II.8Инженерия данных и аналитика

Это инструктивно дообученная модель VikramPal на базе mistralai/Mistral-7B-Instruct-v0.3 для преобразования запросов на естественном языке в SQL. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и принимает текст; базовая модель поддерживает контекст до 32 768 токенов. Для дообучения применялся LoRA-адаптер ранга 32 на 39 531 примере диалогов по text-to-SQL за две эпохи, после чего адаптер был объединён с базовой моделью. В этом репозитории веса представлены в формате safetensors с точностью bf16. В тестировании на 2 454 отложенных задачах показатель совпадения результатов выполнения SQL составил 78,16%; в разбивке по источникам он составил 77,02% для Gretel, 63,57% для Spider и 93,89% для WikiSQL. Оценка относится только к генерации SQL на этих наборах и не характеризует скорость генерации или качество на других задачах. Указанная в метаданных лицензия — other; конкретные условия следует сверить с карточкой модели.

NBAmine/mistral-nemo-text-to-sql — дообученная модель Mistral-Nemo для преобразования вопросов на естественном языке в SQL с учётом контекста схемы базы данных, заданной через DDL. Она выдаёт отдельный SQL-запрос и рассчитана на запросы с несколькими JOIN, вложенными подзапросами и операциями UNION и INTERSECT. Модель основана на Mistral Nemo и обучена с помощью QLoRA по двухэтапной схеме; адаптеры LoRA объединены с весами. Репозиторий содержит веса BF16 в формате safetensors. В метаданных указано 12,1 млрд параметров и контекст до 131 072 токенов; в README приводится длина контекста 2 048 токенов и оценка 69,5% точности выполнения и 61,2% Exact Match на валидационном наборе Spider. Модель предназначена для создания SQL по описанию задачи и схеме базы данных, например для интерфейсов запросов к реляционным данным на естественном языке. По README, она обучалась и оценивалась на Spider, а также обучалась на наборах GretelAI Synthetic Text-to-SQL и Spider с дополнительным контекстом. Основа модели в метаданных указана как mistralai/Mistral-Nemo-Instruct-2407, тогда как README называет mistralai/Mistral-Nemo-Base-2407. README оценивает требования для инференса в BF16/FP16 примерно в 24 ГБ VRAM; условия лицензирования в предоставленных данных не приведены.

PyLlama3 — языковая модель семейства Llama, созданная разработчиками PyBench путём дообучения Llama 3 на наборах PyInstruct, CodeActInstruct, CodeFeedback и корпусе Jupyter Notebook. Она предназначена для генерации кода и диалоговой работы с многошаговыми задачами программирования, включая анализ данных и отладку. Модель имеет плотную архитектуру LlamaForCausalLM, содержит около 7,5 млрд параметров и поддерживает контекст до 32 768 токенов. Карточка описывает сценарии анализа таблиц и текстов, работы с изображениями и аудио, сложных вычислений и разработки программ и сайтов; PyBench оценивает такие задачи с помощью тестов. Доступен формат PyTorch, лицензия в предоставленных данных не указана.

VikramPal публикует текстовую версию Qwen3.8-27B, дообученную для преобразования запросов на естественном языке в SQL. Модель основана на Qwen/Qwen3.8-27B: адаптер QLoRA ранга 32 обучен на 9 999 диалогах из наборов Spider, Gretel, WikiSQL и Create Context, а затем объединён с весами в формате bf16. В метаданных указаны плотная архитектура Qwen3.5 для текста, 22,3 млрд параметров и контекст 262 144 токена. Модель предназначена для генерации SQL по англоязычным инструкциям и схемам баз данных. В описанной проверке она получила 85,5% совпадений логической структуры на 400 отложенных примерах; оценка не измеряет выполнение запросов на реальной базе. Вывод начинается с маркера рассуждения перед SQL, поэтому при программном извлечении запроса следует ориентироваться на первое SELECT. Чекпойнт принимает только текст; зрительная часть базовой модели не дообучалась и не оценивалась. Для загрузки доступны обычные веса bf16 в safetensors без зависимости от PEFT. Лицензия — Apache-2.0.

tel1980/qwen-python-slm — компактная языковая модель для генерации кода в задачах инженерии данных, анализа данных и машинного обучения. Это дообучение Qwen/Qwen2.5-Coder-1.5B-Instruct методом SFT с QLoRA: модель семейства Qwen2 с архитектурой Qwen2ForCausalLM содержит 1,5 млрд параметров и оптимизирована для ответов на технические инструкции на португальском языке с генерацией кода на Python, SQL и PySpark. В карточке заявлены веса FP16 и квантизированный GGUF Q4_K_M; метаданные репозитория указывают формат safetensors. Контекст по метаданным составляет 32 768 токенов, тогда как README сообщает о 1 024 токенах для обучения. Модель предназначена для создания и редактирования скриптов ETL/ELT, запросов SQLite и PostgreSQL, кода PySpark, прототипов ИИ-агентов и конвейеров DataOps/MLOps. README приводит небольшие проверки синтаксиса и исполнения, но предупреждает, что оценка на примерах из обучающих наборов может быть оптимистичной. Модель может выдавать ошибочный или неисполняемый код; SQL не проверялся на реальной базе, а выполнение PySpark требует настроенной среды Spark. Для критичных производственных задач и работы с чувствительными данными требуется проверка человеком. Лицензия — Apache 2.0.

SQLCoder — языковая модель компании Defog для преобразования вопросов на естественном языке в SQL-запросы. Это дообученная версия StarCoder с архитектурой GPTBigCode и 15 млрд параметров; она принимает текст и генерирует текст SQL. Модель обучали на 10 537 подготовленных людьми вопросах, охватывающих десять схем баз данных, и оценивали на схемах, не встречавшихся при обучении. В тестах Defog сообщала о точности 64,6% на своём наборе оценки sql-eval. Модель предназначена для генерации запросов с группировкой, сортировкой, условиями, объединением таблиц и вычислением отношений. Максимальная длина контекста — 8192 токена. В README указана проверка на GPU A100 с весами bfloat16; 8-битный вариант описан как способ запуска на потребительских устройствах с памятью от 20 ГБ. Репозиторий помечен как устаревший: автор рекомендует более новую модель sqlcoder-7b-2. Лицензия в метаданных указана как other, конкретные условия в предоставленных данных не приведены.

TheBloke/sqlcoder2-GGUF — это квантованные модели в формате GGUF для Sqlcoder2, разработанной Defog.ai. Модель предназначена для генерации SQL-запросов по текстовому вопросу и описанию схемы базы данных, включая выборки, фильтрацию и объединение таблиц. В метаданных указаны архитектура StarCoder, англоязычная специализация и задача text generation. Репозиторий содержит варианты квантования от 2 до 8 бит для инференса на CPU и GPU. Формат GGUF поддерживается llama.cpp и рядом совместимых приложений и библиотек, что позволяет запускать модель локально. Размер модели и длина контекстного окна в README не указаны. Основное преимущество модели — специализация на преобразовании запросов на естественном языке в SQL с учетом переданной схемы базы данных. Ограничения включают зависимость качества результата от полноты и корректности описания схемы, а также отсутствие сведений о точности, поддерживаемых диалектах SQL и дополнительных языках. Лицензия указана как other; конкретные условия использования в README не приведены.

XiYanSQL-QwenCoder-14B-2502 — языковая модель семейства XiYanSQL-QwenCoder от XGenerationLab, предназначенная для преобразования вопросов на естественном языке в SQL. Это плотная авторегрессионная модель Qwen2 на 14 млрд параметров с контекстом 32 768 токенов, доступная в формате safetensors и рассчитанная на запуск через Transformers или vLLM. Модель принимает вопрос пользователя, схему базы данных и при необходимости справочную информацию, затем генерирует SQL-запрос. Она ориентирована на работу с SQLite, PostgreSQL и MySQL; авторы рекомендуют представлять схему в формате M-Schema, хотя поддерживается и DDL. Её можно применять для прямой генерации запросов и как основу для дальнейшей настройки моделей Text-to-SQL. Карточка приводит результаты оценки семейства на наборах BIRD и Spider, но не указывает отдельные результаты версии 14B в предоставленной таблице. В примере промпт составлен на китайском, а перечень поддерживаемых языков модели не заявлен. Модель распространяется по лицензии Apache-2.0.

XiYanSQL-QwenCoder-7B-2504 — языковая модель для преобразования вопросов на естественном языке в SQL, разработанная командой XiYanSQL. Это дообученная версия модели XiYanSQL-QwenCoder-7B-2502 с архитектурой Qwen2 и 7,1 млрд параметров; в обучении применялись fine-tuning и GRPO без цепочки рассуждений. Модель принимает вопрос, схему базы данных и при необходимости справочную информацию, а затем генерирует SQL-запрос. Модель предназначена для Text-to-SQL и заявлена как поддерживающая несколько диалектов, включая SQLite, PostgreSQL и MySQL. В карточке приведены оценки на BIRD, Spider и внутреннем наборе DW; авторы отмечают обобщение на разные диалекты и данные вне обучающего домена. Контекст составляет 32 768 токенов, доступны чатовый интерфейс и интерфейс вызова инструментов. Карточка показывает поддержку английского и китайского языков; шаблон запроса приведён на китайском. Модель распространяется в формате safetensors по лицензии Apache-2.0. Практическое качество зависит от точности схемы и подсказок: авторы рекомендуют формат M-Schema и предупреждают, что другие форматы могут снизить результат. Указанные диалекты не следует считать исчерпывающим перечнем; SQL, сгенерированный моделью, следует проверять перед выполнением.

Карточка модели brahim-23/eu-pii-anonimization-multilang на Hugging Face совпадает с карточкой bardsai/eu-pii-anonimization-multilang, поэтому описание составлено по ней. Многоязычная модель bards.ai для обнаружения и разметки персональных и чувствительных данных в тексте, предназначенная для последующего обезличивания. Она основана на XLM-RoBERTa-base и дообучена для классификации токенов с BIO-метками; охватывает 36 классов сущностей, включая идентификационные и контактные данные, финансовые и технические идентификаторы, сведения о здоровье, биометрические и генетические данные, а также специальные категории GDPR. Модель рассчитана на 24 официальных языка ЕС. Доступны веса Safetensors и ONNX, включая версию ONNX с INT8-квантизацией для CPU; размер модели — 305,2 млн параметров, контекст — до 514 токенов. Подходит для поиска данных перед сохранением документов, писем, обращений и переписок, очистки наборов данных и фильтрации текста в RAG-конвейерах и поисковых индексах. Лицензия — Apache-2.0. Точность зависит от языка, предметной области и качества входа; OCR-ошибки, смешение языков и неоднозначные упоминания могут ухудшать обнаружение. Для соответствия требованиям модель следует использовать как часть процесса проверки и обезличивания, а не как самостоятельную гарантию юридической достаточности.

Jellyfish-13B — языковая модель семейства Llama с 12,9 млрд параметров, разработанная исследователями из NEC Corporation и Osaka University. Модель дообучена на базе Open-Orca/OpenOrca-Platypus2-13B для предварительной обработки данных: обнаружения ошибок, заполнения пропусков, сопоставления схем и сопоставления сущностей. Также описаны сценарии аннотирования типов столбцов и извлечения значений атрибутов. Модель принимает текстовые инструкции и данные и генерирует текстовые ответы, предназначенные для использования в системах управления данными и аналитических конвейерах. Основной язык — английский; максимальный контекст составляет 4096 токенов. Авторы рекомендуют запускать её локально для контроля над данными и ускорять инференс с помощью vLLM. В README приведены сравнительные результаты на ряде наборов данных, но они не гарантируют аналогичного качества на других данных. Модель дообучена с использованием LoRA и предназначена для конкретных задач подготовки данных; авторы отмечают, что меньшие версии Jellyfish лучше обобщают на незнакомые задачи. Лицензия CC BY-NC-4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Jellyfish-7B — языковая модель на 7,1 млрд параметров, разработанная Хаочэнем Чжаном, Юянем Дуном, Чуанем Сяо и Масафуми Оямадой при поддержке NEC Corporation и Университета Осаки. Модель основана на Mistral-7B-Instruct-v0.2 и дообучена с помощью LoRA на подмножестве Jellyfish-Instruct. Это плотная авторегрессионная модель Mistral с контекстом до 32 768 токенов, предназначенная для диалоговой генерации текста на английском языке. Модель ориентирована на подготовку табличных данных: обнаружение ошибок, заполнение пропусков, сопоставление схем и сущностей, определение типов столбцов и извлечение значений атрибутов. В README приведены результаты сравнений на наборах данных для этих задач; заявленная доля побед над GPT-3.5-turbo в оценке GPT-4 составляет 56,36%. Лицензия CC BY-NC 4.0 допускает использование на некоммерческих условиях.

Это дообученная плотная языковая модель семейства Llama 3, созданная artificialguybr на базе NousResearch/Meta-Llama-3-8B. Модель содержит 7,5 млрд параметров, принимает текст и предназначена для генерации SQL-запросов по вопросу на естественном языке и контексту со схемой таблиц в формате CREATE TABLE. Она обучена на 78 577 примерах набора b-mc2/sql-create-context, объединяющего WikiSQL и Spider; в карточке указана потеря 0,0201 на оценочной выборке. Контекст модели — 8192 токена. Модель подходит для подготовки запросов к базе данных по известной схеме и поддержки анализа данных. Она опирается на точность переданной схемы, может хуже работать с незнакомыми диалектами, сложными соединениями и подзапросами, а также с неоднозначными вопросами и запросами, требующими внешних знаний. Форматы весов — PyTorch и Safetensors; лицензия в предоставленных данных не указана.

NSQL-6B — авторегрессионная языковая модель Numbers Station для преобразования запросов на естественном языке в SQL. Она основана на CodeGen-Multi 6B от Salesforce: модель дополнительно обучали на запросах SQL, а затем дообучили на парах «текст — SQL» из более чем 20 открытых источников. Модель предназначена для генерации SQL-запросов по описанию задачи и схеме таблиц, в частности для получения запросов SELECT. Для лучших результатов рекомендуется использовать формат промпта из карточки модели. Архитектура — плотная CodeGenForCausalLM; веса доступны в форматах PyTorch и Safetensors, контекст — до 2048 токенов. Лицензия — BSD 3-Clause. Модель оценивали на наборах Spider и GeoQuery, которые были исключены из обучающих данных. Карточка описывает целевые сценарии генерации SQL, но не заявляет гарантии корректности запросов для произвольных схем и баз данных.

pavankumarbalijepalli/phi2-sqlcoder — англоязычная модель Pavan Kumar Balijepalli для преобразования вопросов на естественном языке в SQL-запросы. Это дообученная на наборе b-mc2/sql-create-context плотная авторегрессионная модель семейства Phi-2 с 3,5 млрд параметров, основанная на microsoft/phi-2. Она принимает вопрос и схему базы данных в одном текстовом запросе и генерирует SQL для PostgreSQL. Модель предназначена для получения запросов к базе данных по описанию схемы и вопросу пользователя. В карточке сообщается, что на отложенной выборке она превзошла defog/sqlcoder-7b-2 по успешности выполнения и времени вывода при оценке GGUF-моделей на CPU с ограниченной памятью. Репозиторий содержит веса Safetensors и вариант GGUF F16; для использования описаны Transformers и llama.cpp. Контекст ограничен 2048 токенами, поэтому вопрос и схема должны уместиться в это окно, а сложные схемы могут требовать тщательной подготовки входа. В README не приведены подробности методики и метрики оценки, поэтому заявленное преимущество следует трактовать в рамках описанного holdback-теста. Лицензия модели — MIT.

Карточка модели Pq234/privacy-filter на Hugging Face совпадает с карточкой openai/privacy-filter, поэтому описание составлено по ней. OpenAI Privacy Filter — модель OpenAI для обнаружения и маскирования персональных данных в тексте. Она предназначена для высокопроизводительной очистки данных, в том числе в локальных и браузерных сценариях, и может дообучаться под особенности данных организации. Лицензия Apache 2.0 допускает коммерческое использование. Модель выполняет двунаправленную классификацию токенов и выделяет связные фрагменты в одном проходе. Архитектура — разреженный MoE-трансформер с 8 блоками, шириной скрытого представления 640 и 128 экспертами, из которых на токен выбираются 4. Модель возвращает BIOES-разметку для восьми категорий: номера счетов, частные адреса, электронные адреса, имена людей, телефоны, URL, даты и секреты. В метаданных указано 145,4 млн параметров и контекст 131 072 токена; README заявляет окно до 128 000 токенов. Доступны форматы Safetensors и ONNX. Модель подходит для предварительной фильтрации текстов перед хранением, передачей или дальнейшей обработкой. Пороговые режимы позволяют настраивать компромисс между точностью и полнотой обнаружения. Это вспомогательное средство минимизации данных, а не гарантия анонимизации или соответствия требованиям. Набор меток фиксирован, для изменения политики нужно дообучение; качество может снижаться на неанглийских текстах, нелатинских письменностях и данных вне обучающего распределения. В чувствительных областях возможны как пропуски, так и избыточное маскирование.

Pulpie Orange Base — encoder-модель, разработанная командой Pulpie для извлечения основного содержимого из HTML-страниц. Она классифицирует HTML-блоки как основной контент или служебные элементы, такие как навигация, реклама, боковые панели и футеры, за один проход; результат можно восстановить в HTML или преобразовать в Markdown через пакет pulpie. Модель содержит около 610 млн параметров и использует EuroBERT-610m с головой token classification. Контекст составляет до 8192 токенов; примерно 80% страниц в описанном конвейере помещаются в один фрагмент. В README приведён результат 0,863 ROUGE-5 F1 на английской части WebMainBench. Модель предназначена для очистки веб-страниц перед индексированием, поиском и построением RAG-систем. Распространяется по лицензии Apache-2.0.

Pulpie Orange Small — модель компании Feyn, предназначенная для извлечения основного содержимого веб-страниц из HTML. Она классифицирует блоки страницы как основной контент или вспомогательные элементы, например навигацию, рекламу, боковые панели и нижние колонтитулы, за один проход энкодера. Модель содержит 211,7 млн параметров, построена на EuroBERT-210m и использует архитектуру EuroBertForTokenClassification; контекст составляет до 8192 токенов. Она предназначена для конвейеров очистки HTML, веб-скрейпинга и подготовки данных для поиска и RAG; результат можно восстановить как HTML или Markdown с помощью пакета pulpie. В README сообщается о показателе ROUGE-5 F1 0,862 на английской части WebMainBench и скорости в 20 раз выше, чем у Dripper на GPU L4. Модель компактнее старших моделей семейства при близком качестве, но карточка приводит результаты только для английской части набора. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства и ограничивает коммерческое применение.

Schematron-8B — специализированная языковая модель компании Inference.net для извлечения структурированных данных из HTML. Она принимает HTML-страницу и JSON Schema, а в ответ формирует JSON, соответствующий заданной схеме; модель построена на архитектуре Llama и дообучена на базе meta-llama/Llama-3.1-8B-Instruct. По метаданным, модель содержит 7,5 млрд параметров, использует библиотеку Transformers и формат safetensors. Модель предназначена для веб-скрейпинга, загрузки данных и преобразования содержимого страниц в структурированные записи. Контекст составляет до 131 072 токенов. Карточка заявляет качество извлечения, близкое к GPT-4.1 на описанной оценке, и рекомендует температуру 0 и JSON-режим для более стабильного вывода. Модель работает со статическим HTML: динамически загружаемый контент нужно предварительно отобразить, а очень большие страницы могут потребовать усечения. Результаты неоднозначных полей зависят от ясности схемы; вывод рекомендуется проверять по схеме. Лицензия в предоставленных данных не указана.

SLIM-NER — специализированная языковая модель из серии SLIM компании LLMWare. Это плотная авторегрессионная модель семейства Llama с 1 млрд параметров, дообученная для извлечения именованных сущностей через вызовы функций. На вход подаются текст и список требуемых категорий, а на выходе модель формирует структурированный словарь, например со списками людей, организаций и мест.

sqrl-35b-a3b — специализированная модель text-to-SQL от feyninc, дообученная на базе Qwen/Qwen3.6-35B-A3B методом CISPO RL. Это MoE-модель на 35 млрд параметров с примерно 3 млрд активных параметров; полный слитый чекпойнт включает LoRA-дообучение. Модель отвечает на вопросы на естественном языке по схемам баз данных SQLite и может перед финальным ответом выполнять read-only исследовательские запросы, чтобы проверить значения, связи таблиц и фильтры. Модель рассчитана на работу с заданным в карточке протоколом диалога и может сразу выдать SQL либо сначала запросить результаты исследования базы. Визуальная часть унаследована от базовой модели без изменений, но обучение для SQL было только текстовым. Лицензия — Apache-2.0. Модель не настроена на другие диалекты SQL; соглашения об экранировании идентификаторов ориентированы на SQLite. Сгенерированные запросы следует проверять и выполнять в режиме только для чтения.

SS-350M-SQL-Strict — компактная языковая модель Саада Салмана для преобразования запросов на естественном языке в SQL. Она основана на LiquidAI/LFM2.5-350M и дообучена методом QLoRA на синтетических примерах text-to-SQL. Модель использует архитектуру LFM 2.5; в карточке указаны 350 млн параметров, а в метаданных — 444,6 млн. Метаданные указывают контекст до 128 000 токенов и формат safetensors; README также описывает 4-битную квантизацию bitsandbytes и оптимизации Unsloth. Модель рассчитана на генерацию только SQL-кода по вопросу пользователя и предоставленной схеме базы данных, в том числе для запросов с соединениями, подзапросами и группировкой. Для строгого вывода README рекомендует передавать запрос в формате ChatML с описанием схемы. Указана лицензия Apache-2.0. Ограничения: лучше подходит для схем менее чем с 20 таблицами; по умолчанию ориентирована на стандартный SQL-диалект. Модель не объясняет сгенерированный запрос, а соблюдение формата ChatML важно для снижения риска постороннего текста.

Jebadiah/Tess-gradient-ruby-p1 — объединённая языковая модель, созданная автором репозитория с помощью mergekit методом DARE linear. В качестве основы использована Jebadiah/Tess-gradient-ruby, в слияние также включена defog/llama-3-sqlcoder-8b; архитектура — плотная Llama с классом LlamaForCausalLM, размер — 7,5 млрд параметров. Модель предназначена для генерации текста в диалоговом формате. Благодаря включению SQLCoder её можно использовать для генерации SQL-запросов по вопросам пользователя и описаниям таблиц, в том числе для баз PostgreSQL, Redshift и Snowflake. Контекст составляет 8192 токена; модель работает с текстом и выдаёт текст. Веса опубликованы в формате safetensors и имеют тип bfloat16. Лицензия в предоставленных сведениях не указана.

latam-gpt/Wayra-Perplexity-Estimator-55M — модель WayraPPL, разработанная проектом latam-gpt для быстрой оценки perplexity текстов. Она предназначена для высокопроизводительной проверки качества данных, очистки больших датасетов, выявления потенциально загрязнённых данных, семантической фильтрации, ранжирования примеров для curriculum learning и автоматизированных MLOps-процессов. Модель поддерживает испанский, португальский и английский языки. Модель содержит 55 млн параметров и использует GPT2-based Transformer blocks с perplexity heads; её базой указана дистилляция из meta-llama/Llama-3.2-1B. Максимальная длина последовательности составляет 512 токенов. Основная версия представляет собой оптимизированный под NVIDIA A100 TensorRT engine с FP16, поддерживает batch size до 2048, использует около 2 ГБ памяти и заявляет пропускную способность свыше 50 000 образцов в секунду при задержке менее 1 мс. Также доступна стандартная версия на PyTorch с FP32. Сильные стороны модели — высокая скорость инференса, малый объём памяти и пригодность для массовой обработки текстов в производственных конвейерах. Ограничения включают зависимость TensorRT-версии от NVIDIA A100, CUDA 12.8 или новее, TensorRT 10.13.x и совместимого драйвера, а также ограничение длины входа 512 токенами. Модель распространяется по лицензии Apache-2.0.

XiYanSQL-QwenCoder-7B-2502 — модель семейства XiYanSQL-QwenCoder от команды XiYanSQL, предназначенная для преобразования вопросов на естественном языке в SQL. Это плотная авторегрессионная модель Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов; веса опубликованы в формате safetensors. Модель принимает вопрос, схему базы данных и при необходимости справочную информацию, а затем генерирует SQL-запрос. Модель рассчитана на работу с диалектами SQLite, PostgreSQL и MySQL. Для описания схемы разработчики рекомендуют формат M-Schema, хотя можно использовать и DDL. Её применяют для запросов к базам данных на естественном языке, а также как основу для дальнейшей настройки специализированных SQL-моделей. В README приведены результаты оценки семейства на бенчмарках BIRD и Spider; указанный рекорд относится к версии 32B, а не к этой модели 7B. Для работы README указывает transformers версии 4.37.0 или новее и приводит примеры запуска через Transformers и vLLM. Модель выпущена под лицензией Apache-2.0. Карточка описывает генерацию SQL, но не приводит отдельной оценки точности именно версии 7B; качество запросов может зависеть от формата схемы и соответствия используемого диалекта поддерживаемым.

ALIO-SQL-7B — дообученная Alio Leuchtmann модель Qwen2.5-Coder-7B-Instruct для преобразования вопросов на естественном языке в SQL-запросы. Она обучена на объединении наборов BIRD и Spider; обучающие ответы получены дистилляцией от Qwen2.5-Coder-32B и отфильтрованы по корректности. Модель предназначена для работы со схемой таблиц и дополнительными сведениями, чтобы составлять запросы к базам данных. Модель использует плотную архитектуру Qwen2 и содержит 7,1 млрд параметров. Она принимает текст и генерирует текст; указанное окно контекста — 32 768 токенов. В карточке приведены результаты на BIRD: 57,52% точного совпадения на тестовой выборке и заявлено повышение результата на dev-наборе с 51,1% до 60%. Обучение ограничено английским языком и диалектом SQLite; для лучших результатов автор рекомендует генерацию без сэмплирования. Лицензия — Apache-2.0.

Chat2DB-SQL-7B — языковая модель проекта Chat2DB для преобразования запросов на естественном языке в SQL. Она основана на CodeLlama и дообучена для генерации SQL; архитектура — плотная Llama, размер — около 6,6 млрд параметров. Модель работает с контекстом до 16 384 токенов и поддерживает несколько диалектов, включая MySQL, PostgreSQL и SQLite. Модель подходит для подготовки SQL по текстовому описанию запроса, в том числе с использованием функций и типовых конструкций SQL. В README приведены результаты оценки на Spider для обобщённого SQL, однако гарантии точности для производственного применения нет. Лучше всего модель настроена на MySQL, PostgreSQL и обобщённый SQL; в других диалектах возможны ошибки, особенно в специфичных функциях дат и строк. Лицензия — Apache-2.0.

GLiNER-relex-large-v0.5 — модель семейства GLiNER для совместного распознавания именованных сущностей и извлечения отношений из текста. Она использует единую энкодерную архитектуру: определяет фрагменты сущностей, формирует пары кандидатов с помощью графовых свёрточных сетей и классифицирует отношения между ними. Модель поддерживает zero-shot извлечение: при обработке можно задавать собственные типы сущностей и отношений без дообучения, в том числе сопровождать метки текстовыми описаниями. Сущности и отношения извлекаются за один проход; при необходимости доступно извлечение только сущностей. Это подходит для построения графов знаний, анализа документов и разметки текстовых корпусов. Для развертывания предусмотрен экспорт в ONNX. Модель опубликована Knowledgator в формате safetensors и распространяется по лицензии Apache-2.0. Результаты зависят от выбранных схемы меток и порогов извлечения; README рекомендует подбирать пороги под задачу.

GLiNER-relex-large-v1.0 — модель семейства GLiNER для совместного извлечения именованных сущностей и отношений из текста. Она построена на архитектуре GLiNER с единым энкодером: модель находит фрагменты сущностей, формирует возможные пары сущностей и классифицирует отношения между ними с помощью графовых свёрточных слоёв. Размер модели и языки в предоставленных данных не приведены. Модель рассчитана на zero-shot извлечение: при каждом запросе можно задавать собственные типы сущностей и отношений, в том числе текстовые описания меток, чтобы уточнить их смысл. Она выполняет обе задачи за один проход, поддерживает извлечение сущностей без отношений, пакетную обработку и экспорт в ONNX. Подходит для построения графов знаний, анализа документов, автоматической разметки корпусов и подготовки структурированных данных для систем вопросов и ответов. Для использования требуется библиотека GLiNER. Модель распространяется по лицензии Apache-2.0. README рекомендует настраивать пороги отдельно для сущностей, смежности и отношений; качество зависит от выбранных схем и порогов. Эксплуатационные ограничения и перечень поддерживаемых языков в предоставленных данных не описаны.

haLLAwa3 — объединённая языковая модель AbacusResearch на архитектуре Mistral с 7,1 млрд параметров. Она создана методом слияния mergekit моделей openchat/openchat-3.5-0106 и machinists/Mistral-7B-SQL; в конфигурации указаны метод slerp и точность bfloat16. Модель предназначена для генерации текста и диалоговых ответов, в том числе для задач, где нужны краткие прямые ответы, понимание документов и работа с SQL. Контекст модели составляет до 32 768 токенов. В README приведены результаты Open LLM Leaderboard: средний балл 71,34, включая 67,83 на AI2 Reasoning Challenge и 87,02 на HellaSwag; эти показатели относятся к указанным тестам и не гарантируют точность в конкретном применении. Лицензия — Apache-2.0.