I.6Перевод и языковая адаптация

Карточка модели Seksiyog/VibeVoice-ASR-Streaming-7B на Hugging Face совпадает с карточкой komixenon/VibeVoice-ASR-Streaming-7B, поэтому описание составлено по ней. VibeVoice-ASR-Streaming-7B — потоковая модель распознавания речи семейства VibeVoice, представленная в карточке как модель для транскрибации с указанием говорящего. Она обрабатывает поступающую речь и связывает распознанный текст с тем, кто его произнёс; пользовательские горячие слова помогают распознавать имена и специальные термины. Модель поддерживает китайский, английский, французский, немецкий, итальянский, японский, корейский, португальский, русский и испанский языки. В метаданных указаны архитектура VibeVoice, класс VibeVoiceForASRStreamingTraining, библиотека Transformers и формат safetensors. Размер 7B следует из названия модели. Лицензия — MIT. Карточка направляет к репозиторию microsoft/VibeVoice за кодом и инструкциями по использованию. Подробные сведения о контекстном окне, качестве распознавания и ограничениях в предоставленных материалах отсутствуют.

Vigalpaca-French-7B-ties — франкоязычная чат-модель на архитектуре Mistral, созданная Jonathan Pacifico путём слияния French-Alpaca-7B-Instruct-beta и Vigostral-7B-Chat. Она предназначена для генерации текста, ответов на вопросы и выполнения инструкций в диалоге на французском языке. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Карточка описывает её как демонстрацию языковой специализации базовой модели с помощью слияния. У модели нет механизмов модерации. Лицензия — Apache-2.0.

whisper-accent-medium.en — дообученная модель на основе OpenAI Whisper medium.en для распознавания и транскрибирования английской речи с разными акцентами. Она использует архитектуру Whisper и реализует обусловливание декодера на выученные представления акцентов через Adaptive Layer Normalization (AdaLN). Акцент оценивается по скрытым состояниям энкодера с помощью классификатора, а обучались только добавленные компоненты и представления акцентов; энкодер и декодер Whisper оставались замороженными. Всего в модели 839 897 904 параметра, около 9% из них обучались. Модель предназначена для транскрибации английской речи с разнообразными акцентами. В README указаны результаты оценки: WER 0,0939 и точность определения акцента 0,9615. Это результаты на наборе оценки, поэтому качество на других аудиозаписях может отличаться. Модель распространяется по лицензии Apache-2.0 и сохранена в формате safetensors.

Многоязычный классификатор для определения языка коротких текстовых высказываний. Модель разработана Янисом Лабраком из NLP-команды Авиньонского университета и основана на XLM-RoBERTa; число параметров — 305,2 млн, максимальный контекст — 514 токенов. Репозиторий содержит веса PyTorch и распространяется по лицензии CC BY 4.0. Модель обучена на параллельном наборе MASSIVE, включающем более миллиона высказываний на 51 языке для сценариев голосового ассистента. Она предназначена для распознавания языка входного текста и выдачи метки класса, например для маршрутизации запросов по языковой версии сервиса. Заявлена поддержка 51 языка, включая русский, английский, китайский, арабский и хинди. Обучающие данные отражают короткие пользовательские запросы голосовому ассистенту, поэтому качество на длинных текстах, узкоспециализированных материалах и языковых вариантах вне списка может отличаться; численные результаты оценки в доступной карточке не приведены.

Карточка модели Alphacode-AI/Alphacode-MALI-11B на Hugging Face совпадает с карточкой Alphacode-AI/Alphacode-MALI-11B_slowtest, поэтому описание составлено по ней. Alphacode-MALI-11B_slowtest — диалоговая языковая модель Alphacode AI, созданная путём слияния моделей Alphacode и дообучения на собственных данных разработчика. Это плотная модель семейства Mistral с архитектурой MistralForCausalLM и 10,8 млрд параметров; она предназначена для генерации текста и общения в чате. Заявленная длина контекста составляет 32 768 токенов. В метаданных указан корейский язык. Модель обучали на восьми ускорителях A100 с использованием DeepSpeed, Hugging Face TRL Trainer и Accelerate. Репозиторий содержит веса в формате Safetensors. Лицензия — CC BY 4.0. Карточка не описывает конкретные области применения, результаты оценки качества или ограничения модели.

Alphallama3-8B_v2 — дообученная модель генерации текста на архитектуре Llama, разработанная Alphacode-AI на основе Meta-Llama-3-8B. Она предназначена для диалогового взаимодействия и генерации текста; для обучения использовались внутренние пользовательские данные, DeepSpeed, Hugging Face TRL Trainer и Accelerate. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекст длиной до 8192 токенов. В карточке указан корейский язык. Модель распространяется в формате safetensors по лицензии Llama 3. Качество и ограничения дообучения на внутренних данных отдельно не описаны.

Arabic Small Nougat — модель OCR, разработанная Mohamed Rashad для преобразования изображений страниц арабских книг в структурированный текст, в том числе в формате Markdown. Она использует архитектуру VisionEncoderDecoderModel на базе facebook/nougat-small и дообучена на наборе Fakhraddin/khatt и пользовательском наборе данных. Модель рассчитана на оцифровку арабской литературы и извлечение текста из печатных материалов; в карточке указаны арабский и английский языки. Максимальная длина контекста составляет 2048 токенов. Модель распространяется по лицензии GPL-3.0. При распознавании возможны повторы и ошибки в тексте, а также нерелевантные пути к изображениям в выводе. Длинные страницы могут транскрибироваться не полностью, поэтому результат следует проверять, особенно когда точность критична.

bartowski/arcee-ai_Arcee-Blitz-GGUF — набор GGUF-квантизаций модели Arcee-Blitz, разработанной arcee-ai. Квантизации подготовлены bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые проекты на базе llama.cpp; в README приведён формат промпта с системной инструкцией и пользовательским запросом. Доступны варианты квантования от Q2_K и IQ2_M до Q8_0, размер файлов составляет примерно от 8,89 до 25,05 ГБ. Более качественными и рекомендуемыми указаны варианты Q4_K_M, Q5_K_M, Q6_K и Q6_K_L, тогда как низкоразрядные варианты экономят оперативную память за счёт снижения качества. README не содержит достоверных сведений о точной архитектуре, числе параметров, поддерживаемых языках, модальностях и размере контекстного окна. Основные преимущества — широкий выбор уровней квантования, возможность локального запуска и оптимизация imatrix. Ограничения связаны с компромиссом между качеством и требованиями к памяти, а также с тем, что характеристики исходной модели и результаты бенчмарков в карточке не приведены. Указанная лицензия — Apache-2.0.

Artificium-llama3.1-8B-001-GGUF — это набор квантованных файлов модели Artificium-llama3.1-8B-001 от AGI-0, подготовленный пользователем bartowski в формате GGUF для запуска через llama.cpp и совместимые приложения, включая LM Studio. Модель предназначена для генерации текста и диалоговых сценариев; в README также указан шаблон промпта с ролями system, user и assistant. Размер базовой модели составляет 8B параметров, однако точная архитектура, поддерживаемые языки, модальности и размер контекста в предоставленных данных не указаны. Доступны варианты от F16 размером 16,07 ГБ до низкобитных квантований, включая Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и Q2_K, что позволяет выбирать между качеством генерации и требованиями к памяти. Квантования выполнены с использованием imatrix и релиза llama.cpp b3658; отдельные варианты оптимизированы для ARM-процессоров. Сильная сторона модели — широкий выбор квантований для локального запуска на оборудовании с разным объёмом оперативной памяти; варианты Q5 и Q6 отмечены как высококачественные, а Q4 — как сбалансированные по размеру и качеству. Более сильное сжатие может снижать качество ответов, а совместимость ARM-вариантов зависит от поддержки соответствующих инструкций. Лицензия в README указана как неизвестная, поэтому условия использования необходимо уточнить у разработчика исходной модели AGI-0.

Bailong-orpo-7B — диалоговая языковая модель Lung-Chuan Chen, созданная на основе INX-TEXT/Bailong-instruct-7B. Это плотный decoder-only трансформер семейства Llama с 6,7 млрд параметров; модель предназначена для генерации текста в формате диалога, включая ответы на вопросы, создание рекламных текстов и творческое письмо. В карточке показаны примеры консультационных ответов на традиционном китайском языке, а метаданные отмечают возможность chat. README указывает поддержку английского и традиционного китайского языков. Контекст по метаданным — 4096 токенов; веса доступны в форматах Safetensors и GGUF. Модель распространяется по лицензии Llama 2. Примеры медицинских ответов иллюстрируют общий сценарий использования, но не подтверждают медицинскую точность модели.

BLOOM-1b1 — многоязычная авторегрессионная языковая модель, разработанная сообществом BigScience для открытых исследований больших языковых моделей и генерации текста. Её также можно использовать как предварительно обученную основу для дообучения под специализированные задачи. Модель построена на декодерной архитектуре Transformer, модифицированной относительно Megatron-LM GPT-2: 24 слоя, 16 голов внимания, размер скрытого слоя 1536 и около 1,07 млрд параметров. В ней используются позиционные кодировки ALiBi; при обучении применялась последовательность длиной 2048 токенов. Модель обучена на нескольких естественных языках и данных с кодом; карточка перечисляет, в частности, английский, французский, испанский, китайский, арабский, хинди и вьетнамский. Лицензия — BigScience BLOOM RAIL 1.0. BLOOM-1b1 подходит для генерации продолжений текста, экспериментов с языковыми моделями и создания специализированных вариантов посредством дообучения. Она может выдавать фактически неверные утверждения, повторяющийся или нерелевантный текст, а также предвзятый, оскорбительный или иной неподходящий контент. Карточка исключает применение в критически важных и высокорисковых решениях, а также использование для надёжных фактических ответов и в медицинской, политической, юридической и финансовой сферах.

Cabra Llama-3 70B — дообученная модель команды Botbot Robotics на основе Meta-Llama-3-70B-Instruct, настроенная на датасете Cabra 30k для понимания и генерации ответов на бразильском португальском. Это плотная авторегрессионная языковая модель семейства Llama 3 с архитектурой трансформера и примерно 69,5 млрд параметров; она поддерживает диалоговый режим, принимает текст и генерирует текст. Размер контекста составляет 8192 токена. Модель подходит для чат-ботов и ответов на вопросы на португальском языке. В README приведены результаты на Open Portuguese LLM Leaderboard, включая средний балл 78,44 и оценки ENEM Challenge и BLUEX без изображений. Репозиторий содержит веса в формате safetensors; README также упоминает квантизованные варианты GGUF в отдельной ветке. Указана лицензия llama3.

CabraMistral-v3-7b-32k — разговорная языковая модель, созданная командой Cabra Robotics путём дообучения Mistral 7B Instruct v0.3 на внутреннем наборе Cabra12k. Модель построена на архитектуре Mistral с Grouped-Query Attention, Sliding-Window Attention и токенизатором Byte-fallback BPE; содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель оптимизирована для португальского языка и предназначена для диалогов и генерации ответов на текстовые запросы. В README приведены результаты оценки на португалоязычных тестах Open Portuguese LLM Leaderboard. Репозиторий содержит веса safetensors; автор также упоминает квантизованные варианты GGUF в отдельной ветке. Модель распространяется по лицензии Apache-2.0. Качество и фактическая эффективность зависят от задачи; данные обучения Cabra12k описаны как внутренние, а подробности набора в карточке не приведены.

DarkIdol-Llama-3.1-13.3B-Instruct-1.2-Uncensored — объединённая модель для генерации текста в формате инструкционного диалога. Она создана методом passthrough merge с помощью mergekit на основе aifeifei798/DarkIdol-Llama-3.1-8B-Instruct-1.2-Uncensored. По архитектуре это плотная авторегрессионная модель семейства Llama с классом LlamaForCausalLM, примерно 12,7 млрд параметров и контекстом до 131 072 токенов. Модель рассчитана на текстовый чат и генерацию ответов; базовая модель также описана как предназначенная для ролевых игр и художественных текстов. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. В названии указано, что модель uncensored, однако README не описывает конкретные правила модерации или гарантии поведения. Лицензия в предоставленных данных не указана, поэтому условия использования по ним определить нельзя.

DevQuasar/dphn.Dolphin-Mistral-24B-Venice-Edition-GGUF — это квантизированная версия текстовой генеративной модели dphn/Dolphin-Mistral-24B-Venice-Edition. В README указано, что модель разработана на основе исходной модели dphn, а квантизация опубликована под идентификатором DevQuasar. Модель предназначена для генерации текста. Подробные сведения о поддерживаемых сценариях, языках, размере контекста, используемой архитектуре, конкретных вариантах квантизации и требованиях к оборудованию в README отсутствуют. Известно только, что базовая модель имеет обозначение Mistral-24B, однако точные характеристики и модальности не уточнены. К потенциальным преимуществам относятся уменьшенный размер и требования к ресурсам по сравнению с полной версией благодаря квантизации. Ограничения, качество на отдельных задачах и совместимость с конкретными программными средствами не описаны. Лицензия в представленном README не указана.

Eris Prime V4.20 «Blaze it» 32k Edition — разговорная модель на базе архитектуры Mistral, созданная ChaoticNeutrals путём слияния нескольких моделей. Она предназначена для диалоговой генерации текста; в карточке также заявлена возможность обработки изображений при загрузке файла mmproj в Koboldcpp. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Для работы с изображениями README рекомендует актуальную версию Koboldcpp и загрузку соответствующего mmproj из репозитория. Модель опубликована в формате safetensors. Лицензия обозначена как other, поэтому условия использования следует уточнить в карточке или у автора.

Модель free-solar-evo-v0.13 разработана технической командой Freewheelin AI. Это языковая модель на архитектуре Llama с 10,6 млрд параметров, предназначенная для генерации текста. В карточке модели указано, что при разработке использован подход, вдохновлённый проектом Sakana; более подробные сведения о методе и оценке качества не приведены. Модель принимает текст и генерирует текст, поддерживает корейский и английский языки и имеет контекст длиной 4096 токенов. Опубликованные веса в формате Safetensors, лицензия — MIT. По доступным сведениям, она подходит для генерации и продолжения текста, диалога, ответов на вопросы и суммаризации; качество этих задач отдельно не подтверждено.

Это независимая смешанная GGUF-квантизация Gemma 4 31B IT Heretic, созданная владельцем репозитория на основе производной модели DavidAU/gemma-4-31B-it-The-DECKARD-HERETIC-UNCENSORED-Thinking. Она предназначена для локального диалогового использования через llama.cpp и генерирует текст в ответ на запросы. Внимательные и выходные тензоры частично сохранены в более высокой точности, а большая часть весов FFN сжата; при калибровке использовалась матрица важности imatrix. Модель содержит 31 млрд параметров и поддерживает японский, английский и другие языки; в карточке базовой модели указан контекст 262 144 токена, но фактическая длина зависит от памяти, KV-кэша и настроек запуска. Это доработанный отказоустойчивый барьер модели с удалёнными отказами: она может выдавать опасный или вредный контент и не имеет надёжного встроенного уровня безопасности. Японская генерация была проверена лишь на отдельных запросах, без формального бенчмарка; скорость и доступный контекст зависят от оборудования и конфигурации. Модель распространяется по Apache-2.0 с учётом условий исходной модели; это независимая производная, не официальный выпуск Google.

Это пакет слоёв модели Gemma 4 31B Instruct в формате GGUF, подготовленный Mesh LLM для распределённого запуска. Пакет основан на unsloth/gemma-4-31B-it-qat-GGUF и разделяет её веса на артефакты по слоям для работы на кластере из нескольких локальных машин. Модель предназначена для диалогов и обработки изображений с текстом, а пакет — для приватного локального инференса, распределения вычислений между узлами и обслуживания запросов через совместимый с OpenAI API Mesh LLM. Указаны архитектура Gemma и вариант квантования UD-Q4_K_XL; прочие детали архитектуры и контекста в карточке пакета не приведены. Репозиторий распространяется по лицензии Apache-2.0. Для работы требуется Mesh LLM и доступные узлы кластера; качество и ограничения модели определяются исходной моделью и вариантом квантования.

GLM-5.2-MLX-mixed-3_6bit — это MLX-конверсия и смешанно-квантованная версия модели GLM-5.2, разработанная PipeNetwork на базе zai-org/GLM-5.2. Модель предназначена для генерации текста и запуска локально на устройствах Apple Silicon с использованием библиотеки mlx-lm. Архитектура модели — glm_moe_dsa: разреженная MoE-модель с 256 экспертами и механизмом sparse attention в стиле DeepSeek-V3.2. Вариант использует смешанную квантование: экспертные слои представлены в 3-битном формате, остальные параметры — в 6-битном. Размер файлов составляет около 360 ГБ, модель рассчитана на запуск в системах с 512 ГБ оперативной памяти. Другие характеристики, включая число параметров, поддерживаемые языки, модальности и размер контекста, в README не указаны. Сильная сторона модели — существенно сниженные требования к памяти по сравнению с однородными 4-, 5-, 6- и 8-битными вариантами при сохранении совместимости с MLX. Репозиторий включает исправленный runtime для корректной работы разреженного индексатора на длинных контекстах; для загрузки требуется параметр --trust-remote-code. Ограничения — крайне большой объём модели, привязка к Apple Silicon и необходимость специального runtime. Модель распространяется по лицензии MIT, унаследованной от базовой модели.

mlx-community/granite-4.0-h-tiny-4bit — языковая модель для генерации текста, разработанная сообществом mlx-community на основе IBM Granite 4.0 H Tiny от IBM. Модель преобразована в формат MLX с помощью mlx-lm 0.28.2 и предназначена для запуска через библиотеку mlx-lm, в частности на устройствах экосистемы Apple с поддержкой MLX. Модель поддерживает текстовый ввод и вывод и может применяться для диалоговых сценариев и других задач генерации текста. В README указано 4-битное представление, что обычно снижает требования к памяти, но конкретные параметры архитектуры, размер, поддерживаемые языки и длина контекста не приведены. Сведения о сильных сторонах и ограничениях, кроме особенностей формата MLX и 4-битного квантования, отсутствуют. Модель распространяется по лицензии Apache-2.0.

HeackMT5-ZhCleanText1ML — дообученная модель mT5, созданная и поддерживаемая KongYang из Шанхайского университета Цзяотун. Она предназначена для очистки китайского текста: удаляет бессмысленные фрагменты и артефакты, стараясь сохранить исходную информацию. В редких случаях, когда модель уверена в результате, она может также кратко обобщить текст. Модель содержит 291,2 млн параметров и использует архитектуру MT5ForConditionalGeneration. Она обучена на миллионе строк данных; в карточке отмечена поддержка нескольких языков, однако README уточняет, что большие фрагменты текста не на китайском модель не обрабатывает. Репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

MotherEarth/Hermes-Storm-Climate-Sauerkraut-abliterated — объединённая диалоговая языковая модель, созданная с помощью mergekit линейным слиянием трёх моделей: MotherEarth/Hermes-Storm-Climate-lorablated, MotherEarth/MotherEarth-Proverbs-1.0-8B и VAGOsolutions/Llama-3.1-SauerkrautLM-8b-Instruct. Модель построена на архитектуре Llama с плотной причинной языковой сетью, содержит 7,5 млрд параметров и принимает текстовые запросы, генерируя текст в формате диалога. Заявленная длина контекста — 131 072 токена. Модель предназначена для диалоговой генерации текста. В состав слияния входят модели, связанные с генерацией на немецком и английском языках, а также модель Proverbs; карточка не описывает отдельные гарантированные сценарии или сравнительные показатели качества. Весовые файлы представлены в формате safetensors, тип данных при слиянии — bfloat16. Сведения о лицензии в предоставленных источниках отсутствуют.

AngelSlim/Hy3-GGUF — это низкобитная квантованная версия модели Hy3 (hy_v3), разработанной Tencent, в формате GGUF для запуска через llama.cpp. Репозиторий подготовлен проектом AngelSlim, посвящённым сжатию больших языковых моделей. Модель предназначена для генерации текста и локального или серверного инференса на совместимом CPU или GPU. Доступны варианты квантования IQ1_M и Q4_K_M, включая сборки с MTP-блоком для self-speculative decoding. Архитектура использует shared и routed experts, причём routed experts квантуются агрессивнее, чтобы уменьшить размер файлов; MTP-вариант добавляет блок для ускорения декодирования. Рекомендуемый размер контекста — до 65 536 токенов при соответствующей конфигурации llama.cpp. README не указывает число параметров, поддерживаемые языки и полный перечень модальностей, поэтому модель следует рассматривать как текстовую. Сильные стороны модели — существенно сниженный объём весов, возможность запуска в llama.cpp и поддержка ускоренного MTP-инференса. IQ1_M рассчитан на более жёсткую экономию памяти, а Q4_K_M должен обеспечивать более высокое качество при значительно большем размере. Для работы требуется версия llama.cpp с поддержкой hy_v3; конфигурация зависит от доступной видеопамяти, а экстремальное квантование и ограниченная память могут снижать качество. Модель распространяется по лицензии Apache-2.0.

hari31416 публикует IndicOCR MLX 4-bit — 4-битную квантизированную MLX-версию распознавателя IndicBlockOCR, второй стадии модели bodhan-ai/indic-ocr. Она предназначена для распознавания текста в обрезанных областях документов и оптимизирована для инференса на Apple Silicon с Metal GPU. Архитектура основана на Qwen3.5-0.8B и использует словарь Sarvam на 151 тысячу токенов для 22 индийских письменностей, английского языка, чисел и математических обозначений. В README указаны размер весов 636 МБ, скорость 391 мс на фрагмент и CER 4,83% в сравнении с PyTorch-базой на 50 фрагментах документов из ai4bharat/indicdlp. На этом наборе WER составляет 9,68%, а точное совпадение — 60%; результаты относятся к описанной конфигурации и тестовой выборке. Репозиторий также описывает двухэтапный конвейер с отдельным детектором макета PP-DocLayoutV3, который работает через PyTorch MPS, а не MLX. Лицензия в метаданных указана как other, без уточнения условий.

Это GGUF-квантизированная версия чат-модели internlm/internlm2_5-1_8b-chat, подготовленная пользователем legraphista. Модель предназначена для генерации текста и диалогового взаимодействия, а также для локального запуска через совместимые инструменты, включая llama.cpp. Исходные веса имеют формат BF16, а квантизация выполнена с использованием llama.cpp b3524. Репозиторий содержит варианты от BF16 и FP16 до низкобитных форматов Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K и IQ-серии. Для ряда вариантов применена IMatrix-квантизация, призванная эффективнее сохранять качество при уменьшении размера модели. Размер файлов варьируется примерно от 772 МБ до 3,78 ГБ, что позволяет выбирать компромисс между требованиями к памяти и качеством генерации. Модель удобна для ресурсоограниченных устройств и локального инференса, однако снижение точности при низких уровнях квантизации может ухудшать качество ответов. В README не указаны архитектурные детали, языки, длина контекста и результаты оценки, поэтому эти характеристики нельзя достоверно определить. Лицензия обозначена как other, без подробных условий использования.

mlx-community/InternVL3-78B-4bit — мультимодальная чат-модель семейства InternVL3, преобразованная сообществом mlx-community из models/InternVL3-78B в формат MLX с помощью mlx-vlm 0.1.25. Она предназначена для диалога по изображениям и задач визуального понимания, а также поддерживает генерацию текста. Метаданные указывают мультиязычность и интерфейс для вызова инструментов. Модель распространяется по лицензии Apache-2.0.

Это квантизированная GGUF-версия модели Jan-v1-edge, разработанной janhq и подготовленной квантизатором bartowski. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые проекты на базе llama.cpp. В репозитории представлены варианты от исходных BF16-весов размером 3,45 ГБ до низкобитных форматов примерно от 0,75 ГБ. Доступны квантизации Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K и IQ; варианты Q4_K_M, Q5_K_M и Q6_K обозначены как рекомендуемые, а Q4_K_M — как оптимальный размер по умолчанию для большинства сценариев. Квантизация выполнена с использованием imatrix в llama.cpp release b6317. README не содержит сведений об архитектуре исходной модели, числе параметров, поддерживаемых языках, контекстном окне, модальностях, конкретных задачах обучения, лицензии и формате промптов. Поэтому сильные стороны и ограничения можно оценивать только на уровне доступных вариантов квантизации: более компактные файлы требуют меньше памяти, но обычно снижают качество по сравнению с BF16 и высокоточными вариантами.

aadel4/kid-whisper-small-en-myst — модель распознавания речи на основе Whisper Small English, разработанная путём дообучения openai/whisper-small-en. Она предназначена для преобразования англоязычной речи в текст; в карточке указаны обучающий набор Myst Train объёмом 125 часов и проверочный набор Myst Dev объёмом 20,9 часа. Архитектура — WhisperForConditionalGeneration, размер — 153,1 млн параметров; репозиторий содержит веса PyTorch. На проверочном наборе указаны WER 8,51 и loss 0,27. Модель распространяется по лицензии Apache-2.0. Карточка не уточняет назначение названия «kid» и не приводит сведения о контекстном окне или сценариях для детской речи, поэтому такие свойства не предполагаются.

Kimi-K2.5-UD-Q4_K_XL-layers — пакет весов в формате GGUF, подготовленный Mesh LLM для распределённого запуска модели Kimi-K2.5 на кластере локальных машин. Пакет получен из unsloth/Kimi-K2.5-GGUF: исходное распределение GGUF разделено на артефакты по слоям; вариант квантования — UD-Q4_K_XL. Модель предназначена для локального чат-инференса, в том числе на нескольких компьютерах, когда полный файл модели трудно разместить на одном узле. Через Mesh LLM она может обслуживать совместимый с OpenAI API endpoint для запросов чата и генерации текста. Карточка не приводит размер параметров, длину контекста или список поддерживаемых языков; для архитектуры, шаблона чата и условий лицензии она отсылает к карточке исходной модели.