IV.5Образование и развитие навыков

Llama-3-8B-Dolphin-Portuguese-v0.3 — разговорная языковая модель на архитектуре Llama 3, представленная Adalberto Junior. Она дообучена на переведённой версии набора данных Dolphin; в метаданных также указан датасет adalbertojunior/dolphin_portuguese_legal. Модель предназначена для генерации текста и диалога на португальском языке, в том числе для сценариев с юридическими текстами. Модель содержит 7,5 млрд параметров, работает через Transformers и поддерживает контекст до 8192 токенов. В карточке приведены результаты Open Portuguese LLM Leaderboard со средним баллом 73,15, а также оценки ENEM Challenge и BLUEX без изображений. Модель распространяется в формате safetensors; лицензия в предоставленных данных не указана.

WlappaAI/Mistral-7B-wikipedia_ru_pruned-0.1_merged — русскоязычная модель генерации текста на базе Mistral-7B, созданная объединением WlappaAI/Mistral-7B-v0.1-wikipedia_ru_pruned-0.1 и mistralai/Mistral-7B-v0.1 и обученная на модифицированном наборе danasone/wikipedia_ru. Модель использует плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации русскоязычного текста и задач на основе сведений из Википедии, например подготовки черновиков и продолжения текста. В README приведено значение loss 1.1876 на оценочном наборе. Весовые файлы опубликованы в формате safetensors; лицензия — Apache-2.0.

eenzeenee/t5-small-korean-summarization — модель семейства T5, разработанная на основе paust/pko-t5-small и дообученная для суммаризации корейских текстов. Она предназначена для создания кратких изложений научных статей, книг и материалов с итоговыми формулировками и отчётами. Модель содержит 55,1 млн параметров и использует архитектуру T5ForConditionalGeneration; репозиторий предоставляет веса в форматах PyTorch и Safetensors. Модель ориентирована на корейский язык и обучалась на трёх наборах данных: для суммаризации научных публикаций, книг, а также для составления кратких выводов и отчётов. Лицензия в доступных сведениях не указана.

VL-Rethinker-72B — мультимодальная модель TIGER-Lab для ответов на вопросы об изображениях и визуальных задач рассуждения. По карточке модели, она обучена методом Forced Rethinking на основе VL-Reasoner с использованием GRPO-SSR и показывает высокие результаты на ряде мультимодальных бенчмарков. Метаданные указывают архитектуру Qwen2.5-VL, плотную модель с 71,5 млрд параметров и контекстом 128 000 токенов. Модель принимает изображения и текстовые запросы, а ответы выдаёт в виде текста; карточка указывает английский язык. Модель подходит для визуальных вопросов, интерпретации изображений и задач, требующих мультимодального рассуждения. Она распространяется под лицензией Apache-2.0. В README базовой названа VL-Reasoner, тогда как метаданные связывают модель с Qwen/Qwen2.5-VL-7B-Instruct; поэтому базовая модель указана по метаданным.

Модель SIL AI — дообученная версия facebook/wav2vec2-xls-r-300m для автоматического распознавания речи на тагальском языке. Она принимает аудио и преобразует речь в текст; обучающие данные взяты из набора SIL-AI/bloom-speech, раздел TGL, связанного с Bloom Library. На оценочной выборке указаны WER 0,2457 и CER 0,0769. Модель предназначена для распознавания тагальской речи в сценариях, связанных с материалами Bloom. Это proof of concept: авторы не гарантируют качество в конкретных условиях. Для использования необходимо соблюдать лицензию SIL RAIL-M License.

Xinyuan-VL-2B — мультимодальная модель Cylingo Group для работы с изображениями и текстом. Она дообучена на базе Qwen/Qwen2-VL-2B-Instruct на более чем 5 млн мультимодальных примеров и небольшом объёме обычных текстовых данных. Модель построена на архитектуре Qwen2-VL, содержит 1,5 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для визуальных вопросов и ответов: пользователь может передать изображение и задать вопрос на естественном языке. В README сообщается об оценке с помощью VLMEvalKit и результатах на бенчмарках MMB-CN-V11-Test, MMB-EN-V11-Test и MMB-EN, где модель превзошла приведённые сравнимые модели. Поддерживаются китайский и английский языки; репозиторий использует Transformers и формат safetensors. Лицензия — Apache-2.0.

YamshadowInex12_Experiment24Alloyingotneoy — слитая модель для генерации текста, созданная на основе automerger/YamshadowInex12-7B и automerger/Experiment24Alloyingotneoy-7B. Это плотная причинно-языковая модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов, распространяемая в формате safetensors. Модель предназначена для генерации текста по текстовому запросу. Данных о специализации по предметной области или языкам нет. Лицензия — Apache-2.0.

RPMerge — объединённая Брюсом Те Музом (Bruce the Moose) модель семейства Yi объёмом 33,9 млрд параметров. Она предназначена для генерации текста с длинным контекстом, следования инструкциям и создания историй. В основе архитектура LlamaForCausalLM; модель создана слиянием нескольких моделей Yi 34B методом DARE TIES. Для запросов подходит шаблон Orca-Vicuna: SYSTEM, USER и ASSISTANT. Заявленная длина контекста — 200 000 токенов. Автор ориентирует модель на продолжение романов, ролевые истории и анализ длинного контекста, а также на ответы в стиле инструкционного ассистента. По собственным тестам автора, модель работала с продолжением текста и длинным анализом; тестирование ролевого чата было ограниченным. Для Yi автор рекомендует тщательно подбирать параметры генерации из-за особенностей распределения вероятностей токенов. Лицензия в метаданных обозначена как other; конкретные условия в предоставленных данных не раскрыты.

Anubis-70B-v1 — диалоговая дообученная модель семейства Llama, опубликованная TheDrummer; в README проект представлен BeaverAI. Модель содержит 69,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на контекст до 131 072 токенов. Карточка описывает её как сбалансированную и творческую модель, следующую инструкциям и подходящую для естественного диалога, написания прозы и ролевых сценариев. Поддерживается шаблон чата Llama 3 с ролями system, user и assistant; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст. В репозитории указаны веса safetensors, а README ссылается на отдельную рекомендацию по формату iMatrix. Лицензия обозначена как other, поэтому условия использования следует проверить в файлах репозитория. Отзывы о качестве и творческих способностях в карточке субъективны и не являются результатами опубликованной оценки.

AuriAetherwiing_G4-31B-Musica-v1-GGUF — это набор GGUF-квантизаций языковой модели G4-31B-Musica-v1, разработанной AuriAetherwiing и квантизированной bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, включая инструкционные сценарии, литературное письмо и ролевое взаимодействие; в метаданных указан английский язык. Для обучения или донастройки использовались датасеты с инструкциями, прозой, ролевыми диалогами и персонажами. Доступны варианты от BF16 до Q3 и IQ4, с размером файлов примерно от 16,8 до 61,4 ГБ. Старшие варианты обеспечивают более высокое качество, а младшие требуют меньше оперативной памяти, но могут сильнее терять в качестве. Модель поддерживает запуск через llama.cpp, LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и другие совместимые инструменты. Точная архитектура и размер контекста в README не указаны. Распространение заявлено по лицензии Apache-2.0.

Bunny-Llama-3-8B-V — мультимодальная модель семейства Bunny, разработанная командой Bunny и построенная на визуальном энкодере SigLIP и языковой модели Llama-3-8B-Instruct. Она принимает изображения и текстовые запросы и генерирует текстовые ответы, поэтому подходит для диалога о содержимом изображений и визуальных вопросов и ответов. Размер модели — 7,5 млрд параметров, контекст — 8192 токена; карточка также упоминает отдельную версию v1.1 для изображений высокого разрешения до 1152 × 1152 пикселей. Модель распространяется под лицензией Apache-2.0. Карточка не приводит количественных оценок качества; заявленный предел разрешения 1152 × 1152 относится к v1.1, а не обязательно к этой версии.

Gemini 3.1 Flash Image, также известная как Nano Banana 2, — модель Google для генерации и редактирования изображений. В карточке она описана как модель с визуальным качеством уровня Pro и высокой скоростью работы линейки Flash. Модель предназначена для создания изображений по запросу и изменения существующих изображений. Данных о поддерживаемых языках, размере, контексте и лицензии в предоставленных источниках нет.

DrRiceIO7 создал экспериментальную модификацию Gemma 3 4B с помощью abliteration — изменения весов, направленного на снижение числа отказов. Автор позиционирует её как модель для творческого письма и утверждает, что в его сравнении плотность шаблонных ответов снизилась примерно на 50% относительно базовой Gemma 3 4B. Модель не проходила отдельное дообучение после abliteration; автор отмечает небольшой рост числа отказов по сравнению с целью эксперимента. Это плотная мультимодальная модель семейства Gemma 3: принимает текст и изображения, генерирует текст и поддерживает диалог. В README для семейства указаны контекст до 128K токенов и поддержка более 140 языков; конкретные показатели этой модификации отдельно не приведены. Возможные сценарии включают творческое письмо, ответы на вопросы об изображениях, суммаризацию и диалог. Доступны веса Safetensors; лицензия — Gemma. Модель может допускать фактические ошибки, проявлять смещения и хуже справляться со сложными или неоднозначными запросами.

Guccimam/gemma-4-e2b-v1 — дообученная модель семейства Gemma 4, разработанная Guccimam на базе unsloth/gemma-4-e2b-it-unsloth-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Это плотная мультимодальная модель для диалогов, принимающая текст и изображения и формирующая текстовые ответы; карточка указывает задачу image-text-to-text и поддержку зрения. Модель подходит для вопросов по изображениям и диалоговых сценариев с визуальным контекстом. Репозиторий распространяется под лицензией Apache-2.0. Карточка не приводит сведений о размере модели, длине контекста или конкретном наборе обучающих данных.

Модель ibagari/gemma-4-E4B-nisamina-nc-v73-a100-public разработана ibagari как дообученная версия ibagari/gemma-4-E4B-nisamina-nc-v7-a100-public. Это плотная мультимодальная модель семейства Gemma 4 для диалогов и задач image-text-to-text: она принимает текст и изображения и формирует текстовые ответы. В метаданных также заявлен интерфейс вызова инструментов. Для обучения использовались Unsloth и библиотека TRL Hugging Face. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает конкретные сценарии обучения и ограничения качества, поэтому её пригодность для отдельных задач следует оценивать на собственных примерах.

Huihui-Qwen3-VL-8B-Thinking-abliterated — мультимодальная модель Huihui AI на основе Qwen3-VL-8B-Thinking, изменённая методом abliteration. Обработка затронула текстовую часть модели, а визуальная часть не изменялась. Модель принимает текст и изображения и предназначена для диалога, анализа изображений и ответов на вопросы по ним; архитектура — плотная Qwen3-VL, библиотека — Transformers, веса доступны в формате safetensors. В базовой модели используется режим Thinking. По сравнению с исходной моделью у этой версии значительно снижены отказы на текстовой части, в том числе при описании и анализе изображений. Модель распространяется по лицензии Apache-2.0. Сниженная фильтрация безопасности может приводить к чувствительным, спорным или неподходящим ответам, поэтому результаты следует проверять.

InternVL3-14B-GGUF — мультимодальная большая языковая модель, разработанная командой OpenGVLab и представленная в GGUF-формате Unsloth. Модель основана на OpenGVLab/InternVL3-14B и использует данные MMPR-v1.2; заявленная лицензия — Apache 2.0. Модель предназначена для задач, сочетающих работу с текстом и изображениями: мультимодального восприятия и рассуждений, анализа промышленных изображений, 3D-восприятия, использования инструментов и создания GUI-агентов. Поддерживается многоязычная работа, однако конкретный перечень языков в README не указан. Архитектура построена по схеме ViT-MLP-LLM: визуальная часть представлена InternViT-300M-448px-V2_5, языковая — Qwen2.5-14B, а между ними используется MLP-проектор. Размер языковой модели — 14 млрд параметров; модель поддерживает текстовую и визуальную модальности. Контекстное окно, точные характеристики GGUF-квантизации и требования к ресурсам в README не указаны. К сильным сторонам относятся мультимодальные возможности и широкий спектр прикладных сценариев, но качество и производительность могут зависеть от выбранного варианта квантизации и аппаратной конфигурации.

K2S3-SOLAR-11b-v1.0 — корейская языковая модель, разработанная K2S3 на основе upstage/SOLAR-10.7B-Instruct-v1.0. Это плотная авторегрессионная модель семейства Llama с 10,7 млрд параметров, дообученная методом полного SFT. В обучающие данные вошли Стандартный корейский словарь, материалы KULLM Университета Корё, аннотации магистерских и докторских диссертаций и корейские образцы из AI Hub; также добавлены новые корейские токены. Модель предназначена для генерации текста на корейском языке, включая ответы и работу с материалами, связанными со словарём и академическими текстами. Контекст составляет 4096 токенов. Модель доступна в формате safetensors и может использоваться через Transformers. Модель лицензирована по CC BY-NC 4.0, поэтому коммерческое использование ограничено условиями лицензии. Качество и надёжность ответов зависят от запроса; в карточке не приведены результаты оценки или подробные сведения о безопасности.

MedIT SUN 2.5B chat-1.0.0 — диалоговая языковая модель от MedIT Solutions на архитектуре Llama 3.2. Она создана на основе meta-llama/Llama-3.2-1B-Instruct: разработчик расширил модель примерно с 1 млрд до 2,47 млрд параметров и выполнил supervised fine-tuning на открытых наборах данных. Модель распространяется в формате Safetensors и рассчитана на генерацию текста, общие беседы и выполнение инструкций; метаданные указывают контекст до 131 072 токенов и интерфейс для вызова инструментов. Модель предназначена для диалогового помощника и задач повседневного взаимодействия на английском языке. Разработчик предупреждает, что обучение продолжается, поэтому ответы могут быть непоследовательными; модель не следует использовать как достоверный источник знаний, особенно там, где нужна высокая точность. Лицензия — Llama 3.2.

andrerean/minilm-arsip-kampus-seranah — текстовая Sentence Transformer модель, дообученная на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. Она кодирует предложения и абзацы в плотные векторы размерности 384 и предназначена для поиска и сравнения текстов по смыслу; близость оценивается косинусным сходством. Архитектура включает BertModel и mean pooling. В метаданных указаны 124,3 млн параметров и контекст до 512 токенов; README сообщает максимальную длину последовательности 384 токена. Модель обучена на 3 090 парах предложений, связанных с университетскими документами: примеры охватывают академические решения, бюджетные процедуры, охрану труда и лабораторную безопасность. Это делает её подходящей для семантического поиска и извлечения релевантных документов в подобном архиве. Базовая модель многоязычная, но основной язык обучающих примеров — индонезийский. Модель принимает текст и возвращает векторы. Лицензия в предоставленных данных не указана.

Psyfighter-13B — языковая модель на базе Llama 2, созданная слиянием нескольких чекпойнтов методом task arithmetic. В состав слияния вошли TheBloke/Llama-2-13B-fp16, KoboldAI/LLaMA2-13B-Tiefighter, MedLLaMA_13B и llama-2-13b-chat-limarp-v2-merged; основой указан TheBloke/Llama-2-13B-fp16. Разработчики отмечают поддержку сообщества KoboldAI вычислительными ресурсами. Модель предназначена для генерации текста и диалоговых сценариев. Она содержит 12,9 млрд параметров, использует архитектуру LlamaForCausalLM и распространяется в формате safetensors с точностью float16; длина контекста — 4096 токенов. Лицензия указана как llama2. Модель объединяет базовую Llama 2 с чекпойнтами, ориентированными на диалоги, ролевые сценарии и медицинский текст. README не содержит результатов оценки качества или подробных сведений о поддерживаемых языках, поэтому эти характеристики нельзя оценить по карточке.

QAmembert — модель CATIE-AQ для ответов на вопросы по текстовому контексту на французском языке. Это CamemBERT base, дообученная на объединённом наборе frenchQA из более чем 221 тысяч пар контекстов, вопросов и ответов. Данные включают примеры, где ответ содержится в контексте, и примеры без ответа в контексте, поэтому модель может возвращать отсутствие ответа. Модель построена на архитектуре CamemBERT и содержит 137,8 млн параметров. Она предназначена для извлечения ответа из предоставленного текста, например, для вопросов по документам или статьям. В карточке приведены результаты оценки на французских наборах FQuaD, qwant/squadfr и frenchQA; контекст — до 514 токенов. Модель распространяется под лицензией MIT. Она рассчитана на французский язык и на вопросы, связанные с переданным контекстом; качество на других языках и вне подобных сценариев не подтверждено.

DavidAU/Qwen3.5-9B-Claude-4.6-Opus-Deckard-V4.2-Uncensored-Heretic-Thinking — мультимодальная модель на основе Qwen3.5-9B, дообученная автором с помощью Unsloth на наборах данных Claude-4.6 Opus и DECKARD и объединённая на этапе обучения. Это плотная авторегрессионная языковая модель с визуальным энкодером; в метаданных указана архитектура Qwen3.5 и поддержка чата и изображений. Модель работает в режиме рассуждений по умолчанию. Модель предназначена для диалогов, генерации художественных текстов и ролевых сценариев, рассуждений и понимания изображений. Автор сообщает об улучшении рассуждений и генерации текста, а также о снижении числа отказов; приведённые сравнительные результаты относятся к ограниченному набору тестов. Карточка указывает контекст 256 тыс. токенов и отмечает, что обработка видео не проверялась. Поддерживаемые карточкой языки — английский и китайский; базовая модель заявляет более широкое языковое покрытие, но оно не подтверждено для этого дообучения. Лицензия — Apache-2.0.

Qwen3-VL-8B-VQA-SFT-RL-v3 — дообученная модель QiLong26 на базе QiLong26/Qwen3-VL-8B-VQA-SFT, обученная с использованием TRL. Это плотная мультимодальная модель семейства Qwen3-VL с архитектурой Qwen3VLForConditionalGeneration; она предназначена для визуального диалога и ответов на вопросы по изображениям. Метаданные указывают задачу image-text-to-text и поддержку чата и зрения. В README приведён пример текстовой генерации в формате диалога, но он не раскрывает дополнительных характеристик модели. Лицензия и размер параметров в предоставленных данных не указаны.

Карточка модели tq01963/stable-diffusion-2-1-base на Hugging Face совпадает с карточкой Manojb/stable-diffusion-2-1-base, поэтому описание составлено по ней. Manojb/stable-diffusion-2-1-base — модель генерации изображений по тексту, разработанная Робином Ромбахом и Патриком Эссером. Это латентная диффузионная модель, использующая предварительно обученный текстовый энкодер OpenCLIP-ViT/H. Версия 2.1 дообучена на Stable Diffusion 2-base ещё на 220 тысячах шагов; модель распространяется в форматах Diffusers, PyTorch и Safetensors и работает с библиотекой Diffusers. Модель предназначена для создания и изменения изображений по текстовым запросам, в том числе для художественных и дизайнерских задач и творческих инструментов. В первую очередь она рассчитана на английские запросы; качество генерации по запросам на других языках ниже. Лицензия — CreativeML Open RAIL++-M. Модель не гарантирует фотореализм, плохо передаёт читаемый текст и сложные пространственные композиции, а лица и люди могут получаться некорректно. Обучающие данные содержали изображения для взрослых, насилие и сексуальный контент, частично отфильтрованные NSFW-детектором; возможны социальные предубеждения, включая смещение в сторону западных культур. Модель не предназначена для достоверного изображения реальных людей или событий.

Это форк модели Stable Diffusion XL Base 1.0, который поддерживает mainbrains; исходная модель разработана Stability AI. Это латентная диффузионная модель для генерации и редактирования изображений по текстовым запросам. Она использует два предварительно обученных текстовых энкодера — OpenCLIP-ViT/G и CLIP-ViT/L — и может работать самостоятельно или как первый этап конвейера с отдельной моделью-refiner для финального денойзинга. Репозиторий также описывает интеграцию с ComfyUI для создания VFX-референсов и пакетной генерации. Модель подходит для создания иллюстраций, дизайн-материалов и визуальных референсов, а также для творческих и образовательных инструментов. README указывает, что она уступает в фотореализме, плохо отображает читаемый текст и сложные пространственные отношения; лица и люди могут получаться некорректно, а декодирование изображений является lossy. Возможны усиление социальных предубеждений и генерация изображений, не соответствующих фактам. В README указана лицензия CreativeML Open RAIL++-M, а метаданные обозначают её как openrail++.

Модель ahmeddbahaa/t5-arabic-base-finetuned-wikilingua-ar — версия T5, дообученная на наборе WikiLingua для суммаризации арабских текстов. Она предназначена для создания краткого связного пересказа исходного текста и может использоваться для сокращения статей и других текстовых материалов на арабском языке. Архитектура — T5ForConditionalGeneration, размер — 126 млн параметров; репозиторий содержит веса PyTorch. В README приведены результаты оценки: ROUGE-1 20,72, ROUGE-2 7,63, ROUGE-L 18,75 и BERTScore 70,79. Лицензия — Apache-2.0. Карточка не описывает ограничения и рекомендуемые сценарии применения подробнее; метрики следует учитывать при оценке качества на собственных данных.

Trendyol разработала Trendyol-LLM-7b-chat-v0.1 — чат-модель на основе Llama 2 7B с авторегрессионной плотной архитектурой LlamaForCausalLM. Модель содержит 6,7 млрд параметров, принимает текст и генерирует текст; максимальный размер контекста по метаданным — 4096 токенов. Чат-версия дообучена на 180 тысячах наборов инструкций с помощью LoRA. Она предназначена для диалогов и генерации ответов на текстовые запросы на турецком и английском языках. Распространяется в формате safetensors по лицензии Apache-2.0. Модель может выдавать неверную информацию, ошибаться на сленге и языках, отличных от английского и турецкого, а также генерировать предвзятый или вредоносный текст. Разработчик отмечает, что её надёжность в реальных сценариях широко не проверялась; результаты следует проверять, а для публичных приложений применять фильтры и человеческий контроль.

Карточка модели nuresens/ALL_PAD_merge на Hugging Face совпадает с карточкой nuresens/ALL_PAD_MERGE_v2, поэтому описание составлено по ней. nuresens/ALL_PAD_MERGE_v2 — дообученная мультимодальная модель семейства Mistral3 на базе aitf-komdigi/KomdigiITS-3B-PAD-CPT. Разработчик — nuresens; для обучения использовались Unsloth и библиотека TRL от Hugging Face. Модель принимает изображения и текст и предназначена для диалоговых сценариев с визуальным содержимым, включая ответы на вопросы по изображениям. В карточке также заявлен интерфейс для вызова инструментов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Количество параметров и длина контекста в предоставленных источниках не указаны.

BELLE-VL — мультимодальная модель сообщества BELLE-2 для диалога по изображениям и тексту. Она построена на архитектуре Qwen и расширяет языковую модель визуальными возможностями; в README в качестве языковой основы указана Qwen14B-chat. Метаданные указывают 21,8 млрд параметров, контекст до 8192 токенов и формат PyTorch. Модель обучали на открытых англоязычных и китайских данных для понимания изображений и выполнения мультимодальных инструкций. Модель предназначена для ответов на вопросы об изображениях, описания их содержимого, распознавания объектов, сцен и текста, а также визуального рассуждения. README сообщает о результатах на бенчмарке MME и отмечает, что модель поддерживает взаимодействие только с одним изображением за раз, а её возможности китайского OCR ограничены. Лицензия — Apache-2.0.