III.4Клиентская поддержка и customer success

kyrgyz-whisper-small — мультиязычная модель распознавания речи, дообученная на архитектуре Whisper Small компании OpenAI. Модель содержит 153,1 млн параметров и принимает аудио для транскрибации на кыргызском, английском и русском языках. Она рассчитана на работу с шумными записями, смешением языков и дальнейшую адаптацию с помощью LoRA. В карточке сообщается об обучении примерно на 2 000 часах кыргызского аудио и дополнительном аудио на английском и русском языках. На бенчмарке FLEURS кыргызская WER достигает примерно 0,2–0,4; добавление кыргызского языка сопровождается некоторым снижением точности для английского и русского. Для кыргызского требуется пользовательский токенизатор. Модель распространяется по лицензии Apache-2.0.

LeoLM/leo-hessianai-70b-chat — немецкоязычная чат-модель, разработанная в рамках проекта LAION и HessianAI при участии Бьёрна Плүстера и Кристофа Шухмана. Это плотный авторегрессионный трансформер с архитектурой LlamaForCausalLM и 68,7 млрд параметров, созданный на базе LeoLM/leo-hessianai-70b и дообученный на немецких наборах инструкций. Модель принимает текст и генерирует текст; длина контекста составляет 8192 токена. В первую очередь она предназначена для диалогов, письма, объяснений и обсуждения на немецком языке, также проверялась на английском. В карточке отмечены сильные результаты на задачах письма, извлечения информации, STEM и гуманитарных тем. Модель слабее справляется с математикой, программированием и сложными рассуждениями, а также может давать неточные, предвзятые или нежелательные ответы и чаще ожидаемого отказываться отвечать. Для практического применения нужны проверки безопасности и настройка под конкретный сценарий. Лицензия — Llama 2 Community License; разработчики называют модель открытой и коммерчески доступной, использование регулируется условиями этой лицензии.

Карточка модели titanbot/LeoLM-hessianai-7b-chat на Hugging Face совпадает с карточкой LeoLM/leo-hessianai-7b-chat, поэтому описание составлено по ней. LeoLM/leo-hessianai-7b-chat — чат-модель команды LeoLM, созданная Björn Plüster и Christoph Schuhmann совместно с LAION и HessianAI. Она основана на LeoLM/leo-hessianai-7b — немецкоязычной версии Llama 2, дополнительно обученной на немецких текстах, — и дообучена на наборах немецких инструкций. Модель представляет собой плотный авторегрессионный трансформер-декодер семейства Llama с 6,6 млрд параметров и контекстом до 8 192 токенов; работает через Transformers и использует формат диалога ChatML. Модель предназначена для общения, написания и объяснения текстов, обсуждений, ролевых диалогов и ответов на вопросы на немецком и английском языках. В оценке MT-Bench-DE особенно хорошо показала себя в гуманитарных и STEM-задачах, а математика, программирование и сложные рассуждения оказались слабее. Разработчики предупреждают о возможных неточных, предвзятых или нежелательных ответах и рекомендуют проверять модель и адаптировать меры безопасности под конкретное применение. Лицензия — Llama 2 Community License Agreement.

FriendliAI/MiniCPM-o-2_6 — мультимодальная модель MiniCPM-o 2.6, разработанная командой OpenBMB и размещённая FriendliAI. Это плотная end-to-end архитектура MiniCPMO на 7,1 млрд параметров с компонентами для зрения, речи и текста; модель поддерживает контекст до 32 768 токенов и работает через Transformers. Модель предназначена для диалога с изображениями, распознавания и описания аудио, синтеза речи, перевода речи, а также взаимодействия в реальном времени с потоками видео и аудио. Она поддерживает английский и китайский для двуязычного речевого диалога и заявляет мультиязычные возможности более чем для 30 языков. Среди особенностей — OCR, обработка изображений с разными пропорциями сторон, управление стилем и скоростью речи и клонирование голоса. Модель компактна для своего набора мультимодальных возможностей и рассчитана в том числе на запуск на конечных устройствах; для изображений высокого разрешения заявлена эффективная обработка по числу визуальных токенов. Для инференса доступны разные варианты, включая квантизированные сборки, однако этот репозиторий содержит safetensors. Лицензия — Apache-2.0.

AMALIA-9B-1225-DPO — открытая языковая модель, разработанная консорциумом португальских университетов и исследовательских центров при участии NOVA University Lisbon, Instituto Superior Técnico, университетов Коимбры, Порту и Минью, а также Foundation for Science and Technology (FCT). Модель создана для европейского португальского языка и основана на плотной архитектуре LlamaForCausalLM; содержит 8,6 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для диалоговой помощи и выполнения инструкций на европейском португальском: ответов на вопросы, суммаризации, написания и переписывания текстов, перевода и генерации текста. Её также можно использовать в исследованиях португальского языка и адаптировать для прикладных проектов, в том числе с поисковым дополнением генерации (RAG). Обучение включало предварительное обучение, SFT и настройку предпочтений методом DPO. AMALIA оптимизирована для европейского португальского; качество для других вариантов португальского и языков не следует считать равнозначным. Модель может выдавать недостоверные, предвзятые или вредоносные ответы, поэтому факты нужно проверять, а для чувствительных сценариев требуются человеческий контроль и дополнительные меры безопасности. Лицензия — Apache-2.0.

Canarim-7B — португалоязычная языковая модель, разработанная Майконом Домингешем. Она основана на LLaMA 2-7B и продолжила предварительное обучение на 16 млрд токенов из португалоязычной части CommonCrawl 2023-23; данные охватывают период до середины 2023 года. Модель содержит 6,6 млрд параметров, использует архитектуру Llama и поддерживает контекст до 4096 токенов. Модель предназначена для генерации и понимания португальского текста. Её можно применять для создания контента, анализа тональности, классификации тем, извлечения сущностей и перевода, особенно в сценариях с примерами желаемого результата в запросе. Обучение проводилось только на задаче языкового моделирования: модель не дообучалась для следования инструкциям, поэтому для неё предпочтительны few-shot запросы, а качество zero-shot выполнения задач может быть ниже. Веса доступны в форматах PyTorch и Safetensors. Лицензия — Llama 2 Community License.

GaMS3-12B — плотная языковая модель семейства Gemma 3, разработанная исследовательской командой Факультета компьютерных наук и информатики Люблянского университета. Модель объёмом 11,6 млрд параметров создана на основе google/gemma-3-12b-pt: её дополнительно предобучили на корпусах на словенском, английском, хорватском, сербском и боснийском языках. Для этой версии не заявлено инструкционное дообучение; в карточке отдельно указана версия GaMS3-12B-Instruct. Модель предназначена для генерации текста, диалоговых интерфейсов, суммаризации, черновиков и языковых учебных инструментов, особенно для работы со словенским и английским. Максимальная длина контекста — 131 072 токена. Репозиторий содержит веса safetensors; лицензия — Gemma. Качество ответов зависит от обучающих данных и формулировки запроса; возможны фактические ошибки, предвзятость и затруднения с тонкими языковыми нюансами и сложными задачами. Результаты следует проверять, а для пользовательских приложений предусматривать меры безопасности.

Lapa-12B-pt — мультимодальная модель семейства Gemma 3, дообученная украинскими исследователями из Украинского католического университета, AGH University of Krakow, КПИ имени Игоря Сикорского и Львовской политехники. Она предназначена прежде всего для работы с украинским языком и принимает текст и изображения, выдавая текстовые ответы. Модель содержит 12 млрд параметров и использует архитектуру Gemma3ForConditionalGeneration. По описанию авторов, токенизатор адаптирован для украинского языка: 80 тысяч из 250 тысяч токенов заменены на украиноязычные, что сокращает число токенов для украинского текста примерно в 1,5 раза относительно Gemma 3. Модель подходит для диалога, генерации и суммаризации текста, а также ответов и извлечения сведений по изображениям. Качество ответов зависит от обучающих данных и формулировки запроса; модель может ошибаться в фактах, упускать языковые нюансы и испытывать трудности со сложными задачами. README не сообщает подробностей о тренировочном наборе данных. Лицензия указана как Gemma; следует соблюдать условия лицензии Google Gemma.

LeoLM/leo-hessianai-7b-chat — чат-модель команды LeoLM, созданная Björn Plüster и Christoph Schuhmann совместно с LAION и HessianAI. Она основана на LeoLM/leo-hessianai-7b — немецкоязычной версии Llama 2, дополнительно обученной на немецких текстах, — и дообучена на наборах немецких инструкций. Модель представляет собой плотный авторегрессионный трансформер-декодер семейства Llama с 6,6 млрд параметров и контекстом до 8 192 токенов; работает через Transformers и использует формат диалога ChatML. Модель предназначена для общения, написания и объяснения текстов, обсуждений, ролевых диалогов и ответов на вопросы на немецком и английском языках. В оценке MT-Bench-DE особенно хорошо показала себя в гуманитарных и STEM-задачах, а математика, программирование и сложные рассуждения оказались слабее. Разработчики предупреждают о возможных неточных, предвзятых или нежелательных ответах и рекомендуют проверять модель и адаптировать меры безопасности под конкретное применение. Лицензия — Llama 2 Community License Agreement.

LFM2.5-VL-1.6B — компактная мультимодальная модель Liquid AI для понимания изображений и диалога по визуальному содержимому. Это дообученная версия LFM2.5-1.2B-Base: языковая основа дополнена визуальным энкодером SigLIP2 NaFlex на 400 млн параметров. Модель содержит 1,6 млрд параметров и имеет контекст 32 768 токенов. Модель принимает изображения и текст, а отвечает текстом. Она подходит для описания изображений, распознавания текста на изображениях и документах, ответов на вопросы по визуальному содержимому и работы с несколькими изображениями. Поддерживает английский, арабский, китайский, французский, немецкий, японский, корейский и испанский языки. Обрабатывает изображения до 512×512 пикселей без масштабирования; более крупные изображения делит на фрагменты с дополнительным обзорным изображением. Для локального запуска и адаптации доступны Transformers и vLLM. К сильным сторонам относятся следование инструкциям, обработка изображений высокого разрешения, OCR и многоязычное понимание изображений. Модель не предназначена для задач, требующих обширных знаний. В карточке Hugging Face лицензия обозначена как other; конкретные условия следует сверить с файлами репозитория Liquid AI.

SeaLLMs-v3-1.5B — базовая языковая модель из семейства SeaLLMs, разработанного для языков Юго-Восточной Азии. Это плотная причинная модель Qwen2 с 1,5 млрд параметров и контекстом до 131 072 токенов, распространяемая в формате safetensors. Модель предназначена для генерации текста и дальнейшей тонкой настройки под прикладные задачи; для непосредственного диалогового использования авторы предлагают отдельную версию SeaLLMs-v3-1.5B-Chat. Модель рассчитана на английский, китайский и языки региона, включая индонезийский, вьетнамский, тайский, тагальский, малайский, бирманский, кхмерский, лаосский, тамильский и яванский. В карточке заявлены способности к следованию инструкциям, переводу, математическим рассуждениям и ответам на вопросы о местном контексте; для серии также отмечены работа в многошаговом диалоге, снижение галлюцинаций и более безопасные ответы. Доступна лицензия с пометкой «other», поэтому конкретные условия следует проверять в репозитории модели.

SeaLLMs-v3-7B-Chat — диалоговая языковая модель серии SeaLLMs, разработанной для языков Юго-Восточной Азии. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2 и поддерживает контекст до 131 072 токенов; веса опубликованы в формате safetensors. Модель дообучена следовать инструкциям и вести многошаговый диалог. Она предназначена для генерации ответов и выполнения инструкций, включая вопросы на общие знания, математические задачи и перевод. Разработчики сообщают об улучшенной работе с местными контекстами региона и о мерах по снижению галлюцинаций, однако возможны неточные, вводящие в заблуждение или вредоносные ответы. Для реального использования рекомендуется независимая проверка и настройка мер безопасности. Условия использования определяются SeaLLMs Terms Of Use; метаданные указывают лицензию как other.

knkarthick/Action_Items — модель классификации текста на базе DistilBERT, дообученная на пользовательском наборе данных для выявления пунктов действий. Она относит входной фрагмент текста к одному из двух классов: «не является пунктом действия» или «пункт действия». Модель подходит для автоматического выделения задач и обязательств из заметок, стенограмм и деловой переписки. Поддерживает английский язык, использует архитектуру DistilBertForSequenceClassification и контекст до 512 токенов. Опубликована в формате PyTorch под лицензией Apache-2.0. Карточка не приводит метрик качества или подробностей о составе обучающего набора, поэтому пригодность для конкретного корпуса следует проверять отдельно.

Bielik-PL-11B-v3.0-Instruct-heretic — доработанная командой SpeakLeash версия Bielik-PL-11B-v3.0-Instruct, созданная методом abliteration с помощью Heretic v1.4.0. В основе лежит дообученная Bielik-11B-v3-Base-20250730: это плотная причинная decoder-only модель семейства Llama на 11 млрд параметров для генерации текста и диалогов. Модель принимает контекст длиной до 32 768 токенов и распространяется в формате Safetensors по лицензии Apache 2.0. Модель предназначена для ответов на запросы, диалогов и других задач генерации текста. Она особенно ориентирована на польский язык, также обучалась на корпусах 32 европейских языков; среди языков карточка указывает польский и английский. README описывает версию heretic как «расцензурированную»: в сравнении с исходной инструкционной моделью указано 0 отказов из 100 проверок против 71 из 100 у оригинала. Снятие ограничений модерации означает, что модель может выдавать оскорбительный, предвзятый, непристойный или фактически неверный текст. Ответы не следует считать проверенными фактами. Для использования указана лицензия Apache 2.0.

LastRef/gemma-3-12b-it-heretic-x — дообученная мультимодальная модель на основе Google Gemma 3 12B IT. Это разговорная модель с архитектурой Gemma 3 для обработки текста и изображений с генерацией текстовых ответов. Подходит для диалога, создания и суммаризации текста, ответов на вопросы и извлечения информации из изображений. Карточка Gemma 3 указывает контекст до 128 тыс. токенов и поддержку более 140 языков; эти характеристики относятся к семейству базовой модели. В тегах модели она обозначена как uncensored, decensored и abliterated, то есть её позиционируют как модель с ослабленными ограничениями на ответы; README при этом описывает базовое семейство Gemma, а не специфические изменения этой версии. Такие модели могут выдавать вредный или недостоверный контент, а также отражать смещения данных обучения. Лицензия — Gemma; условия использования определяются лицензией и политикой допустимого использования Gemma.

amir22010/gemma4-e4b-w4a16-it-v2 — мультимодальная модель для диалога и анализа изображений, созданная Team Horizon на основе google/gemma-4-E4B-it. Это версия Gemma 4 E4B Instruct с квантизацией весов W4A16: веса представлены в 4-битном формате, активации остаются в FP16. Поддерживаются входные изображения и текст; модель предназначена для визуальных вопросов и ответов, анализа документов и диалоговых инструкций. Квантизация выполнена методом RTN для линейных слоёв; lm_head и аудиослои исключены. По README, для инференса требуется около 10 ГБ видеопамяти, рекомендуется 16–24 ГБ. Заявлены улучшения на отдельных бенчмарках после калибровки на TextVQA, DocVQA и UltraChat, однако эти результаты относятся к тестам автора и не гарантируют аналогичного качества на других данных. Модель распространяется по лицензии Apache-2.0. Среди известных ограничений — небольшое снижение точности на задачах анализа документов относительно базовой модели; аудиослои сохранены в исходной точности и не квантизированы.

KORMo-VL — мультимодальная модель для работы с документами и интерфейсами, разработанная лабораторией KAIST MLP Lab на базе KORMo-10B. Архитектура включает языковую модель KORMo-10B-sft и визуальный энкодер siglip-so400m; в репозитории указана архитектура LlavaOnevision и формат safetensors. Модель принимает изображения и текстовые запросы и формирует текстовые ответы для задач понимания документов и управления интерфейсами. Модель обучена на корейских изображениях документов и примерно 3,4 млн пар «текст—изображение» из синтетических и открытых наборов данных. Она рассчитана прежде всего на корейский и английский языки и поддерживает сценарии агента: взаимодействие с документами, редактирование и управление веб-интерфейсами. Разработчики публикуют обучающие данные или конвейеры генерации и рецепты обучения. Модель доступна по лицензии Apache-2.0. Заявленные сильные стороны — понимание документов и агентные сценарии; результаты тестов показывают хорошие оценки на ChartQA и DocVQA, но уступают некоторым сравниваемым моделям на отдельных визуальных тестах. Работа с документами и интерфейсами ориентирована на корейский и английский языки.

Magiq-Logic-0 — диалоговая модель mymaia для логического анализа и поддержки принятия решений. Она оценивает информацию, формирует обоснованные суждения и предназначена для использования в составе MAIA вместе с MAGIQ Core-0 и MAGIQ Translator-0, чтобы создавать связные ответы с учётом контекста. Модель основана на Mistral-7B-Instruct-v0.2 и дообучена для генерации текста; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров, контекст — до 32 768 токенов. Указаны английский, итальянский и французский языки. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Community-1 — конвейер диаризации речи от pyannote, предназначенный для определения, кто и когда говорит в аудиозаписи. Он принимает монофонический звук с частотой 16 кГц; стерео и многоканальные записи автоматически сводятся к моно, а звук с другой частотой дискретизации преобразуется в 16 кГц. Результат включает обычную диаризацию и эксклюзивную разметку говорящих, упрощающую сопоставление с временными метками транскрипции. Модель улучшает назначение и подсчёт говорящих по сравнению с предыдущей версией pyannote speaker-diarization-3.1. Она подходит для локальной обработки, включая автономный режим, и может выполняться на CPU или GPU через библиотеку pyannote.audio. При известном или ограниченном числе говорящих это число можно задать при обработке. Несмотря на тег automatic-speech-recognition в метаданных, README описывает именно диаризацию, а не распознавание слов; транскрипт модель не выдаёт. Модель распространяется по лицензии CC BY 4.0. Для загрузки из Hugging Face необходимо принять условия использования и создать токен доступа. README приводит результаты оценки на нескольких академических наборах данных, но не гарантирует такие же показатели на конкретных записях; качество может зависеть от акустических условий и перекрывающейся речи.

VARCO-VISION-2.0-1.7B — разработанная NCSOFT мультимодальная модель для диалогов по изображениям и тексту. Она построена на архитектуре LLaVA-OneVision и объединяет визуальную основу SigLIP2-so400m-patch16-384 с языковой моделью Qwen3-1.7B; размер языковой модели — 1,7 млрд параметров. Модель принимает несколько изображений в одном запросе и отвечает на вопросы о документах, таблицах, диаграммах и других визуальных материалах. Модель ориентирована прежде всего на корейский и английский языки, с особым вниманием к корейскому языку и культурному контексту. Она подходит для повседневных вопросов и ответов, суммаризации визуальной информации, распознавания текста на изображениях и локализации текстовых областей с помощью рамок. Компактная версия предназначена в том числе для запуска на смартфонах и ПК. В репозитории указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование. Для работы рекомендуется Transformers версии 4.53.1 или новее, особенно для поддержки нескольких изображений.

Anthropic-ai/Aiaudio — модельный проект, представленный в README как сочетание аудиосервиса Claude Audio и независимой открытой языковой модели Claude OSS 9B. При этом README прямо указывает, что Claude OSS 9B не является официальным выпуском Anthropic. Разработчик и точная связь между идентификатором Anthropic-ai/Aiaudio и описанными компонентами не уточняются. Аудиочасть предназначена для автоматической транскрипции речи и её перевода с сохранением смысла, тона, идиом и культурных нюансов. Среди заявленных сценариев — работа исследователей, авторов контента и международных команд; также заявлена идентификация говорящих и распознавание технической терминологии. Для языковой модели указаны диалоги общего назначения, следование инструкциям, рассуждения, написание и суммаризация текстов, многоязычное взаимодействие и помощь в лёгких задачах программирования. Claude OSS 9B описывается как модель с 9 млрд параметров, дообученная на базе Qwen3.5 9B на смеси примерно из 200 000 строк открытых датасетов Hugging Face. Заявлена поддержка более 200 языков и фокус на стабильном поведении ассистента, сохранении идентичности и инструкций. В README приведены ориентиры на базе Qwen3.5 9B: 82,5% на MMLU-Pro, 81,7% на GPQA Diamond и 81,2% на MMMLU. Архитектура, размер контекста, точный набор поддерживаемых аудиомодальностей и параметры инференса не указаны. Лицензия заявлена как MIT.

Aratako разработал c4ai-command-r-v01-japanese-instruct — японскую инструктивную донастройку модели Cohere c4ai-command-r-v01 с использованием набора ichikara-instruction. Это плотная авторегрессионная языковая модель CohereForCausalLM на 35 млрд параметров; в репозитории представлены веса Safetensors. Контекст модели составляет 8192 токена, а в обучении использовалась максимальная длина последовательности 2048 токенов. Модель предназначена для генерации ответов и выполнения инструкций на японском языке. Автор приводит оценки на японских наборах JSQuAD, JCommonsenseQA, JNLI и MARC-ja: средний результат вырос с 0,783 у исходной модели до 0,806. В тесте Japanese MT-Bench средняя оценка немного снизилась — с 7,35 до 7,15; автор также отмечает, что в проверенных ответах стало меньше примесей английского. Английский язык также указан среди поддерживаемых языков. Модель распространяется по лицензии CC-BY-NC-SA 4.0; README также указывает на применимость политики допустимого использования C4AI. Она не предназначена для коммерческого использования в рамках указанной лицензии.

Gemopus-4-E4B-it — дообученная модель Jackrong на базе google/gemma4-E4B-it для диалогового помощника с локальным запуском на мобильных устройствах и маломощных компьютерах. Она принимает текст и изображения и генерирует текст; карточка заявляет поддержку зрения и инструкции для диалога. Модель относится к семейству Gemma 4, имеет плотную архитектуру и распространяется в формате safetensors. В карточке подчёркнуты настройка тона ответов, контекстное ведение многоходового диалога и структурированная подача информации. Указаны английский, китайский, корейский и японский языки. Модель подходит для повседневного помощника на устройстве, написания и редактирования текстов, кратких ответов, форматирования и извлечения сведений из текста или изображений. Автор ориентирует её на сценарии с низкой задержкой и локальной обработкой данных. Контекстное окно и размер модели в карточке не указаны. Лицензия — Apache-2.0. Автор предупреждает, что из-за сравнительно небольшого размера модель уступает крупным облачным моделям в широте знаний и сложных рассуждениях, а на узкоспециализированных темах и сложных математических задачах может допускать ошибки. Модель позиционируется как экспериментальная настройка для локального применения.

Llama-3.2-1B-Instruct-Frog — компактная языковая модель на архитектуре Llama, разработанная phamhai на базе Meta Llama 3.2 1B Instruct и дообученная для задач RAG на вьетнамском языке. Модель содержит 1,2 млрд параметров и поддерживает контекст до 131 072 токенов. Она предназначена для диалоговых сценариев, ответов на вопросы с использованием найденных документов, суммаризации, извлечения сущностей, вызова функций и переформулирования вопросов. Небольшой размер позволяет использовать её для быстрого инференса на локальных и периферийных устройствах. Автор отмечает, что у версии 1B слабее понимание запросов и ниже точность в некоторых задачах, включая суммаризацию и извлечение сущностей при вызове функций. Модель распространяется по лицензии Llama 3.2; использование требует соблюдения условий лицензии Meta.

llm-jp-3-8x1.8b — языковая модель серии LLM-jp-3, разработанной Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это авторегрессионный Transformer с архитектурой Mixtral MoE: 8 экспертов, из которых для обработки активируются 2. В модели около 9,3 млрд параметров суммарно, 24 слоя и контекст до 4096 токенов. Модель предобучена на 2,1 трлн токенов и прошла дообучение по инструкциям и выравнивание методом Direct Preference Optimization. Модель предназначена для генерации текста, ответов на вопросы, следования инструкциям и других задач с японским и английским языками. Токенизатор основан на Unigram byte-fallback и использует словарь llm-jp-tokenizer v3.0. Данные README описывают японские обучающие наборы и оценки для серии, но не дают отдельных результатов именно этой версии. Разработчики отмечают, что модели находятся на раннем этапе исследований и разработок и не настроены для надёжного соответствия человеческим намерениям и требованиям безопасности. Весы доступны в формате Transformers/Safetensors по лицензии Apache-2.0.

GnLOLot/MiniCPM5-1B-Claude-Opus-Fable5-V2-Thinking-GGUF — это набор GGUF-квантизаций языковой модели MiniCPM5-1B-Claude-Opus-Fable5-V2-Thinking, разработанной на базе openbmb/MiniCPM5-1B и дообученной на данных Fable 5. Репозиторий подготовлен для локального запуска через llama.cpp, Ollama, LM Studio, jan, KoboldCpp и другие совместимые среды. Модель предназначена для генерации текста, диалогов, следования инструкциям, программирования, отладки и рабочих процессов с инструментами и вызовами функций. Модель имеет размер 1B параметров, работает с текстом и поддерживает английский и китайский языки. Заявлена длина контекста до 128K токенов, однако фактический доступный размер зависит от используемого GGUF-рантайма и оборудования. В V2 улучшена поддержка tool calling и function calling по сравнению с предыдущей версией; также предусмотрен режим рассуждений, при котором модель может выдавать блоки рассуждений перед итоговым ответом. Шаблон чата MiniCPM5 встроен в метаданные GGUF-файлов. Доступны варианты Q8_0 размером около 1,1 ГБ и F16 размером около 2,1 ГБ; Q8_0 рекомендован как стандартный вариант. К сильным сторонам относятся компактность, возможность локального развертывания, поддержка длинного контекста, программирования и вызова инструментов. Ограничение — небольшой масштаб 1B параметров, поэтому модель не относится к моделям передового уровня и может уступать более крупным системам в сложных задачах. Лицензия — Apache-2.0.

muhtasham/Phi-3.5-vision-instruct_20240915_223241 — дообученная версия мультимодальной Phi-3.5-vision-instruct от Microsoft. В карточке указано, что модель обучалась на датасете со средним размером 1,8 млн, но его название не приведено. Модель предназначена для диалоговой генерации текста. Базовая модель поддерживает работу с текстом и изображениями, включая ответы на вопросы по изображениям, OCR, анализ документов и суммирование видеоклипов по кадрам; README не уточняет, сохраняются ли все эти возможности после дообучения. Архитектура — плотная Phi3VForCausalLM, объём — 3,7 млрд параметров, библиотека — Transformers, формат весов — safetensors, указанная длина контекста — 4096 токенов. Карточка не содержит результатов оценки качества и конкретных рекомендаций по применению. Модель распространяется по лицензии MIT.

Карточка модели unsloth/whisper-tiny на Hugging Face совпадает с карточкой openai/whisper-tiny, поэтому описание составлено по ней. Whisper Tiny — компактная предварительно обученная модель распознавания речи семейства Whisper, разработанная OpenAI. Это трансформерная архитектура «энкодер—декодер» с 29,4 млн параметров, обученная на больших массивах размеченной речи с масштабным слабым контролем. Модель принимает аудио и генерирует его текстовую расшифровку; семейство Whisper также поддерживает перевод речи, но метаданные этой модели указывают только задачу распознавания речи. Модель подходит для транскрибации речи на множестве языков, включая русский, а также для распознавания аудио с акцентами, фоновым шумом и технической лексикой. Базовая длительность входного аудиофрагмента — до 30 секунд; длинные записи можно обрабатывать с разбиением на фрагменты. Модель может выдумывать слова, которых нет в аудио, повторять текст, а качество распознавания неодинаково для разных языков, акцентов и диалектов. Распространяется по лицензии Apache-2.0.

Lamarck-14B-v0.7-Fusion — экспериментальная объединённая языковая модель на архитектуре Qwen2, собранная автором sometimesanotion методом многоэтапного слияния нескольких моделей. В числе исходных моделей — Lamarck-14B-v0.7, Qwenvergence-14B-v12-Prose-DS, Lamarckvergence-14B и Chocolatine-2-14B-Instruct-v2.0.3. Модель содержит 14 млрд параметров, работает через Transformers и принимает текст для генерации текста; заявленная длина контекста — 131 072 токена. Модель предназначена для свободного творческого письма, диалогов, рассуждений и перевода. Автор отмечает сильную прозу и хорошие результаты на GPQA, но полная оценка ещё не завершена; следование инструкциям по IFEVAL оценивается скромнее. Лицензия — Apache 2.0.

llm-jp-3.1-8x13b-32K — языковая модель, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Это вариант llm-jp-3.1-8x13b с продолженным предобучением на дополнительных 50 млрд токенов для увеличения контекста с 4K до 32K токенов. Модель построена на архитектуре Mixtral MoE с восемью экспертами, из которых активируются два; в метаданных указан размер 13,2 млрд параметров. Веса доступны в формате Safetensors для Transformers. Модель предназначена для генерации текста и диалогов с выполнением инструкций, в частности на японском и английском языках. Увеличенное окно контекста подходит для работы с длинными запросами и документами. Модель развивает серию LLM-jp-3.1, обученную на многоязычных данных, а инструкция-ориентированное промежуточное обучение улучшает следование указаниям. Разработчики отмечают, что модель находится на раннем этапе исследований и разработок и не была настроена для гарантированного соответствия человеческим намерениям и требованиям безопасности. Лицензия — Apache-2.0.