IV.2Банки, платежи и инвестиции

Chronos-T5 Mini — предварительно обученная модель прогнозирования временных рядов из семейства Chronos, разработанного Amazon. Она основана на архитектуре T5 и преобразует числовые ряды в токены с помощью масштабирования и квантования; метаданные указывают 9,8 млн параметров и контекст 512 токенов. При обучении использовались открытые временные ряды и синтетические данные, созданные с помощью гауссовских процессов. Модель генерирует вероятностные прогнозы, авторегрессионно выбирая будущие значения; несколько сгенерированных траекторий позволяют оценить распределение прогноза. Модель предназначена для прогнозирования будущего по историческим наблюдениям в задачах анализа временных рядов. В README размер этой версии указан как 20 млн параметров, тогда как метаданные каталога приводят 9,8 млн; поэтому размер в описании взят из метаданных. Модель доступна под лицензией Apache-2.0. README сообщает о более новых Chronos-Bolt, которые быстрее и точнее исходных моделей того же размера, что может быть основанием рассмотреть их для сценариев с высокими требованиями к скорости или точности.

Это корейская корпоративная языковая модель SEOKDONG, дообученная методом SFT на базе openai/gpt-oss-safeguard-20b. Модель предназначена для корейских пользователей и офлайн- или локальных корпоративных сред. Она помогает учитывать корейские нормы общения и деловой контекст, готовить документы по типовым корпоративным форматам, анализировать юридические, бухгалтерские и финансовые тексты, а также преобразовывать табличные данные и данные ERP в отчёты и сводки. Модель поддерживает генерацию текста и диалоговый режим; архитектура — decoder-only MoE семейства gpt_oss. В метаданных указаны 1,6 млрд параметров и контекст до 131 072 токенов. README указывает корейский как основной язык, а японский и китайский — для специализированного перевода. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. Сильные стороны — корейский корпоративный стиль, деловые документы и задачи по корейским праву, учёту и финансам. Возможны ошибки, устаревание сведений о законах и стандартах, а также снижение качества на коде, математике и других языках; ответы для юридических, бухгалтерских и комплаенс-решений требуют проверки специалистом.

Granite-TimeSeries-TTM-R1 — компактная предобученная модель TinyTimeMixer для прогнозирования многомерных временных рядов, разработанная IBM Research. Вариант R1 обучен на 250 млн публичных обучающих примеров; в метаданных указано около 1 млн параметров. Модель поддерживает прогнозирование без дообучения и дообучение на данных целевого ряда, в том числе с независимой обработкой каналов или смешиванием каналов, а также с использованием экзогенных переменных и категориальных признаков. Доступны варианты для контекста длиной 512 или 1024 временных точек с прогнозом до 96 точек вперёд. Модель рассчитана на данные с минутной и часовой частотой, например с интервалом 10 минут, 15 минут или 1 час, и может запускаться на одной GPU или ноутбуке. README указывает, что R2 обучен на большем наборе данных и обычно показывает лучшие результаты, но выбор версии зависит от распределения целевых данных. Модель распространяется по лицензии Apache-2.0.

TimesFM 2.5 200M — предварительно обученная модель временных рядов для прогнозирования, разработанная Google Research. Это третий открытый чекпойнт семейства TimesFM; модель имеет архитектуру декодера и содержит 229,4 млн параметров. В репозитории представлены веса в формате safetensors, для работы используется библиотека timesfm. Модель предназначена для прогнозирования временных рядов. При предобучении использовались набор GiftEvalPretrain, просмотры страниц Wikimedia, данные Google Trends, а также синтетические и дополненные данные. Чекпойнт не является официально поддерживаемым продуктом Google; официальную поддержку Google указывает для TimesFM в BigQuery. Лицензия — Apache 2.0.

Argus-Colqwen3.5-4b-v0 — модель извлечения признаков для поиска по визуальным документам, разработанная группой Data Science Университета Инсбрука. Это дообученная на базе Qwen/Qwen3.5-VL-4B-Instruct модель с 4,71 млрд параметров: ColPali-подобная архитектура формирует многовекторные представления изображения и запроса, а разреженный маршрутизатор с четырьмя экспертами выбирает обработку регионов страницы с учётом запроса. Выпущена версия с весами fp32; размерность вектора каждого токена — 1024, обрабатывается до 2048 визуальных токенов на страницу. Модель предназначена для поиска релевантных страниц в сканах, документах и отчётах по текстовому запросу, включая сценарии визуального вопросно-ответного поиска. В README заявлены высокие результаты на ViDoRe v1, однако приведённые оценки отдельных задач получены на родственной версии bf16 и для fp32 указаны как ожидаемые. Области применения включают поиск по документам и отчётам; качество на английских наборах проверено лучше, чем на многоязычных. Лицензия — Apache 2.0.

Карточка модели CollectionStudio/chronos-bolt-small на Hugging Face совпадает с карточкой amazon/chronos-bolt-small, поэтому описание составлено по ней. Chronos-Bolt Small — предварительно обученная модель Amazon для прогнозирования временных рядов с нулевым дообучением на новых данных. Она использует архитектуру T5 encoder-decoder: кодировщик обрабатывает исторические наблюдения блоками, а декодер напрямую строит вероятностные прогнозы квантилей на несколько будущих шагов. По README модель обучалась на почти 100 млрд наблюдений временных рядов; метаданные указывают архитектуру T5 и 22 млн параметров, тогда как таблица README приводит для варианта Small 48 млн параметров. Модель предназначена для прогнозирования временных рядов, в том числе без предварительного обучения на целевом наборе данных. Для промышленного использования README рекомендует AutoGluon, который также позволяет дообучать модель, учитывать ковариаты и объединять прогнозы с другими моделями; доступно развёртывание через SageMaker JumpStart на CPU и GPU. Заявлены более высокая скорость и меньший расход памяти по сравнению с исходными моделями Chronos сопоставимого размера. Контекст составляет 512 наблюдений по метаданным. Лицензия — Apache-2.0.

Adzpro/embedding_e5 — текстовая модель Sentence Transformers, дообученная разработчиком Adzpro на базе intfloat/multilingual-e5-base. Она преобразует предложения и абзацы в нормализованные плотные эмбеддинги размерности 768 и предназначена для семантического поиска и извлечения документов; близость векторов можно сравнивать косинусной мерой. Архитектура основана на XLM-RoBERTa с усреднением токенных представлений и нормализацией. Модель принимает текст, поддерживает многоязычные сценарии и обрабатывает последовательности длиной до 512 токенов. Обучение описано как сопоставление запросов и документов с MultipleNegativesRankingLoss на 140 парах. Примеры датасета относятся к вьетнамским финансовым отчётам, поэтому модель может быть полезна для поиска по подобным материалам; README приводит метрики на небольших тестовой и валидационной выборках. Условия лицензирования в доступных сведениях не приведены.

Granite-TTM-R3 — компактная предварительно обученная модель прогнозирования временных рядов из семейства Granite, разработанная IBM на основе TinyTimeMixer. Вариант в этом репозитории содержит 2,3 млн параметров и представлен в формате safetensors; архитектура относится к семейству TinyTimeMixer и использует эффективные mixer-блоки без дорогостоящего self-attention. Модель предназначена для прогнозирования временных рядов, в том числе на новых наборах данных без дообучения, с адаптацией на небольшом числе примеров и после полного дообучения под конкретную область. Поддерживаются многомерные ряды, дополнительные и управляющие переменные, а также пакетный инференс. В карточке описаны декомпозиция тренда и остатка, многомасштабная обработка временных зависимостей, частотные признаки и вероятностные прогнозы по квантилям. Компактный размер и заявленная высокая пропускная способность делают модель подходящей для масштабного и низколатентного прогнозирования, включая развёртывание на CPU. Результаты точности и скорости приведены в карточке модели; они зависят от данных и условий измерения. Модель распространяется по лицензии Apache-2.0.

Harness-1 — поисковый агент на базе gpt-oss-20b, опубликованный pat-jj. Это дообученная и объединённая с базовой моделью контрольная точка; веса доступны в формате safetensors для Transformers. Модель предназначена для поиска и извлечения сведений из веб-материалов, патентов, финансовой отчётности SEC и корпуса BrowseComp+. README описывает обучение на 899 траекториях SFT и 3 453 примерах SEC для RL, а также указывает корпусные данные для поиска. Метаданные задают архитектуру GPT-OSS MoE, задачу генерации текста, чат-возможность и контекст до 131 072 токенов. Для работы с опубликованными корпусами потребуется отдельный поисковый контур; сам репозиторий модели содержит веса. Лицензия в предоставленных данных не указана.

Donut — модель Geewok и соавторов для понимания документов по изображениям. Эта версия базового размера дообучена на наборе CORD, содержащем изображения чеков и разметку для извлечения их содержимого. Модель использует архитектуру vision-encoder-decoder: визуальный энкодер Swin Transformer кодирует изображение, а текстовый декодер BART авторегрессионно формирует результат. Она предназначена для разбора чеков и извлечения структурированных сведений непосредственно из изображения, без отдельного этапа OCR. Лицензия — MIT. Модель специализирована на чеках из CORD; качество на других видах документов и изображений карточка не характеризует. Поддерживаемый язык в карточке не указан.

Chronos-Bolt Mini — предварительно обученная модель прогнозирования временных рядов из семейства Chronos-Bolt, представленная AutoGluon. Она предназначена для zero-shot прогнозов и может применяться через AutoGluon или развёртываться как endpoint в Amazon SageMaker. Модель поддерживает прогнозирование с ковариатами. Архитектура основана на T5 encoder-decoder: исторические наблюдения группируются в патчи и кодируются, после чего декодер напрямую строит квантили для нескольких будущих шагов. В README для Mini указано 21 млн параметров; метаданные репозитория указывают 8,3 млн параметров, поэтому размерные сведения расходятся. Контекст составляет до 512 наблюдений. Семейство обучено на почти 100 млрд наблюдений временных рядов. В сравнении с Chronos того же размера README заявляет до 250-кратного ускорения и в 20 раз меньший расход памяти. Модель подходит для прогнозирования временных рядов без дообучения, в том числе с ковариатами. README сообщает о результатах сравнений на 27 наборах данных, но это не гарантирует качество на конкретных данных. Лицензия репозитория — Apache-2.0.

EraX-VL-7B-V1.5 do Nguyễn Anh Nguyên, Nguyễn Hồ Nam, Phạm Huỳnh Nhật và Phạm Đình Thục phát triển, với tài trợ của Bamboo Capital Group và EraX. Đây là mô hình Transformer đa phương thức gồm 7,1 tỷ tham số, được tinh chỉnh từ Qwen/Qwen2-VL-7B-Instruct để nhận diện nội dung trong ảnh và trả lời câu hỏi về hình ảnh. Модель поддерживает диалог с несколькими ходами и ориентирована в первую очередь на вьетнамский язык, при этом заявлены также английский и китайский. Модель предназначена для OCR и визуальных вопросов и ответов, в том числе для извлечения данных из удостоверений, водительских прав, регистрационных документов и квитанций, а также описания изображений. Разработчики выделяют документы для медицинских учреждений и страховых компаний; модель не обучалась на рентгеновских снимках и данных об автомобильных авариях. Для качественного результата может потребоваться тщательно подбирать запрос. Контекст составляет 32 768 токенов. Лицензия — Apache 2.0.

bardsai/eu-pii-multi-mini-preview — предварительная многоязычная модель BardsAI для обнаружения и классификации персональных и чувствительных данных в тексте. Это модель token classification на базе XLM-RoBERTa, дообученная от nreimers/mMiniLMv2-L6-H384-distilled-from-XLMR-Large; она размечает токены по 34 классам сущностей с использованием схемы BIO. Размер составляет 110,2 млн параметров, контекст — до 514 токенов. Модель предназначена для выявления адресов электронной почты, телефонов, идентификаторов, платёжных данных, местоположений, медицинских и других чувствительных сведений в многоязычных текстах на 24 европейских языках. Её можно применять для поиска и последующей маскировки персональных данных в документах, текстах обращений и других корпусах. В README приведены результаты на проверочной и тестовой выборках; макро-F1 на тесте составляет 0,7863 без учёта класса O. Карточка помечает модель как preview и сообщает, что обучение ещё продолжается, поэтому качество следует проверять на собственных данных перед внедрением. Доступны веса Safetensors и ONNX, включая динамически квантованный вариант ONNX для CPU. Лицензия в предоставленных данных не указана.

FoMo-0D — модель для обнаружения выбросов в табличных данных без обучения на целевой задаче. В карточке указаны официальная реализация и статья «FoMo-0D: A Foundation Model for Zero-shot Tabular Outlier Detection»; модель опубликована с помощью интеграции PytorchModelHubMixin. Модель предназначена для поиска аномальных наблюдений в таблицах, в том числе в сценариях, где нет размеченных примеров для обучения. Доступные сведения не раскрывают размер модели, поддерживаемые языки, конкретные типы входных данных или подробности архитектуры. Репозиторий содержит веса в формате safetensors. Лицензия — MIT.

GLiNER-PII — модель NVIDIA для обнаружения и классификации персональных и медицинских данных в структурированном и обычном тексте. Она построена на архитектуре GLiNER и дообучена на базе urchade/gliner_large-v2.1; содержит около 570 млн параметров и работает через библиотеку GLiNER на PyTorch. Модель размечает фрагменты текста более чем по 55 категориям и возвращает найденный текст, тип сущности, позиции начала и конца, а также оценку уверенности. Её применяют для выявления и редактирования конфиденциальных данных в медицинских записях, финансовых и юридических документах, корпоративных хранилищах, журналах и пользовательских публикациях. Модель принимает текст и выдаёт текстовые аннотации. Карточка указывает английский язык. Лицензия обозначена как other; README заявляет возможность коммерческого и некоммерческого использования. Качество зависит от предметной области, формата данных и порога уверенности: в оценке на трёх наборах строгий F1 составил 0,70 на Argilla PII, 0,64 на AI4Privacy и 0,87 на Nemotron-PII. Для ответственных сценариев рекомендованы проверка на данных конкретного применения и человеческий контроль.

PaddleOCR-VL-1.6-Bangla — дообученная Hasanmdsadadul на базе PaddlePaddle/PaddleOCR-VL-1.6 модель для распознавания печатных документов на бенгальском и английском языках. Она принимает изображения и возвращает извлечённый текст; в режиме Spotting также выдаёт строки текста с координатами ограничивающих рамок. Модель предназначена для сканов и изображений счетов, выписок, форм, писем и книг. Архитектура PaddleOCR-VL — мультимодальная модель с плотными весами, около 318,2 млн параметров и контекстом до 131 072 токенов. По оценке авторов, на тестовых наборах печатного текста модель существенно снижает частоту ошибок относительно базовой версии; формат запросов и ответов совместим с базовой моделью. Выпущена как объединённые веса, LoRA-адаптер и версия GGUF. Лицензия — CC BY-SA 4.0. На рукописном тексте качество заметно ниже: около 31% ошибок на символ на отложенных данных, поэтому модель для него не рекомендуется. Для отдельных слов из реальных документов указана частота ошибок около 10%; тестирование на размеченном наборе реальных деловых документов не проводилось. Извлечённые суммы и даты следует проверять перед использованием.

sap-rpt-1-oss — открытая модель SAP для предсказаний по табличным данным, основанная на работе ConTextTab: A Semantics-Aware Tabular In-Context Learner. Она использует table-native in-context learning и специализированные представления для разных типов данных, чтобы учитывать значения ячеек, названия столбцов и их семантический контекст. Чекпойнт и возможности совпадают с прежней версией ConTextTab. Модель принимает таблицу в виде pandas DataFrame или массива NumPy и предназначена для классификации и регрессии. Предобработка не требуется: имена столбцов и значения ячеек автоматически встраиваются с помощью работающей в фоновом режиме языковой модели, а пропуски обрабатываются. Архитектура сочетает обработку табличной структуры с семантическим представлением реальных данных; в README заявлена конкурентоспособность на широком наборе бенчмарков и сильные результаты на CARTE. Репозиторий распространяется по лицензии Apache-2.0. Для загрузки чекпойнтов требуется авторизация в Hugging Face. В README не указаны размеры модели или ограничения на контекст; известных проблем авторы не сообщают.

YOLOS-base-signature-detection — модель обнаружения объектов, дообученная Марио Дефрансом на базе hustvl/yolos-base для поиска рукописных подписей на изображениях документов. Она использует архитектуру YOLOS на основе Vision Transformer и выдаёт области изображения с обнаруженными подписями. Модель рассчитана на обработку сканов договоров, форм и других документов; её можно использовать в конвейерах проверки документов с последующей проверкой результатов человеком. Обучение проводилось на наборе изображений подписей, собранном из Tobacco800 и signatures-xc8up и подготовленном в формате COCO; в метаданных также указан набор tech4humans/signature-detection. Репозиторий содержит около 113,2 млн параметров, веса представлены в формате safetensors, для работы заявлена поддержка PyTorch через Transformers. Модель лицензирована по Apache 2.0. Она предназначена только для обнаружения подписей, не для поиска других объектов или проверки подлинности подписи. Возможны ложные срабатывания и пропуски; качество может снижаться на шумных, низкокачественных изображениях и при разнообразии стилей, недостаточно представленном в обучающих данных. Для юридически или финансово значимых процессов результаты следует проверять вручную.

Ziya-Reader-13B-v1.0 是 IDEA-CCNL 团队开发的中文知识问答模型，基于 13B 参数的 Llama 2，并在通用数据和检索问答数据上微调。它采用 Llama 自回归 Transformer 架构，使用位置插值扩展上下窗口；README указывает 8k токенов, тогда как метаданные Hugging Face указывают нативный контекст 4096 токенов. Модель отвечает на вопросы по одному или нескольким предоставленным документам, поддерживает поиск релевантных документов и суммаризацию длинных текстов, а также общее общение в формате вопрос–ответ. В карточке описана устойчивость к изменению порядка документов и приведены оценки на китайских наборах LongBench. Предназначена прежде всего для китайских сценариев баз знаний, retrieval QA и клиентской поддержки, в том числе в праве, финансах и медицине. Модель принимает текст и генерирует текст. Репозиторий содержит веса PyTorch; указанная лицензия — GPL-3.0. Результаты зависят от качества и полноты переданных документов; заявленные оценки основаны на тестах разработчиков и не гарантируют качество в конкретной предметной области.

Argus-Colqwen3.5-2b-v0-bf16 — мультимодальная модель извлечения признаков для поиска по визуальным документам, разработанная группой Data Science Университета Инсбрука. Это релиз с весами bfloat16, полученный объединением LoRA с базовой Qwen/Qwen3.5-VL-2B-Instruct; модель содержит около 2,32 млрд параметров и формирует токенные эмбеддинги размерности 1024. Модель принимает текстовый запрос и изображение страницы документа, кодирует их для позднего взаимодействия и ранжирования страниц по релевантности. Её архитектура Argus использует разбиение визуальных токенов на регионы и разреженную смесь экспертов, маршрутизация которой зависит от содержимого изображения и запроса. Заявлены результаты на наборах ViDoRe v1 и v2; README указывает поддержку до 2048 визуальных токенов на страницу и возможность инференса на GPU с 8 ГБ памяти в bf16. Модель ориентирована преимущественно на английские документы. Качество на ViDoRe v3 не оценивалось, а преобразование весов в bf16 необратимо; заявленная сопоставимость с fp32 относится к оценкам этой 2B-версии на ViDoRe. Лицензия — Apache 2.0.

ChartVerse-2B — компактная мультимодальная модель для понимания графиков и диаграмм, разработанная в рамках проекта opendatalab/ChartVerse. Она дообучена на базе Qwen/Qwen3-VL-2B-Instruct и принимает изображения графиков вместе с текстовыми запросами, выдавая текстовые ответы и объяснения. Модель предназначена для вопросов по данным на графиках и многошагового анализа, включая рассуждения по цепочке мыслей. Модель содержит 2 млрд параметров и обучена на наборах ChartVerse-SFT-600K и ChartVerse-RL-40K. По данным карточки, она набрала в среднем 54,3% на шести сложных бенчмарках по графикам и превзошла приведённые в README специализированные модели на 7 млрд параметров. Репозиторий использует архитектуру Qwen3-VL, библиотеку Transformers и формат safetensors. Лицензия — Apache-2.0.

Chronos-Bolt Mini — предварительно обученная модель прогнозирования временных рядов от Amazon. Она построена на архитектуре T5 encoder-decoder и предназначена для прогнозирования без дополнительного обучения на конкретном наборе данных. Исторические наблюдения группируются в патчи и кодируются, после чего модель напрямую формирует вероятностные прогнозы-квантили для нескольких будущих шагов. Модель поддерживает контекст до 512 токенов; в карточке Hugging Face указаны 8,3 млн параметров, тогда как README приводит для этой версии размер 21 млн параметров. Модель подходит для пакетного и производственного прогнозирования временных рядов. По данным README, семейство обучалось почти на 100 млрд наблюдений и заметно быстрее и экономнее по памяти, чем исходные Chronos; в описанном сравнении Chronos-Bolt также показала более точное прогнозирование. Возможна работа с ковариатами через SageMaker JumpStart и AutoGluon. Модель опубликована под лицензией Apache 2.0. Прогнозы могут быть менее надёжными для рядов, существенно отличающихся от данных обучения; для повышения качества README рекомендует рассмотреть дообучение и ансамблирование с помощью AutoGluon.

Карточка модели CollectionStudio/chronos-bolt-mini на Hugging Face совпадает с карточкой amazon/chronos-bolt-mini, поэтому описание составлено по ней. Chronos-Bolt Mini — предварительно обученная модель прогнозирования временных рядов от Amazon. Она построена на архитектуре T5 encoder-decoder и предназначена для прогнозирования без дополнительного обучения на конкретном наборе данных. Исторические наблюдения группируются в патчи и кодируются, после чего модель напрямую формирует вероятностные прогнозы-квантили для нескольких будущих шагов. Модель поддерживает контекст до 512 токенов; в карточке Hugging Face указаны 8,3 млн параметров, тогда как README приводит для этой версии размер 21 млн параметров. Модель подходит для пакетного и производственного прогнозирования временных рядов. По данным README, семейство обучалось почти на 100 млрд наблюдений и заметно быстрее и экономнее по памяти, чем исходные Chronos; в описанном сравнении Chronos-Bolt также показала более точное прогнозирование. Возможна работа с ковариатами через SageMaker JumpStart и AutoGluon. Модель опубликована под лицензией Apache 2.0. Прогнозы могут быть менее надёжными для рядов, существенно отличающихся от данных обучения; для повышения качества README рекомендует рассмотреть дообучение и ансамблирование с помощью AutoGluon.

Chronos-Bolt Small — предварительно обученная модель Amazon для прогнозирования временных рядов с нулевым дообучением на новых данных. Она использует архитектуру T5 encoder-decoder: кодировщик обрабатывает исторические наблюдения блоками, а декодер напрямую строит вероятностные прогнозы квантилей на несколько будущих шагов. По README модель обучалась на почти 100 млрд наблюдений временных рядов; метаданные указывают архитектуру T5 и 22 млн параметров, тогда как таблица README приводит для варианта Small 48 млн параметров. Модель предназначена для прогнозирования временных рядов, в том числе без предварительного обучения на целевом наборе данных. Для промышленного использования README рекомендует AutoGluon, который также позволяет дообучать модель, учитывать ковариаты и объединять прогнозы с другими моделями; доступно развёртывание через SageMaker JumpStart на CPU и GPU. Заявлены более высокая скорость и меньший расход памяти по сравнению с исходными моделями Chronos сопоставимого размера. Контекст составляет 512 наблюдений по метаданным. Лицензия — Apache-2.0.

LFM2.5-Encoder-350M-PII-Detector — дообученная Liquid AI модель для обнаружения и классификации персональных данных в тексте. Она основана на двунаправленном энкодере LFM2.5-Encoder-350M с головой token classification и распознаёт 40 типов персональных данных в 16 языках, включая имена, идентификаторы, контактные и финансовые сведения. Модель предназначена для поиска чувствительных фрагментов в документах и их последующего удаления или маскирования, а также для других задач защиты конфиденциальности. В карточке приведены результаты сравнительных тестов на нескольких наборах данных; качество зависит от набора и принятой схемы разметки. Архитектура относится к семейству LFM2, число параметров по метаданным — 444,6 млн, длина контекста — до 128 000 токенов. Для загрузки требуется Transformers; README предупреждает, что загрузка использует пользовательский код через trust_remote_code=True. Модель принимает текст и выдаёт разметку токенов с типами сущностей. Лицензия указана как other, без уточнения условий в доступных данных; перед использованием следует проверить лицензионные условия репозитория.

Unlimited-OCR-Community-FP8-Dynamic — неофициальная общественная FP8-квантизованная версия модели baidu/Unlimited-OCR, разработанной Baidu. Квантизацию выполнила ShadowRock, автор — Matt Busi. Модель предназначена для OCR и структурированного разбора документов по изображениям, включая счета, служебные записки и табличные отчёты, с поддержкой координат областей текста. Это мультимодальная vision-language модель размером 3,34 млрд параметров с MoE-архитектурой в стиле DeepSeek-V2. Она использует визуальный тракт на базе SAM-ViT-B и CLIP-L DeepEncoder с проектором, а также текстовый декодер. Применена схема FP8_DYNAMIC W8A8: веса линейных слоёв текстового декодера квантизованы в FP8, активации масштабируются динамически; визуальный тракт, эмбеддинги, выходная голова, маршрутизаторы MoE и нормализации сохранены в BF16. Заявлена мультиязычность, однако конкретный перечень языков и размер контекста в README не указаны. Основные преимущества версии — уменьшение размера чекпойнта с 6,7 до 3,9 ГБ и поддержка нативного FP8-выполнения на GPU Ada, Hopper и Blackwell. На небольшом наборе синтетических документов результаты жадного OCR совпали с BF16-базой посимвольно: CER составил 0,0 для всех тестовых примеров. Измеренная скорость декодирования — около 39,4 токена в секунду на RTX 5070 Ti с vLLM 0.26.0, что ниже показателя BF16 45,3 токена в секунду. Полноценные гарантии качества на реальных данных, ограничения по разрешению, контексту и языкам README не описывает. Модель распространяется по лицензии MIT. Это community-сборка, не официальный релиз Baidu; изменена числовая точность весов текстового декодера, поэтому совместимость и качество следует проверять в целевой конфигурации. Для запуска указана интеграция с Transformers и vLLM, требуется разрешение удалённого кода.

YOLOv8s Signature Detector — модель компьютерного зрения, разработанная tech4humans на базе Ultralytics YOLOv8s и дообученная для обнаружения рукописных подписей на изображениях документов. Она решает задачу object detection: определяет наличие подписей и их координаты, поэтому подходит для автоматической обработки документов, предварительной проверки заполнения форм и построения сервисов извлечения областей с подписями. Модель обучалась на наборе tech4humans/signature-detection, включающем 2 819 размеченных изображений документов; для обучения использовалась аугментированная и предварительно обработанная версия с размером изображения 640 пикселей. Доступны форматы PyTorch, ONNX и TensorRT, что упрощает развёртывание в разных вычислительных средах. По результатам на тестовой выборке модель показала mAP@0.5 0,94499, mAP@0.5:0.95 0,6735, precision 0,947396, recall 0,897216 и F1 0,921623. Сильные стороны модели — высокая точность обнаружения и наличие подготовленных форматов для производительного инференса. Ограничения связаны с узкой специализацией на рукописных подписях в документных изображениях: README не подтверждает качество на других типах изображений, языках, форматах документов или сценариях, а также не приводит сведения о количестве параметров, требованиях к оборудованию и задержке инференса. Модель распространяется по лицензии AGPL-3.0, поэтому условия её использования и распространения следует учитывать при интеграции в закрытые или коммерческие продукты.

Wismut разработала nym-pii-multilingual — многоязычную модель распознавания персональных и других чувствительных данных для обезличивания текста в nym. Это дообученная на jhu-clsp/mmBERT-base модель с архитектурой ModernBERT, примерно 307 млн параметров и контекстом до 8192 токенов. Она размечает токены 40 типами сущностей с использованием 81 BIO-метки: среди них имена, даты рождения, контакты, адреса, государственные, медицинские и финансовые идентификаторы, номера карт, IBAN, API-ключи и пароли. Модель рассчитана на обработку текста примерно на 23 языках, включая русский, английский, немецкий, французский, китайский, японский, корейский, арабский и хинди. Обучение включало синтетические данные и примеры из реальных текстов с автоматической разметкой; также применялась самодистилляция. Модель обучали распознавать искажённый OCR-текст и содержимое структурированных документов, таких как таблицы, JSON и CSV. Доступны веса Safetensors и ONNX; для ONNX также есть уменьшенный вариант int8, который, по результатам описанных авторами тестов, сохраняет качество близким к полной версии. Модель подходит для обнаружения чувствительных данных перед редактированием или заменой в документах и текстовых потоках. Слабее распознаются идентификаторы, похожие на номера заявок или дел; авторы рекомендуют сочетать модель с регулярными выражениями nym. Качество зависит от типа текста и языка, а автоматически размеченные обучающие примеры могут содержать ошибки. MIT-лицензия; сама модель не гарантирует соответствие требованиям HIPAA или GDPR.

Pictograph receipt-detection — модель компьютерного зрения для обнаружения чеков, разработанная и опубликованная Pictograph. Она построена на архитектуре YOLOX-M, принимает изображения размером 640×640 и распространяется в формате ONNX с точностью FP32. Модель предназначена для поиска рамки чека на изображении; в её наборе классов указан только класс receipt. В README заявлены mAP 87,2%, mAP@50 100% и recall 87,5%. Модель можно запускать через Pictograph SDK, ONNX Runtime или размещённые сервисы Pictograph. Репозиторий распространяется по лицензии Apache 2.0.

this-that-model-1.2 — дообученная модель flock-io для выбора ответа из заданных вариантов по структурированному состоянию и текстовым правилам. Она предназначена для решений, где нужно последовательно применить несколько условий, исключить неподходящие варианты и ранжировать оставшиеся. Модель основана на плотной архитектуре Qwen3.5 с причинным языковым моделированием, содержит 1,7 млрд параметров и поддерживает контекст до 262 144 токенов. Карточка демонстрирует применение к данным в формате вложенных пар ключ–значение и приводит результаты на задачах выбора и калибровки вероятностей; для указанного публичного бенчмарка сообщается точность 0,878 и задержка 31,4 мс на ноутбуке с NVIDIA RTX 5080. Модель ориентирована на типизированные решения за один прямой проход без генерации токенов, что позволяет использовать её для отбора и сравнения кандидатов по правилам, в том числе сформулированным как исключения. В README указаны улучшения при составных решениях и устойчивость к разным формулировкам правил. Лицензия — MIT. Результаты приведены для конкретных бенчмарков и аппаратной конфигурации; карточка не описывает универсальную точность на произвольных данных и не содержит полного примера API использования.