I.6Перевод и языковая адаптация

agiin-13.6B-v0.0 — диалоговая языковая модель MindsAndCompany на архитектуре семейства Mistral, содержащая 13,7 млрд параметров. По карточке, модель предварительно обучена, настроена для следования инструкциям и дополнительно обучена методом DPO; для запуска указана библиотека Transformers, а веса доступны в формате safetensors. Модель предназначена для генерации ответов в чате и выполнения текстовых запросов. В примере карточки приведён вопрос на корейском языке, однако в метаданных указан английский язык. Модель имеет контекстное окно 4096 токенов и распространяется по лицензии Apache-2.0. Карточка не приводит сравнительных оценок качества или подробных ограничений; возможности за пределами текстовой генерации не заявлены.

Amadeus-Verbo-MI-Qwen-2.5-32B-PT-BR-Instruct-Experimental — диалоговая языковая модель на архитектуре Qwen2.5, созданная AmadeusAI слиянием SLERP моделей Qwen/Qwen2.5-32B-Instruct и AmadeusAI AV-BI-Qwen2.5-32B-PT-BR-Instruct. Она предназначена для генерации текста и диалогов на бразильском португальском языке; доступна для запуска через Transformers и поддерживает интерфейс вызова инструментов. Модель содержит 32 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель подходит для чат-ботов, ответов на вопросы и генерации текста на португальском языке. В метаданных указана лицензия Apache-2.0. Карточка не приводит результатов оценивания качества или подробностей о проверке поведения после слияния.

Aquila2-70B-Expr — базовая плотная авторегрессионная языковая модель серии Aquila2, опубликованной BAAI. Она предназначена для генерации текста и может служить основой для прикладных систем на базе языковых моделей. В README модель отнесена к базовым, а не к чат-моделям AquilaChat2. Модель содержит 69,3 млрд параметров, построена на архитектуре Aquila и рассчитана на контекст до 4096 токенов. Репозиторий содержит веса PyTorch. Для семейства Aquila2 README сообщает о базовых, чат- и длинноконтекстных вариантах; расширенные возможности других вариантов нельзя автоматически приписывать этой модели. Лицензия указана как other, поэтому конкретные условия использования следует проверять в лицензионных материалах репозитория. Специальная настройка на определённый язык или предметную область в предоставленных данных не описана.

BAAI/AquilaChat2-7B — диалоговая языковая модель из серии Aquila2, выпущенной BAAI. Это плотная авторегрессионная модель с архитектурой AquilaForCausalLM и 6,9 млрд параметров; она предназначена для генерации текста в формате чата. В README также упомянуты базовые Aquila2 и варианты чата с контекстом 16k, но этот репозиторий относится к AquilaChat2-7B с окном контекста 2048 токенов. Модель подходит для диалоговых помощников, генерации и продолжения текста, а также ответов на запросы на естественном языке. В репозитории указаны веса PyTorch. README доступен на английском и китайском, однако это само по себе не подтверждает языки, на которых обучена модель. Лицензия в метаданных обозначена как other; конкретные условия следует сверить с лицензией репозитория.

Astra-v1-12B-i1-GGUF — это квантизированная версия текстовой модели Astra-v1-12B, разработанной P0x0 и преобразованной в формат GGUF пользователем mradermacher. Модель предназначена для универсальной генерации текста и может использоваться в сценариях, где требуется локальный запуск языковой модели общего назначения. В README прямо указан английский язык, однако другие языки и конкретные специализации не описаны. Модель содержит 12 миллиардов параметров и распространяется в виде imatrix-квантов различных типов, включая IQ1–IQ4, Q2–Q5 и Q6. Размер файлов составляет примерно от 3,1 до 10,2 ГБ, что позволяет выбирать вариант с подходящим компромиссом между требованиями к памяти, скоростью и качеством. Более низкие уровни квантования могут заметно снижать качество; для Q4_K_M указано сочетание скорости и качества, а Q6_K охарактеризован как близкий к полноразмерной статической квантовке. Архитектура, размер контекста и дополнительные модальности в README не указаны; по представленным данным модель является текстовой. Модель распространяется по лицензии Apache-2.0. Для работы требуются совместимые инструменты, поддерживающие формат GGUF; конкретные системные требования и рекомендуемые параметры запуска не приведены.

Bahasa-4b — языковая модель Bahasa AI, полученная продолжением обучения Qwen-4B на 10 млрд высококачественных индонезийских текстов. Это плотная авторегрессионная модель семейства Qwen2 с 3,6 млрд параметров и контекстом до 32 768 токенов; репозиторий содержит веса Safetensors. Модель предназначена для понимания и генерации текста на индонезийском языке, включая ответы на вопросы, анализ тональности и суммаризацию документов. В приведённых в карточке тестах Bahasa-4b превосходит Sailor_4b на отдельных индонезийских бенчмарках и показывает конкурентные результаты относительно Mistral-7B-v0.1. Это результаты конкретных тестов, а не гарантия качества для любой задачи. Модель доступна по лицензии, обозначенной в метаданных как other; условия следует проверить в репозитории перед использованием.

Behemoth-123B-v2.2-GGUF — это квантизированная версия текстовой генеративной модели TheDrummer/Behemoth-123B-v2.2, подготовленная пользователем bartowski в формате GGUF с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и может применяться в локальных сценариях: диалогах, написании и редактировании текстов, ответах на вопросы и других задачах обработки естественного языка. Модель содержит 123 млрд параметров. Доступно множество вариантов квантования — от Q8_0 размером около 130 ГБ до IQ1_M размером около 28 ГБ, что позволяет выбирать между качеством и требованиями к памяти. Наиболее высокое качество обеспечивают Q8_0, Q6_K и варианты Q5; более компактные варианты Q3, Q2 и IQ2/IQ1 требуют меньше памяти, но заметно уступают по качеству. Поддерживаются локальный запуск через llama.cpp и использование в LM Studio. В README не указаны архитектура исходной модели, языки, размер контекста и мультимодальные возможности, поэтому модель следует считать текстовой. Сильной стороной является широкий выбор квантований и возможность локального запуска на совместимом оборудовании. Основные ограничения — очень высокие требования к оперативной или видеопамяти даже у компактных вариантов, а также потенциальное снижение качества при низком уровне квантования. Для работы рекомендуется использовать указанный формат приглашений с системным сообщением и пользовательским запросом. Лицензия обозначена как other; конкретные условия в README не приведены и требуют дополнительной проверки.

BLOSSOM-v3.1-baichuan2-13b — диалоговая языковая модель, созданная на основе Baichuan2-13B-Base и дообученная разработчиками BLOSSOM на смеси наборов инструкций Orca, Wizard, Chat и Math. Это плотная авторегрессионная модель архитектуры Baichuan с 13,3 млрд параметров, предназначенная для генерации ответов в формате продолжения диалога. Обучение включало одноходовые инструкции, многоходовые беседы и примеры математических рассуждений. Модель подходит для ответов на вопросы, ведения диалога и решения задач с пошаговыми математическими рассуждениями на китайском и английском языках. В README заявлены общие способности и понимание контекста, однако длина контекста не приводится. Репозиторий содержит веса PyTorch, а лицензия — Apache-2.0.

DevQuasar/deepseek-ai.DeepSeek-V3.1-Terminus-GGUF — это квантизированная версия модели DeepSeek-V3.1-Terminus, разработанной командой deepseek-ai и опубликованной пользователем или организацией DevQuasar. Модель предназначена для генерации текста; точные сценарии применения в представленном README не описаны. Из доступных данных известно только, что модель относится к конвейеру text-generation и распространяется в формате GGUF. Архитектура, размер, поддерживаемые языки, длина контекста, модальности, варианты квантования и технические характеристики не указаны. Лицензия и условия использования также не приведены, поэтому их нельзя достоверно определить по этому README.

Distil-Whisper distil-large-v2 — англоязычная модель распознавания речи, разработанная командой Distil-Whisper как дистиллированная версия Whisper large-v2. Она использует архитектуру encoder-decoder Whisper: энкодер скопирован из исходной модели, а декодер сокращён до двух слоёв. В метаданных указано 905,2 млн параметров. Модель предназначена для транскрибации английской речи в коротких и длинных аудиозаписях и может использоваться как ускоренная замена Whisper large-v2. По данным карточки, она примерно в шесть раз быстрее и на 49% меньше исходной модели, сохраняя близкое качество распознавания; также её можно применять как вспомогательную модель для speculative decoding с Whisper. Поддерживаются форматы PyTorch, safetensors, ONNX и Flax. Модель принимает аудио и выдаёт текст. Она рассчитана только на распознавание английской речи; авторы рекомендуют вместо неё более новую distil-large-v3 для лучшей поддержки последовательной генерации на длинных записях. Лицензия — MIT.

jaspionjader/ek-5 — разговорная языковая модель на архитектуре Llama, созданная объединением моделей с помощью mergekit и метода Model Stock. В качестве базовой использована jaspionjader/ek-1; в слияние также вошли jaspionjader/ek-3 и jaspionjader/ek-4. Модель предназначена для генерации текста и диалогового общения. Она содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в доступных данных не указана.

Equatorium-v3-12B — языковая модель на 12,1 млрд параметров, созданная grimjim с помощью mergekit путём слияния нескольких предварительно обученных моделей семейства Mistral. В качестве базовой использована grimjim/mistralai-Mistral-Nemo-Base-2407; также в слияние вошли Rei-V3-KTO-12B, AbMagnolia-v1-12B и Mistral-Nemo-Instruct-2407. Модель использует плотную архитектуру MistralForCausalLM и принимает текст для генерации текста. Модель предназначена для генерации связных ответов и продолжения текста в сценариях, типичных для языковых моделей этого семейства. Автор отмечает, что слияние выбиралось с учётом устойчивости и связности ответов при температуре 1,0 и параметре minP 0,02. Поддерживается контекст до 131 072 токенов. Указана лицензия Apache-2.0.

Experiment26Yam_Experiment24Alloyingotneoy — объединённая модель Mistral, созданная слиянием automerger/Experiment26Yam-7B и automerger/Experiment24Alloyingotneoy-7B. Она предназначена для генерации текста и может использоваться в приложениях, которым нужны ответы или продолжения текста на основе запроса. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Весовые файлы представлены в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0.

FRED-T5-large — русскоязычная предварительно обученная текстовая модель семейства T5, разработанная командой SberDevices. Она предназначена для задач преобразования текста, включая генерацию и переформулирование; обучение проводилось на корпусе русского языка объёмом 300 ГБ с использованием смеси семи denoising-целей, основанной на подходе UL2. Архитектура включает 24 слоя и скрытое представление размером 1024; в метаданных указано 403,9 млн параметров и класс T5ForConditionalGeneration. Модель использует токенизатор BBPE и поддерживает русский язык. Веса опубликованы в формате PyTorch по лицензии Apache-2.0. Модель подходит как русскоязычная основа для генеративной обработки текста и дообучения под прикладные сценарии. Длина контекста в предоставленных сведениях не указана.

Это пакет GGUF для распределённого запуска Gemma 3 27B Instruct, подготовленный Mesh LLM на основе unsloth/gemma-3-27b-it-GGUF. Веса исходной модели в варианте UD-Q4_K_XL разделены на артефакты по слоям, чтобы распределять вычисления и память между несколькими компьютерами в локальном кластере Mesh LLM. Модель предназначена для локального диалогового инференса, в том числе через совместимый с OpenAI API интерфейс Mesh LLM. Пакет использует формат GGUF и ориентирован на текстовую генерацию в чате; в карточке указаны семейство Gemma и возможность chat. Языки, длина контекста и подробности архитектуры не приведены в доступных данных. Это производный пакет на базе указанной GGUF-модели, а не самостоятельная разработка. Лицензия и ограничения исходной модели определяются её карточкой и в предоставленных данных не раскрыты.

Карточка модели ashton25549/gemma-4-26B-A4B-it-UD-Q4_K_M-layers на Hugging Face совпадает с карточкой meshllm/gemma-4-26B-A4B-it-UD-Q4_K_M-layers, поэтому описание составлено по ней. Это пакет Gemma 4 26B A4B IT в формате GGUF, подготовленный Mesh LLM для распределённого инференса. Он содержит веса варианта UD-Q4_K_M, разбитые на артефакты по слоям для запуска модели на кластере из нескольких локальных машин. Модель предназначена для генерации текста и диалогов через Mesh LLM, включая локальную подачу запросов через совместимый с OpenAI API. Такое разбиение позволяет распределять вычисления и память между узлами, когда полного файла GGUF не помещается на одном компьютере. Пакет основан на unsloth/gemma-4-26B-A4B-it-GGUF; сведения об архитектуре, контекстном окне, языках и лицензии следует сверять с карточкой исходной модели.

zecanard/gemma-4-26B-A4B-it-uncensored-heretic-ara-MLX-8bit-int8-affine — конвертированная в формат MLX версия модели trohrbaugh/gemma-4-26B-A4B-it-heretic-ara. Модель предназначена для мультимодальных задач, связанных с обработкой текста и изображений, включая генерацию ответов по текстовым запросам и анализ изображений. В карточке указаны английский язык и библиотека MLX; дополнительные сведения о разработчике базовой модели, языковой поддержке и полном наборе возможностей отсылаются к исходной карточке модели и здесь не приведены. Это vision-language model с эффективными 9,163 битами на параметр, подвергнутая 8-битному аффинному квантованию с размером группы 32. Версия создана с использованием mlx-vlm 0.6.3 и рассчитана на запуск в экосистеме MLX. В шаблон чата добавлены исправление вызова инструментов, учет текущей даты и включенное по умолчанию рассуждение, если оно поддерживается моделью. Для корректной обработки рассуждений может потребоваться настройка распознавания секции thought. Сильными сторонами модели являются поддержка входных изображений, квантованный формат для эффективного локального запуска и исправление, связанное с вызовом инструментов. Ограничения включают зависимость от MLX и mlx-vlm, а также отсутствие в предоставленной карточке точных сведений о контекстном окне, полном размере архитектуры, фактическом наборе языков и результатах тестирования. Модель распространяется по лицензии Apache-2.0 с учетом условий лицензии Gemma.

lmstudio-community/gpt-oss-20b-MLX-8bit — 8-битная квантованная версия модели gpt-oss-20b, разработанной OpenAI. Квантование выполнено командой LM Studio с использованием MLX и библиотеки mlx_lm; модель оптимизирована для работы на устройствах Apple Silicon. Модель предназначена для генерации текста и может использоваться в локальных приложениях, чат-сценариях и других задачах text-generation, поддерживаемых исходной моделью. В README не указаны точные архитектурные характеристики, фактический размер в параметрах, языки, модальности и длина контекста, поэтому оценить эти свойства по имеющимся данным нельзя. Ключевое преимущество — 8-битное представление, ориентированное на более эффективный локальный запуск на Apple Silicon. Ограничения включают зависимость от совместимой MLX-среды и отсутствие подробных сведений о качестве, поддерживаемых языках и ограничениях исходной модели. Модель распространяется по лицензии Apache-2.0.

Hermes-2-Pro-11B-GGUF — это квантизированная версия языковой модели Hermes-2-Pro-11B, разработанной mattshumer и представленной в формате GGUF пользователем MaziyarPanahi. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp и совместимые приложения и библиотеки. В репозитории представлены файлы с разными уровнями квантизации — от 2 до 8 бит, что позволяет выбирать компромисс между размером модели, требованиями к памяти и качеством генерации. Модель относится к текстовым генеративным моделям; сведения о поддерживаемых языках, длине контекста, точной архитектуре и модальностях в README не указаны. Формат GGUF удобен для локального развертывания на Windows, Linux и macOS, поддерживается рядом интерфейсов и библиотек, а также может использовать GPU-ускорение в зависимости от используемого программного обеспечения. Более низкая разрядность обычно снижает требования к ресурсам, но может ухудшать качество по сравнению с вариантами с большей разрядностью. Для модели указана лицензия Apache 2.0. README не содержит подробных результатов оценки, бенчмарков или описания ограничений исходной модели, поэтому её качество в конкретных задачах следует проверять отдельно.

ClaudioItaly/Intelligence-Cod-Rag-7B-v4 — объединённая языковая модель на архитектуре Qwen2, созданная с помощью mergekit методом TIES из happzy2633/qwen2.5-7b-ins-v3, EVA-UNIT-01/EVA-Qwen2.5-7B-v0.1 и AIDC-AI/Marco-o1. Модель содержит 7,1 млрд параметров, принимает текст и предназначена для генерации текста в формате диалога. Контекст — до 32 768 токенов. Модель можно использовать для ведения диалогов и генерации ответов на текстовые запросы. Карточка не описывает отдельные области применения или специальные возможности RAG, поэтому название модели само по себе не подтверждает, что она выполняет поиск по документам. Веса опубликованы в формате Safetensors; лицензия в предоставленных данных не указана.

J.A.R.V.I.S. Titan V12 MoE Merged Baseline — объединённая самостоятельная модель Dhanesh на архитектуре DeepSeekMoE, сочетающая MoE-бэкбон и адаптированные экспертные слои V12. В метаданных указано 7,1 млрд параметров, архитектурный класс JarvisTitanMoEForCausalLM, формат safetensors и контекст до 32 768 токенов; README при этом указывает бэкбон 14,8 млрд параметров. Модель предназначена для генерации текста в диалоговом режиме. Лицензия обозначена как other, поэтому конкретные условия использования следует проверять в файлах репозитория.

Llama-2-7b-chat-mlx — адаптация чат-модели Llama 2, разработанной Meta, в формате NPZ для использования с фреймворком Apple MLX. Модель содержит около 7 миллиардов параметров и предназначена для генерации текста и диалоговых сценариев, включая запуск локального инференса на совместимых устройствах Apple через MLX. Веса преобразованы из исходного формата bfloat16 в float16 для совместимости с NumPy. README не указывает поддерживаемые языки, размер контекста и полный набор архитектурных характеристик. К сильным сторонам относятся специализированная чат-настройка, относительно компактный размер по сравнению с более крупными версиями Llama 2 и интеграция с MLX; ограничения включают зависимость от MLX и отсутствие в карточке подробных сведений о качестве, языковых возможностях и производительности. Модель распространяется по лицензии Llama 2. Для получения дополнительных сведений README рекомендует обращаться к оригинальной карточке модели Meta Llama 2 7B Chat.

helloollel/Llama-3.1-8B-instruct-bilibili — дообученная helloollel диалоговая модель на архитектуре Llama 3.1 с 7,5 млрд параметров, созданная на базе unsloth/Meta-Llama-3.1-8B-Instruct. Карточка сообщает об использовании Unsloth и Hugging Face TRL для обучения. Модель предназначена для диалогов и генерации текста; метаданные также отмечают интерфейс вызова инструментов. Она поддерживает контекст до 131 072 токенов. В тегах карточки указан английский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специальную адаптацию к Bilibili или результаты оценки качества, поэтому её преимущества в этой области установить нельзя. Как и другие генеративные языковые модели, она может выдавать неточные ответы; возможности вызова инструментов зависят от поддерживающего их приложения.

Модель artificialguybr/LLAMA3.2-1B-Synthia-I-Redmond — дообученная версия NousResearch/Llama-3.2-1B, созданная автором artificialguybr на наборе инструкций Synthia-v1.5-I из 20,7 тыс. примеров. Это плотная авторегрессионная языковая модель семейства Llama с архитектурой LlamaForCausalLM, примерно 1,2 млрд параметров и контекстом до 131 072 токенов. Модель предназначена для выполнения инструкций и разговорных приложений, а также для исследований и разработки в области NLP. Базовая Llama 3.2 — мультиязычная модель Meta; в карточке перечислены английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский. Дообучение ориентировано на следование инструкциям. Модель распространяется в форматах PyTorch и Safetensors по лицензии Llama 3.2. Карточка не приводит сравнительных оценок качества или отдельных ограничений; результаты могут зависеть от формулировки запроса и сценария применения.

KAI — модель для диалогов на основе архитектуры Llama 3.2, разработанная KILM AI Lab. Она дообучена на meta-llama/Llama-3.2-3B-Instruct и предназначена прежде всего для понимания и генерации текста на вьетнамском языке: ответов на вопросы, чтения с пониманием, извлечения информации и суммаризации. Модель содержит 3,2 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; для работы указана библиотека Transformers. Нативное окно контекста — 131 072 токена. В README приведены результаты оценки на вьетнамских наборах VMLU, ViSquad, ViDrop и ViDialog. Модель может галлюцинировать при работе с культурно-специфичными сведениями и хуже справляться со специализированными техническими областями. Лицензия указана как other, поэтому условия использования следует сверить с карточкой модели и лицензией базовой модели.

Llama-4-Scout-17B-16E-Instruct-4bit — мультимодальная инструктивная модель сообщества mlx-community, преобразованная из meta-llama/Llama-4-Scout-17B-16E-Instruct в формат MLX с помощью mlx-vlm 0.1.21. Основа — Llama 4 Scout от Meta; архитектура Llama 4 предназначена для диалога и понимания изображений, а карточка указывает интерфейсы чата и вызова инструментов. Модель подходит для диалоговых запросов и вопросов по изображениям на арабском, немецком, английском, испанском, французском, хинди, индонезийском, итальянском, португальском, тайском, тагальском и вьетнамском языках. Суффикс 4bit указывает на 4-битное представление; README описывает конверсию для MLX и использование через mlx-vlm. В репозитории указана лицензия other; условия следует сверять с карточкой исходной модели Meta. Ограничения качества и конкретные параметры контекста в предоставленных материалах не описаны.

M7Yamshadowexperiment28_T3qm7xPercival_01 — объединённая модель семейства Mistral, созданная путём слияния моделей automerger/M7Yamshadowexperiment28-7B и automerger/T3qm7xPercival_01-7B. Она содержит 7,1 млрд параметров и предназначена для генерации текста, в том числе диалогов. Модель принимает текст и выдаёт текст; максимальная длина контекста составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специальную предметную область или дополнительные возможности. Данные об обучении и сравнительных оценках качества не приведены.

bartowski/magnum-v4-27b-GGUF — это набор GGUF-квантизаций языковой модели magnum-v4-27b, разработанной anthracite-org. Модель предназначена для генерации текста и диалоговых сценариев, включая использование в локальных приложениях через llama.cpp и LM Studio. Указанный язык — английский, модальность — текстовая. Модель содержит около 27 миллиардов параметров и поставляется в вариантах от F16 до сильно сжатых Q2/IQ2-квантизаций. Для подготовки файлов использовались llama.cpp b3930 и imatrix-квантизация; некоторые варианты сохраняют эмбеддинги и выходные веса в формате Q8_0 для повышения качества. Более крупные квантизации обеспечивают качество, близкое к исходной модели, но требуют значительного объёма памяти, тогда как малые варианты экономичнее, однако могут заметно терять в качестве. В README не указаны архитектура исходной модели, размер контекста и результаты сравнительных тестов. Для работы следует использовать формат prompt с маркерами ролей system, user и assistant, приведённый в документации модели. Лицензия обозначена как gemma; дополнительные условия её применения в README не раскрыты.

Это набор GGUF-квантизаций модели Meta-Llama-3-8B-Instruct-abliterated-v3, опубликованный и подготовленный к квантизации пользователем bartowski. Исходная модель разработана failspy. Модель предназначена для генерации текста и диалоговых сценариев, включая работу через llama.cpp; в README указан специальный формат prompt на основе шаблона Meta Llama 3 с ролями system, user и assistant. Модель относится к семейству 8B и поставляется в форматах GGUF с различными вариантами квантизации: от Q8_0 до Q2_K и IQ2/IQ3/IQ4. Для квантизации использовался llama.cpp release b3024 и метод imatrix. Более крупные варианты, например Q8_0, обеспечивают максимально доступное качество, тогда как Q6_K, Q5_K_M, Q5_K_S и Q4_K_M обозначены как рекомендуемые; варианты с меньшим размером требуют меньше памяти, но заметно уступают по качеству. README не содержит сведений о поддерживаемых языках, размере контекста, точной архитектуре, результатах тестирования или мультимодальных возможностях, поэтому модель следует рассматривать как текстовую. Условия использования указаны как лицензия llama3. Конкретные требования к аппаратному обеспечению зависят от выбранного файла квантизации и его размера.

openbmb/MiniCPM-V-4-gguf — квантизированная мультимодальная модель OpenBMB для понимания изображений, нескольких изображений и видео. Она предназначена для визуальных диалогов, анализа содержимого изображений и видео, OCR и работы с мультимодальными запросами, включая локальное и встраиваемое использование на конечных устройствах, например смартфонах. Модель основана на MiniCPM-V 4.0, построенной на SigLIP2-400M и MiniCPM4-3B; общий размер составляет 4,1 млрд параметров. Поддерживаются визуальные входы в виде одиночных и нескольких изображений, а также видео; заявлена многоязычность. Модель ориентирована на эффективный запуск на устройствах и совместима с llama.cpp, Ollama, vLLM, SGLang, LLaMA-Factory и локальными веб-демонстрациями. В README приведён результат 69,0 на OpenCompass, а для iPhone 16 Pro Max указаны задержка до первого токена менее 2 секунд и скорость декодирования свыше 17 токенов в секунду. К сильным сторонам относятся сочетание визуальных возможностей и компактного размера, эффективность при локальном развертывании, а также поддержка многоизображенческого и видеопонимания. README не содержит сведений о размере контекстного окна, точном перечне языков, формате квантования или специфических ограничениях качества. Модель распространяется по лицензии Apache-2.0.