I.6Перевод и языковая адаптация

NVIDIA FastConformer-Hybrid Large (es) — модель автоматического распознавания испанской речи, разработанная NVIDIA и обученная с использованием инструментария NeMo. Она принимает монофоническое аудио WAV с частотой 16 кГц и возвращает расшифровку в виде текста с заглавными и строчными буквами, пробелами, точками, запятыми и испанскими вопросительными знаками. Модель основана на архитектуре FastConformer с уменьшением временной размерности свёрточными слоями в 8 раз. Это крупная модель примерно на 115 млн параметров с гибридным обучением по функциям потерь Transducer и CTC; доступны оба режима декодирования. Она обучалась на составном наборе испанской речи, включающем Fisher, MCV12, MLS и VoxPopuli, и предназначена для транскрибации речи общего назначения. Качество может снижаться на технической лексике, непривычных разговорных вариантах и акцентированной речи. Модель выводит ограниченный набор знаков препинания: точку, запятую и испанские вопросительные знаки. Лицензия — CC BY 4.0.

QuantFactory/suzume-llama-3-8B-multilingual-GGUF — это квантованная в формате GGUF версия мультиязычной модели lightblue/suzume-llama-3-8B-multilingual, созданная с помощью llama.cpp. Базой служит Meta-Llama-3-8B-Instruct от Meta; исходная модель дообучена примерно на 90 тысячах многоязычных диалогов. Модель предназначена для текстового общения, генерации ответов и инструкционного взаимодействия на нескольких языках. В обучении использовались датасеты с англоязычными, японскими и другими многоязычными диалогами, а оценивание проводилось на немецком, французском, японском, русском, китайском и английском языках. Ключевая особенность — расширенная поддержка неанглийских языков при сохранении возможностей Llama 3 для диалоговых задач. Размер модели — 8B параметров; архитектура унаследована от Llama 3. Модель является текстовой, поддержка изображений и других модальностей не заявлена. Размер контекста в карточке не указан. По MT-Bench модель получила оценки 7,26 на немецком, 7,66 на французском, 6,56 на японском, 8,19 на русском, 7,11 на китайском и 7,73 на английском. Эти результаты указывают на сильные мультиязычные диалоговые способности, однако русская оценка не включала задачи на код, рассуждения и математику, а подробности методики и обучающих данных должны быть дополнительно проверены. Для использования заявлена лицензия Llama 3; в карточке она обозначена как other и приведена ссылка на лицензию Meta-Llama-3-8B-Instruct. Ограничения лицензии, требования к применению и характеристики конкретных квантованных вариантов в README подробно не описаны.

TIGERScore-13B — модель семейства LLaMA-2 от TIGER-Lab, предназначенная для оценки качества сгенерированного текста. Она принимает инструкцию, связанный с задачей контекст и проверяемый ответ, после чего формирует оценку и объяснимый разбор ошибок: указывает их расположение и аспект, объясняет проблему и назначает штрафные баллы. Общая оценка складывается из этих штрафов, начиная с нуля. Модель обучена на TIGER-Lab/MetricInstruct, охватывающем шесть задач генерации текста и множество датасетов. Её применяют для оценки суммаризации, перевода, преобразования данных в текст, ответов на вопросы, математических ответов, следования инструкциям и генерации историй. TIGERScore заявлена как метрика без эталонного ответа, управляемая инструкциями и способная давать подробную атрибуцию ошибок. Это плотная авторегрессионная модель LlamaForCausalLM на 12,9 млрд параметров с контекстом до 4096 токенов. Карточка сообщает о поддержке английского, китайского, русского и чешского языков. Весы доступны в формате safetensors; лицензия — MIT. Оценки модели могут зависеть от инструкции и предметной области; заявленные результаты относятся к экспериментам на перечисленных задачах и не гарантируют одинаковую корреляцию с человеческими оценками для произвольных текстов.

Ultravox — мультимодальная речевая языковая модель от Fixie.ai, объединяющая аудиовход с текстовой моделью Llama 3.2-1B-Instruct и Whisper large-v3-turbo. Она принимает речь и текст, например текстовую системную инструкцию и аудиосообщение пользователя, а ответ генерирует в текстовом виде. Модель предназначена для голосовых агентов, анализа устной речи и перевода речи между языками. В README указана версия Ultravox 0.5 с обозначением 1B; метаданные каталога указывают 4,8 млрд параметров. Модель построена на архитектуре Ultravox и поддерживает аудиовход, чат и интерфейс вызова инструментов. Для обучения использовались наборы данных распознавания речи и речевого перевода, а также продолжения, сгенерированные Llama 3.1 8B. Метаданные перечисляют широкий набор языков, включая русский; конкретные языки карточки охватывают более узкий перечень. Модель выдаёт текст и не генерирует аудио. В README отмечено, что к этой версии не применялась настройка предпочтений; качество перевода может зависеть от языковой пары и ограниченности модели версии 1B. Лицензия — MIT.

Карточка модели Zzo1312/ultravox-v0_5-llama-3_2-1b на Hugging Face совпадает с карточкой fixie-ai/ultravox-v0_5-llama-3_2-1b, поэтому описание составлено по ней. Ultravox — мультимодальная речевая языковая модель от Fixie.ai, объединяющая аудиовход с текстовой моделью Llama 3.2-1B-Instruct и Whisper large-v3-turbo. Она принимает речь и текст, например текстовую системную инструкцию и аудиосообщение пользователя, а ответ генерирует в текстовом виде. Модель предназначена для голосовых агентов, анализа устной речи и перевода речи между языками. В README указана версия Ultravox 0.5 с обозначением 1B; метаданные каталога указывают 4,8 млрд параметров. Модель построена на архитектуре Ultravox и поддерживает аудиовход, чат и интерфейс вызова инструментов. Для обучения использовались наборы данных распознавания речи и речевого перевода, а также продолжения, сгенерированные Llama 3.1 8B. Метаданные перечисляют широкий набор языков, включая русский; конкретные языки карточки охватывают более узкий перечень. Модель выдаёт текст и не генерирует аудио. В README отмечено, что к этой версии не применялась настройка предпочтений; качество перевода может зависеть от языковой пары и ограниченности модели версии 1B. Лицензия — MIT.

Voxtral-Mini-3B-2507-estonian-GGUF — GGUF-квантизированная версия модели Voxtral-Mini-3B-2507-estonian, разработанной TalTechNLP и опубликованной в формате GGUF пользователем mradermacher. Модель предназначена для мультимодальной работы с аудио, включая распознавание эстонской речи, транскрипцию, перевод и задачи понимания аудиосодержимого. Заявлены эстонский и английский языки. Модель относится к семейству Voxtral и имеет размер около 3 млрд параметров; точные сведения об архитектуре и размере контекстного окна в README не указаны. Для работы с аудио доступны отдельные мультимодальные компоненты mmproj в вариантах Q8_0 и f16. Представлены квантизации от Q2_K до Q8_0, а также вариант f16; размеры файлов составляют примерно от 1,8 до 8,1 ГБ. В README рекомендуются Q4_K_S и Q4_K_M как быстрые варианты, а Q8_0 описан как вариант с лучшим качеством. К сильным сторонам относятся поддержка аудио и эстонского языка, мультимодальные сценарии и широкий выбор уровней квантизации для подбора баланса между качеством, скоростью и требованиями к памяти. Ограничения включают отсутствие подробных данных о точности, контекстном окне, архитектуре и поддерживаемых режимах вывода; качество зависит от выбранной квантизации. Модель распространяется под лицензией Apache-2.0.

Facebook wav2vec2-large-xlsr-53-portuguese — модель распознавания португальской речи, опубликованная в формате PyTorch и Flax. Она основана на архитектуре Wav2Vec2ForCTC и содержит 402,7 млн параметров; для обучения или оценки использовался набор Common Voice на португальском языке. Модель принимает аудио и преобразует речь в текст. В README приведён результат 27,1% на тестовой выборке Common Voice PT, но метрика и подробности оценки не указаны. Модель распространяется по лицензии Apache 2.0.

burakaydinofficial/whisper-base-cv11 — это мультиязычная модель распознавания речи, созданная дообучением стандартной архитектуры OpenAI Whisper Base на корпусе Whispered с лицензией CC0. Модель содержит 51,7 млн параметров и предназначена для преобразования речи в аудио в текст; она работает через библиотеку Transformers без пользовательского кода. Модель служит контрольной точкой для сравнения с вариантом whisper-base-mla-cv11, в котором изменена архитектура внимания. В карточке приведены результаты оценки на CommonVoice-17 для английского, немецкого и испанского языков; обучение проводилось на данных для чтения речи, энкодер был заморожен. Поддерживаются английский, немецкий, испанский, французский, русский, турецкий, валлийский, арабский, грузинский, тайский и китайский языки. Контекстная длина в доступных данных не указана. Модель распространяется по лицензии Apache-2.0. Результаты могут немного отличаться при повторной оценке: в карточке отмечено, что контрольная финальная контрольная точка отличается от контрольной точки, выбранной по dev-набору.

LoS Whisper-large-v3 — мультиязычная модель автоматического распознавания речи, созданная Лабораторией языковых технологий Барселонского суперкомпьютерного центра (BSC) дообучением openai/whisper-large-v3. Она предназначена для транскрибации речи на испанском, каталанском, галисийском и баскском языках с пунктуацией. Модель имеет архитектуру Whisper и содержит 905,2 млн параметров. При обучении использовали 8 110 часов аудиоданных из публичных и институциональных наборов; объём данных выравнивали между четырьмя языками. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Её можно применять для создания читаемых транскрипций аудиозаписей на поддерживаемых языках. В README отмечено, что демографические сведения о дикторах отсутствуют, поэтому возможны смещения, связанные с институциональными источниками обучающих данных.

adriszmar/whisper-large-v3-turbo-es — дообученная модель распознавания речи, созданная на основе openai/whisper-large-v3-turbo и адаптированная к испанскому языку на испанской части Common Voice 17.0. Она использует архитектуру WhisperForConditionalGeneration и содержит 905,2 млн параметров; работает с аудио и выдаёт текстовую транскрипцию. Модель предназначена для распознавания испанской речи. На тестовой выборке Common Voice 17.0 её показатель WER составил 5,34% против 6,91% у базовой модели. Результат относится к этой выборке и не гарантирует такую же точность на других аудиозаписях. Модель распространяется по лицензии MIT.

asthrabala/whisper-medium-finetuned — модель автоматического распознавания речи семейства Whisper с 455,8 млн параметров. Она опубликована для использования с библиотекой Transformers и предназначена для преобразования аудиозаписей в текст. Модель подходит для транскрибации голосовых сообщений, интервью, встреч, лекций и других аудиоматериалов. README не содержит сведений о конкретном языке или наборе данных, на котором выполнялось дообучение, поэтому языковую специализацию и качество на отдельных типах аудио определить нельзя. В карточке модели не указаны разработчик, лицензия, результаты оценки, ограничения по применению и подробности обучения. Перед использованием в критически важных сценариях необходимы собственная проверка качества и уточнение условий лицензирования.

sapinsapin/whisper-small-fsc — модель распознавания речи на основе openai/whisper-small, дообученная автором на корпусе sapinsapin/filipinospeechcorpus для филиппинского языка, включая тагальскую речь и смешанную речь Taglish. Архитектура — WhisperForConditionalGeneration; модель принимает аудио и выдаёт текстовую транскрипцию. Модель обучалась 2000 шагов на 10 000 аудиофрагментах. На отложенной выборке указаны WER 0,1591 и CER 0,0706; CER использовался для выбора модели, поскольку орфография Taglish может различаться на уровне слов. Распознавание речи — основная поддерживаемая задача. Лицензия — Apache-2.0.

Whisper Small PL — дообученная модель распознавания речи на основе openai/whisper-small, созданная для транскрибирования польской речи. Она использует архитектуру Whisper и содержит 153,1 млн параметров. Обучение проводилось на наборах Common Voice 11.0 и FLEURS; в README для оценочной выборки указана WER 14,8004. Модель принимает аудио и выдаёт текстовую транскрипцию. Она подходит для преобразования записей польской речи в текст. Репозиторий распространяется в формате PyTorch по лицензии Apache-2.0.

dominguesm/xlm-roberta-base-lora-language-detection — мультиязычная модель для автоматического определения языка текста. Она разработана на базе xlm-roberta-base и дообучена методом PEFT-LoRA с классификационной головой для задач классификации последовательностей. Модель поддерживает 20 языков: арабский, болгарский, немецкий, современный греческий, английский, испанский, французский, хинди, итальянский, японский, нидерландский, польский, португальский, русский, суахили, тайский, турецкий, урду, вьетнамский и китайский. Дообучение проводилось на датасете papluca/language-identification: 70 тысяч обучающих, 10 тысяч валидационных и 10 тысяч тестовых примеров. На тестовой выборке заявлены accuracy и F1 на уровне 99,43–99,4%. Сильной стороной является высокая точность при поддержке нескольких языков и сниженные вычислительные и требования к хранению затраты благодаря LoRA, которая изменяет лишь небольшое число дополнительных параметров. Ограничение модели — классификация только указанных 20 языков; качество на текстах, отличающихся от распределения исходного датасета, в README отдельно не оценено. Лицензия — CC BY 4.0.

Chinese-Alpaca-2-7B-16K — полноразмерная инструкционная чат-модель проекта Chinese LLaMA & Alpaca-2, основанная на Llama 2 и разработанная командой проекта. Модель расширяет китайский словарь исходной Llama 2 и дообучена на крупных массивах китайских данных; это плотная авторегрессионная модель семейства Llama с 6,7 млрд параметров, доступная в формате PyTorch. Модель предназначена для генерации текста и выполнения инструкций, в том числе для диалога и работы с длинными запросами. Заявленная длина контекста этой версии — 16 384 токена; README также указывает поддержку китайского и английского языков. Репозиторий допускает непосредственный запуск для инференса и полно-параметрического обучения и распространяется по лицензии Apache-2.0. Ключевые ограничения — меньшая ёмкость по сравнению с более крупными моделями и возможное снижение качества вне китайского и английского языков. Ответы могут содержать фактические ошибки, поэтому важные результаты следует проверять.

dan-omni-3b-q3s — квантизированная версия модели dan-omni-3b, созданная с применением Q3_K_S для ускорения вывода и снижения требований к памяти. В README указаны дообучение LoRA на инструкционных данных для мобильных устройств и базовая модель Qwen2.5-3B; репозиторий содержит формат GGUF. Модель предназначена для генерации ответов в диалогах и выполнения общих инструкций на устройствах с ограниченной памятью. Она подходит для вопросов, письма, математики, программирования, перевода и творческих задач; заявленная длина контекста — 4096 токенов. Модель принимает и выдаёт текст, мультимодальные возможности отсутствуют. По сравнению с вариантом Q4_K_M README заявляет меньший размер и более быстрый вывод при небольшом снижении качества. Квантизация может ухудшать результаты на сложных задачах рассуждения. Лицензия репозитория — Apache-2.0.

EuroLLM-9B — базовая многоязычная языковая модель с 9 млрд параметров, разработанная Unbabel, Instituto Superior Técnico, Instituto de Telecomunicações и партнёрами из университетов и исследовательских организаций. Проект финансировался Европейским союзом. Модель предназначена для генерации текста и понимания языков ЕС, а также ряда дополнительных языков. Модель построена на плотной архитектуре Transformer с grouped-query attention, RMSNorm, активацией SwiGLU и позиционными встраиваниями RoPE. Она обучалась на 4 трлн токенов из веб-данных, параллельных текстов и высококачественных наборов данных. Длина последовательности при обучении — 4096 токенов. Карточка сообщает о поддержке 35 языков, включая русский, английский, большинство языков ЕС, арабский, китайский, хинди, японский и корейский. Это базовая, не настроенная на инструкции версия; для диалоговых инструкций разработчики предлагают EuroLLM-9B-Instruct. Модель подходит для многоязычной генерации и продолжения текста, а также может использоваться как основа для последующей адаптации под задачи. По заявлению авторов, она показывает конкурентные результаты на многоязычных и англоязычных тестах. Модель не выровнена по человеческим предпочтениям и может галлюцинировать, выдавать вредный контент или ложные утверждения. Лицензия — Apache License 2.0.

Darwin-36B-Opus-GGUF — квантизированная версия модели Darwin-36B-Opus от FINAL-Bench, подготовленная bartowski в формате GGUF с использованием llama.cpp и imatrix-квантизации. Модель предназначена для генерации текста, сложных рассуждений, решения задач уровня выпускных и исследовательских экзаменов, а также многоязычных сценариев. Доступны варианты от IQ3 и Q3 до Q8 и исходного BF16; размер файлов составляет примерно от 17 до 69 ГБ. В README модель описывается как Mixture-of-Experts с акцентом на reasoning и поддержкой нескольких языков, включая английский, китайский, корейский, японский, немецкий, французский, испанский, русский и арабский. Указанный формат позволяет запускать её через llama.cpp, LM Studio, KoboldCpp, Jan AI и другие совместимые инструменты. Формат промпта использует специальные маркеры im_start и im_end, а ответ начинается с блока thinking. Сильными сторонами заявлены высокое качество рассуждений и многоязычная работа: в README приведены результаты 88,4% на GPQA Diamond и 85,0% на MMMLU, однако обе оценки помечены как непроверенные. Ограничения включают значительные требования к оперативной памяти и вычислительным ресурсам, зависящие от выбранного уровня квантизации; точный размер контекста и характеристики исходной архитектуры в README не указаны. Модель распространяется под лицензией Apache-2.0.

Gemma-2B-Arabic-mobile — компактная языковая модель на основе Google Gemma 2 2B, подготовленная для генерации текста с приоритетом арабского языка и поддержкой английского. Репозиторий содержит веса в формате GGUF и ориентирован на запуск на мобильных и периферийных устройствах; в карточке указано около 2,6 млрд параметров и размер около 1,4 ГБ. Модель предназначена для арабоязычной генерации и диалога, модерации контента, помощи с переводом между арабским и английским, а также для многоязычных чат-ботов поддержки. Разработчик заявляет оптимизацию для арабского NLP и сильную поддержку английского, однако независимые результаты оценки качества не приведены. Лицензия Gemma; применяйте модель в соответствии с её условиями.

litert-community/gemma-3-270m-it — компактная instruction-tuned модель семейства Gemma 3, разработанная Google DeepMind на основе исследований и технологий Gemini. Она предназначена для локального и ресурсоограниченного развертывания, включая мобильные устройства, веб-приложения, настольные системы и собственную облачную инфраструктуру, с использованием LiteRT и совместимых инструментов Google AI Edge. Модель содержит 270 млн параметров и поддерживает генерацию текста для ответов на вопросы, суммаризации документов, анализа и рассуждений. Для семейства Gemma 3 заявлены мультимодальные возможности с обработкой текста и изображений и генерацией текста; изображения нормализуются до 896 × 896 и кодируются в 256 токенов. Для вариантов 1B и 270M указан контекст до 32K токенов на запрос, включая вход и доступный объём вывода. Поддерживается более 140 языков. Данные обучения имеют срез знаний по август 2024 года и включают веб-тексты, код, математические материалы и изображения. Сильными сторонами модели являются небольшой размер, возможность работы на устройствах с ограниченными ресурсами, открытые веса и пригодность для встроенных приложений. Ограничения включают меньший объём параметров по сравнению с крупными вариантами Gemma 3, возможные ограничения качества в сложных задачах и то, что GPU-ускорение для Gemma 3 270M в указанных сценариях на момент публикации README ещё находилось в разработке. Использование регулируется лицензией Gemma и соответствующими условиями Google.

LeoLM/leo-hessianai-13b-chat-bilingual — двуязычная чат-модель, разработанная Björn Plüster и Christoph Schuhmann в сотрудничестве с LAION и HessianAI. Она основана на LeoLM/leo-hessianai-13b — языковой модели семейства Llama, построенной на Llama 2, — и дообучена на немецких инструкционных данных и их английских версиях. Модель предназначена для диалога, написания текстов, объяснений и обсуждений на немецком и английском языках. Это плотный авторегрессионный трансформер с 12,9 млрд параметров и контекстом до 8192 токенов. В опубликованной оценке MT-Bench сильнее всего показала себя в гуманитарных темах, а также в задачах STEM и письма. Модель хуже справляется с математикой и сложными рассуждениями; ответы могут быть неточными или предвзятыми, поэтому для конкретных приложений рекомендуется отдельная проверка безопасности и качества. Лицензия — Llama 2 Community License Agreement.

LFM2.5-2.6B-ONNX — языковая модель семейства LFM2.5, разработанная Liquid AI для локального запуска на устройствах и серверных CPU/GPU. Она предназначена для генерации текста и может использоваться в приложениях, работающих через ONNX Runtime или Transformers.js с WebGPU, включая сценарии периферийных вычислений и браузерного выполнения. Модель основана на гибридной архитектуре LFM2 с дополнительным предварительным обучением и reinforcement learning. Размер базовой модели — 2,6 млрд параметров. Доступны варианты FP32, FP16, Q8, Q4 и Q4F16; версии Q4 и Q4F16 используют квантованные входные эмбеддинги, а Q4F16 дополнительно применяет FP16 для вычислений и кэшей. Варианты поддерживают запуск на серверных CPU/GPU, тогда как для WebGPU предназначены Q4, Q4F16 и FP16. Заявлена поддержка арабского, китайского, английского, французского, немецкого, хинди, индонезийского, итальянского, японского, корейского, польского, португальского, русского, испанского, тайского и вьетнамского языков. Сильные стороны модели — ориентация на on-device-развёртывание, несколько уровней квантования и совместимость с WebGPU, что позволяет выбирать между размером, скоростью и качеством. Ограничения включают отсутствие поддержки Q8 в WebGPU и компромиссы качества, характерные для квантованных вариантов; сведения о размере контекста и детальных результатах оценки в карточке не указаны. Модель распространяется по лицензии lfm1.0, обозначенной как other.

Карточка модели Sheraz11222333/LFM2.5-VL-3B на Hugging Face совпадает с карточкой unsloth/LFM2.5-VL-3B, поэтому описание составлено по ней. LFM2.5-VL-3B — мультимодальная модель Liquid AI для анализа изображений и текста, адаптированная Unsloth на основе LiquidAI/LFM2.5-VL-3B. Она сочетает языковую основу LFM2.5-2.6B с визуальным энкодером SigLIP2 NaFlex размером 400 млн параметров и предназначена для эффективного запуска на устройствах и в сценариях с высокой пропускной способностью. Модель принимает изображения и текст, поддерживает диалог, вызов инструментов и 16 языков, включая русский. Контекст составляет 32 768 токенов; большие изображения обрабатываются по частям и с уменьшенной копией целого изображения. Модель подходит для распознавания текста с сохранением структуры страницы, поиска объектов по текстовому запросу и ответов на вопросы об изображениях. Среди рекомендованных сценариев — пакетная обработка сканов, обнаружение объектов с малой задержкой и перевод надписей на изображениях. Разработчик сообщает о скорости до 228 токенов в секунду на Apple M5 Max и работе примерно в 3 ГБ памяти. Модель не рекомендуется для задач с длинным контекстом и сложными рассуждениями; формат разметки OCR указан как экспериментальный и может быть ненадёжным. В метаданных лицензия обозначена как other; конкретные условия следует сверить с карточкой модели.

LFM2.5-VL-3B — мультимодальная модель Liquid AI для анализа изображений и текста, адаптированная Unsloth на основе LiquidAI/LFM2.5-VL-3B. Она сочетает языковую основу LFM2.5-2.6B с визуальным энкодером SigLIP2 NaFlex размером 400 млн параметров и предназначена для эффективного запуска на устройствах и в сценариях с высокой пропускной способностью. Модель принимает изображения и текст, поддерживает диалог, вызов инструментов и 16 языков, включая русский. Контекст составляет 32 768 токенов; большие изображения обрабатываются по частям и с уменьшенной копией целого изображения. Модель подходит для распознавания текста с сохранением структуры страницы, поиска объектов по текстовому запросу и ответов на вопросы об изображениях. Среди рекомендованных сценариев — пакетная обработка сканов, обнаружение объектов с малой задержкой и перевод надписей на изображениях. Разработчик сообщает о скорости до 228 токенов в секунду на Apple M5 Max и работе примерно в 3 ГБ памяти. Модель не рекомендуется для задач с длинным контекстом и сложными рассуждениями; формат разметки OCR указан как экспериментальный и может быть ненадёжным. В метаданных лицензия обозначена как other; конкретные условия следует сверить с карточкой модели.

Это языковая модель Llama 3.2-1B-Instruct-bf16, представленная сообществом mlx-community и основанная на модели Llama 3.2, разработанной Meta. Модель предназначена для генерации текста и выполнения инструкций в сценариях, требующих компактной универсальной LLM, включая диалоговые приложения, ответы на вопросы, создание и преобразование текста. Модель имеет размер 1 миллиард параметров, относится к семейству Llama и распространяется в формате BF16 для использования с MLX; в карточке также указана совместимость с библиотекой Transformers. Поддерживаются английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. Модальность — текстовая, назначение — text-generation. Размер контекстного окна и точные архитектурные характеристики в README не указаны. Компактный размер делает модель более подходящей для локального запуска и устройств с ограниченными ресурсами, однако по качеству и способности обрабатывать сложные задачи она может уступать более крупным моделям. Модель распространяется по Llama 3.2 Community License компании Meta. Лицензия разрешает использование, копирование, модификацию и распространение на указанных условиях, включая соблюдение Acceptable Use Policy, сохранение уведомления об авторских правах и требования к атрибуции; для продуктов с более чем 700 миллионами активных пользователей в месяц предусмотрены дополнительные условия.

unsloth/Llama-3.2-1B-Instruct-bnb-4bit — 4-битная версия instruction-tuned языковой модели Llama 3.2-1B-Instruct, распространяемая Unsloth на основе модели Meta. Это авторегрессионная модель с оптимизированной архитектурой Transformer и Grouped-Query Attention (GQA), предназначенная для генерации текста и диалоговых сценариев. Модель ориентирована на мультиязычный диалог, включая задачи суммаризации и agentic retrieval. Официально поддерживаются английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. Модель работает только с текстом: принимает текстовые входные данные и генерирует текст. Размер составляет 1 млрд параметров; README не содержит данных о размере контекстного окна. Instruction-tuned версия обучалась с применением supervised fine-tuning (SFT) и reinforcement learning with human feedback (RLHF) для повышения полезности и безопасности. Ключевое преимущество варианта — 4-битное квантование, снижающее требования к памяти и подходящее для более экономичного запуска и дообучения. Ограничения включают меньший размер и, потенциально, более узкие возможности по сравнению с крупными моделями семейства, а также зависимость качества от поддерживаемого языка и сценария. Модель статична и обучена на офлайн-датасете, поэтому не обладает актуальными знаниями без внешних источников. Использование регулируется пользовательской лицензией Llama 3.2 Community License, являющейся специальной коммерческой лицензией Meta.

LLaMAX2-7B — многоязычная базовая языковая модель, созданная командой LLaMAX путём продолжения предобучения Llama 2. Модель содержит 6,6 млрд параметров, использует архитектуру Llama и доступна в формате Safetensors. Она поддерживает более 100 языков и предназначена для генерации текста и дообучения под многоязычные задачи. Контекст модели — 4096 токенов. Модель рассчитана на использование в качестве основы для прикладных решений, включая многоязычные задачи рассуждения, здравого смысла и вывода на естественном языке. В базовой версии нет способности следовать инструкциям; для этого в карточке отдельно упомянуто дообучение на Alpaca. Модель распространяется по лицензии MIT.

Lucie-7B-Instruct-v1.1 — французско-английская инструктивная языковая модель OpenLLM-France, дообученная на базе Lucie-7B. Это плотная каузальная архитектура семейства Llama с 6,4 млрд параметров; модель принимает текст и генерирует ответы в диалоговом формате. Она предназначена для общения и выполнения общих инструкций, например ответов, кратких изложений и списков. В обучающую смесь вошли франкоязычные, англоязычные и двуязычные наборы инструкций, включая Alpaca-cleaned-fr, Croissant-Aligned-Instruct, FLAN v2 и OpenHermes 2.5. Модель обучалась на последовательностях длиной 4096 токенов; в README сообщается об эффективном контекстном окне около 22 тысяч токенов, а метаданные указывают базовый контекст в 32 тысячи токенов. Инструктивное дообучение описано как лёгкое: для специализированных сценариев, включая программирование и математические задачи, может потребоваться дополнительная настройка. Модель склонна к галлюцинациям и имеет ограниченный объём запоминаемых фактов; для ответов по актуальным или конкретным источникам может помочь RAG. Лицензия — Apache-2.0.

magnum-12b-v2-GGUF — это набор GGUF-квантизаций текстовой генеративной модели magnum-12b-v2, разработанной anthracite-org и квантованной bartowski с использованием llama.cpp и imatrix-калибровки. Модель предназначена для чат-взаимодействия и генерации текста; запуск возможен, в частности, через LM Studio. Для общения рекомендуется формат промпта ChatML с ролями system, user и assistant. Модель поддерживает английский, французский, немецкий, испанский, итальянский, португальский, русский, китайский и японский языки. Известен размер базовой модели — 12B параметров; архитектура и размер контекстного окна в README не указаны. Доступны варианты от F32 размером 49 ГБ до низкобитных IQ2/Q2-квантизаций размером около 4,4–5,5 ГБ. Варианты Q5–Q6 отмечены как высококачественные и рекомендуемые, а Q4 — как компромисс между качеством и требованиями к памяти; более сильное сжатие снижает качество. Основные преимущества — широкий набор языков, выбор уровней квантизации и возможность локального запуска в формате GGUF. Ограничения включают неизбежную потерю качества у низкобитных вариантов и отсутствие в предоставленных данных сведений о результатах тестирования, мультимодальности и точном контекстном окне. Распространение указано по лицензии Apache-2.0.

Карточка модели NostraEmpire/mirror-qwen2.5-omni-7b на Hugging Face совпадает с карточкой Qwen/Qwen2.5-Omni-7B, поэтому описание составлено по ней. Qwen2.5-Omni-7B — мультимодальная модель семейства Qwen, разработанная командой Qwen компании Alibaba. Она использует архитектуру Thinker-Talker для сквозной обработки текста, изображений, аудио и видео и потоковой генерации текста и естественной речи. Временные позиционные представления TMRoPE синхронизируют видеокадры со звуком. Модель предназначена для мультимодального диалога в реальном времени, включая голосовое и видеообщение, распознавание и понимание речи, анализ изображений и видео, следование инструкциям на слух и генерацию речи. Карточка сообщает о результатах на тестах мультимодального рассуждения, понимания видео, речи и перевода; модель работает через Transformers и хранит веса в формате safetensors. Модель принимает текст, изображения, аудио и видео, а выдаёт текст и аудио. В README не приведены сведения о лицензии, позволяющие назвать её условия: метаданные указывают лицензию «other».