III.4Клиентская поддержка и customer success

Карточка модели unsloth/whisper-base на Hugging Face совпадает с карточкой openai/whisper-base, поэтому описание составлено по ней. Whisper Base — мультиязычная модель распознавания речи, разработанная OpenAI. Это Transformer-энкодер-декодер с архитектурой sequence-to-sequence и примерно 51,7 млн параметров; модель принимает аудио и преобразует речь в текст на том же языке. Семейство Whisper обучалось на 680 тысячах часов размеченных аудиоданных со слабым контролем, что помогает ему обобщать на разные наборы данных и предметные области без дообучения. Модель также может переводить речь на английский язык; для длинных записей транскрипцию можно выполнять частями с помощью chunking в Transformers. Whisper Base подходит для транскрибации аудио, включая речь с акцентами, фоновым шумом и технической лексикой, а также для перевода речи на английский. Карточка сообщает о поддержке множества языков, среди них английский, русский, китайский, немецкий, испанский и французский. Для обычного использования модель распространяется по лицензии Apache-2.0. Распознавание может содержать галлюцинации — текст, отсутствующий в аудио, а также повторы. Точность неравномерна между языками, акцентами и диалектами и может быть ниже для языков с малым объёмом обучающих данных. Для модели указана длина входных аудиофрагментов до 30 секунд; более длинные записи обрабатываются с разбиением на части.

XCurOS1.2-8B-VLBF16-Instruct — мультимодальная инструктивная модель компании XCurOS для анализа изображений и текста. По метаданным, она построена на плотной архитектуре Qwen3-VL и предназначена для генерации текстовых ответов по текстовым и визуальным входам; README указывает размер 8B и формат BF16 в названии модели, а файлы представлены в safetensors и рассчитаны на работу через Transformers. Модель заявлена для понимания документов, извлечения текста из изображений и сканов, анализа диаграмм, корпоративных помощников и автоматизации агентных сценариев. Карточка также заявляет поддержку длинных контекстов и локального развёртывания, но не приводит числовой предел контекста или сравнительные результаты. Поддерживаемые языки по метаданным — английский и арабский. Лицензия указана как проприетарная, «All rights reserved»; использование и интеграции требуют разрешения XCurOS. Заявления о защищённой работе, точности, эффективности и пригодности для чувствительных данных не подкреплены в карточке техническими оценками или независимыми результатами.

Darwin-9B-KOREA — VIDRAFT Darwin-сериисийн 9-миллиардная плотная языковая модель для двуязычных рассуждений на корейском и английском языках. Она создана слиянием моделей FINAL-Bench/Darwin-9B-Opus и FINAL-Bench/Darwin-9B-NEG методом послойной линейной интерполяции; использует архитектуру семейства Qwen 3.5 и формат Safetensors. Шаблон чата и токенизатор взяты от Darwin-9B-Opus. Модель предназначена для диалогов, ответов на вопросы и задач, где требуется рассуждать, в том числе на английском с последующим ответом на корейском. Разработчик сообщает о равной точности с обеими родительскими моделями на внутреннем тесте из 35 примеров и о доле ответов на корейском 91,3% на 23 корейских вопросах. Для развертывания в BF16 указано около 20 ГБ видеопамяти; автор рекомендует задавать не менее 1024 выходных токенов из-за склонности модели к развернутым рассуждениям. Лицензия — Apache-2.0.

Модель promotion/Llama-3.1-8B-TLDR-NBPO-eta0.05 — диалоговая языковая модель на архитектуре Llama, дообученная методом Nash Bargaining Preference Optimization (NBPO) на задаче TL;DR. Она основана на meta-llama/Llama-3.1-8B-Instruct и предназначена для генерации кратких резюме с учётом полноты, точности, лаконичности и полезности. В обучении использовались 300 обновлений оптимизатора и глобальный размер пакета 16; модель содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. В карточке описана оценка независимых показателей предпочтения относительно общей базовой политики на отложенных промптах; качество оценивал Llama-3.3-70B-Instruct. Модель распространяется в формате safetensors по лицензии Llama 3.1. Данные карточки не указывают языковой охват или ограничения на применение сверх условий этой лицензии.

d0rj/ru-mbart-large-summ — модель суммаризации на базе ru-bart-large, созданной как уменьшенная версия facebook/mbart-large-50 с эмбеддингами только для русского и английского языков. Модель дообучена на объединённых обучающих выборках из датасетов d0rj/samsum-ru, IlyaGusev/gazeta, zjkarina/matreshka, rcp-meetings/rudialogsum_v2, GEM/wiki_lingua и mlsum; размер обучающей выборки составил 155 678 примеров. Модель предназначена для сокращения текстов, в том числе новостных материалов и диалогов. Это плотная encoder-decoder архитектура mBART с 226,2 млн параметров и контекстом до 1024 токенов; в репозитории доступны веса PyTorch и safetensors. В README приведён пример использования через pipeline Transformers с задачей summarization. Лицензия — MIT. В README указано, что оценка проводилась на части объединённых validation-наборов, однако численные результаты и подробное описание метрик недоступны в карточке; отчёт обозначен как незавершённый.

SeaLLM-7B-v2.5 — чат-модель на базе Gemma-7b, разработанная проектом SeaLLMs для работы с языками Юго-Восточной Азии. Модель содержит 8,2 млрд параметров, использует плотную архитектуру GemmaForCausalLM и принимает текстовые запросы, выдавая текстовые ответы. Контекст составляет до 8192 токенов. Модель предназначена для многоязычных диалогов, следования инструкциям, ответов на вопросы и задач на математические рассуждения. В карточке приведены результаты оценивания на тестах общих знаний и математических задач для английского, китайского, вьетнамского, индонезийского и тайского; заявлена поддержка также малайского, кхмерского, лаосского, бирманского и филиппинского. Для корректной работы нужно соблюдать формат чата SeaLLM и правила добавления BOS-токена. Авторы сообщают о сильных результатах на многоязычных тестах, однако ответы могут быть неточными, вводящими в заблуждение или потенциально вредными; перед развёртыванием рекомендуется проверка безопасности. Условия использования определяются SeaLLMs Terms of Use; в метаданных лицензия обозначена как other.

UltraLLaDA — разговорная модель генерации текста, разработанная relaxe-system-lab на основе LLaDA-8B-Base. Лёгкая посттренировочная настройка расширяет поддерживаемый контекст до 128 тысяч токенов и предназначена для понимания и генерации длинных текстов. Модель подходит для диалогов и работы с длинными документами. Репозиторий содержит веса в формате safetensors; заявлена лицензия MIT. Карточка не сообщает результаты оценок качества или подробности ограничений, поэтому их нельзя оценить по имеющимся сведениям.

Карточка модели ltopaiman4/whisper-small на Hugging Face совпадает с карточкой openai/whisper-small, поэтому описание составлено по ней. Whisper Small — модель распознавания речи семейства Whisper, разработанная OpenAI. Это мультиязычная модель Transformer типа encoder-decoder с 153,1 млн параметров, обученная на размеченных аудиоданных. Она преобразует речь в текст на языке исходного аудио и может переводить речь с разных языков на английский. Для обработки аудио в Transformers используется вместе с WhisperProcessor. Модель подходит для транскрибирования записей, в том числе длинных: базовая обработка рассчитана на фрагменты до 30 секунд, а разбиение на фрагменты позволяет обрабатывать аудио произвольной длины и получать временные метки. Whisper демонстрирует устойчивость к акцентам, фоновому шуму и технической лексике, но точность различается между языками, диалектами и группами говорящих. Возможны галлюцинации, повторы и ошибки распознавания. Модель распространяется по лицензии Apache-2.0.

FastFlowLM/Whisper-V3-Turbo-NPU2 — модель автоматического распознавания речи и перевода речи в текст, основанная на openai/whisper-large-v3-turbo. Архитектура Whisper разработана OpenAI и обучена на более чем 5 млн часов размеченных аудиоданных. В представленной карточке не указаны отдельные сведения о разработчике или изменениях, специфичных для варианта NPU2. Модель предназначена для транскрибации аудиофайлов произвольной длительности, пакетной обработки записей, автоматического определения языка и перевода речи на английский язык. Поддерживаются временные метки на уровне предложений и отдельных слов, а также различные стратегии декодирования. Заявлена поддержка широкого набора языков, включая английский, китайский, немецкий, испанский, русский, корейский, французский, японский и многие другие. Whisper large-v3-turbo является оптимизированной версией Whisper large-v3: число декодирующих слоёв сокращено с 32 до 4, благодаря чему модель работает значительно быстрее, но может немного уступать исходной версии по качеству. Конкретный размер модели, длина контекста, требования к оборудованию и преимущества использования NPU в README не указаны. Модель распространяется по лицензии MIT.

Yi-Ko-6B-instruct-v1.5 — инструктивная языковая модель, дообученная автором cocoirun на базе семейства Llama. По карточке, модель прошла SFT на примерно 110 тысячах примеров: использовались самостоятельно подготовленные корейские данные по истории, естественным наукам, математике, машинному чтению, анализу отзывов и грамматике, а также материалы Open-Orca-Ko, KoBEST и AIHub. Обучение выполнялось с помощью LoRA. Модель предназначена для генерации ответов и выполнения инструкций в задачах на корейском и английском языках, включая вопросы и ответы, машинное чтение, суммаризацию, перевод и анализ отзывов. Это плотная архитектура LlamaForCausalLM примерно на 5,9 млрд параметров с контекстом 2048 токена; репозиторий содержит веса Safetensors. Лицензия — CC BY-SA 4.0. Карточка не приводит количественных оценок качества. Данные обучения закрыты, поэтому состав и воспроизводимость SFT ограничены доступной информацией; контекст 2048 токена ограничивает работу с длинными документами.

Yi-Ko-6B-instruct-v1.7 — корейская инструктивная языковая модель, созданная cocoirun. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 5,9 млрд параметров; она принимает текст и генерирует текст, используя контекст до 2048 токенов. Модель дообучена методом SFT с LoRA примерно на 110 тысячах примеров. В набор вошли материалы по истории, естественным наукам, математике, машинному чтению, анализу отзывов, общим знаниям, грамматике и ИТ, а также задания на суммаризацию и перевод между корейским и английским. Данные подготовлены разработчиком на основе Open-Orca-Ko, KoBEST и других источников; файлы обучающего набора закрыты. Модель подходит для диалоговых ответов на инструкции, вопросов по знаниям и текстам, краткого пересказа, анализа отзывов и перевода. Карточка не приводит результатов оценивания, поэтому качество на отдельных задачах не подтверждено. Контекст ограничен 2048 токенами. Лицензия — CC BY-SA 4.0.

AfriqueQwen-14B — плотная причинная языковая модель семейства Qwen3, разработанная в рамках набора AfriqueLLM и дообученная методом продолженного предобучения на многоязычных данных. Она основана на Qwen/Qwen3-14B-Base, содержит 14 млрд параметров и использует контекст до 32 768 токенов. Для адаптации использовано около 26 млрд токенов; основное внимание уделено 20 африканским языкам, при этом обучение также сохраняло возможности на английском, французском, португальском и арабском. Модель предназначена для генерации текста и диалоговых сценариев на африканских языках, а также для многоязычных задач, включая перевод документов с длинным контекстом. В обучающие данные включены тексты, код, математические материалы и синтетические переводы. Карточка сообщает об оценках на нескольких многоязычных бенчмарках, но не приводит в доступном фрагменте результаты именно этой модели. Репозиторий использует формат Safetensors и библиотеку Transformers; для развёртывания предлагаются vLLM или SGLang. Лицензия — CC BY 4.0.

AfriqueQwen3.5-9B-50Langs-Instruct-v1 — постобученная инструктивная версия модели McGill-NLP/AfriqueQwen3.5-9B-50Langs, разработанная McGill-NLP. Это плотная языковая модель семейства Qwen3.5 с 9 млрд параметров, предназначенная для диалогов и выполнения текстовых инструкций. Модель используют для пошагового решения математических задач, перевода и ответов на вопросы с выбором варианта. Модель ориентирована на 50 языков, в частности на африканские языки; в README приведены примеры работы на английском и суахили. В репозитории заявлена текстовая генерация: хотя класс архитектуры поддерживает условную генерацию, веса для зрения отсутствуют. Для запуска через vLLM README указывает режим `--language-model-only` и максимальную длину входа 12 288 токенов. В README приведены результаты оценки на наборах AfriMGSM, AfriMMLU, AfriXNLI, Belebele, Injongo, SIB-200 и FLORES. Полная таблица сравнительных результатов здесь представлена не целиком, поэтому по ней нельзя надёжно оценить качество модели относительно других систем. Модель распространяется по лицензии CC BY 4.0.

GaMS-2B — языковая модель семейства Generative Model for Slovene, разработанная исследовательской командой факультета компьютерных и информационных наук Люблянского университета. Она основана на Gemma 2 и продолжительно предобучена на корпусах на словенском, английском, хорватском, сербском и боснийском языках. Модель содержит 2,7 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM, работает с текстом и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста, диалогов, суммаризации и ответов на вопросы, особенно на словенском и английском. Также её можно применять для языковой практики и исследований многоязычной обработки текста. Хорватский, сербский и боснийский использовались при обучении; возможно применение и к другим языкам Gemma 2, но они не были частью дополнительного предобучения. Модель может ошибаться в фактах, испытывать трудности с неоднозначностью и сложными задачами, а также воспроизводить смещения из обучающих данных. Распространяется по лицензии Gemma; перед применением следует учитывать её условия и политику допустимого использования Gemma.

VIDraft/Gemma-3-R1984-1B — диалоговая модель на базе Gemma 3, представленная как мультимодальная платформа с поиском в интернете и обработкой файлов. README указывает базовую модель Gemma-3-4B, тогда как метаданные связывают репозиторий с дообученной google/gemma-3-1b-it; поэтому происхождение и размер надёжнее определяются по метаданным: это дообучение плотной Gemma 3 на 1 млрд параметров. Модель использует Transformers, поддерживает чат и заявленный контекст до 8 000 токенов; метаданные указывают нативный контекст 32 768 токенов. Заявленные сценарии включают ответы на вопросы по изображениям и видео, анализ документов, сравнение материалов и исследовательские запросы с поиском через SERPHouse и цитированием источников. README описывает входные файлы PNG, JPG, JPEG, GIF, WEBP, MP4, PDF, CSV и TXT, однако эти возможности относятся к платформе и не подтверждены архитектурой текстовой модели в метаданных. Для веб-поиска требуется API-ключ SERPHouse; заявленный локальный запуск зависит от окружения и оборудования. Лицензия в метаданных — Gemma; README дополнительно упоминает MIT для агентной платформы.

KORani-v1-13B — языковая модель KRAFTON для работы на корейском и английском языках. Это версия серии KORani, дообученная на базе Polyglot 12.8B с использованием набора KoVicuna; разработка также опирается на проект Vicuna. Модель построена на архитектуре GPT-NeoX, содержит 16,9 млрд параметров и имеет контекстное окно 2048 токенов. Модель предназначена для генерации текста, диалога и типичных языковых задач на корейском и английском. В карточке приведены примеры перевода с английского на корейский, ответов на вопросы и суммаризации на корейском языке. Веса доступны в формате PyTorch по лицензии Apache-2.0.

KORani-v2-13B — языковая модель KRAFTON на архитектуре LLaMA, дообученная на базе LLaMA 13B с использованием набора KoVicuna. Модель предназначена для генерации текста на корейском и английском языках, в том числе для ответов на вопросы, перевода с английского на корейский и суммаризации корейских текстов. В карточке приведены примеры этих задач и сравнительная оценка на небольших наборах примеров. Модель содержит 12,9 млрд параметров, использует плотную архитектуру LLaMA и принимает текст с контекстом до 2048 токенов. Веса опубликованы в формате PyTorch. Лицензия — Apache-2.0. Результаты в README основаны на усреднённых оценках по пяти примерам для указанных задач и не гарантируют качество на других данных.

QuantFactory/Llama-3.1-8B-EZO-1.1-it-GGUF — квантизированная версия модели HODACHI/Llama-3.1-8B-EZO-1.1-it, созданная с помощью llama.cpp. Исходная модель разработана на базе Meta AI Llama 3.1 и дообучена компанией Axcxept co., ltd. для повышения качества работы с японскими задачами. Модель предназначена для генерации текста, диалоговых ассистентов и других сценариев, требующих следования инструкциям и многоязычной обработки, при этом основной акцент сделан на японском языке. Архитектура основана на Llama 3.1-8B-Instruct; заявлены языки японский и английский. Формат GGUF и квантизация ориентированы на запуск через совместимые инструменты, включая llama.cpp, однако конкретный уровень квантизации, размер файла и поддерживаемая длина контекста в карточке не указаны. Для обучения использовались отобранные данные из Japanese Wikipedia и FineWeb с последующим instruction tuning. Как и другие большие языковые модели, система может генерировать неточные, предвзятые или проблемные ответы, поэтому перед развёртыванием необходимы тестирование безопасности и настройка под конкретное применение. Использование регулируется Llama 3.1 Community License Agreement. Указанные рекомендации сообщать о коммерческом использовании и указывать авторство являются рекомендациями, а не юридическими требованиями.

ISSAI әзірлеген LLama-3.1-KazLLM-1.0-70B — қазақ тіліндегі жауаптардың сапасы мен пайдалығын арттыруға бейімделген 70B параметрлі үлкен тілдік модель. Ол Llama 3.1 негізінде жасалған және Transformers кітапханасы арқылы мәтіндік диалог пен мәтін генерациясына арналған. Модель қазақ, орыс, ағылшын және түрік тілдерінде жұмыс істейді; карточкада 128 мың токенге дейінгі кіріс контексті және 4 мың токенге дейінгі шығыс көрсетілген. Қазақ тіліндегі бенчмарк нәтижелері модельдің қазақша сұрақтарға жауап беру, пайымдау және мәтін құрастыру сценарийлеріне бағдарланғанын көрсетеді. Қолдану үшін кемінде екі 80 GB GPU және 150 GB бос диск кеңістігі қажет. Модель жауаптарының дұрыстығына кепілдік берілмейді; біржақтылық болуы мүмкін, сондықтан нәтижелерді тексеру керек. Лицензиясы — CC BY-NC 4.0, сонымен қатар Llama 3.1 шарттары мен қолайлы пайдалану саясаты қолданылады.

anthracite-org/magnum-v2-12b-gguf — набор GGUF-квантованных версий языковой модели Magnum v2 12B, разработанной командой Anthracite. Модель дообучена на базе Mistral-Nemo-Base-2407 и ориентирована на высокое качество прозы, стремясь воспроизводить особенности Claude 3 Sonnet и Opus. Репозиторий содержит именно квантованные веса; оригинальные веса опубликованы отдельно. Модель предназначена для генерации текста и диалоговых сценариев, включая чат, написание и структурирование текстов. Она прошла instruct-тюнинг с использованием формата ChatML. В README заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. Точный размер контекстного окна, перечень доступных вариантов квантования и их требования к ресурсам не указаны. К сильным сторонам относятся многоязычность, специализация на качестве прозы и возможность локального запуска через совместимые с GGUF инструменты. Ограничения включают отсутствие опубликованных в README количественных результатов тестирования, неполное описание характеристик квантованных вариантов и нераскрытые сведения о безопасности модели. Лицензия — Apache-2.0.

openPangu-Embedded-7B — плотная языковая модель с 7,4 млрд параметров от Huawei, обученная с нуля на Ascend NPU. Модель предназначена для диалогов и генерации текста; поддерживает быстрый и медленный режимы рассуждения, причём по умолчанию включён медленный. Для быстрого режима в конце запроса добавляют тег /no_think. В карточке указаны 34 слоя и обучение примерно на 19 трлн токенов. Модель ориентирована на китайский и английский языки и принимает контекст до 32 768 токенов согласно метаданным. В README приведены результаты бенчмарков MMLU-Pro и CMMLU, однако они не гарантируют точность в практических задачах. Лицензия обозначена как other; перед использованием следует проверить условия в репозитории. Разработчик предупреждает, что ответы могут содержать ошибки и не заменяют профессиональные медицинские или юридические рекомендации.

DeL-TaiseiOzaki/Tengentoppa-llm-jp-13B-reasoning-it — плотная языковая модель семейства Llama на 13,2 млрд параметров, дообученная на базе llm-jp/llm-jp-3-13b. Она предназначена для генерации текста и диалогового взаимодействия на японском и английском языках; карточка также описывает её как модель с токенами и шаблоном для структурированных чатов и рассуждений. Контекст модели составляет 4096 токенов. Расширенный токенизатор размечает роли system, user, hint, reasoning и assistant, а также решения, ответы, контекст, примеры и служебные сигналы. Это поддерживает структурированные запросы и диалоги, однако наличие специальных токенов само по себе не гарантирует качество рассуждений. Модель распространяется в формате safetensors по лицензии CC BY-SA 4.0.

asthrabala/whisper-medium-finetuned — модель автоматического распознавания речи семейства Whisper с 455,8 млн параметров. Она опубликована для использования с библиотекой Transformers и предназначена для преобразования аудиозаписей в текст. Модель подходит для транскрибации голосовых сообщений, интервью, встреч, лекций и других аудиоматериалов. README не содержит сведений о конкретном языке или наборе данных, на котором выполнялось дообучение, поэтому языковую специализацию и качество на отдельных типах аудио определить нельзя. В карточке модели не указаны разработчик, лицензия, результаты оценки, ограничения по применению и подробности обучения. Перед использованием в критически важных сценариях необходимы собственная проверка качества и уточнение условий лицензирования.

Yi-34B-200K-DARE-megamerge-v8 — языковая модель на 33,9 млрд параметров, созданная brucethemoose слиянием нескольких моделей Yi 34B 200K методом DARE TIES с помощью mergekit. Дополнительного дообучения при создании слияния не проводилось. Модель предназначена для генерации текста, диалогов и работы с длинным контекстом; автор ориентировал её на качество при контексте от 32 тысяч токенов. Максимальный заявленный нативный контекст — 200 000 токенов. В карточке приведён шаблон Orca-Vicuna; также может работать с ChatML и форматами, похожими на Alpaca. Автор отмечает, что подбор параметров генерации важен: рекомендует низкую температуру и MinP от 0,1, поскольку модель склонна к чрезмерно случайным ответам. Успешность слияния и смещения весов в пользу формата Vicuna автор обозначает как экспериментальную. Модель поддерживает английский язык. Лицензия указана как other, поэтому конкретные условия использования следует проверять в репозитории.

L3.3-Damascus-R1 — созданная SteelSkull модель для генерации текста и диалогов на основе Llama 3.3. Это плотная авторегрессионная модель семейства Llama примерно с 69,5 млрд параметров и контекстом до 131 072 токенов. По карточке, она собрана методом SCE merge из нескольких моделей; среди заявленных компонентов — EVA-LLaMA-3.33, Euryale, Cirrus, Hanami, Anubis и Negative_LLAMA. Каталог также указывает связи с несколькими исходными моделями, включая EVA-LLaMA-3.33-70B-v0.1. Модель общего назначения с особым акцентом на ролевые диалоги и рассказы. Она рассчитана на связное общение, рассуждения и подробное описание сцен; в метаданных также отмечен интерфейс вызова инструментов. Карточка приводит результаты UGI-бенчмарка и рекомендуемые параметры генерации, но эти результаты не гарантируют качество в других задачах. Указанная лицензия — other; конкретные условия использования в карточке не раскрыты.

llm-jp-3-1.8b-instruct — инструктивная версия языковой модели семейства llm-jp-3, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это плотная авторегрессионная Transformer-модель архитектуры LlamaForCausalLM с 1,7 млрд параметров по метаданным и контекстом до 4096 токенов. Репозиторий распространяет веса в формате Safetensors для Transformers. Модель предназначена для диалогов и выполнения текстовых инструкций, включая ответы на вопросы, написание текстов и простые рассуждения. Она обучалась на смеси данных, включая японские источники, и дообучалась на японских инструктивных наборах; метаданные также указывают английский и японский языки. В оценках авторов она показала улучшение относительно базовой версии llm-jp-3-1.8b на ряде задач, однако результаты ограничены указанными тестовыми выборками. Разработчики отмечают, что семейство находится на раннем этапе исследований и разработок и не настроено для гарантированного соответствия человеческим намерениям и требованиям безопасности. Лицензия — Apache-2.0.

OpenASR/moss-transcribe-diarize — модель MOSS-Transcribe-Diarize, разработанная командой OpenMOSS-Team и адаптированная OpenASR для локального запуска. Она объединяет автоматическое распознавание речи и диаризацию говорящих в одном проходе: формирует расшифровку, определяет говорящих и указывает временные интервалы их реплик. Модель предназначена для обработки аудиозаписей встреч, интервью, разговоров и других многоголосых сценариев, где важно понимать, кто и когда говорил. Модель содержит около 0,9 млрд параметров. Её архитектура сочетает аудиоэнкодер масштаба Whisper Medium, адаптер на базе MLP и LayerNorm и декодер масштаба Qwen3-0.6B. Основной фокус — китайский и английский языки; также заявлена поддержка ещё более 15 языков. Контекстное окно в README не указано. Для OpenASR доступны варианты fp16, q8_0 и q4_k в формате .oasr, позволяющие выбирать между качеством, размером и требованиями к памяти. Заявлены показатели 2,52% CER для китайского и 2,23% WER для английского на фиксированных оценочных наборах OpenASR. К сильным сторонам относятся совместная транскрипция и диаризация без отдельного конвейера, локальная работа на CPU и GPU без Python во время инференса и несколько уровней квантования. Ограничения включают отсутствие подробных данных о качестве на других языках и неуказанный контекст; приведённые метрики не следует автоматически распространять на любые аудиозаписи. Распространение выполняется по лицензии Apache-2.0, унаследованной от исходной модели; OpenASR выполняет конвертацию формата, квантование и адаптацию для локального инференса.

Verdugie/Opus-Candid-27B-V3.5 — разговорная языковая модель, разработанная Verdugie на основе Qwen 3.5 27B Dense. Модель дообучена на 5 358 диалогах, дистиллированных из Claude Opus 4.6, с акцентом на прямой стиль общения, устойчивость к поддакиванию, выраженную индивидуальность, эмоциональную глубину и согласованность в многоходовых диалогах. Заявлены поддержка английского и испанского языков и сценарии генерации текста и общения. Модель имеет плотную архитектуру на 27 млрд параметров. Для дообучения использовались LoRA и rsLoRA с PEFT и TRL, а обучение проводилось в формате bf16 на NVIDIA A100 SXM 80GB. В README отдельно описана оптимизация набора данных под информационную плотность ответов и устойчивость ключевых характеристик при квантизации. Доступны варианты GGUF Q8_0 примерно на 33 ГБ, Q6_K примерно на 25 ГБ и Q4_K_M примерно на 18 ГБ; последний указан как основной целевой вариант и рассчитан на запуск, в частности, на RTX 4090. Сильными сторонами модели заявлены прямолинейный характер ответов, устойчивость личности под давлением, внимание к фактической точности и способность поддерживать нюансированные ответы в эмоциональных, философских и спорных темах. Ограничения включают зависимость качества от выбранной квантизации, отсутствие в README количественных результатов бенчмарков и неизвестный размер контекста. Модель распространяется по лицензии Apache 2.0 и совместима с GGUF-совместимыми средами, включая LM Studio, Ollama, llama.cpp и KoboldCpp; системный промпт, согласно README, не требуется.

Parakeet TDT 1.1B — модель автоматического распознавания речи, совместно разработанная командами NVIDIA NeMo и Suno.ai. Она преобразует английскую речь в текст, записанный строчными буквами, и рассчитана на транскрибирование отдельных аудиозаписей и пакетную обработку файлов. Модель построена на архитектуре FastConformer-TDT и содержит около 1,1 млрд параметров. Она принимает монофоническое аудио WAV с частотой 16 кГц и выдаёт текстовую строку. Предсказание длительности токенов в TDT позволяет пропускать часть пустых кадров и ускорять инференс. Модель обучали на 64 тысячах часов английской речи из частных и открытых наборов данных. В опубликованных результатах приведены показатели WER для нескольких тестовых наборов; например, 1,39% на LibriSpeech test-clean при жадном декодировании без внешней языковой модели. Модель доступна через NVIDIA NeMo для инференса и дообучения. Лицензия — CC BY 4.0.

QuantFactory/Teuken-7B-instruct-research-v0.4-GGUF — квантизированная версия инструкционно дообученной языковой модели Teuken-7B-instruct-research-v0.4, созданная QuantFactory с использованием llama.cpp. Исходную модель разработали Fraunhofer, Forschungszentrum Jülich, TU Dresden и DFKI в рамках проекта OpenGPT-X при финансировании Федерального министерства экономики и защиты климата Германии. Модель основана на decoder-only Transformer и содержит около 7 млрд параметров; базовая модель предварительно обучалась на 4 трлн токенов из общедоступных источников с отсечкой данных в сентябре 2023 года. Модель предназначена прежде всего для генерации текста и мультиязычных задач, включая исследовательское использование на 24 языках ЕС: болгарском, чешском, датском, немецком, греческом, английском, испанском, эстонском, финском, французском, ирландском, хорватском, венгерском, итальянском, литовском, латышском, мальтийском, нидерландском, польском, португальском, румынском, словацком, словенском и шведском. Инструкционная настройка ориентирована на более стабильные результаты в этих языках и ответы, в большей степени отражающие европейский контекст. Для работы необходимо использовать предусмотренный prompt template или chat template токенизатора. К сильным сторонам относятся широкое покрытие европейских языков и формат GGUF, подходящий для запуска через llama.cpp и совместимые инструменты. Ограничения включают возможные предвзятость, галлюцинации, а также генерацию токсичного, оскорбительного или вредного содержания. Модель не предназначена для математических и программных задач. В README указана лицензия «other», но конкретные условия лицензирования не приведены.