IV.8Государственное управление, правосудие и чрезвычайные ситуации

ModernCamemBERT-bio-v2-large — франкоязычная биомедицинская encoder-модель семейства ModernBERT, разработанная Рианом Тушаном и Эриком де ла Клержери из Sorbonne Université и Inria Paris. Она создана продолжением предобучения ModernCamemBERT-bio-large на клинических текстах и синтетических учебных материалах, сформированных с опорой на онтологии CIM-10, CCAM и ATC. В модели около 376,7 млн параметров, окно контекста — 8 192 токена; в репозитории используются веса Safetensors. Модель предназначена для представления французских биомедицинских документов и последующего применения к классификации длинных документов и задачам медицинского кодирования. В карточке приведён средний результат micro-F1 72,8 на документальном бенчмарке и лучшие среди сравнивавшихся вариантов показатели на задачах кодирования. Метаданные Hugging Face классифицируют её как fill-mask, то есть предсказание замаскированных токенов. Это продолженное предобучение ModernCamemBERT-bio-large без специализированной головы для конкретной задачи; для классификации или кодирования может понадобиться дополнительная настройка под задачу. Модель выпущена по лицензии MIT. Оценка в карточке относится к указанному французскому биомедицинскому бенчмарку и сама по себе не гарантирует качество на других данных или сценариях.

Модель BSC-NLP4BIA/multiclinner-it-symptom-bioBIT разработана командой NLP4BIA Барселонского суперкомпьютерного центра для распознавания упоминаний симптомов в итальянских клинических текстах. Это дообученная для token classification модель BERT на базе IVN-RIN/bioBIT с 137,1 млн параметров и контекстом до 512 токенов. Она размечает слова тегами BIO: O, B-SYMPTOM и I-SYMPTOM. Модель предназначена для извлечения симптомов из клинических записей и электронных медицинских карт. На тестовых документах MultiClinNER для итальянского языка показала strict F1 0,6217 и символьный F1 0,7648. Для совпадения с оценкой авторов при инференсе следует воспроизводить обучение на предварительно токенизированном тексте и выравнивать смещения; обычная токенизация может менять границы сущностей, особенно рядом с пунктуацией. Авторы не оценивали систематически смещения модели. Лицензия — CC BY 4.0.

ishikaa/acquisition_student_medmcqa_gradient_sft_llama8b — текстовая генеративная модель на базе архитектуры Llama с дообучением методом supervised fine-tuning (SFT). Модель опубликована пользователем или организацией ishikaa и содержит около 7,5 млрд параметров; для работы предполагается библиотека Transformers. Название модели указывает на связь с задачей MedMCQA и медицинскими вопросами с вариантами ответа. Модель предназначена для генерации ответов и диалоговых сценариев, включая формулирование ответов на медицинские вопросы и объяснений к ним. Она поддерживает контекст длиной до 131 072 токенов, что позволяет обрабатывать длинные входные инструкции и документы. В метаданных также отмечены conversational-сценарии и формат safetensors. README содержит только автоматически сгенерированную карточку и не предоставляет сведений о разработчиках, лицензии, языках обучения, датасете, методике оценки или результатах тестирования. Поэтому модель следует использовать как исследовательский инструмент и обязательно проверять её ответы, особенно в медицинских сценариях.

Bone-Fracture-Detection — модель бинарной классификации рентгеновских снимков костей, разработанная prithivMLmods на основе SigLIP 2 Base Patch16-224 и дообученная на наборе Hemg/bone-fracture-detection. Она относит снимок к одному из двух классов: перелом или отсутствие перелома. Модель предназначена для поддержки анализа медицинских изображений, сортировки случаев и помощи при первичном просмотре рентгенограмм. В отчёте на 8 863 примерах указана точность 83,03%; полнота для класса «перелом» — 78,93%, а для класса «без перелома» — 87,22%. Модель принимает изображение и выдаёт оценки классов. Эти показатели описывают приведённую оценку на конкретном наборе данных и не подтверждают клиническую пригодность. Модель выпущена под лицензией Apache-2.0.

Модель Hemgg/bone-fracture-detection-using-xray — дообученный Vision Transformer на основе google/vit-base-patch16-224-in21k для классификации рентгеновских изображений с целью выявления переломов костей. Она содержит 113,2 млн параметров и распространяется в формате safetensors. В карточке указаны точность 0,9769 и loss 0,0458 на оценочном наборе данных; набор данных не описан. Модель предназначена для автоматизированного анализа рентгенограмм и может служить вспомогательным инструментом при сортировке снимков. Она не заменяет заключение врача. Лицензия — Apache-2.0.

Hulu-Med-14B — медицинская мультимодальная модель семейства Hulu-Med, разработанная командой ZJU-AI4H. Это вариант на 14 млрд параметров с архитектурой MoE на базе Qwen3-14B; модель принимает медицинский текст, изображения и видео, включая двумерные снимки, трёхмерные объёмы и хирургические ролики. Контекст составляет 40 960 токенов. Модель предназначена для визуальных вопросов и ответов, подготовки медицинских заключений, распознавания заболеваний, анатомического анализа, клинического диалога, медицинских рассуждений и распознавания этапов хирургических операций. В карточке также заявлена поддержка многоязычных медицинских вопросов и ответов. Модель рассчитана на медицинские сценарии, но приведённые результаты бенчмарков сами по себе не подтверждают её пригодность для принятия клинических решений. Веса опубликованы в формате Safetensors, указана лицензия Apache-2.0. Для запуска предусмотрена интеграция с Transformers; README также сообщает о поддержке vLLM. Модель обучена на общедоступных данных, однако конкретные языки и ограничения по медицинскому применению в предоставленной карточке не уточнены.

Hulu-Med-32B — медицинская мультимодальная модель для понимания изображений и видео и диалога, разработанная командой ZJU-AI4H. Модель с плотной архитектурой HulumedQwen2ForCausalLM содержит 32 млрд параметров, принимает текст, медицинские изображения и видео, а также работает с трёхмерными медицинскими данными. Контекст — до 32 768 токенов. Модель предназначена для визуальных вопросов и ответов, подготовки медицинских заключений, диагностических задач, анатомического анализа, распознавания этапов хирургических операций и клинического диалога. В README заявлены поддержка 2D- и 3D-изображений, видео, медицинского текста и многоязычных медицинских вопросов. Базовая языковая модель — Qwen2.5-32B; карточка описывает обучение на открытых данных и приводит оценки на медицинских бенчмарках. Модель распространяется по лицензии Apache-2.0. Это инструмент поддержки анализа, а не замена клинической оценки специалиста; качество может зависеть от типа исследования, модальности и формулировки запроса.

MindBridge Hindi PHQ-9/GAD-7 — дообученная модель Gemma 4 E2B IT, подготовленная Huzayfah Patel для скрининга симптомов депрессии и тревожности на хинди. Это плотная модель семейства Gemma 4; веса объединены с адаптером и сохранены в fp16 для прямого инференса. Модель принимает текстовый контекст вопроса PHQ-9 или GAD-7 и высказывание пациента на хинди, затем формирует вызов инструмента interpret_response с оценкой ответа, обоснованием на английском и уровнем уверенности. Предусмотрены хинди и английский языки; в метаданных указаны формат safetensors и интерфейсы чата и вызова инструментов. Модель предназначена для офлайн-скрининга в сценариях работы медицинских работников в Индии, включая приложение для iPhone. В опубликованной оценке на 224 отложенных примерах формат вызова инструмента прошёл заданный порог, точность по шкале Likert выросла с 62,5% у базовой модели до 87,5%, а чувствительность к риску суицида составила 91,7% против 95,8% у базовой модели. Эти результаты ограничены составом и устройством тестовых выборок. Разработчик прямо указывает, что модель не валидирована для клинического применения: использовались синтетические виньетки, разметку проверял один клиницист, а основная часть теста близка к обучающим данным. Для обработки ответов, связанных с суицидальностью, в приложении предусмотрено отдельное детерминированное правило; модель не должна быть единственным механизмом безопасности. Лицензия — CC BY 4.0.

DifeiT дообучил Vision Transformer google/vit-base-patch16-224-in21k для классификации медицинских изображений при выявлении внутричерепного кровоизлияния. Модель содержит 113,2 млн параметров, использует архитектуру ViTForImageClassification и сохранена в формате PyTorch. На указанном в карточке наборе оценки модель показала loss 0,4344 и accuracy 0,8586. Эти результаты относятся только к этой оценке; сведений о составе данных, разбиении и проверке на внешних клинических выборках нет. Лицензия — Apache-2.0.

Модель lxyuan/vit-xray-pneumonia-classification — дообученная разработчиком Lxyuan модель Vision Transformer ViT-Base с 113,2 млн параметров для классификации рентгеновских снимков грудной клетки. Она основана на google/vit-base-patch16-224-in21k и обучена на наборе chest-xray-classification; предназначена для определения классов на изображениях грудной клетки, в том числе для задач, связанных с выявлением пневмонии. В карточке указаны точность 0,9742 и loss 0,0868 на оценочной выборке. Модель принимает изображения и выдаёт метки классов. Она выпущена в форматах PyTorch и Safetensors и распространяется по лицензии Apache-2.0. Результаты на оценочной выборке не гарантируют такую же точность на снимках из других источников; модель не заменяет медицинскую диагностику.

Cognitapp-Med-Nano-v1 — компактная медицинская языковая модель Cognitapp Labs, дообученная на базе Qwen/Qwen2.5-0.5B-Instruct. Она предназначена для извлечения клинических сведений и подбора кодов ICD-10-CM для медицинского биллинга. Модель содержит 494 млн параметров, использует плотную архитектуру Qwen2 и поддерживает контекст до 32 768 токенов; формат весов — safetensors. Модель рассчитана на обработку клинических сценариев, включая педиатрию, гериатрию и инфекционные заболевания. По карточке, обучение нацелено на точность буквенно-цифровых кодов и использование в автономном режиме на мобильных и настольных устройствах через MLX или llama.cpp. Поддерживаемые языки по метаданным — английский и урду. Модель предназначена как вспомогательный инструмент для медицинских специалистов и сотрудников биллинга, а не для постановки диагноза. Результаты следует проверять квалифицированному медицинскому специалисту; ошибки в клинических выводах или кодировании остаются возможны. Лицензия — Apache-2.0.

GENIE (Generative Note Information Extraction, 病历精灵) — модель для извлечения и структурирования информации из свободного текста электронных медицинских карт. Её совместно разработали группы Sheng Yu, Tianxi Cai и Isaac Kohane. Это дообученная на базе Qwen2.5-7B-Instruct плотная авторегрессионная языковая модель семейства Qwen2 с 7,1 млрд параметров. Модель за один проход выделяет из медицинских записей биомедицинские сущности и их атрибуты: статус утверждения, локализацию в теле, модификаторы, значения, единицы измерения и назначение. Результат выдаётся в структурированном формате JSON. Карточка описывает обработку китайских медицинских записей; заявленный в README контекст составляет до 8192 токенов, тогда как метаданные указывают нативное окно контекста 131072 токена. Модель распространяется по лицензии Apache-2.0. GENIE предназначена для автоматизации извлечения данных из EHR и упрощения конвейеров медицинской обработки текста: карточка заявляет, что модель не требует настройки промптов или few-shot-примеров. Описанные задачи ограничены медицинским извлечением информации; точность и переносимость на другие языки, форматы записей и клинические учреждения не подтверждены представленными данными.

RadioDINO-s16 — модель семейства Radio DINO, разработанная Лукой Цеддой, Андреа Лоддо и Чечилией Ди Руберто из Университета Кальяри для радиомики и медицинской визуализации. Это самообученный Vision Transformer малого размера с патчами 16×16, основанный на DINO; число параметров — 28,3 млн, размерность эмбеддингов — 384. Модель предназначена для извлечения признаков из медицинских изображений и использования в качестве основы для классификации, сегментации, переноса обучения и анализа интерпретируемости. Предобучение проводилось на RadImageNet — наборе из 1,35 млн КТ-, МРТ- и ультразвуковых изображений. Авторы сообщают о проверке на бенчмарке MedMNISTv2 и эффективности без дополнительного дообучения. Модель принимает изображения и выдаёт векторные признаки; метаданные указывают также наборы BUSI и MedMNIST. Репозиторий использует PyTorch и safetensors. Лицензия — CC BY 4.0.

Это визуальный backbone для извлечения признаков из изображений, опубликованный в рамках проекта Kaiko AI Towards Large-Scale Training of Pathology Foundation Models. Модель основана на ViT-архитектуре с патчами 8×8; базовая версия содержит 86 млн параметров и рассчитана на изображения размером 224×224 пикселя. Модель предназначена для получения эмбеддингов изображений и может служить визуальным представлением для последующих задач анализа гистопатологических изображений, например классификации или поиска похожих образцов. В метаданных указана библиотека timm и формат весов safetensors. Лицензия обозначена как other, поэтому конкретные условия использования следует проверить в репозитории модели.

VoxTell — модель компьютерного зрения и языка для сегментации трёхмерных медицинских изображений по запросам на естественном языке. Она принимает объёмные снимки CT, PET или MRI и текстовое описание анатомической структуры либо патологической находки, после чего формирует соответствующую 3D-маску. Модель разработана для гибкого анализа медицинских изображений без необходимости выбирать метку из заранее заданного списка классов. Архитектура сочетает 3D-энкодер изображений, текстовый энкодер на базе замороженной Qwen3-Embedding-4B и многоэтапное слияние визуальных и текстовых признаков с декодером масок в стиле MaskFormer. VoxTell обучена более чем на 1000 понятиях; версия v1.1 охватывает 190 наборов данных и около 68 500 объёмов. Она рассчитана на структуры мозга, грудной клетки, живота, таза, опорно-двигательной системы и конечностей, а запросы могут варьироваться от коротких названий до клинических предложений. Модель предназначена для исследовательских и прикладных рабочих процессов сегментации, включая пакетную обработку NIfTI и удалённый инференс. Карточка рекомендует v1.1 для общего применения и дообучения; v1.0 устарела и содержит известные проблемы. Версия v1.1 включает тестовые наборы из публикации в обучающих данных, поэтому она не подходит для воспроизведения оценки с исходным разделением train/test. Лицензия CC BY-NC-SA 4.0 разрешает использование на условиях атрибуции, распространения производных материалов на тех же условиях и без коммерческого использования.

Карточка модели introvoyz041/NV-Segment-CT на Hugging Face совпадает с карточкой nvidia/NV-Segment-CT, поэтому описание составлено по ней. NV-Segment-CT — интерактивная модель сегментации трёхмерных медицинских КТ-изображений, разработанная NVIDIA. Она предназначена для разметки анатомических структур и патологий, а также для ускорения подготовки медицинских аннотаций. Модель построена на архитектуре Transformer типа SAM и использует несколько выходных голов; для сегментации требуется хотя бы одна подсказка: индекс класса, точки на изображении или оба вида подсказок одновременно. Модель принимает КТ в формате NIfTI и массивы с информацией о классах или точках, а выдаёт трёхмерную маску в формате NIfTI. Доступны режимы сегментации всего объёма, выбранного класса и интерактивной сегментации по точкам. Среди поддерживаемых классов — органы, сосуды, кости, отдельные опухоли и другие структуры. Для запуска указаны MONAI Core 1.3 и Triton; из аппаратных платформ перечислены NVIDIA Ampere и Hopper, а поддерживаемая операционная система — Linux. Модель заявлена для исследований и разработки, но не для клинического применения. Метаданные указывают лицензию other, поэтому перед использованием необходимо проверить применимые условия NVIDIA. Языковая обработка не заявлена: модель работает с медицинскими изображениями и подсказками, а не с естественным языком.

Qwen3-0.6B-Treatment — дообученная модель Qwen3-0.6B, созданная для планирования лечения по клиническим диагнозам. Разработчик выполнил полное дообучение в формате bf16 на наборе инструкций Treatment-Instructions; модель использует плотную архитектуру Qwen3ForCausalLM и поддерживает генерацию текста и диалоговый режим. Контекст модели — до 40 960 токенов. Модель предназначена для интерпретации клинических диагнозов и составления структурированных планов лечения с пояснениями. В описанной оценке сходство планов с ответами DeepSeek V3-0324 составило 59,69%, а связность рассуждений оценили медицинские эксперты. Это результат на отдельной валидационной выборке, поэтому он не гарантирует точность для других случаев. Модель лицензирована по Apache 2.0.

SegVol — универсальная интерактивная модель для сегментации объёмных медицинских изображений, представленная командой BAAI. Она принимает трёхмерные КТ-изображения и подсказки в виде точек, рамок или текста, а на выходе формирует объёмную сегментацию. Модель обучалась на 90 тысячах неразмеченных и 6 тысячах размеченных КТ-исследований и поддерживает сегментацию более 200 анатомических категорий. SegVol предназначена для интерактивной разметки и выделения анатомических структур на КТ. Карточка описывает её как 3D-модель для медицинской сегментации; репозиторий содержит веса PyTorch. Лицензия в предоставленных данных не указана.

Ressshh разработал компактную модель DenseNet-121 для классификации рентгенограмм грудной клетки при скрининге туберкулёза лёгких. Модель-дистиллят обучена с использованием Microsoft BioMedCLIP (ViT-B/16) как учителя; в README указано 7,74 млн параметров у студенческой модели и трёхкомпонентная функция потерь: классификация по меткам, согласование текстовых распределений и выравнивание визуальных признаков. Модель предназначена для сортировки снимков грудной клетки по признакам, связанным с туберкулёзом, в клинических и исследовательских сценариях. Репозиторий содержит ONNX Opset 17 и PyTorch checkpoint; для ONNX Runtime на CPU заявлена задержка 77,5 мс на снимок. Карточка указывает лицензию MIT. Это исследовательский прототип системы поддержки клинических решений, а не автономный диагностический инструмент. Результаты должны интерпретировать и проверять лицензированные врачи или радиологи; заявленные клинические характеристики в README приведены неполно.

UCSCPhytoViT83 — модель Vision Transformer для классификации изображений фитопланктона по 83 классам. Её разработал Patrick Daniel, дообучив Google ViT-Base с патчами 16×16 на примерно 558 тысячах размеченных изображений, полученных приборами Imaging FlowCytobot и объединённых из наборов IFCB104, IFCB161 и IFCB116. Модель принимает изображения, предварительно приведённые к размеру 224×224 и нормализованные, и выдаёт класс фитопланктона. Модель предназначена для анализа изображений IFCB, прежде всего из залива Монтерей и залива Сан-Франциско, и ориентирована на исследователей. В README приведены метрики precision, recall и F1 для классов на отложенной выборке. Доступны веса safetensors и формат ONNX. Лицензия — Apache 2.0. Качество классификации может снижаться на изображениях с других приборов и регионов. Модель не предназначена для изображений, не относящихся к фитопланктону; частицы и клетки с низким содержанием хлорофилла представлены недостаточно, поскольку обучение использовало IFCB с триггером PMT-B. Предсказания рекомендуется проверять с экспертами.

Arlo Extract 1.0 — модель NoaberAI для извлечения конкретных значений из текста по вопросу. Она дообучена на многоязычной основе microsoft/mdeberta-v3-base и использует архитектуру DeBERTa V2 с головой extractive question answering: модель выбирает начальную и конечную позиции ответа в исходном тексте, а не генерирует его заново. Размер по метаданным — 306 млн параметров, длина контекста — 512 токенов. Модель предназначена для извлечения дат, сумм, характеристик, мест и имён из документов и свободного текста. Она возвращает найденный фрагмент вместе с оценкой уверенности и может сообщить, что ответ отсутствует. Основной язык обучения — нидерландский; многоязычная основа позволяет применять её и к текстам на других языках, хотя README отмечает обучение именно на нидерландских данных. Лицензия — MIT.

Nanonets-OCR-s — компактная мультимодальная модель Nanonets для распознавания документов и преобразования их содержимого в структурированный Markdown. Она дообучена на Qwen2.5-VL-3B-Instruct и принимает изображения документов, включая сложные страницы с таблицами, формулами и встроенными изображениями. Модель распознаёт текст и структуру документа, представляет математические формулы в LaTeX, описывает изображения, извлекает текст водяных знаков и выделяет подписи. Таблицы она может выводить в формате Markdown или HTML, а состояния флажков и переключателей — обозначать стандартными символами. Такой вывод подходит для дальнейшей обработки языковыми моделями и для извлечения данных из деловых и юридических документов. Модель содержит 3,1 млрд параметров, использует архитектуру Qwen2.5-VL и имеет контекст длиной до 128 000 токенов. В метаданных указан английский язык. Репозиторий содержит веса safetensors; лицензия в предоставленных данных не указана.

PaddleOCR-VL-1.5 — компактная мультимодальная модель PaddlePaddle для разбора документов по изображениям. Она сочетает зрительную обработку и генерацию текста; в метаданных указано 318,2 млн параметров, а контекст составляет 131 072 токена. Модель поддерживает распознавание текста и его расположение на изображении, в том числе в таблицах, формулах, диаграммах и печатях. Модель предназначена для извлечения структурированного содержимого из документов, включая многостраничные материалы и изображения с перекосом, деформацией, бликами и неравномерным освещением. README сообщает о результатах 94,5% на OmniDocBench v1.5 и расширенной поддержке редких символов, древних текстов, тибетского письма и бенгальского языка. По карточке доступны английский, китайский и многоязычный режимы; лицензия — Apache 2.0. Заявленные возможности включают слияние таблиц и распознавание заголовков между страницами, а также локализацию строк текста и распознавание печатей. Результаты бенчмарков приведены разработчиками и сами по себе не гарантируют качество на конкретных документах. Для запуска README описывает PaddleOCR и Transformers; пример Transformers использует bfloat16 и FlashAttention 2.

Kansallisarkisto/finbert-ner — модель распознавания именованных сущностей в финском тексте, разработанная Национальным архивом Финляндии. Это дообученная для классификации токенов модель BERT на базе TurkuNLP/bert-base-finnish-cased-v1; она содержит 151,7 млн параметров, работает с контекстом до 512 токенов и распространяется в формате PyTorch через Transformers. Модель выделяет десять типов сущностей: имена людей, организации, места, геополитические объекты, продукты, события, даты, финские регистрационные номера дел и компаний, а также национальные, религиозные и политические группы. Она подходит для разметки финских архивных и административных документов, газетных текстов и других материалов для поиска и анализа. В тестировании F1 составил 0,90 для PERSON, 0,86 для ORG и 0,97 для FIBC; результаты для событий ниже — 0,71. Лицензия MIT. Распознавание EVENT и LOC может быть менее точным из-за меньшего числа таких примеров в обучении. Поскольку большая часть данных относится к относительно недавнему периоду, модель может хуже работать со старыми именами и стилями письма. Часть обучающих архивных данных не опубликована из-за наличия чувствительной информации.

Hanji Parse 4B — модель компьютерного зрения и языка, разработанная Hanji Dev и дообученная на Qwen/Qwen3-VL-4B-Instruct. Она принимает изображение страницы документа и возвращает JSON-массив содержательных блоков: текст с координатами, заголовки, пары «ключ–значение», таблицы в формате GitHub-Flavored Markdown и нетекстовые изображения, например фотографии, диаграммы, штампы и подписи. Модель предназначена для OCR и разбора структуры документов с сохранением расположения элементов. Результат подходит для извлечения текста и областей страницы в последующих системах обработки документов. Для изображений рекомендуется уменьшение до 2 мегапикселей без увеличения, с размерами, кратными 32 пикселям; карточка также рекомендует жадное декодирование и ограничение вывода JSON-схемой. Модель использует архитектуру Qwen3-VL с 4 млрд параметров и поддерживает зрительно-текстовый ввод и текстовый вывод. В метаданных указаны библиотека Transformers и лицензия Apache-2.0. Языковая поддержка и размер контекстного окна в предоставленных данных не указаны.

Nanonets-OCR2-3B-AIO-GGUF — мультимодальная модель для OCR и понимания документов, разработанная на базе nanonets/Nanonets-OCR2-3B и архитектуры Qwen2.5-VL-3B. Модель преобразует изображения документов в структурированный Markdown и поддерживает многоязычные сценарии обработки. Она предназначена для распознавания текста, таблиц в Markdown и HTML, формул LaTeX, блок-схем в формате Mermaid, подписей, водяных знаков, флажков и рукописных документов. Также заявлена поддержка visual question answering, включая ответы на вопросы по содержимому документов. Возможные области применения — оцифровка юридических, медицинских, финансовых и технических материалов, а также извлечение структурированных данных из неструктурированных источников. Модель содержит около 3 миллиардов параметров, имеет контекстное окно до 125 тысяч токенов и распространяется в формате GGUF с вариантами квантования от низкоразмерных IQ- и Q-квантов до F16. Это позволяет выбирать компромисс между размером файлов, требованиями к ресурсам и качеством вывода; при этом README не содержит количественных оценок качества и подробностей об ограничениях. Лицензия в предоставленных данных не указана.

Unsloth/Nanonets-OCR-s — модель оптического распознавания символов на основе Qwen2.5-VL, представленная в формате safetensors и рассчитанная на преобразование изображений документов в структурированный Markdown. Она предназначена для извлечения текста и элементов сложной вёрстки с последующей обработкой в системах на базе LLM. Модель распознаёт формулы и записывает их в LaTeX, извлекает таблицы в Markdown или HTML, описывает изображения, а также отмечает подписи, водяные знаки и состояния флажков в формах. Модель содержит 3,1 млрд параметров, использует архитектуру Qwen2.5-VL и поддерживает контекст до 128 000 токенов. В метаданных указан английский язык. Репозиторий Unsloth обозначен как дообучение nanonets/Nanonets-OCR-s; карточка также заявляет улучшенную точность версии Unsloth Dynamic 2.0, но не приводит сопоставительных результатов. Модель подходит для оцифровки деловых и юридических документов, форм, таблиц и страниц с математическими формулами, а также для подготовки содержимого документов к поиску и обработке LLM. Сведения о лицензии в предоставленных данных отсутствуют.

Карточка модели manny-the-one/GLM-OCR на Hugging Face совпадает с карточкой zai-org/GLM-OCR, поэтому описание составлено по ней. GLM-OCR — мультимодальная модель оптического распознавания символов и понимания документов от zai-org. Она построена на архитектуре GLM-V encoder–decoder: использует визуальный энкодер CogViT, межмодальный коннектор с уменьшением числа токенов и языковой декодер GLM-0.5B. Общее число параметров — 0,9 млрд; модель распространяется в формате safetensors и работает через Transformers. Модель предназначена для распознавания текста и формул, извлечения таблиц, разбора документов и получения структурированных сведений по заданной JSON-схеме. Для полного разбора документов авторы рекомендуют SDK, объединяющий модель с анализом макета PP-DocLayout-V3; модель также можно запускать отдельно для извлечения информации. Заявлена поддержка китайского, английского, французского, испанского, русского, немецкого, японского и корейского языков. В README приведены результаты тестов на наборах для понимания документов и скорости обработки, но они не гарантируют аналогичных показателей на иных данных и оборудовании. Модель распространяется по лицензии MIT. Для извлечения информации требуется строго задавать JSON-схему; готовый SDK для разбора документов не предназначен для этого сценария.

Italian_NER_XXL_v2 — модель распознавания именованных сущностей в итальянском тексте, разработанная Michele Montebovi. Это модель на основе BERT с 137,9 млн параметров и контекстом до 512 токенов; она размечает токены и выделяет 52 категории сущностей, включая персональные данные, финансовые и юридические сведения, медицинские термины, технические идентификаторы, места и даты. В карточке заявлены точность 87,5% и F1 89,2%, а также улучшенное распознавание сложных контекстов и меньшее число ложных срабатываний по сравнению с предыдущей версией. Модель предназначена для обнаружения чувствительной информации, анонимизации документов и извлечения сущностей из юридических, финансовых и медицинских текстов. README приводит поддержку итальянского текста; метаданные также помечают английский язык, но подробные показатели для него не приведены. Весовые файлы доступны в формате safetensors. Лицензия — Apache-2.0.

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