I.5Создание и редактирование текста

ML6 Team разработала KBIR-OpenKP — модель на базе KBIR, дообученную на наборе OpenKP для извлечения ключевых фраз из английских документов. Она решает задачу как классификацию токенов с метками начала, продолжения и фона, после чего соседние фрагменты ключевой фразы объединяются в результат. Модель построена на архитектуре RoBERTa и содержит 454,1 млн параметров. Она предназначена для автоматического выделения важных фраз в веб-документах и корпусах, чтобы быстро получать краткое представление об их содержании. Контекст составляет до 514 токенов; доступны веса PyTorch. На тестовой выборке OpenKP указаны результаты F1@5 0,19, F1@10 0,11 и F1@M 0,39. Модель работает только с документами на английском языке и ограничивает количество предсказываемых ключевых фраз. Распространяется по лицензии MIT.

NVIDIA Kimi-K2.6 Eagle3 — вспомогательная модель Eagle head для Moonshot AI Kimi-K2.6, предназначенная для ускорения авторегрессионной генерации с помощью спекулятивного декодирования. Она обучена на синтетических ответах целевой модели и интегрируется с Model Optimizer; архитектура указана как Transformers / DeepSeek V3, размер — 1,8 млрд параметров. При длине чернового продолжения 3 README сообщает среднюю длину принятой последовательности 2,62 токена на MT-Bench и 2,67 на качественной подвыборке SPEED-Bench. Модель рассчитана на применение в чат-ботах, агентных системах, RAG и других приложениях, где нужна более быстрая генерация ответов, кода и инструкций. Карточка указывает мультимодальный ввод текста, изображений и видео, текстовый вывод и контекст до 256 тыс. токенов. Для инференса заявлена интеграция с TensorRT-LLM на системах NVIDIA Blackwell под Linux. README разрешает коммерческое и некоммерческое применение в соответствии с NVIDIA Open Model License; конкретные ограничения производительности и совместимости зависят от конфигурации serving-системы.

LFM2.5-VL-1.6B — мультимодальная модель для работы с текстом и изображениями, разработанная Liquid AI и преобразованная сообществом litert-community в формат LiteRT-LM для локального запуска на устройствах через runtime Google LiteRT. Модель предназначена для сценариев on-device и edge-инференса, включая ответы на вопросы по изображениям, описание содержимого, OCR и другие задачи image-text-to-text. Она поддерживает одно изображение на запрос; изображение автоматически приводится к размеру 512×512 и представляется 256 визуальными токенами. В основе модели — гибридная текстовая архитектура LFM2 с 16 слоями, объединяющая gated short-convolutions и grouped-query attention; размер скрытого представления составляет 2048, словарь — 64 тысячи токенов. Используется крупная vision-башня SigLIP2 из 27 слоёв с размером скрытого представления 1152. Максимальный контекст KV-кэша — 4096 токенов. Доступны варианты квантования int8 и int4; размер int4-сборки составляет около 1,30 ГБ, int8 — около 1,81 ГБ. Поддерживаются CPU и GPU при использовании совместимого LiteRT-LM. Ключевое ограничение исходной сборки связано с ошибкой в vision-пути LiteRT-LM 0.16.0 и текущей основной ветке: модель фактически видит только верхнюю четверть изображения. Поэтому хорошо работают описание, вопросы о цветах и OCR крупных объектов, но позиционные задачи, подсчёт и перечисление объектов могут давать неверные ответы или приводить к деградации генерации. В репозитории доступна исправленная int4-сборка fixB, возвращающая модели полный видимый диапазон изображения, однако координатное распознавание остаётся ограниченным по сравнению с 3B-версией семейства. Модель распространяется по лицензии lfm-open-license-v1.0; дополнительные условия следует проверять в файле LICENSE репозитория.

MiniCheck-RoBERTa-Large — модель для проверки фактов, разработанная авторами работы MiniCheck: Efficient Fact-Checking of LLMs on Grounding Documents. Она принимает документ и отдельное утверждение и определяет, подтверждается ли утверждение содержанием документа, выдавая бинарную метку: 1 — подтверждено, 0 — не подтверждено. Модель предназначена для проверки утверждений в ответах LLM по опорным документам и оценки фактической обоснованности сгенерированного текста на уровне предложений. Это модель классификации последовательностей на базе RoBERTa-Large с 454,1 млн параметров и контекстом 514 токенов. Она дообучена от обученной RoBERTa-Large из AlignScore на 14 тысячах синтетических примеров. В работе авторов модель показала сильные результаты на бенчмарке LLM-AggreFact по сравнению со специализированными фактчекерами сопоставимого размера. Репозиторий содержит веса PyTorch, лицензия — MIT. Модель рассчитана на английский язык. Оценка проводилась на реальных утверждениях; результаты для утверждений, вручную изменённых для внесения определённых ошибок, не оценивались. Для надёжной проверки модель следует использовать вместе с подходящими опорными документами и учитывать ограничение контекста.

NbAiLab/NbAiLab норвежская команда разработала эту модель распознавания речи на основе XLS-R от Facebook/Meta, дообучив её для новонорвежского письменного языка (нюношк). Модель использует архитектуру Wav2Vec2ForCTC и содержит 1,3 млрд параметров; она принимает аудио и преобразует речь в текст. Для обучения использовался Norwegian Parliamentary Speech Corpus (NPSC), опубликованный в формате набора данных NbAiLab/NPSC. Модель предназначена для автоматической транскрибации речи на нюношке, в том числе парламентских выступлений. На тестовом наборе авторы сообщают WER 11,32% и CER 4,02% при декодировании с 5-граммовой языковой моделью KenLM; без языковой модели WER составляет 13,64%. Качество на других доменах и типах аудио может отличаться. Модель распространяется по лицензии Apache-2.0.

Skywork_Skywork-R1V3-38B-GGUF — это квантизированная GGUF-версия модели Skywork-R1V3-38B, разработанной командой Skywork и подготовленной пользователем bartowski. Модель предназначена для задач преобразования изображений и текста в текст, а также для запуска локальных мультимодальных сценариев через llama.cpp, LM Studio и другие совместимые проекты. В репозитории представлены варианты с точностью от BF16 до низкоразрядных форматов Q2–Q8 и IQ. Базовая модель содержит 38 млрд параметров; размер файлов варьируется примерно от 13 до 66 ГБ в зависимости от формата. Для квантования использовался llama.cpp с методом imatrix. Указан английский язык, однако сведения о размере контекста, конкретной архитектуре и полном наборе поддерживаемых языков отсутствуют. Сильной стороной модели является широкий выбор квантовок: варианты Q6 и Q5 ориентированы на высокое качество, а Q4 и Q3 позволяют снизить требования к оперативной памяти. Более компактные варианты экономичнее по ресурсам, но могут заметно уступать по качеству. Для корректной работы требуется указанный шаблон промпта с тегами system, user, assistant и маркером <think>. Модель распространяется по лицензии MIT.

Модель Surya Teja — дообученная версия Wav2Vec2ForCTC для автоматического распознавания речи на телугу. Она преобразует аудио на телугу в текст и предназначена для транскрибации, создания субтитров, голосовых интерфейсов, образовательных и вспомогательных приложений. Модель содержит 113,3 млн параметров, распространяется в формате Safetensors и использует библиотеку Hugging Face Transformers. Для входного аудио в README указаны формат WAV и частота дискретизации 16 кГц. Модель обучена на пользовательском наборе аудиозаписей проекта Gonthuka. Для оценки использовались метрики WER и CER, однако численные результаты не приведены. Лучше всего модель подходит для речи на телугу; шумные записи и смешанная речь могут снижать точность. Лицензия — Apache-2.0.

Модель infinitejoy/wav2vec2-large-xls-r-300m-slovak — дообученная версия facebook/wav2vec2-xls-r-300m для распознавания словацкой речи. Она использует архитектуру Wav2Vec2ForCTC и обучена на словацкой части набора Mozilla Common Voice 7.0. Модель принимает аудио и преобразует речь в текст; в карточке приведены результаты оценки на тестовой выборке: WER 0,2481 и loss 0,2915. Модель подходит для транскрибирования записей и голосовых высказываний на словацком языке. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Карточка не описывает условия записи и оценки подробно, поэтому качество на других типах аудио по указанным метрикам определить нельзя.

itayinbar/whisper-base-he — модель распознавания речи на иврите, разработанная на основе OpenAI Whisper Base. Авторы заменили исходный мультиязычный словарь Whisper на ивритский byte-level BPE из 8 192 токенов и дообучили модель на 3 112,7 часа человеческой расшифровки иврита. В README указано 50,2 млн параметров; в метаданных — 29,4 млн, поэтому размер модели указан в источниках по-разному. Модель преобразует аудиозаписи на иврите в текст. Она предназначена для расшифровки речи, в том числе длинных записей и аудио из собраний и сообщений. README приводит результаты оценки на нескольких наборах данных и сообщает о высокой скорости на RTX 5070 Laptop; эти показатели относятся к указанным тестам и оборудованию. Репозиторий содержит форматы ONNX и Safetensors, библиотека — Transformers. Лицензия Apache-2.0. Модель специализирована на иврите; характеристики распознавания других языков в карточке не заявлены.

amedcj/whisper-kurmanji — модель автоматического распознавания речи на основе архитектуры Whisper, дообученная для курманджи, северного диалекта курдского языка. Разработчик обучал её на данных Common Voice Kurmanji. Модель принимает аудио и преобразует речь в текст; её также можно дообучать для других диалектов. Модель содержит 153,1 млн параметров, использует библиотеку Transformers и распространяется в формате safetensors. Она предназначена для расшифровки аудио на курманджи. Репозиторий указан под лицензией Apache-2.0. Данных о длине контекста и конкретных ограничениях распознавания в карточке нет.

thorhojhus/whisper-large-v3-turbo-danish — датская версия Whisper-large-v3-turbo, дообученная разработчиком на датской речи. Модель использует архитектуру Whisper и неизменённый токенизатор базовой модели; опубликованные веса представляют собой экспоненциальное скользящее среднее после 200 000 шагов обучения. Для обучения использовались датские данные CoRal v3, Common Voice 26.0, FLEURS, FTSpeech и NST, а также отфильтрованные псевдоразметки. Модель предназначена для автоматической транскрипции датской речи, включая разговорную и зачитанную речь. В оценке на публичном протоколе датского ASR-лидерборда показатель WER составил 20,05% на разговорных данных CoRal, 12,93% на зачитанных данных CoRal и 8,24% на Common Voice cv17_da. Для аудио длиннее 30 секунд оценивалось последовательное декодирование с временными метками, однако длинные записи непосредственно при обучении не использовались. Модель опубликована в формате safetensors для Transformers под лицензией MIT. Качество распознавания на языках, отличных от датского, может быть ниже; поведение на длинных записях следует проверять отдельно.

erenfazlioglu/whisper-small-turkish-tr-best — дообученная модель распознавания речи на основе OpenAI Whisper Small. Она предназначена для преобразования аудио в текст; в README приведён результат оценки WER 26,3414 и loss 0,3166. Название репозитория указывает на турецкий язык, однако README не уточняет состав данных или языковой охват. Модель содержит 153,1 млн параметров, использует архитектуру WhisperForConditionalGeneration и доступна в формате PyTorch. Распространяется по лицензии Apache-2.0.

Это публичное зеркало модели Cohere Transcribe от Cohere и Cohere Labs, подготовленное для установки в настольное приложение Yap и локальной транскрибации речи. Модель предназначена для автоматического распознавания речи; базовая Cohere Transcribe — специализированная ASR-модель на 2 млрд параметров, поддерживающая 14 языков. Репозиторий зеркалирует CohereLabs/cohere-transcribe-03-2026 и содержит веса в формате Safetensors для использования с Transformers. Лицензия — Apache 2.0. Языки транскрибации и ограничения качества в карточке этого зеркала не перечислены.

Это зеркало модели Ornith 1.0 35B abliterated, опубликованное imbutus для запуска через vLLM и загрузчиков на основе Transformers. Веса скопированы без изменений из YuYu1015/YuYu1015-Ornith-1.0-35B-abliterated; в репозитории добавлены конфигурации мультимодального препроцессора из deepreinforce-ai/Ornith-1.0-35B, чтобы включить загрузку изображений и видео. Архитектура — Qwen3.5 MoE, класс Qwen3_5MoeForConditionalGeneration; файлы весов представлены в safetensors. Модель принимает текст и изображения и предназначена для диалоговых мультимодальных запросов. Базовый контекст составляет 262144 токена, а в приведённой конфигурации запуска ограничен 131072 токенами для размещения KV-кэша на одном GPU. Лицензия — Apache-2.0. Зеркало не меняет веса, а добавляет файлы конфигурации препроцессора.

Zen-VL-30B-Instruct — мультимодальная vision-language модель на базе zenlm/zen-vl-30b-instruct, подготовленная в формате GGUF пользователем mradermacher. Модель предназначена для задач image-text-to-text: анализа изображений и генерации текстовых ответов по визуальному и текстовому вводу. В README указано, что она поддерживает английский язык и относится к семейству ZenLM. Размер базовой модели — 30B параметров, однако точная архитектура и размер контекстного окна не указаны. Репозиторий содержит imatrix-квантизацию и набор вариантов GGUF с разными уровнями сжатия — от IQ1_S до Q6_K, размером примерно от 6,5 до 25,2 ГБ. Это позволяет выбирать баланс между требованиями к памяти, скоростью и качеством; для общего применения рекомендован вариант i1-Q4_K_M, а i1-Q4_K_S описан как оптимальный по соотношению размера, скорости и качества. Для работы с изображениями могут потребоваться отдельные файлы mmproj из статического репозитория. Агрессивно квантованные варианты имеют более низкое качество, а сведения о специализированных ограничениях и контекстном окне отсутствуют. Лицензия модели — Apache-2.0.

AMALIA-VL-DPO — мультимодальная модель для обработки изображений и текста с генерацией ответов на естественном языке. Её разработал консорциум португальских университетов и исследовательских центров при поддержке государственных программ Португалии; модель основана на AMALIA-VL-SFT и прошла этап дообучения DPO. Архитектура — Llava Next, веса опубликованы в формате Safetensors, модель предназначена для использования через Transformers. Модель рассчитана прежде всего на европейский португальский язык (pt-PT), также поддерживает английский. Она подходит для визуальных вопросов и инструкций, кратких ответов, извлечения текста с изображений, маркировки изображений и вопросов по документам. Лицензия — Apache-2.0. Модель может галлюцинировать, отражать предвзятости и выдавать вредный или небезопасный контент, несмотря на настройку безопасности. Фактические ответы следует сверять с источниками, а для RAG-сценариев использовать подходящую базу знаний; перед внедрением модель нужно оценить для конкретной задачи. Она не предназначена для самостоятельных решений с высокими последствиями без надзора специалиста и не рассчитана на языки и культурные контексты за пределами португальского и английского.

CoE-Wiki-CoE-8B-i1-GGUF — квантизированная версия мультимодальной модели PeiyangLiu/CoE-Wiki-CoE-8B, подготовленная mradermacher в формате GGUF. Модель относится к семейству Qwen3-VL и предназначена для работы с визуальными данными, визуальными вопросами и пониманием документов, включая сценарии, где требуется сопоставлять сведения и формировать ответы на основе цепочки доказательств. В README указан английский язык. Модель имеет около 8 миллиардов параметров и поддерживает мультимодальный ввод, однако точная архитектура и размер контекстного окна не указаны. Репозиторий содержит множество вариантов квантизации, от очень компактных IQ1 до более качественных Q6_K; рекомендуемыми названы i1-Q4_K_M как быстрый вариант и i1-Q4_K_S как компромисс между размером, скоростью и качеством. Более агрессивные варианты уменьшают требования к памяти, но могут заметно снижать качество ответов. Для работы с изображениями могут потребоваться отдельные файлы mmproj из статического репозитория. Модель распространяется по лицензии Apache-2.0. README не содержит результатов бенчмарков, точных требований к оборудованию, ограничений по разрешению изображений или подробных сведений о качестве на разных задачах, поэтому эти характеристики нельзя оценить по имеющимся данным.

Карточка модели opencompass/CompassJudger-1-32B-Instruct на Hugging Face совпадает с карточкой opencompass/CompassJudger-1-7B-Instruct, поэтому описание составлено по ней. CompassJudger-1-7B-Instruct — разработанная OpenCompass модель-судья на базе Qwen2.5-7B-Instruct с 7,1 млрд параметров. Это плотная авторегрессионная языковая модель семейства Qwen2, предназначенная для оценки ответов и моделей по инструкциям пользователя. Модель поддерживает выставление оценок, попарное сравнение, подробную критику и отзывы в заданном формате. Её можно применять для автоматической оценки ответов на субъективных наборах данных и как универсальную инструктивную модель для диалогов и повседневных задач. Контекст — до 32 768 токенов; README также отмечает возможность ускоренного инференса через vLLM и LMDeploy. Модель принимает и генерирует текст. Языки в карточке не перечислены. Лицензия — Apache-2.0. Оценки модели-судьи могут зависеть от формулировки критериев и смещений при автоматической оценке; README не приводит конкретных ограничений качества.

CoT-T5-11B — англоязычная языковая модель семейства T5, разработанная KAIST AI на базе Flan-T5 и дообученная на 1,84 млн цепочек рассуждений для 1 060 задач из CoT Collection. Она предназначена для генерации ответов с пошаговым рассуждением, решения ранее не встречавшихся задач в режиме zero-shot и адаптации к новым задачам посредством дополнительного дообучения с цепочками рассуждений. Модель использует архитектуру T5 для преобразования текста в текст; в метаданных указано 5,8 млрд параметров и формат PyTorch. В README сообщается о более высоких результатах CoT-T5 по сравнению с Flan-T5 при использовании цепочек рассуждений. Модель поддерживает английский язык и работает с текстовыми входами и выходами. Лицензия — Apache 2.0. Результаты на конкретных задачах и длина контекста в предоставленных данных не описаны; крупный размер требует существенных вычислительных ресурсов.

Dixtral — модель распознавания речи, разработанная группой BUT Speech@FIT Брненского технического университета. Она сочетает речевую модель Voxtral-Mini-3B-2507 с энкодером DiCoW v3 large, учитывающим информацию о диаризации, чтобы распознавать речь целевого говорящего в многоголосых записях. Модель предназначена для транскрибации разговоров и записей совещаний с несколькими участниками. Для ответов на вопросы по аудио разработчики рекомендуют отдельную модель Dixtral_QA. Модель дообучена на NOTSOFAR-1, AMI Meeting Corpus и LibriMix/LibriSpeechMix; опубликована в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0.

Карточка модели lokeshe09/gemma-4-26B-A4B-it-SFT-GSPO_OCRR на Hugging Face совпадает с карточкой lokeshe09/gemma-4-26B-A4B-it-SFT-GRPO, поэтому описание составлено по ней. Мультимодальная диалоговая модель Gemma 4, дообученная lokeshe09 на базе unsloth/gemma-4-26B-A4B-it с использованием Unsloth и библиотеки Hugging Face TRL. Предназначена для диалогов с текстом и изображениями; поддерживает анализ изображений и интерфейс вызова инструментов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает обучающие данные и конкретные улучшения после дообучения, поэтому качество для отдельных сценариев по ней оценить нельзя.

Granite Speech 5.0 TurboCTC — компактная модель распознавания английской речи от IBM с 470 млн параметров. Она предназначена для быстрой транскрибации речи в текст и рассчитана на развертывание на ноутбуках, смартфонах и других устройствах с ограниченными ресурсами. Модель использует акустический энкодер Conformer с блочным self-attention, self-conditioning и временным уменьшением частоты представлений. Она обучена на примерно 60 000 часах английского аудио и применяет CTC с жадным неавторегрессионным декодированием, что обеспечивает высокую скорость вывода. Поддерживается Transformers; для локального запуска также описаны варианты MLX Audio и transcribe.cpp. Модель подходит для корпоративной транскрибации с низкой задержкой и высокой пропускной способностью. Обучающие данные включают общедоступные аудиокорпуса и синтетические примеры, в том числе речь с числами, валютами и адресами. Поддерживается английский язык; лицензия — Apache 2.0. Модель ориентирована на английскую речь, поэтому её не следует считать многоязычной.

II-Search-4B — языковая модель Intelligent Internet на базе Qwen3-4B, дообученная для поиска информации и рассуждений с использованием веб-поиска. Модель содержит около 3,7 млрд параметров, использует плотную архитектуру Qwen3 и поддерживает контекст до 98 304 токенов. Модель предназначена для ответов на фактические вопросы, многошагового поиска и проверки сведений по нескольким источникам. Она умеет работать с инструментами веб-поиска и посещения страниц, строить планы поиска и составлять подробные отчёты по исследовательским запросам. В README приведены результаты бенчмарков, но они не гарантируют точность ответов в каждом сценарии. Это текстовая модель для генерации ответов; для актуального веб-поиска требуется предоставить ей соответствующие инструменты и среду их выполнения. Модель распространяется по лицензии Apache-2.0.

Moonshine Streaming Small — Spanish — это модель распознавания испанской речи от Moonshine AI. Она транскрибирует аудио по мере поступления, не дожидаясь окончания высказывания, и рассчитана на локальный запуск на устройствах с ограниченными ресурсами. По метаданным, модель содержит 48,2 млн параметров; карточка описывает потоковую архитектуру с аудиофронтендом 50 Гц и оконным Transformer-энкодером. Модель доступна в формате Safetensors, работает через Transformers и поддерживает контекст до 4096 токенов. Обучение сочетает небольшую коллекцию человеческих расшифровок и крупный испаноязычный корпус с автоматически созданными псевдоразметками. В оценке на двух наборах чтения WER составил около 4,9%, однако эти результаты не характеризуют спонтанную речь, телефонные записи и тяжёлые диалекты. Возможны ошибки в именах, числах и переключении языков, а на коротких или шумных фрагментах — зацикливание текста. Для корректной потоковой работы при обработке нужно передавать attention mask. Лицензия — MIT.

Narwhal-7b-v3 — языковая модель Vezora, созданная слиянием методом Tie на основе OpenChat 3.5 и una-cybertron-7b-v2-bf16. Это плотная causal language model семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и, по карточке, особенно хорошо подходит для автоматической разметки данных: она может присваивать предложениям метки тональности и возвращать результат в JSON. Её можно применять для предварительной разметки текстовых корпусов, классификации тональности по предложениям и подготовки структурированных обучающих данных с последующей проверкой человеком. README приводит пример на английском языке; метаданные не задают список поддерживаемых языков. Репозиторий содержит веса Safetensors и распространяется по лицензии Apache-2.0. Заявление о качестве в карточке не сопровождается оценками или сравнительными тестами, поэтому точность разметки следует проверять на целевых данных.

noczero/pii-xlmr-bilingual — дообученная модель XLM-RoBERTa для поиска и разметки персональных данных в тексте на английском и корейском языках, включая их смешанное употребление. Модель находит семь типов сущностей: людей, корейские регистрационные номера жителей (RRN), телефоны, адреса электронной почты, адреса, номера карт и организации. Архитектура — XLMRobertaForTokenClassification, около 305,2 млн параметров; базовая модель — FacebookAI/xlm-roberta-base. Максимальная длина контекста — 514 токенов. Модель предназначена для выявления фрагментов с персональными данными перед их редактированием или маскированием, в том числе в локальных системах без сетевых вызовов при инференсе. В README сообщается о строгом F1 по точным границам сущностей 0,9711 на генеративном наборе и 0,9161 на смешанном англо-корейском наборе; результаты на реальном тексте ниже — 0,7356 в целом, причём слабее всего распознаются организации. Лицензия — MIT.

Qwen3.8 Omni Flash — мультимодальная модель рассуждений компании Alibaba, ориентированная на агентные сценарии. Она предназначена для анализа аудио- и видеоматериалов и подготовки их кратких сводок. В README заявлена встроенная поддержка понимания аудио и видео. Модель подходит для анализа аудио-видео материалов; в предоставленных данных не описаны её архитектура, размер, поддерживаемые языки, длина контекста и условия лицензии.

SymbioticLM-1B — компактная текстовая модель Convergent Intelligence LLC из серии Symbiotic AI, предназначенная для логических рассуждений и работы в условиях ограниченных ресурсов. По метаданным это плотная авторегрессионная архитектура Qwen3ForCausalLM на 507,9 млн параметров, дообученная на базе Qwen/Qwen3-0.6B; README описывает гибридный символьно-трансформерный подход, символическую память и обработку мыслительных состояний. Модель рассчитана на генерацию текста, диалоговых ответов, планов, объяснений и небольших фрагментов кода. Заявлены контекст до 40 960 токенов, англоязычная поддержка и запуск через Transformers; карточка также указывает интерфейс вызова инструментов. В README перечислены сценарии для исследовательских агентов, образовательных помощников, процедурного планирования и математического моделирования. Среди описанных компонентов — память из 2048 символических векторов и модули обработки символических представлений. Автор указывает, что модель менее свободно формулирует ответы, чем более крупные варианты, точность символических операций зависит от подготовки памяти, а сложный режим симуляции требует прогрева или начальной символической информации. Лицензия — AFL-3.0. README называет базовую модель Qwen-1B, однако метаданные Hugging Face связывают этот репозиторий с Qwen/Qwen3-0.6B; в качестве базовой модели указана версия из метаданных.

BuzzASR/turkish — специализированная модель распознавания турецкой речи, созданная в рамках набора BuzzASR и дообученная разработчиками проекта на базе openai/whisper-large-v3. Это плотная модель WhisperForConditionalGeneration примерно с 905,2 млн параметров, использующая библиотеку Transformers и формат safetensors. Она принимает аудио и выдаёт текстовую транскрипцию; конфигурация генерации уже содержит подсказку языка и задачи, поэтому отдельный параметр языка не требуется. Модель предназначена для автоматической транскрибации речи на турецком языке. В тестах на FLEURS и Common Voice 25 авторы сообщают CER 2,0% и 4,67% соответственно, а на объединённом наборе — CER 4,0% и WER 12,44%; эти результаты относятся к указанным тестовым выборкам и не гарантируют такое же качество на других данных. Модель монолингвальная, поэтому не предназначена для распознавания других языков; качество на иных тематиках, акцентах и диалектах может отличаться. Лицензия — MIT.

Модель SIL AI — дообученная версия facebook/wav2vec2-xls-r-300m для автоматического распознавания речи на тагальском языке. Она принимает аудио и преобразует речь в текст; обучающие данные взяты из набора SIL-AI/bloom-speech, раздел TGL, связанного с Bloom Library. На оценочной выборке указаны WER 0,2457 и CER 0,0769. Модель предназначена для распознавания тагальской речи в сценариях, связанных с материалами Bloom. Это proof of concept: авторы не гарантируют качество в конкретных условиях. Для использования необходимо соблюдать лицензию SIL RAIL-M License.