II.8Инженерия данных и аналитика

mxbai-embed-xsmall-v1 — модель для создания текстовых векторных представлений, разработанная mixedbread-ai. Она предназначена для семантического поиска и задач retrieval, включая поиск релевантных документов, ранжирование результатов и построение систем, работающих с embedding-представлениями текста. В README указано, что модель использует библиотеку sentence-transformers и основана на mixedbread-ai/mxbai-embed-mini-v1. В представленном описании не указаны размер модели, архитектура, размерность эмбеддингов, поддерживаемые языки, модальности и максимальная длина контекста. Доступные результаты оценки относятся к retrieval-задачам бенчмарка MTEB, включая ArguAna и различные поднаборы CQADupstack; показатели приведены для NDCG, MAP, recall, precision и accuracy при разных значениях k. Это подтверждает применимость модели для оценки качества поиска, однако не позволяет сделать выводы о её производительности в других сценариях или языках. Лицензия и условия коммерческого или иного использования в README не указаны. Поэтому перед применением модели необходимо отдельно проверить лицензионные условия и совместимость с конкретной задачей.

NVIDIA Nemotron-H-56B-Base-8K — базовая большая языковая модель для продолжения заданного текста, предназначенная для разработчиков и исследователей, создающих и адаптирующих LLM. Она использует гибридную архитектуру Nemotron-H на основе Mamba-2 и MLP с десятью слоями Attention и содержит 56 млрд параметров. Модель принимает и генерирует текст, поддерживает контекст до 8 тысяч токенов и обучалась на английском, немецком, испанском, французском, итальянском, корейском, португальском, русском, японском и китайском языках; в обучающих данных также был код. Модель подходит для продолжения текста и последующей адаптации под генерацию кода, математические задачи, ответы на вопросы и другие сценарии. NVIDIA сообщает об оценках на наборах для здравого смысла, программирования и математики. Для запуска описана интеграция с NeMo и поддержка GPU NVIDIA H100-80GB и A100; карточка рекомендует инструменты NeMo для дообучения и выравнивания. Это базовая модель без обязательного формата промпта, поэтому готовое поведение чат-ассистента не гарантируется. Модель выпущена NVIDIA для исследований и разработок. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования следует сверить с лицензией репозитория. Известные ограничения включают возможность токсичных, предвзятых, неточных, нерелевантных или избыточных ответов, а также уязвимость к некоторым вариантам косвенной prompt injection.

Orion-MoE8x7B — базовая предварительно обученная языковая модель компании OrionStar со sparse Mixture of Experts (MoE). Она обучена с нуля на корпусе примерно из 5 трлн токенов; в конфигурации указаны 32 слоя и скрытый размер 4096, а метаданные сообщают 7,5 млрд параметров и контекст до 8192 токенов. Модель предназначена для генерации текста, включая продолжение запросов и генерацию кода. Обучающий корпус включает английский, китайский, японский, корейский и другие языки. В README заявлены сильные результаты в многоязычных оценках, особенно для японского и корейского, а разреженная архитектура, по словам разработчика, ускоряет вывод относительно плотных моделей сопоставимого масштаба. Это базовая модель: карточка сообщает, что отдельная instruction-модель планируется к выпуску, поэтому из неё не следует ожидать специализированного поведения чат-ассистента без дополнительной настройки. В README приведены инструкции по инференсу через PyTorch и vLLM. Лицензия в предоставленных материалах не указана.

Merlinoz11/Ornith-1.0-397B-APEX — GGUF-версия модели Ornith-1.0-397B от DeepReinforce AI, подготовленная с помощью Github-APEX и llama.cpp. Это большая модель семейства Qwen 3.5 MoE, дообученная для агентного программирования с подкреплением: она генерирует решения и вспомогательные планы поиска, а также поддерживает вызов инструментов в чат-сценариях. Модель предназначена для работы через coding CLI и агентные фреймворки: она может помогать разбираться в кодовых базах, выполнять задачи разработки и автоматизировать работу в терминале. В README приведены примеры запуска через vLLM и SGLang на узле с восемью GPU по 80 ГБ и оценки на Terminal-Bench, SWE-Bench и других бенчмарках. В карточке производного репозитория указаны формат GGUF и лицензия MIT. Контекст до 262 144 токенов относится к рецепту запуска исходной модели; для этой GGUF-сборки отдельный размер контекста не указан.

Ornith-1.0-9B-GGUF — компактная открытая языковая модель семейства Ornith-1.0, разработанная командой Deep Reinforce. Модель ориентирована на агентное программирование и предназначена для эффективного развёртывания на одной GPU. Это 9B-Dense-вариант, созданный на базе Gemma 4 и Qwen 3.5 с последующим обучением методом reinforcement learning. Поддержка формата GGUF указана в идентификаторе модели. Ключевая особенность Ornith-1.0 — самоулучшаемое обучение, при котором модель оптимизирует не только последовательность действий для решения задачи, но и scaffold, управляющий этим решением. Такой подход нацелен на улучшение поисковых траекторий и качества выполнения сложных задач разработки программного обеспечения. По заявленным результатам модель показывает высокую эффективность среди открытых моделей сопоставимого размера: 43,1 на Terminal-Bench 2.1 с Terminus-2, 40,6 с Claude Code, 69,4 на SWE-bench Verified и 42,9 на SWE-bench Pro. Сильными сторонами являются специализация на агентном кодинге, сравнительно небольшой размер и возможность локального запуска на одной GPU. Ограничения связаны с тем, что README не содержит сведений о размере контекста, поддерживаемых языках, мультимодальности, точных требованиях к оборудованию и качестве вне задач программирования; заявленные показатели также зависят от используемого агентного окружения. Модель распространяется по лицензии MIT и заявлена как доступная без региональных ограничений.

Это версия модели распознавания речи NVIDIA Parakeet TDT 0.6B V2, преобразованная автором репозитория в формат safetensors с небольшими настройками для инференса через MLX. Репозиторий сохранён для обратной совместимости; в README рекомендована более новая копия в mlx-community. Модель предназначена для автоматической транскрибации аудио в текст и запускается, в частности, через библиотеку parakeet-mlx. Базовая модель NVIDIA ориентирована на английскую речь и формирует транскрипцию с пунктуацией, заглавными буквами и временными метками слов. Данных о размере контекста и результатах оценки этой версии в README нет. Модель основана на nvidia/parakeet-tdt-0.6b-v2 и распространяется по лицензии CC BY 4.0. Это конверсия с настройками для MLX, а не заявленная новая архитектура или самостоятельное дообучение; качество распознавания зависит от аудио и условий записи.

Sinequa разработала passage-ranker-v1-L-multilingual — модель ранжирования пассажей на основе BERT, которая оценивает релевантность пары «запрос — фрагмент текста» и помогает упорядочивать результаты поиска. В карточке указана архитектура BertForSequenceClassification, а метаданные сообщают о 151,7 млн параметров и контексте до 512 токенов; README приводит оценку в 124 млн параметров. Модель обучена по схеме MonoBERT на базе собственной многоязычной Sinequa BERT-Base. Модель предназначена для повторного ранжирования результатов поиска на английском, французском, немецком и испанском языках. Она нечувствительна к регистру и диакритическим знакам. В тестах BEIR средний NDCG@10 составил 0,471; в MIRACL приведены результаты для французского, немецкого и испанского языков. README указывает минимальную версию Sinequa 11.10.0 и требования к CUDA для GPU-инференса. Условия лицензии в доступных данных не приведены.

Qwen2.5-Coder-0.5B-Instruct-Gensyn-Swarm-deft_stocky_termite — языковая модель для работы с программным кодом, судя по идентификатору основанная на Qwen2.5-Coder с инструкционной настройкой. Модель размещена пользователем sabitbro; в README также указаны связи с проектами и методами rl-swarm, genrl-swarm, GRPO и Gensyn. Суффикс deft_stocky_termite, вероятно, обозначает конкретный вариант или участника распределённого обучения, однако подробности этого процесса не приведены. Заявленное назначение — выполнение инструкций и решение задач, связанных с программированием, например генерация, объяснение или изменение кода. Из доступных данных известен размер около 0,5 млрд параметров. Сведения о поддерживаемых языках, длине контекста, точной архитектуре, обучающих данных, результатах оценки, ограничениях и рекомендуемых сценариях использования отсутствуют. Лицензия в README не указана. Также отсутствуют данные о разработчике, происхождении базовой модели, условиях коммерческого использования и безопасности, поэтому перед применением в продуктивных системах необходимо самостоятельно проверить метаданные репозитория и качество модели на целевых задачах.

Qwen3.5-4B SWE-OPD tmax500 baseline step 105 — текстовый чекпойнт Qwen3.5-4B, дообученный методом on-policy distillation на наборе Harbor SWE. Его разработчик — StephYang; модель предназначена для генерации текста и диалоговых сценариев, в частности для задач, связанных с программной инженерией. Чекпойнт обучался 3 эпохи, до 105-го шага, на выборке из 423 обучающих и 30 валидационных примеров. Архитектура — плотная причинная языковая модель Qwen3_5ForCausalLM; размер — 3,4 млрд параметров, формат весов — bfloat16 Safetensors, библиотека — Transformers. Контекстное окно — 262 144 токена. Это текстовый вариант базовой модели, экспортированный из FSDP-актора в объединённый файл весов. Для загрузки README указывает Transformers версии 5.6.0 или новее. Лицензия — Apache-2.0. Карточка описывает специализированное обучение на SWE-данных, но не приводит результаты оценки качества; заявленные характеристики базовой модели, включая понимание изображений, к этому текстовому чекпойнту не следует автоматически относить.

drawais/Qwen3-Embedding-8B-AWQ-INT4 — производная от Qwen/Qwen3-Embedding-8B, разработанная на основе модели Qwen. Это версия с 4-битной квантованием весов по методу AWQ, предназначенная для запуска на локальном оборудовании с ограниченным объёмом видеопамяти. Модель рассчитана на работу с английским языком и может использоваться в сценариях, где требуется применение базовой embedding-модели при сниженных требованиях к памяти. Размер артефакта на диске составляет примерно 6,1 ГБ; заявлена возможность запуска на потребительском GPU с 8 ГБ видеопамяти при наличии запаса для KV-кэша. Для запуска через vLLM в README указан максимальный размер контекста 32 768 токенов. Ключевое преимущество модели — существенное уменьшение размера и требований к памяти благодаря INT4-квантованию. При этом README не содержит подробностей о качестве эмбеддингов, архитектуре базовой модели, поддерживаемых модальностях и результатах бенчмарков, поэтому влияние квантования на точность оценить нельзя. Модель распространяется по лицензии Apache License 2.0. Это производная работа от Qwen/Qwen3-Embedding-8B; в комплекте указаны файлы LICENSE и NOTICE с текстом лицензии и необходимой атрибуцией.

Qwen3-ForcedAligner-0.6B-GGUF — это GGUF-конверсия модели Qwen3-ForcedAligner-0.6B, разработанной командой Qwen. Модель предназначена для forced alignment: она принимает аудиозапись и готовую расшифровку и в одном проходе предсказывает временные метки для слов или токенов. Это позволяет получать пословные тайминги и субтитры с временным разрешением 80 мс, в том числе при использовании различных бэкендов автоматического распознавания речи через CrispASR. Архитектура включает 24-слойный аудиоэнкодер с d_model 1024, 28-слойное тело Qwen3 с d_model 1024, 16 attention heads и 8 KV heads, а также специализированную 5000-классовую голову для предсказания временных интервалов. В отличие от ASR-моделей, она не генерирует текст авторегрессивно, а обрабатывает всю пару «аудио, текст» одним прямым проходом. Доступны варианты F16, Q8_0, Q5_0 и Q4_K размером примерно от 0,53 до 1,84 ГБ. Поддерживаются китайский, английский, кантонский, французский, немецкий, итальянский, японский, корейский, португальский, русский и испанский языки. Сильные стороны модели — однопроходное выравнивание, широкая языковая поддержка, совместимость с разными транскрипционными бэкендами и наличие компактных квантованных вариантов. Ограничение текущей C++-обёртки — использование разбиения текста по пробелам, что менее эффективно для китайского и японского языков; для них предпочтительнее upstream-реализация с языково-специфической токенизацией. Модель распространяется по лицензии Apache-2.0.

ggml-org/Qwen3-Reranker-0.6B-Q8_0-GGUF — это модель для ранжирования текста, преобразованная в формат GGUF из базовой модели Qwen/Qwen3-Reranker-0.6B. Конвертация выполнена с использованием llama.cpp через сервис GGUF-my-repo от ggml.ai; исходная модель разработана командой Qwen. Модель предназначена для оценки релевантности текстовых пар или результатов поиска и может применяться в системах информационного поиска, семантического поиска и других сценариях, где требуется переупорядочить документы по соответствию запросу. Модель имеет размер 0,6 млрд параметров и поставляется в квантизированном варианте Q8_0 в формате GGUF, что ориентировано на использование с совместимыми инструментами экосистемы llama.cpp. В README не указаны архитектурные детали, поддерживаемые языки, длина контекста, модальности, конкретные показатели качества или ограничения применения, поэтому оценить эти характеристики невозможно. Лицензия — Apache-2.0.

Qwen3-VL-Reranker-2B-mxfp4 — модель для мультимодального ранжирования, опубликованная сообществом mlx-community. Она преобразована в формат MLX из Qwen/Qwen3-VL-Reranker-2B и предназначена для оценки релевантности и сортировки результатов поиска по запросу; базовая модель Qwen3-VL-2B-Instruct поддерживает анализ изображений и видео, однако карточка этой версии подтверждает только задачу ранжирования. Веса представлены в репозитории в формате safetensors, библиотека для работы — Transformers; лицензия Apache-2.0. README предлагает использовать пакет mlx-embeddings.

Это англоязычный Cross-Encoder, разработанный tomaarsen и дообученный на базе microsoft/MiniLM-L12-H384-uncased с библиотекой sentence-transformers и функцией потерь LambdaLoss. Модель оценивает пары запроса и документа одним числовым баллом, чтобы упорядочивать найденные документы по релевантности для семантического поиска и повторного ранжирования. Модель содержит около 40 млн параметров, принимает текстовые пары и поддерживает последовательности длиной до 512 токенов. В README приведены результаты оценки на наборах NanoMSMARCO, NanoNFCorpus и NanoNQ, а также агрегированная оценка NanoBEIR. Репозиторий содержит веса Safetensors; лицензия — Apache-2.0.

RoBERTa Amharic Text Embedding Medium — модель Sentence Transformers от rasyosef, дообученная на наборе amharic-passage-retrieval-dataset на базе rasyosef/roberta-medium-amharic. Она преобразует предложения и абзацы на амхарском языке в плотные векторы размерностью 512 для поиска по смыслу и сравнения текстов. Архитектура включает XLM-RoBERTa, усредняющий пулинг токенов и нормализацию; базовая модель содержит 49,9 млн параметров, максимальная длина последовательности — 512 токенов. Сходство векторов оценивается косинусной мерой. Модель подходит для семантического поиска и извлечения релевантных пассажей, оценки сходства предложений, поиска перефразировок, кластеризации и классификации текстов на амхарском языке. В README приведены результаты оценки поиска на обучающем корпусе, но они не гарантируют качество на других данных. Модель распространяется по лицензии Apache-2.0.

Ruri-Reranker-Base — японский реранкер на основе Sentence Transformers, разработанный командой cl-nagoya и дообученный на cl-nagoya/ruri-reranker-stage1-base. Модель оценивает релевантность пар запрос–текст и ранжирует найденные документы, например, на этапе поиска в RAG-системе. В метаданных указана архитектура BERT для классификации последовательностей и 138,4 млн параметров. Модель рассчитана на японский язык и принимает текстовые пары; максимальная длина последовательности — 512 токенов. В README приведены результаты на японских наборах JQaRA, JaCWIR и MIRACL: модель показывает 74,3, 93,5 и 95,6 соответственно. Репозиторий содержит веса в формате safetensors. Лицензия — Apache 2.0.

SenseVoiceSmall-GGUF — это GGUF-сборка модели SenseVoiceSmall, разработанной командой FunAudioLLM. Модель предназначена для автоматического распознавания речи и запускается через CPU-ориентированный runtime FunASR llama.cpp без необходимости использовать Python или собирать программное обеспечение самостоятельно. Она рассчитана на локальное применение на компьютерах и edge-устройствах, включая обработку аудиофайлов и длинных записей с использованием VAD-модуля. В основе модели лежит архитектура SAN-M encoder с CTC-декодированием. Она поддерживает китайский и английский языки, а также может добавлять к результату теги языка, эмоций и звуковых событий. Доступны варианты весов в форматах F16 размером около 470 МБ, Q8 размером около 235 МБ и F32 размером около 936 МБ; для Q8 заявлена точность, сопоставимая с F16. На CPU с восемью потоками модель достигает примерно 8,01% CER на указанном Mandarin-бенчмарке и работает примерно в 20 раз быстрее реального времени по данным README. К сильным сторонам относятся высокая скорость на CPU, автономный запуск, отсутствие обязательной зависимости от Python и поддержка дополнительных языковых, эмоциональных и событийных тегов. Ограничения включают заявленную поддержку только китайского и английского языков, необходимость отдельного VAD-модуля для длинного аудио и привязку к FunASR llama.cpp runtime. Модель распространяется по лицензии Apache-2.0.

zeromodels/siglip2_base_p16_512 — конверсия модели Google SigLIP 2 Base Patch16 512 в реализацию на Keras 3 для библиотеки zeromodels. Модель сопоставляет изображения с текстовыми описаниями и поддерживает классификацию по текстовым меткам без специального обучения на целевом наборе классов: при инференсе ей передают изображения и текстовые подсказки. Размер входного изображения — 512 пикселей; мультиязычный токенизатор основан на словаре Gemma. Реализация работает с TensorFlow, PyTorch и JAX. SigLIP 2 использует sigmoid loss и предварительное обучение с подписями к изображениям, самодистилляцией и masked prediction, что улучшает семантическое понимание и плотные визуальные признаки. Модель подходит для zero-shot классификации и сопоставления изображения с текстом. Основана на google/siglip2-base-patch16-512; распространяется по лицензии Apache 2.0.

Карточка модели Veritone/siglip2-base-patch16-384 на Hugging Face совпадает с карточкой google/siglip2-base-patch16-384, поэтому описание составлено по ней. SigLIP 2 Base — базовая модель семейства SigLIP 2 от Google, предназначенная для сопоставления изображений и текста. Это плотная vision-архитектура; вариант patch16-384 принимает изображения с разрешением 384 пикселя и обучен на датасете WebLI с использованием объединённой схемы предобучения SigLIP и ранее разработанных методов. Модель подходит для классификации изображений по произвольным текстовым меткам без дополнительного обучения, поиска изображений по тексту и текста по изображению, а также как визуальный энкодер для VLM и других компьютерно-зрительных задач. В README отмечены улучшенное семантическое понимание, локализация и извлечение плотных признаков. Модель распространяется под лицензией Apache-2.0. README не приводит численный размер модели или результаты оценки, поэтому их нельзя уточнить по доступным сведениям.

SigLIP 2 Large — визуальная модель Google на архитектуре SigLIP, обученная для сопоставления изображений и текста. Версия Large с патчами 16×16 и входным разрешением 512 пикселей расширяет исходную схему предобучения SigLIP методами для улучшения семантического понимания, локализации и получения плотных признаков. Модель использует библиотеку Transformers и распространяется в формате Safetensors. Модель предназначена для классификации изображений по произвольным текстовым меткам без отдельного обучения, поиска изображений по текстовому запросу и использования в качестве визуального энкодера для VLM и других задач компьютерного зрения. Она предобучена на наборе WebLI. Карточка не сообщает об ограничениях качества для конкретных типов изображений. Лицензия — Apache 2.0.

zeromodels/siglip2_so400m_p16_256 — конверсия Google SigLIP 2 в формат Keras 3, подготовленная для zeromodels. Это мультимодальная модель для классификации изображений по текстовым запросам: при инференсе ей передают изображения и текстовые подсказки с вариантами классов, а она оценивает их соответствие. Реализация работает с TensorFlow, PyTorch и JAX. Модель основана на google/siglip2-so400m-patch16-256 и использует визуально-языковой подход SigLIP 2. В README отмечены предобучение с подписями, самодистилляция и masked prediction, направленные на улучшение семантического понимания и визуальных признаков. Токенизатор использует мультиязычный словарь Gemma на 256 тысяч токенов; точный перечень поддерживаемых языков не приводится. Модель подходит для классификации без обучения на конкретных метках и сопоставления изображений с текстовыми описаниями. Репозиторий распространяется по лицензии Apache 2.0. Для загрузки рекомендуется соответствующий варианту процессор, чтобы согласовать размер изображений и токенизатор.

mlx-community/siglip2-so400m-patch16-384 — модель компьютерного зрения, разработанная сообществом mlx-community и конвертированная в формат MLX из google/siglip2-so400m-patch16-384 с использованием mlx-lm. Модель предназначена для сопоставления изображений с текстовыми описаниями и классификации изображений по произвольным текстовым меткам без предварительного обучения на конкретных классах. Модель использует архитектуру SigLIP 2 с размером So400M, размером патча 16 и входным разрешением 384 пикселя. Она формирует оценки соответствия для пар «изображение—текст», которые можно преобразовать в вероятности с помощью сигмоиды. Модель работает в формате MLX и подключается через библиотеку mlx-embeddings; библиотека Transformers указана в метаданных. Модель подходит для zero-shot-классификации, поиска изображений по текстовым описаниям и оценки семантического соответствия между изображениями и подписями. Лицензия Apache-2.0 разрешает использование, модификацию и распространение при соблюдении её условий.

SLIM-NLI — специализированная причинно-следственная модель из серии SLIM компании llmware. Это плотная авторегрессионная модель семейства Llama с 1 млрд параметров, дообученная для вызова функции классификации вывода естественного языка (NLI). Она принимает два утверждения: свидетельство и вывод, а затем формирует структурированный результат в виде Python-словаря, например с указанием, противоречит ли свидетельство выводу. Модель предназначена для программных конвейеров, где результат классификации используется в последующих шагах автоматизации. Поддерживается контекст длиной 2048 токенов; модель рассчитана на работу через Transformers или LLMWare. Выпущена под лицензией Apache-2.0. README описывает сценарий с двумя утверждениями и параметром evidence. Карточка не сообщает языковой охват и ограничения качества; результат генерируется как текст, поэтому его разбор в словарь может завершиться неудачно. Метаданные указывают формат PyTorch.

ctaguchi/ssc-sco-mms-model — дообученная модель распознавания речи на основе facebook/mms-1b-all. Она использует архитектуру Wav2Vec2ForCTC и содержит 1,3 млрд параметров; принимает аудио и преобразует речь в текст. Базовая модель поддерживает более тысячи языков, но язык и набор данных, на которых дообучена эта версия, не указаны. В карточке приведены результаты оценки: CER 0,2065, WER 0,5486 и loss 0,7277. Эти значения относятся к оценочному набору, сведения о котором отсутствуют, поэтому их нельзя напрямую переносить на другие данные. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

UniXcoder-base-nine — предварительно обученная модель представления кода, разработанная командой Microsoft. Она использует совместное обучение на коде, комментариях и абстрактных синтаксических деревьях и построена на архитектуре RoBERTa; в репозитории указано 152,7 млн параметров и контекст до 1026 токенов. Модель рассчитана на работу с кодом и естественно-языковыми описаниями на английском языке. UniXcoder поддерживает несколько режимов: получение векторных представлений и поиск кода по текстовому запросу, завершение кода, предсказание имени функции, рекомендацию API и суммаризацию кода. Репозиторий содержит веса PyTorch, а в метаданных Hugging Face основная задача указана как извлечение признаков. Лицензия — Apache-2.0.

Модель Harveenchadha/vakyansh-wav2vec2-hindi-him-4200 — модель распознавания речи на базе Wav2Vec2ForCTC, разработанная командой Vakyansh при Ekstep. Она дообучена на многоязычной предварительно обученной модели CLSRIL-23 и предназначена для преобразования речи на хинди в текст. Обучение проводилось на 4200 часах размеченных аудиоданных на хинди. Модель содержит около 113,3 млн параметров и принимает аудио с частотой дискретизации 16 кГц. Она выдаёт распознанный текст на хинди; языковая модель для декодирования не используется. В тесте на данных Common Voice для хинди указано значение 33,17%, но README не уточняет метрику, поэтому этот результат следует интерпретировать осторожно. Размеченные обучающие данные не опубликованы. Лицензия модели — MIT.

vinilm-2021-from-large — предварительно обученная языковая модель, разработанная R&D AI Lab компании VMware. Это модель на архитектуре BERT, созданная дистилляцией vBERT-2021-large в более компактную модель семейства MiniLMv2 для ускорения инференса при небольшом снижении качества. В README указано 320 000 документов VMware Docs, блогов и других публичных текстов VMware для дистилляции; метаданные указывают 80,1 млн параметров и контекст до 512 токенов. Модель предназначена для получения признаков текста и VMware-ориентированных NLP-сценариев, включая информационный поиск и классификацию. В карточке заявлена поддержка английского языка. Для лучшего качества требуется внутренний препроцессор vNLP, который публично недоступен; модель также может наследовать смещения исходной BERT. Лицензия — Apache 2.0.

Модель timm/vit_so400m_patch14_siglip_224.webli — визуальный энкодер семейства SigLIP на архитектуре Vision Transformer. Это только image encoder с исходным attention pooling, предназначенный для извлечения признаков изображений. Модель разработана Google и распространяется в экосистеме timm; веса доступны в форматах PyTorch и safetensors. Энкодер преобразует изображение в признаки, которые можно использовать для визуального поиска, сопоставления изображений и построения систем классификации или кластеризации с отдельными компонентами. Карточка не сообщает размер модели, разрешение входа, языки или контекст; лицензия Apache-2.0 разрешает использование и распространение на её условиях.

Модель разработана CLEAR-Global и представляет собой дообученную версию facebook/w2v-bert-2.0 для автоматического распознавания речи на языке хауса. Это плотная модель архитектуры Wav2Vec2-BERT с классом Wav2Vec2BertForCTC, содержащая 402,8 млн параметров; она принимает аудио и выдаёт распознанный текст. Модель обучена на наборе CLEAR-GLOBAL/HAUSA_579_993H_YOURTTS - NA. На оценочном наборе указаны Loss 0,2249, WER 0,3234 и CER 0,1866. Подходит для транскрибирования записей на хауса и построения систем распознавания речи для этого языка. Опубликована в формате safetensors для библиотеки Transformers. Лицензия — MIT. В карточке отмечено, что модель дообучена от facebook/w2v-bert-2.0; подробные сведения о других ограничениях и условиях оценки не приведены.

Модель w2v-bert-2.0-hausanaijavoices250h разработана CLEAR-Global и дообучена на датасете NAIJAVOICES_250H для автоматического распознавания речи. Это модель архитектуры Wav2Vec2-BERT с CTC-выходом, содержащая 402,8 млн параметров; она принимает аудио и выдаёт текст. В опубликованной оценке указаны Loss 0,2333, WER 0,3302 и CER 0,1886. Модель предназначена для транскрибирования речи на хауса, в частности данных из набора NaijaVoices. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — MIT.