I.6Перевод и языковая адаптация

facebook/mms-lid-2048 — модель семейства wav2vec2, разработанная Vineel Pratap и соавторами для определения языка по аудиозаписи. Она классифицирует аудио среди 2048 языков; в карточке указана частота дискретизации 16 кГц. Архитектура репозитория — Wav2Vec2ForSequenceClassification, размер по метаданным — 1,3 млрд параметров, веса доступны в форматах PyTorch и Safetensors. Модель предназначена для автоматического распознавания языка речи в аудиосигналах, включая языки с ограниченными ресурсами. Среди поддерживаемых языков есть русский, английский, арабский, китайский и многие другие. Это классификатор аудио, а не модель транскрибации: она определяет язык, но не выдаёт текстовую расшифровку речи. Распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Motif-3-Beta — предварительная версия языковой модели Motif-3, разработанной Motif Technologies с нуля по собственной архитектуре. Это каузальная модель Mixture-of-Experts с разреженной маршрутизацией: в README указано около 314 млрд параметров всего и около 13 млрд активных на токен; метаданные каталога указывают 11 млрд параметров. Архитектура включает 384 эксперта, из которых активируются 8 на токен, общий эксперт, механизмы GDLA и PolyNorm, модифицированный mHC и дополнительную голову Multi-Token Prediction для ускорения декодирования.

thelamapi/next-ocr-i1-GGUF — GGUF-версия модели Next OCR 8B, разработанной Lamapi. Это мультимодальная модель на базе thelamapi/next-ocr, предназначенная для распознавания текста на изображениях, в документах и снимках экрана, а также для анализа визуального содержимого по текстовым инструкциям. Модель содержит около 8 миллиардов параметров и ориентирована на OCR с поддержкой математических выражений, таблиц, форм, рукописного текста и сложной структуры документов. Заявлена поддержка более 30 языков, включая английский, турецкий, немецкий, испанский, французский, китайский, японский, корейский и русский. В README она описывается как эффективная и компактная instruction-tuned модель для понимания документов; максимальный размер контекста и точная схема квантования GGUF не указаны. Согласно приведённым в README результатам, модель показывает высокие показатели на OCR-бенчмарках, мультиязычном распознавании, работе с таблицами, рукописным и сценовым текстом, однако методика оценки и независимое подтверждение этих результатов не представлены. Для работы требуется передавать одновременно изображение и текстовый запрос. В метаданных указана лицензия Apache-2.0, но в README также присутствует бейдж MIT, поэтому условия лицензирования следует дополнительно уточнить.

OpenBuddy-deepseek-10b-v17.1-4k — многоязычная разговорная языковая модель проекта OpenBuddy, представленная в формате Safetensors и рассчитанная на генерацию текста. Это плотная модель архитектуры LLaMA с 10,1 млрд параметров и контекстом до 4096 токенов; в метаданных заявлена поддержка китайского, английского, французского, немецкого, японского, корейского, итальянского, русского и финского языков. Модель подходит для диалогов, ответов на вопросы и генерации текста на поддерживаемых языках. README указывает базовую модель DeepSeek и лицензию DeepSeek, но не уточняет способ получения этой версии. Модель может выдавать ошибочные, вредные или оскорбительные ответы; авторы предостерегают от применения в критически важных сценариях, включая медицину, управление опасными системами и значимые финансовые или юридические решения. Условия лицензии следует сверять с лицензией DeepSeek.

Карточка модели OpenBuddy/openbuddy-llama-30b-v7.1-bf16 на Hugging Face совпадает с карточкой OpenBuddy/openbuddy-llama-65b-v8-bf16, поэтому описание составлено по ней. OpenBuddy/openbuddy-llama-65b-v8-bf16 — многоязычная чат-модель OpenBuddy на архитектуре LLaMA, основанная на LLaMA от Meta. Это плотная авторегрессионная модель с 65,1 млрд параметров, рассчитанная на генерацию текста; исходные веса представлены в формате PyTorch и точности bf16, указанной в названии репозитория. Родная длина контекста составляет 2048 токенов. Модель предназначена для диалогов и генерации ответов на нескольких языках, включая китайский, английский, французский, немецкий, японский, корейский, итальянский и русский. Её можно применять для чат-ботов и текстовых ассистентов. Карточка предупреждает, что ответы могут быть ошибочными, вредными или оскорбительными, и не рекомендует использовать модель в медицинских и других критически важных сценариях. Использование модели зависит от лицензии Meta LLaMA: требуется соответствовать условиям Meta и получить разрешение на доступ к исходной модели.

OpenBuddy/openbuddy-llama-65b-v8-bf16 — многоязычная чат-модель OpenBuddy на архитектуре LLaMA, основанная на LLaMA от Meta. Это плотная авторегрессионная модель с 65,1 млрд параметров, рассчитанная на генерацию текста; исходные веса представлены в формате PyTorch и точности bf16, указанной в названии репозитория. Родная длина контекста составляет 2048 токенов. Модель предназначена для диалогов и генерации ответов на нескольких языках, включая китайский, английский, французский, немецкий, японский, корейский, итальянский и русский. Её можно применять для чат-ботов и текстовых ассистентов. Карточка предупреждает, что ответы могут быть ошибочными, вредными или оскорбительными, и не рекомендует использовать модель в медицинских и других критически важных сценариях. Использование модели зависит от лицензии Meta LLaMA: требуется соответствовать условиям Meta и получить разрешение на доступ к исходной модели.

Карточка модели OpenBuddy/openbuddy-mistral2-7b-v20.2-32k на Hugging Face совпадает с карточкой OpenBuddy/openbuddy-mistral2-7b-v20.3-32k, поэтому описание составлено по ней. OpenBuddy-mistral2-7b-v20.3-32k — плотная чат-модель семейства Mistral с 7,1 млрд параметров, разработанная проектом OpenBuddy. Она предназначена для многоязычного диалога и генерации ответов; поддерживает контекст до 32 768 токенов. Метаданные указывают на поддержку китайского, английского, французского, немецкого, японского, корейского, итальянского и русского языков. Модель распространяется в формате Safetensors и использует библиотеку Transformers. Модель подходит для чат-ботов, ответов на вопросы и генерации текста на поддерживаемых языках. Лицензия — Apache 2.0. Авторы предупреждают, что ответы могут быть ошибочными, вредными или оскорбительными; модель не следует применять в критических сценариях, включая медицину и важные финансовые или юридические решения.

QVikhr-2.5-1.5B-Instruct-SMPO — русско-английская инструктивная языковая модель команды Vikhr, разработанная на основе Vikhr-Qwen-2.5-1.5B-Instruct. Модель дообучена на русскоязычном датасете GrandMaster-PRO-MAX с применением SMPO (Simple Margin Preference Optimization) для улучшения ответов на инструкции и диалоговых ответов. Модель использует плотную архитектуру Qwen2 с 1,5 млрд параметров и контекстом до 32 768 токенов. Она принимает текст и генерирует текст, поддерживает русский и английский языки; карточка также указывает интерфейс вызова инструментов. Подходит для диалогов, ответов на вопросы и генерации текста, особенно на русском языке. Доступна по лицензии Apache-2.0. README перечисляет квантованные варианты GGUF и MLX с разрядностью 4 и 8 бит.

Qwen2-1.5B-Instruct-AWQ — инструкционно дообученная языковая модель серии Qwen2, разработанная командой Qwen. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на вопросы, выполнение инструкций, написание и обработку текстов, а также задачи, связанные с кодом, математикой и рассуждениями. Модель содержит 1,5 млрд параметров и основана на архитектуре Transformer с активацией SwiGLU, смещениями в QKV внимания и group query attention. Она является текстовой авторегрессионной моделью и использует улучшенный токенизатор, адаптированный для нескольких естественных языков и языков программирования. Версия AWQ содержит квантизацию, рассчитанную на снижение потребления памяти и повышение эффективности инференса; конкретные требования к памяти и показатели производительности зависят от среды запуска. К сильным сторонам относятся компактный размер, поддержка диалогового режима и широкий спектр языковых, кодовых, математических и логических задач. По сравнению с более крупными моделями качество и глубина рассуждений могут быть ограничены, а README не содержит данных о длине контекста, точном перечне поддерживаемых языков и количественных результатах бенчмарков. Модель распространяется по лицензии Apache 2.0.

Qwen2-1.5B-Instruct-GGUF — инструкционная языковая модель из семейства Qwen2, разработанного командой Qwen. Она предназначена для диалоговых приложений, генерации и понимания текста, а также может применяться в задачах, связанных с многоязычностью, программированием, математикой и рассуждениями. Модель представлена в формате GGUF и подходит для локального запуска с помощью llama.cpp, включая развёртывание сервера с совместимым с OpenAI API интерфейсом. Модель содержит 1,5 млрд параметров и построена на архитектуре Transformer с активацией SwiGLU, смещениями в QKV-проекциях внимания и Group Query Attention. Токенизатор адаптирован к нескольким естественным языкам и языкам программирования. В репозитории доступны варианты fp16 и квантованные варианты q2_k, q3_k_m, q4_0, q4_k_m, q5_0, q5_k_m, q6_k и q8_0. Обучение включало предварительное обучение, supervised fine-tuning и direct preference optimization. К сильным сторонам относятся небольшой размер, возможность локального запуска и наличие нескольких уровней квантования с различным компромиссом между качеством и требованиями к ресурсам. Ограничения связаны с размером 1,5 млрд параметров: по сравнению с более крупными моделями она может уступать в сложных задачах понимания, генерации, кодирования и рассуждений; конкретные языки и размер контекстного окна в README не указаны. Модель распространяется по лицензии Apache-2.0.

Qwen2.5-0.5B-Instruct-GGUF — инструкционно дообученная языковая модель семейства Qwen2.5, разработанная командой Qwen. Это компактная версия для генерации текста и диалоговых сценариев, включая чат-ботов, следование инструкциям, работу с кодом и математическими задачами, обработку структурированных данных и генерацию структурированных ответов, в том числе JSON. Модель является каузальной трансформерной языковой моделью с архитектурой на основе RoPE, SwiGLU и RMSNorm, с GQA: 14 головами для Q и 2 для KV. Она содержит около 0,49 млрд параметров, 24 слоя и поддерживает контекст до 32 768 токенов с генерацией до 8192 токенов. Доступна в GGUF-вариантах квантования q2_K, q3_K_M, q4_0, q4_K_M, q5_0, q5_K_M, q6_K и q8_0. Заявлена поддержка более 29 языков, включая английский, китайский, русский, французский, испанский, немецкий, японский и корейский; модальность — текстовая. Сильными сторонами являются малый размер, возможность локального запуска, улучшенное следование инструкциям, поддержка длинного контекста, многоязычность и работа со структурированным выводом. Ограничения связаны с компактным масштабом: по возможностям и качеству ответов модель может уступать более крупным моделям, а квантование способно снижать точность по сравнению с исходной версией. Модель распространяется по лицензии Apache-2.0.

Карточка модели filippovg199/Qwen2.5-7B-Instruct-abliterated-v2 на Hugging Face совпадает с карточкой huihui-ai/Qwen2.5-7B-Instruct-abliterated-v2, поэтому описание составлено по ней. Qwen2.5-7B-Instruct-abliterated-v2 — доработанная методом abliteration версия инструктивной языковой модели Qwen2.5-7B-Instruct, созданная huihui-ai. Это плотная авторегрессионная модель на 7,1 млрд параметров для диалогов и генерации текста; она поддерживает контекст до 32 768 токенов и предназначена для работы через библиотеку Transformers. В карточке отмечены чат-возможности и интерфейс вызова инструментов. Версия позиционируется как менее ограниченная в отказах на запросы, чем исходная модель. В README приведены оценки IF_Eval 77,82, MMLU Pro 42,03 и TruthfulQA 57,81; результаты отдельных тестов отличаются от исходной Qwen2.5-7B-Instruct. Метаданные указывают языковые теги для китайского, английского, французского, испанского, португальского, немецкого, итальянского, русского, японского, корейского, вьетнамского, тайского и арабского. Модель распространяется по лицензии Apache-2.0.

RedHatAI/Qwen3-0.6B-quantized.w4a16 — квантизированная версия языковой модели Qwen3-0.6B, разработанная RedHat совместно с Neural Magic. Это авторегрессионная модель архитектуры Qwen3ForCausalLM для генерации текста по текстовому вводу. Модель предназначена для рассуждений, function calling, многоязычного следования инструкциям, перевода и создания специализированных предметных экспертов посредством дообучения. Указанный размер базовой модели — 0,6 млрд параметров. Веса линейных слоёв трансформера сжаты до INT4 с использованием GPTQ, асимметричной поканальной групповой схемы с размером группы 64; параметры сохраняются в формате w4a16. Это примерно на 75% снижает размер на диске и требования к памяти GPU по сравнению с 16-битным представлением весов. В README приведены сценарии оценки с длиной контекста до 40960 токенов, однако точное максимальное контекстное окно модели отдельно не указано. Модель поддерживает только текстовые входы и выходы. К преимуществам относятся уменьшенное потребление памяти и эффективное развёртывание, в частности через vLLM с OpenAI-совместимым сервером. К ограничениям относятся возможные потери качества из-за INT4-квантизации, а также отсутствие в предоставленных данных подробных результатов оценки, перечня поддерживаемых языков и гарантий качества для конкретных прикладных задач. Модель распространяется по лицензии Apache-2.0; использование не должно нарушать применимые законы и нормативные требования.

cyankiwi/Qwen3.5-2B-AWQ-4bit — 4-битная AWQ-квантизированная версия мультимодальной модели Qwen3.5-2B, основанной на Qwen/Qwen3.5-2B и разработанной командой Qwen. Модель предназначена для обработки текста и изображений, генерации ответов, визуального понимания, рассуждений, программирования и агентских сценариев. Формат совместим с Hugging Face Transformers, vLLM, SGLang и KTransformers. Модель содержит около 2 млрд параметров, использует архитектуру causal language model с vision encoder, гибрид Gated Delta Networks и разреженной Mixture-of-Experts, 24 слоя и контекст до 262 144 токенов. Заявлена поддержка 201 языка и диалекта. Квантизация AWQ до 4 бит снижает требования к памяти и может повысить эффективность инференса, однако возможны потери качества по сравнению с полноразмерными весами; точные характеристики квантизации и результаты бенчмарков именно этой сборки в README не приведены. Основные сценарии использования — прототипирование, исследовательские и разработческие задачи, а также предметно-ориентированное дообучение. Небольшой размер облегчает локальное и экономичное развертывание, но ограничивает максимальную глубину и надежность результатов по сравнению с более крупными моделями. Модель распространяется по лицензии Apache-2.0.

Qwen3.6-35B-A3B-Brainwaves-Nex-i1-GGUF — это GGUF-квантизированная версия модели nightmedia/Qwen3.6-35B-A3B-Brainwaves-Nex, подготовленная mradermacher. Модель предназначена для локального запуска задач генерации текста и диалогов, включая рассуждения, математику, STEM, программирование и многоязычные сценарии. В README также указано, что это vision-модель, поэтому для работы с изображениями могут потребоваться отдельные mmproj-файлы из статического репозитория. Заявлены языки English, Chinese, Japanese и Spanish. Доступны варианты квантизации i1 от Q2_K до Q6_K, включая IQ-квантизации и imatrix-файл; размер файлов составляет примерно от 13,3 до 29,3 ГБ. Вариант Q4_K_M отмечен как быстрый и рекомендуемый, а Q4_K_S — как компромисс между размером, скоростью и качеством. Точный размер контекста, детальные сведения об архитектуре, результаты тестирования и системные требования в README не указаны. Модель распространяется по лицензии Apache-2.0. К ограничениям относятся неизбежная потеря качества при низких уровнях квантизации, отсутствие подробных бенчмарков и неполная документация по использованию мультимодальных возможностей.

Это мультимодальная vision-language модель Qwen3.8-27B, разработанная командой Qwen и представленная в квантованном варианте пользователем lribeiro. Модель предназначена для обработки текста, изображений и видео, включая задачи понимания визуального содержания и генерации текста по визуальному контексту. Она реализована на базе архитектуры Qwen3_5ForConditionalGeneration и поддерживает многоязычные сценарии. Языковая часть содержит около 27 млрд параметров, а vision tower — ещё около 460,7 млн. Архитектура включает 64 слоя: 48 слоёв линейного внимания GatedDeltaNet и 16 слоёв полного внимания, а также vision encoder на базе 27-слойного ViT. Контекст в указанной конфигурации составляет 8192 токена. Лингвистические слои используют FP8 E4M3 в режиме W8A8 с GPTQ-коррекцией весов, тогда как визуальный энкодер и MTP-head сохранены в BF16. Размер чекпойнта составляет 29,97 ГБ против 55,6 ГБ у BF16-базы. Сильными сторонами являются сохранённая обработка изображений и видео, уменьшенный размер, высокая скорость prefill и поддержка MTP speculative decoding; после исправления конфигурации заявлена скорость декодирования 106,9 токена в секунду против 69,4. Ограничения включают необходимость оборудования с поддержкой FP8, прежде всего NVIDIA Blackwell, Ampere или Hopper, а также зависимость от совместимой версии vLLM и FlashInfer. Модель распространяется по лицензии Apache-2.0.

Qwen3.8-Flash-Next-GGUF — это квантизированная версия модели Qwen3.8-Flash-Next, разработанной командой Qwen и подготовленной пользователем bartowski в формате GGUF для запуска через llama.cpp. Модель предназначена для задач генерации и анализа текста, а также обработки изображений при использовании отдельного файла mmproj, что позволяет применять её в мультимодальных сценариях. Модель содержит 180 млрд параметров и поддерживает текстовый и графический ввод. Для неё доступны варианты от BF16 и Q8_0 до более компактных Q2–Q5 и IQ-квантизаций; размер файлов варьируется примерно от 88 до 354 ГБ. Квантизация выполнена с использованием imatrix, а speculative decoding не поддерживается. Рекомендуемый компромисс между качеством и требованиями к памяти — Q4_K_M размером около 119,6 ГБ; более высокие варианты сохраняют качество, но требуют значительно больше ресурсов. К сильным сторонам относятся большой масштаб модели, поддержка мультимодального ввода, широкий выбор уровней квантизации и совместимость с llama.cpp. Ограничениями являются очень высокие требования к оперативной или видеопамяти даже у компактных вариантов, возможное снижение качества при сильной квантизации и необходимость отдельного mmproj-файла для работы с изображениями. Указана лицензия qwen-community-1.0; дополнительные условия приведены в файле LICENSE.

Карточка модели mlinmg/Qwen3-Omni-30B-A3B-Instruct на Hugging Face совпадает с карточкой Qwen/Qwen3-Omni-30B-A3B-Instruct, поэтому описание составлено по ней. Qwen3-Omni-30B-A3B-Instruct — мультимодальная модель общего назначения от команды Qwen компании Alibaba. Она принимает текст, изображения, аудио и видео и формирует потоковые ответы текстом и естественной речью; вариант Instruct включает компоненты Thinker и Talker. Архитектура MoE использует разделение на Thinker и Talker, а модель рассчитана на низколатентное взаимодействие в реальном времени и управление поведением через системные промпты. Модель предназначена для голосовых диалогов, распознавания и понимания речи, описания аудио и видео, а также ответов на вопросы по изображениям и смешанным мультимодальным входам. README заявляет поддержку 119 языков для текста, 19 языков для речевого ввода и 10 для речевого вывода; среди явно перечисленных языков речи есть русский. В примере запуска указан максимальный контекст 65 536 токенов. Для работы предлагаются Transformers и vLLM; README отмечает, что на момент публикации требовалась установка Transformers из исходников. Лицензия в метаданных обозначена как other, без уточнения условий.

OpenYourMind/Qwopus3.5-122B-A10B-Kimi-K2.6-destill-healed-abliterated-MTPLX-4bit — это 4-битная сборка модели OpenYourMind Qwopus3.5 на базе архитектуры Qwen3.5 MoE с компонентами Qwen3-VL. Модель разработана OpenYourMind и предназначена для запуска на Apple Silicon через MLX и MTPLX. Она поддерживает обработку текста и содержит vision tower для работы с изображениями, однако данная сборка ориентирована на текстовый путь; для мультимодального ввода рекомендуется использовать связанную сборку MLX-4bit с mlx-vlm. Модель имеет около 122 млрд параметров в общей сложности, из которых примерно 10 млрд активируются при обработке токена. Языковые веса квантизованы в 4 бита с размером группы 64, а маршрутизирующие компоненты сохранены в более высокой точности. В комплект включена BF16 MTP-голова на базе MoE с 256 экспертами, из которых активны 8, и общим экспертом. Она предназначена для ускоренного speculative decoding: на M5 Max зафиксировано около 52 токенов в секунду и примерно 70% принятия черновых токенов в указанном тесте. К сильным сторонам относятся существенно уменьшенный объём по сравнению с полной моделью, поддержка мультимодальной архитектуры базовой модели и ускорение генерации при использовании совместимой версии MTPLX. Для запуска требуется около 80 ГБ объединённой памяти, а комфортная работа заявлена на компьютерах Mac с 96 ГБ и более. MTPLX должен поддерживать MoE MTP-голову; старые версии могут быть несовместимы. Из-за особенностей маршрутизации MoE при температуре 0 возможны редкие отличия отдельных токенов по сравнению с обычной авторегрессионной генерацией, поэтому строгая побитовая идентичность не гарантируется. Лицензия указана как Other; README сообщает, что применяются условия лицензии базовой модели Qwen3.5.

VARCO-VISION-2.0-14B — мультимодальная модель NCSOFT, построенная по архитектуре LLaVA-OneVision. Она объединяет визуальную модель SigLIP2-so400m-patch16-384 и языковую Qwen3-14B; число параметров языковой базовой модели — 14 млрд. Модель принимает текст и одно или несколько изображений и отвечает на вопросы по их содержимому. Модель предназначена прежде всего для корейского и английского языков. Она умеет анализировать документы, таблицы и графики, распознавать текст на изображениях и указывать его положение рамками, а также отвечать на повседневные вопросы и суммировать информацию. Разработчик отмечает улучшенное понимание корейского языка и культурного контекста. Для работы с несколькими изображениями рекомендуется Transformers версии 4.53.1 или выше. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Оценки зависят от бенчмарка и формата запроса; README также предупреждает, что результаты некоторых тестов с оценкой другой LLM могут быть невоспроизводимы.

Ziya2-13B-Chat 是由 Fengshenbang-LM 团队开发的中文和英文对话模型，基于 LLaMA2 系列的 Ziya2-13B-Base 构建。它采用约 12.9B 参数的稠密 LLaMA 架构，以 PyTorch 格式提供，原生上下文长度为 4096 个 token。 模型先经过通用指令和知识增强指令的监督微调，再使用人类偏好数据进行全参数 RLHF 训练，面向问答、推理、写作、代码、常识、对话、自然语言理解和安全相关场景。 README указывает, что в supervised fine-tuning использовалось окно 8k токенов; указанная в метаданных нативная длина контекста модели — 4096 токенов. Модель рассчитана на текстовый ввод и генерацию текста на китайском и английском языках. Карточка сообщает о сравнительных человеческих оценках, но не даёт оснований считать ответы всегда точными или безопасными; длинные запросы сверх нативного контекста могут быть ограничены. Лицензия — Apache-2.0.

ARK-ASR-3B — мультиязычная модель распознавания речи, представленная разработчиками проекта AutoArk. Она предназначена для преобразования речи в текст и может использоваться для транскрибации аудио и развёртывания сервиса распознавания через Transformers или vLLM. По карточке модели, в тестах Open ASR Leaderboard она показала средний WER 5,04% на англоязычном коротком аудио и CER 1,80% на AISHELL-1 для китайского языка. Модель содержит около 3,1 млрд параметров и использует авторегрессионную архитектуру Transformers: аудиоэнкодер в стиле Whisper, MLP-адаптер и декодер Qwen. Она принимает аудио с частотой дискретизации 16 кГц и генерирует текст; нативный контекст составляет 32 768 токенов. Заявлена поддержка китайского, английского, немецкого, японского, французского, корейского, испанского, польского, итальянского, румынского, венгерского, чешского, нидерландского, финского, хорватского, словацкого, словенского, эстонского и литовского языков. Веса представлены в формате safetensors, для загрузки используются Transformers и пользовательский код архитектуры arkasr; лицензия — Apache-2.0. Для запуска по инструкции карточки требуется включить trust_remote_code=True. Приведённые показатели относятся к указанным тестовым наборам и сами по себе не гарантируют аналогичное качество на других аудио, акцентах и условиях записи.

DCUBE Language Identifier — компактная модель для определения языка по тексту, разработанная DCUBE Ai. Она дообучена методом LoRA SFT на базе Qwen2.5-0.5B-Instruct с использованием дистилляции знаний от Qwen3-14B и примеров из набора papluca/language-identification с дополнительными данными на малаялам. Модель принимает текст и отвечает названием распознанного языка; поддерживает 21 язык, включая русский, английский, китайский, арабский и хинди. Модель семейства Qwen2 имеет плотную архитектуру, около 494 млн параметров и контекстное окно 32 768 токенов. В репозитории доступны веса Safetensors и GGUF; шаблон чата может автоматически добавлять инструкцию для определения языка. Лицензия — Apache-2.0. README рекомендует устанавливать температуру 0 при использовании через LM Studio.

DeepSeek-R1-0528-Qwen3-8B-MLX-4bit — это 4-битно квантованная версия модели DeepSeek-R1-0528-Qwen3-8B, разработанной deepseek-ai. Квантование выполнено командой LM Studio с использованием mlx_lm и формата MLX, ориентированного на работу на устройствах с Apple Silicon. Модель предназначена для генерации текста и связанных с ней языковых сценариев. README не содержит сведений о точном числе параметров, поддерживаемых языках, размере контекста, модальностях или специализированных ограничениях исходной модели. Ключевое преимущество версии — уменьшенный размер благодаря 4-битному представлению и оптимизация для Apple Silicon; при этом квантование может снижать точность по сравнению с исходной моделью, а применение вне экосистемы MLX и Apple Silicon может быть ограничено. Модель распространяется по лицензии MIT.

DeepSeek-V4-Flash-Vision-Exp — экспериментальная мультимодальная модель семейства DeepSeek-V4, разработанная DeepSeek AI. Данная версия является производным вариантом, опубликованным и поддерживаемым AMAImedia в рамках платформы автоматизации профессионального многоязычного дубляжа NOESIS; базовая модель указана как deepseek-ai/DeepSeek-V4-Flash-Vision-Exp. Модель предназначена для задач понимания изображений и текста, мультимодальных агентских сценариев, работы с диаграммами и автоматизации, а также сохраняет возможности для текстовых агентских задач. Архитектура основана на DeepSeek-V4-Flash с добавленными визуальными модулями и дополнительным обучением для развития визуального понимания. Это модель image-text-to-text с поддержкой большого набора языков, включая английский, русский, китайский, вьетнамский, японский и многие другие. Точный размер модели, длина контекста, перечень визуальных входных форматов и сведения о параметрах квантования FP8/GGUF в предоставленном README не указаны. Сильной стороной модели является заметное улучшение мультимодальных агентских возможностей по сравнению с DeepSeek-V4-Flash-0731 при сопоставимой производительности в текстовых агентских задачах. В README приведены результаты на ApexBench, Agents' Last Exam, Chartography и ZeroBench, однако независимые ограничения, требования к аппаратному обеспечению и рекомендации по применению не описаны. В метаданных указана лицензия Apache-2.0; при этом встроенный README также содержит ссылку на лицензию MIT оригинального проекта, поэтому условия конкретной производной сборки следует проверять отдельно.

ERNIE-4.5-21B-A3B-PT — текстовая MoE-модель Baidu для генерации и понимания языка в диалоговом режиме. Суффикс PT обозначает веса для PyTorch и Transformers; модель также можно запускать через vLLM. В README указаны 21 млрд параметров всего и около 3 млрд активных параметров на токен, а метаданные каталога содержат оценку 3,3 млрд параметров. Модель использует архитектуру ERNIE 4.5 MoE и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации ответов и ведения диалога на китайском и английском языках. Семейство ERNIE 4.5 обучалось на текстовых и визуальных данных, однако этот вариант в README обозначен как текстовый и не заявлен как модель для обработки изображений. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. README указывает требования к версиям Transformers и vLLM для запуска; конкретные ограничения качества или известные слабые стороны этой версии не описаны.

Это конверсия модели OpenAI Whisper small в формат CTranslate2, опубликованная Guillaume Klein. Она предназначена для автоматического распознавания речи и используется через CTranslate2 или проекты на его основе, например faster-whisper. Репозиторий содержит веса FP16; при загрузке тип вычислений можно выбрать через параметр compute_type. Модель поддерживает распознавание речи на множестве языков, включая русский и английский. Лицензия — MIT.

guillaumekln/faster-whisper-tiny — конверсия модели Whisper tiny от OpenAI в формат CTranslate2, подготовленная для запуска в CTranslate2 и проектах на его основе, включая faster-whisper. Модель предназначена для автоматического распознавания речи; исходная модель — openai/whisper-tiny. Веса сохранены в FP16. При загрузке тип вычислений можно выбрать через параметр compute_type в CTranslate2. Репозиторий лицензирован по MIT.

IndicSBERT-STS — модель семейства Sentence-BERT от L3Cube-Pune, выпущенная в рамках проекта MahaNLP. Она построена на архитектуре BERT и обучена на данных STS для десяти крупных индийских языков; одна модель сопоставляет предложения на английском, хинди, маратхи, каннада, тамильском, телугу, гуджарати, ория, пенджаби, малаялам и бенгальском, в том числе между языками. Модель предназначена для получения векторных представлений предложений и оценки их семантического сходства; размер составляет 264,8 млн параметров, максимальный контекст — 512 токенов. Её можно применять для поиска похожих предложений, межъязыкового сопоставления и построения семантического поиска по текстам на поддерживаемых языках. Лицензия CC BY 4.0 требует указания авторства. Карточка рекомендует Sentence-Transformers либо применение подходящего pooling поверх контекстных представлений BERT при использовании Transformers.

JAIS-6p7b-Chat — двуязычная большая языковая модель, разработанная Inception, компанией G42, совместно с MBZUAI и Cerebras. Модель предназначена для диалогов, генерации текста, понимания естественного языка и поддержки пользователей на арабском и английском языках. Модель содержит около 6,7 млрд параметров и использует авторегрессионную decoder-only архитектуру Transformer, нелинейность SwiGLU и позиционные представления ALiBi. Она работает с текстовыми данными и имеет контекст до 2048 токенов. В карточке Hugging Face для указанного идентификатора заявлена задача text-generation. Сильными сторонами являются специализация на арабском языке при сохранении возможностей английского, а также применение в диалоговых и генеративных сценариях. Модель ограничена текстовой модальностью, размером контекста 2048 токенов и возможными ошибками или неточностями генерации. Для семейства JAIS указана лицензия Apache 2.0.