II.8Инженерия данных и аналитика

Карточка модели Veritone/siglip2-base-patch32-256 на Hugging Face совпадает с карточкой google/siglip2-base-patch32-256, поэтому описание составлено по ней. SigLIP 2 Base — модель компьютерного зрения от Google, предназначенная для сопоставления изображений с текстовыми описаниями. Она использует архитектуру SigLIP и обучена на наборе WebLI. Вариант patch32-256 принимает изображения и текстовые метки-кандидаты для классификации без дообучения; модель также подходит для поиска изображений по тексту и как визуальный энкодер для мультимодальных моделей. Модель рассчитана на задачи семантического понимания изображений, локализации и получения плотных визуальных признаков. Для её использования доступны веса в формате safetensors и библиотека Transformers. Лицензия Apache-2.0 разрешает свободное использование и распространение при соблюдении её условий.

SlactusAIAstris — компактная языковая модель SakitsunaAI на архитектуре Qwen2, дообученная на unsloth/Qwen2.5-Coder-0.5B-Instruct. Она предназначена для генерации текста в диалоговом формате и унаследовала от базовой модели сценарии работы с кодом, включая его создание, объяснение и исправление. Модель содержит 494 млн параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель поставляется в формате Safetensors и распространяется по лицензии Apache-2.0. Карточка сообщает, что обучение выполнялось с использованием Unsloth; сведения о конкретных обучающих данных и результатах оценки качества не приведены.

Huangsssz/SmolLM3-3B-MOPD-Top64-DT-NoThinking-500 — исследовательский чекпойнт языковой модели, созданный на базе BytedTsinghua-SIA/Open-MOPD-SmolLM3-3B-MixSFT. Модель SmolLM3 с плотной архитектурой содержит 3,1 млрд параметров, принимает текстовые запросы и генерирует текст. Родной контекст — 65 536 токенов; экспортирована в BF16 в формате Hugging Face Transformers, с токенизатором и исходным шаблоном чата. Чекпойнт прошёл 500 обновлений оптимизатора с дистилляцией Top64-пересечения токенов от учителей по математике, программированию и следованию инструкциям. Обучение и оценка выполнялись с отключённым режимом thinking. README приводит результаты на math500, LiveCodeBench и IFBench как измерения по фиксированному протоколу; это снимок оценки, а не гарантия качества. Для генерации в режиме без рассуждений нужно явно передать enable_thinking=False. Лицензия — Apache-2.0, унаследованная от базовой модели.

LeroyDyer дообучил модель LeroyDyer/SpydazWeb_AI_CyberTron_Ultra_7b на базе LeroyDyer/Mixtral_AI_CyberTron_Ultra. Это языковая модель с архитектурой MistralForCausalLM и 7,1 млрд параметров, предназначенная для генерации текста в диалогах и выполнения инструкций. В карточке отмечены возможности работы с кодом, математикой, финансовыми темами, ролевыми сценариями и несколькими языками, однако заявленные тематические навыки не подкреплены подробными оценками. Модель использует контекст до 32 768 токенов и распространяется в формате safetensors через Transformers. Автор сообщает об обучении с Unsloth и библиотекой TRL; приведены результаты оценок IFEval и BBH. Лицензия — Apache-2.0. В карточке есть неоднозначность: README описывает базовую Mistral-7B-Instruct-v0.2, тогда как метаданные и строка о дообучении указывают на Mixtral_AI_CyberTron_Ultra. Для базовой модели в каталоге использована связь из метаданных Hugging Face.

qantev/trocr-small-spanish — небольшая модель распознавания текста на изображениях, разработанная Qantev на основе архитектуры TrOCR. Она дообучена на синтетическом испаноязычном наборе данных, созданном из текстов Википедии, и предназначена для чтения печатного текста. Архитектура vision encoder-decoder использует Transformer для обработки изображения и авторегрессионной генерации текстовых токенов. Модель подходит для OCR в испанских документах и изображениях с печатным текстом. Для работы с документом её нужно сочетать с моделью обнаружения текстовых областей. В карточке приведены результаты на XFUND на испанском языке, однако авторы отмечают, что разметка этого набора содержит ошибки. Модель не обучалась на рукописном тексте и может ошибаться при распознавании двух строк или вертикального текста. Репозиторий содержит веса PyTorch; лицензия — MIT.

newmindai/TurkEmbed4STS — модель Sentence Transformers, разработанная newmindai путём дообучения Alibaba-NLP/gte-multilingual-base на турецком наборе all-nli-tr. Она кодирует предложения и абзацы в плотные векторы размерностью 768 для сравнения смысловой близости по косинусному сходству; также подходит для семантического поиска, поиска перефразировок, кластеризации и классификации текста. В README указана максимальная длина последовательности 512 токенов, а метаданные каталога сообщают о контексте базовой архитектуры до 8192 токенов. Модель ориентирована на турецкий язык. Для обучения использованы функции потерь MatryoshkaLoss, MultipleNegativesRankingLoss и CoSENTLoss; приведены результаты оценивания на наборах для сходства предложений и триплетах. Веса опубликованы в формате safetensors и используются библиотекой sentence-transformers. Лицензия в предоставленных данных не указана.

ViT-B-16-SigLIP-256 — контрастивная модель сопоставления изображений и текста семейства SigLIP, обученная на наборе WebLI. Разработчик исходных весов в карточке не назван; репозиторий timm содержит конвертированные из исходных контрольных точек JAX веса в формате PyTorch. Модель доступна для работы через OpenCLIP с изображениями и текстом, а через timm — для получения эмбеддингов изображений. Модель предназначена для классификации изображений без предварительного обучения на конкретных классах: пользователь передаёт изображение и текстовые описания классов, а модель оценивает их соответствие. Это подходит для поиска объектов по описаниям и тематической сортировки изображений. В метаданных указаны библиотека open_clip, форматы PyTorch и safetensors и лицензия Apache-2.0. Размер, длина контекста и список поддерживаемых языков в доступных данных не приведены.

HAMMALE разработала компактный классификатор изображений документов на базе ViT-Tiny в рамках исследовательской стажировки в Laboratory of Complex Systems, Ecole Centrale Casablanca. Модель обучена методом дистилляции знаний от microsoft/dit-large-finetuned-rvlcdip на наборе RVL-CDIP и предназначена для отнесения изображений документов к 16 категориям, включая письма, формы, счета, резюме, научные публикации и презентации. В карточке указана точность 0,9210. В метаданных размер модели составляет 7,1 млн параметров; README приводит оценку около 5,5 млн и сообщает, что модель примерно в 55 раз меньше учителя. Модель работает с изображениями и выдаёт классы документов. Лицензия — Apache-2.0.

ctl/wav2vec2-large-xlsr-cantonese — модель распознавания речи, дообученная на базе facebook/wav2vec2-large-xlsr-53 на кантонском языке с использованием корпуса Common Voice. Она принимает аудио с частотой дискретизации 16 кГц и преобразует речь в текст; указана архитектура Wav2Vec2ForCTC с 406,3 млн параметров. Для оценки использовалась тестовая часть Common Voice для китайского (Гонконг); в карточке приведён результат 15,51%, но не уточнена метрика. Модель распространяется по лицензии Apache-2.0.

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

jonatasgrosman/wav2vec2-xls-r-1b-english — модель распознавания английской речи, дообученная автором карточки с помощью HuggingSound на базе facebook/wav2vec2-xls-r-1b. Она преобразует аудиозапись в текст и подходит для транскрибирования речи, в том числе записей из наборов Common Voice, Multilingual LibriSpeech, TED-LIUMv3 и VoxPopuli. Архитектура — Wav2Vec2ForCTC семейства wav2vec2; число параметров — 1,3 млрд. Для входного аудио требуется частота дискретизации 16 кГц. Модель принимает аудио и выдаёт текст, поддерживаемый язык — английский. Распространяется в формате PyTorch по лицензии Apache-2.0.

wissamantoun/WebOrganizer-FormatClassifier-ModernBERT — дообученная модель ModernBERT-base, разработанная для классификации веб-страниц. Она относит страницу к одной из 17 категорий, используя URL и текст её содержимого. Модель обучалась на корпусах WebOrganizer/TopicAnnotations-Llama-3.1-8B и WebOrganizer/TopicAnnotations-Llama-3.1-405B-FP8, размеченных моделями Llama. Модель основана на encoder-only архитектуре ModernBERT и содержит около 149 млн параметров. По метаданным она поддерживает контекст до 8192 токенов и предназначена для текстовой классификации. README описывает подачу URL и текстового содержимого страницы; лицензия в предоставленных данных не приводится.

WeMM-Embedding-2B — универсальная мультимодальная embedding-модель, разработанная Tencent и построенная на Qwen3.5. Указанный репозиторий содержит её квантованную версию в формате GGUF. Модель предназначена для преобразования данных в векторные представления и поддерживает текст, изображения, видео, визуальные документы, а также интерливинг мультимодальных входов. Аудио не поддерживается. Модель имеет размер 2B параметров и возвращает L2-нормализованный embedding размерностью 2048. Она подходит для семантического поиска, сопоставления запросов и документов, мультимодального поиска, кластеризации и задач retrieval. Поддерживаются китайский и английский языки. Реализована поддержка Matryoshka Embeddings: вектор можно усекать до размерностей, заданных в конфигурации, включая 256; для этой размерности заявлено сохранение 98,7% исходной производительности на задачах с изображениями и видео. В бенчмарке MMEB-v2 модель показала средний результат 77,9, включая 79,6 на задачах с изображениями, 70,8 с видео и 80,7 с визуальными документами. Ограничения включают отсутствие поддержки аудио и необходимость специализированной обработки мультимодальных входов; заявленный контекст модели в README не указан. Лицензия обозначена как Apache-2.0.

RedHatAI/whisper-large-v3-FP8-dynamic — это квантизированная версия модели openai/whisper-large-v3, разработанная Neural Magic. Модель преобразует аудио в текст и предназначена для автоматической транскрипции речи, включая пакетную обработку и высокопроизводительное серверное развертывание. Модель использует архитектуру whisper-large-v3 с аудиотекстовым входом и текстовым выходом. Веса и активации квантизированы в FP8 с динамическим масштабированием; квантизация выполнена для линейных слоёв, а выходной lm_head исключён. Модель подготовлена для инференса через vLLM версии 0.5.2 и выше, включая OpenAI-совместимый режим сервинга. В примере развертывания используются до 400 последовательностей и максимальная длина модели 448 токенов. По данным оценки на LibriSpeech и Fleurs, FP8-версия сохраняет качество исходной BF16-модели: WER составляет 2,097 на LibriSpeech test-clean и 3,9617 на test-other; на отдельных наборах Fleurs проверялась транскрипция китайского, английского и кантонского аудио в английский текст. Ограничения включают зависимость от совместимого стека vLLM и отсутствие в README подробностей о полном наборе поддерживаемых языков, требованиях к оборудованию и качестве на других типах аудио. Лицензия — Apache 2.0.

Whisper-Medium-MLA — мультиязычная модель распознавания речи, созданная на основе OpenAI Whisper Medium. Разработчик преобразовал декодерное self-attention из MHA в MLA и дообучил модель для восстановления качества на 11 языках корпуса Whispered. В модели 455,8 млн параметров; она принимает аудио и выдаёт текст. По данным карточки, преобразование сокращает KV-кэш декодера на 62,5%, особенно полезно при длинной генерации и одновременной обработке нескольких потоков. Модель предназначена для транскрибации речи, в том числе записей с потребительских микрофонов и речи с фоновым шумом. В README приведены оценки на CommonVoice-17 и FLEURS для английского, немецкого, испанского, французского, русского, турецкого, валлийского, арабского, грузинского, тайского и китайского языков. Качество зависит от языка: для грузинского автор отмечает очень высокий WER и ограничение ёмкости модели. Для загрузки требуются transformers версии 4.46.x и trust_remote_code=True из-за пользовательских модулей MLA; модель не поддерживается whisper.cpp, faster-whisper и CTranslate2. Сжатие касается KV-кэша декодерного self-attention, а не памяти энкодера и cross-attention, поэтому выигрыш в общей памяти при одном потоке может быть небольшим. Лицензия — Apache-2.0.

sentence-transformers/xlm-r-100langs-bert-base-nli-mean-tokens — модель Sentence-Transformers, обученная командой sentence-transformers. Она преобразует предложения и абзацы в плотные векторы размерности 768 на основе XLM-RoBERTa и предназначена для поиска по смыслу и кластеризации текстов. Модель содержит 305,2 млн параметров, принимает текст с контекстом до 514 токенов и выдаёт эмбеддинги; поддерживает 100 языков. Модель распространяется по лицензии Apache-2.0. В карточке она помечена как устаревшая: авторы предупреждают о низком качестве эмбеддингов и рекомендуют использовать более новые модели Sentence-Transformers.

DeepCoder-14B-Preview-GGUF — это набор GGUF-квантизаций языковой модели DeepCoder-14B-Preview, разработанной agentica-org и подготовленной quantized_by bartowski с использованием llama.cpp. Модель предназначена для генерации текста и, прежде всего, для задач программирования, включая решение проверяемых задач, генерацию кода и сценарии локального запуска через LM Studio, llama.cpp и совместимые проекты. В состав входят варианты от bf16 до Q3 и IQ3/IQ4-квантизаций размером примерно от 6,9 до 29,6 ГБ. Доступен ряд уровней качества и требований к памяти: версии Q6_K_L и Q6_K заявлены как близкие к исходному качеству, Q4_K_M — как вариант по умолчанию для большинства сценариев, а младшие квантизации подходят для систем с ограниченным объёмом RAM, но снижают качество. Указан английский язык; архитектура и размер контекста в README не раскрыты. Рекомендуемый формат промпта приведён в документации модели. Модель удобна для локального инференса благодаря формату GGUF и большому выбору квантизаций, однако качество и требования к ресурсам зависят от выбранного файла. README не содержит подробностей о сильных и слабых сторонах исходной модели, результатах оценки, поддерживаемых модальностях или ограничениях применения. Распространение указано по лицензии MIT.

BERT base cased — базовая предобученная модель Google для английского языка на архитектуре Transformer с двунаправленными представлениями. Она обучалась предсказывать замаскированные токены и определять связь между парами предложений на корпусах BookCorpus и английской Википедии. Модель содержит 135,5 млн параметров, использует регистрозависимую токенизацию WordPiece со словарём из 30 000 токенов и поддерживает контекст до 512 токенов. Модель предназначена прежде всего для дообучения под задачи понимания текста, например классификации последовательностей и токенов, ответов на вопросы и извлечения признаков. В исходном виде её можно применять для восстановления замаскированных слов; это не авторегрессионная модель для генерации связного текста. Предоставляются варианты весов для PyTorch, TensorFlow, JAX и Flax. Модель лицензирована по Apache-2.0. Предсказания могут отражать смещения обучающих данных, поэтому результаты требуют проверки в целевом сценарии.

AXCXEPT разработала эту инструкционную чат-модель на базе Phi-3.5-mini-Instruct, применив несколько методов настройки. В карточке отмечено улучшение генерации кода и извлечения информации, а также особое внимание к японскому языку. Архитектура — плотная Phi-3, размер — 3,7 млрд параметров, формат весов — safetensors; модель принимает и генерирует текст, контекст — до 4096 токенов. Модель подходит для диалоговых ответов, помощи с кодом и извлечения сведений из текста. В карточке приведены примеры запуска через Transformers и рекомендации по использованию FlashAttention 2. Заявлена лицензия MIT; для коммерческого применения разработчик настоятельно рекомендует связаться с ним. README также характеризует модель как экспериментальную и предназначенную для исследований и разработок, без гарантий качества и пригодности для критически важных систем.

Canopy-258M-R3 v3 — компактная языковая модель семейства Canopy от psikosen, предназначенная для браузерной автоматизации и работы на устройствах с ограниченными ресурсами. Авторская карточка описывает её как рекуррентную Mixture-of-Experts-модель для выполнения действий в браузере, включая заполнение форм, обработку динамических полей и извлечение структурированных данных со страниц. В примерах показаны генерация кода и управление браузером через отдельный инструментальный пакет. В метаданных указаны 136,8 млн параметров, архитектура CanopyForCausalLM, поддержка чата и кода, формат safetensors и библиотека Transformers. README заявляет об ускорении браузерных сценариев, но не приводит независимых результатов оценки. Модель работает с текстовыми запросами и генерирует текст; её карточка указывает английский язык. Лицензия Apache 2.0.

CapRL-3B — мультимодальная модель для описания изображений, разработанная авторами проекта CapRL. Она основана на архитектуре Qwen2.5-VL-3B и дообучена по двухэтапной методике CapRL с применением обучения с подкреплением на основе проверяемых наград и набора из 75 тысяч отобранных пар вопросов и ответов. Модель содержит 3,1 млрд параметров, принимает изображения и текстовые запросы и генерирует текст; заявленная длина контекста — 128 000 токенов. Модель предназначена для создания подробных описаний естественных изображений, графиков, инфографики и документов. Разработчики отмечают структурированные ответы, широкий охват визуальных деталей и сравнительно небольшое число галлюцинаций; заявленные результаты восприятия сопоставимы с Qwen2.5-VL-72B. Для запуска приведён сценарий использования с Transformers и совместимым API vLLM. Лицензия — Apache-2.0.

CodeT5+ 770M — разработанная Salesforce модель для понимания и генерации кода. Она использует архитектуру encoder-decoder семейства T5 и предназначена для задач преобразования текста и кода, включая генерацию кода по описанию, дополнение кода, поиск соответствий между текстом и кодом и генерацию с использованием найденных фрагментов. Модель загружается через T5ForConditionalGeneration; предобучение включало span denoising, causal language modeling, contrastive learning и сопоставление текста с кодом. Чекпойнт обучен на очищенной выборке GitHub-кода с разрешительными лицензиями и поддерживает C, C++, C#, Go, Java, JavaScript, PHP, Python и Ruby. Метаданные указывают 385,2 млн параметров и контекст длиной 512 токенов. Лицензия репозитория — BSD-3-Clause. Модель оценивалась на задачах понимания и генерации кода, однако приведённые в карточке отдельные результаты для HumanEval относятся к InstructCodeT5+ 16B, а не к этому чекпойнту. Авторы позиционируют выпуск для исследований и рекомендуют проверять точность и безопасность перед применением; ошибки возможны, особенно в сценариях с высокими последствиями.

Decision-2.0-Nox-4B — модель принятия решений семейства Decision 2.0, разработанная командой vLLM Semantic Router и дообученная на базе Qwen/Qwen3.5-4B-Base. Она принимает текст или JSON вместе с вопросами и одновременно выбирает один из вариантов, отвечает «да» или «нет» либо выставляет оценку. Для каждого ответа модель возвращает вероятность; вместо генерации обычного текста она выполняет классификацию за один проход. Модель содержит 4,21 млрд параметров и поддерживает контекст до 16 384 токенов. Модель подходит для маршрутизации запросов, выбора действий или вариантов, проверки условий и оценивания входных данных. В карточке сообщается о результатах на JevArena и сравнении с моделями того же размера, а также о медианной задержке 12,9 мс на один вопрос при работе на одном GPU; эти показатели зависят от условий оценки и оборудования. Репозиторий распространяется в формате Safetensors по лицензии Apache-2.0.

deepseek-coder-1.3B-kexer-GGUF — GGUF-квантизированная версия модели deepseek-coder-1.3B-kexer, разработанной JetBrains и основанной на deepseek-ai/deepseek-coder-1.3b-base. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации программного кода и задач, связанных с программированием. В README приведён результат на MultiPL-HumanEval (Kotlin): pass@1 составляет 36,65. Доступны варианты квантизации от Q8_0 до IQ1_M, что позволяет выбирать между качеством, размером файла и требованиями к оперативной памяти; рекомендуемыми названы, в частности, Q6_K, Q5_K_M, Q5_K_S, Q4_K_M и Q4_K_S. Ключевые характеристики — размер базовой модели 1,3 млрд параметров и формат GGUF для использования с llama.cpp. Указаний о поддерживаемых языках, длине контекста, архитектуре, мультимодальности и точном составе обучающих данных в карточке нет. Ограничением является отсутствие указанного chat template: в README отмечено, что используемый формат приглашения может быть некорректным, поэтому следует сверяться с оригинальной карточкой модели. Модель распространяется по лицензии Apache-2.0.

DeepSeek-OCR-2-6bit — мультимодальная vision-language модель для анализа изображений и генерации текста, ориентированная прежде всего на задачи OCR и понимания визуального содержимого. Модель преобразована сообществом mlx-community в формат MLX из prince-canuma/DeepSeek-OCR-2 с использованием mlx-vlm версии 0.3.10. Модель предназначена для распознавания и описания содержимого изображений, включая сценарии обработки документов и извлечения текста. Она поддерживает мультиязычный режим, принимает изображения и формирует текстовые ответы; в README приведён пример запроса на описание изображения через mlx-vlm. Точные сведения об архитектуре, количестве параметров, размере контекста и перечне языков не указаны. Ключевая особенность этой версии — 6-битное квантование и совместимость с MLX, что может снизить требования к памяти при локальном запуске на поддерживаемом оборудовании. Ограничениями являются отсутствие в карточке подробных данных о качестве распознавания, поддерживаемых форматах и аппаратных требованиях, а также возможная необходимость custom code. Модель распространяется по лицензии Apache-2.0.

DSE-Phi3-Vidore-ft — биэнкодер для поиска по документам, разработанный на базе Phi-3.5-Vision и обученный авторами с использованием Tevatron. Он преобразует скриншоты документов в плотные векторные представления, сохраняя текст, изображения и структуру страниц, а также умеет кодировать текстовые запросы и текст документов для поиска по содержимому. Модель дообучена на части Docmatix-ir и затем на обучающем наборе ViDoRe; перед этим она прошла этап обучения на текстовом поиске и поиске по веб-страницам. Модель предназначена для семантического поиска и ответов на вопросы по PDF и другим визуально представленным документам: запрос и документ кодируются отдельно, после чего их векторы сравниваются по сходству. Архитектура — плотная Phi3VForCausalLM с 3,7 млрд параметров и контекстом 4096 токенов; библиотека — Tevatron. README приводит для модели DSE-Phi3-Vidore-V2 результат 82,9 nDCG@5 на таблице ViDoRE, но это число не следует приписывать данному чекпойнту. Модель распространяется по лицензии MIT. Ограничения: карточка не приводит отдельной оценки качества именно этого чекпойнта; для использования как поискового энкодера нужны подходящие процессор, схема кодирования и ранжирование по сходству векторов.

Systran публикует конверсию модели распознавания речи OpenAI Whisper medium.en в формат CTranslate2. Её можно использовать через CTranslate2 и совместимые проекты, включая faster-whisper, для преобразования английской речи в текст. Весовые параметры сохранены в FP16; при загрузке через CTranslate2 можно выбрать другой тип вычислений. Репозиторий предназначен для автоматического распознавания речи на английском языке. Модель использует лицензию MIT. Карточка описывает конверсию весов, а не новое обучение; подробности об исходной архитектуре и ограничения предлагается смотреть в карточке OpenAI Whisper medium.en.

FOF-80M — компактная модель текстовых эмбеддингов от MaxDevv, дообученная на базе codefuse-ai/F2LLM-v2-80M. Она создаёт представления текста, которые сближают переформулировки с теми же фактами и сильнее разделяют тексты с изменёнными сущностями, числами или другими фактическими деталями. Модель предназначена для сравнения фактического совпадения текстов при изменении стиля, например в проверке версий утверждения или поиске фактически изменённых копий. Архитектура — плотная Qwen3, размер — 66,8 млн параметров, библиотека — sentence-transformers; заявленное контекстное окно — 40 960 токенов. Карточка указывает английский язык, лицензия — Apache-2.0. Модель нечувствительна к различиям в формальности, многословии и риторической подаче, но требует строго двустороннего совпадения фактов. Она плохо подходит для NLI, оценки суммаризации и случаев, где допустим пропуск части информации; исправление опечаток тоже может заметно изменить сходство. Для заявленного качества README рекомендует нормализовать текст перед кодированием. Косинусные оценки сжаты и плохо калиброваны, поэтому предназначены для относительного сравнения пар.

Это объединённая модель семейства Gemma 4 Unified, созданная автором репозитория tepirale с помощью mergekit. В качестве основы использована google/gemma-4-12B-it; методом DARE TIES объединены также модели tepirale/gemma-4-12B-coder-fable5-composer2.5-v1-safetensors-yuxinlu1 и tepirale/gemma-4-12B-agentic-fable5-composer2.5-v2-3.5x-tau2-safetensors-yuxinlu1. Веса сохранены в формате safetensors, тип данных — bfloat16. Модель предназначена для генерации текста по текстовым и визуальным входам, включая сценарии, сочетающие агентные возможности и генерацию кода. Метаданные указывают поддержку image-text-to-text и vision; базовая Gemma 4 поддерживает диалог, анализ изображений, видео и аудио, однако README этой объединённой модели не подтверждает отдельно все эти возможности. Для модели не приведены результаты оценки качества или подробные инструкции по применению. Лицензия в предоставленных данных не указана.

GPC-1 — мультимодальный классификатор общего назначения, разработанный на основе Qwen3.5-35B-A3B и дообученный с помощью адаптера для структурированных предсказаний. Он принимает текстовые инструкции и изображения, а результаты формирует в соответствии с заданными метками, числовыми диапазонами или перечнем допустимых JSON-записей. Модель предназначена для классификации категорий с оценками вероятности, ограниченных числовых оценок и координат на изображении. Она подходит для маршрутизации документов, скоринга, визуальной разметки, оценки координат объектов и согласованных решений по нескольким связанным полям. Несколько числовых полей рассчитываются за один проход; выбор среди связанных вариантов ограничен записями, перечисленными в запросе. GPC-1 использует мультимодальную архитектуру mixture of experts семейства Qwen3.5 и поставляется вместе с соответствующим адаптером. Для числовых полей применяется конечная сетка из 101 позиции, поэтому оценки имеют ограниченное разрешение; полный скелет для координат ключевых точек не гарантируется. Для запуска требуется совместимое оборудование NVIDIA с достаточным объёмом памяти для модели BF16. Код GPC-1 распространяется по Apache-2.0; базовая модель сохраняет собственную лицензию и уведомления Qwen.