I.6Перевод и языковая адаптация

DrishtiSharma/wav2vec2-xls-r-sl-a2 — модель распознавания речи, дообученная Drishti Sharma на базе facebook/wav2vec2-xls-r-300m на словенской части Mozilla Common Voice 8.0. Это архитектура Wav2Vec2 с классификацией CTC, содержащая 402,7 млн параметров и принимающая аудио для преобразования речи в текст. Для набора оценки Common Voice 8.0 указаны Loss 0,2855 и WER 0,2401. Модель предназначена для автоматической транскрипции речи на словенском языке, например записей и голосовых высказываний. Распространяется в формате PyTorch по лицензии Apache-2.0. Показатель WER получен на указанном наборе оценки; README не приводит результаты для других наборов или условий записи.

Whisper Large v3 Ai — дообученная Nurlan Salahaddinov версия мультиязычной модели OpenAI Whisper large-v3 для распознавания речи и преобразования аудио в текст. Модель содержит 905,2 млн параметров и основана на архитектуре Whisper; для обучения использован набор Mozilla Common Voice 17.0. Карточка приводит результат WER 1,1952 на оценочной выборке. Модель предназначена для автоматической транскрибации аудиозаписей, в частности для распознавания азербайджанской речи. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии Apache-2.0.

Это модель автоматического распознавания речи на швейцарском немецком, созданная слиянием Whisper large-v3 от OpenAI и LoRA-адаптера Flurin17, а затем преобразованная в формат MLX. Чекпойнт FP16 на базе safetensors предназначен для Apple Silicon и совместим с mlx-whisper, mlx-audio и oMLX; он принимает аудио и выдаёт транскрипцию текстом. Модель подходит для транскрибации записей на швейцарском немецком, включая обработку через локальный сервер oMLX. В метаданных указан немецкий язык; адаптер нацелен на швейцарский немецкий. Лицензия репозитория обозначена как other, поэтому условия использования следует сверить с карточкой модели и лицензиями базовых компонентов.

primeline/whisper-large-v3-turbo-german — модель распознавания речи на основе Whisper Large v3 Turbo, дообученная Флорианом Циммермайстером для немецкой речи. Она предназначена для транскрибации немецкого аудио, создания субтитров, голосового управления, поиска по голосовым запросам и диктовки. Модель использует архитектуру WhisperForConditionalGeneration и содержит 905,2 млн параметров по метаданным. Для обучения использовались немецкие речевые данные из нескольких источников; в карточке приведены оценки частоты ошибок слов на нескольких наборах данных. Модель принимает аудио и выдаёт текст, рассчитана на немецкий язык. Лицензия — Apache-2.0. Качество распознавания зависит от аудио и задачи: в приведённых оценках результаты различаются между наборами данных, а на некоторых тестах другие модели показывают меньшую частоту ошибок. Метаданные указывают на дообучение primeline/whisper-large-v3-german.

Это дообученная Yuriyvnv модель OpenAI Whisper-Tiny для автоматической транскрибации нидерландской речи. Она основана на архитектуре Whisper и содержит 29,4 млн параметров; принимает аудио и выдаёт текст. Обучение проведено на нидерландской части Common Voice 17.0 и на полном наборе из 34 898 синтетических аудиозаписей без фильтрации качества, созданных с помощью OpenAI TTS-1. Модель предназначена для распознавания нидерландской речи, в том числе аудиозаписей, близких по характеру к Common Voice. На тестовом наборе Common Voice указана WER 24,93%, а на MLS — 43,12%. Использование всех синтетических примеров дало лучший результат на тесте Common Voice среди описанных конфигураций, но увеличило вычислительные затраты и внесло в обучение записи с возможными дефектами синтеза. Модель может уступать на технической речи и региональных вариантах нидерландского языка. Распространяется по лицензии Apache-2.0.

Yoruba-ASR — модель автоматического распознавания речи на йоруба, разработанная Awarri Technologies при поддержке Федерального министерства связи, инноваций и цифровой экономики Нигерии. Это дообученная версия Whisper Small с 244 млн параметров, принимающая аудио и выдающая текстовую транскрипцию на йоруба. Для распознавания рекомендуется аудио с частотой 16 кГц; максимальная длительность обработки за один запуск — 30 секунд. Модель предназначена для транскрибации речи в образовательных и вспомогательных сервисах, проектах по сохранению языка и культуры, общественных технологиях и медиа. Обучающие данные включают 120 часов записей с разных регионов Нигерии и общедоступные наборы данных. Лицензия указана как other; условия карточки разрешают исследовательское, образовательное и общественно полезное применение, а для коммерческого или крупномасштабного корпоративного использования требуют отдельного соглашения и запрещают ряд вредоносных сценариев.

BLOOMChat-176B-v1 — многоязычная диалоговая языковая модель, разработанная SambaNova Systems совместно с Together Computer. Она построена на BLOOM с 176 млрд параметров и дообучена на наборах диалогов в формате помощника; метаданные репозитория указывают архитектуру BLOOM и 233,8 млрд параметров. Модель предназначена для генерации ответов в диалоге, вопросов и ответов, а также текстовой генерации на нескольких языках. Модель можно применять в коммерческих и исследовательских сценариях: например, для разговорных интерфейсов, ответов на вопросы и многоязычной генерации текста. В карточке отмечены результаты в задачах перевода, однако основная задача модели — генерация текста. Для работы доступны веса PyTorch; лицензия основана на Apache 2.0 с ограничениями на использование, перенесёнными из лицензии BLOOM RAIL. Перед применением следует ознакомиться с лицензией SambaNova. Модель может галлюцинировать, повторяться, переключать язык или диалект внутри ответа и выдавать токсичный контент; качество кода и сложных математических рассуждений может быть ограниченным. Разработчики не рекомендуют использовать её в критически важных сценариях, связанных с безопасностью, важными решениями или автоматизированными конвейерами.

Borealis-5B-IT — аудиоязыковая модель Vikhrmodels для понимания речи и выполнения инструкций по аудио. Она объединяет замороженный энкодер Whisper Large V3, дообученную языковую модель Qwen3-4B и двухслойный MLP-адаптер, который проецирует аудиопредставления в пространство языковой модели. Общий размер — около 5 млрд параметров. Модель предназначена для транскрибации и суммаризации аудио, ответов на вопросы по аудиозаписям, описания звукового содержимого и анализа эмоций. Она рассчитана прежде всего на русский и английский языки. Для аудиофрагмента длиной 30 секунд формируется 375 аудиотокенов; в README также заявлена поддержка обработки аудио через интеграцию с vLLM. В опубликованных тестах качество распознавания заметно зависит от набора данных: результаты лучше Whisper Large V3 на Russian_LibriSpeech, близки на Common Voice и существенно хуже на Tone_Webinars. Модель оптимизирована для аудио длительностью до 30 секунд и может хуже справляться с сильным шумом. Лицензия — Apache-2.0.

ChatGLM-6B-Slim — компактная по словарю версия диалоговой языковой модели ChatGLM-6B, представленная владельцем репозитория silver. Она сохраняет архитектуру GLM и остальные компоненты базовой модели, но удаляет 20 тысяч зарезервированных для изображений токенов из словаря, чтобы снизить расход видеопамяти и вычисления при инференсе и дообучении. В метаданных указано 8,1 млрд параметров. Модель предназначена для двуязычных китайско-английских диалогов и ответов на вопросы. Её можно запускать локально; дополнительная квантизация, описанная для базовой ChatGLM-6B, позволяет использовать потребительские видеокарты. Карточка заявляет, что качество Slim-версии соответствует базовой модели. Веса репозитория представлены в формате PyTorch. Код распространяется по Apache-2.0, а использование весов ChatGLM-6B регулируется отдельной Model License; её условия следует учитывать при применении модели.

ChemLLM-7B-Chat — языковая модель для химии и науки о молекулах, разработанная командой AI4Chem на основе InternLM2. Это чат-модель с архитектурой InternLM2ForCausalLM и 7,4 млрд параметров; она принимает текст и генерирует ответы в формате диалога. Модель предназначена для вопросов по химии и смежным научным темам, а также для профессионального перевода. Для диалогов README рекомендует использовать шаблон InternLM2 и системный промпт Agent Chepybara. В тестах MMLU, приведённых в карточке, модель показала результаты выше сравниваемых моделей на задачах по химии, математике и физике; эти результаты не гарантируют точность отдельных ответов. Модель поддерживает английский и китайский языки, имеет контекст до 32 768 токенов и распространяется по лицензии Apache-2.0. Авторы предупреждают, что ответы могут быть ошибочными, и советуют проверять их; в README также указаны более новые версии ChemLLM.

marianbasti/distil-whisper-large-v3-es — дистиллированная модель распознавания речи на основе Whisper large-v3, созданная при сотрудничестве SandboxAI и Национального университета Рио-Негро. Модель обучена на наборе Mozilla Common Voice 16.1 и предназначена для транскрибации испанской речи; архитектура — WhisperForConditionalGeneration, размер — 905,2 млн параметров. Модель принимает аудио и выдаёт текст на испанском языке. Она поддерживает распознавание коротких записей и обработку длинных аудио с разбиением на фрагменты; в README также описан режим speculative decoding в связке с Whisper, который ускоряет генерацию при сохранении совпадения результатов с основной моделью. Для запуска используется библиотека Transformers версии 4.35 или новее. В карточке приведён результат 5,11% WER (10,15% orthogonal WER). Модель распространяется по лицензии MIT. Качество вне испанского языка и на аудио, отличающемся от данных Common Voice, в карточке не охарактеризовано.

Melvin56/GLM-4-9B-0414-abliterated-GGUF — это GGUF-квантизованная версия модели huihui-ai/GLM-4-9B-0414-abliterated, подготовленная пользователем Melvin56. Модель предназначена для генерации текста и локального запуска через совместимые реализации llama.cpp. В README указано, что квантизация выполнена с использованием imatrix и специального набора данных, а сами файлы пересобраны на базе llama.cpp build 558a7647 (5190). Модель относится к семейству GLM и имеет размер 9B параметров в исходной версии; доступны варианты K-quants и I-quants. Поддерживаются CPU с AVX2 и ARM NEON, Metal, cuBLAS, rocBLAS и SYCL, а для отдельных вариантов также Vulkan и CLBlast; некоторые конфигурации работают медленнее или поддерживаются частично. Заявлены китайский и английский языки, текстовая модальность и контекст генерации текста, однако точный размер контекстного окна в README не указан. К сильным сторонам относятся возможность локального запуска на широком спектре CPU и GPU, выбор разных уровней квантизации и совместимость с llama.cpp. Ограничения включают зависимость производительности и доступности отдельных вариантов от backend и аппаратной платформы, а также отсутствие подробных данных о качестве, бенчмарках и точном контекстном окне. Модель распространяется по лицензии MIT.

GLM-Edge-Chat-4B-GGUF — чат-модель семейства GLM, разработанная организацией zai-org. Она предназначена для генерации текста и диалогового взаимодействия, включая локальный запуск на совместимом оборудовании через формат GGUF и адаптированную версию llama.cpp. Модель имеет размер около 4 миллиардов параметров и поддерживает китайский и английский языки. В README указана текстовая генерация; сведения о точной архитектуре, размере контекста, дополнительных модальностях и результатах тестирования отсутствуют. Формат GGUF и возможность использования аппаратного ускорения делают модель подходящей для периферийных устройств и локальных приложений, однако требования к ресурсам и фактическая производительность зависят от выбранной квантованной версии и оборудования. Использование весов регулируется лицензией GLM-4; подробные условия приведены в файле LICENSE. Для запуска требуется адаптированная версия llama.cpp, поскольку интеграция поддержки модели в официальную ветку на момент публикации README ещё выполнялась.

Модель представляет собой дообученную версию Whisper, разработанную на основе parthiv11/indic_whisper_hi_multi_gpu. Она предназначена для автоматического распознавания речи и транскрибирования аудио; название модели указывает на работу с хинглишем и смешанными письменностями. Модель содержит 455,8 млн параметров и распространяется в формате safetensors для библиотеки Transformers. На оценочном наборе указаны loss 0,4475 и глобальный WER 28,015. Лицензия — MIT. Данные обучения, подробности об оценочном наборе и более точное описание поддерживаемых языков в карточке не раскрыты.

Kotoba-Whisper-v2.2 — японская модель распознавания речи от Kotoba Technologies, разработанная совместно с Asahi Ushio. Она основана на kotoba-tech/kotoba-whisper-v2.0 и объединяет распознавание речи с конвейером постобработки, который добавляет диаризацию говорящих и пунктуацию к транскрипту. Модель построена на архитектуре Whisper, содержит около 905,2 млн параметров и принимает аудио, выдавая текстовую расшифровку. Она предназначена для транскрибирования японской речи с разделением реплик по говорящим и восстановлением пунктуации. Репозиторий использует формат safetensors; для работы через Transformers требуется версия 4.39 или новее. Лицензия — Apache-2.0. В README рекомендованы Flash Attention 2 при наличии совместимого GPU и добавление тишины в начале или конце аудио для потенциального улучшения качества. Для диаризации используются дополнительные пакеты, включая pyannote.audio. Карточка не сообщает длину контекста или подробные ограничения точности; качество диаризации и пунктуации зависит от аудио и компонентов конвейера.

Карточка модели unsloth/Llama-4-Scout-17B-16E на Hugging Face совпадает с карточкой meta-llama/Llama-4-Scout-17B-16E, поэтому описание составлено по ней. Llama 4 Scout — мультимодальная авторегрессионная модель Meta с архитектурой mixture-of-experts и ранним объединением модальностей. В модели 17 млрд параметров и 16 экспертов; она предназначена для работы с текстом и изображениями. Модель подходит для диалогового помощника, визуального рассуждения, распознавания содержимого изображений, создания подписей и ответов на вопросы об изображениях. Поддерживает арабский, английский, французский, немецкий, хинди, индонезийский, итальянский, португальский, испанский, тагальский, тайский и вьетнамский языки. В README указано, что модель тестировалась на понимание до пяти изображений за один запрос. Модель распространяется по специальной коммерческой лицензии Llama 4 Community License Agreement с ограничениями Acceptable Use Policy. Это статическая модель, обученная на офлайн-данных; качество ответов и работу в конкретных сценариях следует проверять отдельно. Возможности понимания изображений сверх пяти изображений за запрос требуют дополнительного тестирования и настройки.

MiniCPM5-2B-8bit — языковая модель для генерации текста, разработанная openbmb и преобразованная сообществом mlx-community в формат MLX. Исходная модель — openbmb/MiniCPM5-2B; конвертация выполнена с помощью mlx-lm версии 0.31.3 с 8-битным квантованием и размером группы 64. Модель предназначена для текстовой генерации на устройствах и периферийных системах, включая локальные сценарии и edge AI. Заявлены поддержка английского и китайского языков, работы с длинным контекстом и вызова инструментов. Она может использоваться через библиотеку mlx-lm для загрузки модели, применения chat-шаблона и генерации ответов. Точные сведения об архитектуре, размере контекста и дополнительных возможностях в README не указаны. К сильным сторонам относятся компактный размер исходной модели 2B, 8-битное представление для более эффективного локального запуска и интеграция с MLX. Ограничения включают отсутствие заявленной мультимодальности и неполные сведения о производительности, точной длине контекста и качестве на отдельных задачах. Модель распространяется по лицензии Apache-2.0.

MiniCPM5-2B-GGUF — квантизированная версия языковой модели MiniCPM5-2B, разработанной OpenBMB и распространяемой в формате GGUF пользователем mradermacher. Модель предназначена для генерации текста и может использоваться в сценариях, требующих локального запуска, работы на периферийных устройствах и поддержки вызова инструментов. В README также заявлены возможности работы с длинным контекстом. Модель имеет около 2 миллиардов параметров, относится к текстовым моделям и ориентирована на английский и китайский языки. Доступны варианты квантизации от Q2_K до Q8_0, а также версия f16, с размером файлов примерно от 1,1 до 5,1 ГБ. Варианты Q4_K_S и Q4_K_M обозначены как быстрые и рекомендуемые, Q6_K — как обеспечивающий очень хорошее качество, а Q8_0 — как вариант с лучшим качеством среди быстрых конфигураций. Основное преимущество модели — компактность и возможность локального использования при выборе подходящего уровня квантизации. Ограничения связаны с компромиссом между размером, скоростью и качеством: менее точные варианты могут заметно уступать более крупных или слабо квантизированных версий. В README не приведены результаты бенчмарков, точный размер контекста и подробные сведения об архитектуре. Модель распространяется по лицензии Apache-2.0.

MiniCPM5-2B-i1-GGUF — набор GGUF-квантизаций базовой модели openbmb/MiniCPM5-2B, разработанной командой OpenBMB. Квантизацию выполнил mradermacher; представлены варианты с imatrix-квантизацией, рассчитанные на запуск локально, в том числе на устройствах с ограниченными ресурсами. Модель предназначена для генерации и обработки текста, сценариев с длинным контекстом и, согласно тегам, вызова инструментов. Заявлены английский и китайский языки. Размер базовой модели — 2 млрд параметров; точная архитектура и максимальная длина контекста в README не указаны. Доступны варианты от i1-IQ1_S до i1-Q6_K размером примерно от 0,8 до 2,2 ГБ, что позволяет выбирать компромисс между размером, скоростью и качеством. Сильная сторона набора — широкий выбор компактных квантизаций для локального и периферийного использования; для части вариантов указаны рекомендации по соотношению размера, скорости и качества. Ограничения зависят от уровня квантизации: самые компактные варианты могут заметно терять в качестве, а отдельные варианты прямо обозначены как низкокачественные. Лицензия модели — Apache-2.0.

Это пакет слоёв GGUF модели MiniMax-M2.1-UD-Q4_K_XL, подготовленный Mesh LLM для распределённого инференса. Он получен из unsloth/MiniMax-M2.1-GGUF и сохраняет исходное распределение GGUF, разделённое на артефакты по слоям для запуска на кластере Mesh LLM. Пакет предназначен для локального и приватного диалогового инференса, объединения памяти и вычислительных ресурсов нескольких машин, а также для обслуживания запросов через локальный API, совместимый с OpenAI Chat Completions. Указан вариант квантования UD-Q4_K_XL. Детали архитектуры, число параметров, контекст, поддерживаемые языки и условия лицензии следует сверять с карточкой исходной модели.

Ministral-3-8B-Instruct-2512-GGUF — это GGUF-квантизованная версия инструкционной модели Ministral-3-8B-Instruct-2512, разработанной Mistral AI и преобразованной пользователем bartowski с помощью llama.cpp и imatrix-калибровки. Модель предназначена для локального запуска в приложениях на базе llama.cpp, включая LM Studio, и относится к мультимодальному классу image-text-to-text, то есть рассчитана на обработку изображений и текста с генерацией текстовых ответов. Модель имеет 8 миллиардов параметров и доступна в вариантах от BF16 до различных уровней квантизации Q8, Q6, Q5, Q4, Q3 и IQ. Размер файлов варьируется примерно от 4,57 до 16,99 ГБ, что позволяет выбирать баланс между качеством, скоростью и требованиями к оперативной памяти. В README заявлена поддержка английского, французского, испанского, немецкого, итальянского, португальского, нидерландского, китайского, японского, корейского и арабского языков. Сведения о длине контекста, внутренней архитектуре и точном формате промптов отсутствуют. Сильная сторона модели — возможность локального мультимодального использования при выборе подходящего уровня квантизации; варианты Q5 и Q6 заявлены как высококачественные, а Q4 — как оптимальные по размеру для большинства сценариев. К ограничениям относятся потенциальная потеря качества в более сильных вариантах квантизации, необходимость совместимого ПО и отсутствие в README подробных данных о производительности и контексте. Модель распространяется по лицензии Apache-2.0.

Это дообученная модель распознавания речи Nemotron 3.5 ASR для вьетнамского и английского языков, подготовленная автором репозитория на основе чекпойнта NVIDIA nvidia/nemotron-3.5-asr-streaming-0.6b. Она объединяет акустический энкодер FastConformer, сеть предсказаний RNNT, joint-сеть, токенизатор и процессор; веса представлены в формате safetensors и загружаются через AutoProcessor и AutoModelForRNNT в Transformers. Модель предназначена для преобразования речи во вьетнамскую или английскую транскрипцию, включая потоковые сценарии. В README приведены оценки на наборах PW733 и LSVSC: после дообучения ошибка распознавания на PW733 заметно снизилась относительно базовой модели. Результаты зависят от набора данных, нормализации и параметров lookahead; приведённая оценка английского языка получена на локальной выборке и напрямую не сопоставима с удалённой валидацией. Репозиторий распространяется по лицензии Apache-2.0. Для использования требуется аудиовход; карточка не сообщает длительность аудио или ограничения контекста.

OpenBuddy Llama2 34B V11.1 в этом репозитории представлен в формате GGUF для локального запуска через llama.cpp и совместимые приложения. Модель создана OpenBuddy и дообучена на основе Llama 2; каталог указывает плотную архитектуру семейства Llama и 34 млрд параметров в названии модели. В репозитории доступны варианты с разной степенью квантования, позволяющие выбирать баланс между размером и качеством; BF16-вариант требует значительных ресурсов, а сильное квантование может заметно ухудшить качество. Модель предназначена для генерации текста и диалоговых сценариев. В карточке заявлена поддержка китайского, английского, французского, немецкого, японского, корейского, итальянского и русского языков. GGUF-веса совместимы с llama.cpp и перечисленными в карточке пользовательскими интерфейсами и библиотеками. Лицензия — Llama 2 Community License; карточка не сообщает длину контекста.

OpenBuddy-openllama-7b-v5-fp16 — версия многоязычного чат-бота OpenBuddy, разработанного проектом OpenBuddy. Модель построена на плотной архитектуре LLaMA с классом LlamaForCausalLM и содержит 6,6 млрд параметров; опубликована в формате PyTorch с лицензией Apache-2.0. Модель предназначена для диалогов и генерации текста. В карточке заявлена поддержка китайского, английского, французского, немецкого, японского, корейского, итальянского и русского языков. Длина контекста составляет 2048 токенов. OpenBuddy может выдавать ошибочные, вредные или оскорбительные ответы. Разработчики не рекомендуют использовать её в критических сценариях, включая медицину, управление потенциально опасными системами и важные финансовые или юридические решения.

bofenghuang/phonemizer-wav2vec2-ctc-french — модель распознавания французской речи, построенная на архитектуре wav2vec2 с выходной CTC-головой. В метаданных указано 402,7 млн параметров; модель опубликована в формате safetensors и использует аудио на входе. Модель предназначена для преобразования аудиозаписей на французском языке в текст. В карточке указан датасет Mozilla Common Voice 13.0. Лицензия — MIT. README содержит только краткое указание на инференс аудио и не описывает подробности качества или ограничения.

Klang Pianissimo — модель автоматического распознавания шведской речи, разработанная Klang как дообучение NVIDIA Parakeet TDT 0.6B v3. Она рассчитана на транскрибацию коротких аудиоклипов и длинных записей; поддерживает пунктуацию, заглавные буквы, временные метки слов и фраз, а также усиление пользовательского словаря для имён и терминов. Модель содержит около 600 млн параметров и использует энкодер FastConformer с декодером Token-and-Duration Transducer (TDT), сохраняя архитектуру и токенизатор Parakeet v3. На вход подаётся монофоническое аудио 16 кГц; локальное внимание обеспечивает контекст около 20,5 секунды в каждом направлении на слой и помогает обрабатывать длинные записи. В README приведены результаты для шведской речи: WER 4,46% на Common Voice и 6,51% на FLEURS. Разработчик сообщает о высокой скорости работы, включая обработку часа аудио за секунду на H100. Модель обучалась на примерно 50 000 часах шведской речи. Качество может снижаться при перекрывающейся речи, сильном фоновом шуме, редких именах и специальной лексике; форматирование чисел и пунктуацию может потребоваться исправлять. Оценка сосредоточена на шведском языке, поэтому качество для других языков и переключения языков не установлено. Лицензия — CC BY 4.0.

POINTS-1.5-Qwen-2.5-7B-Chat — двуязычная визуально-языковая модель WeChat AI, дообученная на базе Qwen/Qwen2.5-7B-Instruct. Она предназначена для диалогов по изображениям и генерации текстовых ответов: понимает изображения высокого разрешения, отвечает на вопросы по их содержимому и поддерживает сценарии распознавания текста на изображении. В README указаны английский и китайский языки; среди обучающих данных есть наборы для OCR и общего визуального диалога. В модели используется визуальный энкодер в стиле NaViT, который обрабатывает изображения разных разрешений без разбиения на фрагменты. README также сообщает о применении техники model soup и приводит результаты на MMBench, MMStar и MMMU. Модель опубликована в формате safetensors по лицензии Apache-2.0. Метаданные каталога указывают чат и интерфейс вызова инструментов; фактические результаты и надёжность этих возможностей зависят от сценария применения.

Qarasu-14B-Chat-Plus-Unleashed — диалоговая языковая модель Lightblue, дообученная на базе Qwen/Qwen-14B-Chat. Она предназначена для генерации ответов в чате и ведения диалога на японском и английском языках. Модель построена на плотной архитектуре Qwen с 21,8 млрд параметров и контекстом до 8192 токенов. Для дообучения использованы наборы Lightblue, японские диалоги OASST и ShareGPT, а также англо-японский набор ultra-orca-boros. Авторы сообщают о высоких результатах внутренних оценок на MT-Bench; независимая оценка на момент публикации ожидалась. Суффикс Unleashed связан с версией, в которой из категорийного набора удалили около 6 тысяч отказов. Модель распространяется под лицензией с меткой other; конкретные условия следует сверить с лицензией репозитория.

Qwen3.5-397B-A17B-MLX-6bit — это 6-битная квантованная версия модели Qwen3.5-397B-A17B, разработанной командой Qwen. Квантование выполнено командой LM Studio с использованием MLX и mlx-vlm, при этом модель оптимизирована для запуска на устройствах с Apple Silicon. Модель относится к классу image-text-to-text и предназначена для задач генерации текста на основе текстовых и, вероятно, визуальных входных данных. В доступной карточке не указаны точные сведения об архитектуре, числе активных параметров, поддерживаемых языках, размере контекста, форматах изображений и результатах оценки качества. Ключевое преимущество версии — сниженные требования к памяти по сравнению с полноразмерной моделью и адаптация к экосистеме Apple Silicon; ограничением является зависимость от совместимого MLX-окружения и потенциальная потеря точности из-за 6-битного квантования. Модель распространяется по лицензии Apache-2.0. Исходная модель создана Qwen, а данная MLX-квантизация предоставлена LM Studio; LM Studio отдельно указывает, что не является создателем исходной модели и не гарантирует точность, безопасность или пригодность генерируемого содержимого.

Qwen3.5-KETI-HAECHI-27B-GGUF — это GGUF-квантизация модели Qwen3.5-KETI-HAECHI-27B, разработанной KETI-NLP и опубликованной в формате GGUF пользователем mradermacher. Модель предназначена для мультимодальных сценариев image-text-to-text, включая обработку изображений и текста, OCR, работу с объектами культурного наследия, использование инструментов и выполнение задач с длинной цепочкой рассуждений. Заявлена поддержка корейского и английского языков. Модель имеет размер 27B параметров. Это vision-language модель с дополнительными файлами mmproj для мультимодальной обработки; доступны варианты mmproj-Q8_0 и mmproj-f16. Предлагаются квантизации от Q2_K до Q8_0, включая IQ4_XS, с размером файлов примерно от 10,8 до 28,7 ГБ. В README не указана длина контекста, а также отсутствуют подробности об архитектуре базовой модели, качестве на конкретных benchmarks и требованиях к оборудованию. Сильной стороной является сочетание мультимодальности, поддержки корейского языка и специализации на культурном наследии и OCR. Качество и требования к ресурсам зависят от выбранного варианта квантизации: Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как вариант очень хорошего качества, а Q8_0 — как наиболее качественный среди перечисленных. Модель распространяется по лицензии Apache-2.0.