I.6Перевод и языковая адаптация

CausalLM-14B-DPO-alpha-GGUF — это версия языковой модели CausalLM 14B-DPO-alpha в формате GGUF, подготовленная разработчиком CausalLM. Модель предназначена для генерации текста и диалоговых сценариев; поддерживает использование через llama.cpp и совместимые приложения и библиотеки. Для взаимодействия в README указан шаблон ChatML. Модель содержит около 14 миллиардов параметров и обучалась с применением DPO для лучшего соответствия человеческим предпочтениям. Заявлены английский и китайский языки. В обучении использовались разнообразные наборы данных для диалогов, следования инструкциям, математики, энциклопедических и общих текстовых задач, включая GuanacoDataset, OpenOrca, UltraChat, MetaMathQA и другие источники. Размер контекста и точные архитектурные параметры в README не указаны. Согласно приведённым результатам MT-Bench, модель получила оценку 7,618868, превысив указанные результаты Zephyr-7B и приблизившись к заявленным ориентирам GPT-3.5. При этом модель обучалась на неотфильтрованных интернет-данных и может генерировать нежелательный, оскорбительный, порнографический или насильственный контент; встроенные механизмы этической безопасности и отказов не реализованы, поэтому необходимы собственная модерация и фильтрация вывода. В карточке указана лицензия WTFPL, однако отдельно отмечено, что использование также регулируется условиями Meta Llama 2 License.

daxa-ai/daxa-classifier-1.1 — текстовая генеративная модель, разработанная daxa-ai на базе Qwen/Qwen3-4B-Instruct-2507. Она предназначена для задач обработки и генерации текста; конкретные сценарии применения в предоставленных данных не уточняются. Модель поддерживает английский язык, относится к семейству text-generation и рассчитана на использование с библиотекой Transformers. Архитектура, количество параметров, размер контекста, поддерживаемые модальности и точные характеристики обучения не указаны. В метаданных также отмечена совместимость с text-generation-inference. Сильной стороной является использование инструкционной базовой модели Qwen3-4B-Instruct-2507 и интеграция с распространёнными инструментами экосистемы Transformers. Ограничения, условия лицензирования и допустимые способы использования в README не указаны.

DeepSeek-V4.1-Flash-MixedQ2-GGUF — это квантизированный GGUF-артефакт модели DeepSeek-V4.1-Flash от deepseek-ai, опубликованный пользователем apetersson. Модель предназначена для генерации текста и запуска в совместимых средах, поддерживающих архитектуру DeepSeek V4.1 и смешанные GGUF-квантизации. Это модель с маршрутизацией экспертов: 543,581,798,400 маршрутизируемых весов занимают около 152,88 ГБ, а общий размер пяти GGUF-файлов составляет 169,92 ГБ. Языки, размер контекстного окна и точная информация о поддерживаемых модальностях в README не указаны. Для проекций gate/up используется IQ2_XXS с эффективной точностью 2,0625 бита на вес, для down — Q2_K с 2,625 бита на вес; остальные тензоры сохраняют нативную или преобразованную точность BF16/F32. Квантизация не основана на калибровке активациями и использует единичный вектор важности, поэтому она экономит память, но может уступать калиброванным вариантам по качеству. Структурная проверка всех пяти шардов прошла успешно, а CPU-ядро показало косинусное сходство 0,99998 с деквантизированным эталоном. Артефакт рассчитан на мощное оборудование: заявлена работа на одной B200 180 ГБ или B300 288 ГБ с размещением Engram-таблиц в оперативной памяти; также указаны конфигурации с несколькими RTX PRO 6000. На момент публикации сквозной запуск в SGLang ещё ожидал повторной проверки после добавления config.json и токенизатора, llama.cpp не поддерживал загрузку файлов V4.1, а официальный путь GGUF в vLLM не имел карты тензоров DeepSeek. В состав не входят Engram-таблицы, блоки MTP/DSpark и vision/aligner-тензоры, поэтому совместимость среды и комплектность дополнительных файлов необходимо проверять отдельно. Лицензия — MIT.

DUSUNEN Nokta 68M v1 — компактная модель Göktuğ Düşünen для восстановления пунктуации и правильного регистра в турецком тексте. Она объединяет обе задачи в одной модели DistilBERT для классификации токенов: за один проход предсказывает совместные метки пунктуации и регистра. Базовая модель — dbmdz/distilbert-base-turkish-cased; в чекпойнте 68,1 млн параметров, контекст — до 512 токенов по метаданным. Репозиторий содержит веса Safetensors и экспорт ONNX в FP32; автор проверил совпадение предсказаний ONNX и PyTorch на тестовых примерах. Модель подходит для восстановления знаков препинания и регистра в результатах распознавания речи, субтитрах, поисковых транскриптах, чатах и турецких документах. В тестах автор сообщает macro F1 70,43% для пунктуации и 86,98% для регистра. Модель обучена на веб-текстах, поэтому пунктуация спонтанной речи и предметных областей может отличаться от её предсказаний; трудности также возможны с именами, брендами, смешанными языками, URL и необычным регистром. Для юридических, медицинских и других важных документов требуется проверка человеком. Лицензия модели — MIT; использованный корпус Cosmos Turkish Corpus v1.0 распространяется по CC BY 4.0.

Ear — модель для определения языка устной речи в аудиозаписи, созданная desert-ant-labs на основе openai/whisper-tiny. Она выбирает три наиболее похожих на речь 30-секундных фрагмента и классифицирует язык; для записей короче 30 секунд использует один фрагмент. Модель принимает аудио, а SDK возвращают код наиболее вероятного языка, оценку уверенности, ранжированный список кандидатов и признак надёжности результата. Модель рассчитана на локальный запуск на мобильных и настольных устройствах, в браузере и Node.js. Доступны форматы Core ML для устройств Apple и LiteRT/TFLite для других платформ. README указывает поддержку 99 языков и обработку окон длительностью 30 секунд; классификация выполняется примерно за 250 мс. Метаданные перечисляют часть языков, но не все заявленные в README. По описанным разработчиком испытаниям, уверенные ответы в двух небольших наборах записей были верны; это не заменяет широкую независимую оценку качества. Модель хуже определяет речь, смешанную с громкой музыкой, не различает надёжно норвежский, шведский и датский, а в многоязычной записи сообщает язык выбранных фрагментов. Она определяет язык, но не транскрибирует речь. Лицензия в метаданных обозначена как other; README сообщает, что исходные веса Whisper Tiny имеют лицензию MIT, но не уточняет условия лицензии самой Ear.

Eris_PrimeV3.05-Vision-7B — объединённая ChaoticNeutrals модель семейства Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и диалогов, а также анализа изображений при запуске в Koboldcpp с отдельным файлом mmproj; для работы с изображениями автор рекомендует актуальную версию Koboldcpp. Модель имеет контекст длиной 32 768 токенов. Репозиторий содержит веса в форматах Safetensors и GGUF F16. По метаданным, модель объединяет Eris_PrimeV3-Vision-7B и Prima-LelantaclesV7-experimental-7b. Лицензия обозначена как other, поэтому условия использования следует уточнить на странице репозитория.

MaziyarPanahi/Experiment28T3q_Strangemerges_32Experiment28 — объединённая модель семейства Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Она создана путём слияния automerger/Experiment28T3q-7B и automerger/Strangemerges_32Experiment28-7B. Модель предназначена для генерации текста и принимает текстовые запросы. Контекстное окно составляет 32 768 токенов. Веса представлены в формате Safetensors; модель распространяется по лицензии Apache-2.0. Карточка не описывает специализированные области применения или дополнительные возможности слияния.

Gemma-4-E4B-Uncensored-HauhauCS-Aggressive — модификация Gemma 4 E4B-IT, разработанная HauhauCS на основе модели Google gemma-4-e4b-it. Это мультимодальная модель для генерации текста, обработки изображений, видео и аудио, ориентированная на сценарии, где требуется минимальное количество отказов при выполнении запросов. В README заявлено, что датасеты и исходные возможности модели не изменялись, а основное отличие заключается в снятии ограничений на отказы. Модель содержит около 4 млрд параметров, использует 42 слоя со смешанной архитектурой sliding window attention с окном 512 и full attention, поддерживает контекст до 131 тысячи токенов и 18 общих KV-слоёв для экономии памяти. Заявлена поддержка английского и мультиязычного ввода. Для работы с изображениями и аудио требуется дополнительный файл mmproj; модель распространяется в формате GGUF с вариантами квантизации Q2–Q8 и пользовательскими K_P-квантами, оптимизированными для сохранения качества. Сильной стороной является сочетание компактного размера, большого контекстного окна, мультимодальности и более свободной генерации без встроенных отказов. При этом README не содержит независимых бенчмарков, подробных сведений о качестве на разных языках или длительном контексте, а заявленные результаты тестирования отказов ограничены 465 проверками и сопровождаются оговоркой о недостаточном ручном тестировании длинного контекста. Модель совместима с llama.cpp, LM Studio, Jan, koboldcpp и другими GGUF-совместимыми средами. Лицензия указана как Gemma.

ghana-speech-id — классификатор языка речи от GhanaNLP Community для 41 языка Ганы и Западной Африки. Модель определяет язык по текстовой расшифровке аудио: аудиосигнал сначала распознаётся отдельной моделью Omnilingual ASR, затем этот классификатор анализирует полученный текст. Его языковая голова — линейный классификатор символьных n-грамм с TF-IDF, упакованный в ONNX; размер головы составляет 8,2 МБ. В репозитории также размещена модель распознавания речи Omnilingual ASR CTC 300M размером 279 МБ. Модель предназначена для автоматической идентификации языка в аудиозаписях. Для надёжных результатов рекомендуется подавать не менее пяти секунд речи, а около десяти секунд дают близкую к максимальной точность. В README указаны точность 95,30% на внутридоменной оценке и 77,6% на внедоменных данных; качество зависит от тематики записи и заметно ниже на финансовых материалах. Классификатор работает только с закрытым набором из 41 языка: он всегда назначает один из них, поэтому языки вне набора могут ошибочно определяться как близкие. Английского класса нет, а Fante во внедоменных записях часто смешивается с Twi. Лицензия репозитория — CC-BY-NC-4.0; вложенная модель ASR Meta распространяется отдельно по Apache 2.0.

Это пакет GGUF с разбиением по слоям модели GLM-4.7-REAP-218B-A32B-UD-Q4_K_XL, подготовленный Mesh LLM для распределённого инференса. Пакет получен из unsloth/GLM-4.7-REAP-218B-A32B-GGUF и предназначен для запуска на кластере Mesh LLM, когда исходная модель не помещается на одном компьютере. Модель поддерживает генерацию текста и диалоговый режим. Пакет рассчитан на локальный приватный запуск на одной или нескольких машинах и работу через совместимый с OpenAI API интерфейс Mesh LLM. Вариант файлов обозначен как UD-Q4_K_XL; файлы исходной модели представлены в формате GGUF и разделены на артефакты по слоям. Подробности об архитектуре, размере, контекстном окне, языках, лицензии и ограничениях следует сверять с карточкой исходной модели unsloth/GLM-4.7-REAP-218B-A32B-GGUF; текущая карточка их не приводит. Пакет предназначен для запуска через Mesh LLM, а не является самостоятельной программной обёрткой.

GLM-OCR Farsi — дообученная модель распознавания текста на изображениях на основе zai-org/GLM-OCR размером около 0,9 млрд параметров. Разработчик дообучил языковую часть, а затем совместно обучил vision-часть, projector и языковую модель для распознавания персидского (фарси) текста. Модель предназначена для OCR рукописей и документов на фарси с использованием официального текстового промпта GLM-OCR. Она принимает изображение и выдаёт распознанный текст; для полного разбора структуры и расположения элементов документа README рекомендует использовать GLM-OCR SDK вместе с этим чекпойнтом как моделью распознавания. Для запуска требуется Transformers версии 5 или новее с поддержкой glm_ocr. Модель основана на GLM-OCR, использует архитектуру GLM OCR и распространяется в формате Safetensors. Лицензия — MIT. В карточке не приведены измерения качества на независимом тестовом наборе; оценка eval loss во время обучения сама по себе не подтверждает точность распознавания в реальных сценариях.

Это GGUF-квантизированная версия Josiefied-Qwen3-14B-abliterated-v3, разработанной Goekdeniz-Guelmez. Квантизацию выполнил bartowski с использованием llama.cpp и imatrix. Модель предназначена для генерации текста и диалоговых сценариев, а также для локального запуска в LM Studio, llama.cpp и других совместимых проектах. В основе лежит модель Qwen3 размером 14 млрд параметров. Доступны варианты от BF16 до различных 8-, 6-, 5-, 4- и 3-битных форматов GGUF, что позволяет выбирать между качеством, размером файла и требованиями к памяти. Размер файлов варьируется примерно от 8,11 до 29,54 ГБ. Для общения используется шаблон с ролями system, user и assistant через специальные токены ChatML. Сведения о поддерживаемых языках, длине контекста и мультимодальности в README не указаны; по представленным данным модель относится к текстовым. Сильной стороной являются многочисленные варианты квантизации, включая рекомендованные конфигурации с высоким качеством и более компактные варианты для систем с ограниченной оперативной памятью. Ограничения зависят от выбранного формата: более сильное сжатие уменьшает требования к ресурсам, но может снижать качество генерации. Лицензия в README не указана, поэтому условия использования необходимо уточнять в исходном репозитории модели Goekdeniz-Guelmez.

Это пакет весов gpt-oss-20b-UD-Q4_K_XL, подготовленный Mesh LLM для распределённого запуска через Mesh LLM. Он основан на GGUF-варианте unsloth/gpt-oss-20b-GGUF и сохраняет исходное распределение модели по слоям в отдельных артефактах. Формат GGUF и вариант UD-Q4_K_XL предназначены для локального инференса на одном или нескольких объединённых компьютерах. Пакет рассчитан на генерацию текста и диалоговые сценарии: локальные приватные ответы, обслуживание запросов с нескольких машин и работу через локальный API, совместимый с OpenAI Chat Completions. Репозиторий содержит пакет слоёв для распределённого инференса, поэтому для запуска требуется Mesh LLM. Подробные сведения об архитектуре, контекстном окне и условиях лицензии следует сверять с карточкой исходной модели unsloth/gpt-oss-20b-GGUF; в доступном README они не приведены.

ibm-granite_granite-4.0-micro-GGUF — набор GGUF-квантизаций модели granite-4.0-micro, разработанной IBM под идентификатором ibm-granite и подготовленной пользователем bartowski. Модель предназначена для генерации текста и локального запуска в LM Studio, llama.cpp и других проектах на базе llama.cpp. Доступны варианты от полного BF16 до низкобитных Q- и IQ-квантизаций размером примерно от 1,5 до 6,81 ГБ. Ключевая особенность — использование imatrix-квантизации, призванной сохранить высокое качество при уменьшении требований к памяти. В README рекомендуются варианты Q4–Q6 и некоторые IQ-форматы; Q6 заявлены как почти неотличимые от исходного качества, а Q4_K_M — как сбалансированный вариант для большинства сценариев. Более компактные Q3 и IQ3 требуют меньше оперативной памяти, но обеспечивают более низкое качество. Сведения об архитектуре, числе параметров, поддерживаемых языках, длине контекста и модальностях в README отсутствуют; формат prompt также не указан, поэтому его следует уточнять на странице исходной модели. Лицензия в предоставленных данных не указана.

Это GGUF-квантизированная версия языковой модели granite-4.0-tiny-preview, разработанной IBM Granite и подготовленной пользователем bartowski. Модель предназначена для генерации текста и запуска в локальных приложениях, совместимых с llama.cpp, включая LM Studio и другие проекты на его основе. В набор входят варианты с разными уровнями квантизации: от исходных весов BF16 размером 13,35 ГБ до компактных IQ3_M размером 3,13 ГБ. Доступны форматы Q3, Q4, Q5, Q6, Q8 и IQ4; варианты с более высокой точностью обычно обеспечивают лучшее качество, а компактные версии требуют меньше оперативной памяти. Архитектура, число параметров, поддерживаемые языки и размер контекста в README не указаны. Приведён специальный формат prompt с ролями system, user и assistant. Сильная сторона модели — широкий выбор квантизаций для различных ограничений по памяти и производительности; отдельные варианты оптимизированы для CPU и Apple silicon. Качество зависит от выбранного формата, а наиболее компактные версии характеризуются сниженным качеством. Модель распространяется по лицензии Apache-2.0.

KLOCR — модель для извлечения текста из изображений, основанная на архитектуре VisionEncoderDecoder. Это дообучение корейской модели TrOCR team-lucid/trocr-small-korean. Модель предназначена для распознавания текста на изображениях. В метаданных указаны английский и корейский языки; карточка не содержит дополнительных сведений о размере, контексте или конкретных сценариях распознавания. Распространяется в формате safetensors по лицензии CC BY-NC-SA 4.0, которая предусматривает некоммерческое использование и распространение на тех же условиях.

Mungert/Llama-2-7b-chat-hf-GGUF — модель семейства Llama 2, разработанного Meta, в чат-ориентированной версии с заявленным размером около 7 миллиардов параметров. Суффикс GGUF указывает на распространение весов в формате, предназначенном для локального запуска совместимыми средствами; конкретные архитектурные параметры, поддерживаемые языки, размер контекста и список модальностей в предоставленных данных не указаны. По назначению модель подходит для диалоговых сценариев и генерации текста, однако сведения о качестве, производительности и специализированных возможностях отсутствуют. Модель распространяется по лицензии Llama 2 Community License. Она предоставляет ограниченные неисключительные права на использование, воспроизведение, распространение и создание производных работ при соблюдении условий лицензии, включая передачу текста лицензии, сохранение уведомления об авторских правах и соблюдение применимого законодательства и Acceptable Use Policy. Для организаций с более чем 700 миллионами ежемесячных активных пользователей предусмотрено дополнительное требование получить отдельную лицензию Meta. README не содержит результатов тестирования, описания сильных сторон, известных ограничений или точных требований к оборудованию.

Llama-3-15B-Instruct-zeroed — объединённая языковая модель, опубликованная elinas и созданная с помощью mergekit на основе meta-llama/Meta-Llama-3-8B-Instruct. При слиянии применён метод passthrough с обнулением слоёв o_proj и down_proj; автор сообщает о снижении perplexity по сравнению с похожими моделями на 15 млрд параметров. Модель предназначена для диалоговой генерации текста и ассистентских ответов. Она имеет плотную архитектуру LlamaForCausalLM, содержит 14,5 млрд параметров и поддерживает контекст до 8192 токенов. В репозитории указаны формат safetensors и лицензия Llama 3. Карточка также ссылается на дообученную версию elinas/Llama-3-15B-Instruct-zeroed-ft, про которую автор сообщает об улучшении производительности.

cstr/llama3-8b-spaetzle-v20 — объединённая диалоговая языковая модель на архитектуре Llama 3, опубликованная под аккаунтом cstr. Она создана методом DARE-TIES из моделей cstr/llama3-8b-spaetzle-v13 и nbeerbower/llama-3-wissenschaft-8B-v2; последняя дообучена на ScienceQA для ответов на научные вопросы. В карточке приведены результаты EQ-Bench v2_de и Open LLM Leaderboard, включая проверки знаний, рассуждений и математики. Модель предназначена для генерации текста и диалоговых ответов на английском и немецком языках. Она содержит 7,5 млрд параметров, принимает текст, выдаёт текст и поддерживает контекст до 8192 токенов. Веса опубликованы в формате safetensors. Карточка указывает лицензию «other», но не приводит её конкретные условия; перед использованием следует проверить лицензионные условия обеих исходных моделей и объединённой модели.

Llama-Deepsync-3B-GGUF — это набор квантованных версий языковой модели Llama-Deepsync-3B, преобразованных в формат GGUF разработчиком prithivMLmods и квантованных bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, включая задачи, связанные с программированием, рассуждениями и математикой, и может запускаться локально, в частности через LM Studio. Доступны варианты от полноразмерных F16 до компактных квантовок Q2 и IQ3. Модель имеет около 3 миллиардов параметров и относится к текстовым генеративным моделям. Заявлена поддержка английского, немецкого, французского, итальянского, португальского, хинди, испанского и тайского языков. README не содержит сведений о длине контекста, точной архитектуре базовой модели, данных обучения или результатах бенчмарков. Квантованные варианты позволяют выбирать между качеством и требованиями к памяти: Q6 и Q5 позиционируются как близкие к исходному качеству, Q4 — как оптимальный компромисс, а Q3 и Q2 требуют меньше памяти, но заметно уступают по качеству. Модель распространяется по лицензии creativeml-openrail-m. Конкретные ограничения этой лицензии и условия коммерческого использования в README не раскрыты.

llm-jp-13b-v2.0 — предварительно обученная языковая модель, разработанная совместным японским проектом LLM-jp. Это плотный Transformer семейства LLaMA с 13,2 млрд параметров, 40 слоями и контекстом до 4096 токенов; веса опубликованы в формате PyTorch для Transformers. Модель обучалась на смеси японских, английских и программных данных, всего было обработано 256 млрд токенов. Токенизатор Unigram byte-fallback содержит около 97 тысяч токенов. Модель предназначена для генерации продолжений текста и служит базой для дальнейшей адаптации под инструкции и другие языковые задачи. В первую очередь она ориентирована на японский и английский языки. Авторы отмечают, что модель находится на раннем этапе разработки и не настроена для надёжного следования человеческим намерениям и требованиям безопасности, поэтому ответы могут быть неточными или неподходящими. Лицензия — Apache-2.0.

M7Yamshadowexperiment28_M7Alloyingotneoy — объединённая модель Mistral от MaziyarPanahi, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/M7Alloyingotneoy-7B. Она предназначена для генерации текста и диалоговых сценариев. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0.

MiniMax-M2.1 — языковая модель для генерации текста, разработанная MiniMax AI. Она предназначена для задач text-generation и может использоваться в приложениях на базе Transformers, включая создание и продолжение текста, диалоговые сценарии и другие задачи обработки естественного языка. В предоставленном README не указаны архитектура, количество параметров, поддерживаемые языки и модальности, максимальная длина контекста, результаты оценки или сведения о сильных сторонах и ограничениях модели. Известно, что модель распространяется с лицензией modified-MIT; подробные условия приведены в файле LICENSE по ссылке, указанной в карточке модели.

Репозиторий содержит файлы модели Qwen3-4B-bf16 в формате GGUF, подготовленные TensorBlock и размещённые в сообществе mlx-community. Это языковая модель для генерации текста и диалогов; в метаданных указана возможность чата, а README приводит шаблон системного и пользовательского сообщений. Представлены варианты квантизации GGUF, включая Q2_K и Q3_K_S/Q3_K_M; для них в карточке отмечена потеря качества, особенно у малых вариантов. Файлы совместимы с llama.cpp начиная с указанного в README коммита. Лицензия — Apache-2.0. Базовая модель в метаданных указана как mlx-community/Qwen3-4B-bf16.

Это конвертированная в формат MLX модель MOSS-Transcribe-Diarize, опубликованная vanch007 для запуска на компьютерах Apple Silicon. Она принимает аудио и предназначена для распознавания речи с диаризацией говорящих; базовая модель также поддерживает обработку длинных записей, временные метки и аннотации акустических событий. В репозитории указаны веса safetensors, а исходную модель скачивать и конвертировать отдельно не требуется. Модель подходит для расшифровки записей с несколькими участниками и подготовки транскриптов с разделением по говорящим. Лицензия — Apache-2.0. README не приводит подробностей о поддерживаемых языках или точном формате результата.

NaijaVox-V1 — модель распознавания речи от Axiveri, дообученная методом LoRA на базе OpenAI Whisper-large-v3 для нигерийских языков и акцентов. Она преобразует аудио в текст на йоруба, хауса, игбо, нигерийском пиджине и нигерийском варианте английского; для йоруба заявлена поддержка диакритических знаков. Репозиторий содержит веса в формате Safetensors и расширенный токенизатор с новыми языковыми токенами. Модель предназначена для транскрибации речи в мобильных приложениях, банковском обслуживании, СМИ, здравоохранении, образовании и средствах доступности, а также для исследований распознавания малоресурсных языков Западной Африки. В README приведены результаты оценки на небольших тестовых выборках FLEURS и других наборах: например, WER составляет 16,8% для нигерийского пиджина, 21,1% для нигерийского английского и 28,8% для йоруба. Эти результаты не гарантируют аналогичного качества на других записях и условиях. Модель рассчитана на входное аудио и выдаёт текст. В карточке не приведены сведения о размере модели и длине контекста. Лицензия — Apache-2.0.

Nanonets-OCR2-1.5B-exp-i1-GGUF — это квантованная версия мультимодальной модели Nanonets-OCR2-1.5B-exp, разработанной nanonets и преобразованной в формат GGUF пользователем mradermacher. Модель предназначена для оптического распознавания символов, преобразования изображений и документов в текст, конвертации PDF в Markdown и выполнения задач визуального вопросно-ответного взаимодействия (VQA). Это vision-модель, поэтому для работы могут потребоваться отдельные файлы mmproj. Модель имеет размер около 1,5 млрд параметров в исходной версии, поддерживает мультиязычные сценарии, однако конкретный перечень языков и размер контекстного окна в README не указаны. Доступны варианты квантования i1 с размерами примерно от 0,4 до 0,9 ГБ, включая IQ- и Q-форматы. Более сильное квантование обычно сохраняет больше качества, тогда как малые варианты экономят память, но могут заметно уступать по качеству; для баланса размера, скорости и качества рекомендованы i1-Q4_K_M и i1-Q4_K_S. Сильные стороны модели — компактность, поддержка обработки изображений и документов, а также широкий выбор квантованных вариантов для запуска на устройствах с ограниченными ресурсами. Ограничения включают потенциальную потерю качества при низких уровнях квантования, необходимость совместимого vision-инструментария и отсутствие в README подробных данных о точности, архитектуре, контекстном окне и языковом покрытии. Модель распространяется под лицензией Apache-2.0.

NorskGPT-Mistral-7b — дообученная на норвежских инструкционных парах языковая модель bineric на базе Mistral-7B-v0.1. Она предназначена для генерации текста и работы в роли чат-ассистента на норвежском языке; лучше всего подходит для суммаризации, ответов на вопросы и диалога. Модель имеет плотную архитектуру MistralForCausalLM, около 7,1 млрд параметров и контекст до 32 768 токенов. По заявлению авторов, на февраль 2024 года модель занимала второе место среди моделей для генерации текста на материковых скандинавских языках и была одной из лучших моделей для норвежского после GPT-3.5. Для оптимального результата может потребоваться настройка промптов. Это языковая модель, а не источник фактов: она не гарантирует специальных знаний о Норвегии или высокой точности в узких областях. Базовая модель не имеет встроенной цензуры, поэтому модель может выдавать вредоносный или оскорбительный контент. Веса доступны в форматах PyTorch и safetensors по лицензии CC BY-NC-SA 4.0, допускающей некоммерческое использование на условиях лицензии.

jadasdn/open-ai-small-2 — дообученная модель распознавания речи на архитектуре Whisper, разработанная на основе jadasdn/open-ai-small-1. Она предназначена для преобразования входящей речи в текст; в карточке указаны 153,1 млн параметров и результат оценки WER 21,4497. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Карточка сообщает о дообучении на наборе данных, обозначенном как None, но не описывает его состав, языки, условия оценки или ограничения. Поэтому качество распознавания для конкретных языков и аудиосценариев по приведённым данным определить нельзя.

unsloth/Qwen2.5-1.5B-bnb-4bit — 4-битная версия базовой языковой модели Qwen2.5-1.5B, подготовленная Unsloth на основе Qwen/Qwen2.5-1.5B, разработанной командой Qwen. Модель предназначена для генерации и продолжения текста, а также для последующего дообучения под прикладные задачи. Для диалогового использования базовая версия не рекомендуется без дополнительного post-training, например SFT, RLHF или продолжения предобучения. Модель относится к causal language models и содержит около 1,54 млрд параметров, из которых 1,31 млрд не являются параметрами эмбеддингов. Архитектура включает RoPE, SwiGLU, RMSNorm, bias в attention QKV и связанные эмбеддинги слов; используется 28 слоёв и Grouped Query Attention с 12 головами Q и 2 головами KV. Полная длина контекста составляет 32 768 токенов. Заявлена поддержка более 29 языков, включая китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский. К сильным сторонам относятся небольшой размер, поддержка нескольких языков и пригодность для эффективного дообучения и развёртывания при ограниченных ресурсах благодаря 4-битному представлению. Модель также наследует заявленные для Qwen2.5 улучшения в кодировании, математике, следовании инструкциям и работе со структурированными данными, однако конкретные результаты для этой версии в README не приведены. Ограничения включают базовый, а не instruction-tuned характер модели, контекст до 32 768 токенов и возможные потери качества, связанные с 4-битной квантизацией. Лицензия — Apache-2.0.