IV.3Страхование и актуарные задачи

Arlo Extract 1.0 — модель NoaberAI для извлечения конкретных значений из текста по вопросу. Она дообучена на многоязычной основе microsoft/mdeberta-v3-base и использует архитектуру DeBERTa V2 с головой extractive question answering: модель выбирает начальную и конечную позиции ответа в исходном тексте, а не генерирует его заново. Размер по метаданным — 306 млн параметров, длина контекста — 512 токенов. Модель предназначена для извлечения дат, сумм, характеристик, мест и имён из документов и свободного текста. Она возвращает найденный фрагмент вместе с оценкой уверенности и может сообщить, что ответ отсутствует. Основной язык обучения — нидерландский; многоязычная основа позволяет применять её и к текстам на других языках, хотя README отмечает обучение именно на нидерландских данных. Лицензия — MIT.

LayoutLMv3-base — мультимодальный предобученный Transformer для анализа документов, разработанный Microsoft. Модель объединяет текст и изображение документа в общей архитектуре и использует маскирование текста и изображения при предобучении. Вариант base содержит 151,8 млн параметров и рассчитан на контекст до 514 токенов. Модель предназначена для дообучения под задачи понимания форм и чеков, визуальных вопросов и ответов по документам, классификации изображений документов и анализа их структуры. Она принимает текстовые данные с изображением документа и может выдавать текстовые ответы, категории или структурированную разметку в зависимости от выбранной задачи и дообучения. В карточке указана поддержка английского языка. Доступны веса PyTorch, TensorFlow и ONNX, в том числе в формате Safetensors. Лицензия CC BY-NC-SA 4.0 требует указания авторства, распространения производных работ на тех же условиях и ограничивает коммерческое использование.

Hanji Parse 4B — модель компьютерного зрения и языка, разработанная Hanji Dev и дообученная на Qwen/Qwen3-VL-4B-Instruct. Она принимает изображение страницы документа и возвращает JSON-массив содержательных блоков: текст с координатами, заголовки, пары «ключ–значение», таблицы в формате GitHub-Flavored Markdown и нетекстовые изображения, например фотографии, диаграммы, штампы и подписи. Модель предназначена для OCR и разбора структуры документов с сохранением расположения элементов. Результат подходит для извлечения текста и областей страницы в последующих системах обработки документов. Для изображений рекомендуется уменьшение до 2 мегапикселей без увеличения, с размерами, кратными 32 пикселям; карточка также рекомендует жадное декодирование и ограничение вывода JSON-схемой. Модель использует архитектуру Qwen3-VL с 4 млрд параметров и поддерживает зрительно-текстовый ввод и текстовый вывод. В метаданных указаны библиотека Transformers и лицензия Apache-2.0. Языковая поддержка и размер контекстного окна в предоставленных данных не указаны.

LayoutLMv2 — мультимодальная модель Microsoft для понимания документов, содержащих текст, визуальную разметку и изображения. Это плотная архитектура семейства LayoutLMv2 с 136,7 млн параметров; модель предварительно обучена учитывать взаимосвязи между текстом, расположением элементов и изображением страницы. Для обработки использует текстовые фрагменты, координаты их расположения и изображение документа, а контекст ограничен 512 токенами. Модель предназначена для задач анализа визуально насыщенных документов: извлечения информации из форм и чеков, классификации документов и ответов на вопросы по их содержимому. В карточке сообщается о результатах на FUNSD, CORD, SROIE, Kleister-NDA, RVL-CDIP и DocVQA. Основной язык карточки — английский. Лицензия CC BY-NC-SA 4.0 требует атрибуции и распространения производных материалов на тех же условиях, а также ограничивает коммерческое использование.

Apodex-1.1-mini — модель для рассуждений и сложных многоэтапных задач, разработанная Apodex и дообученная на базе Qwen/Qwen3.5-35B-A3B. В карточке описаны работа с файлами, данными, кодом и инструментами, вызов функций и применение в агентных сценариях; модель следует шаблону чата Qwen3.5 и рассчитана на запуск через Transformers с совместимым сервером. Для версии mini приведены результаты оценок на финансовых и агентных бенчмарках, но подробности конфигурации самой модели в карточке ограничены. Модель предназначена для автоматизации исследований, подготовки отчетов и выполнения профессиональных задач с привлечением инструментов. По описанию Apodex, агентная система может разбивать работу на этапы, координировать параллельных агентов и проверять утверждения по источникам и вычислениям. В метаданных указаны архитектура семейства Qwen3.5 MoE, формат safetensors и базовая модель на 35 млрд параметров; эти сведения относятся к базовой модели, а размер самой Apodex-1.1-mini не приведён. Указана лицензия Apache-2.0. Оценки в README представлены разработчиком; независимая проверка результатов в карточке не описана. Для использования вызова инструментов нужны совместимые шаблон чата и парсеры, а работа с внешними файлами, кодом и агентной командой зависит от соответствующей инфраструктуры.

Это дообученная модель tiennvcs на основе microsoft/layoutlmv2-base-uncased для ответов на вопросы по документам. Она принимает изображение документа, распознанный текст и его координаты, а затем находит ответ на вопрос в содержимом документа. Модель построена на архитектуре LayoutLMv2, содержит 136,7 млн параметров и рассчитана на контекст до 512 токенов. Модель подходит для извлечения сведений из форм, счетов и других документов с заданными вопросами. В карточке приведено значение функции потерь 1,194 на оценочном наборе, но набор данных и подробности обучения не описаны. Использование распространяется по лицензии CC BY-SA 4.0.

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.

Italian_NER_XXL_v2 — модель распознавания именованных сущностей в итальянском тексте, разработанная Michele Montebovi. Это модель на основе BERT с 137,9 млн параметров и контекстом до 512 токенов; она размечает токены и выделяет 52 категории сущностей, включая персональные данные, финансовые и юридические сведения, медицинские термины, технические идентификаторы, места и даты. В карточке заявлены точность 87,5% и F1 89,2%, а также улучшенное распознавание сложных контекстов и меньшее число ложных срабатываний по сравнению с предыдущей версией. Модель предназначена для обнаружения чувствительной информации, анонимизации документов и извлечения сущностей из юридических, финансовых и медицинских текстов. README приводит поддержку итальянского текста; метаданные также помечают английский язык, но подробные показатели для него не приведены. Весовые файлы доступны в формате safetensors. Лицензия — Apache-2.0.

Typhoon-OCR-3B — модель для разбора документов на тайском и английском языках, разработанная OpenTyphoon на основе Qwen2.5-VL-3B-Instruct. Она использует архитектуру Qwen2.5-VL с 3,1 млрд параметров, принимает изображения и текстовые инструкции и формирует текстовый результат. Контекст модели составляет 128 000 токенов. Модель предназначена для OCR и структурированного извлечения содержимого из финансовых отчётов, научных статей, книг, государственных форм, чеков, меню, билетов и инфографики. Обычный текст она выдаёт в Markdown, таблицы — в HTML, а изображения, диаграммы и подписи описывает структурированно. Основной фокус — распознавание тайского и английского текста и документов со сложной вёрсткой. Модель требует специальных промптов из карточки и не предназначена для обычного VQA или универсального диалога. Авторы отмечают риск галлюцинаций и снижение качества на книгах с разнообразными встроенными изображениями; для локального запуска предупреждают о возможном ухудшении точности некоторых сборок GGUF. Лицензия в метаданных указана как Apache-2.0, а README также требует соблюдения условий OpenTyphoon.

anchovy/autogluon-chronos-t5-mini — вариант Chronos-T5 Mini для вероятностного прогнозирования временных рядов. Chronos разработан на базе архитектуры T5: история ряда масштабируется и квантуется в последовательность из 4096 токенов, которую модель обрабатывает как языковую последовательность. По метаданным эта версия содержит 9,8 млн параметров и имеет контекст длиной 512 токенов. Модель принимает исторические значения временного ряда и генерирует несколько возможных траекторий будущих значений, формируя прогнозное распределение. Chronos обучался на общедоступных временных рядах и синтетических данных, созданных с помощью гауссовских процессов. Модель подходит для прогнозирования временных рядов; README описывает семейство Chronos, а не конкретную публикацию этого чекпойнта. Репозиторий содержит веса в формате Safetensors. Указана лицензия Apache-2.0. Число параметров в метаданных отличается от значения для Mini в таблице README, поэтому здесь приведено значение из метаданных Hugging Face.

Chronos-T5 Mini — предварительно обученная модель прогнозирования временных рядов из семейства Chronos, построенная на архитектуре T5. В README размер варианта Mini указан как 20 млн параметров, тогда как метаданные Hugging Face указывают 9,8 млн; эти источники расходятся. Для уменьшения словаря T5 использует 4096 токенов вместо 32128 в исходной модели. Модель преобразует исторические числовые значения в токены с помощью масштабирования и квантования, а затем авторегрессионно генерирует возможные будущие траектории. Несколько сгенерированных траекторий дают вероятностный прогноз. Обучение проводилось на общедоступных временных рядах и синтетических данных, созданных гауссовскими процессами. Модель предназначена для прогнозирования временных рядов; метаданные указывают контекст длиной 512 токенов. Разработчик — AutoGluon. Модель доступна под лицензией Apache-2.0. В README отмечено, что Chronos-Bolt обеспечивает меньшую ошибку и более высокую скорость по сравнению с исходными Chronos того же размера; это ограничивает преимущество Mini относительно более новых вариантов семейства.

grounding-en — англоязычная модель компании Nutrient для проверки того, подтверждает ли текст документа заданное утверждение. Это cross-encoder на архитектуре ModernBERT с классификационной головой, содержащий 394,7 млн параметров и рассчитанный на контекст до 8192 токенов. Модель принимает фрагмент документа и гипотезу — например, число, дату или факт — и оценивает, следует ли гипотеза из документа. Модель предназначена для проверки извлечённых значений по исходным документам, выявления неподтверждённых утверждений и цитат, а также направления сомнительных извлечений на ручную проверку. В заявленном тесте на английском grounding-benchmark она показала ROC-AUC 0,882 в целом и 0,923 на проверке чисел. Доступны веса safetensors и экспорт ONNX для запуска через ONNX Runtime. Модель поддерживает только английский язык. Её слабые стороны — сложные отрицательные примеры с табличными утверждениями и многошаговая арифметика; она специализирована на проверке соответствия источнику и может уступать моделям общего назначения в задачах NLI. Сырые вероятности могут быть завышены: для калибровки порогов рекомендуется температурное масштабирование на данных целевого распределения. Лицензия — Apache-2.0.

BGE base Financial Matryoshka — англоязычная Sentence Transformer модель, дообученная research-spectator на парах текстов из датасета json объёмом 6 300 примеров. Она основана на BAAI/bge-base-en-v1.5 с архитектурой BERT, формирует нормализованные плотные эмбеддинги размерностью до 768 и поддерживает сравнение по косинусному сходству. Модель предназначена для семантического поиска и сравнения текстов, в том числе финансовых документов; эмбеддинги также можно применять для кластеризации, поиска перефразировок и классификации. Matryoshka-обучение позволяет использовать укороченные векторы размерностью 512, 256, 128 или 64, с некоторым снижением качества поиска на меньших размерностях. Максимальная длина входа — 512 токенов. Модель принимает текст и выдаёт векторы; README указывает английский язык. Лицензия — Apache-2.0.

DeepAnalyze-8B — локальная модель для анализа табличных данных, представленная в формате GGUF и дообученная на базе RUC-DataLab/DeepAnalyze-8B. Репозиторий содержит 4-битную квантизацию Q4_K_M для запуска через llama.cpp; модель имеет 8 млрд параметров и контекст 8192 токена. В README также названа архитектура DeepSeek-Coder, но метаданные указывают на базовую модель семейства Qwen3. Модель предназначена для преобразования инструкций на естественном языке в код для анализа данных: очистки таблиц, работы с Pandas, Polars и DuckDB, статистического профилирования и построения графиков. Основной сценарий — локальное использование в Jupyter или IPython вместе с агентным расширением, которое проверяет и выполняет сгенерированный код. README описывает работу с англоязычными инструкциями и табличными данными, однако языки в метаданных не подтверждены. Лицензия — MIT. Модель рассчитана на специализированные задачи анализа данных, а не на универсальный диалог; качество и безопасность выполнения кода зависят также от внешней оболочки и проверок. Указанное в README AST-ограничение относится к агентному расширению, а не гарантируется самими весами модели.

LayoutLMv3-Fine-Tuning-FUNSD — дообученная модель Ammar alhaj ali на базе microsoft/layoutlmv3-base для классификации токенов в документах с учётом их текстового и визуального контекста. Она предназначена для извлечения структурированных элементов из форм и других документов, представленных текстом и изображением страницы. Модель содержит 151,8 млн параметров, использует архитектуру LayoutLMv3ForTokenClassification и имеет контекст до 514 токенов. В оценке на наборе FUNSD указаны F1 0,925, точность 0,918 и полнота 0,931. Основной сценарий применения — разметка и извлечение полей в документах, похожих на формы из FUNSD. Модель дообучена на датасете nielsr/funsd-layoutlmv3; сведений о поддерживаемых языках в предоставленных данных нет. В метаданных не указана лицензия, поэтому условия использования следует сверить с карточкой модели и лицензией базовой модели.

Timer-S1 — модель временных рядов общего назначения, разработанная командой THUML. Она предназначена для прогнозирования временных рядов без дообучения на конкретном наборе данных, в том числе с выдачей прогнозов на разных квантильных уровнях. Модель построена на декодерном Transformer с архитектурой Mixture-of-Experts (MoE). В карточке указаны 8,3 млрд параметров, из которых 0,75 млрд активируются на токен; метаданные каталога указывают 402,7 млн параметров. Максимальная длина контекста — 11 520 шагов по README и 12 800 токенов по метаданным. Метод TimeSTP использует последовательные вычисления для многошагового прогнозирования. Модель особенно ориентирована на среднесрочные и долгосрочные прогнозы; авторы также сообщают об улучшениях краткосрочного и длинноконтекстного прогнозирования после дополнительного обучения. Для запуска поддерживаются CPU и GPU; для GPU авторы рекомендуют не менее 40 ГБ видеопамяти. Модель доступна под лицензией Apache-2.0. Прогнозы могут быть менее надёжны вне распределений и сценариев, представленных в данных предобучения; в карточке результаты качества описаны авторами, поэтому их следует проверять на целевых рядах.

Ali-0111/applied-nlp-ner-stage4-distilbert — модель распознавания именованных сущностей на основе distilbert-base-cased, дообученная командой или автором Ali-0111 для прикладной задачи NER. Она классифицирует токены текста, выделяя сущности, включая суммы, профессии и местоположения. Модель подходит для извлечения таких данных из текстовых документов; контекст составляет 512 токенов. На тестовом наборе Stage 4 модель получила F1=0,742 и accuracy=0,903; для метки AMOUNT F1 составляет 0,867, для JOB — 0,781, для LOCATION — 0,740. Итоговый F1 ниже результата Stage 3 (0,803), согласно карточке из-за изменения данных. Модель опубликована в формате safetensors. Лицензия в метаданных обозначена как unknown.

GLiNER Multi PII Domains — модель распознавания именованных сущностей, разработанная E3-JSI путём дообучения urchade/gliner_multi_pii-v1 на синтетическом наборе E3-JSI/synthetic-multi-pii-ner-v1. Она использует двунаправленный трансформерный энкодер семейства BERT и предназначена для извлечения персональных данных и других чувствительных сущностей из текста: имён людей и организаций, контактных данных, идентификаторов документов, финансовых и медицинских сведений и других типов PII. Модель подходит для выявления чувствительных данных в медицинских текстах и других текстовых материалах, например перед их обезличиванием или проверкой. GLiNER позволяет задавать типы сущностей и служит компактной альтернативой крупным языковым моделям для сценариев с ограниченными ресурсами. Для работы требуется библиотека GLiNER. Модель распространяется по лицензии Apache-2.0. В карточке приведены примеры на английском и нидерландском языках; метаданные указывают поддержку английского, французского, немецкого, испанского, португальского, итальянского, словенского, греческого и нидерландского. Качество распознавания зависит от языка, формата текста и типов сущностей; модель может пропускать данные или ошибочно выделять фрагменты, поэтому результаты чувствительных проверок следует контролировать.

nrbhole/layoutxlm-finetuned-xfund-fr — дообученная модель на базе microsoft/layoutxlm-base для классификации токенов в документах. Она использует мультимодальную архитектуру LayoutXLM, учитывающую текст, расположение элементов и изображение страницы, и содержит 305,2 млн параметров. Модель предназначена для извлечения размеченных сущностей из документов, в частности в рамках датасета xfund-custom. Для обработки документов могут потребоваться текст, координаты элементов и изображение страницы. Модель поддерживает задачу token classification; её родительская модель рассчитана на многоязычное понимание документов. В названии указана французская специализация, однако README не уточняет набор меток и языки обучения. Репозиторий использует формат safetensors. Лицензия CC BY-NC-SA 4.0 требует указания авторства, распространения производных работ на тех же условиях и запрещает коммерческое использование.

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.

Карточка модели CollectionStudio/chronos-bolt-base на Hugging Face совпадает с карточкой amazon/chronos-bolt-base, поэтому описание составлено по ней. 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.

Fin-o1-14B — плотная языковая модель на 14 млрд параметров, созданная TheFinAI дообучением Qwen3-14B. Она предназначена для диалогов и решения финансовых задач, особенно для математических рассуждений. Модель обучали методом SFT и GRPO на TheFinAI/FinCoT — наборе, основанном на FinQA, TATQA, DocMath-Eval, Econ-Logic, BizBench-QA и DocFinQA. Модель принимает текст и генерирует текст; карточка указывает контекст до 40 960 токенов и английский язык. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README расходится в названии базовой версии и токенизатора, но метаданные и раздел Model Details указывают базовую модель Qwen3-14B.

Moirai-1.0-R-Base — модель временных рядов от Salesforce: универсальный трансформер с маскируемым энкодером, предварительно обученный на наборе LOTSA. Модель предназначена для прогнозирования временных рядов, в том числе многомерных рядов с целевыми переменными и известными значениями ковариат на горизонте прогноза. Архитектура использует разбиение рядов на патчи и трансформер для их обработки; выходные представления преобразуются в параметры смеси распределений прогноза. В README указано 91 млн параметров, а в метаданных — 99,1 млн. Модель распространяется в формате safetensors; для инференса авторы рекомендуют библиотеку uni2ts. Выпуск предназначен для исследовательских целей и не оценивался для всех возможных прикладных сценариев. Перед применением следует оценить точность и риски конкретного использования. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

MOTHER CORE V3 — языковая модель MediaStream AI (MSAI), разработанная MediaStream AI Limited в Великобритании. Это плотный трансформер с архитектурой MotherCoreForCausalLM и примерно 6,7 млрд параметров по метаданным (в README указано около 6,9 млрд). Контекст модели — 4096 токенов; для работы используется библиотека Transformers и пользовательский код модели через trust_remote_code. Модель предназначена для генерации текста и агентных сценариев: пошаговых рассуждений, вызова инструментов, поиска и синтеза ответов по документам с цитатами, многошаговых рабочих процессов, генерации кода и документов. В README заявлены навыки работы с математикой, научными и общими вопросами, а также вертикальными задачами в финансах, комплаенсе, страховании и управлении рисками. Упоминается обучение на английском, валлийском, ирландском и шотландском гэльском; метаданные подтверждают английский. README сообщает о результате 81 из 105 задач на внутреннем агентном бенчмарке и низкой склонности к деградации, но это оценка разработчика. Известные ограничения: маршрутизация по форматам файлов бывает неточной, арифметические ответы следует проверять, а знания модели ограничены временем обучения. Лицензия обозначена как other, без уточнения условий в предоставленных данных.

NuExtract3-GGUF — GGUF-версия мультимодальной модели NuExtract3, разработанной компанией NuMind на базе Qwen3.5-4B. Модель предназначена для понимания документов, структурированного извлечения информации, OCR и подготовки данных для RAG. Она обрабатывает текст, изображения или их сочетание вместе с JSON-шаблоном целевой схемы, поддерживает типизированные поля, естественно-языковые инструкции и примеры в контексте. Также модель может создавать шаблоны извлечения по описанию на обычном языке и преобразовывать документы в структурированный Markdown, включая HTML-таблицы и формулы LaTeX. Модель содержит около 4 миллиардов параметров и поддерживает режимы быстрого инференса без рассуждений и более глубокого reasoning. Она ориентирована на документы разных типов, включая сканы, чеки, формы, счета, договоры и таблицы. В репозитории представлены варианты GGUF-квантизации от BF16 до Q3 и Q5, что позволяет выбирать между качеством и требованиями к памяти; для обработки изображений используется отдельный multimodal projection-файл. Заявлена поддержка запуска через llama.cpp, а исходная модель также может использоваться с vLLM и Transformers. Среди сильных сторон — объединение анализа изображений и текста, структурированный вывод и высокая эффективность на внутреннем бенчмарке NuMind. Ограничения включают зависимость качества от выбранной квантизации и возможные сбои или зацикливание при чрезмерно сложном reasoning, особенно у компактных моделей. Распространяется по лицензии Apache 2.0.

Xiaomi-OCR-0 — компактная мультимодальная модель для распознавания и понимания документов, разработанная SeerRay Lab на основе Qwen3.5-0.8B-Base. Это плотная vision-language модель с 0,8 млрд параметров, дообученная на корпусе примерно из 170 млн примеров OCR-задач; для запуска используется библиотека Transformers, веса опубликованы в формате safetensors. Модель принимает изображения документов и текстовые запросы, а в ответ формирует текст: распознаёт и структурирует содержимое страниц, включая таблицы и формулы, отвечает на вопросы по документам и извлекает ключевые поля. В карточке приведены результаты на наборах для стандартных, искажённых и переснятых документов, OCR-вопросов, распознавания формул и таблиц. Заявленные показатели являются результатами разработчиков и не гарантируют качество на конкретных данных. Модель рассчитана на задачи OCR и анализа документов, в том числе чеков, сканов, фотографий и рукописного текста. Длина контекста и поддерживаемые естественные языки в предоставленных данных не указаны. Лицензия — Apache-2.0.

LightOnOCR-2-1B-base — базовая версия компактной мультимодальной модели LightOn для распознавания и разбора документов. Это плотная vision-language модель семейства Mistral 3 с 1 млрд параметров, предназначенная для преобразования страниц PDF, сканов и изображений в чистый текст с естественным порядком чтения. Она поддерживает OCR документов, включая таблицы и формы, и рассчитана на дообучение под специализированные сценарии. Модель описана как чекпойнт до этапа RLVR с сильными возможностями OCR. Её можно адаптировать с помощью LoRA или полного дообучения для обработки чеков, научных статей и форм, а также для многоязычных корпусов. В версии LightOnOCR-2 улучшены обработка французского текста, arXiv-документов, сканов, LaTeX и нормализация. В README заявлены высокая скорость и результаты на OlmOCR-Bench, но подробная методика приведена в статье. Для работы указаны Transformers и предварительный рендеринг страниц PDF в PNG или JPEG; рекомендованный максимальный размер длинной стороны — 1540 пикселей. Модель принимает изображения и выдаёт текст. Поддерживаемые языки: английский, французский, немецкий, испанский, итальянский, нидерландский, португальский, шведский, датский, китайский и японский. Репозиторий распространяется по лицензии Apache-2.0.

LayoutLMv3-large — мультимодальный предварительно обученный Transformer для анализа документов, разработанный Microsoft. Модель объединяет текстовые и визуальные представления документов и использует единые задачи маскирования текста и изображений. Размер модели — 454,1 млн параметров; доступны форматы PyTorch и TensorFlow, контекст — 514 токенов. Модель предназначена для дообучения под задачи Document AI: извлечения и понимания информации в формах и чеках, визуальных ответов на вопросы по документам, классификации изображений документов и анализа их структуры. Поддерживаемый язык карточки — английский. Модель выпущена под лицензией CC BY-NC-SA 4.0, которая предусматривает некоммерческое использование и распространение производных работ на тех же условиях.

MOMENT-1-Large — крупная модель семейства MOMENT, разработанная Auton Lab при Университете Карнеги — Меллона для универсального анализа временных рядов. Она предназначена для прогнозирования, классификации, обнаружения аномалий, восстановления пропусков и получения представлений временных рядов; может применяться без дообучения или с небольшим числом примеров, а также настраиваться на специализированных данных. Модель относится к семейству foundation-моделей для временных рядов. В README указаны варианты Small, Base и Large, но точное число параметров и длина контекста для этого репозитория не приведены. Веса доступны в форматах PyTorch и safetensors. Лицензия — MIT.

LayoutLMv2-large-uncased — мультимодальная модель Microsoft для понимания документов, в которой совместно обрабатываются текст, его расположение на странице и изображение документа. Модель основана на архитектуре LayoutLMv2, содержит около 433,9 млн параметров и рассчитана на последовательности длиной до 512 токенов; репозиторий содержит веса PyTorch. Модель предназначена для последующей настройки и применения в задачах визуально обогащённого понимания документов: извлечения и классификации полей, анализа структуры форм и ответов на вопросы по документам. В карточке приведены результаты на FUNSD, CORD, SROIE, Kleister-NDA, RVL-CDIP и DocVQA. Основной язык карточки — английский. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая предусматривает некоммерческое использование и условия распространения производных материалов. Размер контекста ограничен 512 токенами; для прикладных задач может потребоваться настройка на целевых типах документов.