vision-language модель для визуальной локализации по изображениям и текстовым запросам. Она предназначена для разработчиков и исследователей, которым нужны обнаружение объектов, поиск областей по описанию и другие задачи пространственного понимания в приложениях Enterprise Intelligence и Physical AI. Модель основана на трансформерной VLM с визуальным энкодером MoonViT, языковой частью Qwen2.5-3B-Instruct и MLP-проектором; содержит около 3 млрд параметров. Принимает RGB-изображения исходного разрешения до 2,5K и текстовые запросы; заявлена поддержка промптов до 24K токенов. Модель выполняет поиск одного или нескольких объектов, плотное обнаружение в сложных сценах, привязку выражений к областям, локализацию элементов GUI и текста, а также выдаёт рамки и точки. Механизм Parallel Box Decoding предсказывает координаты блоками параллельно, что, по данным карточки, обеспечивает до 2,5 раза более высокую пропускную способность по сравнению с предшествующими подходами. Обучение охватывает природные сцены, робототехнику, вождение, GUI и документы; заявленный масштаб обучающих данных — 12 млн изображений и более 138 млн запросов. Карточка позиционирует релиз для исследований и разработки. Лицензия указана как other, поэтому конкретные права использования следует сверять с условиями репозитория.