II.8Инженерия данных и аналитика

bappi/Qwen2.5-Coder-3B-Uncensored — текстовая генеративная модель, опубликованная пользователем bappi на Hugging Face. Репозиторий содержит модель примерно на 3 млрд параметров в формате Safetensors и предназначен для запуска через Transformers, vLLM и совместимые инструменты. По идентификатору и тегам это вариант семейства Qwen2.5-Coder, ориентированный прежде всего на генерацию и обработку программного кода, однако точное описание дообучения и сведения о разработчике в карточке модели отсутствуют. Надёжно подтверждены возможности text generation и conversational inference. Для базовой модели Qwen2.5-Coder-3B официально указаны архитектура Qwen2ForCausalLM, 3,09 млрд параметров, 36 слоёв, механизм GQA и контекст до 32 768 токенов; семейство предназначено для задач кодогенерации, завершения кода и работы с математическими и общими текстовыми запросами. Мультимодальность не заявлена. Языки и фактическое качество именно этой производной модели не описаны в её карточке, поэтому их нельзя достоверно установить. Карточка модели автоматически сгенерирована и не содержит данных о тестах, обучающих данных, ограничениях, рисках или лицензии. Условия лицензирования данной производной модели не указаны; лицензию базовой модели нельзя автоматически считать лицензией этого репозитория. Из-за отсутствия сведений о методе модификации, оценках и ограничениях следует ожидать возможных ошибок и проверять результаты, особенно в программном коде.

Модель kihyun-K/Qwen3-0.6B-JSON-SFT-GRPO — дообученная версия Qwen3, созданная kihyun-K на основе kihyun-K/Qwen3-0.6B-JSON-SFT. Это плотная авторегрессионная языковая модель с 507,9 млн параметров, предназначенная для генерации текста в диалоговом формате; название модели указывает на настройку для вывода JSON с использованием GRPO. Контекстное окно составляет 40 960 токенов. Модель может использоваться для генерации структурированных JSON-ответов и других текстовых ответов в приложениях на базе чат-моделей. Она распространяется в формате Safetensors и выпущена по лицензии Apache-2.0. В README указано, что при обучении использовались Unsloth и библиотека TRL от Hugging Face.

LifetimeMistake/Qwen3-VL-Embedding-2B-AWQ-4bit — квантизированный вариант мультимодальной модели эмбеддингов Qwen3-VL-Embedding-2B, разработанной командой Qwen. Модель преобразует векторы представления текстов, изображений, скриншотов, видео и смешанных текстово-визуальных запросов и предназначена для семантического поиска, retrieval-задач и построения мультимодальных систем поиска и сопоставления. Модель имеет размер 2B параметров в базовой версии, поддерживает более 30 языков, контекст до 32 тысяч токенов и размерность эмбеддингов до 2048 с возможностью использовать меньшие размерности. Применена 4-битная AWQ-квантизация весов текстовых Linear-слоёв с форматом compressed-tensors и размером группы 128; визуальные модули и lm_head оставлены без квантизации. Предусмотрено развёртывание через vLLM с backend compressed-tensors. Для мультиязычных retrieval-задач рекомендуются инструкции на английском языке. По сравнению с исходной FP16-моделью вариант AWQ показал небольшое снижение nDCG@10 и Recall@10, но рост MRR@10; в описанном тестировании он лучше сохранил качество мультимодального поиска, чем альтернативный NVFP4-вариант. При этом заметного ускорения работы относительно FP16 не получено, а квантизация выполнялась по текстовой части с использованием преимущественно текстовых калибровочных данных, что может ограничивать переносимость результатов на отдельные визуальные сценарии. Модель распространяется по лицензии Apache-2.0.

Qwen3-VL-Reranker-2B-8bit — мультимодальная модель ранжирования от mlx-community, преобразованная в формат MLX из Qwen/Qwen3-VL-Reranker-2B. Она предназначена для оценки релевантности и упорядочивания результатов поиска; семейство Qwen3-VL также поддерживает работу с визуальным содержимым. Модель основана на Qwen/Qwen3-VL-2B-Instruct и использует плотную архитектуру Qwen3-VL с классом Qwen3VLForConditionalGeneration. В репозитории указаны веса SafeTensors и библиотека Transformers. Лицензия — Apache 2.0. README не сообщает конкретные сведения о контекстном окне и поддерживаемых языках.

RAG Audit Judge — небольшая модель для локальной проверки ответов в системах генерации с дополнением поиском (RAG). Она принимает вопрос пользователя, найденные фрагменты контекста и ответ-кандидат, а затем возвращает JSON-аудит с оценкой обоснованности ответа, риском галлюцинаций, качеством цитирования, списком проблем и рекомендуемым исправлением. Модель предназначена для проверок качества RAG при разработке и в локальной автоматизации; оценка должна опираться только на переданный контекст, а не на внешние знания. В репозитории представлены PEFT LoRA-адаптеры для unsloth/Llama-3.2-1B-Instruct-bnb-4bit и unsloth/Llama-3.2-3B-Instruct-bnb-4bit, а также обучающие данные из 108 примеров и материалы для экспорта. Метаданные указывают форматы GGUF и safetensors и библиотеку PEFT. Готовые GGUF-файлы в репозитории отсутствуют: для использования через Ollama их нужно получить из адаптеров. Лицензия указана как other, поэтому конкретные условия следует проверять в карточке модели и у базовых моделей.

Модель Solshine/reflection-llama-3.1-8B — разговорная языковая модель семейства Llama 3.1, разработанная Solshine (Caleb DeLeeuw) и дообученная на предыдущем чекпойнте этой серии методом итеративного reflection tuning. Она генерирует рассуждение в специальных тегах, может отмечать и исправлять ошибки в ходе рассуждения, а затем выдаёт итоговый ответ в отдельных тегах. Для диалогов используется стандартный формат чата Llama 3.1. Модель предназначена для генерации ответов и решения задач, где полезны пошаговое рассуждение и самопроверка, в том числе математических текстовых задач. В карточке указаны 7,5 млрд параметров и контекст до 131 072 токенов; доступны интерфейсы чата и вызова инструментов. Обучение проведено с использованием Unsloth и TRL на данных Reflection-Dataset-v2 и orca-math-word-reflection. Основной язык карточки — английский. Официальных результатов бенчмарков пока нет, поэтому качество рассуждений и ответов не подтверждено независимой оценкой. Модель распространяется по лицензии Llama 3.1; применимость лицензии и её условия следует учитывать при использовании.

Ruri-Small — компактная модель Sentence Transformer, разработанная cl-nagoya для получения векторных представлений японских предложений и оценки их семантического сходства. Она дообучена на базе line-corporation/line-distilbert-base-japanese с использованием cl-nagoya/ruri-dataset-ft и предназначена для задач поиска и сравнения японских текстов. Модель использует архитектуру DistilBERT, формирует эмбеддинги размерности 768 и обрабатывает последовательности длиной до 512 токенов. Для оценки сходства применяется косинусная мера. В README приведены результаты JMTEB по поиску, семантическому сходству, классификации, переранжированию, кластеризации и классификации пар. Модель распространяется по лицензии Apache 2.0.

Salamandra-7B — базовая авторегрессионная языковая модель семейства Salamandra, разработанная и предварительно обученная с нуля. Это плотная decoder-only Transformer-архитектура Llama с 6,7 млрд параметров и контекстом 8192 токена. Модель обучена на 12,875 трлн токенов текста на 35 европейских языках и кода; репозиторий содержит веса в формате Safetensors. Модель предназначена для продолжения текста и генерации на нескольких языках, а также может служить основой для последующей тонкой настройки под конкретные задачи и области. Это базовая, не настроенная на выполнение инструкций версия, поэтому качество диалоговых ответов и следование запросам не гарантируются без дополнительной настройки. Модель распространяется по лицензии Apache 2.0. В карточке отмечены социальные и когнитивные смещения: в неоднозначных сценариях наблюдались слабые результаты, а ответы могут зависеть от позиции вариантов и формулировки подсказки. Авторы рекомендуют оценивать и адаптировать модель перед применением.

ostoveland/SBertBaseMittanbudver3 — модель Sentence Transformers от ostoveland, дообученная на основе NbAiLab/nb-sbert-base. Она кодирует предложения и абзацы в плотные векторы размерностью 64 и предназначена для сравнения семантической близости, семантического поиска, поиска перефразировок, кластеризации и классификации текста. Архитектура основана на BERT с усреднением токенных представлений; используется косинусное сходство. В README указан предел последовательности 75 токенов, а метаданные указывают контекст до 512 токенов. Доступны веса PyTorch и OpenVINO; библиотека для работы — sentence-transformers. Обучающие примеры включают норвежские описания услуг и похожие запросы, поэтому модель особенно подходит для сопоставления коротких норвежских текстов. Лицензия в предоставленных данных не указана.

Seed 2.1 Turbo — мультимодальная модель команды ByteDance Seed для программирования и длительных агентных сценариев. Она предназначена для сквозной разработки программного обеспечения и выполнения многошаговых задач. Каталог относит модель к задаче image-text-to-text, а карточка описывает понимание визуальной информации. Доступная часть карточки не раскрывает архитектуру, размер, контекст, языки или лицензию, поэтому эти характеристики здесь не приводятся. По описанию модель принимает текст и визуальную информацию и предназначена для агентных рабочих процессов; подробности о доступных инструментах и качестве выполнения задач не указаны.

Smaug-Mixtral-v0.1 — разговорная языковая модель серии Smaug от Abacus.AI, полученная дообучением Mixtral с помощью метода DPO-Positive (DPOP). Она предназначена для генерации ответов в чате и решения широкого круга задач, включая рассуждения и математику. Архитектура — Mixtral MoE; в метаданных указан размер 7,1 млрд параметров и контекст до 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache 2.0. В карточке приведены результаты оценок на ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K; средний результат указан как 75,12. README описывает DPOP как подход к обучению на предпочтениях, призванный избегать снижения вероятности предпочтительных ответов и улучшать результаты на разных задачах. Языки обучения или поддерживаемые языки в предоставленных данных не обозначены.

SPLADE-BERT-Medium — разреженный энкодер для поиска, созданный yosefw дообучением prajjwal1/bert-medium с помощью Sentence Transformers. Он преобразует предложения и абзацы в разреженные векторы размерности 30 522; сходство между ними оценивается скалярным произведением. Архитектура включает BertForMaskedLM и слой SpladePooling с max-пулингом и ReLU. Модель рассчитана на английский язык, принимает последовательности длиной до 512 токенов и поддерживает поиск по смыслу и разреженное извлечение документов. Модель подходит для сопоставления запросов с релевантными документами и ранжирования результатов в поисковых системах. В README приведены метрики dot_accuracy@1/3/5 на оценочном наборе, однако сведения о названии и составе этого набора ограничены. Лицензия — MIT.

ctaguchi/ssc-kbd-mms-model-mix-adapt-max — дообученная модель автоматического распознавания речи, созданная на основе facebook/mms-1b-all. Она использует архитектуру wav2vec2 с CTC-декодированием и содержит 1,3 млрд параметров. Модель принимает аудио и предназначена для преобразования речи в текст; README сообщает результаты оценки: CER 0,1091 и WER 0,5604. Карточка не описывает обучающие данные, целевые языки или предполагаемые сценарии применения. Базовая MMS-1B-All поддерживает более тысячи языков, но целевой набор языков этого дообученного чекпойнта из доступных сведений определить нельзя. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

UwU-7B-Instruct — дообученная модель для генерации текста, разработанная автором репозитория qingy2024. Она создана на базе Qwen/Qwen2.5-7B и полностью дообучена на наборе FineQwQ-142k. Автор позиционирует её как универсальную модель для рассуждений и диалогового использования. Модель использует плотную архитектуру Qwen2, содержит 7,1 млрд параметров и поддерживает контекст до 131 072 токенов. Она принимает текст и генерирует текст; в метаданных заявлены русский, английский, китайский и другие языки. Лицензия — Apache-2.0. README не приводит количественных оценок качества или подробных результатов тестирования.

BuzzASR/uzbek — одноязычная модель автоматического распознавания речи на узбекском языке, разработанная как часть набора BuzzASR. Она дообучена методом простого ASR fine-tuning на openai/whisper-large-v3 с исходным токенизатором Whisper. Модель содержит около 905,2 млн параметров и принимает аудио, выдавая текстовую транскрипцию; в конфигурации генерации уже задан языковой и задачный prompt. Модель предназначена для транскрибации узбекской речи. В тестах FLEURS и Common Voice Corpus 25.0 авторы сообщают CER 6,6% и 2,68% соответственно, а на объединённом наборе — CER 3,86% и WER 16,0%. По заявлению авторов, результаты на объединённом тесте превосходят сравниваемые открытые системы; качество на других данных может отличаться. Модель распространяется по лицензии MIT.

VibeThinker-3B LiteRT-LM — это конвертированная версия модели WeiboAI/VibeThinker-3B, разработанная на базе Qwen2.5-Coder-3B. Репозиторий Tdamre содержит артефакты для локального инференса на устройствах с использованием LiteRT-LM. Модель представляет собой плотную reasoning-модель примерно на 3 млрд параметров, ориентированную на генерацию текста и решение задач, требующих рассуждений, включая программирование и математические запросы. Доступны варианты с кэшем контекста на 2048, 4096, 32768 и 65536 токенов, что позволяет выбирать баланс между потреблением ресурсов и поддержкой длинных запросов. Артефакты используют динамическую квантизацию dynamic_wi8_afp32 и рассчитаны на CPU или GPU; в состав входят токенизатор, метаданные LLM, квантизированные TFLite-модели для prefill/decode и внешний embedder. Указанная модальность — текстовая; сведения о поддерживаемых языках в README отсутствуют. Сильные стороны модели — компактный размер, локальная работа без обязательного обращения к облачным сервисам, варианты для короткого и длинного контекста и совместимость с LiteRT-LM, включая мобильные сценарии. Ограничения связаны с отсутствием готовых Qualcomm SM8750 NPU AOT-артефактов и MediaPipe .task-бандлов, а также с тем, что характеристики качества, скорости и потребления памяти не приведены. Модель и конвертированные артефакты распространяются по лицензии MIT.

Cloyne/vietnamese-sbert — дообученная модель Sentence Transformer на базе keepitreal/vietnamese-sbert, разработанная Cloyne. Архитектура RoBERTa с mean pooling преобразует предложения и абзацы в плотные векторы размерности 768; сходство между ними оценивается косинусной мерой. Модель содержит 162,4 млн параметров и рассчитана на последовательности длиной до 258 токенов по метаданным Hugging Face; в README указана максимальная длина 256 токенов. Модель предназначена прежде всего для семантического поиска и сравнения вьетнамских текстов. Её можно применять для поиска похожих фрагментов, выявления перефразировок, кластеризации и получения эмбеддингов для последующей классификации. Дообучение выполнено на 120 210 парах anchor-positive из CSV-датасета с функцией потерь MultipleNegativesRankingLoss. Модель принимает текст и выдаёт векторы, поэтому сама по себе не генерирует ответы и не является готовым классификатором. Контекст ограничен короткими последовательностями, а качество для языков помимо вьетнамского не подтверждено. Лицензия в предоставленных данных не указана.

ViT-L-16-SigLIP-256 — контрастивная модель для сопоставления изображений и текста, обученная командой Big Vision на датасете WebLI и опубликованная timm. Она предназначена для классификации изображений без дообучения: модель сравнивает изображение с текстовыми описаниями классов и оценивает их соответствие. Архитектура включает визуальный энкодер ViT-L/16 с разрешением изображения 256 пикселей и текстовый энкодер SigLIP; веса доступны в форматах PyTorch и Safetensors, библиотека для работы — OpenCLIP. Модель принимает изображения и текстовые описания, а выдаёт оценки сходства, которые можно использовать для выбора наиболее подходящей метки; визуальные эмбеддинги также доступны через timm. Лицензия Apache-2.0. README сообщает о конвертации исходных JAX-чекпойнтов Big Vision в PyTorch, поэтому это конверсия формата, а не новое дообучение.

yongjian/wav2vec2-large-a — модель распознавания речи на базе Wav2Vec2, дообученная из facebook/wav2vec2-large-960h-lv60-self. Она предназначена для преобразования аудиозаписей в текст и размечена для английского языка; в метаданных указан датасет LIUM/tedlium. Модель содержит около 402,7 млн параметров и представлена в формате PyTorch. Карточка содержит мало сведений о качестве распознавания, допустимых условиях записи и конкретной конфигурации входного аудио. Лицензия в предоставленных данных не указана.

Ilyes разработал модель распознавания французской речи на базе wav2vec2-large-xlsr-53. Это плотная модель с архитектурой Wav2Vec2ForCTC и 402,7 млн параметров, принимающая аудио и преобразующая речь в текст. Модель дообучена и оценена на французской части Common Voice; в карточке указаны WER 12,82% и CER 4,40% на тестовой выборке Common Voice FR. Модель подходит для транскрибации французской речи, например записей и аудиоматериалов. Она распространяется под лицензией Apache-2.0.

Модель jonatasgrosman/wav2vec2-large-xlsr-53-greek — система автоматического распознавания греческой речи, созданная дообучением facebook/wav2vec2-large-xlsr-53. Она принимает аудио и преобразует речь в текст; для входной записи требуется частота дискретизации 16 кГц. Модель основана на архитектуре wav2vec2, использует CTC-выход и содержит около 402,7 млн параметров. Для дообучения использовались обучающая и валидационная части Common Voice 6.1 и CSS10. В оценке на греческой тестовой выборке Common Voice указаны WER 11,62% и CER 3,36%; результаты могут отличаться при других настройках оценки. Модель распространяется по лицензии Apache-2.0.

lgris/wav2vec2-podcasts-tagarela-v2 — модель распознавания речи на базе Wav2Vec2, разработанная автором репозитория и дообученная на полном наборе TAGARELA v2. Она преобразует речь в текст и рассчитана прежде всего на транскрибирование аудио на бразильском португальском. Модель содержит 113,3 млн параметров; в README указаны входное аудио 16 кГц, моно и словарь из 51 токена. В тестах README приведены WER 14,96% на TAGARELA v2, 23,75% на TAGARELA v1 и 23,98% на CORAA v1.1. Результаты показывают, что качество зависит от набора данных; метрики не гарантируют такую же точность на других источниках, акцентах или условиях записи. Модель распространяется по лицензии Apache-2.0.

Это модель автоматического распознавания речи на архитектуре wav2vec2 с 402,7 млн параметров, разработанная как дообученная версия facebook/wav2vec2-xlsr-53-espeak-cv-ft. Она принимает аудио и преобразует речь в текст. Модель опубликована в формате PyTorch и предназначена для сценариев распознавания речи. Модель дообучена на датасете audiofolder. README не содержит подробностей о составе данных, поддерживаемых языках, оценке качества или рекомендуемых условиях применения. Лицензия — Apache 2.0.

WAXAL-mlg_asr-w2v-bert-2.0 — модель автоматического распознавания речи, созданная дообучением facebook/w2v-bert-2.0. Она использует архитектуру Wav2Vec2BertForCTC и содержит 402,7 млн параметров; модель принимает аудио и преобразует речь в текст. В карточке приведены результаты оценки: CER 0,2007 и loss 0,8135, однако набор данных и условия оценки не описаны. Модель распространяется в формате Safetensors по лицензии MIT.

DewiBrynJones/whisper-large-v2-ft-cy-2607 — дообученная модель автоматического распознавания речи на базе Whisper large-v2 от OpenAI. Она принимает аудио и создаёт текстовую транскрипцию; дообучение проведено на наборе DewiBrynJones/preprocessed-whisper-btb-cv-cvad-wlga-ca-2607. Модель содержит около 905,2 млн параметров, использует архитектуру WhisperForConditionalGeneration и распространяется в формате safetensors через Transformers. Лицензия — Apache-2.0. Модель подходит для транскрибации речи. Базовый Whisper large-v2 мультиязычен и также поддерживает перевод речи, однако карточка этой дообученной версии не подтверждает, какие языки или переводные сценарии сохраняются после дообучения. Подробные сведения об оценке качества и ограничениях в карточке отсутствуют.

Mozilla.ai представила дообученную версию OpenAI Whisper large-v3 для распознавания речи на бенгальском языке. Модель использует архитектуру WhisperForConditionalGeneration, содержит около 905,2 млн параметров и принимает аудио, выдавая текст. Она создана на 21 409 аудиозаписях бенгальской части корпуса Common Voice 21.0; после дообучения опубликованы улучшенные показатели ошибок распознавания по сравнению с исходной Whisper large-v3 на бенгальском наборе.

Это конверсия модели Whisper large-v3-turbo в формат MLX, предназначенная для распознавания речи. Репозиторий описывает использование через библиотеку mlx-whisper; метаданные указывают на архитектуру Whisper и веса в формате safetensors. Модель принимает аудио и преобразует речь в текст. Её можно применять для транскрибации записей и распознавания речи в поддерживаемых Whisper языках. README не приводит сведений о разработчике конверсии, размере модели, конкретных поддерживаемых языках или лицензии.

OpenVINO/whisper-medium-fp16-ov — модель автоматического распознавания речи, разработанная OpenAI и преобразованная в формат OpenVINO IR с весами в формате FP16. Она предназначена для транскрибации аудиозаписей в текст и поддерживает работу через Optimum Intel, OpenVINO GenAI и OpenVINO Model Server, включая интеграцию с OpenAI-совместимым клиентом. Модель основана на whisper-medium; в README не указаны её точный размер и архитектурные параметры. Заявлена поддержка широкого набора языков, включая английский, китайский, немецкий, испанский, русский, французский, японский и многие другие. Конкретный размер контекста и дополнительные модальности не указаны. Ключевая особенность версии — совместимость с OpenVINO версии 2025.2.0 и выше и Optimum Intel версии 1.23.0 и выше, что позволяет запускать инференс на поддерживаемых CPU и GPU. Сильными сторонами являются широкая языковая поддержка, оптимизированное представление OpenVINO IR и возможность развертывания локально или через серверную инфраструктуру. Ограничения и особенности качества следует уточнять в исходной карточке whisper-medium, на которую ссылается README. Модель распространяется по лицензии Apache-2.0.

Moritz Laurer дообучил мультиязычную модель XLM-V-base от Meta AI для вывода по естественному языку (NLI) и классификации без заранее заданных обучающих примеров. Модель сопоставляет premise и hypothesis, а в zero-shot-сценарии оценивает, насколько текст соответствует каждому из предложенных пользователем классов. Она основана на архитектуре XLM-RoBERTa и содержит около 805,7 млн параметров; словарь XLM-V включает 1 млн токенов. Контекст — до 514 токенов. Модель заявлена для 116 языков благодаря предварительному обучению на CC100 и переносит NLI между языками. Она дообучена на английском MNLI и профессионально переведённых данных XNLI для 15 языков. Средняя точность в приведённой оценке XNLI составляет 0,78; на других языках качество может быть ниже, а длинный текст ограничен окном контекста. Лицензия — MIT.

hadiqa123 выпустил XLS-R53english — англоязычную модель автоматического распознавания речи, дообученную для декодирования аудио в текст. Она основана на facebook/wav2vec2-large-xlsr-53, использует архитектуру Wav2Vec2ForCTC и содержит 402,7 млн параметров. Модель принимает аудио и выдаёт распознанный текст; в карточке приведена оценка WER 0,3033 на тестовом наборе, но его состав не описан. Лицензия — Apache-2.0.