IV.9Медиа, журналистика, культура, архивы и игры

hadsag/bert-base-uncased-finetuned-squad-v2 — дообученная модель BERT для извлечения ответа на вопрос из предоставленного текста. Она основана на twmkn9/bert-base-uncased-squad2 и имеет 136,7 млн параметров. Модель принимает вопрос и контекст на английском языке и возвращает фрагмент контекста как ответ; благодаря обучению на SQuAD v2 она также может определять случаи, когда в контексте нет ответа. Максимальная длина контекста — 512 токенов. Модель подходит для систем вопросов и ответов по документам и текстам, где ответ нужно найти непосредственно в контексте. Доступна в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

Карточка модели Alibaba-NLP/core-reranker-8b на Hugging Face совпадает с карточкой Alibaba-NLP/core-emb-2b, поэтому описание составлено по ней. Core-Embed-2B — мультимодальная модель эмбеддингов, разработанная Alibaba-NLP на архитектуре Qwen3-VL. Она преобразует текст и изображения в плотные векторы для поиска и сопоставления, уделяя особое внимание композиционным связям между атрибутами и объектами: например, различает изображение с белой тарелкой и чёрным стулом от изображения с обратным сочетанием цветов. Модель содержит 2 млрд параметров и рассчитана на извлечение признаков из текста и изображений. Модель обучена дистилляцией оценок ранжирования: её эмбеддинги учатся сохранять градации соответствия между запросом и кандидатами, включая ошибки атрибутов и объектов. Это помогает выполнять тонкий мультимодальный поиск, сохраняя качество обычного поиска изображений и текстов. Для запуска требуется версия Transformers с поддержкой Qwen3-VL. Модель распространяется по лицензии CC BY 4.0. Карточка описывает семейство и результаты Core-Embed-8B, но не приводит отдельные численные оценки для версии 2B.

flammen11X-mistral-7B — слитая с помощью mergekit модель на архитектуре Mistral, созданная объединением предварительно обученных языковых моделей nbeerbower/flammen11-mistral-7B и ChaoticNeutrals/Prima-LelantaclesV5-7b методом SLERP. Модель содержит 7,1 млрд параметров и предназначена для генерации текста; заявленная длина контекста составляет 32 768 токенов. Модель принимает текст и выдаёт текст. Карточка не сообщает о специализации на конкретной области или языке. Распространяется в формате safetensors; лицензия — Apache-2.0. README не приводит оценок качества или дополнительных ограничений применения.

testmoto/gemma-2-llm2024-01 — объединённая текстовая модель от testmoto на базе Google Gemma 2 9B. Веса объединены методом DARE TIES с помощью mergekit из базовой Gemma 2 9B и трёх моделей: testmoto/gemma-2-9b-lora-0, testmoto/gemma-2-9b-platypus-02 и testmoto/gemma-2-9b-lora-aozora. Модель предназначена для генерации текста и может использоваться для диалогов, ответов на вопросы и суммаризации — типичных сценариев базовой модели Gemma 2. Она имеет плотную архитектуру Gemma2ForCausalLM, содержит 9 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 8192 токенов и доступна в формате safetensors для библиотеки Transformers. Языковая специализация объединённой модели в карточке не уточнена. Лицензия и конкретные ограничения применения в карточке не описаны; характеристики качества именно этого объединения также не приведены.

Indic-Transcribe-Flex — мультиязычная модель распознавания речи, разработанная Bodhan AI на основе NVIDIA Canary-1B-v2. Она предназначена для транскрибации речи на 27 индийских языках и английском с индийским акцентом, включая смешанную речь вроде Hinglish. Архитектура сочетает акустический энкодер FastConformer и Transformer-декодер; вход — аудио, выход — текст. Модель поддерживает вывод в родной письменности, смешанный вариант с английскими словами и числами латиницей, а также полную романизацию латиницей. Она может автоматически определять язык речи или работать с заданным языком; среди заявленных сценариев — аудио в шумных условиях и лексика образования, сельского хозяйства и здравоохранения. Для входа указаны монофонические аудиофайлы с частотой 16 кГц; WAV, FLAC и MP3. В README отмечено, что Indic-Transcribe-Core показывает более высокую точность на приведённом бенчмарке. Модель распространяется по лицензии с идентификатором Hugging Face «other»; конкретные условия лицензии в доступных данных не раскрыты.

unsloth/LFM2.5-VL-3B-GGUF — это квантизированный вариант мультимодальной модели LFM2.5-VL-3B, разработанной Liquid AI и опубликованной сообществом Unsloth. Модель предназначена для обработки текста и изображений, прежде всего на устройствах с ограниченными ресурсами и для сценариев с низкой задержкой. GGUF-экспорты оптимизированы для запуска на CPU с уменьшенным потреблением памяти через llama.cpp. В основе модели находится языковая модель LFM2.5-2.6B, дополненная vision-энкодером SigLIP2 NaFlex объёмом 400M параметров. Размер словаря составляет 128 000 токенов, длина контекста — до 32 768 токенов. Поддерживаются английский, арабский, китайский, французский, немецкий, итальянский, японский, корейский, португальский, испанский, вьетнамский, тайский, индонезийский, хинди, русский и польский языки. Обработка изображений использует разбиение крупных изображений на неперекрывающиеся патчи 512×512 и уменьшенную копию всего изображения. Сильные стороны модели — распознавание объектов по текстовым запросам, улучшенный visual grounding, OCR целых страниц с разметкой структуры документа, а также высокая скорость и эффективность инференса. Она подходит для обнаружения объектов в автомобильных системах, пакетной обработки сканов и PDF, извлечения текста с сохранением layout, перевода меню и дорожных знаков, а также других однопроходных задач реального времени. Модель не рекомендуется для сложного рассуждения, длительных контекстов, визуального веб-дизайна и ответов на узкоспециализированные технические вопросы по чертежам. Лицензия указана как lfm1.0; подробные условия следует проверять в файле LICENSE репозитория.

Это плотная авторегрессионная модель семейства LLaMA 2, разработанная Да-вэем Чжу и соавторами в рамках работы PoSE. Чекпойнт содержит 6,6 млрд параметров и рассчитан на генерацию текста с контекстом до 16 384 токенов; расширение контекста использует позиционную интерполяцию YaRN и обучение Positional Skip-wisE (PoSE), которое имитирует длинные входы при обучении на фиксированном контексте. Модель предназначена для генерации продолжений и работы с длинными текстовыми запросами, например для анализа объемных документов или диалога с длинной историей. В README отмечена проблема с первоначально загруженным чекпойнтом: его заменили 27 ноября 2023 года, поскольку прежняя версия не соответствовала реализации из репозитория и показывала неоптимальное качество. В метаданных указана лицензия MIT; доступность лицензии не гарантирует пригодность ответов для конкретных применений.

LWM-Text-256K — авторегрессионная языковая модель с открытыми весами, разработанная LargeWorldModel на основе LLaMA 2. Это плотный трансформер с 6,6 млрд параметров и контекстным окном до 262 144 токенов, предназначенный для генерации текста с учётом длинного контекста. Модель обучена в декабре 2023 года на подмножестве Books3: 37 тысяч документов длиной от 200 до 500 тысяч токенов. Она подходит для продолжения и анализа объёмных текстов, например книг и длинных документов. Карточка не приводит результаты оценки качества или условия лицензии, поэтому пригодность для конкретных задач и права на использование следует проверять отдельно.

timpal0l/mdeberta-v3-base-squad2 — многоязычная модель для извлечения ответов на вопросы, разработанная на основе microsoft/mdeberta-v3-base и дообученная timpal0l в течение трёх эпох на SQuAD 2.0. Она принимает вопрос и контекст, затем выделяет в контексте фрагмент, который отвечает на вопрос; обучение на SQuAD 2.0 позволяет модели также обрабатывать вопросы без ответа в контексте. В основе лежит архитектура DeBERTa V3: 12 слоёв с размером скрытого состояния 768; общее число параметров — 306 млн. Многоязычная базовая модель обучалась на данных CC100 и использует словарь из 250 тысяч токенов. Контекст модели — до 512 токенов. Модель предназначена для extractive question answering и доступна в форматах PyTorch и Safetensors. Модель подходит для поиска ответов в заданном тексте на поддерживаемых языках. Она возвращает фрагмент исходного контекста, поэтому не предназначена для свободной генерации развёрнутых ответов или работы без предоставленного контекста. Лицензия — MIT.

Mistral-7B-Holodeck-1-Instruct-32k — текстовая генеративная модель, созданная mpasila слиянием моделей через mergekit по методу DARE TIES. В основу взята alpindale/Mistral-7B-v0.2-hf, а в слияние также вошли mistralai/Mistral-7B-Instruct-v0.2 и KoboldAI/Mistral-7B-Holodeck-1. Модель имеет плотную архитектуру MistralForCausalLM и 7,1 млрд параметров. Модель предназначена для генерации текста и ответов на инструкции в диалоговом формате. Контекст составляет до 32 768 токенов, что подходит для работы с длинными запросами и документами. В репозитории указаны веса safetensors и библиотека Transformers. README и метаданные не сообщают о поддерживаемых языках, специальных областях применения или измеренных качествах модели. Лицензия в предоставленных данных не указана.

Murasaki-4B-v0.3-i1-GGUF — GGUF-квантизированная версия языковой модели Murasaki-Project/Murasaki-4B-v0.3, подготовленная mradermacher. Модель ориентирована на генерацию текста, перевод, обработку визуальных новелл, галгеймов и аниме-субтитров; в метаданных также указана поддержка сценариев с пошаговым рассуждением. Заявлены японский и китайский языки. Модель имеет около 4 млрд параметров и поставляется в формате GGUF для использования с совместимыми инструментами инференса. Доступно множество вариантов квантизации, включая IQ1–IQ4, Q2–Q6 и imatrix-варианты, с размером файлов примерно от 1,3 до 3,7 ГБ. Более компактные варианты требуют меньше памяти, но могут заметно уступать в качестве; README рекомендует i1-Q4_K_M как быстрый вариант и i1-Q4_K_S как компромисс между размером, скоростью и качеством. Длина контекста, точная архитектура, мультимодальные возможности и результаты бенчмарков не указаны. Основные ограничения связаны с потерями качества при низкобитной квантизации, а также с тем, что качество и применимость зависят от выбранного варианта GGUF и используемого программного обеспечения. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая предусматривает обязательное указание авторства, некоммерческое использование и распространение производных работ на тех же условиях.

NeuralsirkrishnaShadow_PasticheInex12 — объединённая автором MaziyarPanahi модель для генерации текста и диалогов. Она основана на архитектуре Mistral и содержит 7,1 млрд параметров; модель объединяет automerger/NeuralsirkrishnaShadow-7B и automerger/PasticheInex12-7B. Модель принимает текст и выдаёт текст. Размер контекста составляет до 32 768 токенов, формат весов — safetensors. В карточке не указаны специализация по языкам и отдельные прикладные области. Модель распространяется по лицензии Apache-2.0.

PokeeResearch-7B — языковая модель-агент для глубокого исследования, разработанная Pokee AI и дообученная на базе Qwen2.5-7B-Instruct с применением обучения с подкреплением по обратной связи от ИИ. Это плотный декодерный трансформер Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов; веса опубликованы в формате safetensors. Модель предназначена для многошаговых исследовательских сценариев: разбиения сложных запросов на подзадачи, работы с внешними источниками, проверки сведений и синтеза ответов. Её можно использовать как исследовательского помощника или компонент многоагентной системы; возможности поиска зависят от подключённых инструментов и внешних данных. В README заявлена поддержка английского, китайского и других языков, однако карточка модели указывает английский. Обучение проводилось на открытых вопросно-ответных примерах датасета MiroRL-GenQA, а оценивание описано на десяти исследовательских и QA-бенчмарках. Разработчик сообщает о сильных результатах среди открытых агентов масштаба 7B, но приведённая таблица неполна, поэтому это заявление нельзя полностью проверить по карточке. Модель может ошибаться при противоречивых или недостаточных источниках, зависит от качества поиска и подвержена смещениям обратной связи. Ответы и ссылки следует перепроверять; README предостерегает от использования модели для решений с высокими ставками без внешней проверки. Лицензия — Apache 2.0.

Qari-OCR-0.3-SNAPSHOT-VL-2B-Instruct-merged-GGUF — это квантизированная GGUF-версия мультимодальной модели Qari-OCR-v0.3-VL-2B-Instruct, разработанной NAMAA-Space и подготовленной квантизацией пользователем mradermacher. Модель предназначена для распознавания и преобразования содержимого изображений в текст, включая сценарии OCR и генерацию Markdown. В README указана поддержка арабского языка и библиотеки Transformers. Модель имеет мультимодальную архитектуру с 2 млрд параметров и поставляется в нескольких вариантах квантизации GGUF размером примерно от 0,8 до 3,2 ГБ. Для обработки изображений требуются дополнительные мультимодальные компоненты mmproj в форматах Q8_0 или f16. Доступны варианты с разным соотношением скорости, размера и качества: Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как обеспечивающий очень хорошее качество, а Q8_0 — как вариант с лучшим качеством среди быстрых. Сильными сторонами модели являются компактный размер, поддержка мультимодального OCR и наличие различных уровней квантизации для запуска на оборудовании с разными ресурсами. README не содержит сведений о размере контекста, точном наборе поддерживаемых языков помимо арабского, результатах бенчмарков, ограничениях распознавания или подробностях архитектуры. Модель распространяется по лицензии Apache-2.0.

Qianfan-OCR-GGUF — набор GGUF-квантизированных версий мультимодальной модели baidu/Qianfan-OCR, разработанной Baidu. Модель предназначена для распознавания текста и анализа документов по изображениям, включая сценарии document intelligence и OCR. Она использует архитектуру InternVL Chat с языковой основой Qwen3 примерно на 4,7 млрд параметров и поддерживает мультиязычные задачи image-text-to-text. Квантизация выполнена Reza2kn с использованием llama.cpp. Доступны варианты от F16 размером около 9,4 ГБ до Q2_K размером около 1,7 ГБ. Версии различаются компромиссом между размером, скоростью и качеством: F16 сохраняет точность в формате half precision, Q8_0 близка к исходному качеству, а Q4_K_M указана как рекомендуемая и занимает около 2,8 ГБ. Для работы в llama.cpp требуются файл модели и соответствующий multimodal projector; модель принимает изображения документов и текстовые запросы. В README приведены результаты исходной модели на OmniDocBench и OCRBench, но подробные сведения о поддерживаемых языках, длине контекста и ограничениях распознавания не указаны. Распространение заявлено по лицензии Apache License 2.0 с сохранением уведомлений и условий сторонних компонентов.

Qwen-Image-Edit-AIO-FP8 — вариант семейства Qwen-Image-Edit для редактирования изображений по текстовым инструкциям. README связывает его с моделями Qwen-Image-Edit-2509 и Qwen-Image-Edit-2511, разработанными командой Qwen компании Alibaba. Это диффузионная мультимодальная модель с архитектурой MMDiT и 20 млрд параметров; версия FP8 предназначена для снижения потребления видеопамяти и ускорения вывода при небольшой потере качества. Модель поддерживает редактирование с несколькими изображениями-референсами, сохранение идентичности людей и товаров, изменение текста внутри изображений и совместимость с ControlNet. Модель подходит для композиции изображений по нескольким референсам, замены материалов, изменения геометрии и итеративного редактирования с сохранением структуры, освещения и ракурса. README отмечает сценарии промышленного дизайна и создания композиций с несколькими людьми. В метаданных указан английский язык карточки, но они не подтверждают, что модель ограничена только им. Лицензия — Apache-2.0; README сообщает, что применяются условия исходной страницы Qwen-Image-Edit.

Карточка модели phan-kim-tu/RMBG-1.4 на Hugging Face совпадает с карточкой briaai/RMBG-1.4, поэтому описание составлено по ней. BRIA RMBG v1.4 — модель сегментации для удаления фона, разработанная BRIA AI. Она выделяет передний план на изображении и подходит для обработки фотографий объектов, людей, товаров, игровых и рекламных материалов, в том числе для создания контента в больших объёмах. Модель основана на IS-Net и обучена на более чем 12 000 высококачественных изображений с попиксельной разметкой. В обучающих данных представлены фотореалистичные и нефотореалистичные изображения, однотонные и сложные фоны, одиночные и множественные объекты. Конкретные размер модели и длина контекста не относятся к указанным характеристикам. По карточке модели, она доступна для некоммерческого использования по лицензии Creative Commons; коммерческое применение требует отдельного соглашения с BRIA. Модель предназначена для удаления фона и не является универсальным инструментом сегментации для произвольных классов.

MusaNyaks/trocr-barbados-fold3 — дообученная модель Microsoft TrOCR base handwritten для распознавания рукописного текста на изображениях. Она использует архитектуру vision-encoder-decoder и предназначена для преобразования изображения с текстом в текстовую транскрипцию. В README указано значение Loss 0.9763 на оценочном наборе; датасет описан как неизвестный. Модель подходит для распознавания рукописных строк на изображениях в сценариях, связанных с данными, на которых её дообучили. Карточка не раскрывает сведения о составе данных или более широких оценках качества. Лицензия — MIT.

TrOCR base handwritten — модель Microsoft, дообученная на наборе IAM для распознавания рукописного текста на изображениях отдельных строк. Она использует архитектуру encoder-decoder: Transformer-кодировщик изображений, инициализированный весами BEiT, и авторегрессионный Transformer-декодер текста, инициализированный весами RoBERTa. Изображение разбивается на патчи размером 16×16 пикселей, по которым модель генерирует последовательность текстовых токенов. Модель предназначена для OCR рукописных строк; её можно применять, например, для оцифровки рукописных заметок и строк документов. В карточке указана лицензия MIT. Доступны веса PyTorch и Safetensors. Ограничение, указанное в карточке: модель рассчитана на отдельные текстовые строки, поэтому для распознавания страниц или сложной структуры документов потребуется предварительно выделить строки. В предоставленных данных не описана поддержка конкретных языков.

kazars24 выпустил русскоязычную дообученную версию TrOCR base для распознавания рукописного текста на изображениях. Модель предназначена для OCR рукописных строк и фрагментов текста на русском языке. Это encoder-decoder архитектура Vision Transformer: BEiT-инициализированный визуальный энкодер разбивает изображение на патчи 16×16, а декодер на основе Transformer авторегрессионно генерирует текст. Модель дообучена на Cyrillic Handwriting Dataset, содержащем русские рукописные фрагменты; в README указаны CER 0,048542 и validation loss 0,120961. Модель основана на microsoft/trocr-base-handwritten и распространяется в формате safetensors для библиотеки Transformers. Подходит для распознавания рукописных строк и фрагментов; качество может зависеть от разборчивости почерка и отличий изображений от обучающих данных. Сведения о лицензии в предоставленных материалах отсутствуют.

TrOCR_german_handwritten — трансформерная модель OCR на архитектуре vision-encoder-decoder, дообученная на наборе fhswf/german_handwriting. Она распознаёт немецкий рукописный текст на изображениях отдельных строк и преобразует его в текст. Модель основана на TrOCR_large_handwritten; семейство TrOCR представлено в работе Li и соавторов о распознавании текста с помощью предварительно обученных моделей. В README приведены метрики оценки: WER 17,5% и CER 4,1%. Модель предназначена для распознавания немецкого почерка; эти показатели относятся к описанной оценке и не гарантируют точность на других данных. Лицензия — AFL-3.0.

mlx-community публикует конверсию Baidu Unlimited-OCR в формат MLX с точностью bfloat16 без квантизации весов. Репозиторий предназначен для запуска модели на компьютерах Apple Silicon через mlx-vlm; архитектура, токенизатор, обработчик изображений, промпты и лицензия MIT унаследованы от официального чекпойнта Baidu/Unlimited-OCR. Модель принимает изображения документов и формирует текстовый разбор, включая распознавание текста на страницах. Поддерживается мультиязычная работа; контекст составляет 32 768 токенов. В карточке описан запуск OCR по одной странице в режиме gundam с обрезкой изображения и скользящим окном для подавления повторов. Конверсия выполнена инструментами mlx-vlm 0.6.8 и MLX 0.32.0; заявлены 559,7 млн параметров. Карточка этой конверсии не перечисляет языки по отдельности и не описывает точность распознавания или полный набор ограничений; за подробностями о возможностях и ограничениях она отсылает к официальной карточке Baidu. Для запуска нужен MLX-совместимый стек на Apple Silicon.

Это модель Vision Transformer (ViT) для классификации изображений и извлечения визуальных признаков, опубликованная в библиотеке timm. Её предварительно обучили на парах изображение–текст WIT-400M с помощью CLIP, а затем дообучили на ImageNet-1k. Модель содержит около 86,9 млн параметров и рассчитана на изображения размером 384 × 384 пикселя. Модель подходит для классификации объектов на изображениях и получения эмбеддингов для визуального поиска или последующей обработки. Веса доступны в форматах PyTorch и safetensors; лицензия — Apache-2.0. Модель принимает изображения и выдаёт классы или векторы признаков. Карточка не описывает поддержку текстовых входов в этой версии модели.

Baguettotron — компактная языковая модель PleIAs для генерации текста и решения задач с рассуждениями. Это плотная авторегрессионная модель семейства Llama с 320,9 млн параметров и 80 слоями; она обучена на 200 млрд токенов открытого синтетического набора PleIAs/SYNTH. Репозиторий содержит веса Safetensors для Transformers, а контекст модели составляет 4096 токенов. Модель предназначена для следования инструкциям, ответов на вопросы, извлечения и редактирования информации, простых математических задач, творческого письма и генерации с опорой на предоставленный контекст. Она обучена работать с английским, французским, немецким, итальянским, испанским и польским; README также упоминает более ограниченную поддержку латыни и нидерландского. Цепочки рассуждений формируются на английском. По заявлению разработчика, модель показывает сильные результаты среди моделей сопоставимого размера в ряде общих, математических и retrieval-бенчмарков. Baguettotron — небольшая модель, поэтому её возможности ограничены по сравнению с крупными языковыми моделями; заявленные результаты относятся к конкретным бенчмаркам и не гарантируют точность в каждом сценарии. Лицензия — Apache-2.0.

ChatGLM2-6B-32K — двуязычная диалоговая языковая модель, разработанная командой THUDM и представленная организацией zai-org. Это версия ChatGLM2-6B, дообученная для работы с длинным контекстом: модель насчитывает 7,5 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для диалогов и генерации текста на китайском и английском языках, в том числе для работы с длинными документами и многоходовыми беседами. Модель использует архитектуру ChatGLM с плотной сетью, смешанную целевую функцию GLM и Multi-Query Attention; для расширения контекста применена интерполяция позиционных кодировок. В README отмечены обучение на 1,4 трлн китайских и английских токенов, выравнивание по предпочтениям людей и применение FlashAttention. По заявлению авторов, в официальной реализации контекст 32K доступен примерно при 20 ГБ памяти в форматах FP/BF16; INT4-квантизация позволяет вести диалог длиной до 8K при 6 ГБ памяти. Модель может помогать составлять ответы, поддерживать диалог и обрабатывать длинный текст, но для контекстов до 8K авторы рекомендуют обычную ChatGLM2-6B. README не приводит независимых оценок качества. Код распространяется по Apache-2.0, а для весов действует отдельная Model License: академическое использование открыто, бесплатное коммерческое использование разрешено после заполнения анкеты.

Experiment26Yamshadow_Experiment29Multi_verse_model — объединённая модель на архитектуре Mistral, созданная слиянием automerger/Experiment26Yamshadow-7B и automerger/Experiment29Multi_verse_model-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста; она принимает текстовые запросы и выдаёт текстовые продолжения или ответы. Контекст модели составляет до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Данных о специализированных областях применения и языках в предоставленной карточке нет.

amazingvince/llama-2-16k-booksum — языковая модель семейства Llama для генерации кратких изложений глав книг. Модель разработана на основе архитектуры Llama и настроена на выполнение инструкции «Напиши краткое изложение следующего текста»: на вход подаётся текст главы, на выходе формируется её краткое содержание. Модель имеет 6,6 млрд параметров и контекстное окно 16 384 токена. Она предназначена для суммирования длинных текстовых фрагментов, например глав книг. Данные README не сообщают о поддерживаемых естественных языках и лицензии; формат весов — safetensors.

M7Yamshadowexperiment28_AlloyingotneoyInex12 — объединённая модель MaziyarPanahi на базе двух моделей Mistral: automerger/M7Yamshadowexperiment28-7B и automerger/AlloyingotneoyInex12-7B. Это плотная авторегрессионная языковая модель с 7,1 млрд параметров, предназначенная для генерации текста; для запуска доступны веса Safetensors. Модель принимает текст и выдаёт текст. Её контекст составляет до 32 768 токенов. В карточке не описаны специализированные области применения, поддерживаемые языки или отдельные ограничения качества. Лицензия — Apache-2.0.

debisoft/mpt-7b-8k-instruct-peft-compatible — версия MPT-7B-Instruct-8k, подготовленная на основе eluzhnica/mpt-7b-8k-instruct-peft-compatible. Модель разработана MosaicML и дообучена для выполнения инструкций, в частности для ответов на вопросы и суммаризации длинных документов. В обучении использовались Dolly HHRLHF и наборы данных для математики, диалогов, вопросов по документам и других задач. Это плотный decoder-only трансформер MPTForCausalLM с 6,7 млрд параметров и 32 слоями. Архитектура использует FlashAttention и ALiBi без позиционных эмбеддингов. Модель предназначена для генерации текста; заявлен контекст 8k токенов в названии и описании исходной модели. Для загрузки через Transformers требуется доверенное выполнение пользовательского кода. Лицензия — CC-BY-SA-3.0. Модель подходит для ответов на вопросы и краткого изложения длинных текстов, однако может выдавать фактически неверные, предвзятые или оскорбительные ответы. README не сообщает о специальной поддержке русского языка; основные обучающие данные описаны как англоязычные.

Nemotron ColEmbed V2 — мультимодальная модель эмбеддингов NVIDIA для поиска по визуальным документам. Она дообучена на базе Qwen3-VL-4B-Instruct и использует трансформерную архитектуру с визуальным энкодером SigLIP-2, модулем объединения зрения и языка и языковой моделью. В модели около 4,8 млрд параметров. Модель принимает текстовые запросы и изображения страниц документов, включая таблицы, диаграммы и инфографику, и строит многовекторные представления в стиле ColBERT: для каждого токена выдаётся вектор размерности 2560. Она предназначена для поиска по документам и мультимодальных RAG-систем; в README указано третье место в бенчмарке ViDoRe V3 на момент публикации результатов. В README заявлена поддержка многоязычных данных и контекст до 10 240 токенов в проведённых оценках. Обработка изображений разбивает их на плитки, для описанной конфигурации используется до восьми плиток и миниатюра. Для запуска требуются Transformers версии 4.57.2 или выше и Flash Attention; модель оптимизирована для GPU NVIDIA. Лицензия CC-BY-NC-4.0 ограничивает использование некоммерческими и исследовательскими сценариями.