IV.5Образование и развитие навыков

HiDream-O1-Image — модель генерации и редактирования изображений от HiDream, построенная на Pixel-level Unified Transformer (UiT). Она обрабатывает текст и пиксели в общем пространстве токенов, без внешнего VAE и отдельного текстового энкодера. В карточке семейства указана версия на 8 млрд параметров; модель создаёт изображения напрямую с разрешением до 2048 × 2048. Модель предназначена для генерации изображений по текстовому описанию, редактирования изображения по инструкции, персонализации с сохранением заданного персонажа или объекта, управления композицией и создания раскадровок. Встроенный агент рассуждений помогает уточнять требования к композиции и надписям; заявлена поддержка длинного текста и многоязычных надписей на изображениях. Метаданные классифицируют модель как image-text-to-image. В README описаны полная и дистиллированная Dev-версии; результаты и характеристики могут различаться между ними. Для запуска требуется GPU с поддержкой CUDA; авторы отмечают проблему с PyTorch 2.9.x и рекомендуют полную версию для редактирования. Репозиторий модели распространяется по лицензии MIT.

Карточка модели kayraharika/HiDream-O1-Image на Hugging Face совпадает с карточкой HiDream-ai/HiDream-O1-Image, поэтому описание составлено по ней. HiDream-O1-Image — модель генерации и редактирования изображений от HiDream, построенная на Pixel-level Unified Transformer (UiT). Она обрабатывает текст и пиксели в общем пространстве токенов, без внешнего VAE и отдельного текстового энкодера. В карточке семейства указана версия на 8 млрд параметров; модель создаёт изображения напрямую с разрешением до 2048 × 2048. Модель предназначена для генерации изображений по текстовому описанию, редактирования изображения по инструкции, персонализации с сохранением заданного персонажа или объекта, управления композицией и создания раскадровок. Встроенный агент рассуждений помогает уточнять требования к композиции и надписям; заявлена поддержка длинного текста и многоязычных надписей на изображениях. Метаданные классифицируют модель как image-text-to-image. В README описаны полная и дистиллированная Dev-версии; результаты и характеристики могут различаться между ними. Для запуска требуется GPU с поддержкой CUDA; авторы отмечают проблему с PyTorch 2.9.x и рекомендуют полную версию для редактирования. Репозиторий модели распространяется по лицензии MIT.

Карточка модели kayraharika/HiDream-O1-Image-Dev на Hugging Face совпадает с карточкой HiDream-ai/HiDream-O1-Image, поэтому описание составлено по ней. HiDream-O1-Image — модель генерации и редактирования изображений от HiDream, построенная на Pixel-level Unified Transformer (UiT). Она обрабатывает текст и пиксели в общем пространстве токенов, без внешнего VAE и отдельного текстового энкодера. В карточке семейства указана версия на 8 млрд параметров; модель создаёт изображения напрямую с разрешением до 2048 × 2048. Модель предназначена для генерации изображений по текстовому описанию, редактирования изображения по инструкции, персонализации с сохранением заданного персонажа или объекта, управления композицией и создания раскадровок. Встроенный агент рассуждений помогает уточнять требования к композиции и надписям; заявлена поддержка длинного текста и многоязычных надписей на изображениях. Метаданные классифицируют модель как image-text-to-image. В README описаны полная и дистиллированная Dev-версии; результаты и характеристики могут различаться между ними. Для запуска требуется GPU с поддержкой CUDA; авторы отмечают проблему с PyTorch 2.9.x и рекомендуют полную версию для редактирования. Репозиторий модели распространяется по лицензии MIT.

Карточка модели Korabbit/Llama-2-7b-chat-hf-afr-200step-v2 на Hugging Face совпадает с карточкой Korabbit/Llama-2-7b-chat-hf-afr-100step-v2, поэтому описание составлено по ней. Korabbit/Llama-2-7b-chat-hf-afr-100step-v2 — экспериментальная чат-модель Korabbit, основанная на Llama-2-7b-chat и обученная автором с использованием подхода «AFR training». В карточке приведён пример ответа на инструкцию реализовать бинарный поиск на Python; метаданные указывают архитектуру LlamaForCausalLM, около 6,6 млрд параметров и контекст до 4096 токенов. Модель предназначена для диалоговых ответов на инструкции и общих текстовых запросов, включая вопросы о программировании. В метаданных указан английский язык и набор данных vicgalle/alpaca-gpt4. Указана лицензия llama2. README описывает подход к обучению лишь кратко, поэтому его детали и качество модели по примеру оценить нельзя.

jacob-ml/LS-Bert-67m — немецкоязычный классификатор на базе DistilBERT, разработанный для определения, соответствует ли текст стандартам Leichte Sprache — простого немецкого языка. Он различает тексты на простом и сложном немецком, включая различие между Leichte Sprache и Einfacher Sprache. Модель обучена на более чем 11 000 примерах текстов, которые оценили как понятные проверяющие; синтетические данные не использовались. Классификатор возвращает метки yes и no: yes означает высокое сходство с проверенными текстами на Leichte Sprache. Модель предназначена для проверки доступности немецких текстов и предварительной оценки их соответствия Leichte Sprache. Это дообучение distilbert/distilbert-base-german-cased для классификации последовательностей; используется библиотека Transformers, контекст ограничен 512 токенами. По README, классификатор доступен для бесплатных онлайн-проб. Лицензия репозитория — Apache-2.0.

SzilviaB/Lyra_Dark_Mad_Party_12b — объединённая модель для генерации текста и диалогов, созданная методом TIES с помощью mergekit. В основу положена DavidAU/MN-GRAND-Gutenberg-Lyra4-Lyra-12B-DARKNESS; также объединены DavidAU/MN-GRAND-Gutenberg-Lyra4-Lyra-12B-MADNESS и Sao10K/MN-BackyardAI-Party-12B-v1. Модель основана на плотной архитектуре Mistral с причинной языковой моделью MistralForCausalLM и содержит 12,1 млрд параметров. Она предназначена для текстовых запросов, диалогов и генерации продолжений; заявленный родной контекст составляет 1 024 000 токенов. Репозиторий использует Transformers и формат safetensors. Карточка не описывает конкретные языки или специализированные области применения. Лицензия в предоставленных данных не указана. Как и у других генеративных языковых моделей, ответы могут содержать ошибки или выдуманные сведения.

MeliodasPercival_01_Experiment26Pastiche — объединённая модель на архитектуре Mistral, созданная из automerger/MeliodasPercival_01-7B и automerger/Experiment26Pastiche-7B. Она предназначена для генерации текста и диалогов, а также поддерживает контекст до 32 768 токенов. Модель содержит 7,1 млрд параметров и распространяется в формате safetensors. Модель опубликована MaziyarPanahi и доступна по лицензии Apache 2.0. В карточке указана задача text-generation; сведения о специализации по отдельным предметным областям и языках отсутствуют.

NABLA-VL — японская vision-language-модель компании NABLAS, созданная при финансовой поддержке GENIAC. Она дообучена на microsoft/phi-4 и визуальном энкодере SigLIP и предназначена для генерации текстовых ответов по изображениям, нескольким изображениям и видео. Модель подходит для визуальных вопросов и ответов, описания сцен и сопоставления сведений из нескольких визуальных материалов. В карточке приведены результаты оценки на мультимодальных бенчмарках, включая JDocQA, JMMMU, MMMU и наборы VQA; тестирование проводилось с оценщиком gpt-4o-2024-11-20. Указаны японский и английский языки, а лицензия — Apache License 2.0. Размер модели и длина контекста в предоставленных данных не приведены.

Ourbox-35B-JGOS — модель рассуждений с архитектурой MoE, созданная платформой Darwin компании FINAL-Bench / VIDRAFT_LAB путём эволюционного объединения FFN-экспертов базовой модели Qwen3.6-35B-A3B и специализированных моделей-доноров. В модели 35 млрд параметров, из которых активно около 3 млрд. Она сохраняет гибридное внимание и заявленную длину контекста 262 тыс. токенов; веса доступны в формате Safetensors, библиотека запуска — Transformers. Модель ориентирована прежде всего на рассуждения и генерацию на корейском языке, а также на многоязычный чат и задачи общего текстового поколения. В README заявлен результат 86,36% на GPQA Diamond по протоколу majority-of-8+, однако это заявление относится к конкретной оценке и не гарантирует аналогичного качества в других задачах или при одиночной генерации. Модель распространяется по лицензии Apache 2.0.

mikelalda/qwen3.8-27b_euskara — Qwen3.8-27B базовая модель, дообученная командой HiTZ методом SFT с LoRA для работы преимущественно на баскском языке. Настройка охватывает диалоговое выполнение инструкций, перевод между баскским, испанским и английским, а также суммаризацию и ответы на вопросы по предоставленному тексту. Модель использует гибридную архитектуру с линейным вниманием и gated delta rule; базовая архитектура обозначена как Qwen3_5ForConditionalGeneration. Обучение затронуло текстовые модули. Размер базовой модели — 27 млрд параметров; веса представлены в BF16, а в карточке также упомянут экспорт GGUF Q4_K_M. Для ускорения линейного внимания рекомендуется flash-linear-attention. Карточка сообщает примерно о 74 тысячах обучающих примеров из корпусов HiTZ и об одном цикле обучения. Качество не оценивалось, поэтому перед практическим применением нужно проверить модель на собственных данных. Рассуждения в режиме thinking не дообучались; переводные данные частично синтетические, а стиль может быть формальным и связанным с баскской прессой и институциональными текстами. Хотя базовая модель мультимодальна, зрительный тракт этой настройки не обучался и не проверялся. В метаданных указана лицензия CC-BY-SA-4.0; карточка отмечает, что правовая применимость этой лицензии к весам спорна и требует проверки.

Qwen-Image — базовая модель генерации изображений из серии Qwen, представленная разработчиками Qwen. Она предназначена для создания изображений по текстовым запросам и редактирования изображений: поддерживает перенос стиля, добавление и удаление объектов, улучшение деталей, изменение текста на изображении и манипуляции с позой человека. Модель также заявлена для задач понимания изображений, включая обнаружение объектов, семантическую сегментацию, оценку глубины и контуров, синтез новых ракурсов и сверхразрешение. Среди сильных сторон авторы отмечают точное отображение текста и сохранение композиции, особенно для китайского языка; заявлена также поддержка английского и разнообразных визуальных стилей. Репозиторий использует Diffusers и формат safetensors. Лицензия — Apache-2.0. Размер модели и длина контекста в предоставленных данных не указаны.

Это текстовая cross-encoder-модель rohit-vt, дообученная на основе cross-encoder/ms-marco-MiniLM-L6-v2 с библиотекой Sentence Transformers. Она оценивает пары текстов одним числовым баллом, который можно использовать для переранжирования результатов поиска и семантического поиска; обучающие примеры связаны с сопоставлением названий навыков и профессий. Модель построена на архитектуре BERT и содержит 25,9 млн параметров. Она принимает текстовые пары, выдаёт оценку релевантности и обрабатывает последовательности длиной до 512 токенов. В карточке не обозначены специальные требования к языку, поэтому подтверждённую поддержку конкретных языков установить нельзя. Модель подходит для ранжирования кандидатов по запросу, например при поиске похожих навыков. Её оценки обучены на конкретных данных сопоставления и могут хуже работать на иных типах текстов или языках. Лицензия в предоставленных данных не указана.

Trendyol LLM v1.0 — базовая генеративная языковая модель, разработанная Trendyol и дообученная на основе Mistral-7B-v0.1. Это авторегрессионный трансформер Mistral с 7,2 млрд параметров; модель принимает текст и генерирует текст. Для версии base указано дообучение с LoRA на 10 млрд токенов, а максимальная длина последовательности при обучении составляла 1024 токена. В метаданных указан нативный контекст 32 768 токенов. Модель предназначена для продолжения текста и может служить основой для приложений генерации текста и диалоговых сценариев на английском и турецком языках. Карточка также упоминает варианты chat и DPO. Модель распространяется по лицензии Apache-2.0. Качество не проверено в широком круге реальных сценариев: возможны фактические ошибки, предвзятые или токсичные ответы. Понимание сленга и языков, кроме английского и турецкого, может быть ограниченным; результаты следует проверять.

WizardCoder-33B-V1.1 — языковая модель для генерации кода, опубликованная под именем WizardCoder и представленная в этом репозитории как зеркало. Модель содержит 33,1 млрд параметров, использует плотную архитектуру Llama и загружается через Transformers; доступные веса сохранены в формате safetensors. Контекст — до 16 384 токенов. Модель дообучена на базе deepseek-ai/deepseek-coder-33b-base с использованием подхода Evol-Instruct. Она предназначена для генерации программ по инструкциям и решения задач программирования; в карточке приведены результаты на HumanEval, HumanEval-Plus, MBPP и MBPP-Plus. README задаёт формат запроса с секциями Instruction и Response и предупреждает, что для воспроизведения результатов важно использовать рекомендованный системный промпт. Лицензия указана в метаданных как WTFPL. Результаты бенчмарков не гарантируют корректность кода в реальных задачах; сгенерированные программы требуют проверки. README отдельно не гарантирует точность количественно сжатых версий.

Dawn-v2-70B — объединённая автором Undi95 модель для генерации текста на основе архитектуры Llama. Она создана методом layer shuffle с помощью mergekit из нескольких моделей и адаптеров LoRA, включая Euryale, Xwin-LM, Samantha, Nous-Hermes, Airoboros и LimaRP. Модель содержит 68,7 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 4096 токенов. Модель предназначена для ответов на инструкции и диалоговой генерации; в состав использованных данных входят психологические, медицинские и ролевые материалы. Карточка указывает шаблон запросов Alpaca, а репозиторий содержит веса safetensors и данные для создания ExL2-квантизации. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. В метаданных модель помечена как NSFW. Качество ответов может зависеть от формулировки запроса и ограничено контекстом в 4096 токенов; медицинские и психологические ответы не следует считать профессиональной консультацией.

bunnycore/Gemma2-9b-Max — объединённая диалоговая языковая модель на архитектуре Gemma 2, созданная автором bunnycore методом Model Stock с помощью mergekit. В основу слияния вошла bunnycore/HyperGemma-2-9B, также использованы модели для диалогов о психическом здоровье, gemma2-9B-sunfall-v0.5.2, uncensored LoRA и gemma-2-9b-it-abliterated. Модель содержит 9 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие; принимает и выдаёт текст. Указанный родной контекст — 8192 токена. Модель может быть полезна для открытых диалоговых ответов и генерации текста, в том числе на темы психического здоровья. Карточка не сообщает результатов оценки качества или конкретных языков. Файлы представлены в формате safetensors, библиотека — Transformers. Лицензия в предоставленных данных не указана.

munkhbayar-batkhuu/gemma-3-4b-mongolian — текстовая чат-модель на основе Gemma 3 от Munkhbayar Batkhuu. Она дообучена на тщательно отобранном корпусе с преобладанием академических текстов, новостей и книг на монгольском языке в кириллице; также содержит английские тексты. Модель предназначена для ответов на вопросы и диалога на монгольском, особенно в сценариях RAG, где ей передают фрагменты источников и просят отвечать по ним, приводить ссылки и воздерживаться от ответа при нехватке сведений. В карточке также упоминаются перевод, математические задачи и работа со словарём. Модель имеет плотную авторегрессионную архитектуру Gemma3ForCausalLM, около 4 млрд параметров и контекстное окно в метаданных 131 072 токена. При этом README сообщает об обучении на окне 1 280 токенов и заявляет поддержку только текстового ввода, без изображений и файлов. Лицензия — Gemma. Разработчик позиционирует её для исследовательского и образовательного использования, но не для решений с высокими ставками. По оценке автора, ответы заметно надёжнее при наличии источников, однако модель всё ещё может выдумывать факты и ссылки, ошибаться в арифметике и смешивать сведения о разных сущностях. Она обучена на монгольской кириллице, а не на традиционной монгольской письменности; качество английской технической лексики ограничено. Обучение преимущественно на одном вопросе за раз, поэтому модель не рассчитана на последовательный многоходовый диалог; целевой настройки безопасности, достаточной для работы с уязвимыми пользователями, нет.

Карточка модели HiDream-ai/HiDream-O1-Image-Dev на Hugging Face совпадает с карточкой HiDream-ai/HiDream-O1-Image, поэтому описание составлено по ней. HiDream-O1-Image — модель генерации и редактирования изображений от HiDream, построенная на Pixel-level Unified Transformer (UiT). Она обрабатывает текст и пиксели в общем пространстве токенов, без внешнего VAE и отдельного текстового энкодера. В карточке семейства указана версия на 8 млрд параметров; модель создаёт изображения напрямую с разрешением до 2048 × 2048. Модель предназначена для генерации изображений по текстовому описанию, редактирования изображения по инструкции, персонализации с сохранением заданного персонажа или объекта, управления композицией и создания раскадровок. Встроенный агент рассуждений помогает уточнять требования к композиции и надписям; заявлена поддержка длинного текста и многоязычных надписей на изображениях. Метаданные классифицируют модель как image-text-to-image. В README описаны полная и дистиллированная Dev-версии; результаты и характеристики могут различаться между ними. Для запуска требуется GPU с поддержкой CUDA; авторы отмечают проблему с PyTorch 2.9.x и рекомендуют полную версию для редактирования. Репозиторий модели распространяется по лицензии MIT.

HiDream-O1-Image-Dev-FP8 — вариант модели HiDream-O1-Image-Dev от drbaph, предназначенный для локального запуска через Diffusers и ComfyUI. Это смешанная FP8-квантизация дистиллированной модели HiDream-O1-Image-Dev, основанной на HiDream-O1-Image. Веса хранятся в FP8, а чувствительные слои сохраняют более высокую точность; для запуска требуется около 10 ГБ видеопамяти. Модель объединяет генерацию изображений и обработку условий в Pixel-level Unified Transformer без внешнего VAE и отдельных текстовых энкодеров. Она поддерживает создание изображений по тексту, редактирование по инструкциям, персонализацию по нескольким референсам, раскадровки и многоязычную отрисовку текста; заявлено разрешение до 2048 × 2048 пикселей. Dev-вариант использует 28 шагов, Euler scheduler и отключённое CFG, поэтому негативные промпты на него не влияют. Квантизация снижает требования к видеопамяти, а дистиллированный режим рассчитан на более быстрый вывод. README указывает, что на RTX 40xx и H100 вычисления FP8 ускоряются аппаратно; на более старых GPU возможна небольшая потеря скорости при деквантизации на лету. Модель распространяется по лицензии MIT.

InternVL3_5-1B-4bit — мультимодальная модель семейства InternVL, опубликованная mlx-community и преобразованная в формат MLX из OpenGVLab/InternVL3_5-1B-HF. Это 4-битная версия модели для диалоговой работы с изображениями и текстом: она принимает текстовые запросы вместе с изображениями и формирует текстовые ответы. В метаданных базовой моделью указана OpenGVLab/InternVL3_5-1B-MPO; карточка описывает преобразование формата, а метаданные — связь finetune с этой базовой моделью. Модель подходит для вопросов по изображениям, их описания и визуального диалога. Указаны мультиязычная поддержка и возможности чата и работы с изображениями. Репозиторий использует формат safetensors 4bit и библиотеку Transformers; README также указывает преобразование с помощью mlx-vlm 0.3.3. Лицензия — Apache-2.0. Поскольку опубликована только 4-битная версия, точность ответов и качество восприятия изображений могут отличаться от исходной модели; карточка рекомендует обращаться к описанию исходной модели за подробностями о возможностях и ограничениях.

MAGAer13/mplug-owl-llama-7b — модель для описания изображений, построенная на архитектуре mPLUG-Owl. По идентификатору модели она относится к варианту с LLaMA 7B. Предназначена для преобразования визуального содержимого в текстовые описания. Модель принимает изображения и выдаёт текст. В метаданных указан английский язык, библиотека Transformers и формат PyTorch. Лицензия — Apache-2.0.

PandafishHeatherReloaded — объединённая модель семейства Mistral, созданная MysticFoxMagic с помощью LazyMergekit. Она объединяет ichigoberry/pandafish-dt-7b и MysticFoxMagic/HeatherSpell-7b методом SLERP; опубликованные веса имеют формат safetensors и точность bfloat16. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и общих языковых задач. Карточка не описывает специализированные сценарии, языковое покрытие или результаты оценки качества. Лицензия в предоставленных данных не указана.

Qwen3-1.7B-Base — базовая причинно-следственная языковая модель семейства Qwen3, разработанная командой Qwen. Это плотная модель с 1,7 млрд параметров и 28 слоями, предварительно обученная для продолжения текста и построения собственных решений на её основе. Архитектура использует grouped-query attention с 16 головами запросов и 8 головами ключей и значений; контекстное окно составляет 32 768 токенов. Модель предназначена для генерации текста и дальнейшей адаптации под диалоговые и другие языковые сценарии. Обучение Qwen3 охватывало данные на 119 языках и включало код, STEM, рассуждения и длинные последовательности, однако карточка не уточняет языковое покрытие именно версии 1.7B-Base. Для работы рекомендуется актуальная версия библиотеки Transformers. Модель распространяется по лицензии Apache 2.0.

Qwen3.8-27B LLM SCS — дообученная компанией или автором achuthc1298 мультимодальная модель на базе Qwen/Qwen3.8-27B. Это плотная модель с архитектурой Qwen3_5ForConditionalGeneration и 27 млрд параметров, предназначенная для диалогов с текстом и изображениями. Она поддерживает анализ визуального содержимого и интерфейс вызова инструментов. В репозитории размещены полные веса в формате Safetensors, конфигурация модели, токенизатор и файлы предварительной обработки. Модель подходит для ответов на вопросы по изображениям, описания визуальных сцен и диалоговых задач с визуальным контекстом. Также заявлен интерфейс для вызова инструментов. Сведения о лицензии, длине контекста и поддерживаемых естественных языках в доступных данных отсутствуют.

ReWiz-Worldbuilder-7B — объединённая модель генерации текста от theprint, созданная методом SLERP с помощью mergekit из theprint/ReWiz-7B и theprint/WorldBuilder-7B. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; доступны веса в формате safetensors и использование через Transformers. Модель предназначена для диалоговой генерации текста. В её обучающих данных сочетались наборы для улучшения рассуждений и данные WizardLM для снятия ограничений цензуры. Это может быть полезно для развёрнутых ответов и творческой работы над вымышленными мирами, однако карточка не приводит подробной оценки этих сценариев. В опубликованных результатах Open LLM Leaderboard указаны средние 15,66, IFEval 25,10 и BBH 25,08. Лицензия в предоставленных сведениях не указана. Результаты бенчмарков ограничены приведёнными метриками, а качество и безопасность ответов могут зависеть от запроса и сценария применения.

Карточка модели alrope/rexgradient_qwen2_5-3b-vl-btx-from-pub-old на Hugging Face совпадает с карточкой alrope/rexgradient_qwen2_5-3b-vl-btx-from-pub, поэтому описание составлено по ней. rexvgradientqwen25-3b-vl-btx-frompub — дообученная модель alrope, созданная на основе micdun/rexgradient_btx-style-flex_public-pubmed_untrained с использованием TRL. Это чат-модель для генерации текста; в метаданных указаны архитектура Flex_Qwen2_5_VLMoeForConditionalGeneration, размер 3,1 млрд параметров и контекст до 128 000 токенов. Для запуска в README приведён пример с Transformers pipeline и передачей сообщений в формате диалога. Модель опубликована в формате safetensors; сведения о лицензии и подтверждённых языках в предоставленных данных отсутствуют.

SciTulu 70B — модель Allen Institute for AI (AI2) для следования инструкциям и понимания научной литературы. Она дообучена на основе Tulu v2 70B: использует демонстрации из научного набора SciRIFF вместе с общими инструкциями из Tulu v2 SFT mix. Модель построена на плотной архитектуре Llama и содержит 68,7 млрд параметров. Она принимает текст и генерирует текст на английском языке; нативная длина контекста составляет 2048 токенов. В карточке сообщается об улучшении среднего результата на 6,5% относительно Tulu v2 70B на девяти отложенных задачах понимания научной литературы. SciTulu предназначена для ответов на вопросы и выполнения инструкций по научным публикациям, а также может применяться для общих текстовых инструкций. Результаты могут содержать ошибки и унаследованные от базовой модели ограничения и предубеждения. Лицензия — Apache-2.0.

Swecha Gonthuka ASR — модель автоматического распознавания речи на телугу, разработанная Swecha Telangana на основе Wav2Vec2ForCTC и дообученная на наборе данных Swecha Gonthuka. Модель принимает аудио и преобразует речь в текст на телугу; предназначена для транскрибации, повышения доступности и поддержки сохранения языка. Она содержит 113,3 млн параметров и использует библиотеку Transformers. В карточке приведены результаты оценки на тестовых наборах только с телугу: CER составил 6,32% на FLEURS (te_in), 9,00% на OpenSLR66 и 11,92% на Common Voice 22. Оценка выполнялась после нормализации текста до письменности телугу и пробелов, поэтому результаты могут отличаться на данных с английскими словами. Качество зависит от акцента, диалекта, шума и записи; для важных или юридических расшифровок требуется проверка человеком. Лицензия — AGPL-3.0.

rohit-vt/tink-reranker-phase1_minilm — текстовый cross-encoder, дообученный разработчиком на базе cross-encoder/ms-marco-MiniLM-L6-v2 с библиотекой Sentence Transformers. Модель получает пару текстов и выдаёт оценку их релевантности, которую можно использовать для переранжирования поисковой выдачи и семантического поиска. Архитектура основана на BERT и реализована как BertForSequenceClassification с одним выходным значением. Размер модели — 25,9 млн параметров, максимальная длина входа — 512 токенов. По описанию обучающих данных модель настраивалась на сопоставление навыков и их релевантности; README приводит выборки из 10 246 обучающих и 1 416 оценочных примеров. Модель предназначена для текстовых пар и не принимает изображения или другие модальности. Оценки полезно ранжировать внутри набора кандидатов; качество на иных типах запросов и текстов может отличаться от качества на примерах о навыках. Лицензия в предоставленных данных не указана.

crossdelenna/whisper_med_alex.en — дообученная модель распознавания речи на базе Whisper, опубликованная пользователем crossdelenna. Она предназначена для преобразования аудио в текст; название указывает на английскую версию, а карточка сообщает о дообучении на наборе данных, который не описан. Архитектура — WhisperForConditionalGeneration, размер — 455,8 млн параметров; для работы используется Transformers, веса опубликованы в формате safetensors. В README приведён результат оценки WER 5,3233 и loss 0,0002, однако набор данных и условия оценки не раскрыты, поэтому эти цифры не позволяют надёжно судить о качестве на других аудиозаписях. Модель распространяется по лицензии Apache-2.0.