IV.4Клиническая медицина и общественное здоровье

Baichuan-Omni-1.5 — открытая мультимодальная модель команды Baichuan, представленная в карточке репозитория baichuan-inc/Baichuan-Omni-1d5. Это плотная модель с 7,1 млрд параметров и контекстом 65 536 токенов, предназначенная для диалогов и взаимодействия с текстом, изображениями, видео и аудио. Модель принимает эти четыре типа входных данных и формирует текстовые и аудиовыходы; заявлены потоковая обработка аудио и видео и голосовое общение в реальном времени. Модель рассчитана на понимание изображений и видео, распознавание и понимание речи, генерацию речи, а также мультимодальные диалоги. В README отдельно отмечены двуязычные голосовые сценарии на китайском и английском, управление стилем голоса и понимание медицинских изображений. Заявления о сравнительных результатах приведены разработчиками и здесь не подтверждены независимой проверкой. Репозиторий содержит веса в формате safetensors; метаданные указывают Apache-2.0. Для развёртывания и оценки медицинских выводов необходима отдельная проверка качества в целевом сценарии; README также предостерегает от использования в интернет-сервисах без соответствующих проверок и согласований.

Это векторная модель Sentence Transformers на архитектуре ModernBERT, дообученная Thivy на базе ibm-granite/granite-embedding-311m-multilingual-r2 на наборе eti-embedding-training-data-4096-granite-v2. Она преобразует предложения и абзацы в плотные эмбеддинги размерности 768 для семантического поиска, сравнения текстов, поиска перефразировок, классификации и кластеризации. Модель рассчитана на норвежский букмол и нюношк, включая длинные фрагменты: README указывает максимум 4096 токенов, а метаданные — нативный контекст 32768 токенов. В README приведены метрики на тестовых данных: точность cosine similarity 0,985 для TripletEvaluator и cosine_accuracy@1 0,612, @3 0,902, @5 0,95 для InformationRetrievalEvaluator; эти результаты относятся к указанным наборам оценки и не гарантируют качество на других данных. Модель предназначена для построения поиска и сравнения текстов на норвежском языке, в том числе для содержательных фрагментов длиной до 4096 токенов. Обучающий набор содержит 543 922 примера. Доступны веса в формате safetensors; в предоставленных данных лицензия не указана.

MedEmbed Biomedical MRL — англоязычная sentence-transformers-модель для построения плотных векторных представлений предложений и абзацев в биомедицинском контексте. Модель на основе BERT имеет около 40 млн параметров, использует CLS-пулинг и нормализацию, выдаёт векторы размерностью 384 и сравнивает их по косинусному сходству. Максимальная длина входа — 512 токенов. Модель обучена на 4 012 парах текстов из JSON-датасета с использованием MultipleNegativesRankingLoss. Её можно применять для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации биомедицинских текстов. Лицензия — Apache-2.0.

Skywork-R1V-38B — мультимодальная модель Skywork для диалогового анализа изображений с пошаговым визуальным рассуждением. Она сочетает визуальный энкодер InternViT-6B-448px-V2_5 с языковой моделью DeepSeek-R1-Distill-Qwen-32B; репозиторий содержит веса в формате safetensors и предназначен для работы через Transformers. Модель принимает изображения и текстовые запросы, а отвечает текстом. Карточка заявляет поддержку многошагового решения задач по изображениям, включая визуальную математику, научные и медицинские изображения, а также контекстное понимание текста и изображения. Метаданные отмечают диалоговый режим и интерфейс вызова инструментов. Лицензия репозитория — MIT. Карточка не приводит результаты оценивания в доступном тексте и не уточняет ограничения или поддерживаемые естественные языки, поэтому качество на конкретных типах изображений и языках по этим данным оценить нельзя.

EXAONE-Deep-7.8B-sft_v0_2 — корейская диалоговая языковая модель jwg0830, дообученная на базе LGAI-EXAONE/EXAONE-Deep-7.8B. Разработчик применил LoRA дообучение и объединил адаптер с базовой моделью; архитектура EXAONE и реализация модели не менялись. Модель содержит 7,4 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации ответов на корейском языке с более устойчивым форматом вывода и усиленным причинно-следственным рассуждением. В README описано обучение на данных для задач по корейскому языку, медицине, финансам, праву, административным документам и причинно-следственному анализу, а также собственная оценка на пяти proxy-наборах, не являющаяся официальным результатом K-AI. В метаданных указана библиотека Transformers и лицензия «other»; конкретные условия лицензии следует уточнять в репозитории.

Pervepsion-12B-x1 — дообученная Koriea модель для диалоговой генерации текста на основе Mistral Nemo Instruct. Она предназначена для общения и создания текстов; тематические теги карточки указывают на медицину, климат, биологию, химию, ролевой диалог и творческое письмо. Модель имеет плотную архитектуру MistralForCausalLM и 12,1 млрд параметров, распространяется в формате safetensors. В карточке указано окно контекста до 1 024 000 токенов и возможность чата. README рекомендует temperature 0,6–1 и min_p 0,1–0,2. Базовая модель Mistral Nemo Instruct поддерживает несколько языков, однако языки именно этой производной модели не уточнены. Условия лицензии в предоставленных данных отсутствуют.

OpenMed Privacy Filter Nemotron MLX 8-bit — квантизированная до 8 бит версия модели OpenMed для обнаружения персональных данных в тексте на устройствах Apple Silicon. Это токен-классификатор архитектуры OpenAI Privacy Filter с 145,4 млн параметров и контекстом до 131 072 токенов; он размечает токены BIOES-метками для 55 категорий персональных данных, после чего MLX-конвейер группирует их в сущности с символьными позициями и оценками. Модель предназначена для выявления и последующей маскировки или деидентификации идентификаторов, контактных, финансовых, медицинских, сетевых и других чувствительных данных. Веса аффинно квантизированы в 8 бит с размером группы 64. README сообщает о размере весов около 1,4 ГБ и ускорении примерно в 1,7 раза относительно BF16-версии; на 10 тестовых примерах совпадение argmax с BF16 составило 100%. Модель рассчитана на MLX и Apple Silicon, включая запуск на CPU с меньшей скоростью. Карточка указывает английский язык и лицензию Apache-2.0. Проверка согласия с BF16 ограничена описанными тестовыми примерами, поэтому эти результаты не гарантируют такую же точность на произвольных данных.

OpenMed privacy-filter-nemotron-v2 — модель OpenMed для обнаружения персональных данных и подготовки текста к маскированию или деидентификации. Это дообученная модель token classification на базе openai/privacy-filter; она использует архитектуру MoE и размечает последовательности токенов метками BIOES. В README указано 1,4 млрд параметров в базовой модели и около 50 млн активных параметров на токен; метаданные этого репозитория указывают 145,4 млн параметров. Контекст модели — 131 072 токена. Модель предназначена для разметки текста по 55 категориям PII, включая имена, контакты, адреса, государственные и финансовые идентификаторы, медицинские номера и цифровые секреты. Версия v2 обучена на более широком наборе синтетических примеров и ориентирована на более полное обнаружение PII при сохранении детализированной схемы меток. Карточка перечисляет языки от болгарского и чешского до словацкого; датасеты включают Nemotron-PII, Gretel PII Masking и OpenPII. Для корректного маскирования README рекомендует декодирование BIOES с объединением пересекающихся и соседних фрагментов. Модель экспериментальная и требует проверки на целевом домене; для клинических, юридических и других регулируемых данных её следует включать в более широкий процесс деидентификации с аудитом и проверкой человеком. Лицензия указана как other, без уточнённых условий в предоставленных данных.

UMCU/SapBERT-from-PubMedBERT-fulltext_bf16 — англоязычная Sentence Transformer-модель на архитектуре BERT, дообученная на основе cambridgeltl/SapBERT-from-PubMedBERT-fulltext. Она преобразует предложения и абзацы в плотные эмбеддинги размерности 768, пригодные для сравнения по косинусному сходству, семантического поиска, поиска парафраз, кластеризации и классификации текста. Модель содержит 136,7 млн параметров и поддерживает контекст до 512 токенов по метаданным; карточка модели задаёт максимальную длину последовательности 25 токенов. Модель предназначена для поиска и сопоставления биомедицинских текстов на английском языке. Эмбеддинги можно использовать для извлечения похожих описаний, группировки текстов и подготовки признаков для классификаторов. В карточке указана архитектура Sentence Transformer с BERT-трансформером и CLS-пулингом; доступен формат safetensors. Лицензия в предоставленных данных не указана.

AX-3.1-Light-sft_v0_2 — корейская разговорная модель генерации текста, разработанная на основе skt/A.X-3.1-Light. Авторы выполнили LoRA дообучение на 5 801 примере из корейских данных AI Hub и объединили адаптер с базовой моделью; архитектуру LlamaForCausalLM не меняли. Модель содержит 6,8 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и ответов на вопросы по корейским учебным, медицинским, финансовым, юридическим и административным материалам, а также для задач рассуждения. Основной акцент дообучения — более стабильное соблюдение формата вывода в пяти направлениях корейских бенчмарков K-AI; авторы сообщают о результатах собственного proxy-бенчмарка, который не является официальной оценкой. Репозиторий содержит веса Safetensors и помечен лицензией other; конкретные условия лицензии следует уточнять в карточке модели.

Pankajrajdeo разработал Bioformer-8L-UMLS-Pubmed_PMC-Backward_TCE-Epoch-1 — модель Sentence Transformer на архитектуре BERT для получения векторных представлений медицинских текстов. Она кодирует предложения и абзацы в плотные векторы размерностью 512 и предназначена для поиска семантически близких текстов, оценки сходства предложений, поиска перефразировок, классификации и кластеризации. Для сравнения векторов используется косинусное сходство. Модель содержит 50,3 млн параметров, принимает текстовые последовательности длиной до 512 токенов и формирует эмбеддинги с усреднением токенных представлений. Обучение указано на наборе parquet с парами anchor и positive; примеры в README относятся к биомедицинским публикациям. Лицензия в предоставленных данных не указана.

NeuML разработала BiomedBERT Small Embeddings — компактную модель на архитектуре BERT, дообученную с помощью Sentence Transformers для получения эмбеддингов биомедицинских текстов. Она преобразует предложения и абзацы в плотные векторы размерностью 384 и подходит для семантического поиска, кластеризации и формирования контекста для RAG по научным и медицинским публикациям. Модель содержит 25,9 млн параметров, принимает текст и поддерживает контекст до 512 токенов. Для обучения использовались пары заголовков и аннотаций из PubMed; обучение включало дистилляцию эмбеддингов и дальнейшую настройку на оценках модели-реранкера. В README сообщается о результатах на наборах PubMed QA, PubMed Subset и PubMed Summary и о возможности работы на CPU. Модель ориентирована на англоязычные биомедицинские тексты. Она выдаёт векторные представления, а не готовые ответы на вопросы; качество следует проверять на целевых данных и сценариях. Лицензия — Apache-2.0.

NeuML PubMedBERT Embeddings 2M — компактная модель статических эмбеддингов, разработанная NeuML на основе PubMedBERT Embeddings и дистиллированная с использованием библиотеки Model2Vec. Она преобразует текст в векторы и предназначена для семантического поиска, сравнения предложений и построения баз знаний для RAG по медицинским публикациям. Статические эмбеддинги позволяют вычислять векторы значительно быстрее, чем обычные контекстные модели, в том числе на CPU, что подходит для систем с ограниченными ресурсами и сценариев реального времени. Модель оценивалась на наборах PubMed QA, PubMed Subset и PubMed Summary; в README отмечается конкурентное качество, но не лидерство по результатам сравнения. Она ориентирована на английский язык и медицинские тексты. Репозиторий использует формат safetensors, а лицензия — Apache 2.0.

UlizaLlama — языковая модель Jacaranda Health на 7 млрд параметров, созданная на основе Jacaranda/kiswallama-pretrained, который продолжает предобучение Meta/Llama2 на текстах на суахили. Модель основана на архитектуре Llama и объединяет веса LoRA-дообучения с базовой моделью для самостоятельного инференса. Контекст — 4096 токенов. Модель предназначена для ответов на вопросы и диалогового помощника на суахили и английском языках; её можно дополнительно адаптировать для конкретных областей. В карточке также отмечены генерация и продолжение текста. Лицензия CC BY-NC-SA 4.0; README рекомендует связаться с Jacaranda Health для коммерческого использования и распространения. Тестирование преимущественно проводилось на суахили и английском. Ответы могут быть неточными, предвзятыми или нежелательными, поэтому перед применением требуется оценка безопасности и адаптация под сценарий использования.

EMBO разработала SODA-VEC с функцией потерь VICReg Exact для получения векторных представлений биомедицинских текстов. Модель основана на ModernBERT-base с 149 млн параметров; она кодирует текст в L2-нормированные эмбеддинги размерности 768 с помощью усреднения представлений токенов. Контекст модели — до 8192 токенов. Модель предназначена для семантического поиска и оценки сходства научных текстов в биомедицине и науках о жизни. Она обучена на 26,5 млн пар заголовков и аннотаций из PubMed Central и оценивалась на задачах поиска, сопоставления текстов и различения научных областей. Лицензия — Apache-2.0.

robello2/whisper-medium-full-clinical-r16 — дообученная модель OpenAI Whisper Medium для автоматического распознавания речи. Она принимает аудио и преобразует речь в текст; дообучение выполнено на наборе данных afrispeech-200. Модель построена на архитектуре Whisper и содержит около 455,8 млн параметров согласно описанию базовой модели. В карточке приведены результаты оценки: Loss 0,7557, WER 22,4040 и CER 8,9223. Эти показатели относятся к указанному набору оценки и сами по себе не гарантируют качество на других данных. Модель распространяется по лицензии Apache-2.0.

X-Reasoner — мультимодальная модель для рассуждений по тексту и изображениям, разработанная авторами исследования X-Reasoner: Towards Generalizable Reasoning Across Modalities and Domains. Она основана на Qwen/Qwen2.5-VL-7B-Instruct и дообучена в два этапа: на первом этапе использовалась контролируемая настройка с дистиллированными длинными цепочками рассуждений, затем — обучение с подкреплением на проверяемых наградах. Модель предназначена для диалогового анализа визуальных данных и решения задач, требующих обобщаемых рассуждений, в том числе вне домена обучения. Архитектура — плотная Qwen2.5-VL для генерации текста с учётом изображений; размер — 7,1 млрд параметров, контекст — до 128 000 токенов. Карточка сообщает об улучшении результатов на общих и медицинских тестах, однако подробности и количественные оценки приведены в статье. README также указывает на возможное продолжение генерации цепочки рассуждений без остановки; в таком случае предлагается добавить специальный стоп-токен и повторить генерацию. Модель распространяется по лицензии Apache-2.0.

GLiNER-PII Edge v1.0 — компактная модель распознавания именованных сущностей, разработанная Wordcab совместно с Knowledgator. Она принимает текст и заданный пользователем список типов сущностей, а затем находит соответствующие фрагменты текста; модель настроена для выявления более 60 категорий персональных, медицинских и платёжных данных и поддерживает обнаружение пользовательских типов без переобучения. Её предназначение — локальная обработка чувствительных данных в документах, расшифровках и журналах, в том числе на устройствах с ограниченными ресурсами. Модель основана на двунаправленном трансформере GLiNER и доступна в форматах PyTorch и ONNX; для ONNX указаны варианты FP16 и UINT8. В оценке на синтетическом наборе synthetic-multi-pii-ner-v1 она получила F1 75,50%; README отмечает, что Edge-вариант рассчитан на меньшую задержку и размер модели по сравнению с более крупной версией, с некоторым снижением полноты обнаружения. Лицензия — Apache-2.0.

Sci-BETO-large — испаноязычный энкодер RoBERTa, разработанный Flaglab и предварительно обученный с нуля на научных текстах. Модель содержит 454,1 млн параметров по метаданным Hugging Face; README указывает 355 млн. Использует токенизацию byte-level BPE и обучалась на корпусе более чем из 11 млрд токенов, включающем научные публикации, диссертации и другие академические материалы. Контекст модели составляет 514 токенов. Модель предназначена для научного NLP на испанском языке. Её можно дообучать для классификации текстов, распознавания именованных сущностей, поиска семантического сходства, выявления перефразирований и извлечения знаний из академических документов. Основная задача опубликованного чекпойнта — восстановление замаскированных токенов; README приводит результаты на общих и специализированных испанских наборах данных, включая PharmaCoNER. Модель ориентирована на академический регистр и латиноамериканские варианты испанского, поэтому может хуже работать с неформальной речью. Она не предназначена для генерации текста и не обучалась на английских или двуязычных данных. Распространяется по лицензии Apache-2.0.

wwydmanski/specter2_pubmed-v0.7-full — дообученный Sentence Transformer на базе allenai/specter2_base для работы с научными текстами. Модель кодирует предложения и абзацы в плотные векторы размерности 768; архитектура включает BERT-энкодер с усреднением токенных представлений. Максимальная длина входа — 512 токенов, для сравнения векторов используется косинусное сходство. Модель обучена на 57 306 парах и тройках текстов с помощью MultipleNegativesRankingLoss. Она предназначена для семантического поиска и сравнения научных публикаций, а также может применяться для поиска перефразировок, кластеризации и классификации текстов. В примерах обучающих данных встречаются названия и заголовки работ из разных предметных областей, включая медицину; специализация на PubMed отражена в названии модели. В README приведены оценки на NanoNQ, NanoMSMARCO и NanoBEIR; результаты зависят от набора данных и сценария, поэтому качество для конкретного корпуса следует проверять отдельно. Для использования требуется подавать текст и сравнивать полученные векторы. Лицензия в предоставленных сведениях не указана.

b1ade-embed — модель текстовых эмбеддингов, разработанная авторами коллекции небольших моделей для RAG. Она предназначена для семантического поиска, сопоставления текстов и других задач, где требуется представлять текст в виде векторов. Модель создана слиянием bert-large-uncased, UAE-Large-V1, BAAI/bge-large-en-v1.5, mxbai-embed-large-v1 и GIST-large-Embedding-v0, а также дистилляцией знаний более крупных моделей; в README указан размер 335 млн параметров, метаданные указывают 433,9 млн. Архитектура — плотная BERT-модель, контекст — до 512 токенов. В README сообщается о сильных результатах на бенчмарке MTEB, особенно в семантическом сходстве текстов, а также о применении в поиске и исследованиях клинических и трудовых данных. Модель ориентирована на английский язык. Она выдаёт эмбеддинги для последующего поиска, ранжирования или классификации; качество следует проверять на целевом наборе данных и задаче. Лицензия в предоставленных сведениях не указана.

uaritm разработал мультиязычную модель на базе XLM-RoBERTa для преобразования предложений и абзацев в плотные векторы размерности 768. Модель предназначена для вычисления семантической близости, поиска по смыслу и кластеризации; в README приведён пример определения подходящей врачебной специальности по жалобам пациентов. Она доступна в формате PyTorch через Sentence-Transformers, а для использования через Transformers требуется применить подходящий pooling к контекстным представлениям токенов. Модель имеет 305,2 млн параметров и принимает до 514 токенов контекста. Поддерживаются английский, русский, украинский и польский языки. Для версии с польским языком автор указывает более новую модель uaritm/multilingual_en_uk_pl_ru. Репозиторий распространяется по лицензии Apache-2.0.

NaijaVox-2.0 — модель распознавания речи с открытыми весами, разработанная Axiveri для нигерийских языков и вариантов английского. Она дообучена методом PEFT LoRA на базе OpenAI Whisper large-v3 и предназначена для преобразования аудиозаписей в текст на йоруба, хауса, игбо, нигерийском пиджине и нигерийском английском. Модель содержит около 905,3 млн параметров; в репозитории веса представлены в формате Safetensors. Обучение проводилось на 25 866 примерах из семи наборов данных с применением SpecAugment и добавлением фонового шума. По данным карточки, модель подходит для транскрибации разговоров, интервью, эфиров и голосового ввода, в том числе в шумных условиях и при переключении между языками. Для йоруба заявлена поддержка диакритики. В тестах на небольших выборках WER составил 14,7% для нигерийского пиджина, 19,6% для нигерийского английского, 22,3% для йоруба, 25,8% для хауса и 30,5% для игбо. Модель принимает аудио и выдаёт текст. Качество может зависеть от языка, акцента, шума и условий записи; опубликованные метрики получены на тестах по 50 примеров на язык и не гарантируют аналогичных результатов в других сценариях. Лицензия — Apache-2.0.

SummLlama3.1-8B — языковая модель для суммаризации текстов, разработанная DISLab на основе Llama 3.1 8B Instruct. Модель дообучена методом Direct Preference Optimization (DPO) на более чем 100 тысячах примеров обратной связи о качестве суммаризации, сгенерированной большими языковыми моделями. Она предназначена для создания кратких сводок по документам и диалогам из разных областей: новостей, повседневной жизни, отчетов, медицинских текстов, интервью и встреч. Авторы ориентировали обучение на точность передачи исходных сведений, полноту ключевых пунктов и краткость. Для суммаризации рекомендуется использовать шаблон запроса из карточки модели. Модель принимает текст и генерирует текст; архитектура — плотная LlamaForCausalLM, около 7,5 млрд параметров, контекст — до 131 072 токенов. Метаданные указывают поддержку диалогового режима и интерфейса вызова инструментов, хотя основное назначение модели — суммаризация. Авторы сообщают об улучшении оценок качества относительно базовых моделей Llama в своих человеческих и автоматизированных оценках. Это результаты оценок авторов, а качество конкретных сводок всё равно следует проверять, особенно для медицинских материалов. Модель основана на meta-llama/Llama-3.1-8B-Instruct; сведения о лицензии в предоставленных данных отсутствуют.

EraX-VL-2B-V1.5 — мультимодальная модель на базе Transformer, разработанная командой EraX и Bamboo Capital Group на основе Qwen/Qwen2-VL-2B-Instruct. Модель дообучена для распознавания текста и ответов на вопросы по изображениям, особенно на вьетнамском языке; поддерживает также английский и китайский. Она предназначена для работы с документами, включая удостоверения личности, водительские права, свидетельства о рождении, счета и медицинские записи, а также для диалоговых запросов по изображениям. Модель содержит 1,5 млрд параметров, использует архитектуру Qwen2-VL и принимает изображения вместе с текстовыми запросами, выдавая текстовые ответы. Заявлен контекст до 32 768 токенов, а также поддержка многошаговых вопросов и ответов. Это мультимодальная языковая модель, поэтому для извлечения данных результат зависит от точности формулировки запроса; модель не является специализированным OCR-движком. Авторы отмечают, что она не обучалась на рентгеновских снимках или данных об автомобильных авариях. Лицензия — Apache 2.0.

TabPFN-2.5 — трансформерная модель для прогнозирования по структурированным таблицам, разработанная Prior Labs. Она использует обучение в контексте и выполняет предсказание одним прямым проходом. Репозиторий содержит классификационные и регрессионные контрольные точки; метаданные каталога указывают задачу tabular-classification. Архитектура основана на TabPFN v2 и использует чередующееся внимание в 18–24 слоях. Модель предназначена для классификации и регрессии на наборах до 50 000 строк и 2 000 признаков. Базовые контрольные точки обучены на синтетических табличных задачах; некоторые варианты дополнительно дообучены на реальных данных. Она не предназначена для неструктурированных текстов и изображений. В README указаны результаты на нескольких бенчмарках, однако подробности приведены в техническом отчёте. Лицензия tabpfn-2.5-license-v1.1 разрешает исследования, внутреннюю оценку и бенчмаркинг, но запрещает коммерческое и производственное использование весов, производных моделей и их результатов без отдельной коммерческой лицензии. Качество может снижаться за пределами указанных размеров таблиц; для задач высокого риска следует проверять обучающие метки на смещения.

avsolatorio/all-MiniLM-L6-v2-MEDI-MTEB-triplet-final — англоязычная модель Sentence Transformers, дообученная на базе sentence-transformers/all-MiniLM-L6-v2 для получения векторных представлений предложений и оценки их семантического сходства. Её можно применять для поиска похожих текстов, ранжирования кандидатов по близости к запросу, кластеризации и дедупликации предложений, в том числе в задачах с медицинскими и научными текстами среди обучающих данных. Модель построена на архитектуре BERT, содержит 25,9 млн параметров и выдаёт векторы размерности 384. Для сравнения векторов используется косинусное сходство. README указывает максимальную длину последовательности 256 токенов, а метаданные — контекстное окно 512 токенов. Модель принимает текст и возвращает эмбеддинги; заявленный язык — английский. Модель распространяется по лицензии Apache-2.0. Это энкодер предложений, а не генеративная модель: он не предназначен для свободной генерации ответов. Качество сходства зависит от домена и формулировок; длину входного текста следует учитывать с учётом ограничения README в 256 токенов.

NuTag — модель распознавания именованных сущностей, основанная на NuNER-BERT-v1.0 от NuMind и представленная в формате GGUF F16. Это encoder-only архитектура BERT с токенизацией WordPiece; модель принимает текст и размечает его токены, выделяя сущности, например людей, организации и географические места. Модель предназначена для извлечения сущностей из текстов в новостях, юридических документах и медицинских материалах, а также для локального запуска через llama.cpp, LM Studio, Ollama или Jan. Она дообучена на размеченных корпусах NER разных областей и ориентирована преимущественно на английский язык. Это не генеративная модель; точность на редких сущностях может снижаться при использовании низкобитных вариантов квантования, а составные сущности могут разбиваться токенизацией. В репозитории указан формат GGUF F16; лицензия в предоставленных данных не указана.

ItalianNERXXL — модель разметки именованных сущностей на основе BERT, опубликованная Michele Montebovi. Она предназначена для извлечения из итальянского текста 52 типов сущностей, включая имена и адреса, контакты, банковские и налоговые реквизиты, юридические сведения, медицинские данные и сведения о лекарствах. Модель подходит для автоматической разметки документов и поиска чувствительной информации в итальянских текстах. Модель содержит 137,9 млн параметров, принимает текст с контекстом до 512 токенов и выдаёт метки для токенов. В README заявлена точность 79%; это начальный выпуск, а заявленные планы регулярных улучшений не гарантируют качество на новых данных. Распознавание чувствительных реквизитов и медицинских или юридических сущностей следует проверять на целевом наборе текстов. Лицензия — Apache-2.0.

Sophea-Canary-ASR — модель распознавания речи, разработанная автором репозитория и дообученная на базе nvidia/canary-1b-v2. Это модель архитектуры FastConformer с офлайн-энкодером-декодером внимания, содержащая около 1 млрд параметров. Она предназначена прежде всего для транскрибации греческой речи, а также распознаёт английскую речь и сохраняет возможность перевода с греческого на английский. По приведённым в карточке тестам, WER для греческого составляет 12,69% на FLEURS и 2,90% на Common Voice 17; для английского — 12,90% на FLEURS. Модель обучалась на греческих и английских аудиоданных, включая FLEURS, Common Voice и LibriSpeech, а также греческие материалы медицинской, юридической и парламентской тематики. Она рассчитана на офлайн-транскрибацию, а не на распознавание в реальном времени. Результаты на Common Voice могут быть завышены относительно новых данных из-за сходства с обучающей выборкой; тяжёлые диалекты, дальняя запись и перекрывающаяся речь не проверялись. Карточка указывает лицензию CC BY 4.0.