IV.2Банки, платежи и инвестиции

Dolphin-v2-f32-GGUF — это мультимодальная vision-language модель для интеллектуального разбора документов. Базовая модель Dolphin-v2 разработана ByteDance, а данный репозиторий prithivMLmods содержит её варианты в формате GGUF с разными уровнями квантования. Модель основана на Qwen2.5-VL-3B, насчитывает около 3 млрд параметров и использует vision encoder Native Resolution Vision Transformer (NaViT) вместе с авторегрессионным декодером. Модель предназначена для OCR и структурированного понимания цифровых документов, PDF-файлов, отсканированных и сфотографированных страниц. Она распознаёт заголовки, абзацы, формулы с выводом в LaTeX, таблицы в HTML, код, списки, изображения и другие элементы, возвращая их с абсолютными координатами на странице. Двухэтапная архитектура сначала различает цифровые и фотографированные документы, а затем применяет параллельный поэлементный или целостный разбор. Поддерживаются английский и китайский языки; заявлены сценарии локального использования в медицине, юриспруденции и финансах. К сильным сторонам относятся высокая точность анализа структуры и порядка чтения, распознавания формул и таблиц, устойчивость к искажениям, наклонам и перспективе, а также возможность локального запуска. Для вариантов модели указаны размеры от примерно 791 МБ до 12,3 ГБ; производительность исходной модели заявлена на уровне 0,1729 кадра в секунду на GPU с 8–12 ГБ VRAM, при этом она может превосходить универсальные VLM по скорости и точности. Конкретные характеристики зависят от выбранного GGUF-варианта: более сильное квантование уменьшает требования к памяти, но может снижать качество. Размер контекста и подробные требования к программному обеспечению не указаны. Лицензия — Apache 2.0.

DRAGON-YI-1.5V-9B — языковая модель llmware для ответов на вопросы по документам в сценариях RAG. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 8,6 млрд параметров; она дообучена на базе Yi-9B и принимает текстовый контекст вместе с вопросом. Модель рассчитана на английский язык и имеет контекстное окно 4096 токенов. Модель предназначена для поиска фактических ответов в сложных деловых, юридических и нормативных документах, извлечения пар «ключ — значение» и краткого суммирования. Разработчик сообщает о тестировании на RAG-Instruct-Benchmark-Tester и хороших результатах на этой оценке, однако результаты бенчмарка не гарантируют качество на других данных. Модель выдаёт текст и может ошибаться или давать неполные ответы, поэтому ответы следует проверять. Лицензия — Apache 2.0. В README результаты тестирования указаны для квантизованной версии 4_K_M, тогда как репозиторий содержит веса PyTorch.

bling-phi-3 — языковая модель серии BLING от llmware, дообученная для инструктивных задач RAG на базе Microsoft Phi-3. Это плотная авторегрессионная архитектура Phi-3 с 3,7 млрд параметров и контекстом до 4096 токенов; модель распространяется в формате PyTorch и подходит для диалогового использования. Она предназначена для ответов на вопросы по переданному контексту, извлечения пар «ключ—значение» и краткого суммирования, в том числе в корпоративных системах поиска по документам. В карточке приведены результаты одного прогона RAG-Instruct-Benchmark-Tester: 99,5 балла из 100 по указанной авторами шкале; эти результаты не гарантируют качество на других данных. Основной язык модели — английский. Лицензия Apache 2.0. Ответы могут быть неполными или неточными, поэтому их следует проверять.

BLING-QWEN-1.5B — модель llmware из серии BLING, дообученная для ответов на вопросы по контексту сложных деловых и юридических документов. Это плотная причинно-языковая модель семейства Qwen2 с 1,5 млрд параметров; метаданные указывают контекст до 131 072 токенов и формат PyTorch. Модель рассчитана на сценарии RAG: получает текстовый фрагмент и вопрос, чтобы дать краткий фактический ответ, извлечь значения полей или выполнить базовое суммирование. Модель ориентирована на автоматизацию рабочих процессов в компаниях, в том числе в финансовой, юридической и регуляторной сферах. В тестировании RAG-Instruct-Benchmark-Tester авторы сообщают 93,5 балла из 100 и отсутствие наблюдавшихся галлюцинаций в тестовых прогонах; эти результаты получены на 4_K_M-квантизованной версии bling-qwen-mini-tool и не являются гарантией для данного чекпойнта. Поддерживаемый в карточке язык — английский. Лицензия — Apache 2.0. Ответы могут быть неполными или неточными, поэтому их следует проверять.

OriOn-Qwen Synthetic Reasoning 1 — мультимодальная модель LightOn на базе Qwen3-VL-32B-Instruct, дообученная и объединённая с базовыми весами для ответов на вопросы по длинным визуальным документам. Она принимает текстовые вопросы и изображения страниц, извлекает релевантные свидетельства и объединяет сведения с нескольких страниц; подходит для анализа длинных PDF-файлов и презентаций, включая документы объёмом более 250 страниц. Модель построена на архитектуре Qwen3VLForConditionalGeneration, содержит 32 млрд параметров и поддерживает контекст длиной 262 144 токена. Для управления режимом рассуждения в системный запрос можно добавить специальный токен управления. По данным карточки, модель достигает 58,3 на MMLongBenchDoc и выдаёт в среднем около 250 токенов, сохраняя преимущество на длинных документах без явной генерации цепочки рассуждений. Карточка также сообщает о применении в юридических, научных и финансовых сценариях. Лицензия — Apache-2.0.

PeterAM4/Qwen3-Embedding-0.6B-GGUF — набор GGUF-квантизаций модели Qwen3-Embedding-0.6B, разработанной Qwen и квантизированной PeterAM4 с помощью llama.cpp. Модель предназначена для построения эмбеддингов и подходит для RAG-систем, семантического поиска, извлечения документов и задач финансового NLP. Доступны варианты квантизации от 8-битных до 1-битных, включая версии с калибровкой importance matrix, ориентированной на финансовые и технические тексты. Базовая модель содержит 595 776 512 параметров, поддерживает контекст до 32 768 токенов, использует pooling по последнему токену и формирует эмбеддинги размерности 1024. Заявлена мультиязычная поддержка английского, китайского, японского, корейского, французского, немецкого, испанского, португальского, русского и арабского языков. Компактный размер квантизированных файлов позволяет запускать модель на периферийных устройствах, ноутбуках и серверах с ограниченными ресурсами. К сильным сторонам относятся низкое потребление памяти, потенциально малая задержка и сохранение качества при умеренной квантизации; по приведённому тестированию рекомендован вариант Q3_K_M-imat размером 331 МБ. Качество существенно зависит от выбранного формата: при чрезмерно агрессивной квантизации показатели perplexity заметно ухудшаются, а результаты тестов получены на ограниченном корпусе финансовых, математических и общих текстов и не гарантируют качество для всех задач. Модель распространяется по лицензии Apache 2.0.

Chronos-2 — модель временных рядов, разработанная Amazon для прогнозирования без дообучения под конкретный набор данных. Это encoder-only архитектура семейства T5 с 99,1 млн параметров по метаданным; README указывает размер около 120 млн параметров. Модель обрабатывает одномерные и многомерные ряды, а также ковариаты, и строит многократные прогнозы с квантильными оценками неопределённости. Модель предназначена для прогнозирования временных рядов по историческим наблюдениям, в том числе с учётом связанных рядов и дополнительных признаков. README сообщает о групповой механике внимания для обучения в контексте, результатах на fev-bench, GIFT-Eval и Chronos Benchmark II, а также об инференсе на CPU и GPU. Для запуска доступны инструменты экосистемы Chronos и варианты развертывания через Amazon SageMaker и AutoGluon-Cloud. Модель распространяется по лицензии Apache-2.0. Качество прогнозов зависит от данных и сценария применения; README не приводит подробных ограничений по поддерживаемой частоте рядов или допустимой длине входа.

PaddleOCR-VL-1.6 GGUF — мультимодальная модель для преобразования изображений и текста в текст, предназначенная прежде всего для интеллектуального распознавания и разбора документов. Модель разработана командой PaddlePaddle как развитие PaddleOCR-VL-1.5 и ориентирована на OCR, извлечение структуры документа, анализ макета, таблиц, формул, графиков, печатей и обнаружение отдельных элементов на изображении. В репозитории представлена GGUF-версия модели, сгенерированная с использованием llama.cpp. В README не указаны точный размер модели, архитектура, длина контекста и конкретные параметры квантования. Заявлена поддержка английского, китайского и других многоязычных сценариев. Модель может быть полезна для автоматической обработки сканированных документов, счетов, отчетов и других визуально сложных материалов, где требуется не только распознать текст, но и сохранить сведения о структуре и расположении элементов. К сильным сторонам относятся мультимодальный анализ документов и широкий набор поддерживаемых типов содержимого. Ограничения и результаты сравнительных тестов в карточке не приведены, поэтому качество на конкретных языках, форматах документов и аппаратных конфигурациях следует проверять отдельно. Модель распространяется по лицензии Apache-2.0.

Это неофициальная конверсия Chandra OCR 2 от Datalab в формат GGUF с точностью BF16 для запуска через llama.cpp. Веса модели и проектор зрения сохранены в BF16; неиспользуемая черновая MTP-голова удалена. Конверсия проверена на одной AMD Radeon RX 9070 XT с 16 ГБ памяти, но формат GGUF не привязан к RDNA 4, и работа на другом оборудовании не подтверждена этой карточкой. Модель принимает изображения и предназначена для распознавания текста и структуры документов, включая PDF, с выдачей результата в текстовых форматах вроде Markdown, HTML или JSON. В README перечислены проверки на изображениях, PDF, финансовых таблицах и рукописных документах. Это перенос формата, а не дообучение или улучшение качества OCR; лицензия указана как other, поэтому условия использования следует сверить с лицензией исходной модели и файлами репозитория.

Imgscope-OCR-2B-0527 — мультимодальная модель prithivMLmods, дообученная на базе Qwen2-VL-2B-Instruct. Она принимает изображения и текстовые запросы и генерирует текст; заявленные сценарии включают распознавание печатного текста и сложного рукописного письма, разбор структуры документов, ответы на вопросы по изображениям и преобразование математических выражений в LaTeX. В карточке также заявлены работа с видео и диалоговый режим. Модель содержит 1,5 млрд параметров, использует архитектуру Qwen2-VL и формат safetensors; длина контекста — 32 768 токенов. Для обучения указаны наборы OCR чеков и счетов, LaTeX OCR и извлечения информации из LaTeX-документов. README заявляет поддержку OCR на нескольких языках, включая английский, китайский, японский, корейский, арабский и вьетнамский, но подробная оценка по языкам не приведена. Лицензия — Apache-2.0. Заявления о качестве на бенчмарках и длительности обрабатываемых видео приведены в README без результатов оценки в доступных данных.

Это дообученная версия мультимодального Transformer LayoutLMv3-base от Microsoft, созданная nielsr на наборе документов CORD для разметки токенов в документах. Модель принимает текст вместе с изображением документа и его структурными координатами, а затем присваивает токенам метки, помогая извлекать и классифицировать поля в чеках. В оценке на CORD указаны F1 0,9638, точность 0,9620, полнота 0,9656 и accuracy 0,9682. Модель содержит 151,8 млн параметров; контекст — 514 токенов. Доступны веса PyTorch и Safetensors. Лицензия в предоставленных данных не указана.

Bharatdeep-H/pq_cache — модель Sentence Transformers, разработанная на основе sentence-transformers/all-mpnet-base-v2 и дообученная для сопоставления предложений. MPNet преобразует предложения и абзацы в плотные векторы размерности 768; для сравнения используется косинусное сходство. Модель предназначена для семантического поиска, сравнения текстов, поиска перефразировок, кластеризации и классификации текстов, включая запросы о портфеле и инвестициях, представленные в обучающих примерах. Максимальная длина последовательности в метаданных — 514 токенов; в README указано ограничение 384 токена. Модель принимает текст и выдаёт эмбеддинги. Примеры обучения включают английские и хинди фразы, но полный список поддерживаемых языков не заявлен. Данные карточки указывают на дообучение от all-mpnet-base-v2; лицензия не приведена в предоставленных сведениях.

bling-tiny-llama-v0 — разработанная llmware модель серии BLING, дообученная для инструкций RAG на базе TinyLlama-1.1b. Это плотная авторегрессионная модель семейства Llama примерно с 1 млрд параметров и контекстом 2048 токенов; она принимает текстовый контекст и запрос, а затем генерирует текстовый ответ. Модель предназначена для быстрого тестирования и прототипирования сценариев поиска с дополненной генерацией, включая ответы на вопросы, извлечение ключевых значений и краткое изложение предоставленных материалов. В карточке указано, что модель рассчитана на английский язык и на применение в корпоративной автоматизации, в частности при работе с насыщенными знаниями источниками в финансовой, юридической и нормативной областях. На приведённом RAG-Instruct-Benchmark-Tester средний результат составил 86,5 балла из 100; качество математических и логических ответов было заметно ниже. Эти результаты получены всего в двух тестовых запусках и не гарантируют точность на других данных. Лицензия — Apache 2.0.

Chronos-Bolt Small — предварительно обученная модель прогнозирования временных рядов из семейства Chronos-Bolt, опубликованная AutoGluon. Она предназначена для прогнозов без дообучения на конкретном наборе данных. Модель использует архитектуру T5 encoder-decoder: кодировщик обрабатывает фрагменты истории, а декодер напрямую строит вероятностные прогнозы по нескольким будущим шагам, включая квантильные оценки. Модель обучалась на почти 100 млрд наблюдений временных рядов. Для неё указан контекст до 512 наблюдений; README описывает поддержку ковариат и запуск на CPU и GPU. Авторы сообщают, что Chronos-Bolt быстрее и экономнее по памяти исходных Chronos того же размера, а в приведённых ими бенчмарках показывает более высокую точность. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Метаданные указывают 22 млн параметров, тогда как таблица README для варианта small указывает 48 млн; размер модели в источниках расходится.

dragon-deci-7b-v0 — модель llmware из серии dRAGon, дообученная на базе DeciLM-7B для ответов на вопросы по предоставленному контексту в RAG-сценариях. Она предназначена для корпоративных систем, которым нужны фактологические ответы по внутренним документам, извлечение значений по ключам и краткое изложение текста. Модель имеет плотную архитектуру DeciLMForCausalLM и 7,9 млрд параметров; принимает и генерирует текст, поддерживает английский язык и контекст до 8192 токенов. В README приведены результаты тестирования на RAG-Instruct-Benchmark-Tester: оценка 97,5 из 100 по описанной авторами системе подсчёта, включая задачи поиска ответа в контексте, вопросы да/нет, логику и суммаризацию. Эти результаты относятся к указанному тесту и не гарантируют аналогичное качество на других данных. Модель может давать неточные или неполные ответы, поэтому результаты следует проверять, особенно в юридических и финансовых сценариях. Лицензия — Apache 2.0.

solvi-ai/extract-base — англоязычная модель извлечения полей из документов, разработанная Solvi. По документу и обычному текстовому описанию нужного поля модель находит соответствующий фрагмент, оценивает уверенность или сообщает, что поле отсутствует. Она предназначена для извлечения дат, сумм, имён и договорных условий, а также для дообучения на размеченных документах конкретной организации. В основе — ModernBERT-large с линейной головой предсказания начала и конца фрагмента; модель содержит 394,7 млн параметров и поддерживает контекст до 8192 токенов. Длинные документы обрабатываются перекрывающимися окнами по 1024 токена. Обучение проводилось на примерах SQuAD 2.0, CUAD и CORD v2; доступны веса Safetensors и экспорт ONNX. README приводит результаты на договорах, чеках и наборах вопросов и ответов, но отмечает заметные ограничения при извлечении невиданных полей без примеров. Модель лучше подходит как начальная точка для последующего дообучения: для производственного применения автор рекомендует разметить примерно 25–100 документов и настроить пороги на отложенных данных. Она поддерживает только английский язык; другие типы документов не проверялись, а оценки уверенности не являются калиброванными вероятностями. Лицензия — Apache-2.0.

OneKE — двуязычная модель для извлечения структурированных знаний из текста, совместно разработанная Ant Group и Чжэцзянским университетом. Она предназначена для построения графов знаний и поддерживает извлечение сущностей, отношений и событий по заданной пользователем схеме. Модель принимает инструкцию, схему полей и исходный текст, а результат выдаёт в структурированном формате, подобном JSON. OneKE основана на плотной архитектуре Llama и содержит 13 млрд параметров; в карточке указано контекстное окно 4096 токенов. Это дообученная версия Chinese-Alpaca-2-13B, обученная на инструкциях для извлечения информации и ориентированная на китайский и английский языки. Разработчики сообщают о результатах на задачах извлечения сущностей, отношений и событий, включая сценарии без примеров, и предлагают инструментальную поддержку для настройки схем и продолжения обучения. Модель подходит для преобразования документов в структурированные данные для графов знаний, а также для анализа медицинских, финансовых и государственных текстов. Для запуска и обучения рекомендуется не менее 20 ГБ видеопамяти. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая предусматривает некоммерческое использование и распространение производных на тех же условиях.

Patram-7B-Instruct — семейство зрительно-языковых моделей BharatGen с 7 млрд параметров, обученных с нуля для анализа документов по изображениям. Репозиторий содержит версии 1.0, 1.1 и 1.2; README описывает их как отдельные ревизии одной модели. Модель принимает изображение документа и текстовый запрос, а отвечает текстом в диалоговом формате. В зависимости от версии поддерживаются визуальные вопросы и ответы, извлечение текста и ключевых значений, многоходовый диалог, а в версии 1.2 также анализ таблиц, диаграмм и блок-схем, а также рассуждения для VQA. Модель предназначена для понимания текстовых и визуально насыщенных документов, включая индийские документы. В README приведены результаты оценки на наборах DocVQA, WTQ, VisualMRC, ChartQA, InfoVQA, FlowVQA и других; показатели зависят от набора и режима prompting. Репозиторий использует библиотеку Transformers и формат safetensors. Лицензия — Apache-2.0. README не приводит сведений о поддерживаемых разрешениях изображений или длине контекста.

scanpatch/pii-ner-nemotron — модель распознавания именованных сущностей, дообученная разработчиком scanpatch на датасете Nemotron на базе XLM-RoBERTa Large. Она извлекает из текста персональные данные: имена и их варианты, адреса и компоненты адресов, даты, номера документов, электронную почту, IP-адреса, телефоны, идентификаторы SNILS и TIN, номера автомобилей и организации. Модель предназначена для выявления и разметки чувствительных данных в текстах; её можно запускать через Transformers pipeline с задачей token-classification. Модель содержит 658,7 млн параметров, использует архитектуру XLM-RoBERTa и принимает текстовые последовательности длиной до 514 токенов. В карточке заявлены английский, русский и украинский языки. Для тестовой выборки приведены F1 0,977, точность 0,973 и полнота 0,980; качество на других данных может отличаться. Модель распространяется по лицензии Apache-2.0.

YOLOS Tiny для обнаружения рукописных подписей на изображениях документов. Модель разработал Mario DEFRANCE: он дообучил YOLOS Tiny от hustvl, основанную на Vision Transformer и обученную с функцией потерь DETR. Модель содержит 7,1 млн параметров и предназначена для поиска и локализации подписей в сканах договоров, форм и других документов. Она принимает изображения и выдаёт обнаруженные области с координатами и оценками. Модель компактна и в тестах автора показала более быстрое время инференса по сравнению с версиями YOLOS Small и Base; результаты замеров зависят от оборудования. Обучение проводилось на наборе из 2 819 изображений, объединённом из Tobacco800 и signatures-xc8up. Качество может снижаться на изображениях низкого качества, с шумом или необычными стилями подписей; возможны ложные срабатывания и пропуски. Модель рассчитана на обнаружение подписей, а не других объектов, и для важных юридических или финансовых решений требует проверки человеком. Лицензия — Apache 2.0.

Chronos-2 — модель временных рядов с архитектурой на основе энкодера T5, разработанная AutoGluon. Она предназначена для прогнозирования без дообучения на конкретной задаче: поддерживает одномерные и многомерные ряды, а также учитывает ковариаты. Модель строит многошаговые квантильные прогнозы и использует групповое внимание для обучения в контексте на связанных рядах и ковариатах. Модель насчитывает 99,1 млн параметров по метаданным; в README указано 120 млн. Она обучалась на реальных и синтетических данных, включая подмножества Chronos Datasets и GIFT-Eval Pretrain. Авторы сообщают о высокой точности zero-shot прогнозирования на fev-bench, GIFT-Eval и Chronos Benchmark II, а также о быстром инференсе на GPU и поддержке CPU. Лицензия — Apache-2.0.

Chronos-Bolt Base — предварительно обученная модель прогнозирования временных рядов, разработанная AutoGluon. Она предназначена для прогнозирования без дообучения на целевом наборе данных: принимает исторические наблюдения и строит вероятностные прогнозы на несколько будущих шагов, в том числе с учётом ковариат. Модель основана на архитектуре T5 encoder-decoder, использует патчи из нескольких наблюдений и выдаёт прогнозы по квантилям. В карточке указаны 99,1 млн параметров и контекст до 512 токенов; обучение проводилось на почти 100 млрд наблюдений временных рядов. Модель ориентирована на быстрое пакетное прогнозирование и развёртывание в AutoGluon и Amazon SageMaker; поддерживаются CPU и GPU. README сообщает о более высокой точности, скорости до 250 раз выше и использовании памяти до 20 раз ниже по сравнению с моделями Chronos того же размера, а также о превосходстве Base над Chronos Large в бенчмарке. Эти сравнительные результаты относятся к описанным в карточке условиям оценки. Лицензия — Apache-2.0. Языковые свойства здесь не применимы к обычному тексту: входом и выходом служат временные ряды и их прогнозы.

Chronos-T5 Small — предварительно обученная модель для прогнозирования временных рядов из семейства Chronos, разработанного Amazon. Она преобразует историю числового ряда в токены посредством масштабирования и квантования, а затем autoregressive модель на архитектуре T5 генерирует возможные продолжения. Выборка нескольких будущих траекторий позволяет получать вероятностный прогноз. Модель предназначена для прогнозирования временных рядов по историческим наблюдениям. Семейство обучалось на открытых рядах и синтетических данных, созданных с помощью гауссовских процессов. В репозитории указано 46 млн параметров для варианта Small, тогда как метаданные этой модели указывают 24,1 млн параметров; контекст — 512 токенов. Лицензия — Apache 2.0.

GLiNER-small-PII — модель распознавания именованных сущностей, разработанная Vicgalle путём дообучения gliner-community/gliner_small-v2.5 на синтетическом наборе данных urchade/synthetic-pii-ner-mistral-v1. Она предназначена для поиска и классификации персональных данных в текстах, включая имена, организации, контакты, адреса, номера удостоверений, финансовые и медицинские сведения, а также другие идентификаторы. Модель использует архитектуру GLiNER и решает задачу token-classification. Карточка перечисляет поддержку английского, французского, немецкого, испанского, португальского и итальянского языков. Веса доступны в форматах PyTorch и Safetensors по лицензии Apache-2.0. Модель подходит для первичного выявления конфиденциальных фрагментов в документах и текстовых потоках. Порог извлечения влияет на полноту результатов; распознавание не гарантирует обнаружения всех сущностей и может требовать проверки человеком, особенно для чувствительных или регулируемых данных.

Это дообученная модель Sentence Transformers, созданная автором dragonkue на основе Snowflake/snowflake-arctic-embed-l-v2.0 и дополнительно обученная на корейских данных для поиска по документам. Она преобразует предложения и абзацы в нормализованные плотные векторы размерностью 1024; для сравнения текстов используется косинусное сходство. Архитектура основана на XLM-RoBERTa с CLS-пулингом, а заявленная максимальная длина последовательности составляет 8192 токена. Модель предназначена для семантического поиска и оценки сходства текстов на корейском и английском языках. Её можно использовать для поиска по документам, в том числе по запросам в разных формулировках и по содержимому таблиц Markdown; README приводит оценки на корейских наборах для поиска в медицинской, финансовой, юридической, государственной и других областях. Модель опубликована под лицензией Apache-2.0. При этом обучение проводилось с длиной текста до 1300 токенов, поэтому качество поиска по существенно более длинным документам может снижаться; для длинных текстов README рекомендует рассмотреть альтернативы. Заявленная максимальная длина последовательности не гарантирует сохранения качества на всей этой длине.

BGE base Financial Matryoshka — англоязычная модель Sentence Transformers, дообученная автором sintuk на базе BAAI/bge-base-en-v1.5. Она преобразует предложения и абзацы в плотные векторы размерностью 768 для поиска и сравнения текстов. Архитектура состоит из трансформера BERT, пулинга по CLS-токену и нормализации; сходство векторов можно оценивать косинусной мерой. Модель предназначена для семантического поиска, оценки сходства предложений, поиска перефразировок, кластеризации и классификации текста. Обучение проведено на 6 300 примерах из набора json с функцией MatryoshkaLoss; доступны усечённые представления размерностью 512, 256, 128 и 64. Максимальная длина входа — 512 токенов. Карточка указывает английский язык и лицензию Apache-2.0.

Callisto-OCR3-2B-Instruct — мультимодальная модель prithivMLmods для распознавания текста на изображениях и ответов на вопросы о визуальных данных. Это дообученная версия Qwen/Qwen2-VL-2B-Instruct на архитектуре Qwen2-VL; модель содержит 1,5 млрд параметров, принимает изображения и текст и выдаёт текст. Контекст составляет до 32 768 токенов. Модель ориентирована на OCR, в том числе распознавание неразборчивого и рукописного текста, извлечение информации из документов, понимание английского текста и решение математических задач с выводом формул в LaTeX. Поддерживает диалоговые запросы по изображениям. В карточке также заявлена поддержка распознавания текста на разных языках, включая китайский и ряд европейских и азиатских языков, но подробная языковая оценка не приведена. Модель распространяется под лицензией Apache-2.0. Заявления карточки о результатах уровня state of the art, обработке длинных видео и управлении устройствами не подтверждены приведёнными метаданными; основной заявленный сценарий — обработка изображений и документов. Качество может снижаться на сложном почерке и языках, для которых нет отдельной оценки.

Chronos-Bolt Base — предварительно обученная модель прогнозирования временных рядов от Amazon. Она построена на архитектуре T5 encoder-decoder, содержит 99,1 млн параметров и принимает исторические значения ряда, разбивая их на патчи. Модель напрямую строит многокроковый вероятностный прогноз в виде квантилей; длина контекста — до 512 наблюдений. Модель предназначена для zero-shot прогнозирования без дообучения на целевых рядах. Её можно применять для прогнозирования спроса, нагрузки и других числовых показателей; README также указывает поддержку ковариат при развертывании через SageMaker. По заявлению разработчиков, Chronos-Bolt быстрее и экономнее по памяти исходных Chronos сопоставимого размера и показывает высокое качество на наборе из 27 датасетов. Модель распространяется в формате safetensors под лицензией Apache-2.0.

Chronos-Bolt-Tiny — предварительно обученная модель прогнозирования временных рядов, разработанная Amazon. Она построена на архитектуре T5 encoder-decoder и предназначена для прогнозирования без дообучения на новых рядах. Исторические наблюдения группируются в патчи и кодируются; декодер напрямую строит многократные прогнозы будущих значений в виде квантилей. В README для этой версии указано 9 млн параметров, а метаданные репозитория указывают 3,7 млн; контекст составляет до 512 наблюдений. Модель обучалась на почти 100 млрд наблюдений временных рядов. Модель подходит для прогнозирования спроса, показателей бизнеса, сенсорных измерений и других временных рядов, в том числе на CPU или GPU через SageMaker JumpStart. По данным README, семейство Chronos-Bolt быстрее и экономнее по памяти, чем исходные Chronos, и демонстрирует высокую точность на нескольких наборах данных; конкретные результаты могут зависеть от данных и сценария. Для производственного применения README рекомендует AutoGluon, который позволяет дообучать модель, учитывать ковариаты и объединять прогнозы с другими моделями. Лицензия репозитория — Apache-2.0.

Карточка модели CollectionStudio/chronos-bolt-tiny на Hugging Face совпадает с карточкой amazon/chronos-bolt-tiny, поэтому описание составлено по ней. Chronos-Bolt-Tiny — предварительно обученная модель прогнозирования временных рядов, разработанная Amazon. Она построена на архитектуре T5 encoder-decoder и предназначена для прогнозирования без дообучения на новых рядах. Исторические наблюдения группируются в патчи и кодируются; декодер напрямую строит многократные прогнозы будущих значений в виде квантилей. В README для этой версии указано 9 млн параметров, а метаданные репозитория указывают 3,7 млн; контекст составляет до 512 наблюдений. Модель обучалась на почти 100 млрд наблюдений временных рядов. Модель подходит для прогнозирования спроса, показателей бизнеса, сенсорных измерений и других временных рядов, в том числе на CPU или GPU через SageMaker JumpStart. По данным README, семейство Chronos-Bolt быстрее и экономнее по памяти, чем исходные Chronos, и демонстрирует высокую точность на нескольких наборах данных; конкретные результаты могут зависеть от данных и сценария. Для производственного применения README рекомендует AutoGluon, который позволяет дообучать модель, учитывать ковариаты и объединять прогнозы с другими моделями. Лицензия репозитория — Apache-2.0.