IV.3Страхование и актуарные задачи

Карточка модели madrisight/MadriMed-VL-2B на Hugging Face совпадает с карточкой madrisight/madrimed-VL-2B, поэтому описание составлено по ней. Карточка модели madrisight/madrimed-VL-2B на Hugging Face совпадает с карточкой madrisight/MadriMed-VL-2B, поэтому описание составлено по ней. MadriMed-VL-2B — компактная медицинская мультимодальная модель на 2 млрд параметров, разработанная MadriSight на основе Qwen3-VL-2B-Thinking и дообученная для анализа медицинских изображений и текстовых медицинских вопросов. Она принимает изображение вместе с текстовым запросом и формирует текстовый ответ; архитектура — плотная Qwen3-VLForConditionalGeneration. Модель предназначена для радиологических вопросов и ответов, распознавания типа и ориентации снимка, определения анатомических структур и простых вопросов о наличии признаков. В карточке приведены результаты на SLAKE, PubMedQA, MedQA-4opts и MedXpertQA, однако часть таблиц неполна. Модель не предназначена для диагностики, рекомендаций по лечению или надёжного выявления патологий; авторы отмечают галлюцинации, склонность отвечать «да» на вопросы о наличии признака и редкие артефакты вывода на длинных последовательностях. Ответы требуют проверки, особенно при бинарном скрининге. Лицензия указана как other, поэтому конкретные условия использования следует уточнить в репозитории модели.

mlx-community/medgemma-4b-it-bf16 — конверсия модели MedGemma 4B IT от Google в формат MLX со значениями bf16. Модель построена на архитектуре Gemma 3 и предназначена для диалоговой работы с медицинскими текстами и изображениями: например, для ответов на вопросы о медицинских снимках и клинического анализа изображений. Модель принимает текст и изображения и формирует текстовые ответы. В метаданных отмечены медицинские направления, включая радиологию, дерматологию, патологию и офтальмологию; базовая модель — MedGemma 4B PT. Репозиторий указывает лицензию «other»; README ссылается на исходную карточку Google за подробностями.

NeuroVFM MRI diagnosis model — медицинская модель классификации изображений, разработанная MLiNS Lab. Она использует модифицированную архитектуру AB-MIL с подходом «classify-then-aggregate» и обучена для многометочной классификации 74 диагнозов из клинической онтологии по данным МРТ. Обучение проводилось на 218 882 исследованиях МРТ, собранных за более чем 20 лет рутинной клинической практики в крупном академическом медицинском центре. Модель предназначена для исследовательского анализа нейровизуализации и поддержки выявления диагнозов по МРТ. Лицензия CC BY-NC-SA 4.0 допускает использование с указанием авторства и на условиях «На тех же условиях», но запрещает коммерческое применение. Модель не одобрена FDA или другим регулятором для клинического применения.

OpenMed разработала OpenMed-NER-BloodCancerDetect-ModernClinical-149M — модель для распознавания клинических сущностей, связанных с хроническим лимфоцитарным лейкозом (ХЛЛ), в медицинских и научных текстах. Это дообученная модель токенной классификации на архитектуре ModernBERT с 149 млн параметров. Она принимает токенизированный текст и возвращает BIO-разметку; контекст — до 8192 токенов. Репозиторий содержит веса в формате Safetensors. Модель ориентирована на извлечение терминов ХЛЛ для анализа медицинских записей и публикаций, включая поиск упоминаний заболевания, биомаркеров, лечения и клинических понятий. В README указаны метрики на корпусе CLL: F1 0,56, точность 0,93 и полнота 0,40, поэтому модель может пропускать многие подходящие сущности. Для использования доступны Transformers и лицензия Apache 2.0.

OpenMed-NER-BloodCancerDetect-SuperClinical-184M — специализированная модель OpenMed для распознавания именованных сущностей, связанных с хроническим лимфолейкозом (ХЛЛ), в биомедицинских текстах. Это дообученная DeBERTa-v2 для классификации токенов; она принимает токенизированный текст и возвращает BIO-разметку сущностей CL. В README указана базовая архитектура deberta-v3-base, а метаданные описывают класс DebertaV2ForTokenClassification; поэтому точное соответствие этих обозначений неясно. Модель предназначена для извлечения терминов ХЛЛ из клинических записей, медицинских документов и научной литературы, например для анализа упоминаний заболевания, поддержки медицинского текстового майнинга и биомедицинских исследований. В README приведены F1 0,73, точность 0,66, полнота 0,82 и accuracy 0,93 на датасете CLL. Контекст — 512 токенов; доступные веса в формате Safetensors, библиотека — Transformers. Лицензия Apache-2.0. Распознаётся только тип сущностей B-CL/I-CL, поэтому заявленные в README сценарии извлечения лекарств, взаимодействий препаратов и нежелательных явлений не подтверждены указанной схемой меток. Результаты следует проверять перед клиническим использованием: метрики относятся к специализированному датасету CLL и не гарантируют качество на других текстах или задачах.

OpenMed-NER-BloodCancerDetect-SuperMedical-125M — специализированная модель OpenMed для распознавания сущностей в клинических текстах о хроническом лимфолейкозе. Она дообучена для token classification на корпусе CLL и выделяет сущности, помечаемые метками B-CL и I-CL, возвращая BIO-разметку токенов. Архитектура — RoBERTa; в метаданных указано около 151,8 млн параметров и контекст до 514 токенов. Модель предназначена для извлечения терминов, связанных с хроническим лимфолейкозом, из медицинских записей и научной литературы, а также для поиска упоминаний заболевания в задачах биомедицинского анализа. README сообщает F1 0,85, точность 1,00 и полноту 0,74 на CLL-датасете; результаты следует считать привязанными к описанному набору данных. Модель принимает токенизированный текст и выдаёт метки сущностей. Указана лицензия Apache-2.0.

OpenMed-ZeroShot-NER-BloodCancer-XLarge-770M — специализированная модель OpenMed для распознавания клинических сущностей в текстах о хроническом лимфолейкозе (ХЛЛ). Она основана на архитектуре GLiNER и дообучена на корпусе CLL; заявлен размер варианта — 770 млн параметров. Модель принимает биомедицинский текст и возвращает найденные сущности с классификацией по заданным типам. Нулевой режим позволяет задавать типы сущностей при запросе без отдельного дообучения, хотя карточка приводит только метку CL как тип из набора данных. Модель предназначена для извлечения упоминаний заболеваний, биомаркеров, терапий и других клинических понятий из медицинских записей и научной литературы, в частности для исследований гематологии и анализа лечения ХЛЛ. В карточке заявлен F1 0,875 на тестовом наборе CLL; этот результат относится к указанному специализированному набору данных и не гарантирует такую же точность на других текстах или типах сущностей. Карточка указывает лицензию Apache-2.0.

RareSeek-R1 — специализированная языковая модель TaoMedAI для рассуждений о диагностике редких заболеваний и клинических сценариях. Согласно карточке, модель обучена поэтапно: сначала на медицинском корпусе RareMed-Corpus, включающем учебники, руководства, биомедицинскую литературу и записи электронных медицинских карт, затем дообучена на RareMed-CoT для пошагового клинического рассуждения. Это дообученная диалоговая модель на базе deepseek-ai/DeepSeek-R1-Distill-Llama-70B; формат весов — safetensors, библиотека — Transformers. Метаданные указывают поддержку английского и китайского языков. Модель предназначена для поддержки клинического анализа и исследовательской работы, а не для самостоятельного принятия медицинских решений. Указанная лицензия — AFL-3.0.

UMCU/CardioBERTa.nl_clinical — нидерландская медицинская языковая модель на архитектуре RoBERTa, разработанная на основе CLTL/MedRoBERTa.nl. Модель продолжительно предварительно обучали на открытых нидерландских и переведённых англоязычных медицинских текстах, затем дополнительно обучали на медицинских рекомендациях, научных публикациях и электронных историях болезни, включая кардиологические записи. Обучающий корпус насчитывает около 20 млрд токенов и 32 млн документов. Модель предназначена для медицинского NLP на нидерландском языке, в частности для заполнения пропусков в тексте и адаптации к работе с клиническими формулировками. В репозитории указаны 153,2 млн параметров, контекст до 514 токенов и формат safetensors. Для использования и распространения действует лицензия GPL-3.0. Модель обучалась на сочетании нидерландских и английских медицинских данных, включая переведённые тексты. Это не генеративная модель для свободного диалога и не готовый клинический инструмент; качество на задачах, отличных от заполнения пропусков, в карточке не описано.

CXRMate Multi TF — модель генерации рентгенологических заключений по снимкам грудной клетки, разработанная Aaron Nicolson, Jason Dowling, Douglas Anderson и Bevan Koopman. Версия Multi использует несколько рентгеновских изображений; TF означает обучение методом teacher forcing без обучения с подкреплением. Работа описана в статье о продольных данных и семантической близости при генерации заключений.

Модель разработана Институтом биомедицинской информатики и Центром прикладного ИИ Университета Кентукки. Это энкодер Vision Transformer ViT-Large с четырьмя register-токенами, дообученный на КТ грудной клетки из набора CT-RATE с использованием самоконтролируемого обучения DINOv2 и masked image modeling iBOT. Модель содержит 402,7 млн параметров и рассчитана на извлечение признаков из медицинских изображений.

uaritm/gemmamed_cardio — модель для диалогов и генерации ответов на медицинские вопросы на украинском языке, специализирующаяся на кардиологии и кардиохирургии. В README описан двухэтапный процесс адаптации: обучение на украинских текстах и последующая специализация на клинических данных о сердечно-сосудистой системе. Метаданные связывают репозиторий с google/gemma-3-4b-it и google/medgemma-4b-it; в нём представлены файлы GGUF и Safetensors, а архитектура указана как плотная Gemma 3 с генерацией текста и изображений. Модель предназначена для ответов на вопросы о сердечно-сосудистых заболеваниях и клинической терминологии. README рекомендует запускать GGUF через llama.cpp, Ollama или LM Studio и указывает контекст 4096 токенов в примере конфигурации. Хотя метаданные отмечают архитектуру image-text-to-text, README прямо указывает на отсутствие возможностей работы с изображениями; использовать её следует как текстовую модель. Точность вне кардиологии и кардиохирургии снижена; ответы могут быть неполными или обобщёнными и не заменяют клиническую оценку. Метаданные указывают лицензию Apache-2.0, а README ссылается на условия лицензии базовой Gemma; перед использованием следует проверить условия для конкретных весов и базовой модели.

HPO-PubMedBERT — дообученная Melland модель эмбеддингов на базе NeuML/pubmedbert-base-embeddings, разработанная для сопоставления понятий Human Phenotype Ontology (HPO) с биомедицинской литературой и клиническими описаниями. Модель использует архитектуру BERT и sentence-transformers, кодирует текст в плотные векторы размерностью 768 и оценивает близость по косинусному сходству. Контекст ограничен 512 токенами по метаданным; в README указана максимальная длина последовательности 256 токенов. Модель предназначена для семантического сравнения фенотипов, поиска релевантных понятий HPO, сопоставления фенотипических профилей пациентов и индексации биомедицинских документов. Обучение на парах предложений из PubMed с оценками сходства, основанными на пересечении связанных заболеваний, нацелено на клиническую связь фенотипов, а не только на таксономическое родство. README сообщает об улучшении результатов на тестах сходства HPO, связывания упоминаний с HPO и поиска пациентов по сравнению с базовой моделью. Модель рассчитана на англоязычные тексты в биомедицинской области; на общих текстах и редких фенотипах качество может снижаться. Последовательности длиннее 256 токенов обрезаются согласно README. Лицензия — MIT.

Lingshu-32B — медицинская мультимодальная модель, разработанная авторами проекта Lingshu как универсальная система для понимания и рассуждений по медицинским изображениям и тексту. Она построена на архитектуре Qwen2.5-VL, содержит 32 млрд параметров и поддерживает контекст до 128 000 токенов. Модель предназначена для медицинских вопросов и ответов по изображениям и тексту, клинических рассуждений и генерации медицинских отчётов. В README заявлена поддержка более 12 видов медицинских изображений, в том числе рентгеновских снимков, КТ, МРТ, микроскопии, УЗИ, гистопатологии, дерматоскопии, изображений глазного дна, OCT, эндоскопии и PET. Модель доступна через Transformers; веса опубликованы в формате safetensors. Авторы сообщают о высоких результатах на медицинских мультимодальных и текстовых QA-задачах и генерации отчётов. Это заявление разработчиков, а не гарантия точности в клинической практике: модель может выдавать неверные или вводящие в заблуждение ответы, поэтому результаты требуют проверки специалистом. Лицензия — MIT.

MAIRA-2 — мультимодальная модель Microsoft Research Health Futures для генерации описаний рентгенограмм грудной клетки и привязки находок к изображениям. Архитектура сочетает замороженный визуальный энкодер RAD-DINO-MAIRA-2, обученный с нуля проекционный слой и полностью дообученную языковую модель Vicuna-7B-v1.5. Модель принимает фронтальную рентгенограмму, а также может использовать боковую проекцию, предыдущий снимок и заключение, показание к исследованию или сведения о технике исследования. Она генерирует раздел «Находки» на английском языке: обычным текстом или с ограничивающими рамками на снимке; также умеет локализовать находку по заданной фразе. Модель рассчитана на исследовательские эксперименты с рентгенограммами грудной клетки взрослых и не предназначена для клинической практики. Она не проверена достаточно тщательно на точность и надёжность в реальных условиях, может пропускать или выдумывать находки и хуже работать при изменении инструкций. Обучение на данных из США и Испании ограничивает переносимость между системами здравоохранения и популяциями. Распространяется по лицензии MSRLA.

mvl-rrg-1.0 — мультимодальная модель для генерации англоязычных радиологических заключений по рентгенограммам грудной клетки, разработанная Healthcare AI Research Institute и Medical Vision Lab Сеульского национального университетского госпиталя. Модель на базе архитектуры Qwen3-VL принимает одиночные снимки, несколько проекций (PA/AP/Lateral) и пары исследований «текущее и предыдущее»; при наличии может учитывать текстовый клинический контекст, например предыдущее заключение, показание и интервал между исследованиями. Модель дообучена для генерации заключений с заданными ограничениями на структуру, число предложений и выражение временных изменений. Карточка приводит результаты оценки для генерации по одиночному снимку и отдельные результаты временной оценки; авторы сообщают о сильных показателях на этих бенчмарках. Модель предназначена для исследовательского и образовательного применения, а не для клинических решений. Лицензия — Apache-2.0.

chest2err — модель chest2vec, дообученная для оценки ошибок в парах заключений КТ грудной клетки. Она принимает эталонное и проверяемое заключения и выдаёт оценку качества от 0 до 1, где большее значение означает меньше обнаруженных ошибок. Модель также формирует структурированные ошибки с категорией, анатомической областью и ссылками на соответствующие предложения обоих заключений. Модель основана на chest2vec/chest2vec_0.6b с LoRA-дообучением и четырёхслойным Transformer-декодером; веса объединены и поставляются вместе с моделью. Указаны 507,6 млн параметров и контекст до 32 768 токенов. Оценка проверялась на наборе из 400 пар заключений КТ с разметкой торакального радиолога; карточка сообщает о корреляции числа ошибок с экспертными оценками, но сама модель в версии 0.1 не предсказывает степень тяжести ошибок. Модель предназначена для автоматизированного контроля качества и сравнения медицинских заключений по эталону. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и ограничивает коммерческое применение. В README отмечены ограничение числа учитываемых ошибок 24 и разметка экспертного набора одним радиологом.

MedGemma 4B IT 4bit — мультимодальная медицинская модель на архитектуре Gemma 3, представленная в репозитории mlx-community в 4-битном формате MLX. README указывает, что модель преобразована из google/medgemma-4b-it; метаданные каталога связывают её с google/medgemma-4b-pt как с базовой моделью и описывают её как дообученную. Модель принимает текст и медицинские изображения и генерирует текстовые ответы в диалоговом формате. Модель предназначена для вопросов по медицинским изображениям и тексту, в том числе в радиологии, дерматологии, патологии и офтальмологии. Версия 4bit предназначена для запуска в экосистеме MLX. Качество ответов и применимость к клиническим решениям по имеющимся данным не подтверждены; лицензионные условия обозначены как other, поэтому перед использованием следует проверить исходную карточку модели.

Rad-JEPA 3D — модель для получения признаковых представлений объёмных КТ-снимков, разработанная авторами проекта Rad-JEPA 3D. Энкодер на основе 12 блоков H-Mamba сочетает ветвь Mamba для межсрезовой непрерывности и grouped-query attention для пространственного контекста; маршрутизатор объединяет их признаки. Модель обучена самонаблюдаемым методом V-JEPA с регуляризацией HSOR на примерно 120 тысячах КТ-объёмов. В метаданных указаны 24,8 млн параметров; README отдельно описывает энкодер размером 18,3 млн параметров и MLLM-компонент с Qwen3-4B и LoRA-адаптерами. Модель предназначена для извлечения векторов признаков из трёхмерных КТ-объёмов, в том числе для поиска похожих исследований и последующего использования в задачах медицинского анализа. Энкодер принимает объём формы (1, 32, 256, 256) с float32 значениями, нормированными в диапазон [0, 1], и выдаёт до 1024 патчевых векторов размерности 384 либо один глобальный вектор той же размерности. Данные карточки указывают английский язык, но модель работает с изображениями, а не с текстовыми запросами. Лицензия — Apache-2.0.

Salus-7B — специализированная медицинская языковая модель от авторов работы «Salus: Strategic Diagnostic Testing for Complex Diagnosis via Multi-Agent Reinforcement Learning». Она основана на Qwen2.5-7B-Instruct и дообучена с помощью SFT и GRPO. Модель использует архитектуру Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов; работает с текстом, а основные языки карточки — китайский и английский. В README указан китайский как основной язык заданий. Модель предназначена для последовательного сбора данных и дифференциальной диагностики сложных клинических случаев. Она поддерживает три заданных сценария: формирование дифференциального диагноза, решение о необходимости дополнительных обследований и предложение таких обследований. Авторы сообщают о точности Top-1 83,64% на CompDiag-Bench по описанному ими протоколу; результат не подтверждает безопасность или эффективность в реальной клинической практике. Модель оптимизирована для конкретных системных инструкций, а перефразирование промптов может снизить качество. Лицензия — Apache 2.0. Модель выпущена для исследований, не валидирована для автономного клинического применения и не заменяет оценку медицинского специалиста; её ответы могут быть ошибочными или небезопасными.

GEM — мультимодальная модель семейства LLaVA-LLaMA, предназначенная для интерпретации электрокардиограмм с опорой на данные ЭКГ и клинически согласованное рассуждение. Разработчик описывает её как языковую модель, объединяющую временные ряды ЭКГ, изображения 12-канальной ЭКГ и текст. Модель предназначена для анализа ЭКГ и формулирования обоснованных интерпретаций с привязкой к признакам сигнала. Она принимает изображения и текст; заявлена работа с временными рядами ЭКГ, однако способ их подачи в карточке не уточнён. Архитектура — плотная LlavaLlamaForCausalLM на 6,6 млрд параметров; базовая длина контекста составляет 4096 токенов. Для работы используются Transformers и веса Safetensors. Модель может помогать специалистам разбирать ЭКГ и получать клинически ориентированное объяснение диагностических признаков. Карточка не приводит метрик качества или подробностей валидации, поэтому надёжность интерпретаций по этим данным оценить нельзя. Лицензия — Apache-2.0.

ianpan разработал модель для оценки костного возраста по рентгенограммам кисти у детей. Это дообученный на базе timm/convnextv2_tiny.fcmae_ft_in22k_in1k трёхфолдовый ансамбль ConvNeXtV2-Tiny; доступны также отдельные модели каждого фолда. Модель выдаёт оценку возраста в месяцах, полученную из вероятностей классификационной головы и индексов классов. Для предсказания учитывается пол пациента через аргумент female. Модель обучена и проверена на 14 036 детских рентгенограммах кисти из открытого набора RSNA Pediatric Bone Age Challenge. На тестовом наборе соревнования из 200 снимков автор сообщает среднюю абсолютную ошибку 4,16 месяца при обрезке снимка и сопоставлении его гистограммы с эталонным изображением. Для загрузки используется Transformers с trust_remote_code=True; поддерживается чтение DICOM при установленном pydicom. Лицензия — Apache-2.0. Модель предназначена для демонстрационных и исследовательских сценариев оценки костного возраста. Она не одобрена для клинического применения; точность зависит от качества и подготовки снимка, а также от корректной передачи пола пациента. Оценка на одном тестовом наборе не гарантирует аналогичного качества на других данных.

ghostsas001/oct-retina-yolo — классификатор четырёх типов снимков сетчатки, разработанный автором репозитория на базе Ultralytics YOLO. Модель принимает изображение OCT-скана и определяет один из классов: хориоидальная неоваскуляризация (CNV), диабетический макулярный отёк (DME), друзы или норма. Модель обучена на данных OCT2017: до 4 000 снимков на класс, с исключением пациентов из официальной тестовой выборки. В README сообщается о точности 96,49% и macro F1 96,51% на официальном тесте из 968 сканов. Для работы используется библиотека Ultralytics; указанный размер входного изображения при обучении и примере предсказания — 224 пикселя. Модель предназначена для исследовательской классификации OCT-снимков, а не для постановки диагноза или клинического принятия решений. Она обучена только на OCT2017, поэтому точность на данных других устройств и протоколов может снизиться; результаты основаны на одном запуске обучения без доверительных интервалов. Репозиторий распространяется по лицензии AGPL-3.0.

Модель BTX24/vit-base-patch16-224-in21k-finetuned-hongrui_mammogram_v_1 — дообученный для классификации маммограмм вариант Vision Transformer ViT-Base от Google. Она основана на google/vit-base-patch16-224-in21k и содержит 113,2 млн параметров. Модель принимает изображения и выдаёт класс изображения. Модель предназначена для экспериментальной классификации маммограмм. На указанной в README оценочной выборке достигнуты accuracy 0,6991 и F1 0,6767; данных о составе классов и выборки недостаточно, чтобы судить о пригодности для клинического применения. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

PolizzeDonut-SoloPDF-3Epochs-tot — модель преобразования изображений документов в текст, дообученная на базе naver-clova-ix/donut-base. Архитектура — vision-encoder-decoder Donut; репозиторий содержит веса в формате safetensors. Модель предназначена для извлечения текста и структурированных сведений из изображений документов, в частности страховых полисов, что следует из названия модели и специализации базовой Donut. На оценочном наборе указана функция потерь 0,3961. В карточке не описаны конкретные поля извлечения, языки и ограничения качества, поэтому применять модель стоит с проверкой полученных результатов. Лицензия — MIT.

EraX-VL-7B-V2.0-Preview-i1-GGUF — мультимодальная vision-language модель на 7 млрд параметров, разработанная erax-ai и преобразованная в формат GGUF пользователем mradermacher. Модель предназначена для обработки изображений и текста и поддерживает вьетнамский, английский и китайский языки. Основные сценарии применения включают OCR, визуальные вопросы и ответы, анализ документов, работу со страховыми материалами, рукописным и древним текстом, радиологическими изображениями и фотографиями автомобильных аварий. Модель может использоваться для генерации текстовых ответов на основе визуального содержимого, однако для работы с изображениями требуются соответствующие mmproj-файлы из статического репозитория. Публикация содержит несколько вариантов квантования GGUF размером примерно от 2,0 до 6,4 ГБ. В README отмечается, что варианты с более высоким качеством квантования обычно обеспечивают лучшее качество, а i1-Q4_K_M рекомендуется как быстрый компромисс между размером, скоростью и качеством. Ограничения включают возможное снижение качества у компактных вариантов квантования; сведения о размере контекста, точных архитектурных компонентах и результатах бенчмарков не приведены. Модель распространяется по лицензии 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.

florin-parser-nano — компактная визуально-языковая модель на архитектуре Qwen2-VL, разработанная Florin Inc. как LoRA дообучение KDLAI/KDL-Frontier-Parser-nano от KoreaDeep. Модель принимает изображения документов и распознаёт их содержимое, формируя текст с разметкой Markdown для выделений, зачёркиваний и структуры таблиц. В карточке указаны база размером 1,2 млрд параметров и обучение на парах фрагментов документов и Markdown; обучающие примеры включали страховые документы, синтетические изображения и материалы на китайском и деванагари. Модель предназначена для OCR и разбора документов, где важно сохранить визуальное форматирование и структуру таблиц. В описанном тестировании ParseBench она показала средний результат 77,50 на полном корпусе из 2 079 документов; авторы также сообщают о компромиссе между форматированием и распознаванием диаграмм. Заявленные результаты на подмножестве страховых документов получены до последней коррекции и ожидают повторного измерения. Поддерживаемые языки по метаданным — английский, китайский и хинди. Модель распространяется по лицензии AGPL-3.0.

Mitra-v2 Regressor — табличная фундаментальная модель регрессии от AutoGluon. Это второе поколение Mitra, обученное на синтетических наборах данных, созданных с помощью смеси случайных регрессоров, включая Hybrid SCM prior. Модель использует 12-слойный двумерный Transformer с 76,7 млн параметров и механизмом внимания по строкам и столбцам, рассчитанный на обучение в контексте. Для регрессии она предсказывает распределение по 1 000 целевым бинам, а точечный прогноз вычисляет как среднее этого распределения. Модель предназначена для прогнозирования числовых целевых значений по табличным данным. По сравнению с Mitra-v1 она обучена с контекстом в десять раз длиннее и поддерживает втрое больше признаков; также обновлены оптимизатор и выходная голова. README сообщает о высокой точности на бенчмарках TabArena и TALENT и о возможности получать прогнозные распределения для вероятностной оценки. Для использования требуется AutoGluon и пакет mitra-finetune. Лицензия — Apache-2.0.

rakedoc-nano — модель CloudRaker на архитектуре Qwen2-VL с 1,2 млрд параметров, дообученная для разбора структуры таблиц в документах. Это LoRA-дообучение florin-inc/florin-parser-nano; веса адаптера объединены с базовой моделью, поэтому отдельная загрузка адаптера не требуется. Модель используется в конвейере разбора документов CloudRaker Paperwork API и может служить заменой базовой модели в KDL pipeline. Модель принимает изображение документа и текстовый запрос, а для распознанной таблицы выдаёт структурированное представление OTSL. Дообучение проводилось на 3 000 синтетических фрагментов таблиц, включая многоуровневые заголовки, объединённые ячейки и многострочный текст. В заявленном тесте ParseBench модель набрала 86,44 балла за таблицы; показатели диаграмм и поведения вне табличного этапа близки к базовой модели. Проверка охватывала преимущественно англоязычные финансовые и страховые документы; качество на других тематиках не оценивалось. Конвейер не выводит разметку подчёркивания, выделения и блоков кода. Лицензия — AGPL-3.0.