II.8Инженерия данных и аналитика

NHNDQ/nllb-finetuned-ko2en — модель машинного перевода, разработанная Juhwan Lee, Jisu Kim, TakSung Heo и Minsu Jeong на основе дообучения facebook/nllb-200-distilled-600M на датасете AI-hub. В README заявлен перевод с английского на корейский, хотя суффикс идентификатора модели указывает на направление с корейского на английский; поэтому фактическое направление следует проверить перед использованием. Модель построена на архитектуре M2M100ForConditionalGeneration, содержит 463,7 млн параметров и принимает текст, выдавая текст. В карточке указаны английский и корейский языки, а максимальный контекст составляет 1024 токена. Авторы сообщают, что BLEU вырос с 26,58 до 55,36 после дообучения. Лицензия — CC-BY-4.0. Модель предназначена для перевода между английским и корейским; README также упоминает генерацию текста в формате text-to-text и аугментацию корейских данных с помощью KoTAN.

Orbita-v0.1 — турецкоязычная большая языковая модель для генерации текста и диалогового общения, разработанная командой Orbina на основе Qwen. Модель содержит 13,4 млрд параметров, использует плотную архитектуру Qwen2 и принимает контекст длиной до 32 768 токенов. Модель полностью дообучена на размеченном турецком наборе данных для выполнения инструкций. Она предназначена для ответов на вопросы и помощи в задачах на турецком языке, включая программирование и математику. В примере из карточки модель генерирует код на Python в ответ на турецкий запрос. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка приводит результаты оценки на турецком варианте Open LLM Turkish Leaderboard; результаты относятся к указанным тестам и не гарантируют качество во всех сценариях.

piiguard — модель NER, разработанная FlowX AI для библиотеки border. Она анализирует текст на входе и выходе LLM и размечает персональные данные восемью типами: имена, адреса электронной почты, телефоны, национальные идентификаторы, IBAN, номера карт, даты и местоположения. Модель основана на XLM-RoBERTa и использует токен-классификационную голову с BIO-метками; размер — 305,2 млн параметров, контекст — 514 токенов. В карточке указано обучение на окнах длиной 96 токенов. Доступен экспорт ONNX FP16, также в метаданных указан формат safetensors. Модель рассчитана на использование через библиотеку flowx-border, которая применяет argmax и формирует структурированное решение с записью доказательств. Она предназначена для обнаружения и фиксации чувствительных фрагментов текста в потоках LLM, а не для общей классификации PII. Заявлена поддержка 26 языков, включая русский; для языков, не перечисленных в карточке, поддержка не подтверждена. Лицензия — Apache-2.0. Обучающие данные синтетические, поэтому качество на реальных данных может отличаться. Оценка LOCATION в приведённом тестовом наборе отсутствует, а метки NATIONAL_ID и CARD могут назначаться неверно; приведённые в README высокие результаты на синтетическом тестовом разбиении не свидетельствуют о надёжности на практических данных. Для текстов длиннее обучающего окна необходимы разбиение на части и объединение результатов; сама модель не обеспечивает соответствие нормативным требованиям.

PP-FormulaNet_plus-L — модель распознавания математических формул по изображениям, разработанная командой PaddleOCR. Она преобразует формулы на изображениях в исходный код LaTeX и подходит для обработки формул в научных публикациях, учебниках, экзаменационных материалах и других документах. Версия L использует архитектуру Vary_VIT_B, поддерживает китайские формулы и может предсказывать до 2560 токенов, что помогает обрабатывать сложные выражения. В карточке приведены оценки BLEU 90,36 для английских и 45,78 для китайских формул; время инференса на GPU указано как 1976,52 мс. Модель доступна через PaddleOCR и может использоваться как часть конвейера распознавания формул или анализа структуры документов. Лицензия — Apache-2.0. Карточка описывает распознавание английских и китайских формул; языки интерфейса и результаты самой модели ограничены форматом формул LaTeX.

Prime_690M — белковая языковая модель семейства ProPrime, опубликованная организацией AI4Protein. Она предназначена для анализа белковых последовательностей, включая извлечение признаков, предсказание оптимальной температуры роста и оценку влияния мутаций на стабильность и активность белка. Официальный проект Pro-Prime описывает температурно-направленное языковое моделирование и zero-shot предсказание эффектов мутаций. Модель имеет около 865 млн параметров, архитектуру ProPrimeForPretraining и максимальную длину последовательности 1026 токенов. В карточке Hugging Face указан pipeline feature-extraction; модель также поддерживает задачу fill-mask. На вход подаются белковые последовательности, на выходе — векторные признаки или предсказания для белковой инженерии. Карточка Hugging Face автоматически сгенерирована и не содержит сведений о лицензии, данных обучения или подробной оценке ограничений; для загрузки через Transformers требуется trust_remote_code=True. Источники не подтверждают поддержку естественных языков.

Qwen2.5-VL-3B-Abliterated-Caption-it — дообученная prithivMLmods модель на базе Qwen/Qwen2.5-VL-3B-Instruct для подробного описания изображений. Она принимает изображение и текстовую инструкцию и формирует текстовую подпись; подходит для изображений разных жанров, разрешений и соотношений сторон, включая художественные, технические и абстрактные сцены. По данным карточки, модель настроена на подробные описания с разной степенью детализации, понимает инструкции и может создавать подписи на нескольких языках, по умолчанию — на английском. Модель рассчитана на разметку визуальных наборов данных, творческие сценарии, а также исследования модерации и оценку безопасности. Её настройка снижает обычные фильтры контента, поэтому ответы могут быть откровенными, чувствительными или оскорбительными. Точность на незнакомых и синтетических стилях может меняться, а формулировки зависят от запроса. Для развёртывания требуется библиотека Transformers; веса опубликованы в формате safetensors. Лицензия в предоставленных данных не указана.

Qwen2.5-VL-7B-Abliterated-Caption-it — дообученная PrithivMLmods мультимодальная модель для создания подробных описаний изображений. Она основана на Qwen/Qwen2.5-VL-7B-Instruct и предназначена для генерации развернутых подписей к обычным, художественным, техническим, абстрактным и стилизованным изображениям, включая контент, который другие модели могут фильтровать. Модель принимает изображение и текстовую инструкцию, отвечает текстом и поддерживает разные соотношения сторон и разрешения; основной язык вывода — английский, также заявлена генерация на других языках. Модель использует архитектуру Qwen2.5-VL с 7,1 млрд параметров и распространяется в формате safetensors для Transformers. Её можно применять для подготовки описаний визуальных наборов данных, творческих сценариев и исследований модерации и безопасности. Обозначение abliterated указывает на ослабление обычных фильтров; это повышает риск нежелательных описаний. Лицензия — Apache-2.0.

MMOPD/Qwen3-1.7B-OT3-tau — плотная языковая модель Qwen3 с 1,7 млрд параметров, разработанная MMOPD. Это дообучение MMOPD/Qwen3-1.7B-OT3-2ep методом supervised fine-tuning на траекториях использования инструментов Tau2 из inclusionAI/AReaL-tau2-data. Базовая модель ранее была дообучена на OpenThoughts3-1.2M и поддерживает режим рассуждений. Модель предназначена для диалоговых сценариев с несколькими ходами, где ассистент рассуждает и вызывает инструменты. Обучение охватило 33 531 траекторию; шаблон чата унаследован от базовой модели. Нативное окно контекста — 32 768 токенов, модель работает через Transformers и распространяется в формате safetensors. Модель может воспроизводить как успешные, так и неуспешные эпизоды использования инструментов: в обучении использовались все траектории Tau2 независимо от результата. В README не приводятся результаты оценки на отложенных данных Tau2. Также модель унаследовала ограничения базовой модели и не проходила отдельную настройку безопасности сверх неё и обучающих данных. Лицензия — Apache-2.0.

npc0/qwen3-embedding-rerank-projection — экспериментальная проекционная голова, дообученная автором репозитория на замороженных эмбеддингах Qwen/Qwen3-Embedding-0.6B. Она преобразует векторы размерности 1024 в нормализованные векторы размерности 256, пригодные для ранжирования документов по скалярному произведению. Модель предназначена для повторного ранжирования кандидатов семантического поиска: документы можно заранее закодировать, а затем сопоставлять с запросами по векторам. README приводит оценку на BEIR-nq с кандидатами BM25: nDCG@10 0,4354. Данные обучения преимущественно китайские, также использовались MS MARCO и NQ; проверка на BEIR-nq проводилась на английском. Модель основана на Qwen3-Embedding-0.6B и использует многослойную проекционную голову с нормализацией, ReLU и dropout. Это дообученный артефакт в формате safetensors, распространяемый по лицензии Apache-2.0. Проекция сжимает представление с потерями и ограничена информацией о релевантности, уже содержащейся в сходстве исходных эмбеддингов.

sparse-encoder-testing/splade-bert-tiny-nq-openvino — компактная англоязычная модель разреженного кодирования на базе BERT, опубликованная в репозитории sparse-encoder-testing. Она предназначена для преобразования текстов в разреженные векторные представления, пригодные для поиска и сопоставления документов. Модель реализована с использованием Sentence Transformers, экспортирована в формат OpenVINO и обучена с функцией потерь SpladeLoss на наборе Natural Questions размером около 99 000 примеров. Модель содержит 4,4 млн параметров и поддерживает контекст до 512 токенов. Её основная модальность — текст, язык — английский. Разреженные представления могут быть полезны для эффективного полнотекстового и семантического поиска, ранжирования документов и построения retrieval-компонентов в системах вопросно-ответного поиска. Модель не предназначена для генерации текста или непосредственного ответа на вопросы. Распространяется по лицензии Apache-2.0. Благодаря небольшому размеру и поддержке OpenVINO модель подходит для локального инференса и систем с ограниченными ресурсами, однако качество и применимость за пределами англоязычных поисковых сценариев могут быть ограничены.

SWE-rebench-openhands-Qwen3-30B-A3B — дообученная Nebius модель для генерации кода и работы агентом OpenHands над задачами разработки ПО. Это чекпойнт Qwen/Qwen3-30B-A3B-Instruct-2507, полученный методом rejection sampling fine-tuning на траекториях OpenHands из набора nebius/SWE-rebench-openhands-trajectories. Архитектура — MoE; метаданные указывают 2,6 млрд параметров, а в README модель описана как 30B. Контекст в метаданных — до 262 144 токенов; обучение использовало последовательности до 131 тыс. токенов. Модель предназначена для решения задач SWE-bench в агентном цикле: анализировать репозиторий, использовать инструменты и выполнять многошаговые изменения кода. В оценке с OpenHands она превзошла базовую Qwen3-30B-A3B-Instruct-2507 и на настройке в 500 ходов показала результаты на уровне или выше Qwen3-Coder-30B-A3B-Instruct на SWE-bench Verified. Датасет обучения исключал задачи SWE-bench Verified и сентябрьские задачи SWE-rebench; для SWE-bench Verified также проводилась проверка на утечку на уровне репозиториев. Репозиторий распространяется по лицензии Apache-2.0.

facebook/timesformer-base-finetuned-k600 — модель Meta на базе архитектуры TimeSformer, дообученная для классификации видео на наборе Kinetics-600. Она принимает видеокадры и относит ролик к одной из 600 категорий действий Kinetics-600, поэтому подходит для распознавания действий и тематической сортировки коротких видео. Модель содержит 113,2 млн параметров и распространяется в формате PyTorch. TimeSformer применяет пространственно-временное внимание для анализа содержания видео. Карточка указывает на классификацию по меткам Kinetics-600; сведений о поддержке других языков или задач не приведено. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерчески.

ToriiGate-0.5_GGUF — GGUF-квантизированная версия мультимодальной модели ToriiGate-0.5, разработанной Minthy и основанной на Minthy/ToriiGate-0.5 и Qwen/Qwen3.5-4B-Base. Модель предназначена для анализа изображений и генерации подписей и описаний к цифровым иллюстрациям, аниме-арту, скриншотам, комиксам и другим изображениям. Она может применяться для подготовки датасетов генеративных моделей, создания промптов, автоматической разметки, сортировки и классификации изображений. Модель поддерживает сценарии image-text-to-text и рассчитана преимущественно на англоязычные описания. Она распознаёт многочисленные визуальные концепции, действия, персонажей и их индивидуальные атрибуты, умеет использовать имена персонажей и предлагает несколько вариантов формата подписей, включая подробные структурированные описания и режимы с промежуточным рассуждением. Для повышения точности предусмотрены варианты grounding, в том числе использование тегов или описаний изображений. По заявлению автора, модель особенно сильна в области цифрового и аниме-арта и не имеет встроенной цензуры. К ограничениям относятся небольшой размер базовой модели, возможные ошибки при распознавании редких персонажей и риск смешения внешности и имён нескольких персонажей без дополнительного grounding. Точные размер, длина контекста и полный перечень поддерживаемых языков в предоставленных данных не указаны. Для запуска нужны совместимые llama.cpp-инструменты, GGUF-файл и мультимодальный проектор mmproj; доступны различные варианты квантизации, включая версии с Q8_0 для token embeddings и output tensor. Модель распространяется по лицензии MIT.

transformers-ud-japanese-electra-base-discriminator — японская модель семейства ELECTRA, разработанная Megagon Labs и предварительно обученная примерно на 200 млн предложений из японской части корпуса mC4. Архитектура соответствует ELECTRA Base: 12 слоёв, скрытое представление размерности 768 и 12 голов внимания; число параметров — около 136,4 млн. Для токенизации используется SudachiTra с подсловным токенизатором WordPiece, максимальная длина контекста — 512 токенов. Модель предназначена для задач понимания японского текста и может служить дискриминатором ELECTRA или основой для дальнейшей адаптации под прикладные NLP-задачи. Это базовая модель предобучения, а не готовая диалоговая система. Репозиторий содержит веса PyTorch; лицензия — MIT.

optimum-intel-internal-testing/trocr-small-handwritten — модель TrOCR для оптического распознавания рукописного текста. Она основана на работе Minghao Li и соавторов «TrOCR: Transformer-based Optical Character Recognition with Pre-trained Models» и впервые выпущена в репозитории Microsoft UniLM. Данная версия дообучена на наборе данных IAM. Модель предназначена для OCR отдельных изображений строк текста, в частности рукописных записей. Это encoder-decoder архитектура: Transformer для обработки изображения используется как энкодер, а текстовый Transformer — как авторегрессионный декодер. Энкодер инициализирован весами DeiT, декодер — весами UniLM. Изображение преобразуется в последовательность патчей фиксированного размера 16×16 с абсолютными позиционными эмбеддингами, после чего декодер генерирует распознанный текст. Ключевые характеристики включают малый размер модели, визуально-текстовую модальность и поддержку сценариев распознавания строк рукописного текста. Модель ориентирована на изображения одной текстовой строки; для других типов документов, языков или многострочных изображений качество и применимость README не подтверждает. Лицензия в предоставленных данных не указана.

Модель mouseyy/uk_wav2vec2_with_stress_mark — дообученная разработчиком mouseyy модель Wav2Vec2ForCTC для распознавания украинской речи с транскрипцией и обозначением лексического ударения. Она принимает аудио и выдаёт текст; обучалась на Common Voice 17.0. В README приведены результаты на оценочной выборке: WER 0,2984 и CER 0,1512. Модель содержит около 402,7 млн параметров и распространяется в формате Safetensors. Лицензия — Apache-2.0. Она предназначена для автоматической транскрипции украинской речи, включая вывод ударений; качество может различаться на других типах аудио и данных, поскольку сведения об обучении и ограничениях в карточке не раскрыты.

viBERT-base — вьетнамская языковая модель, опубликованная mainguyen9. Это модель семейства BERT-base с предобучением в стиле RoBERTa на вьетнамской части CC-100 и дополнительном вьетнамском корпусе. Она содержит 144,8 млн параметров, принимает последовательности длиной до 512 токенов и доступна в форматах PyTorch и Safetensors под лицензией MIT. Модель предназначена для заполнения пропусков в тексте и получения контекстных представлений, а также для дообучения под задачи обработки вьетнамского языка: распознавание именованных сущностей, классификацию текста и ответы на вопросы. В README приведены результаты дообученных вариантов для NER, определения языкового следования и выявления языка ненависти; это не гарантирует такие результаты у исходного чекпойнта без дополнительной настройки. Основное ограничение — обучение преимущественно на вьетнамском языке, поэтому качество на смешанном тексте может быть ниже. Максимальная длина последовательности составляет 512 токенов.

VideoMAEv2-Base — базовая видеомодель OpenGVLab, предварительно обученная 800 эпох методом самообучения на наборе UnlabeledHybrid-1M. Модель относится к семейству VideoMAE-v2 и предназначена для извлечения признаков из видео и классификации видеоконтента. Модель принимает видео и выдаёт признаки, пригодные для последующей классификации. В карточке указана лицензия CC BY-NC 4.0, которая ограничивает использование некоммерческими целями.

Модель timm/vit_base_patch16_siglip_256.webli_i18n — визуальный энкодер SigLIP на основе Vision Transformer с патчами 16×16 и входным разрешением 256 пикселей. Это image encoder only с исходным attention pooling; модель предназначена для извлечения признаковых представлений изображений и их использования в последующих задачах машинного зрения. Разработчик в карточке не назван; веса распространяются через timm. Модель принимает изображения и выдаёт признаки-векторы. В метаданных указана задача image-feature-extraction, библиотека timm и лицензия Apache-2.0. Карточка связывает вариант с WebLI и i18n, но не приводит конкретный перечень языков или подробности обучения.

V-JEPA 2 ViT-L 256 — модель для классификации видео, разработанная FAIR при Meta. Это вариант V-JEPA 2 с головой классификации видео, дообученный на наборе Something-Something-V2; модель содержит 402,7 млн параметров и доступна в формате safetensors для библиотеки Transformers. Модель предназначена для присвоения видео меток классов и анализа действий, показанных в ролике. Она может использоваться для распознавания действий в коротких видео и построения систем понимания видеосодержимого. В метаданных указан базовый чекпойнт facebook/vjepa2-vitl-fpc64-256; репозиторий лицензирован по MIT.

Модель not-tanh/wav2vec2-large-xlsr-53-vietnamese — модель распознавания речи на базе Wav2Vec2-Large-XLSR-53, дообученная разработчиком на вьетнамском языке. Для обучения использовались Common Voice, VIVOS и FOSD; архитектура — Wav2Vec2ForCTC, размер — 402,8 млн параметров. Модель преобразует речь на вьетнамском языке в текст и предназначена для сценариев автоматического распознавания речи. Входное аудио следует подавать с частотой дискретизации 16 кГц. В README приведён результат оценки 39,57% на тестовых данных Common Voice, однако метрика не уточнена. Модель распространяется по лицензии Apache 2.0. Карточка не описывает применение языковой модели при декодировании; приведённый результат оценки не позволяет однозначно судить о качестве в других условиях.

Это модель автоматического распознавания речи на базе wav2vec 2.0 XLS-R, дообученная автором davidilag на неизвестном наборе данных. Она принимает аудио и преобразует речь в текст; число параметров — 1,3 млрд. В README приведены результаты оценки: WER 24,1682 и CER 3,8304, однако описание набора данных и условий оценки отсутствует. Модель предназначена для транскрибирования речи. Метаданные не определяют поддерживаемые языки, поэтому нельзя надёжно указать язык или область применения. Файлы представлены в формате safetensors, используется библиотека Transformers. Лицензия — Apache-2.0.

Модель dsfsi-anv/whisper-large-v3-turbo-anv-tsn — дообученная версия Whisper large-v3-turbo от OpenAI, созданная на датасете dsfsi-anv/za-african-next-voices. Это плотная модель архитектуры Whisper с примерно 905,2 млн параметров, предназначенная для автоматического распознавания речи и преобразования аудио в текст. Модель работает с аудиовходом и выдаёт текст; в метаданных указана библиотека Transformers и формат весов safetensors. На оценочном наборе модель показала loss 0,1287 и WER 16,884. Карточка не описывает подробно целевые языки, сценарии применения или ограничения качества, поэтому эти результаты нельзя переносить на другие наборы данных. Лицензия — MIT.

handy-computer/whisper-medium.en-gguf — это набор GGUF-конвертаций модели OpenAI Whisper medium.en, подготовленный разработчиками transcribe.cpp для локального автоматического распознавания речи. Модель предназначена для преобразования англоязычной речи в текст и работает через transcribe.cpp. Она основана на архитектуре Transformer encoder-decoder и обрабатывает аудио окнами по 30 секунд с разбиением длинных записей на фрагменты. Модель поддерживает только английский язык. В данной интеграции отсутствуют потоковая обработка, автоматическое определение языка и перевод; доступны сегментные временные метки. Предлагаются варианты F32, F16, Q8_0, Q6_K, Q5_K_M и Q4_K_M размером примерно от 504 МБ до 3,06 ГБ, что позволяет выбирать между качеством и требованиями к памяти. На наборе LibriSpeech test-clean указанный WER составляет от 2,72% для Q8_0 до 2,91% для Q4_K_M, что характеризует высокое качество распознавания в данном тесте. Сильными сторонами являются хорошее качество английской транскрипции, наличие нескольких уровней квантования и возможность локального запуска на CPU или совместимом ускорителе через transcribe.cpp. Ограничения включают английскую специализацию, отсутствие потокового режима, перевода и определения языка, а также зависимость качества и скорости от выбранного формата и оборудования. Для входных данных рекомендуется монофонический WAV с частотой 16 кГц. Модель распространяется по лицензии Apache-2.0, унаследованной от базовой модели.

Это дообученная версия Whisper Medium, созданная автором репозитория на основе openai/whisper-medium и обученная 500 шагов на испанской версии датасета Common Voice 17.0. Данные были приведены к частоте 16 кГц; текст не проходил дополнительную обработку. Модель предназначена для автоматической расшифровки испанской речи в текст. В README приведены результаты на оценочной выборке: WER 6,159 и WER Ortho 10,8189. Архитектура Whisper содержит 455,8 млн параметров; модель работает с аудиовходом и текстовым выводом. Используется библиотека Transformers, веса представлены в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает ограничения и дополнительные сценарии использования; качество за пределами указанного оценочного набора не установлено.

Модель dianavdavidson/whisper-medium_mucs_62901_ratio_alldata_lr_1e-4_lgid_hi_hinglish_mixed_scripts_FT — дообученная версия Whisper-medium от OpenAI с архитектурой WhisperForConditionalGeneration и 455,8 млн параметров. Она принимает аудио и предназначена для автоматического распознавания речи с выводом текстовой расшифровки. Название модели указывает на настройку для хинглишской речи и смешанного письма, однако README не раскрывает обучающие данные и не описывает конкретные сценарии применения. На оценочном наборе указаны Loss 0,4527 и Global WER 29,0941; результаты относятся только к этому набору. Модель распространяется под лицензией Apache-2.0.

Это плотный энкодер фрагментов текста для поиска по Википедии, разработанный командой Castorini. Модель построена на архитектуре BERT и обучена с помощью библиотеки Tevatron как часть второй итерации Dense Passage Retrieval для варианта корпуса wiki-all-8-4; размер составляет 136,7 млн параметров, максимальная длина входа — 512 токенов. В репозитории представлены веса Flax. Модель предназначена для преобразования текстовых фрагментов в векторные представления, которые можно использовать для поиска релевантных документов и ответов на вопросы по открытым источникам. Обучение проводилось на объединении наборов NQ, TriviaQA, WQ и CuratedTREC с корпусом Википедии. Для полноценного DPR-поиска обычно требуется соответствующий энкодер запросов и система векторного поиска; эта модель кодирует именно passages. Лицензия в предоставленных данных не указана.

Funnel Transformer xlarge — англоязычная предобученная модель семейства Funnel Transformer, опубликованная командой разработчиков Funnel Transformer и представленная в научной статье. Это плотная архитектура Funnel с конфигурацией B10-10-10 и декодером; модель обучена самостоятельно на текстах без ручной разметки с задачей распознавания исходных и заменённых токенов. Доступны веса PyTorch и TensorFlow, контекст — до 512 токенов. Модель извлекает контекстные признаки из английского текста и предназначена прежде всего для дальнейшей настройки под задачи, где решение принимается по полному предложению или тексту: классификацию последовательностей, разметку токенов и ответы на вопросы. Полученные представления можно использовать как вход для классификатора. Модель не предназначена для генерации текста. Модель без учёта регистра и обучалась на BookCorpus, английской Википедии, ClueWeb, GigaWord и Common Crawl. Распространяется по лицензии Apache-2.0. Для прикладных задач обычно требуется дообучение; качество для конкретной задачи зависит от него.

Карточка модели ArchiveStudio/Qwen2.5-32B-Instruct на Hugging Face совпадает с карточкой Qwen/Qwen2.5-32B-Instruct, поэтому описание составлено по ней. Qwen2.5-32B-Instruct — инструктивно дообученная языковая модель семейства Qwen2.5, разработанная командой Qwen. Это плотная авторегрессионная модель на 32 млрд параметров для диалога и генерации текста; поддерживает интерфейс вызова инструментов. В архитектуре используются RoPE, SwiGLU, RMSNorm и смещение в проекциях QKV внимания. Модель предназначена для следования инструкциям, написания длинных ответов, работы с таблицами и другими структурированными данными, а также генерации структурированного вывода, включая JSON. Она также подходит для задач программирования и математики. В README заявлена поддержка более 29 языков, включая русский и английский. Метаданные указывают контекст в 32 768 токенов; для этой версии README рекомендует конфигурацию до 131 072 токенов с YaRN для длинных входов, а генерацию — до 8 192 токенов. Модель распространяется в формате safetensors и работает через Transformers. Лицензия — Apache-2.0. Для контекстов длиннее 32 768 токенов требуется настройка YaRN; статическое масштабирование YaRN в vLLM может ухудшать производительность на коротких текстах.

Qwen2.5-32B-Instruct-AWQ — инструкционно дообученная языковая модель из семейства Qwen, разработанная командой Qwen. Это причинная языковая модель для генерации текста, диалоговых ассистентов, следования инструкциям, написания и анализа кода, решения математических задач, работы со структурированными данными и формирования структурированных ответов, включая JSON. Модель содержит 32,5 млрд параметров, из них 31 млрд — без учёта эмбеддингов, и включает 64 слоя. Архитектура использует RoPE, SwiGLU, RMSNorm, смещения в QKV-внимании и GQA с 40 головами для Q и 8 для KV. Репозиторий содержит 4-битную AWQ-квантизированную версию, что может снизить требования к памяти по сравнению с полноточной моделью. Заявлена поддержка более 29 языков, включая английский, китайский, русский, французский, немецкий, испанский, японский и корейский. Полная длина контекста указана до 131 072 токенов, а генерация — до 8192 токенов; при этом текущая конфигурация рассчитана на 32 768 токенов, а для более длинных входов требуется включение YaRN. Сильными сторонами модели являются улучшенные возможности в программировании и математике, следование инструкциям, обработка длинных текстов, понимание таблиц и генерация структурированных данных. При использовании статического YaRN производительность на коротких текстах может снижаться, поэтому его рекомендуется включать только при работе с длинным контекстом. Для загрузки и развёртывания требуются совместимые версии Transformers и поддержка AWQ; в документации рекомендуется vLLM. Модель распространяется по лицензии Apache-2.0.