II.8Инженерия данных и аналитика

Карточка модели miromind-ai/MiroThinker-v1.0-72B на Hugging Face совпадает с карточкой miromind-ai/MiroThinker-v1.0-8B, поэтому описание составлено по ней. MiroThinker-v1.0-8B — открытая исследовательская агентная модель, разработанная MiroMind на базе Qwen3-8B и дообученная для рассуждений с использованием инструментов и поиска информации. Она предназначена для многошаговых исследовательских задач: модель может запрашивать внешнюю информацию, вызывать инструменты, проверять результаты и уточнять ход решения. В описании заявлена поддержка до 600 вызовов инструментов за задачу. Модель имеет плотную архитектуру Qwen3ForCausalLM, около 7,6 млрд параметров и контекст до 262 144 токенов. Карточка сообщает об англоязычной версии; метаданные также отмечают диалоговый режим и интерфейс вызова инструментов. Модель распространяется в формате safetensors по лицензии MIT. Карточка приводит результаты на исследовательских бенчмарках, однако качество зависит от подключённых инструментов, настроек рабочего процесса и вычислительных ресурсов. Для полноценного агентного сценария нужны совместимая среда и инструменты; сама модель не выполняет внешние действия без них.

Это 8-битная версия модели MOSS-Transcribe-Diarize, подготовленная для запуска через MLX. В README указано, что квантизован текстовый блок модели методом affine quantization с bits=8 и group_size=64; аудиоэнкодер Whisper и VQ-адаптер не квантизованы. По метаданным архитектура обозначена как плотная модель MossTranscribeDiarizeForConditionalGeneration, библиотека — MLX. Модель предназначена для распознавания речи и диаризации говорящих в аудиозаписях. Пример запуска из README принимает WAV-файл и сохраняет результаты в указанную папку. Метаданные также указывают поддержку генерации текста. Модель распространяется по лицензии Apache-2.0. Квантизация затрагивает только текстовый блок; README не приводит измерений качества или требований к ресурсам.

moona3k подготовил квантованный вариант Qwen/Qwen3-ASR-1.7B для библиотеки MLX и компьютеров Apple Silicon. Это модель распознавания речи, которая преобразует аудио в текст; через пакет mlx-qwen3-asr она также поддерживает выдачу временных меток слов и работу HTTP-сервера. По данным карточки, модель поддерживает английский, китайский, японский, корейский, немецкий, французский, испанский, русский, арабский и хинди. Текстовый декодер и эмбеддинги квантованы до 4 бит с размером группы 64, аудиоэнкодер — до 8 бит; остальные плавающие тензоры хранятся в float16. Размер загрузки — 1,2 ГБ против 4,4 ГБ у исходной версии в fp16. В тесте на 100 фрагментах LibriSpeech test-clean этот артефакт показал WER 1,73% и CER 0,53%; результаты небольшого теста не гарантируют такого же качества на других языках и аудио. Для загрузки требуется mlx-qwen3-asr версии 0.4.3 или новее. Лицензия — Apache-2.0.

Это модель классификации текста, опубликованная пользователем Jeevesh8 на Hugging Face. Судя по названию и архитектуре BertForSequenceClassification, это вариант BERT-base-uncased, дообученный для задачи QQP (Quora Question Pairs): определения, задают ли два вопроса одно и то же. Модель содержит 136,7 млн параметров, использует архитектуру BERT и принимает текстовые пары; максимальная длина контекста — 512 токенов. Доступен формат Flax. Модель предназначена для классификации пар вопросов и выявления семантически дублирующих вопросов. Карточка и метаданные указывают на классификацию текста; отдельные сведения о лицензии и результатах оценки для этого варианта не подтверждены.

Negentropy-claude-opus-4.7-9B — экспериментальная модель рассуждений на 9 млрд параметров от Jackrong, созданная при участии Kyle Hessling. Она основана на Qwen3.5-9B, дообученной с помощью Unsloth на реконструированных цепочках рассуждений: авторы описывают метод Trace Inversion, который восстанавливает промежуточные шаги из кратких сводок рассуждений Claude Opus 4.7. Модель предназначена для сложных логических задач, математики, программирования, многошагового следования инструкциям и генерации данных с цепочками рассуждений для более компактных моделей. В метаданных указаны возможности чата и анализа изображений; README преимущественно описывает текстовые сценарии. Поддерживаемые языки по метаданным — английский, китайский, корейский, японский и русский. Модель распространяется под лицензией Apache-2.0. README предупреждает о более низкой скорости по сравнению с версией 4B, потребности примерно в 8–12 ГБ видеопамяти в зависимости от квантизации и возможности фактических ошибок при убедительно выглядящих рассуждениях.

Occiglot-7B-EU5 — базовая многоязычная генеративная языковая модель, разработанная Occiglot Research Collective. Это плотный авторегрессионный трансформер с архитектурой Mistral и 7,1 млрд параметров. Модель создана продолжительным предобучением Mistral-7B-v0.1 на 293 млрд дополнительных токенов многоязычных данных и кода; максимальная длина контекста по метаданным — 32 768 токенов. Модель предназначена для генерации и продолжения текста на английском, немецком, испанском, французском и итальянском языках, а также для работы с кодом. Её можно использовать как основу для собственных дообучений и оценок. Это базовая модель без дообучения на инструкциях, поэтому она не оптимизирована для диалога или чат-приложений; для таких сценариев авторы предлагают вариант Occiglot-7B-EU5-Instruct. Лицензия — Apache 2.0.

OpenThinker-Agent-v1 — открытая агентная языковая модель проекта OpenThoughts-Agent, разработанная для выполнения задач с использованием терминала и решения задач программной инженерии. Модель построена на Qwen/Qwen3-8B и последовательно дообучена методом supervised fine-tuning на OpenThoughts-Agent-v1-SFT, а затем методом reinforcement learning на OpenThoughts-Agent-v1-RL. Архитектура — плотная Qwen3ForCausalLM, размер — 7,6 млрд параметров, формат весов — safetensors, контекст — до 40 960 токенов. Модель предназначена для агентных сценариев, включая формирование команд оболочки и исправление ошибок в коде; в README приведены результаты на Terminal-Bench 2.0 и SWE-Bench Verified. Метаданные также отмечают поддержку диалога, кода и интерфейса вызова инструментов. Это текстовая модель генерации, обученная на английских кодовых и инженерных данных; заявлена лицензия Apache-2.0. Показатели в README относятся к бенчмаркам и сами по себе не гарантируют успешное выполнение произвольных задач.

OpenThinker-Agent-v1-SFT — модель baerquants, созданная в рамках открытого проекта OpenThoughts-Agent для выполнения агентных задач. Это этап supervised fine-tuning модели Qwen/Qwen3-8B: обучение проводилось на трассах OpenThoughts-Agent-v1-SFT, а последующее RL-дообучение есть в отдельной версии OpenThinker-Agent-v1. Модель с плотной архитектурой Qwen3ForCausalLM содержит 7,6 млрд параметров, принимает текст и генерирует текст; максимальная длина контекста — 40 960 токенов. Модель ориентирована на агентные сценарии разработки и работы в терминале: формирование shell-команд, выполнение задач Terminal-Bench и исправление программных ошибок, включая задачи по C# и Java из набора InferredBugs. В карточке проекта сообщаются результаты бенчмарков для версии после SFT и RL, а не этой SFT-версии отдельно. Репозиторий использует формат Safetensors, библиотеку Transformers и лицензию Apache-2.0.

Ops-MM-embedding-v1-7B — плотная мультимодальная модель эмбеддингов, разработанная командой Alibaba Cloud OpenSearch-AI и дообученная на базе Qwen2-VL-7B-Instruct. Она кодирует текст, изображения, пары «текст—изображение», визуальные документы и видео в единое пространство эмбеддингов; видео обрабатывается через отдельные кадры как изображения. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2-VL и поддерживает контекст до 32 768 токенов. Модель предназначена для межмодального поиска и извлечения информации, включая поиск по визуальным документам и видео. В README заявлены высокие результаты на бенчмарках MMEB-V2, MMEB-Image и ViDoRe-v2, а также многоязычное обобщение. Эти результаты характеризуют оценку на указанных наборах и сами по себе не гарантируют качество для конкретных данных или сценария. Распространяется в формате Safetensors по лицензии Apache-2.0. README не уточняет точный набор поддерживаемых языков и не приводит детальных рекомендаций по извлечению эмбеддингов или требованиям к вычислительным ресурсам.

Ornith-1.0-35B-GGUF — открытая языковая модель семейства Ornith-1.0, разработанная командой проекта Ornith и ориентированная на агентное программирование. Модель предназначена для генерации кода, автономного выполнения задач разработки и работы в инструментах командной строки, включая сценарии, оцениваемые в Terminal-Bench и SWE-bench. Версия 35B позиционируется как облегчённый вариант семейства для эффективного развёртывания на одной GPU. Модель относится к текстовым моделям генерации; точная архитектура, размер контекстного окна и перечень поддерживаемых языков в карточке не указаны. В описании семейства упоминается обучение с подкреплением, в ходе которого оптимизируются как траектории решения, так и управляющие их scaffolds, что должно улучшать поиск решений и качество результатов. Для Ornith-1.0-35B заявлены результаты 64,2 в Terminal-Bench 2.1 (Terminus-2), 62,8 в Terminal-Bench 2.1 (Claude Code), 75,6 в SWE-bench Verified и 50,4 в SWE-bench Pro. Сильными сторонами модели являются специализация на агентных задачах программирования, открытый исходный доступ и заявленная эффективность развёртывания. Ограничения включают отсутствие в карточке подробностей о языках, контексте, точной архитектуре и возможностях за пределами текстового программирования; приведённые показатели зависят от используемого агента и методики оценки. Модель распространяется по лицензии MIT без региональных ограничений.

SC117/Ornith-1.0-35B-MTP-APEX-GGUF — GGUF-сборка модели Ornith-1.0-35B от DeepReinforce AI, предназначенная для агентного программирования. Базовая модель Ornith дообучена на Qwen3.5 с применением обучения с подкреплением для совместной оптимизации генерации каркаса решения и последовательности действий по его выполнению. В сборку включены MTP-слои и проектор зрения mmproj в формате F16; для запуска с поддержкой изображений README указывает llama.cpp. Модель принимает текстовые запросы и, при использовании проектора зрения, изображения; генерирует текст, включая код и шаги решения задач. В карточке заявлены результаты на Terminal-Bench 2.1, SWE-Bench Verified/Pro/Multilingual, NL2Repo и OpenClaw. Для сервера llama.cpp приведена длина контекста 131072 токена. Файлы распространяются в GGUF с APEX-квантизацией, а также в BF16 и F16. Лицензия — MIT.

Ornith-1.0-9B — плотная языковая модель примерно на 9 млрд параметров из семейства Ornith, разработанная DeepReinforce AI и опубликованная в формате safetensors. Это компактный вариант семейства для запуска на одной GPU; карточка указывает дообучение на базе deepreinforce-ai/Ornith-1.0-9B и позиционирует семейство как модели для агентного программирования с обучением методом RL. Модель принимает текстовые запросы и генерирует текст, поддерживает диалог и интерфейс вызова инструментов. Модель предназначена для терминальных coding-агентов: анализа кодовых баз, решения задач разработки и автоматизации работы через инструменты. В карточке приведены результаты оценок на Terminal-Bench, SWE-Bench, NL2Repo и других бенчмарках. Для инференса описаны vLLM, SGLang и Transformers; для Transformers требуется версия не ниже 5.8.1. Примеры запуска используют контекст до 262144 токенов, но это параметр конфигурации запуска, а не подтверждённая метаданными нативная длина контекста. Модель распространяется по лицензии MIT. Для работы с кодом и агентными сценариями она требует подходящей инфраструктуры и корректной настройки шаблона чата, парсера рассуждений и вызова инструментов; результаты бенчмарков зависят от используемого окружения и конфигурации.

OpenASR/parakeet-tdt-0.6b-v3 — локальная мультиязычная модель автоматического распознавания речи, разработанная NVIDIA и упакованная проектом OpenASR в формат .oasr. Она предназначена для преобразования аудио в текст на CPU и GPU, включая транскрибацию записей и потоков. Модель автоматически определяет язык речи и поддерживает 25 европейских языков: болгарский, хорватский, чешский, датский, нидерландский, английский, эстонский, финский, французский, немецкий, греческий, венгерский, итальянский, латышский, литовский, мальтийский, польский, португальский, румынский, словацкий, словенский, испанский, шведский, русский и украинский. Модель содержит около 600 млн параметров и сочетает энкодер FastConformer с декодером Token-and-Duration Transducer (TDT), который предсказывает длительность токенов и пропускает соответствующее число аудиокадров. Это повышает скорость декодирования и обеспечивает нативные временные метки слов. Обучение на корпусах Granary и NeMo ASR Set 3.0 позволило сохранять пунктуацию и регистр в расшифровке. Доступны варианты fp16, q8_0 и q4_k; сборка q8_0 рекомендована как компромисс между качеством и размером, а q4_k — для устройств с ограниченной памятью. Сильные стороны модели — поддержка большого числа европейских языков, автоматическое определение языка, высокая скорость локального инференса, временные метки слов и работа без Python во время выполнения. Ограничения включают специализацию только на распознавании речи и отсутствие данных о точности для всех языков и сценариев в представленном README. Модель и производные пакеты распространяются по лицензии CC-BY-4.0, требующей указания авторства NVIDIA.

Pashto Ghag — модель автоматического распознавания речи на пушту, созданная разработчиком проекта Pashto Ghag путём дообучения OpenAI Whisper medium. Модель содержит 455,8 млн параметров и принимает аудио, выдавая текстовую расшифровку на пушту. Для обучения использовались 54,4 часа проверенных записей Pashto Common Voice с нормализованными транскрипциями; опубликован чекпойнт, выбранный по результатам сравнения нескольких вариантов. На трёх отложенных наборах сбалансированный средний WER составил 14,63%.

Sinequa passage-ranker.mango — многоязычная модель ранжирования фрагментов текста по релевантности поисковому запросу. Она принимает пару «запрос — фрагмент» и выдаёт оценку, по которой можно упорядочить результаты поиска. Модель построена на архитектуре BERT для классификации последовательностей и обучена методом MonoBERT на MS MARCO Passage Ranking, включая переведённые данные для поддерживаемых языков. Модель обучена и протестирована на китайском (упрощённом), нидерландском, английском, французском, немецком, итальянском, японском, португальском и испанском языках; базовая модель также позволяет ожидать ограниченную поддержку других языков. Она нечувствительна к регистру и диакритическим знакам, а длина контекста составляет 512 токенов. В README приведён средний NDCG@10 0,480 по 14 наборам BEIR и результаты по части языков MIRACL. Для запуска Sinequa указывает минимальную версию 11.10.0 и GPU с CUDA compute capability выше 7.5. Лицензия в предоставленных данных не описана.

Persian-OCR от WeightedAI — модель оптического распознавания символов, предназначенная для извлечения персидского текста из изображений. Она использует архитектуру CNN и Transformer с обучением по функции потерь CTC; в репозитории представлены веса PyTorch и словарь символов. Модель содержит 183,5 млн параметров. Для обучения использовался пользовательский синтетический набор примерно из 600 тысяч изображений персидского текста, созданных на основе Википедии с 49 шрифтами; длина последовательностей составляла от 0 до 150 символов. В README заявлена точность последовательности 96% на этом наборе. Модель подходит для распознавания персидских надписей и страниц, но для реальных изображений может потребоваться дополнительная настройка. Лицензия — Apache-2.0.

phixtral-2x2_8 — языковая модель с архитектурой Mixture of Experts, созданная Mlabonne из двух моделей Microsoft Phi-2. Она объединяет cognitivecomputations/dolphin-2_6-phi-2 и lxuechen/phi-2-dpo с помощью модифицированной версии mergekit и вдохновлена архитектурой Mixtral-8x7B. Автор сообщает, что модель превосходит каждого из отдельных экспертов; в README также приведены результаты оценки на наборе Nous suite. Модель предназначена для генерации текста в диалогах и задач с кодом. Она принимает текст и генерирует текст, поддерживает английский язык и имеет контекстное окно 2048 токенов. Репозиторий содержит веса в формате safetensors; указана лицензия MIT. Для модели предлагается запуск в 4-битной точности на GPU T4.

PP-OCRv5_mobile_rec — мобильная модель распознавания строк текста, разработанная командой PaddleOCR в рамках семейства PP-OCRv5. Она принимает изображения строк и возвращает распознанный текст; модель можно подключить как модуль распознавания в конвейеры PaddleOCR, включая PP-OCRv5 и PP-StructureV3. Модель предназначена для распознавания упрощённого и традиционного китайского, английского и японского текста. Она рассчитана на печатный и рукописный текст, вертикальную запись, пиньинь, редкие символы, а также повёрнутый, искажённый и художественный текст. README приводит метрики точности по нескольким сценариям, но не описывает архитектуру, число параметров или длину контекста. Лицензия — Apache-2.0. Показатели для рукописного текста и отдельных сложных сценариев ниже, чем для печатного китайского и английского; кроме того, оценка строки считается ошибочной при любом неверно распознанном символе или знаке пунктуации. Это модель распознавания строк: для полного извлечения текста из документа её используют вместе с обнаружением текста и другими модулями OCR.

bunnycore/Qwen2.5-7B-Matrix — текстовая модель, созданная слиянием нескольких предварительно обученных моделей семейства Qwen2.5 с помощью mergekit и метода Model Stock. В качестве базовой использована Qwen/Qwen2.5-7B; в слияние также вошли Qwen2.5-Math-7B и несколько вариантов Qwen2.5, настроенных для диалогов. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2ForCausalLM и формат safetensors; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для ответов на вопросы, написания и продолжения текста, а также задач, где полезны способности исходных моделей к математическим рассуждениям и инструкционному диалогу. Карточка не сообщает результаты оценок качества или конкретные рекомендации по использованию. Модель распространяется под лицензией Qwen/Qwen2.5-7B; условия использования следует сверить с лицензией базовой модели. Слияние объединяет поведение нескольких моделей, поэтому отдельные способности и качество на конкретных задачах могут отличаться от исходных моделей.

Qwen2.5-Coder-1.5B-Instruct-heretic — декензурированная версия Qwen2.5-Coder-1.5B-Instruct, опубликованная saidutta69 и созданная RACER IS OP с использованием Heretic 1.4.0. Модель ориентирована на генерацию и анализ кода, локальные coding agents, copilot-сценарии и прямые ответы на программные запросы. Базовая модель разработана командой Qwen; в карточке указана поддержка английского языка. Модель содержит 1,5 млрд параметров и поставляется в формате GGUF, включая варианты от F16 до Q2_K, что позволяет запускать её на CPU, Apple Silicon и видеокартах с небольшим объёмом VRAM. Она совместима с llama.cpp, Ollama, LM Studio, Jan, Transformers, vLLM и SGLang. Декензурирование выполнено направленным изменением весов в проекциях attention и MLP без дообучения, поэтому заявляется сохранение большей части исходных знаний и следования инструкциям. Размер контекста в README не указан. Ключевая особенность — подавление отказов: в приведённом сравнении модель отказала в 5 из 100 тестовых запросов против 95 из 100 у исходной версии. Это может быть полезно для локальной разработки и экспериментов, но одновременно означает отсутствие встроенной фильтрации безопасности и повышенный риск нежелательной генерации. Модель сохраняет фактические ограничения и предвзятость базовой версии, а небольшой размер может ограничивать качество сложных задач. Лицензия — Apache-2.0.

Qwen2.5-Coder-32B-Instruct-NP-Abliterated-i1-GGUF — квантованная в формате GGUF версия модели Nabbers1999/Qwen2.5-Coder-32B-Instruct-NP-Abliterated, подготовленная mradermacher. Это инструкционная conversational-модель семейства Qwen2.5-Coder с 32 млрд параметров, предназначенная для генерации текста, диалога и задач, связанных с программированием. В репозитории представлены варианты квантования i1, включая IQ- и QK-форматы, с размером файлов примерно от 7,4 до 22,7 ГБ; для баланса скорости и качества рекомендуются i1-Q4_K_M и i1-Q4_K_S. Модель ориентирована преимущественно на англоязычные сценарии, однако README не содержит полного перечня поддерживаемых языков, сведений об архитектуре на уровне компонентов или размера контекстного окна. Квантование позволяет запускать модель с меньшими требованиями к памяти, но более агрессивные варианты могут заметно снижать качество; качество также зависит от выбранного формата. Модель распространяется по лицензии Apache-2.0. README не приводит отдельных результатов тестирования, поэтому делать выводы о фактической точности и преимуществах в конкретных задачах нельзя.

koreallmdev разработала koreallmdev/qwen3.8-27b-korean-uncensored-merged — полную модель Qwen3.8 с объединёнными весами базовой модели BF16 и корейского LoRA-адаптера. Это плотная авторегрессионная модель для генерации текста, доступная в формате Safetensors и рассчитанная на запуск через Transformers или vLLM. После загрузки подключать адаптер отдельно не требуется; при публикации модели новое обучение не проводилось. Модель предназначена для диалогов на корейском языке, технических вопросов, помощи с кодом и экспериментов с локальными LLM. В метаданных указаны 22,3 млрд параметров, контекст до 262 144 токенов и поддержка корейского и английского языков. Обозначение «uncensored» отражает название и происхождение базовой модели и не гарантирует безусловных ответов на любые запросы. Лицензия в предоставленных материалах не указана.

cstr/qwen3-asr-0.6b-GGUF — GGUF/ggml-квантизированные версии модели Qwen3-ASR 0.6B, разработанной Alibaba и адаптированные для запуска через CLI qwen3-asr-main из проекта CrispStrobe/CrispASR. Модель предназначена для автоматического распознавания речи и транскрибации аудиозаписей с автоматическим определением языка. Она поддерживает 30 языков, включая русский, английский, немецкий, французский, китайский и другие, а также 22 китайских диалекта. Это speech-LLM с Whisper-подобным аудиоэнкодером: 2D-свёрточный subsampler, 18-слойный Transformer и projector преобразуют аудио в представления размерности 1024, после чего их обрабатывает Qwen3 0.6B — 28-слойная языковая модель с GQA, SwiGLU и RoPE. Доступны варианты F16, Q8_0, Q4_K и Q3_K с размерами примерно от 531 МБ до 1,88 ГБ. Вариант Q4_K рекомендован как компромисс между размером, скоростью и качеством и на 4-ядерном CPU работает немного быстрее реального времени на указанном тестовом аудио. Для длинных записей предпочтительнее обычные Q4_K или Q8_0; варианты с importance matrix могут на длинном аудио переходить в повторяющиеся фрагменты. Модель сильна многоязычным распознаванием, компактностью, работой на CPU и отсутствием необходимости в torch, librosa или scipy во время инференса: необходимые mel-фильтры встроены в GGUF. Заявленный средний показатель составляет 6,42% WER на Open ASR Leaderboard, однако производительность и качество зависят от варианта квантизации и характеристик аудио. Для штатного запуска требуется 16 кГц, моно, 16-битный PCM WAV; другие форматы нужно предварительно конвертировать. Модель распространяется по лицензии Apache-2.0.

Qwen3-Embedding-0.6B-4bit-DWQ — это 4-битная квантованная версия модели Qwen3-Embedding-0.6B, разработанная сообществом mlx-community и преобразованная в формат MLX из исходной модели Qwen/Qwen3-Embedding-0.6B с использованием mlx-lm 0.24.1. Модель предназначена для задач feature extraction и вычисления семантического сходства текстов; в метаданных также указана совместимость с Transformers и sentence-transformers. Модель содержит около 0,6 млрд параметров и ориентирована на запуск в экосистеме MLX. Квантование 4-bit DWQ должно снижать требования к памяти по сравнению с полноразмерной версией, однако README не содержит количественных данных о качестве, поддерживаемых языках, размере контекста, точной архитектуре эмбеддингов или доступных модальностях. В примере показан текстовый ввод и загрузка через mlx-lm; дополнительные сценарии применения и ограничения не описаны. Модель распространяется по лицензии Apache-2.0. Для использования требуется установка пакета mlx-lm; README демонстрирует интерфейс генерации текста, хотя основное назначение модели по метаданным связано с получением признаков и оценкой сходства предложений.

Nicolassuez выпустил квантованную версию Qwen3-Reranker-0.6B для ранжирования текстовых кандидатов по релевантности запросу. Модель основана на Qwen/Qwen3-Reranker-0.6B; в репозитории заявлены веса GPTQ W8A16 с группами размера 128, упакованные как int8-значения и масштабы без повторной квантизации. Архитектура — плотная Qwen3ForCausalLM, размер — 507,6 млн параметров, контекст — до 40 960 токенов. Вариант использует пользовательский код: веса int8 остаются в VRAM и деквантуются при каждом прямом проходе; заявленный объём resident-весов — 740 МиБ против 1136 МиБ для bf16. Для оценки применяется официальный шаблон Qwen3-Reranker, а релевантность извлекается как вероятность токена «yes» из логитов последней позиции. README сообщает о совпадении выбора лучшего кандидата с родительским GPTQ-вариантом на проверенных запросах при заданном пороге разницы оценок. Модель предназначена для многоязычного ранжирования и переупорядочивания результатов поиска. Лицензия — Apache-2.0. Для загрузки требуется trust_remote_code=True; версии Transformers следует фиксировать, поскольку численные результаты могут различаться между версиями 4.57 и 5.14.

Lipdog/Qwen3-Reranker-4B-mlx-fp16 — модель ранжирования текстов на базе Qwen3 с 3,7 млрд параметров, подготовленная для запуска в формате MLX. README указывает, что она получена конвертацией Qwen/Qwen3-Reranker-4B с помощью mlx-lm версии 0.28.3. Модель оценивает релевантность текстовых кандидатов запросу и предназначена для сортировки результатов поиска и других задач ранжирования. Модель принимает текст и выдаёт оценки релевантности, которые можно использовать для упорядочивания документов или ответов. Она поддерживает контекст длиной до 40 960 токенов; метаданные указывают задачи text-ranking и text-generation, но основное назначение — реранжирование. Репозиторий распространяется по лицензии Apache-2.0.

timm/resnet50_clip.yfcc15m — модель CLIP с визуальным энкодером на основе ResNet-50, обученная на наборе изображений и подписей YFCC-15M. Она разработана для использования через OpenCLIP и timm: в OpenCLIP модель называется RN50-quickgelu, а в timm — resnet50_clip.yfcc15m. Модель сопоставляет изображения с текстовыми описаниями и подходит для классификации изображений по текстовым меткам без дополнительного обучения: пользователь задаёт варианты классов, а модель оценивает соответствие изображения каждому варианту. Модель принимает изображения и текстовые описания и выдаёт оценки сходства, которые можно использовать для выбора наиболее подходящего текстового класса. Репозиторий содержит веса в форматах PyTorch и safetensors; библиотека для работы — OpenCLIP. Лицензия MIT.

Карточка модели Veritone/siglip2-large-patch16-384 на Hugging Face совпадает с карточкой google/siglip2-large-patch16-384, поэтому описание составлено по ней. SigLIP 2 Large — модель компьютерного зрения и языка от Google на архитектуре SigLIP. Она обучена на наборе WebLI и предназначена для сопоставления изображений с текстом: модель выполняет классификацию изображений по заданным текстовым меткам и поиск изображений по текстовым запросам. Её также можно использовать как визуальный энкодер в мультимодальных языковых моделях и других системах компьютерного зрения. Модель принимает изображения и текстовые описания или метки, а на выходе формирует оценки соответствия между ними. Вариант Large с патчами 16×16 рассчитан на обработку изображений с разрешением 384 пикселя; веса опубликованы в формате Safetensors и доступны для Transformers. Лицензия Apache-2.0.

Это разреженный энкодер семейства ModernBERT, опубликованный организацией SparseEncoder и обученный с помощью Sentence Transformers на английском наборе Natural Questions. Он преобразует текстовые запросы и документы в разреженные векторы размерности 50 368 для семантического поиска и разреженного извлечения информации. Модель содержит 149 млн параметров; метаданные указывают контекст до 8192 токенов, а карточка модели заявляет максимальную длину последовательности 512 токенов. Модель предназначена для поиска релевантных документов и ответов по запросу. В README приведены результаты оценки на наборах NanoBEIR и отдельных наборах поиска, включая Natural Questions, MS MARCO, HotpotQA и Quora Retrieval. Она выдаёт векторные представления, а не готовые текстовые ответы. Лицензия в предоставленных данных не указана.

SPTK-2 — многоязычная модель автоматического распознавания речи от SVECTOR. Это модель типа encoder-decoder с архитектурой E-Branchformer и разреженным MoE-декодером; веса представлены в формате safetensors. Модель предназначена для транскрибации аудио, перевода распознанной речи и получения временных меток. В README заявлена поддержка более 99 языков, а метаданные перечисляют языки, включая русский, английский, китайский, немецкий, испанский, корейский, японский и другие. Модель опубликована в апреле 2025 года. Карточка сообщает об улучшенной точности распознавания, точности временных меток и энергоэффективности по сравнению с предыдущими моделями, однако сравнительные результаты не приведены. Лицензия указана как other, без дополнительных условий в предоставленных данных.