I.6Перевод и языковая адаптация

InflexionLab/VibeVoice-ASR-Kazakh — модель распознавания речи на казахском языке, созданная дообучением Microsoft VibeVoice-ASR с помощью LoRA; адаптеры объединены с базовыми весами для инференса. Обучение проводилось на наборе ISSAI-KSC2-Structured объёмом около 1 200 часов казахской речи из новостей, парламентских выступлений, ток-шоу, подкастов, радио и краудсорсинговых записей. Модель преобразует казахскую речь в текстовую транскрипцию с пунктуацией и заглавными буквами. В README указаны WER около 22% и CER около 9,6% на тестовой части ISSAI KSC2, а также WER 17,6% и CER 4,25% на наборе farabi-lab/kazakh-stt, который не использовался при обучении. Репозиторий содержит веса safetensors; лицензия — Apache-2.0.

Viking-SlimSonnet-v1-7B — диалоговая языковая модель, разработанная mpasila на базе LumiOpen/Viking-7B. Модель дообучена методом LoRA на наборе SlimOrca, очищенном от примеров длиннее 4076 токенов; использован формат диалогов ChatML. Это плотная архитектура Llama с 7 млрд параметров и контекстом 4096 токенов. Модель предназначена для генерации ответов в диалоге и других текстовых продолжений. В карточке указаны английский и скандинавские языки: финский, шведский, норвежский, датский и исландский; базовая Viking-7B ориентирована преимущественно на финский и скандинавские языки. Модель опубликована в формате safetensors по лицензии Apache-2.0.

jonatasgrosman/wav2vec2-large-xlsr-53-spanish — модель распознавания испанской речи, разработанная Jonatas Grosman. Она дообучена на основе facebook/wav2vec2-large-xlsr-53 на обучающей и проверочной выборках Common Voice 6.1 и предназначена для преобразования аудиозаписей на испанском языке в текст. Модель построена на архитектуре Wav2Vec2ForCTC и содержит 402,7 млн параметров; для входной речи требуется частота дискретизации 16 кГц. Модель поддерживает распознавание речи без языковой модели и подходит для транскрибирования записей и оценки качества ASR на испаноязычных речевых наборах данных, включая Common Voice. В карточке приведена лицензия Apache-2.0. Результаты могут зависеть от акустических условий и отличий речи от обучающих данных; языковая модель в базовом сценарии не используется.

Wav2Vec2-Large-XLSR-53-Mongolian-v1 — модель автоматического распознавания речи, созданная дообучением facebook/wav2vec2-large-xlsr-53 на монгольских данных Common Voice. Это модель архитектуры wav2vec2 с декодером CTC и примерно 402,7 млн параметров; доступны версии PyTorch и Flax. Для распознавания входную речь следует подавать с частотой дискретизации 16 кГц. Модель предназначена для транскрибации монгольской речи, в том числе записей, похожих на данные Common Voice; карточка приводит результат тестирования 34,64%, но не уточняет метрику в доступном описании. Распространяется по лицензии Apache-2.0.

CultriX/Wernicke-7B-dpo — объединённая модель для генерации текста, опубликованная CultriX. В README указано, что она создана с помощью LazyMergekit из FelixChao/WestSeverus-7B-DPO-v2, CultriX/Wernicke-7B-v8 и vanillaOVO/supermario_v2; метаданные описывают архитектуру как Mistral с плотной causal language model на 7,1 млрд параметров. Модель предназначена для генерации текста и работы с длинным контекстом до 32 768 токенов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. README также содержит упоминание DPO-донастройки на датасете truthy-dpo поверх Wernicke-7B-v9, но метаданные классифицируют опубликованную модель как merge.

Модель dvislobokov/whisper-large-v3-turbo-russian — дообученная русскоязычная версия Whisper large-v3-turbo, созданная dvislobokov на базе openai/whisper-large-v3-turbo. Она предназначена для автоматического распознавания русской речи и преобразования аудио в текст. Модель построена на архитектуре WhisperForConditionalGeneration, содержит 905,2 млн параметров и принимает аудио.

Карточка модели unsloth/aya-vision-8b на Hugging Face совпадает с карточкой unsloth/aya-vision-32b, поэтому описание составлено по ней. unsloth/aya-vision-32b — версия с весами, опубликованная Unsloth на основе мультимодальной модели Aya Vision 32B от Cohere For AI. Это плотная vision-language модель для диалога по тексту и изображениям: она принимает текст и изображения, а в ответ генерирует текст. Варианты Aya Vision предназначены для OCR, описания изображений, визуальных рассуждений, суммаризации, ответов на вопросы по изображениям и других задач понимания визуального содержимого. Модель относится к семейству Aya Vision и использует архитектуру AyaVisionForConditionalGeneration; для обработки изображений применяется зрительный энкодер SigLIP2. Она поддерживает многоязычное взаимодействие, включая русский, и работает через библиотеку Transformers. Карточка README относится к версии 8B, поэтому приведённые там сведения о контексте 16K, обработке изображений и подробном списке 23 языков нельзя уверенно переносить на эту версию 32B. Репозиторий основан на CohereForAI/aya-vision-32b и классифицирован как дообученная модель; веса хранятся в формате safetensors. Лицензия CC-BY-NC-4.0 запрещает коммерческое использование и требует соблюдать условия допустимого использования C4AI. Подробности производительности и ограничения именно версии 32B в предоставленной карточке не описаны.

Baichuan2-7B-Base — базовая большая языковая модель, выпущенная Baichuan Intelligence. Это плотная авторегрессионная модель семейства Baichuan с 7 млрд параметров, обученная на корпусе объёмом 2,6 трлн токенов. Модель принимает текст и генерирует текст; заявленная длина контекста — 4096 токенов. Модель предназначена для продолжения текста и как основа для адаптации под диалоговые и другие языковые сценарии. Разработчик сообщает об оценке на китайских и англоязычных тестах в общих, юридических, медицинских, математических и программных задачах, а также в многоязычном переводе; это не означает специализацию модели на этих областях. README рекомендует PyTorch 2.0 для запуска. В карточке заявлена поддержка английского и китайского языков. Версия Base не настроена специально на диалог, поэтому для ассистентских сценариев может потребоваться дообучение и проверка поведения. Использование регулируется Apache 2.0 и отдельным общественным лицензионным соглашением Baichuan 2; для коммерческого применения требуется предварительное одобрение Baichuan и соблюдение условий соглашения.

Bielik-11B-v2.6-Instruct — генеративная языковая модель с 11 млрд параметров, разработанная SpeakLeash совместно с HPC-центром ACK Cyfronet AGH. Это дообученная в формате инструкций версия Bielik-11B-v2 с архитектурой причинного декодера и шаблоном диалога ChatML. Модель работает с текстом и особенно хорошо ориентирована на польский язык; также заявлена поддержка английского. Модель предназначена для диалогов и выполнения текстовых инструкций, включая задачи по математике, программированию и STEM. При обучении использовались польские корпуса и более 20 млн инструкций, а для выравнивания ответов — обучение на предпочтениях и задачи с проверяемыми критериями. Лицензия — Apache 2.0. Разработчики предупреждают, что модель может выдавать фактически неверные, предвзятые или оскорбительные ответы и не имеет механизмов модерации. Её ответы требуют проверки, особенно в сценариях, где важны точность и безопасность.

cstr/cld3-GGUF — конверсия Compact Language Detector v3 (CLD3), компактного нейросетевого определителя языка от Google, ранее использовавшегося в Chromium. Модель принимает текст и относит его к одному из 109 языковых классов, включая отдельные метки для латинизированных вариантов некоторых языков. Архитектура включает шесть экстракторов признаков и таблиц эмбеддингов, объединённых в вектор размерности 80, а также два полносвязных слоя с размерами 80→208 и 208→109. Репозиторий содержит веса F16 в формате GGUF; файл занимает около 440 КБ. Модель предназначена для быстрой идентификации языка в браузерном и другом CPU-сценарии, где важны малый размер и низкая задержка. В README заявлены задержка менее миллисекунды и совпадение с эталонной реализацией pycld3 для 7 из 8 тестовых примеров. На коротких строках, особенно короче примерно 50 символов, предсказания могут быть ненадёжны и зависеть от языкового априорного распределения; рекомендуется учитывать уверенность. Упрощённая очистка текста в C++ runtime может также давать расхождения для HTML и текста с большим количеством пунктуации. Использование регулируется лицензией Apache-2.0; репозиторий меняет формат представления весов, но не обучает модель заново.

Cygnis-Alpha 2 (8B) v0.3 — это языковая модель для генерации текста, представленная в формате GGUF с различными вариантами квантизации. Базовую модель разработал Simonc-44, а квантизацию выполнил mradermacher. Модель обучалась с использованием наборов данных Cygnis-Alpha2-Instruct-Mix и Cygnis-Identity-SFT и предназначена для локального запуска через совместимые инструменты работы с GGUF. Модель содержит около 8 миллиардов параметров и, судя по метаданным, относится к семейству архитектур Llama 3.1. Она ориентирована на текстовые задачи, включая генерацию ответов, следование инструкциям и рассуждения. Заявлены английский и французский языки. Поддержка мультимодальных входов и размер контекстного окна в README не указаны. Основное преимущество версии — широкий выбор квантизированных вариантов размером примерно от 2,1 до 6,7 ГБ, что позволяет адаптировать модель к доступным ресурсам и выбирать компромисс между скоростью, требованиями к памяти и качеством. При этом некоторые малобитные варианты характеризуются как низкокачественные, поэтому для практического использования рекомендуется выбирать более качественные варианты, например i1-Q4_K_M или i1-Q5_K_M. Модель распространяется под лицензией Apache-2.0.

MLX-версия модели DeepSeek-R1-0528-Qwen3-8B, разработанная сообществом mlx-community и преобразованная из исходной модели deepseek-ai с помощью mlx-lm 0.24.1. Модель предназначена для генерации текста и запуска через библиотеку mlx-lm, в том числе в приложениях, использующих формат диалоговых сообщений и chat template. Модель основана на DeepSeek-R1-0528-Qwen3-8B и представлена в 4-битном формате квантования, что может снизить требования к памяти по сравнению с полноточной версией, однако README не содержит подробностей об архитектуре, количестве параметров, поддерживаемых языках, контексте, модальностях, производительности или ограничениях качества. Указана лицензия MIT, поэтому условия использования определяются её положениями.

Experiment28T3q_NeuralsirkrishnaExperiment26 — слитая языковая модель семейства Mistral, созданная путём объединения automerger/Experiment28T3q-7B и automerger/NeuralsirkrishnaExperiment26-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и сохранена в формате safetensors. Модель предназначена для генерации текста и принимает текстовые запросы, формируя текстовые ответы. Размер контекстного окна составляет 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0.

mlx-community/gemma-2-27b-it-4bit — 4-битная квантованная версия модели Gemma 2 27B, преобразованная сообществом mlx-community из google/gemma-2-27b-it в формат MLX с помощью mlx-lm 0.15.0. Исходную модель разработала Google. Модель предназначена для генерации текста и диалогового взаимодействия с инструкциями. Модель содержит 27,6 млрд параметров и поддерживает контекст длиной до 8192 токенов. Она рассчитана на работу в экосистеме MLX и может использоваться через библиотеку mlx-lm; в метаданных также указана совместимость с Transformers. Ключевое преимущество — 4-битное представление, уменьшающее требования к памяти по сравнению с полноразмерной моделью. Модель подходит для ответов на вопросы, диалогов, написания и преобразования текста, а также локального запуска генеративной модели на совместимом оборудовании Apple. Ограничения включают возможные ошибки, галлюцинации и зависимость качества от формулировки запроса; README не содержит подробных результатов оценки. Использование регулируется лицензией Gemma, для доступа на Hugging Face требуется принять условия лицензии Google.

MaziyarPanahi/gemma-3-4b-it-GGUF — набор файлов модели в формате GGUF для Google Gemma 3 4B Instruct, разработанной Google и квантизированной MaziyarPanahi. Модель предназначена для генерации текста и локального запуска через совместимые приложения и библиотеки, включая llama.cpp, llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp и другие инструменты экосистемы GGUF. Известно, что доступны варианты квантизации с разрядностью от 2 до 8 бит. Формат GGUF разработан командой llama.cpp как замена устаревшему GGML и поддерживает запуск с ускорением на GPU, а в некоторых инструментах — совместимые API и интеграцию с фреймворками. Эти варианты позволяют выбирать компромисс между размером файлов, требованиями к памяти и качеством, однако README не содержит точных сведений об архитектуре, контекстном окне, языках, модальностях и характеристиках производительности модели. Основные преимущества — возможность локального развертывания, широкий выбор уровней квантизации и поддержка несколькими популярными клиентами. Ограничения связаны с потерями качества, возможными при квантизации, а также зависимостью от конкретного рантайма и аппаратной конфигурации. Лицензия в README не указана.

EZForever/gemma-4-26B-A4B-it-qat-uncensored-heretic-UDmerge-GGUF — мультимодальная instruction-tuned модель семейства Gemma 4, созданная EZForever на основе объединения моделей Unsloth и llmfan46. Распространяется в формате GGUF и предназначена для запуска совместимых локальных inference-систем. Модель ориентирована на диалоговые и текстовые задачи, а при использовании файлов mmproj также поддерживает обработку изображений; файлы mtp обеспечивают поддержку MTP. Вариант UDmerge использует квантизацию Q4_0 для аблированных тензоров и имеет заявленный размер около 14,2 ГБ. В README также упоминается вариант UDmerge-Q4_K_XXL с квантизацией Q8_0 отдельных тензоров, но идентификатор модели указывает именно на UDmerge-GGUF без уточнения этого варианта. Для модели заявлены результаты MMLU-val 81,38%, PPL 5,236 и KLD 0,0448; авторы отмечают, что показатели отказов получены на ограниченном тесте и могут быть неточными. Сильными сторонами являются компактный квантизованный формат, мультимодальная поддержка, относительно небольшое отклонение от BF16-версии и высокая производительность на MMLU в приведённом сравнении. Ограничения включают возможные потери качества из-за квантизации, экспериментальный характер слияния и неопределённость результатов тестов. Контекстное окно, поддерживаемые языки и точные требования к оборудованию в README не указаны. Модель распространяется по лицензии Apache-2.0; для работы с Gemma могут применяться дополнительные условия лицензии Google Gemma.

GLM-5.3-Flash NVFP4 B200 hybrid — это квантизированная версия GLM-5.3-Flash, разработанная tiyuvta и собранная из исходной BF16-версии zai-org. Модель предназначена для генерации текста, диалоговых сценариев, агентных задач и вызова инструментов. В карточке указаны английский и китайский языки, а также поддержка conversational и tool-calling сценариев. Базовый пайплайн — text-generation, формат хранения — safetensors. Модель использует гибридную, а не равномерную 4-битную квантизацию и рассчитана на NVIDIA B200 с архитектурой sm_100. Основной объём весов экспертов MoE, shared-экспертов и некоторых плотных MLP представлен в NVFP4; отдельные линейные слои — в FP8, маршрутизатор — в FP32, а чувствительные компоненты, включая часть attention, нормализации, embeddings и lm_head, сохранены в BF16. Объём модели составляет около 189,1 ГБ в 19 safetensors-фрагментах. Токенизатор унаследован от GLM-5.3-Flash. Сильной стороной модели является специализированная гибридная схема точности, ориентированная на производительность tensor cores NVIDIA B200 при сохранении более высокой точности для отдельных компонентов. Однако это экспериментальная сборка: она ещё не прошла заявленные проверки kernel-check, argmax-margin и vendor-default decode, не является готовым serving pin, не поддерживает заявленную совместимость с NVIDIA RTX PRO 6000 и не должна использоваться как drop-in замена другой версии. Кроме того, в checkpoint отсутствует activation scale plane для W4A4 tensor-core serving, поэтому веса нельзя автоматически считать готовой W4A4-моделью. Лицензия — MIT.

gpt-oss-120b-MLX-8bit — это 8-битная квантованная версия языковой модели gpt-oss-120b, разработанной OpenAI. Квантование выполнено командой LM Studio с использованием MLX — фреймворка Apple Machine Learning Research для работы с моделями на устройствах Apple Silicon. Модель предназначена для генерации текста и локального использования в сценариях, поддерживаемых базовой моделью gpt-oss-120b. Она опубликована в формате, оптимизированном для Apple Silicon, и относится к моделям text-generation. В доступных данных не указаны архитектура, точный размер в параметрах исходной модели, поддерживаемые языки, длина контекста или мультимодальные возможности. Ключевая особенность модели — 8-битное квантование, которое может снизить требования к памяти и повысить удобство локального запуска по сравнению с полноразмерной версией, однако потенциально связано с компромиссом между эффективностью и точностью. Качество и поведение модели наследуют ограничения исходной gpt-oss-120b; README также предупреждает о возможных неточных, вредных или неподходящих результатах. Лицензия модели — Apache 2.0.

mlx-community/gpt-oss-120b-MXFP4-Q8 — языковая модель для генерации текста, разработанная на основе openai/gpt-oss-120b компанией OpenAI и преобразованная сообществом mlx-community в формат MLX с использованием mlx-lm версии 0.27.0. Модель предназначена для сценариев генерации текста и диалогового взаимодействия, включая работу с prompt и chat template, и может использоваться через библиотеку mlx-lm. Модель относится к pipeline text-generation и рассчитана на запуск в экосистеме MLX. В идентификаторе указано обозначение MXFP4-Q8, однако README не раскрывает подробности архитектуры, фактический объём параметров, поддерживаемые языки, максимальную длину контекста, модальности или результаты тестирования. Лицензия — Apache-2.0. Сильной стороной является адаптация к MLX и возможность локального использования через mlx-lm; ограничения и требования к аппаратным ресурсам в предоставленных данных не указаны.

saidutta69 выпустил granite-4.2-3b-heretic — вариант IBM Granite 4.2 3B с подавленным поведением отказа. Модель создана методом directional ablation (abliteration) с Heretic v1.4.0: целевые изменения внесены в веса проекций внимания и MLP без дополнительного обучения. Это плотный декодерный трансформер GraniteForCausalLM на 3,66 млрд параметров с групповой обработкой запросов внимания и контекстом до 131 072 токенов. Модель предназначена для генерации текста, рассуждений, вызова инструментов и локальных агентов, в том числе на потребительском оборудовании. README сообщает о сохранении шаблона рассуждений Granite и снижении отказов с 62 до 3 на использованном авторами тесте из 100 запросов; результат KL-дивергенции относительно базовой модели — 0,0095. Указаны поддержка английского, немецкого, испанского, французского, японского, португальского, арабского, чешского, итальянского, корейского, нидерландского и китайского языков, а также варианты весов BF16 и GGUF-квантизации. Модель может выполнять запросы, от которых отказалась бы базовая версия, и не содержит дополнительного фильтра безопасности; это важно учитывать при развёртывании. Она наследует фактические ограничения и смещения Granite 4.2. Лицензия — Apache-2.0.

GreenOnion-7b-task — объединённая языковая модель от автора powermove72, созданная с помощью LazyMergekit из GreenNode/GreenNode-mini-7B-multilingual-v1olet и eren23/OGNO-7b-dpo-truthful. В конфигурации использован метод task arithmetic с весами 0,4 и 0,6 соответственно, нормализацией и объединённым токенизатором; архитектура — плотная MistralForCausalLM, веса сохранены в safetensors и рассчитаны на float16. Модель предназначена для генерации текста; базовая OGNO-7B ориентирована на правдивость ответов. Размер составляет 7,1 млрд параметров, длина контекста — 32 768 токенов. В названии одной из исходных моделей заявлена многоязычность, однако конкретный перечень поддерживаемых языков в предоставленных данных не приведён. Лицензия в источниках не указана.

chujiezheng/internlm2-chat-7b-ExPO — диалоговая языковая модель семейства InternLM2, созданная методом Weak-to-Strong Extrapolation (ExPO) на основе internlm2-chat-7b и чекпойнтов SFT и DPO/RLHF. Разработчик сообщает, что экстраполяция с alpha = 0.5 усиливает согласование ответов с человеческими предпочтениями. Модель содержит 7,4 млрд параметров, использует плотную архитектуру InternLM2ForCausalLM и принимает текстовые запросы, выдавая текстовые ответы в формате чата. Контекстное окно — 32 768 токенов; в карточке указаны английский и китайский языки. В README приведены сравнительные результаты ExPO на AlpacaEval 2.0 и MT-Bench, но они относятся к нескольким другим моделям, к весам которых применяли ExPO, и не являются прямой оценкой этого чекпойнта. Модель предназначена для диалогов и генерации ответов с учетом человеческих предпочтений. Лицензия указана как other, поэтому конкретные условия использования следует сверить с файлами репозитория.

InternLM-7B — базовая плотная авторегрессионная языковая модель семейства InternLM, разработанная командой InternLM. Модель содержит 6,9 млрд параметров и обучена на триллионах качественных токенов; её можно использовать как основу для практических сценариев и собственных рабочих процессов с инструментами. Модель предназначена для генерации текста, ответов на вопросы и решения общих языковых задач, включая задачи на знания, понимание и рассуждение. В README приведены результаты оценки на C-Eval, MMLU и AGIEval. Контекст составляет 2048 токенов; репозиторий содержит веса PyTorch. Модель поддерживает китайский и английский языки. Она может генерировать предвзятые, дискриминационные или иные нежелательные ответы. Код распространяется по Apache-2.0; для весов указана открытость для академических исследований и возможность запросить бесплатную коммерческую лицензию.

K2S3-Mistral-7b-v1.48 — языковая модель, разработанная K2S3 и созданная полнопараметрической донастройкой с supervised fine-tuning базовой модели mistralai/Mistral-7B-v0.1. Это плотная авторегрессионная модель семейства Mistral с 7,2 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев на английском и корейском языках. При обучении использовались alpaca-gpt4-data и примеры из OpenOrca; настройка выполнялась через Hugging Face SFTTrainer с FSDP на двух GPU A100. Модель распространяется в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Качество и поведение модели зависят от формулировки запроса и обучающих данных; в карточке не приведены результаты оценки или специальные гарантии точности.

duyntnet/Llama-3.2-1B-imatrix-GGUF — набор GGUF-квантизаций базовой модели Meta Llama 3.2 1B, подготовленный для запуска через llama.cpp и совместимые интерфейсы, включая KoboldCPP, text-generation-webui и Ollama. Модель предназначена для генерации текста, диалоговых сценариев, извлечения знаний, суммаризации, написания текста, а также переформулирования запросов и промптов. Репозиторий содержит квантизированные варианты исходной модели, поэтому конкретные характеристики и качество зависят от выбранного файла квантизации. Исходная Llama 3.2 1B — авторегрессионная языковая модель на оптимизированной архитектуре Transformer с 1,23 млрд параметров, Grouped-Query Attention и общими эмбеддингами. Она работает только с текстом на входе и генерирует текст и код на выходе, поддерживает контекст до 128 тысяч токенов. Официально заявлены английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. Модель статична и обучена на данных с отсечкой знаний в декабре 2023 года; README не уточняет, является ли данный репозиторий базовой или instruction-tuned версией. Сильные стороны модели — небольшой размер, возможность локального запуска и снижение требований к памяти благодаря GGUF-квантизации и imatrix. Ограничения включают возможное ухудшение качества при агрессивной квантизации, отсутствие мультимодальности и ограниченность актуальности знаний. Использование регулируется индивидуальной коммерческой Llama 3.2 Community License и Acceptable Use Policy Meta; условия для производных применений и дополнительных языков необходимо соблюдать.

Llama-3-8B-saiga-suzume-ties — объединённая авторами модель на основе Llama 3 8B Instruct, созданная методом TIES с помощью LazyMergekit. В слияние вошли IlyaGusev/saiga_llama3_8b и lightblue/suzume-llama-3-8B-multilingual; в конфигурации также указана базовая модель NousResearch/Meta-Llama-3-8B-Instruct. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат Safetensors. Модель предназначена для генерации текста и диалогового общения на русском и английском языках. Максимальная длина контекста — 8192 токена. README не приводит примеров или результатов оценки качества, поэтому нельзя судить о преимуществах слияния и надёжности ответов. Лицензия — Llama 3.

Jeff98/MiniCPM5-2B-openvino — это версия языковой модели openbmb/MiniCPM5-2B, преобразованная в формат OpenVINO с помощью optimum-intel. Архитектура, токенизатор, шаблон диалога и основные возможности унаследованы от исходной модели; репозиторий не содержит дополнительного обучения или выравнивания. Модель предназначена для генерации текста и ведения диалогов. Модель содержит примерно 2 млрд параметров и поддерживает китайский, английский и другие языки, заявленные для исходной MiniCPM5-2B. Она рассчитана на локальный запуск, разработку ассистентов и инструментов программирования, edge-сценарии, а также эксперименты на рабочих станциях. OpenVINO обеспечивает выполнение на CPU и Intel GPU, а OpenVINO Model Server позволяет развернуть модель через совместимый с OpenAI REST API. Точный размер контекста и архитектурные детали в README не указаны. Сильная сторона модели — готовность к эффективному локальному развертыванию в OpenVINO, включая преобразованные токенизатор и детокенизатор, поддержку OVMS и OpenAI-совместимого интерфейса. Ограничения унаследованы от исходной модели: возможны фактические ошибки, галлюцинации, некорректная генерация кода, зависимость качества от формулировки запроса и различия в качестве между языками; конвертация может приводить к небольшим числовым отличиям. Модель распространяется по лицензии Apache-2.0.

Это преобразованная для MLX 4-битная версия Mixtral-8x22B-v0.1, опубликованная сообществом mlx-community; конвертацию выполнил Prince Canuma с помощью mlx-lm 0.4.0. Модель относится к архитектуре Mixtral с разреженной смесью экспертов (MoE) и предназначена для генерации текста, в том числе диалоговых ответов и продолжения текстовых запросов. В метаданных указаны 22 млрд параметров и контекст до 65 536 токенов. Версия использует 4-битное представление весов в формате safetensors и ориентирована на запуск через MLX на совместимом оборудовании Apple. Карточка перечисляет английский, французский, итальянский, немецкий и испанский языки. Репозиторий распространяется по лицензии Apache-2.0. Качество и скорость генерации зависят от оборудования и выбранных настроек MLX; подробности о сильных сторонах и ограничениях исходной модели следует сверять с её карточкой.

Карточка модели BasedBoba2/nemotron-3.5-asr-streaming-0.6b на Hugging Face совпадает с карточкой Aliados/nemotron-3.5-asr-streaming-0.6b, поэтому описание составлено по ней. Nemotron 3.5 ASR — разработанная NVIDIA многоязычная модель автоматического распознавания речи на 600 млн параметров. Она предназначена для потоковой транскрибации с низкой задержкой и пакетной обработки аудио; доступна через NeMo и Transformers, а веса представлены в формате safetensors. Архитектура Cache-Aware FastConformer-RNNT использует кэш контекста, чтобы обрабатывать новые аудиофрагменты без повторных вычислений. Размер фрагментов можно настраивать от 80 до 1120 мс; модель расставляет пунктуацию и заглавные буквы, а при режиме auto может определять язык речи и добавлять языковую метку к транскрипту. Модель поддерживает 40 языковых локалей: для 32 заявлена транскрибация без дополнительной адаптации, а для восьми требуется дообучение на данных целевого домена. Среди языков есть русский, английский, испанский, французский, немецкий, арабский, китайский, японский и другие. Карточка указывает готовность к коммерческому использованию, однако метаданные обозначают лицензию как other, поэтому конкретные условия следует сверить с файлами лицензии репозитория. Для английской речи автор рекомендует отдельную англоязычную модель Nemotron ASR Streaming.

omniASR-CTC-300M-v2-Zulu-Baseline — модель распознавания речи на базе Wav2Vec2 CTC, преобразованная командой uctnlp из чекпойнта fairseq2 OmniLingual omniASR_CTC_300M_v2. Модель принимает аудио и выдаёт текстовую транскрипцию через CTC-логиты по словарю SentencePiece. В метаданных указано 413,2 млн параметров; архитектура включает 24 слоя энкодера с размером скрытого состояния 1024. Модель предназначена для автоматической транскрибации речи, включая зулу; README также указывает на поддержку нескольких языков. Численная эквивалентность исходному чекпойнту fairseq2 проверена на одном отложенном аудиопримере с допуском atol=1e-4. Сведения о лицензии и ограничениях точности в предоставленных данных отсутствуют.