IV.6Научные исследования, математика и новые материалы

Карточка модели mergekit-community/mergekit-slerp-nfoezyj на Hugging Face совпадает с карточкой arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP, поэтому описание составлено по ней. arcee-ai/Hermes-2-Pro-WizardMath-7B-SLERP — объединённая языковая модель, созданная с помощью mergekit методом SLERP из NousResearch/Hermes-2-Pro-Mistral-7B и WizardLM/WizardMath-7B-V1.1. Это плотная авторегрессионная модель архитектуры Mistral с 7,1 млрд параметров, работающая через Transformers и распространяемая в формате safetensors. Для объединения использована конфигурация bfloat16 с весовой кривой, отдающей входные и выходные слои Hermes, а средние слои — WizardMath. Модель предназначена для генерации текста в диалоге и решения математических задач на естественном языке. Контекст составляет до 32 768 токенов; метаданные также отмечают интерфейс вызова функций. Карточка не содержит сведений о лицензии, поэтому условия использования по имеющимся данным определить нельзя. Качество решения задач и ограничения на применение отдельно не описаны.

Qwen3.5-9B-Claude-4.6-Opus-Reasoning-Distilled-v2-GGUF — модель на базе Qwen/Qwen3.5-9B, доработанная автором Jackrong с использованием Unsloth и дистилляции рассуждений в стиле Claude 4.6 Opus. Это reasoning-ориентированный fine-tune для задач математики, текстовых задач, логического вывода, общих знаний и следования инструкциям. Модель также может применяться в агентских сценариях и для программирования, однако программный код не был основным направлением обучения. Версия v2 обучалась на 14 000 образцах общих рассуждений с акцентом на компактные и переносимые шаблоны мышления. Заявленная сильная сторона — повышенная эффективность рассуждений: модель должна формировать более короткие цепочки рассуждений, снижая задержку, нагрузку на память и стоимость генерации, при сохранении или улучшении точности. В README упоминается более чем 20-процентное сокращение числа символов и токенов, но числовые результаты бенчмарков приведены преимущественно на изображениях. Модель заявлена для английского, китайского и корейского языков. В метаданных указан pipeline image-text-to-text, однако подробности о поддержке изображений, мультимодальной архитектуре и фактических возможностях работы с визуальными данными не приведены. Размер базовой модели составляет 9B параметров; контекстное окно и точные архитектурные характеристики не указаны. Ограничением является возможное снижение широких универсальных способностей из-за ограниченного объёма и области SFT-обучения. Модель распространяется по лицензии Apache-2.0.

elplaguister/qwen_chemTEB — дообученная модель Sentence Transformers на базе Qwen/Qwen3-Embedding-0.6B, разработанная elplaguister. Она преобразует предложения и абзацы в плотные векторы размерности 1024, нормализованные для сравнения косинусным сходством. Архитектура включает Qwen3Model, объединение по последнему токену и нормализацию; README указывает максимальную длину последовательности 1024 токена. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текста на основе эмбеддингов. В обучающей выборке 2 976 пар anchor-positive; примеры включают извлечение полей из паспортов безопасности химических веществ и соответствие запросов фрагментам текста, что указывает на специализацию в химико-технических документах. Метаданные указывают 507,6 млн параметров и контекстную длину базовой модели 32 768 токенов, но README для этой модели задаёт максимум 1024 токена. Лицензия в предоставленных данных не указана.

Segment Anything Model (SAM) ViT-B — модель сегментации изображений, разработанная Meta AI и опубликованная в рамках проекта Segment Anything. Она выделяет объекты по подсказкам в виде точек, ограничивающих рамок или масок, а также может автоматически генерировать маски для объектов на изображении без предварительной настройки под конкретный набор классов. Модель состоит из визуального ViT-энкодера, энкодера подсказок и трансформерного декодера масок. Обучение проводилось на наборе из 11 млн изображений и 1,1 млрд масок; модель демонстрирует перенос на новые распределения изображений в режиме zero-shot. Входом служит изображение с визуальными подсказками либо изображение для автоматической генерации масок, результатом — маски сегментации. Текстовые подсказки официальной реализацией не поддерживаются. Модель подходит для интерактивной разметки изображений, подготовки масок для обучающих данных и автоматической сегментации объектов. Репозиторий предоставляет веса в форматах PyTorch, Safetensors и TensorFlow. Лицензия — Apache-2.0.

TabFM 1.1.0 — табличная фундаментальная модель Google Research для классификации и регрессии на структурированных данных. Эта версия содержит веса PyTorch; модель использует числовые и категориальные признаки и выполняет zero-shot предсказание: примеры обучающей выборки передаются как контекст, после чего модель выдаёт прогноз за один проход без дообучения и подбора гиперпараметров. Архитектура сочетает внимание по столбцам и строкам с причинным трансформером для обучения в контексте. Для классификации поддерживается до 10 классов. Модель предназначена для табличных данных, например DataFrame pandas или массивов NumPy, и не рассчитана на изображения, аудио, видео, сырой текст, графы или последовательности. Потребление памяти растёт с числом строк контекста; качество может снижаться на таблицах шире 500 признаков, а результат на конкретных данных нужно проверять отдельно, особенно в высокорисковых сценариях. Модель разработана командой Google Research и обучена на синтетических наборах данных, сгенерированных структурными причинными моделями. Лицензия указана как other; README исключает коммерческое использование. Модель не является официально поддерживаемым продуктом Google.

TS-ICL — модель временных рядов из репозитория taharnbl/TS-ICL, связанная с проектом EDF-Lab/ts-icl. Это foundation model для прогнозирования временных рядов; в метаданных Hugging Face указана задача time-series-forecasting и библиотека tsicl. Репозиторий содержит веса PyTorch, а README сообщает об установке библиотеки командой pip install tsicl. Модель предназначена для прогнозирования временных рядов. В тегах также упомянута импутация временных рядов, но она не указана среди подтверждённых задач каталога. Лицензия обозначена как other; конкретные условия использования в доступных данных не раскрыты. Размер модели, контекст и поддерживаемые языки не описаны.

Salesforce AI Research разработала XGen-MM — семейство больших мультимодальных моделей, продолжающее серию BLIP. Эта версия — инструктивно дообученная модель на базе Phi-3 Mini для диалога по изображениям и тексту; семейство обучалось на данных для создания описаний изображений и чередующихся последовательностях изображений и текста. Модель поддерживает изображения высокого разрешения с эффективной выборкой визуальных токенов. Модель предназначена для ответов на вопросы об изображениях, описания сцен и других задач визуального понимания в формате диалога. В карточке приведены результаты оценок на мультимодальных бенчмарках, включая MMBench, MME, MMMU и ScienceQA. Размер параметров и длина контекста для этой конкретной версии в предоставленных данных не указаны. Модель принимает изображения и текст и генерирует текст; в метаданных указан английский язык. Известные ограничения включают возможные смещения из обучающих данных и ошибки в точности, безопасности и справедливости; качество ответа может зависеть от исходного разрешения изображения. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование, а авторы рекомендуют оценивать риски перед применением.

YamshadowT3q-7B — текстовая модель генерации на 7,1 млрд параметров, автоматически объединённая Maxime Labonne методом DARE-TIES. В конфигурации объединения указана модель chihoonlee10/T3Q-Mistral-Orca-Math-DPO, дообученная на математических данных, а также automerger/YamShadow-7B; метаданные каталога указывают T3Q-Mistral-Orca-Math-DPO как базовую модель. Архитектура — плотная Mistral, формат весов — safetensors, контекст — до 32 768 токенов. Модель предназначена для генерации текста по запросам; математическая основа предполагает применимость к ответам на математические вопросы и задачам с вычислениями, хотя карточка не содержит оценок качества. Для использования приведён пример загрузки через Transformers. Распространяется по лицензии Apache-2.0.

Falcon-TST Large — модель временных рядов с архитектурой Mixture of Experts (MoE), предназначенная для прогнозирования. Она использует несколько токенизаторов патчей для эффективной обработки временных рядов и рассчитана на применение в задачах прогнозирования. Модель содержит 33,6 млн параметров и поддерживает контекст длиной 2880 токенов. Репозиторий содержит веса в формате safetensors. В карточке заявлены эффективность обработки и высокая точность на различных задачах прогнозирования, но сравнительные результаты и конкретные наборы данных не приведены. Лицензия — Apache-2.0.

SkyworkVL-38B — мультимодальная чат-модель семейства Skywork, разработанная командой Skywork и дообученная на базе OpenGVLab/InternVL2_5-38B. Модель содержит 38 млрд параметров и предназначена для диалога с изображениями и решения задач визуального анализа. В README описаны обучение на 2 млн примеров с подписями и вопросами, многоэтапная настройка и дополнительное обучение на данных с пошаговыми рассуждениями. Модель обрабатывает изображения в нескольких разрешениях и поддерживает визуальные вопросы и ответы, OCR, анализ диаграмм и научных изображений, а также задачи по математике и другим учебным дисциплинам. В карточке приведены результаты на MathVista, MMMU, AI2D, OCRBench, MME, RealWorldQA и HallusionBench. Для запуска README приводит пример с Transformers и bfloat16; интерфейс включает чат и tool calling. Модель опубликована в формате safetensors по лицензии Apache-2.0. Заявленные в README преимущества относятся к визуальному анализу и рассуждениям, однако приведённые таблицы сравнивают базовые модели и не показывают отдельные численные результаты SkyworkVL-38B. Для запуска может потребоваться значительный объём вычислительных ресурсов из-за размера в 38 млрд параметров.

Bee-8B-SFT — мультимодальная модель с открытыми весами от команды Open-Bee, дообученная на базе Qwen/Qwen3-8B на корпусе Honey-Data-15M примерно из 15 миллионов примеров. Архитектура Bee — плотная модель класса BeeForConditionalGeneration; она принимает изображения и текст и отвечает в формате диалога. Для работы доступны режимы с рассуждениями и без них. Модель предназначена для диалоговых сценариев с изображениями и текстом, включая сложные рассуждения, математические задачи, анализ документов, диаграмм и других структурированных визуальных данных. Авторы сообщают о высоких результатах на MathVerse, LogicVista, DynaMath и CharXiv; поддерживаются Transformers и vLLM. Карточка указывает английский язык, а базовая Qwen3-8B описана как многоязычная. Размер контекста в предоставленных данных не указан. Модель распространяется по лицензии Apache-2.0. Заявления о качестве основаны на результатах бенчмарков авторов; конкретные ограничения и гарантии качества не описаны.

Olmo-3-Think-AIO-GGUF — набор GGUF-квантизаций моделей Olmo-3-32B-Think и Olmo-3-7B-Think, разработанных Allen Institute for AI и подготовленных для использования через совместимые инструменты, включая llama.cpp. Модели относятся к семейству открытых плотных трансформерных языковых моделей Olmo 3 с вариантом Think, предназначенным для прозрачного пошагового рассуждения и исследовательских задач в области agentic AI. Модели предназначены для генерации текста, объяснения решений, декомпозиции формальных задач, математического рассуждения, генерации кода и исследований, связанных с reinforcement learning. Указан английский язык и сценарий text generation. Для версии 32B заявлена поддержка контекста до 65 000 токенов. В репозитории представлены варианты GGUF с разными форматами точности и квантования — от F32 и BF16 до компактных IQ- и Q-серий, что позволяет выбирать между качеством, размером файла и требованиями к оборудованию; размеры файлов 32B-версии составляют примерно от 7 до 129 ГБ. К сильным сторонам относятся открытость, возможность инспектировать промежуточные цепочки рассуждений, ориентация на задачи математики и кода, длинный контекст и широкий выбор локальных форматов. Ограничения включают значительные требования к памяти для крупных и высокоточных вариантов, возможное снижение качества при агрессивном квантовании, а также отсутствие заявленной поддержки мультимодальных входов и языков кроме английского. Указанная лицензия — Apache-2.0.

Hercules-3.0-Mistral-7B — языковая модель на архитектуре Mistral, дообученная Locutusque на базе Mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов; для работы с весами используется Transformers, файлы представлены в формате safetensors. Модель предназначена для диалогов и следования сложным инструкциям в научных и технических областях, включая биологию, химию, физику, математику, медицину и информатику. Она также рассчитана на вызов функций и помощь с кодом, в том числе в сценариях, где функции используются для исполнения кода. Обучение проводилось на Hercules-v3.0 и наборе разнообразных диалоговых, инструкционных, медицинских, математических и кодовых данных. Модель может выдавать токсичные ответы, ошибаться и галлюцинировать, особенно в специализированных темах; вызов функций также может быть использован небезопасно. В README рекомендуется предпочесть Hercules-2.5 до выхода Hercules-3.1 из-за ухудшения качества, связанного с одним из наборов обучения. Лицензия — Apache-2.0.

InternVL-Chat-V1-2 — мультимодальная большая языковая модель от OpenGVLab для диалога по изображениям и тексту. Она объединяет vision-энкодер InternViT-6B-448px-V1-2, MLP-проектор и языковую модель Nous-Hermes-2-Yi-34B; общее число параметров — 40 млрд. Модель опубликована в формате safetensors и предназначена для запуска через Transformers с поддержкой пользовательского кода модели. Модель отвечает на вопросы об изображениях, описывает их и обрабатывает визуальные инструкции. В обучающие данные включены примеры OCR, диаграмм, графиков, документов и научных иллюстраций; также поддерживается обычный текстовый диалог. Изображения обрабатываются с размером 448 × 448 пикселей и представляются 256 визуальными токенами. Карточка характеризует языковую часть как многоязычную, но не перечисляет конкретные языки. В README приведены сравнительные результаты на наборах тестов для визуальных вопросов и понимания изображений. Для запуска нужны значительные вычислительные ресурсы, соответствующие модели на 40 млрд параметров. В README отдельно предупреждают, что 4-битная квантизация BNB может привести к потере понимания изображений и бессмысленным ответам. Лицензия модели — MIT.

Qwen3.8-27B-NVFP4-Q8-Hybrid-Analytical-GGUF — производная GGUF-конверсия модели unsloth/Qwen3.8-27B-NVFP4, опубликованная Costanzo Padovano. Это неофициальный релиз Qwen, Unsloth, ggml-org или Z-Lab, подготовленный для локальных биоинформатических, программных, длинноконтекстных и vision-сценариев, включая задачи с инструментами и аналитическим выводом. Модель содержит 1 202 тензора: 168 матриц NVFP4, 338 аналитически чувствительных матриц Q8_0 и 696 тензоров F32. Заявленный нативный контекст составляет 262 144 токена. Для обработки изображений используется отдельный F16-проектор mmproj-F16.gguf. Валидация включала биоинформатические агентские задачи, vision-проектор и длинный контекст до 131 тысячи токенов; заявлена совместимость с llama.cpp и экспериментальной схемой спекулятивного декодирования DFlash2. Сильными сторонами являются гибридное квантование с сохранением точности чувствительных компонентов, поддержка длинного контекста, кода, биоинформатики и изображений, а также проверенные сценарии вызова инструментов. Экспериментальная конфигурация рассчитана на две NVIDIA RTX 5060 Ti по 16 ГБ, но это аппаратно-зависимая точка настройки, а универсальное ускорение DFlash2 не гарантируется. Стандартные сборки llama.cpp могут не поддерживать все использованные параметры. Производная модель распространяется по лицензии Apache-2.0; для работы требуются основной GGUF-файл и, при использовании vision, проектор.

Argus-Colqwen3.5-2b-v0 — модель для поиска по визуальным документам, разработанная группой Data Science Университета Инсбрука. Это дообученная версия Qwen/Qwen3.5-VL-2B-Instruct с 2,32 млрд параметров и мультимодальной архитектурой: она формирует многовекторные представления визуальных токенов размерностью 1024 и сопоставляет запросы со страницами документов с помощью late interaction MaxSim. Query-conditioned mixture of experts направляет регионы страницы в специализированные эксперты с учётом запроса, поэтому представление одной страницы может меняться в зависимости от того, какую информацию ищут. Модель предназначена для извлечения релевантных страниц и документов по текстовому запросу, в том числе в задачах визуального поиска по страницам документов. В README приведены результаты на ViDoRe v1 и v2; выпуск fp32 получен объединением LoRA-адаптера с базовой моделью, также существует вариант bf16. Модель принимает текстовый запрос и изображение документа и выдаёт векторы для ранжирования релевантности. Карточка описывает её как англоязычно-ориентированную; обучение также использовало мультиязычный набор, но его доля мала. Репозиторий распространяется по лицензии Apache 2.0. Ограничения: качество на языках помимо английского не оценено в этой версии, а более сложные текстовые запросы могут обрабатываться хуже, чем более крупной 4B-моделью. Маршрутизация через экспертов добавляет около 5% к задержке инференса относительно плотной базовой модели.

InternVL3-38B — мультимодальная модель OpenGVLab для диалога и анализа изображений вместе с текстом. Она построена по схеме ViT-MLP-LLM: визуальная часть InternViT соединена с языковой моделью через MLP-проектор; стратегия динамического разрешения разбивает изображения на фрагменты 448×448, а V2PE улучшает работу с длинными последовательностями визуальных токенов. Размер модели — 38 млрд параметров. Модель предназначена для ответов на вопросы по изображениям, визуального рассуждения, понимания нескольких изображений и видео, а также текстовых задач. В README семейство также описано как подходящее для работы с инструментами, GUI, промышленными изображениями и 3D-сценами. Метаданные указывают дообучение на базе OpenGVLab/InternVL3-38B-Instruct и поддержку чата; модель распространяется в формате safetensors через Transformers. Карточка сообщает о мультиязычной поддержке, но не перечисляет конкретные языки или длину контекста. Лицензия — Apache 2.0. Практическое ограничение: обработка нескольких изображений увеличивает число входных токенов и может требовать большего окна контекста.

MiroThinker v1.5-30B — поисковый агент для многошагового рассуждения и поиска информации, разработанный MiroMind и дообученный на базе Qwen/Qwen3-30B-A3B-Thinking-2507. Модель использует архитектуру Qwen3 MoE и предназначена для работы в диалоговом режиме с внешними инструментами через агентный фреймворк. Модель поддерживает контекст до 262 144 токенов и, согласно карточке, может выполнять до 400 вызовов инструментов за задачу. Она рассчитана на глубокие исследовательские запросы, требующие поиска, проверки сведений и последовательного уточнения ответа по обратной связи от среды. Метаданные указывают 2,6 млрд параметров; в README модель включена в серию, также представленную вариантом на 235 млрд параметров. В карточке заявлены результаты на бенчмарках HLE-Text, BrowseComp, BrowseComp-ZH и GAIA-Val-165; это заявления разработчика, а подробный технический отчёт на момент публикации карточки ещё не представлен. Для полноценного использования рекомендуется агентная инфраструктура с подключёнными инструментами и включённым режимом рассуждения. Модель распространяется по лицензии MIT.

TabPFNMix Regressor — регрессионная модель для табличных данных, разработанная AutoGluon. Это табличная foundation-модель на основе 12-слойного Transformer encoder-decoder с 37 млн параметров. Она предварительно обучена на синтетических наборах данных, полученных от смеси случайных регрессоров, и использует обучение в контексте, подобное TabPFN и TabForestPFN. Модель предназначена для предсказания числовых значений по признакам таблицы. Её можно применять для табличной регрессии; README указывает на использование через AutoGluon. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Argus-Colqwen3.5-9b-v0-bf16 — модель извлечения признаков для поиска по визуальным документам, разработанная группой Data Science Университета Инсбрука. Она дообучена на базе Qwen/Qwen3.5-VL-9B-Instruct и опубликована в формате bfloat16 после слияния LoRA-весов; размер модели — 8,82 млрд параметров. Модель преобразует изображения страниц и текстовые запросы в токеновые эмбеддинги для поиска с поздним взаимодействием. Её механизм разреженной смеси экспертов учитывает запрос и область страницы при маршрутизации визуальных токенов. Модель предназначена для визуального поиска и извлечения релевантных страниц в наборах документов: например, для поиска ответов в научных статьях, отчетах и материалах с диаграммами или сложной разметкой. По README, для страницы используется до 2048 визуальных токенов, размерность эмбеддинга на токен — 1024; авторы сообщают о результатах на английских наборах ViDoRe v1 и v2. Указанная лицензия — Apache-2.0. Модель ориентирована преимущественно на английский язык. README указывает потребность примерно в 17 ГБ видеопамяти для инференса bf16 и рекомендует одну GPU с объёмом памяти от 24 ГБ. Слияние в bf16 необратимо теряет часть точности относительно fp32-варианта; измеренная разница в результатах ViDoRe мала, но v3 ещё не оценивался.

LiteResearcher-4B — агентная языковая модель компании Simplex AI, дообученная на базе Qwen/Qwen3-4B-Thinking с помощью обучения с подкреплением. Она построена на архитектуре Qwen3ForCausalLM, содержит 3,7 млрд параметров и поддерживает контекст до 262 144 токенов. Модель предназначена для глубокого веб-исследования: она поочерёдно анализирует запрос, ищет сведения в интернете, посещает страницы и формирует ответ на основе собранных данных. Агент использует стиль ReAct и инструменты поиска и просмотра страниц; для работы с ними требуется внешняя инфраструктура и соответствующие ключи доступа. Карточка приводит результаты на бенчмарках GAIA, Xbench-DS и Frames, но они сами по себе не гарантируют аналогичное качество на других задачах. Модель принимает текст и генерирует текст; языковые теги карточки указывают английский и китайский. Распространяется по лицензии Apache-2.0.

dinushiTJ/nz-research-commons-embedding-gemma — текстовая Sentence Transformer-модель, дообученная на наборе nz_research_commons_embedding_triplets_5k. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и предназначена для поиска и сравнения текстов по косинусному сходству. Модель основана на текстовой архитектуре Gemma 3, содержит 302,8 млн параметров и принимает последовательности длиной до 2048 токенов. Обучение на 5 000 триплетах использовало TripletLoss; в README указана точность cosine_accuracy 0,984 на оценке TripletEvaluator для набора rc-triplet-eval. Подходит для семантического поиска и извлечения релевантных текстов в корпусе NZ Research Commons. Данные не описывают поддерживаемые естественные языки или лицензию, поэтому их нельзя надёжно указать.

Qwen2-VL-Ocrtest-2B-Instruct — дообученная PrithivMLmods мультимодальная модель на архитектуре Qwen2-VL для анализа изображений по текстовым запросам. Она предназначена для распознавания текста на изображениях, преобразования изображений в текст, решения математических задач и выдачи формул в LaTeX; поддерживает диалоговый режим. Модель принимает изображения и текст и генерирует текстовые ответы. По карточке базовая модель Qwen2-VL умеет работать с изображениями и видео, а распознавание текста внутри изображений заявлено для нескольких языков; метаданные карточки указывают английский язык. Модель содержит 1,5 млрд параметров, использует контекст до 32 768 токенов и формат весов Safetensors. Лицензия — Apache-2.0. README заявляет высокую точность OCR, однако не приводит отдельной оценки качества или подробностей обучения. Поэтому результаты распознавания и решения задач могут требовать проверки; заявленные возможности базовой модели, включая работу с длинными видео и управление устройствами, не следует считать подтверждёнными характеристиками этого дообученного чекпойнта.

tavakolih/all-MiniLM-L6-v2-pubmed-full — модель Sentence-Transformers на базе архитектуры BERT, обученная для преобразования предложений и абзацев в плотные векторы размерностью 384. В метаданных указаны 25,9 млн параметров, PyTorch и контекст до 512 токенов; датасет модели связан с PubMed. Модель предназначена для семантического поиска и кластеризации текстов: она представляет похожие по смыслу фрагменты близкими векторными представлениями. Обучение использовало MultipleNegativesRankingLoss с косинусным сходством. Это текстовая модель эмбеддингов, а не генератор ответов; лицензия и конкретная специализация на медицинских текстах в доступных данных не подтверждены.

DIVER-Retriever-4B — двуязычная модель текстовых эмбеддингов, разработанная AQ-MedAI на базе Qwen3-Embedding-4B. Она предназначена для семантического поиска и ранжирования, в том числе в задачах reasonIR и поиска по медицинским материалам; при обучении использовались данные по математике, программированию и здравоохранению, а также специально подобранные сложные отрицательные примеры. Модель имеет плотную архитектуру Qwen3ForCausalLM и около 3,7 млрд параметров. Она работает с китайским и английским языками, поддерживает контекст до 40 960 токенов и распространяется в формате safetensors для Transformers. Авторы сообщают о результатах на BRIGHT Leaderboard и MTEB Medical Benchmark. Для дообучения авторы рекомендуют ms-swift и loss-функцию InfoNCE. Лицензия — Apache-2.0. Модель ориентирована на поиск и сопоставление текстов; карточка не подтверждает, что её следует использовать как универсальную разговорную модель или как медицинский инструмент для принятия клинических решений.

bingbort/Einstein_x_Dolphin — объединённая языковая модель на архитектуре Mistral, созданная методом SLERP с помощью mergekit из Weyaxi/Einstein-v6-7B и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель содержит 7,1 млрд параметров, работает с текстом и предназначена для генерации ответов в диалоговом формате. Модель подходит для чат-общения и решения задач, сочетающих возможности исходных моделей Einstein и Dolphin. Заявленная длина контекста составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors; для работы используется библиотека Transformers. Язык модели в предоставленных данных не установлен отдельно. Условия лицензии в карточке не приведены.

Fireball-Mistral-Nemo-Instruct-emo-PHD — инструктивная языковая модель EpistemeAI2, дообученная на базе unsloth/Mistral-Nemo-Instruct-2407-bnb-4bit. Это плотная трансформерная модель семейства Mistral с архитектурой MistralForCausalLM и 12,1 млрд параметров. В карточке заявлено дообучение на данных с симулированными эмоциями, философией, дедуктивными рассуждениями, математикой и наукой. Модель предназначена для диалоговой генерации текста, рассуждений и ответов на вопросы; также поддерживает интерфейс вызова инструментов. Карточка описывает базовую Mistral Nemo как многоязычную модель с данными по программированию и контекстом 128 тысяч токенов, тогда как метаданные репозитория указывают нативный контекст 1 024 000 токенов. Лицензия — Apache 2.0. README рекомендует низкую температуру генерации, около 0,3.

DolphinVision 72B — мультимодальная модель, созданная Quan Nguyen, Eric Hartford и Cognitive Computations. Она дообучена на базе Qwen2-72B и предназначена для диалогов, генерации текста и анализа изображений: модель может отвечать на вопросы о содержимом изображений и описывать его. Модель содержит 71,5 млрд параметров, использует архитектуру llava-qwen2 и поддерживает контекст до 131 072 токенов. В README приведены результаты на наборах VQA v2, MMBench, MMMU, MathVista и RealWorldQA. Авторы характеризуют её как uncensored и отмечают способность обсуждать изображения, от которых могут отказаться другие модели. Лицензия указана как other, поэтому конкретные условия использования следует проверять в карточке модели. Это крупная модель, для запуска которой требуются значительные вычислительные ресурсы; приведённые бенчмарки не гарантируют качество на любых данных.

Einstein-4D-Marcoro14-7B-full-slerp — объединённая языковая модель, созданная с помощью LazyMergekit методом SLERP из argilla/distilabeled-Marcoro14-7B-slerp-full и Weyaxi/Einstein-v4-7B. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, рассчитанная на генерацию текста; базовая модель Einstein-v4-7B предназначена для диалогов, следования инструкциям и ответов на вопросы, включая научные и математические темы. Модель принимает текст и генерирует текст. Её родной контекст составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors, а лицензия указана как Apache-2.0. Карточка не приводит отдельной оценки качества или подробных ограничений для полученного объединения.

Mitra-v2 Regressor — табличная фундаментальная модель регрессии от AutoGluon. Это второе поколение Mitra, обученное на синтетических наборах данных, созданных с помощью смеси случайных регрессоров, включая Hybrid SCM prior. Модель использует 12-слойный двумерный Transformer с 76,7 млн параметров и механизмом внимания по строкам и столбцам, рассчитанный на обучение в контексте. Для регрессии она предсказывает распределение по 1 000 целевым бинам, а точечный прогноз вычисляет как среднее этого распределения. Модель предназначена для прогнозирования числовых целевых значений по табличным данным. По сравнению с Mitra-v1 она обучена с контекстом в десять раз длиннее и поддерживает втрое больше признаков; также обновлены оптимизатор и выходная голова. README сообщает о высокой точности на бенчмарках TabArena и TALENT и о возможности получать прогнозные распределения для вероятностной оценки. Для использования требуется AutoGluon и пакет mitra-finetune. Лицензия — Apache-2.0.