IV.5Образование и развитие навыков

Distil-Whisper large-v3 German — модель распознавания речи, созданная Sanchit Gandhi как версия с дистилляцией знаний модели openai/whisper-large-v3. Она предназначена для транскрибации немецкой речи в текст и обучена на немецкой части Common Voice 15.0. Модель построена на архитектуре Whisper и содержит около 905,2 млн параметров. В ней сохранён и заморожен энкодер исходной модели, а декодер сокращён до двух слоёв. При обучении использовались дистилляция по распределению выходов модели-учителя и функция потерь по размеченным аудиоданным. В оценке на наборе Common Voice модель показала WER 6,324 после нормализации и 8,233 по орфографической метрике. Модель принимает аудио и выдаёт текст. Карточка описывает поддержку немецкого языка; результаты и назначение подтверждены для немецкой речи. Модель распространяется по лицензии MIT.

Eagle2-9B — мультимодальная модель семейства Eagle2, выпущенная NVIDIA для понимания изображений и видео в диалоге. Она объединяет языковую основу Qwen2.5-7B-Instruct с визуальными компонентами SigLIP и ConvNeXt и поддерживает работу с текстом, одним или несколькими изображениями и видео. В README заявлена максимальная длина контекста 16 тыс. токенов; метаданные указывают архитектуру Eagle2ChatModel и библиотеку Transformers. Модель предназначена для описания визуального содержимого, ответов на вопросы по изображениям и видео, а также диалоговых задач с текстом и визуальными входами. В опубликованной таблице приведён результат на DocVQA, но полный набор результатов в доступном тексте README отсутствует. Модель весит около 8,9 млрд параметров по таблице README. Веса доступны по лицензии CC BY-NC 4.0 для некоммерческого использования; README также указывает лицензионные условия базовых моделей Qwen2.5 и PaliGemma. Для запуска README рекомендует transformers 4.37.2 и предупреждает, что более новые версии несовместимы. Поддержка vLLM и готовые скрипты дообучения в карточке обозначены как TODO.

Карточка модели miromind-ai/MiroThinker-v1.0-30B на Hugging Face совпадает с карточкой miromind-ai/MiroThinker-v1.0-8B, поэтому описание составлено по ней. MiroThinker-v1.0-8B — открытая исследовательская агентная модель, разработанная MiroMind на базе Qwen3-8B и дообученная для рассуждений с использованием инструментов и поиска информации. Она предназначена для многошаговых исследовательских задач: модель может запрашивать внешнюю информацию, вызывать инструменты, проверять результаты и уточнять ход решения. В описании заявлена поддержка до 600 вызовов инструментов за задачу. Модель имеет плотную архитектуру Qwen3ForCausalLM, около 7,6 млрд параметров и контекст до 262 144 токенов. Карточка сообщает об англоязычной версии; метаданные также отмечают диалоговый режим и интерфейс вызова инструментов. Модель распространяется в формате safetensors по лицензии MIT. Карточка приводит результаты на исследовательских бенчмарках, однако качество зависит от подключённых инструментов, настроек рабочего процесса и вычислительных ресурсов. Для полноценного агентного сценария нужны совместимая среда и инструменты; сама модель не выполняет внешние действия без них.

NB-Whisper Large beta — модель распознавания речи, разработанная NB AI-Lab Национальной библиотекой Норвегии на основе OpenAI Whisper. Она предназначена для транскрибации речи и перевода речи, с особым упором на норвежские записи; поддерживает норвежский букмол, нюнорск и английский. Модель содержит 905,2 млн параметров и доступна в форматах PyTorch, TensorFlow, JAX/Flax и SafeTensors. Модель обучалась на 20 000 часах размеченных данных, включая норвежскую базу NST, парламентские выступления, телесубтитры NRK и аудиокниги. Для норвежской транскрибации разработчики заявляют высокие результаты среди моделей сопоставимого размера. Это публичная бета: возможны галлюцинации и пропуски фрагментов, а транскрипт может нормализовать устную речь в грамматически правильный письменный текст или опускать части высказывания. Лицензия — Creative Commons Attribution 4.0 International (CC BY 4.0).

NB-Whisper Small (beta) — модель распознавания речи, выпущенная NB AI-Lab Национальной библиотекой Норвегии. Она построена на архитектуре OpenAI Whisper и дообучена на 20 000 часах размеченных аудиоданных; в карточке указано 153,1 млн параметров. Модель предназначена для распознавания речи и транскрибирования аудио, особенно на норвежском языке. Поддерживаются норвежский букмол, норвежский нюношк и английский. Модель подходит для черновой расшифровки речей, парламентских выступлений, телепередач и аудиокниг. Авторы отмечают высокое качество для норвежского языка среди ASR-моделей сопоставимого размера, но предупреждают о галлюцинациях, пропусках фрагментов и расхождении транскрипта с дословной речью: модель может нормализовать устную речь в грамматически правильный письменный текст или опускать части высказывания. Это публичная бета-версия, не предназначенная для производственного применения без оценки рисков. Лицензия — CC BY 4.0.

Qwen3-12B-20pct-Compressed-14B-EN-V1.5 — сжатая и дообученная для чата модель проекта Efficient and Robust AI System (E-AI), разработанного Vincent-Daniel Yun. В ней удалены 8 из 40 слоёв Qwen3-14B; в репозитории указано около 12 млрд параметров, а метаданные указывают 11,3 млрд. Модель принимает текст и генерирует текст, имеет контекст 40 960 токенов и ориентирована прежде всего на английский язык. Репозиторий распространяет веса в формате safetensors. Основное назначение модели — быстрая классификация и оценка текста: анализ тональности, тематики и намерений, модерация содержимого, проверка предпочтений, понимание прочитанного и ответы по материалам RAG. README также сообщает о результатах в медицинских и биомедицинских задачах. Для фактологических вопросов рекомендуется использовать поиск или RAG, а ответы держать короткими: модель может галлюцинировать факты, а длинная генерация, сложные рассуждения, математика и задачи с длинным контекстом не рекомендуются. В версии V1.5 включён контроль повторов по умолчанию; веса, согласно карточке, не изменились относительно V1. Модель основана на Qwen/Qwen3-14B и прошла сжатие удалением слоёв, восстановление и инструкционное дообучение для чата; методы сжатия и восстановления не раскрыты. Лицензия — Apache-2.0. Для Transformers требуется trust_remote_code=True из-за пользовательского слоя декодера; для vLLM в репозитории предусмотрен плагин.

Qwen3.8-27B Uncensored ROCmFP4-STRIX-MTP-GGUF — это исследовательская квантованная версия модели Qwen3.8-27B, опубликованная пользователем kingjones777. Модель поставляется в формате GGUF и оптимизирована для запуска через llama.cpp на графике AMD Strix Halo (gfx1151) с ROCm. Вариант Uncensored создан методом abliteration, уменьшающим отказы от ответов на вредоносные запросы; этот метод не добавляет модели новых возможностей. Модель предназначена для генерации текста и кода, локального инференса и экспериментов со speculative decoding через отдельную MTP-модель-черновик. Доступны варианты ROCmFP4 FAST и STRIX_LEAN, а также Q6-квантизации; размер STRIX_LEAN составляет около 13,59 GiB, FAST — около 13,33 GiB. Для заявленной производительности рекомендуется AMD Ryzen AI Max+ 395 с Radeon 8060S, ROCm 7.2.4, контекстом 8192 и MTP с параметром n=4; в этих условиях приведены скорости до 24,73 токена/с для прозы и около 42,70 токена/с для кода. Для работы требуется совместимая сборка llama.cpp или ROCmFPX и отдельный draft-файл Q4_0. Преимущества модели — локальный запуск, поддержка AMD ROCmFP4 и сниженное число отказов, а ограничения — экспериментальный статус, зависимость производительности от оборудования и настроек, отсутствие гарантий сохранения выравнивания и потенциальные проблемы совместимости отдельных сборок. Лицензия — Apache-2.0.

Это модель ivrit.ai для автоматического распознавания речи на иврите. Она основана на Whisper large-v3-turbo, дообучена на 295 часах речи с волонтёрскими транскрипциями из ivrit-ai/crowd-transcribe-v5 и 93 часах профессионально расшифрованной речи, а веса представлены в формате CTranslate2 для использования через faster-whisper. Модель принимает аудио и преобразует речь в текст; пример использования в карточке задаёт язык распознавания как иврит. Она предназначена для расшифровки аудиозаписей на иврите. Лицензия — Apache-2.0. Количественные оценки качества и ограничения в карточке не приведены.

Athene CodeGemma 2 7B v1.2 — дообученная EpistemeAI языковая модель для программирования, основанная на Athene-codegemma-2-7b-it-alpaca-v1.1 и архитектуре Gemma. Это плотная декодерная модель класса GemmaForCausalLM с 8,2 млрд параметров и контекстом 8192 токена; она принимает текстовые запросы и генерирует текст и код. Модель настроена следовать инструкциям и поддерживает диалоговый формат. Модель предназначена для генерации кода по описанию на естественном языке, ответов на вопросы о фрагментах кода и обсуждения задач программирования. При дообучении использовались датасеты с кодом на Python и Java. Карточка приводит пример генерации программы «Змейка» и указывает, что версия v1.1 создала её без ошибок по сравнению с исходной CodeGemma 7B IT; это не является гарантией качества версии v1.2. Поддержка указана для английского языка. Файлы доступны в форматах PyTorch и safetensors. Лицензия в метаданных — Apache-2.0; README также указывает, что на Gemma распространяются условия использования Google Gemma.

Skskskd/bliz-ia — языковая модель, разработанная пользователем или организацией Skskskd. Она предназначена для общих задач обработки и генерации текста, включая диалог, ответы на вопросы, суммаризацию и анализ документов. Модель имеет около 0,5 млрд параметров, основана на архитектуре llmv3/Transformer и поддерживает контекст до 32 768 токенов. Указана модальность text generation; сведений о поддерживаемых языках и мультимодальных возможностях не найдено. Небольшой размер делает модель подходящей для сред с ограниченными вычислительными ресурсами, а большое контекстное окно — для работы с длинными текстами. При этом по доступным данным нельзя надёжно оценить качество, специализированные преимущества и ограничения модели. Информация о лицензии и условиях самостоятельного использования не указана.

Это GGUF-квантизации языковой модели Qwen3.5-4B-Neo, разработанной Jackrong и подготовленной quantized_by bartowski с использованием llama.cpp и метода imatrix. Модель ориентирована на генерацию текста и задач с рассуждениями, включая competitive programming; в метаданных также указаны LoRA, chain-of-thought и unsloth. Для запуска подходят llama.cpp, LM Studio, koboldcpp, Jan AI, Text Generation Web UI и другие совместимые приложения. Модель имеет около 4 миллиардов параметров и распространяется в вариантах от BF16 до 3-битных и 4-битных квантизаций. Размер файлов составляет примерно от 2,33 до 8,42 ГБ; варианты различаются балансом между качеством и потреблением памяти. Для отдельных конфигураций заявлены высокое или близкое к исходному качество, а низкобитные варианты предназначены для систем с ограниченным объёмом RAM. В метаданных указаны языки English, Chinese и Korean; контекстное окно и точные архитектурные характеристики не приведены. README описывает текстовую модель, хотя pipeline_tag обозначен как image-text-to-text, поэтому возможности обработки изображений по представленным данным подтвердить нельзя. Модель может использоваться локально для генерации текста, решения задач программирования и экспериментов с reasoning-моделями. Ограничениями являются зависимость качества от выбранного уровня квантизации, отсутствие сведений о контекстном окне и подробных результатах оценки, а также возможная необходимость обновления программ для поддержки новой архитектуры. Указанная лицензия — Apache-2.0.

Pink Elephant 48B — языковая модель с архитектурой Mixture-of-Experts от Pink Elephant Limited, дообученная на инструкциях по программированию и математическим рассуждениям. В карточке указаны 47,7 млрд параметров общей ёмкости и около 14,7 млрд активных на токен; метаданные Hugging Face указывают 8,6 млрд параметров. Модель использует восемь экспертов на слой и маршрутизацию к двум из них для каждого токена. Контекст — 16 384 токена. Модель предназначена для генерации кода, следования инструкциям по разработке ПО и решения математических задач с пошаговыми рассуждениями. Это объединённая версия с уже встроенными адаптерами экспертов и обученным маршрутизатором; для инференса не требуется отдельно подключать адаптеры. Поддерживаются текстовый ввод и генерация текста, заявлен английский язык. Модель основана на MoE-базе Pink Elephant 48B, созданной путём расширения плотной модели Pink Elephant 14B. Обучение включало около 100 тысяч примеров по коду и математике. По заявлению карточки, специализация на этих задачах ограничивает широту общих знаний; длинные агентные сценарии могут требовать дополнительного обучения использованию инструментов. Результаты следует проверять перед применением в регулируемых и критически важных областях. Лицензия — MIT.

NoemaAI-labs выпустила Noema 1.5 2B MLX BF16 — конвертированную для MLX версию модели Noema 1.5 2B. Это плотная причинно-языковая модель семейства Qwen3.5 с 1,7 млрд параметров, предназначенная для генерации текста, диалогов, следования инструкциям, рассуждений и коротких фрагментов кода. Версия сохраняет веса в BF16 без квантизации и поддерживает контекст до 262 144 токенов; пакет подготовлен для запуска через MLX-LM на совместимом оборудовании Apple. Модель подходит для локального ассистента, ответов на инструкции, многоходового общения и генерации кода, например функций на Python. В метаданных указан английский язык. Репозиторий предоставляет веса для скачивания, но не предоставляет открытую лицензию, поэтому условия использования следует уточнить у разработчика перед применением.

OpenResearcher-30B-A3B — дообученная языковая модель для агентского глубокого исследования, разработанная командой OpenResearcher на базе NVIDIA-Nemotron-3-Nano-30B-A3B-Base-BF16. Модель обучали на 96 тысячах примеров OpenResearcher-Dataset с диалогами длиной более 100 ходов; датасет создан дистилляцией GPT-OSS-120B с использованием браузерных инструментов. Архитектура — Nemotron-H с причинным декодером. В метаданных указаны 1,9 млрд параметров и контекст до 262 144 токенов. Модель предназначена для многошагового поиска и синтеза информации, а также длительных исследовательских диалогов. Карточка сообщает о результате 54,8% на BrowseComp-Plus; это заявление разработчиков и оно само по себе не гарантирует аналогичного качества в других условиях. Для работы с внешними источниками требуется подходящая интеграция инструментов: наличие интерфейса вызова инструментов в метаданных не означает, что браузер входит в комплект модели. Репозиторий использует Transformers и формат Safetensors; лицензия — MIT.

paprika-whisper-lt-v3 — третье поколение модели распознавания литовской речи, созданное для kalamo.ai и дообученное на базе kristijonas/paprika-whisper-lt. Это плотная модель семейства Whisper с архитектурой WhisperForConditionalGeneration; в README указано, что она основана на whisper-large-v3-turbo и обучена на примерно 3 281 часе данных LIEPA-3. Модель принимает монофоническое аудио с частотой 16 кГц и преобразует речь в текст на литовском языке. Модель предназначена для транскрибации аудиозаписей и создания субтитров, в том числе для длинных файлов. Она рассчитана на высокую скорость работы: авторы указывают примерно 83-кратную скорость относительно реального времени и отмечают, что качество уступает некоторым более крупным литовским моделям. Вывод сохраняет разговорные формы речи, но по умолчанию содержит только строчные буквы и не содержит пунктуации; README рекомендует добавлять пунктуацию отдельным теггером. Для длинных записей README рекомендует длинноформатное декодирование и предупреждает, что сегментация фиксированными окнами может терять фрагменты речи или порождать текст на тишине. Доступ к весам предоставляется по лицензии CC BY 4.0.

Это дообученная модель распознавания речи на базе OpenAI Whisper medium, созданная dianavdavidson. Модель содержит 455,8 млн параметров и принимает аудио, чтобы преобразовывать речь в текст. По названию репозитория она настроена для распознавания хинди; README сообщает о дообучении на неизвестном наборе данных. На оценочном наборе указаны loss 0,2355 и Global WER 26,3949, однако описание набора данных и условий оценки отсутствует. Модель распространяется в формате safetensors через Transformers по лицензии Apache-2.0.

Jacaranda Health разработала модель распознавания речи на базе Whisper medium, дообученную для транскрибирования речи на суахили и английском языках. Модель принимает аудио и выдаёт текст; число параметров — 455,8 млн. В метаданных указано объединение моделей openai/whisper-medium и openai/whisper-small, а README описывает дообучение whisper-medium на Common Voice 17.0. Поэтому точный способ получения чекпойнта по источникам расходится. Модель подходит для расшифровки записей и смешанной речи на суахили и английском. README сообщает WER 14,7 на оценочном наборе и улучшение по сравнению с базовой моделью, особенно для суахили, но подробности протокола оценки не приведены. Лицензия в метаданных — CC BY-SA 4.0; README ограничивает назначение исследованиями, общественно полезными и внутренними сценариями, а коммерческое использование и распространение предлагает согласовывать с Jacaranda Health.

Canopy-258M-R3 v2 — компактная каузальная языковая модель семейства Canopy, разработанная авторами репозитория psikosen/canopy-258m-r3-v2. В README заявлена архитектура recurrent Mixture-of-Experts с маршрутизацией Top-2 по восьми экспертам и повторным выполнением шести средних MoE-блоков; метаданные указывают класс CanopyForCausalLM и 136,8 млн параметров, тогда как README приводит около 258,6 млн общих и около 112 млн активных параметров на токен. Модель предназначена для генерации текста, математических рассуждений, синтеза Python-кода и управления браузером. Авторы заявляют 50% успешных запусков HumanEval, 100% синтаксически корректного кода и прохождение набора из семи типов веб-взаимодействий; эти результаты приведены в карточке модели и не являются независимой оценкой. Модель ориентирована на высокую скорость работы на периферийных устройствах. В метаданных указан английский язык, поддержка чата и кода, формат safetensors и лицензия Apache-2.0. Длина контекста в предоставленных источниках не приведена.

Fathom-Synthesizer-4B — языковая модель от FractalAIResearch, дообученная на базе Qwen/Qwen3-4B для синтеза результатов исследований и подготовки развёрнутых отчётов. Она преобразует поисковые и исследовательские трассы в связные отчёты с цитатами: протокол plan-then-write предусматривает декомпозицию вопроса, сопоставление источников с разделами и планирование выводов. Модель предназначена для работы в составе системы Fathom-DeepResearch; для поиска в реальном интернете ей требуется отдельный поисковый сервер и соответствующие инструменты. Модель имеет плотную архитектуру Qwen3ForCausalLM, около 3,7 млрд параметров и контекст до 40 960 токенов. При запуске авторы используют масштабирование YARN с RoPE factor 2.0. Она принимает текст и генерирует текст; README не заявляет отдельную поддержку изображений или иных модальностей. Модель распространяется под лицензией MIT. Карточка не приводит специфических для синтезатора ограничений качества или перечня поддерживаемых языков.

LFM2.5-ColBERT-350M — многоязычная модель поиска Liquid AI для семантического извлечения документов и ранжирования результатов. Она использует двунаправленную архитектуру LFM2 и позднее взаимодействие ColBERT: модель строит векторы для токенов запроса и документа, а релевантность оценивает по их совпадениям через MaxSim. Модель содержит около 350 млн параметров по README; метаданные каталога указывают 443,4 млн. Базой служит LiquidAI/LFM2.5-350M-Base с двунаправленными изменениями. Реализация доступна в формате safetensors через PyLate. Модель предназначена для многоязычного и межъязыкового поиска в RAG-системах, включая поиск по каталогам товаров, базам FAQ и поддержки, а также внутренним документам. Её также можно применять для повторного ранжирования результатов первичного поиска. README рекомендует длину документа до 512 токенов и запроса до 32 токенов; контекстное окно в метаданных составляет 128 000 токенов. Поддерживаются английский, испанский, немецкий, французский, итальянский, португальский, арабский, шведский, норвежский, японский и корейский языки. Многовекторное представление обеспечивает более точное сопоставление, чем одно векторное представление, но увеличивает размер поискового индекса. Модель ориентирована на сценарии с коротким контекстом. Лицензия указана как other; конкретные условия использования следует сверить с карточкой модели.

nougatCharJawiAHR — дообученная модель bustamiyusoef для преобразования изображений в текст. Она основана на bustamiyusoef/_base_nougat_JawiChar и использует архитектуру vision-encoder-decoder; в репозитории доступны веса safetensors. Модель предназначена для задач, где нужно получить текст из изображения. В README приведено значение Loss 2.0337 на оценочном наборе, но описание набора данных и подробности обучения отсутствуют. Лицензия — CC BY-NC 4.0, которая ограничивает коммерческое использование.

PaliGemma — компактная модель «зрение—язык» на 3 млрд параметров, основанная на визуальном энкодере SigLIP и языковой модели Gemma. Она принимает изображение и текст, а в ответ генерирует текст; в README описаны входные изображения 224 × 224 и последовательности текста длиной до 128 токенов. Модель представлена в формате safetensors и предназначена прежде всего для дообучения под конкретные задачи, а не для диалога. После настройки под задачу PaliGemma подходит для описания изображений и коротких видео, визуальных вопросов и ответов, чтения текста на изображениях, обнаружения и сегментации объектов. README также приводит примеры специализированных сценариев: вопросы по снимкам дистанционного зондирования, помощь незрячим пользователям в понимании изображений и анализ элементов интерфейса. Упомянута поддержка нескольких языков, но конкретные языки для этой модели не перечислены. Модель может ошибаться в фактических ответах и испытывать трудности со сложными открытыми запросами, нюансами языка и здравым смыслом. Качество без дообучения под конкретную задачу может уступать специализированным моделям; PaliGemma рассчитана на один раунд ввода изображения и текста. Указана лицензия Gemma.

retriever_module — англоязычная модель Sentence Transformers, дообученная разработчиком на базе sentence-transformers/all-mpnet-base-v2 для сопоставления терминов и текстовых фрагментов. Она кодирует предложения и абзацы в плотные векторы размерности 768; близость векторов оценивается косинусным сходством. Архитектура включает MPNet, усреднение токенных представлений и нормализацию. В README указана максимальная длина последовательности 384 токена; метаданные указывают нативный контекст 514 токенов. Модель подходит для семантического поиска, поиска похожих формулировок, сопоставления терминов с описаниями, поиска перефразировок и кластеризации англоязычных текстов. Обучение описано на парах anchor-positive с MultipleNegativesRankingLoss; приведены примеры терминов и формулировок из области приёма пациентов и медицинских организаций, но модель не заявлена как специализированная медицинская модель. В README также перечислена классификация текста как возможное применение эмбеддингов. Репозиторий распространяется по лицензии Apache-2.0. Указанный обучающий и оценочный набор содержит пары текстов; в карточке нет результатов, позволяющих оценить качество на широком круге задач. Для надёжной работы следует учитывать заявленное ограничение длины последовательности и проверять качество на данных целевого применения.

Grug 35B A3B — экспериментальная компактная донастройка модели Qwen/Qwen3.6-35B-A3B, созданная автором репозитория. Это текстовая MoE-модель для генерации ответов и диалогов, настроенная выдавать короткие, насыщенные рассуждения с сохранением ограничений, вычислений, проверок и важных граничных случаев. По карточке, в архитектуре 35 млрд параметров, из которых примерно 3 млрд активируются на токен; используются 40 текстовых слоёв, 256 экспертов и до 8 маршрутизируемых экспертов вместе с общим экспертным путём. Нативная длина контекста — 262 144 токена. Модель обучена с помощью QLoRA/PEFT LoRA и опубликована со слитыми весами в формате Transformers/safetensors; отдельный адаптер для загрузки не требуется. В обучении использованы наборы для общего рассуждения, математики и программирования. По README, обучение было небольшим, а проверка ограничивалась локальными smoke-тестами, поэтому качество не подтверждено широкими бенчмарками. Модель может чрезмерно сокращать объяснения в задачах, где нужны длинные выводы, и наследует ограничения базовой модели. Лицензия репозитория — Apache-2.0.

Rahvusarhiiv разработал экспериментальную модель для суммаризации текстов на латышском языке, дообучив mBART-50 `facebook/mbart-large-50-many-to-many-mmt`. Это последовательная модель типа encoder-decoder на базе MBART; репозиторий содержит веса Safetensors. Её применяют для краткого пересказа новостей, юридических и административных материалов, энциклопедических текстов и академических публикаций, в том числе в пакетной обработке и retrieval-assisted сценариях с проверкой результата. Вторая версия обучена на 30 000 примерах, преимущественно на латышских новостях, с меньшими долями юридических и академических текстов. В сравнительных оценках она улучшила результаты на двух новостных наборах и точность опоры на исходный текст, но стала короче пересказывать энциклопедические материалы. Метаданные указывают контекст до 1024 токенов; в карточке для рекомендуемой генерации приведены 768 входных токенов и до 512 новых токенов. Лицензия обозначена как `other`. Модель может галлюцинировать или обобщать детали, особенно для длинных и недостаточно конкретных входов; имена, числа, даты и юридические ссылки нужно сверять с источником. Она может пропускать второстепенные сведения, а гарантированного управления длиной резюме нет. Для публикации и решений с существенными последствиями необходима проверка человеком.

elprofessor67/om-logistics-pod-v7-8b — дообученная модель elprofessor67 на базе elprofessor67/om-logistics-pod-v3. Это мультимодальная модель семейства Qwen3-VL для диалога с текстом и изображениями; карточка указывает поддержку vision и интерфейса вызова инструментов. Модель предназначена для задач image-text-to-text, то есть для формирования текстового ответа по текстовому запросу и изображению. Модель обучалась с использованием Unsloth и библиотеки TRL от Hugging Face. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. README не уточняет специализацию, размер параметров или длину контекста, поэтому их нельзя надёжно описать.

Reason-mxbai-colbert-v0.1-32m — англоязычная модель поиска документов, разработанная на основе mixedbread-ai/mxbai-edge-colbert-v0-32m и дообученная командой DataScience-UIBK. Это компактная ColBERT-модель с архитектурой ModernBERT и поздним взаимодействием: она строит многовекторные представления запросов и документов и сопоставляет их с помощью MaxSim. Размер составляет около 31,9 млн параметров, размерность вектора на токен — 128, а длина контекста по метаданным — 7999 токенов. Модель предназначена для семантического поиска и ранжирования документов, в том числе по сложным естественно-языковым и формальным математическим запросам. В версии v0.1 исправлена конфигурация остаточной связи проекционного слоя и расширена выходная проекция с 64 до 128 измерений; автор сообщает улучшение среднего BRIGHT nDCG@10 с 19,00 до 19,61 относительно v0. Лицензия — Apache-2.0. Модель специализируется на retrieval, а не на генерации ответов. Для сравнения длинных документов вычисления MaxSim могут быть затратными; результаты зависят от параметров обработки запросов и документов, а README приводит оценку с конкретными ограничениями длины и способом поиска.

SaShi 1.0 Vision — мультимодальная модель для работы с изображениями, разработанная ftmdeveloperz006, двумя авторами из Варанаси, Индия. Она объединяет генерацию изображений по текстовому описанию, преобразование и стилизацию существующих изображений, а также ответы на вопросы по изображениям и распознавание текста на хинди и английском языках. В карточке заявлены фотореалистичная генерация, работа с индийскими культурными памятниками, портретами, эскизами, чеками, вывесками и диаграммами. Модель распространяется в формате Diffusers с весами safetensors по лицензии Apache-2.0. Метаданные указывают задачу visual-question-answering, тогда как каталог также относит её к text-to-image; README заявляет обе задачи, а также преобразование изображений. Заявление о разрешении 8K содержится в тегах и карточке, но подробности архитектуры, размера и длины контекста не приводятся.

Модель dianavdavidson/whisper-medium_iv_hindi_vaani_62509_ratio_alldata_lr_1e-4_lgid_None_mixratio_0.75_FT — дообученная версия Whisper Medium от OpenAI для автоматического распознавания речи. Она принимает аудио и генерирует текст; название указывает на настройку для Hindi, но карточка не описывает состав обучающих данных или условия записи. В оценке указаны loss 0,3762 и Global WER 28,5523. Модель построена на Whisper Medium с архитектурой WhisperForConditionalGeneration, содержит около 455,8 млн параметров и распространяется в формате safetensors. Лицензия — Apache-2.0.

sapinsapin/whisper-small-fsc — модель распознавания речи на основе openai/whisper-small, дообученная автором на корпусе sapinsapin/filipinospeechcorpus для филиппинского языка, включая тагальскую речь и смешанную речь Taglish. Архитектура — WhisperForConditionalGeneration; модель принимает аудио и выдаёт текстовую транскрипцию. Модель обучалась 2000 шагов на 10 000 аудиофрагментах. На отложенной выборке указаны WER 0,1591 и CER 0,0706; CER использовался для выбора модели, поскольку орфография Taglish может различаться на уровне слов. Распознавание речи — основная поддерживаемая задача. Лицензия — Apache-2.0.