I.5Создание и редактирование текста

BuzzASR Persian — одноязычная модель автоматического распознавания персидской речи, разработанная как часть набора BuzzASR. Это полноценно дообученная версия Whisper large-v3 с заменой токенизатора на персидский и дополнительным текстовым многозадачным обучением. Модель содержит около 907,3 млн параметров и предназначена для преобразования персидской речи в текст. Модель оценивается на наборах FLEURS и Common Voice 25.0; в карточке сообщается о снижении CER относительно Whisper large-v3 без дообучения. Она подходит для транскрибации персидской речи, однако качество на других доменах, диалектах и условиях записи может отличаться. Модель одноязычная и рассчитана на персидский язык. Модель распространяется по лицензии MIT. Указанные результаты относятся к тестовым разделам FLEURS и Common Voice и не гарантируют аналогичное качество на произвольных аудиозаписях.

Qari-OCR-0.3-SNAPSHOT-VL-2B-Instruct-merged-GGUF — это квантизированная GGUF-версия мультимодальной модели Qari-OCR-v0.3-VL-2B-Instruct, разработанной NAMAA-Space и подготовленной квантизацией пользователем mradermacher. Модель предназначена для распознавания и преобразования содержимого изображений в текст, включая сценарии OCR и генерацию Markdown. В README указана поддержка арабского языка и библиотеки Transformers. Модель имеет мультимодальную архитектуру с 2 млрд параметров и поставляется в нескольких вариантах квантизации GGUF размером примерно от 0,8 до 3,2 ГБ. Для обработки изображений требуются дополнительные мультимодальные компоненты mmproj в форматах Q8_0 или f16. Доступны варианты с разным соотношением скорости, размера и качества: Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как обеспечивающий очень хорошее качество, а Q8_0 — как вариант с лучшим качеством среди быстрых. Сильными сторонами модели являются компактный размер, поддержка мультимодального OCR и наличие различных уровней квантизации для запуска на оборудовании с разными ресурсами. README не содержит сведений о размере контекста, точном наборе поддерживаемых языков помимо арабского, результатах бенчмарков, ограничениях распознавания или подробностях архитектуры. Модель распространяется по лицензии Apache-2.0.

rubra-ai/Qwen2-7B-Instruct — дообученная компанией Rubra модель Qwen2-7B-Instruct для диалогов и многошагового вызова функций и инструментов. Модель основана на плотной авторегрессионной архитектуре Qwen2, содержит 8 млрд параметров и поддерживает контекст до 32 768 токенов. Она принимает текст и генерирует текстовые ответы и вызовы инструментов. Модель предназначена для чат-ботов и агентных сценариев, где ассистент выбирает функции, передаёт им аргументы, получает результаты и продолжает диалог. В README указано, что модель прошла дополнительное постобучение с замороженными параметрами и DPO на закрытом наборе данных с примерами вызова функций, диалогов и инструкций. Заявлена лицензия Apache-2.0. Модель может выдавать предвзятые или ошибочные ответы; результаты в чувствительных и критически важных сценариях требуют проверки. Языковые метаданные карточки указывают английский и китайский, но README не уточняет качество поддержки каждого языка.

Rosetta-7B-Think — двуязычная модель рассуждений от PoSTMEDIA на основе плотной авторегрессионной архитектуры Rosetta. Она содержит 7,1 млрд параметров и дообучена на Rosetta-7B-Base методом supervised fine-tuning на длинных трассах рассуждений. Модель генерирует трассу рассуждений перед итоговым ответом и поддерживает контекст до 65 536 токенов. Модель предназначена для диалоговой генерации ответов и пошаговых рассуждений на корейском и английском языках, в том числе для математических задач, понимания корейского текста, программирования и научных вопросов. В описанных разработчиком тестах она показала результаты на HRM8K, HAE-RAE, AIME24, AIME25 и GSM8K; сравнительные показатели получены по внутреннему протоколу разработчика. Длинные трассы рассуждений увеличивают задержку и расход токенов, а убедительные рассуждения могут содержать фактические ошибки. Модель оптимизирована для корейского и английского; качество на других языках не гарантируется. Хотя контекстное окно достигает 65 536 токенов, разработчик рекомендует проверять качество на длине свыше 32 768 токенов. Лицензия Apache-2.0 допускает коммерческое использование.

SLIMER-PARALLEL-LLaMA3-GGUF — это набор квантизированных версий языковой модели SLIMER-PARALLEL-LLaMA3, разработанной expertai и преобразованной в формат GGUF пользователем bartowski с использованием llama.cpp и imatrix-квантизации. Модель предназначена для генерации текста и задач zero-shot выделения именованных сущностей (NER), включая работу с набором данных Universal-NER/Pile-NER-type. Модель ориентирована на английский язык. В репозитории доступны варианты от исходных весов F16 размером 16,07 ГБ до более компактных форматов Q2–Q8 размером примерно от 3,7 до 8,5 ГБ, что позволяет выбирать компромисс между качеством и требованиями к памяти. Указанная архитектурная основа — LLaMA 3; точное число параметров, размер контекста и перечень поддерживаемых модальностей в README не приведены. Для работы рекомендуются llama.cpp и LM Studio, при этом отдельные варианты оптимизированы для ARM-процессоров. Сильной стороной модели является специализация на извлечении сущностей без дополнительного обучения и наличие большого выбора уровней квантизации, включая варианты, ориентированные на высокое качество или ограниченный объём оперативной памяти. Ограничения включают англоязычную направленность, возможное снижение качества в более сильных вариантах квантизации и отсутствие в README подробных результатов оценки. Лицензия указана как llama3.1; условия её применения следует проверять отдельно в документации исходной модели и соответствующей лицензии.

Uzbek Whisper Small STT v2 — модель автоматического распознавания речи на узбекском языке, созданная на основе Whisper Small и дообученная на Mozilla Common Voice 26. В README указаны три эпохи обучения и 9 195 шагов оптимизации; оценка проводилась на узбекской тестовой выборке Common Voice 26. Модель предназначена для преобразования узбекской речи в текст. Файлы основной ветки представлены в формате CTranslate2 FP16 для запуска через faster-whisper; это не стандартный чекпойнт Transformers. README не сообщает лицензию. Точность может снижаться на записях с шумом, другими микрофонами, стилями речи и диалектами, а также на аудио, отличном от Mozilla Common Voice. Перед развёртыванием рекомендуется проверить модель на характерных для приложения записях.

wav2vec2-large-xls-r-300m-lithuanian — модель распознавания литовской речи, дообученная infinitejoy на базе facebook/wav2vec2-xls-r-300m на литовской части Common Voice 7.0. Это аудиомодель на архитектуре Wav2Vec2ForCTC с 402,7 млн параметров, предназначенная для преобразования речи в текст. В README приведены результаты на тестовой выборке: WER 0,2486 и loss 0,1722. Модель подходит для транскрибирования записей и голосовых фрагментов на литовском языке. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Подробные сведения о рекомендуемых условиях применения и ограничениях в карточке отсутствуют.

Модель распознавания речи на суахили разработана инициативой THiNK и дообучена на корпусе Common Voice 11.0. Это модель Wav2Vec2ForCTC на базе wav2vec 2.0 с декодированием CTC и unigram-токенизатором; в метаданных указано 402,7 млн параметров. Она принимает аудио и преобразует речь в текст, в том числе для сервисов транскрибации, голосовых помощников и средств доступности. При обучении использован Common Voice 11.0 на суахили; в README указано, что учитывались демографические характеристики записей, включая возраст, пол и акцент. Модель распространяется в форматах PyTorch и Safetensors по лицензии Apache 2.0. Результаты могут зависеть от акцента, качества записи и соответствия речи обучающим данным; численные оценки качества в карточке не приведены.

Wav2Vec2-Large-XLSR-53-Sakha — модель распознавания речи, созданная дообучением facebook/wav2vec2-large-xlsr-53 на якутском языке (саха) на данных Common Voice. Она преобразует аудиозапись речи в текст и рассчитана на распознавание речи на саха; для входного аудио требуется частота дискретизации 16 кГц. Модель использует архитектуру Wav2Vec2ForCTC и содержит около 402,7 млн параметров. В тесте на данных Common Voice для саха указан результат 32,23%; README не уточняет метрику, поэтому его нельзя напрямую трактовать как точность или ошибку распознавания. Опубликованы веса PyTorch и Flax. Лицензия — Apache-2.0.

anuragshas/whisper-large-v2-bn — дообученная модель распознавания речи на основе Whisper Large-v2 от OpenAI. Она предназначена для преобразования аудио на бенгальском языке в текст и обучена на бенгальской части набора Mozilla Common Voice 11.0. Модель содержит около 905,2 млн параметров, использует архитектуру Whisper и представлена в формате PyTorch. В карточке указана оценка WER 11,1086 на тестовой выборке. Модель выпущена под лицензией Apache-2.0. Результаты на этой выборке не гарантируют сопоставимого качества для других условий записи, акцентов или языков.

Это дообученная модель OpenAI Whisper Large V3 Turbo от ele-sage для автоматического распознавания речи на канадском французском, включая квебекский диалект. Она преобразует аудио в текст и рассчитана на транскрибацию медиа, подкастов, интервью, формальных выступлений и повседневной речи с региональными акцентами. Модель построена на архитектуре Whisper с последовательным преобразованием аудио в текст и содержит около 905,2 млн параметров. Для дообучения использовали примерно 69 часов записей: выступления в Национальной ассамблее Квебека и данные Common Voice на канадском и других вариантах французского. В README указана частота дискретизации 16 кГц; фрагменты длиннее 30 секунд исключались или сегментировались. На валидационном наборе автор сообщает WER 6,65%. Модель предназначена прежде всего для французской речи из Квебека; обучение на формальных выступлениях и краудсорсинговых записях призвано охватить разные регистры. Это не гарантия точности на других акцентах, шумных записях или темах, не представленных в обучающих данных. Лицензия — MIT.

Viraj Patil дообучил Whisper Small MR v4 для автоматического распознавания речи на маратхи. Модель принимает аудио и преобразует речь в текст; в метаданных указана архитектура Whisper с 153,1 млн параметров. Для обучения использовались данные Common Voice 17.0 и Google FLEURS; метаданные также связывают модель с наборами Common Voice 19.0 и Google Marathi. На оценочном наборе указаны Loss 0,2496 и WER 34,1242. Модель распространяется под лицензией Apache-2.0.

mlx-community/whisper-tiny.en-8bit — компактная модель распознавания речи на основе Whisper tiny.en от OpenAI, преобразованная в формат MLX сообществом mlx-community с помощью mlx-audio-plus версии 0.1.4. Она предназначена для преобразования англоязычной речи в текст и подходит для транскрибирования аудиозаписей и голосового ввода. Репозиторий содержит веса в формате safetensors; модель использует архитектуру Whisper и библиотеку mlx-audio-plus. Лицензия — Apache-2.0. Карточка не приводит отдельных оценок качества или известных ограничений.

shpotes/xls-r-et — модель распознавания речи на основе архитектуры Wav2Vec2, дообученная автором на facebook/wav2vec2-xls-r-300m для эстонского языка на наборе MOZILLA-FOUNDATION/COMMON_VOICE_7_0. Модель принимает аудио и преобразует речь в текст; она предназначена для автоматической транскрибации эстонской речи. В репозитории указаны 402,7 млн параметров и веса PyTorch. На оценочной выборке Common Voice 7.0 для эстонского языка приведены Loss 0,4835 и WER 0,3475. Модель распространяется по лицензии Apache-2.0.

NVIDIA Nemotron-3-Super-120B-A12B-NVFP4 — большая языковая модель NVIDIA для диалогов, рассуждений и создания агентных систем. Она содержит 120 млрд параметров, из которых при генерации активны 12 млрд, и использует гибридную архитектуру LatentMoE с чередованием слоёв Mamba-2, Mixture-of-Experts и Attention, а также Multi-Token Prediction для ускорения генерации. Модель обучена с применением квантования NVFP4 и рассчитана на контекст до 1 млн токенов. Модель предназначена для сложного следования инструкциям, длинноконтекстных задач, чат-ботов, RAG-систем и совместно работающих ИИ-агентов; среди примеров применения — автоматизация обработки IT-заявок и задачи с вызовом инструментов. Поддерживаются английский, французский, немецкий, итальянский, японский, испанский и китайский языки, а также сценарии работы с кодом. NVIDIA указывает, что модель готова к коммерческому использованию. В метаданных лицензия обозначена как other, поэтому конкретные условия следует проверять в лицензионных материалах репозитория.

Nemotron-3-Ultra-550B-A55B-NVFP4 — большая языковая модель NVIDIA для диалогов, рассуждений и построения агентных систем. Она содержит 550 млрд параметров, из которых 55 млрд активны при вычислении, и использует гибридную архитектуру LatentMoE с чередованием слоёв Mamba-2, Mixture-of-Experts и Attention, а также Multi-Token Prediction. Модель распространяется в формате safetensors и рассчитана на контекст до 1 млн токенов. Модель предназначена для сложных многошаговых сценариев: работы AI-агентов, анализа больших документов и кодовых баз, ответов на вопросы, а также задач по коду, математике и науке. Она поддерживает английский, французский, испанский, итальянский, немецкий, японский, корейский, хинди, португальский и китайский языки; метаданные также указывают арабский и иврит. NVIDIA заявляет о готовности модели к коммерческому и некоммерческому использованию; лицензия обозначена как other, поэтому перед внедрением следует ознакомиться с условиями в карточке модели. Это крупный checkpoint, для которого руководство рекомендует многосерверное развертывание на подходящем оборудовании NVIDIA.

Hermes 4.3 36B — языковая модель для диалогов и следования инструкциям, разработанная Nous Research на основе ByteDance-Seed/Seed-OSS-36B-Base. Это плотная архитектура Seed OSS с 31,7 млрд параметров и контекстом до 524 288 токенов; модель распространяется в формате safetensors и рассчитана прежде всего на английский язык. Модель предназначена для рассуждений и ответов общего назначения, включая задачи по математике, программированию, STEM, логике и творческому письму. Она поддерживает гибридный режим рассуждений, вызов инструментов, а также формирование структурированных ответов и JSON по заданной схеме. Для диалогов используется шаблон чата Hermes на основе формата Llama 3. По описанию разработчика, при дообучении использовался корпус примерно из 5 млн примеров и 60 млрд токенов, с акцентом на проверяемые цепочки рассуждений и точное соблюдение формата. Модель выпущена под лицензией Apache-2.0. Для запуска на сервере с несколькими GPU разработчик рекомендует движки инференса вроде SGLang или vLLM; качество и скорость зависят от настроек и аппаратного обеспечения.

Карточка модели nishti1024/DeepSeek-V4.1-Flash на Hugging Face совпадает с карточкой deepseek-ai/DeepSeek-V4.1-Flash, поэтому описание составлено по ней. DeepSeek-V4.1-Flash — мультимодальная модель DeepSeek для диалогов, рассуждений и агентных задач. Она принимает изображения и текст и авторегрессионно генерирует текст. По README, модель обучена с нуля и использует архитектуру Causal Encoder-Decoder с 40 слоями и Mixture-of-Experts; в ней 552 млрд параметров backbone, а при обработке токенов активируется 8 млрд параметров на этапе prefill и 16 млрд при генерации. Модель поддерживает контекст до одного миллиона токенов и управляемый уровень усилий рассуждения от 1 до 100. Среди заявленных архитектурных решений — сжатие KV-кэша, разреженное внимание, условная память Engram и спекулятивное декодирование. Модель ориентирована на сценарии с длинным контекстом и агентным выполнением задач, включая работу с кодом и визуальными данными. Метаданные указывают форматы safetensors FP8 и библиотеку Transformers; лицензия — MIT. README отмечает, что для релиза не предоставлен Jinja-шаблон чата, а для запуска локально предлагается обратиться к инструкциям в папке inference.

Карточка модели luganoquants/Hermes-4.3-36B на Hugging Face совпадает с карточкой NousResearch/Hermes-4.3-36B, поэтому описание составлено по ней. Hermes 4.3 36B — языковая модель для диалогов и следования инструкциям, разработанная Nous Research на основе ByteDance-Seed/Seed-OSS-36B-Base. Это плотная архитектура Seed OSS с 31,7 млрд параметров и контекстом до 524 288 токенов; модель распространяется в формате safetensors и рассчитана прежде всего на английский язык. Модель предназначена для рассуждений и ответов общего назначения, включая задачи по математике, программированию, STEM, логике и творческому письму. Она поддерживает гибридный режим рассуждений, вызов инструментов, а также формирование структурированных ответов и JSON по заданной схеме. Для диалогов используется шаблон чата Hermes на основе формата Llama 3. По описанию разработчика, при дообучении использовался корпус примерно из 5 млн примеров и 60 млрд токенов, с акцентом на проверяемые цепочки рассуждений и точное соблюдение формата. Модель выпущена под лицензией Apache-2.0. Для запуска на сервере с несколькими GPU разработчик рекомендует движки инференса вроде SGLang или vLLM; качество и скорость зависят от настроек и аппаратного обеспечения.

RadixArk/GLM-5.3-NVFP4 — текстовая языковая модель, представляющая собой квантованную производную GLM-5.3-BF16 от Z.ai. Квантование выполнено RadixArk с использованием NVIDIA Model Optimizer; RadixArk не обучала и не дообучала модель. Модель предназначена для агентной разработки, программирования, длительного использования инструментов и задач рассуждения. Архитектура — Transformer со Sparse Mixture-of-Experts и разреженным вниманием: 78 декодерных слоёв, включая 3 плотных MLP и 75 MoE-слоёв, 753 млрд параметров всего и около 40 млрд активируемых на токен. В MoE-слоях используется 256 маршрутизируемых экспертов с выбором 8 экспертов и один общий эксперт. Модель принимает и генерирует текст, поддерживает английский и китайский языки, а длина контекста достигает 1 048 576 токенов. Ключевое преимущество — существенное уменьшение размера checkpoint с 1 507 до 465 ГБ за счёт NVFP4 W4A4-квантования части параметров при сохранении ряда компонентов в BF16. Указаны высокие результаты на GSM8K, AIME 2026, Terminal-Bench 2.1 и DeepSWE, однако базовая модель может выдавать неточные, неполные, нерелевантные или нежелательные ответы, поэтому необходимы проверка результатов и защитные меры. Checkpoint рассчитан на запуск через SGLang на Linux и совместим прежде всего с GPU NVIDIA Blackwell; конфигурация проверена на B300. Условия использования определяются лицензией Z.AI Model License, указанной как MIT-style.

Qwythos-9B-Claude-Mythos-5-1M — диалоговая модель empero-ai на базе Qwen/Qwen3.5-9B, дообученная полным обновлением текстовых весов методом supervised fine-tuning. Это плотная мультимодальная архитектура Qwen3.5 с гибридным стеком Gated DeltaNet и полнослойного внимания; дообучение было текстовым, а зрительная часть унаследована от базовой модели и не настраивалась. Модель предназначена для генерации ответов с рассуждениями, работы с инструментами и длительных агентных сессий. Она поддерживает вызов функций в формате Qwen3.5 и контекст до 1 048 576 токенов благодаря YaRN-масштабированию; в описании сообщается о внутренней проверке на контексте около 137 тысяч токенов. Заявлены сценарии анализа больших репозиториев и документов, а также задач в кибербезопасности и биомедицине. Поддержка изображений унаследована от Qwen3.5, однако зрительная часть не дообучалась и не проверялась. Карточка сообщает об успешном выполнении 7 из 7 тестовых запросов с инструментами, но это небольшой внутренний тест, а не независимая оценка. Модель может ошибаться в точных фактах и идентификаторах; для важных сведений рекомендуется поиск или другие инструменты. При жадной генерации и низкой температуре возможны повторения, а YaRN может немного ухудшать качество на коротком контексте. Лицензия — Apache 2.0.

NVIDIA Nemotron 3 Nano Omni — мультимодальная большая языковая модель семейства Nemotron, разработанная NVIDIA и дополнительно обученная на базе нескольких моделей, включая Qwen3-VL-30B-A3B-Instruct, Qwen3.5-122B-A10B, Qwen3.5-397B-A17B, Qwen2.5-VL-72B-Instruct и gpt-oss-120b. Репозиторий содержит веса в формате safetensors для Transformers; модель поддерживает чат и интерфейс вызова инструментов. В README рекомендуют начинать с контекста 131072 токена при развертывании на Spark. Модель предназначена для корпоративного мультимодального анализа видео, аудио, изображений и текста: ответов на вопросы, суммаризации, транскрибирования речи, OCR и анализа документов, а также понимания GUI. Примеры применения — поиск и краткое изложение видео, проверка заказов по видеозаписям, анализ договоров и финансовых документов, автоматизация браузера и почты. Ключевые ограничения и характеристики, включая точное число параметров и перечень поддерживаемых естественных языков, в предоставленных данных не раскрыты. Модель доступна для коммерческого использования; метаданные указывают лицензию other, поэтому перед внедрением следует свериться с условиями лицензии в карточке репозитория.

Карточка модели Pq234/Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16 на Hugging Face совпадает с карточкой lactroiii/Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16, поэтому описание составлено по ней. NVIDIA Nemotron 3 Nano Omni — мультимодальная большая языковая модель семейства Nemotron, разработанная NVIDIA и дополнительно обученная на базе нескольких моделей, включая Qwen3-VL-30B-A3B-Instruct, Qwen3.5-122B-A10B, Qwen3.5-397B-A17B, Qwen2.5-VL-72B-Instruct и gpt-oss-120b. Репозиторий содержит веса в формате safetensors для Transformers; модель поддерживает чат и интерфейс вызова инструментов. В README рекомендуют начинать с контекста 131072 токена при развертывании на Spark. Модель предназначена для корпоративного мультимодального анализа видео, аудио, изображений и текста: ответов на вопросы, суммаризации, транскрибирования речи, OCR и анализа документов, а также понимания GUI. Примеры применения — поиск и краткое изложение видео, проверка заказов по видеозаписям, анализ договоров и финансовых документов, автоматизация браузера и почты. Ключевые ограничения и характеристики, включая точное число параметров и перечень поддерживаемых естественных языков, в предоставленных данных не раскрыты. Модель доступна для коммерческого использования; метаданные указывают лицензию other, поэтому перед внедрением следует свериться с условиями лицензии в карточке репозитория.

Dolphin 2.9.3 Mistral 7B 32k — разговорная языковая модель, дообученная Eric Hartford и командой Cognitive Computations на базе mistralai/Mistral-7B-v0.3. Она предназначена для диалогов, следования инструкциям, помощи с программированием и вызова функций в агентных сценариях. Модель использует плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов; при дообучении применялась длина последовательности 8192 токена. Для общения используется шаблон ChatML. Модель обучалась на смесях диалоговых, инструкционных, кодовых и математических данных, включая Dolphin-2.9, OpenHermes-2.5, Dolphin Coder и Orca Math. Разработчики характеризуют её как uncensored и предупреждают, что перед предоставлением сервиса следует самостоятельно настроить слой выравнивания и меры контроля ответов. Лицензия Apache 2.0 разрешает коммерческое использование.

Карточка модели thethticles/gemma-4-31B-itvv на Hugging Face совпадает с карточкой ApocalypseParty/G4-31B-SFT-v6-2, поэтому описание составлено по ней. ApocalypseParty/G4-31B-SFT-v6-2 — дообученная версия мультимодальной Gemma 4 31B от Google DeepMind. Модель принимает текст и изображения и генерирует текст; её можно использовать для диалога, рассуждений, программирования и анализа визуальных данных, включая распознавание текста в документах, понимание диаграмм и интерфейсов. Поддерживаются вызовы инструментов и длинные контексты; для семейства Gemma 4 31B заявлено до 256K токенов. Gemma 4 обучена работать со многими языками, однако конкретные языки и настройки этого дообучения не описаны. Репозиторий содержит веса Safetensors и использует лицензию Apache 2.0. Карточка не приводит отдельных оценок качества или ограничений именно этой версии.

Карточка модели Arsh9210/Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16 на Hugging Face совпадает с карточкой lactroiii/Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16, поэтому описание составлено по ней. NVIDIA Nemotron 3 Nano Omni — мультимодальная большая языковая модель семейства Nemotron, разработанная NVIDIA и дополнительно обученная на базе нескольких моделей, включая Qwen3-VL-30B-A3B-Instruct, Qwen3.5-122B-A10B, Qwen3.5-397B-A17B, Qwen2.5-VL-72B-Instruct и gpt-oss-120b. Репозиторий содержит веса в формате safetensors для Transformers; модель поддерживает чат и интерфейс вызова инструментов. В README рекомендуют начинать с контекста 131072 токена при развертывании на Spark. Модель предназначена для корпоративного мультимодального анализа видео, аудио, изображений и текста: ответов на вопросы, суммаризации, транскрибирования речи, OCR и анализа документов, а также понимания GUI. Примеры применения — поиск и краткое изложение видео, проверка заказов по видеозаписям, анализ договоров и финансовых документов, автоматизация браузера и почты. Ключевые ограничения и характеристики, включая точное число параметров и перечень поддерживаемых естественных языков, в предоставленных данных не раскрыты. Модель доступна для коммерческого использования; метаданные указывают лицензию other, поэтому перед внедрением следует свериться с условиями лицензии в карточке репозитория.

unsloth/Qwen3.6-35B-A3B-GGUF — GGUF-версия открытой модели Qwen3.6-35B-A3B, разработанной командой Qwen и подготовленной Unsloth. Это каузальная языковая модель с визуальным энкодером, предназначенная для программирования, агентных сценариев, работы с репозиториями, фронтенд-разработки, рассуждений и вызова инструментов. Модель ориентирована на более стабильную и продуктивную интерактивную разработку, поддерживает сохранение контекста рассуждений из предыдущих сообщений и улучшенный разбор вложенных объектов при tool calling. Архитектура основана на Mixture of Experts: всего 35 млрд параметров, из которых активируется около 3 млрд. Модель содержит 40 слоёв, 256 экспертов, из которых для каждого запроса выбираются 8 маршрутизируемых и 1 общий эксперт; также используются Gated DeltaNet и Gated Attention. Нативная длина контекста составляет 262 144 токена, с возможностью расширения до 1 010 000 токенов. В README языки и точные визуальные возможности не перечислены, но заявлена поддержка обработки текста и изображений. Сильные стороны модели — большой контекст, экономичная активация параметров благодаря MoE, ориентация на агентное программирование, repository-level reasoning и работу с инструментами. Ограничения включают отсутствие в представленных данных подробностей о поддерживаемых языках, конкретном формате квантования GGUF, требованиях к ресурсам и полном наборе результатов тестирования; качество также может зависеть от выбранного квантования. Модель распространяется по лицензии Apache 2.0.

Dolphin 2.9.1 Qwen 110B — языковая модель, подготовленная Эриком Хартфордом, Лукасом Аткинсом, Фернандо Фернандесом и командой Cognitive Computations на базе Qwen1.5-110B. Модель с плотной архитектурой Qwen2 содержит 110 млрд параметров; её дообучили полным обновлением весов в формате ChatML. Базовая модель поддерживает контекст до 32 768 токенов, а дообучение проводилось с длиной последовательности 8 000 токенов. Модель предназначена для диалогов и выполнения инструкций, генерации кода, решения математических задач, вызова функций и сценариев с агентными возможностями. В карточке указана лицензия Tongyi Qianwen; коммерческое использование разрешено в рамках её условий. Модель описана авторами как uncensored и может охотно выполнять небезопасные запросы, поэтому перед предоставлением пользователям её следует дополнить собственным слоем фильтрации и контроля.

Granite-4.2-3B — компактная языковая модель IBM Granite Team на базе плотного декодирующего трансформера GraniteForCausalLM с 3,4 млрд параметров. Она дообучена на Granite-4.1-3B-Base и рассчитана на диалог, рассуждения и следование инструкциям; доступны режимы полного, облегчённого и отключённого рассуждения. Модель предназначена для решения математических и логических задач, программирования, многошагового анализа и вызова инструментов в агентных сценариях. Она поддерживает контекст до 131 072 токенов по метаданным; в README заявлено окно 512 тысяч токенов. Поддерживаемые языки включают английский, немецкий, испанский, французский, японский, португальский, арабский, чешский, итальянский, корейский, нидерландский и китайский; качество может быть ниже английского. Модель использует архитектуру decoder-only dense Transformer, формат весов safetensors и библиотеку Transformers. Она выпущена по лицензии Apache 2.0, допускающей коммерческое и академическое использование. Ответы могут быть неточными, предвзятыми или небезопасными; промежуточные рассуждения не всегда отражают итоговый ответ.

Карточка модели kizzlah/granite-4.2-3b на Hugging Face совпадает с карточкой ibm-granite/granite-4.2-3b, поэтому описание составлено по ней. Granite-4.2-3B — компактная языковая модель IBM Granite Team на базе плотного декодирующего трансформера GraniteForCausalLM с 3,4 млрд параметров. Она дообучена на Granite-4.1-3B-Base и рассчитана на диалог, рассуждения и следование инструкциям; доступны режимы полного, облегчённого и отключённого рассуждения. Модель предназначена для решения математических и логических задач, программирования, многошагового анализа и вызова инструментов в агентных сценариях. Она поддерживает контекст до 131 072 токенов по метаданным; в README заявлено окно 512 тысяч токенов. Поддерживаемые языки включают английский, немецкий, испанский, французский, японский, португальский, арабский, чешский, итальянский, корейский, нидерландский и китайский; качество может быть ниже английского. Модель использует архитектуру decoder-only dense Transformer, формат весов safetensors и библиотеку Transformers. Она выпущена по лицензии Apache 2.0, допускающей коммерческое и академическое использование. Ответы могут быть неточными, предвзятыми или небезопасными; промежуточные рассуждения не всегда отражают итоговый ответ.