I.5Создание и редактирование текста

Indonesian T5 Base — предварительно обученная модель семейства T5 от Wikidepia на индонезийской версии mC4 с дополнительной фильтрацией данных. Это текстовая архитектура encoder-decoder с 123,8 млн параметров, представленная в формате PyTorch. Модель предназначена для последующего дообучения под конкретные задачи преобразования текста: например, суммаризацию, перевод или ответы на вопросы на индонезийском языке. В исходном виде она остаётся базовым чекпойнтом и не настроена для отдельной прикладной задачи. Качество для прикладных задач в карточке не приведено. Как и другие языковые модели, она может выдавать предвзятый, вредный или неэтичный текст из-за особенностей обучающего корпуса. Условия лицензии в предоставленных данных не указаны.

InternVL-Chat-V1-2-Plus — мультимодальная большая языковая модель, разработанная OpenGVLab для диалогов с изображениями и генерации текста. Она объединяет визуальный энкодер InternViT-6B-448px-V1-2, MLP-проектор и языковую модель Nous-Hermes-2-Yi-34B; общее число параметров — 40 млрд. Модель рассчитана на работу с изображениями размером 448 × 448, которые кодируются в 256 визуальных токенов, а также поддерживает текстовые диалоги. Версия Plus использует тот же тип архитектуры, что и InternVL-Chat-V1-2, но дообучена на 12 млн примеров SFT. Её можно применять для описания изображений, визуальных вопросов и ответов, распознавания текста на изображениях и мультимодального чата. Репозиторий содержит веса Safetensors, модель запускается через Transformers с поддержкой пользовательского кода. Лицензия — MIT. Модель поддерживает интерфейс многораундового общения с несколькими изображениями и видео, однако авторы отмечают низкое качество этих сценариев из-за недостатка соответствующих обучающих данных. Также авторы предупреждают, что 4-битная квантизация BNB может заметно ухудшить понимание изображений и приводить к бессмысленным ответам.

kl3m-003-3.7b — компактная языковая модель, первоначально разработанная компанией 273 Ventures и переданная ALEA Institute. Это авторегрессионная модель семейства Mixtral с архитектурой Mixture of Experts: четыре локальных эксперта, из которых для каждого токена используются два. В README указан размер 3,69 млрд параметров, а в метаданных — 1,2 млрд; контекст составляет 4096 токенов. Модель обучена на английском, испанском, немецком и французском языках на данных, которые разработчики описывают как юридически допустимые. Лицензия — CC-BY 4.0. Модель предназначена для юридических, нормативных и финансовых рабочих процессов: она может генерировать текст, помогать с черновиками положений договоров, базовыми ответами на регуляторные вопросы и извлечением структурированных данных в JSON. Её также предлагают использовать как основу для доменного дообучения или обучения более крупных моделей. Разработчики отмечают низкую токсичность и эффективность запуска на потребительских GPU. Модель не настроена на выполнение инструкций и не выровнена по предпочтениям пользователей, поэтому ответы могут не соответствовать запросу и содержать правдоподобные, но неверные юридические сведения. Контекст ограничен 4096 токенами; результаты в юридических и нормативных сценариях требуют проверки специалистом. Разработчики указывают, что общие задачи могут выполняться хуже профильных.

MFANN 3b version 0.9 — дообученная модель на архитектуре Phi, разработанная netcat420 и обученная на наборе данных MFANN. Она предназначена для классификации текста и генерации текста; основное назначение по карточке Hugging Face — текстовая классификация. Модель содержит 3,5 млрд параметров, использует библиотеку Transformers и принимает контекст длиной до 2048 токенов. Модель поддерживает английский язык. Репозиторий содержит веса в формате Safetensors, лицензия — Apache-2.0. Набор данных MFANN продолжает расширяться; версия модели обучена на его состоянии на 14 мая 2024 года. Карточка не описывает качество, конкретную схему меток или ограничения применения, поэтому пригодность для конкретной классификационной задачи следует проверять отдельно.

Мультимодальная модель для преобразования изображений и текстовых запросов в текстовый ответ. Модель опубликована на Hugging Face в репозитории Monad-dz/OCRCS-qwen3vl-2b-merged; в метаданных она связана с семейством Qwen3-VL и библиотекой Transformers. Размер 2B заявлен в идентификаторе модели, однако подробные сведения об архитектуре, обучении и разработчике в карточке отсутствуют. Модель предназначена для сценариев image-text-to-text: анализа изображений по текстовым инструкциям, визуального вопросно-ответного взаимодействия и генерации текстовых описаний. README не содержит подтверждённых сведений о поддерживаемых языках, лицензии, длине контекста, результатах оценки или специализированных возможностях OCR, поэтому применять модель в критически важных задачах следует с дополнительной проверкой ответов.

Это 6-битная MLX-квантизованная версия англоязычной модели распознавания речи NVIDIA Parakeet TDT 0.6B v2, подготовленная Spoke для локальной диктовки. Модель преобразует аудио в текст и предназначена для транскрибации речи; в тесте LibriSpeech test-clean на 250 примерах на M4 указана WER 1,87%, такая же, как у версии bf16. Квантизация затрагивает слои nn.Linear и nn.Embedding с размером группы 64; Conv1d, BatchNorm и LSTM предсказателя TDT остаются в bf16. В README также указаны скорость обработки 0,022 RTF и пиковое потребление памяти MLX 1,13 ГБ. Для загрузки нужно сначала квантизовать дерево модулей, поэтому стандартный вызов parakeet_mlx.from_pretrained сам по себе не загрузит этот чекпойнт. Лицензия — CC BY 4.0.

Qwen2.5-ja-zh — дообученная диалоговая языковая модель на архитектуре Qwen2, созданная на основе Qwen/Qwen2.5-7B-Instruct. Она предназначена прежде всего для перевода с японского на китайский: задайте системную инструкцию «翻译为中文» и передайте японский текст. Модель содержит 7,1 млрд параметров, принимает текст и имеет контекст длиной до 32 768 токенов. В карточке указаны японский и китайский языки, формат весов — safetensors. Модель также сохраняет возможности генерации текста и диалога базовой инструктивной модели, однако карточка описывает её главным образом как переводчик с японского на китайский. Сведений о качестве на конкретных жанрах текста или о специализированной обработке терминологии нет. Лицензия в предоставленных данных не указана.

Qwen3.5-9B-Claude-4.6-Opus-Reasoning-Distilled-v2-GGUF — модель на базе Qwen/Qwen3.5-9B, доработанная автором Jackrong с использованием Unsloth и дистилляции рассуждений в стиле Claude 4.6 Opus. Это reasoning-ориентированный fine-tune для задач математики, текстовых задач, логического вывода, общих знаний и следования инструкциям. Модель также может применяться в агентских сценариях и для программирования, однако программный код не был основным направлением обучения. Версия v2 обучалась на 14 000 образцах общих рассуждений с акцентом на компактные и переносимые шаблоны мышления. Заявленная сильная сторона — повышенная эффективность рассуждений: модель должна формировать более короткие цепочки рассуждений, снижая задержку, нагрузку на память и стоимость генерации, при сохранении или улучшении точности. В README упоминается более чем 20-процентное сокращение числа символов и токенов, но числовые результаты бенчмарков приведены преимущественно на изображениях. Модель заявлена для английского, китайского и корейского языков. В метаданных указан pipeline image-text-to-text, однако подробности о поддержке изображений, мультимодальной архитектуре и фактических возможностях работы с визуальными данными не приведены. Размер базовой модели составляет 9B параметров; контекстное окно и точные архитектурные характеристики не указаны. Ограничением является возможное снижение широких универсальных способностей из-за ограниченного объёма и области SFT-обучения. Модель распространяется по лицензии Apache-2.0.

neuralnetworker разработала Qwen3.5-9B Korean Enterprise Document OCR — дообученную версию Qwen3.5-9B для чтения и структурирования корейских корпоративных документов. Модель имеет плотную архитектуру Qwen3.5ForConditionalGeneration, содержит 7,2 млрд параметров и использует формат Safetensors. Контекстное окно составляет 262 144 токена. Модель предназначена для image-to-text задач: корректировки результатов OCR, преобразования документов в Markdown, восстановления таблиц и форм, описания графиков и извлечения полей в JSON. Её рекомендуют использовать после OCR-движка, который извлекает текст из изображений или PDF; модель очищает и структурирует полученный материал. Дообучение выполнено на 307 272 примерах документов, преимущественно для корейских корпоративных сценариев; также заявлена работа с англоязычными и смешанными корейско-английскими документами. Модель может ошибаться на низкокачественных сканах, рукописном тексте, печатях, перекошенных страницах и сложных таблицах с объединёнными ячейками. Описания графиков требуют опоры на содержимое документа, иначе возможна чрезмерная интерпретация. В критически важных бизнес-процессах результат следует проверять человеком. Лицензия в предоставленных данных не указана.

dealignai публикует вариант Qwen3.5-VL-4B для Apple Silicon. Это плотная мультимодальная модель с гибридной архитектурой SSM и Attention, 32 слоями и возможностью понимать изображения и вести диалог. Модель дообучена на базе Qwen/Qwen3.5-4B, затем преобразована в смешанный формат JANG_4S: 6-битные веса Attention и 4-битные веса MLP; заявленный размер — около 3 ГБ. Для запуска README указывает MLX Studio и пакет jang-tools; также рекомендует vMLX. Вариант CRACK прошёл изменение весов, направленное на удаление отказов в ответе. README приводит результаты MMLU и HarmBench, но это результаты авторских тестов, а не независимая оценка. Такая настройка может допускать небезопасные ответы. Модель предназначена для диалога и анализа изображений; метаданные также отмечают интерфейс вызова инструментов. Лицензия — Apache-2.0.

Qwen3.8-Flash-Next-Uncensored-FP8 — модифицированная версия Qwen3.8-Flash-Next, опубликованная OrcaRouter. Модель создана для исследовательских задач: интерпретируемости, изучения механизмов отказа, AI safety, red-teaming, оценки устойчивости и контролируемых экспериментов. В ней удалено направление, связанное с отказами от ответов, поэтому отсутствуют значимые встроенные защитные ограничения и модель может выполнять вредоносные, неэтичные или незаконные запросы. Модель использует архитектуру Qwen4ExpForConditionalGeneration (qwen4_exp): 48 слоёв, размер скрытого состояния 2560, гибридное внимание с 36 слоями Gated-DeltaNet и 12 слоями полного внимания, Mixture-of-Experts с 512 экспертами и выбором top-10, общим экспертом и Hyper-Connections. Поддерживаются текст, изображения и видео, вызов функций, рассуждения и speculative decoding через MTP. Заявлен контекст до 262 144 токенов, языки — английский и китайский. Веса представлены в формате safetensors, применена блочная FP8-квантизация E4M3 с размером блока 128×128; объём модели составляет около 186 ГБ. К сильным сторонам относятся сохранённые возможности базовой модели для работы с изображениями и видео, инструментами, рассуждениями и MTP, а также совместимость со способом исполнения официальной FP8-версии через vLLM. Главным ограничением является существенное удаление safety alignment: модель не предназначена для непосредственного использования конечными пользователями или в production без собственных механизмов модерации, безопасности и предотвращения злоупотреблений. Модель распространяется по лицензии Apache 2.0; ответственность за применение и генерируемые результаты несёт пользователь.

mobilint/Qwen3-VL-4B-Instruct — это квантованная версия базовой модели Qwen/Qwen3-VL-4B-Instruct, скомпилированная и оптимизированная компанией Mobilint для работы на аппаратных ускорителях Mobilint NPU. Модель распространяется в формате, предназначенном для развертывания в стеке ускорения Mobilint. По указанным данным модель относится к классу image-text-to-text и предназначена для задач, объединяющих обработку изображений и текста, однако конкретные сценарии применения, поддерживаемые языки, размер контекста и детали архитектуры не описаны. Известно, что базовая модель имеет размер 4B, но сведения о модальностях и характеристиках именно оптимизированной версии ограничены. Модель может быть полезна для инференса на оборудовании Mobilint благодаря оптимизации под NPU и интеграции с соответствующим программным стеком. Ограничением является зависимость от аппаратной платформы и среды Mobilint. Лицензия — Apache-2.0.

RankVicuna 7B v1 noda — авторегрессионная языковая модель на архитектуре Transformer, разработанная Castorini на основе Llama 2 и дообученная на пользовательских диалогах ShareGPT без аугментации данных. Модель содержит около 6,6 млрд параметров, работает с текстом и имеет контекстное окно 4096 токенов. Модель предназначена для диалоговых ответов и исследований на пересечении больших языковых моделей и информационного поиска. В README указана оценка на DL19 и DL20; модель адресована исследователям и энтузиастам NLP и поиска. Использование регулируется Llama 2 Community License Agreement.

Thea-C-3B-25R — языковая модель семейства Llama 3.2, дообученная Пётром Залевским на данных для рассуждений. Она основана на meta-llama/Llama-3.2-3B-Instruct и предназначена для генерации текста в диалоге и задач, где требуется пошагово рассуждать. Модель имеет плотную архитектуру LlamaForCausalLM и 3,2 млрд параметров; заявленная длина контекста — 131 072 токена. В репозитории представлены веса Safetensors. Модель рассчитана прежде всего на англоязычные запросы. В карточке указано обучение на наборе KingNish/reasoning-base-20k; также метаданные каталога отмечают возможность использования интерфейса вызова инструментов. README заявляет об улучшении производительности, но не приводит количественных оценок или результатов сравнительных тестов. Лицензия — llama3.2; условия исходной лицензии Meta Llama 3.2 распространяются на использование модели.

sengtha/whisper-base-khmer — модель распознавания кхмерской речи, созданная для платформы iAny путём дообучения OpenAI Whisper Base на кхмерских речевых корпусах и аудио с телефонов и из помещений. Она принимает монофоническое аудио с частотой 16 кГц и преобразует речь на кхмерском языке в текст. Модель содержит 51,7 млн параметров и основана на архитектуре Whisper; для запуска доступны веса Transformers в Safetensors, версия ONNX для браузера и PWA, а также квантованный GGML-файл для мобильных и периферийных устройств. Предусмотрен автономный запуск без подключения к сети. Модель предназначена для голосового ввода, диктовки, расшифровки аудио и средств доступности на кхмерском языке. На тестовом наборе FLEURS для кхмерского заявлена нормализованная по пробелам CER около 22,8. Лучше всего она работает с чёткой и тщательно произнесённой речью; шумная спонтанная речь, числа, английские вставки и имена собственные могут распознаваться хуже. Для важных расшифровок результат следует проверять. Лицензия — CC-BY-SA-4.0.

TalTechNLP разработала эту модель как дообученную версию Whisper large-v3 для создания субтитров на эстонском языке. Модель распознаёт эстонскую речь и формирует текстовые субтитры; её обучали примерно на 770 часах вручную подготовленных субтитров эстонского телеканала ETV. Число параметров — 905,2 млн, архитектура — Whisper, для работы используется библиотека Transformers, веса представлены в формате safetensors. Модель подходит для транскрибации передач и другого эстонского аудио с учётом требований ETV к длине строк: выходные фрагменты почти всегда соответствуют ограничению в 48 символов на строку. Это не дословная расшифровка: при спонтанной речи модель может переформулировать и сокращать текст, в частности опускать колебания и повторы. Лицензия — MIT. README упоминает Whisper large-v3-turbo как базу, тогда как метаданные указывают openai/whisper-large-v3; точная связь с вариантом turbo неясна.

TalTechNLP/whisper-large-v3-turbo-et-subs — дообученная модель OpenAI Whisper large-v3-turbo, адаптированная для создания субтитров на эстонском языке. Разработчики дообучили её на примерно 770 часах вручную подготовленных субтитров эстонского телеканала ETV. Модель принимает аудио и генерирует текст; архитектура Whisper, около 905,2 млн параметров. Модель предназначена для распознавания эстонской речи и подготовки субтитров, строки которых обычно соответствуют требованию ETV — до 48 символов. При этом результат не всегда дословный: модель может перефразировать и сокращать текст, особенно для спонтанной речи, запинок и повторов. Репозиторий содержит веса Safetensors, модель можно использовать через Transformers. Лицензия — MIT.

Mungert/AceMath-RL-Nemotron-7B-GGUF — это GGUF-версия текстовой генеративной модели AceMath-RL-Nemotron с заявленным размером 7B, ориентированная на reasoning и математические задачи. В README модель связана с NVIDIA и распространяется по NVIDIA Open Model License; конкретный автор базовой модели не указан однозначно. Файлы были сгенерированы с использованием llama.cpp, commit 19e899c. Модель предназначена для генерации текста, решения математических задач и исследовательских или прикладных сценариев, где важны рассуждения при ограниченных ресурсах. Формат GGUF подходит для инференса через совместимые реализации llama.cpp, включая запуск на CPU, устройствах с небольшим объёмом VRAM и edge-устройствах. Указан английский язык, текстовая модальность и контекст 2048 токенов в приведённых тестах. Ключевая особенность карточки — применение ультранизкобитной precision-adaptive квантизации IQ-DynamicGate с форматами 1–2 бита. Она распределяет точность по слоям и защищает embeddings и output layers, стремясь снизить потерю качества при уменьшении размера модели. На тестах Llama-3-8B заявлено заметное снижение perplexity по сравнению со стандартной 1–2-битной квантизацией, при небольшом увеличении размера и сопоставимой скорости инференса. Ограничения включают возможное снижение точности у низкобитных вариантов, зависимость качества и скорости от конкретного файла и оборудования, а также отсутствие подробных характеристик исходной архитектуры и официальных результатов именно для этой 7B-модели.

AriaBERT — предварительно обученная языковая модель для персидского языка, разработанная Vira Intelligent Data Mining. Она предназначена для задач обработки персидского текста; в репозитории представлена архитектура RoBERTa с языковой моделью для заполнения пропусков и токенизатором Byte-Pair Encoding. Модель обучалась на более чем 32 ГБ разнообразных персидских текстов, включая разговорные и формальные материалы, новости, стихи, медицинские и энциклопедические тексты, а также мнения пользователей. AriaBERT можно применять для классификации, анализа тональности и определения позиции в персидских текстах. Карточка сообщает об улучшении результатов на ряде таких задач относительно конкурирующих моделей, но не приводит подробностей наборов данных и методики измерений. Модель содержит 159,3 млн параметров, поддерживает контекст длиной до 514 токенов и опубликована в формате PyTorch. Лицензия — Apache-2.0.

AraBERT — предварительно обученная языковая модель для понимания арабского языка, разработанная группой AUB MIND Lab. Она основана на архитектуре BERT Base и представлена в варианте с примерно 162,4 млн параметров; максимальная длина контекста — 512 токенов. Модель обучена на большом арабоязычном корпусе, включающем материалы OSCAR, Википедии, новостные тексты и другие источники. Для этой версии Hugging Face указывает задачу заполнения пропусков в тексте (fill-mask). AraBERT можно применять как основу для адаптации к анализу тональности, распознаванию именованных сущностей и ответам на вопросы на арабском языке. Для вариантов v1 и v2 авторы рекомендуют предварительную сегментацию арабского текста с Farasa; также описана нормализация пробелов вокруг пунктуации и чисел. В карточке указаны форматы PyTorch, TensorFlow и Flax. Сведения о лицензии в предоставленных данных отсутствуют.

asafaya/bert-base-arabic — предварительно обученная языковая модель BERT для арабского языка. Модель разработана для анализа арабского текста и предсказания скрытых токенов; её архитектура — BertForMaskedLM, размер — 137,8 млн параметров, максимальная длина контекста — 512 токенов. Для предварительного обучения использовали около 8,2 млрд слов из арабской версии OSCAR, Википедии и других арабоязычных ресурсов общим объёмом около 95 ГБ. Корпус включает литературный арабский и некоторые диалекты, а также отдельные неарабские слова. Модель доступна в форматах PyTorch, TensorFlow и Flax; карточка приводит примеры загрузки через Transformers. Её можно применять как основу для задач заполнения пропусков и дообучать для других задач обработки арабского языка. Карточка просит цитировать публикацию, но не сообщает лицензию, поэтому условия использования по лицензии определить нельзя.

BLOSSOM-v1-3b — диалоговая языковая модель, разработанная на основе BLOOM-3b и дообученная методом instruction tuning на 60 тысячах примеров из набора Blossom chat. Она продолжает текст диалога и предназначена для ответов на вопросы и ведения многоходовых бесед; формат запроса включает роли человека и бота, а завершённые ответы бота в истории разделяются токеном </s>. Модель построена на плотной архитектуре BLOOM с причинным языковым моделированием и содержит 3,8 млрд параметров. Модель поддерживает китайский и английский языки. Репозиторий содержит веса PyTorch, задача Hugging Face — text-generation. Указана лицензия Apache-2.0. Карточка описывает диалоговое применение, но не приводит результатов оценки качества или специальных ограничений по сценариям использования.

CORe Pico 4 — компактная языковая модель от CORe Technologies для диалогов, коротких ответов и вызова инструментов. Это плотный авторегрессионный трансформер семейства Qwen3 с 1,7 млрд параметров; модельные веса доступны в формате safetensors и загружаются через Transformers без пользовательского кода. Для отдельных запусков доступны GGUF-квантизации в специализированном репозитории. Модель рассчитана на многоходовые беседы, повседневные вопросы, простые задачи на рассуждение и сценарии с агентами, где нужен структурированный вызов инструментов. Контекст составляет 40 960 токенов. Основной язык — английский; другие языки поддерживаются в меньшей степени. Условная функция рассуждения может выдавать заглушки вместо полезного пошагового анализа, а глубина рассуждений снижается по мере продолжения диалога. При контексте свыше 8 тысяч токенов растут расход памяти на KV-кэш и задержка генерации на маломощных устройствах. Лицензия — Apache 2.0.

FastContext-4B-RL base Function Calling xLAM Unsloth — дообученная модель на базе microsoft/FastContext-1.0-4B-RL, разработанная автором репозитория с применением LoRA и supervised fine-tuning на наборе Salesforce/xlam-function-calling-60k. Это причинная языковая модель архитектуры Qwen3ForCausalLM с 3,7 млрд параметров, предназначенная для диалоговой генерации текста и вызова инструментов по инструкциям. Метаданные указывают контекстное окно 262 144 токена; модель распространяется в формате safetensors и рассчитана на использование через Transformers. Модель подходит для создания ассистентов, которые выбирают и вызывают функции или инструменты в ответ на запрос пользователя. В карточке приведены только значения обучающей потери; оценка на бенчмарках не проводилась, поэтому качество вызова инструментов не подтверждено независимыми результатами. Модель унаследует ограничения и предубеждения базовой модели, а поведение за пределами единственного обучающего набора не проверено. LoRA-адаптеры слиты с базовыми весами, поэтому отделить их от дообучения нельзя. Лицензия в предоставленных данных не указана.

onnx-community/Florence-2-base-ft — модель компьютерного зрения и генерации текста, основанная на Microsoft Florence-2-base-ft и опубликованная в формате ONNX для совместимости с Transformers.js. Она предназначена для задач image-to-text и text-to-text, включая создание подписей к изображениям, в том числе более подробных описаний сцен. Модель принимает изображение и текстовый промпт задачи, после чего генерирует текстовый результат; пример использования показывает запуск в JavaScript, включая веб-среду и WebGPU. Модель относится к мультимодальным vision-language системам, однако точные сведения о размере, архитектуре, поддерживаемых языках и максимальной длине контекста в README не указаны. Ключевое преимущество — наличие ONNX-весов и готовая интеграция с Transformers.js, что упрощает запуск в приложениях на JavaScript и потенциально непосредственно в браузере. Ограничения и показатели качества также не приведены. Лицензия — MIT.

Intern-S1 — открытая мультимодальная модель рассуждений, разработанная командой InternLM. Она предназначена для диалога, общих задач и научных сценариев, включая интерпретацию химических структур, понимание последовательностей белков и планирование синтеза соединений. Модель объединяет языковую архитектуру Qwen3 с 235 млрд параметров типа MoE и визуальный энкодер InternViT на 6 млрд параметров; она дополнительно обучена на 5 трлн мультимодальных токенов, из которых более 2,5 трлн относятся к научным данным. Intern-S1 принимает текстовые и визуальные входы; README также описывает обработку видео. Модель поддерживает режим рассуждений, который включён по умолчанию, и может использоваться для общения с внешними инструментами через совместимый интерфейс. Для развёртывания полной версии README указывает минимум восемь ускорителей A100, H800 или H100 либо четыре H200. Для работы с Transformers требуется версия 4.53.0 или новее. Модель распространяется по лицензии Apache-2.0. Описанные научные возможности ориентированы на исследовательскую работу, но README не приводит отдельной оценки надёжности для конкретных научных задач; результаты следует проверять. Указанные требования к оборудованию делают локальное развёртывание ресурсоёмким.

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.

IRx-2 — компактный офлайн-чат-ассистент семейства IRx, разработанный автором репозитория ikppramesh. Модель предназначена для повседневных вопросов и запуска непосредственно на телефонах, планшетах и компьютерах; сборка в этом репозитории использует MLX и 4-битные веса safetensors на базе архитектуры Qwen3.5. README рекомендует устройство с 8 ГБ оперативной памяти или больше и отмечает баланс качества ответов и скорости. Модель помогает объяснять ошибки и писать код, составлять учебные планы и отвечать на общие практические вопросы, в том числе о фермерском хозяйстве. Встроенный дайджест новостей охватывает отдельные заголовки по состоянию на 3 октября 2026 года. Модель работает без подключения к интернету; заявленная лицензия — Apache-2.0. Ограничения: это небольшая модель, которая уступает крупным облачным системам в сложных рассуждениях, программировании и широте знаний, а также может уверенно сообщать неверные факты. Новости после указанной даты и темы вне дайджеста ненадёжны; автор не рекомендует включать нативный вызов инструментов.

Карточка модели NiuTrans/LMT-60-4B на Hugging Face совпадает с карточкой NiuTrans/LMT-60-0.6B, поэтому описание составлено по ней. LMT-60-0.6B — модель машинного перевода от команды NiuTrans, дообученная на базе NiuTrans/LMT-60-0.6B-Base. Она относится к плотной архитектуре Qwen3ForCausalLM, содержит около 507,9 млн параметров и принимает контекст до 32 768 токенов. Модель входит в семейство LMT-60, обученное на 90 млрд токенов; семейство рассчитано на перевод между 60 языками в 234 направлениях с особым вниманием к китайскому и английскому языкам. Модель предназначена для многоязычного перевода текстов, включая языки с высоким, средним и низким объёмом ресурсов. Её можно использовать для перевода документов, сообщений и пользовательского контента между поддерживаемыми языками. Карточка заявляет конкурентное качество среди моделей с сопоставимым языковым охватом, но не приводит здесь конкретных метрик для этого чекпойнта. Выпущена под лицензией Apache-2.0.

MiLMMT-46-1B-v1.0 — языковая модель для перевода, разработанная Xiaomi. Она основана на Gemma 3 1B: после продолженного предобучения на 143 млрд токенов данных на 46 языках и контролируемой настройки версии v0.1 модель прошла обучение с подкреплением и слияние моделей. В репозитории указана связь с xiaomi-research/MiLMMT-46-1B-v0.1; метаданные классифицируют модель как дообучение этой версии. Модель предназначена для перевода между 46 поддерживаемыми языками, включая русский, английский, китайский, арабский, японский и хинди. Она принимает текст и генерирует перевод; архитектура — плотная Gemma3ForCausalLM с 1 млрд параметров и контекстом 32 768 токенов. Для использования описаны Transformers и vLLM. Ключевое назначение модели — многоязычный перевод на базе компактной LLM. Переводческое качество для языков за пределами заявленного списка не гарантируется. Лицензия в метаданных указана как Gemma.