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

Gemma-SEA-Guard-12B-2602 — модель с открытыми весами, разработанная AI Products Pillar компании AI Singapore при финансировании Национального исследовательского фонда Сингапура. Это дообученная на 1 млн пар инструкций версия мультимодальной Gemma 3 12B IT: плотная decoder-модель с поддержкой чата и изображений и контекстом 128 тыс. токенов. Модель предназначена для классификации безопасности: на текстовый запрос она должна отвечать меткой «safe» или «unsafe». Она обучена учитывать культурный контекст стран Юго-Восточной Азии; авторы также оценивали классификацию безопасности по тексту и изображению. Модель поддерживает бирманский, английский, индонезийский, малайский, тагальский, тамильский, тайский и вьетнамский языки. Ответы генеративной модели могут быть ошибочными, необоснованными или неуместными, поэтому классификацию следует перепроверять, а результаты не считать окончательным решением без дополнительной проверки человеком. Для использования весов указана лицензия Gemma.

Isaac-0.1 — мультимодальная модель Perceptron AI для диалога и анализа изображений в сценариях, связанных с физическим миром. Она объединяет языковую основу Qwen3-1.7B и визуальную составляющую SigLIP2; в метаданных указаны архитектура IsaacForConditionalGeneration, 1,7 млрд параметров, библиотека Transformers и контекст до 40 960 токенов. Модель принимает текст и изображения и формирует текстовые ответы. Модель предназначена для визуальных вопросов и ответов, пространственного рассуждения, локализации объектов и дефектов, распознавания текста на изображениях, а также диалогового анализа сцен. В README заявлены работа с мелкими деталями и загромождёнными изображениями, адаптация к примерам в контексте и указание областей изображения, на которых основаны ответы. Эти возможности описаны разработчиком; количественные результаты в карточке не приведены. Модель опубликована Perceptron под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование. Это ранняя версия семейства Isaac; заявленные сценарии требуют проверки на конкретных изображениях и задачах.

nsi319/legal-pegasus — модель семейства PEGASUS, дообученная на юридических документах для создания абстрактивных резюме. Базовая модель — google/pegasus-cnn_dailymail; архитектура реализована классом PegasusForConditionalGeneration, размер модели — 366,8 млн параметров. Модель предназначена для суммаризации юридических материалов, включая пресс-релизы о судебных разбирательствах и жалобы. Обучающая выборка содержит более 2700 материалов из набора sec-litigation-releases. Максимальная длина входной последовательности — 1024 токена; в карточке указан английский язык. В опубликованной оценке модель показала более высокие ROUGE-метрики, чем базовая PEGASUS на приведённом сравнении. Модель принимает текст и генерирует текстовое резюме. Распространяется по лицензии MIT. Результат следует проверять: суммаризация может опускать детали или неточно передавать юридически значимые формулировки.

Это модель классификации письменных арабских диалектов, разработанная IbrahimAmin на базе MARBERTv2 и дообученная для распознавания пяти классов: магрибских диалектов, левантийского диалекта, современного литературного арабского, диалектов стран Залива и египетского диалекта. Модель использует архитектуру BERT и содержит около 190 млн параметров; максимальная длина контекста — 512 токенов. Модель принимает арабский текст и предсказывает региональную категорию. Она предназначена для определения диалекта в коротких сообщениях из соцсетей, форумов и других источников неформального письма, а также для лингвистических исследований и диалектно-ориентированных систем обработки естественного языка. В карточке указано обучение на более чем 850 тысячах арабских предложений из общедоступных наборов данных. Модель подходит для определения пяти широких региональных классов, но не различает отдельные страны или города внутри них. Результаты для коротких фрагментов, смешанного языка и диалектов, не представленных отдельными классами, могут быть неточными. Лицензия — Apache-2.0.

Модель hemekci/off_detection_turkish — дообученный BERT-классификатор для выявления оскорбительной лексики в турецких текстах, разработанный на базе PyTorch. Она относит текст к классу оскорбительного или неоскорбительного содержания и предназначена, в частности, для анализа публикаций в социальных сетях. Модель дообучена на 31 277 предложениях из Twitter; архитектура — BertForSequenceClassification с 211,6 млн параметров и контекстом до 512 токенов. В README приведены результаты проверки: точность 0,90 и MCC 0,633. Модель принимает текст на турецком языке и выдаёт метку класса. Репозиторий содержит веса PyTorch и Flax. Лицензия в предоставленных сведениях не указана.

Qwen3-30B-A3B-Agentic-ESOpt-DocVQA (theta40) — полно-параметрический чекпойнт BF16 на базе Qwen/Qwen3-30B-A3B, полученный детерминированным воспроизведением 40 обновлений Agentic-ESOpt. Архитектура — MoE Qwen3; метаданные указывают 2,6 млрд параметров и контекст 131 072 токена. Модель предназначена для генерации ответов на вопросы по документам в задаче DocVQA. В отчёте автора приведены ANLS 0,3653 и точность 39% для среднего по четырём выборкам, а также ANLS 0,5078 и точность 53% при оценке по лучшему результату из четырёх. Это результаты указанной конфигурации оценки, а не гарантия качества на других данных. Модель использует Transformers и распространяется в формате safetensors. README указывает на полный чекпойнт BF16; лицензия в предоставленных данных не указана. Метаданные описывают текстовую генерацию и возможность диалога, но не заявляют поддержку изображений, поэтому способ подачи документов с изображениями из этих сведений установить нельзя.

ClimateBERT renewable — модель на базе RoBERTa, дообученная для классификации предложений, связанных с возобновляемой энергетикой. Она использует классификационную голову и обучена на размеченном людьми наборе данных; базой послужила climatebert/distilroberta-base-climate-f. Модель подходит для отбора предложений о возобновляемой энергетике в текстах. Она содержит 95,4 млн параметров, принимает текст с контекстом до 514 токенов и распространяется в формате PyTorch по лицензии Apache-2.0.

WindyTranslate/translate-en-ml — модель машинного перевода, опубликованная Windstorm Labs и предназначенная для перевода с английского на малаялам. Это дообученная версия Helsinki-NLP/opus-mt-en-ml: LoRA-дообучение на параллельных текстах объединено с базовыми весами. Модель использует архитектуру MarianMT, содержит 37,8 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель подходит для перевода коротких английских текстов на малаялам. В скрининговой оценке на 48 предложениях FLORES-200 dev она получила chrF++ 30,72 и BLEU 4,31; этот результат не является полноценным исследовательским бенчмарком. Модель распространяется в формате safetensors и доступна по лицензии Apache-2.0.

DavidCombei/wav2vec2-xls-r-1b-DeepFake-AI4TRUST — дообученная модель классификации аудио на базе facebook/wav2vec2-xls-r-1b. По названию репозитория она предназначена для выявления дипфейкового аудио; точное описание классов и обучающего набора данных не приведено. Модель содержит 1,3 млрд параметров, использует архитектуру Wav2Vec2ForSequenceClassification и распространяется в формате safetensors для Transformers. В карточке указаны точность 0,8312 и loss 0,8947 на оценочном наборе, но его состав и методика оценки не описаны. Модель выпущена под лицензией Apache-2.0.

Zamba2-1.2B — базовая языковая модель Zyphra для генерации текста. Она сочетает слои Mamba2 с общим трансформерным блоком внимания; LoRA-проекции помогают этому блоку специализироваться на разных участках сети, а Rotary Position Embeddings улучшают работу с позиционной информацией. Модель содержит 2,6 млрд параметров и использует токенизатор Mistral v0.1. Модель предварительно обучена на 3 трлн токенов текстовых и программных данных из открытых веб-источников, а затем дополнительно обучена на смеси из 100 млрд высококачественных токенов. Её можно применять для продолжения текста и кода. Контекст составляет 4096 токенов. Это базовая модель, не настроенная на выполнение инструкций или диалог; она не имеет встроенной модерации и может генерировать токсичный или иной вредоносный текст. Для эффективного запуска нужны совместимые версии Transformers и оптимизированные ядра Mamba2. Лицензия — Apache-2.0.

Aitana-2B-S-base — базовая генеративная языковая модель семейства Aitana, разработанная группой GPLSI Университета Аликанте. Она основана на BSC-LT/salamandra-2b и непрерывно предобучена на многоязычных данных, чтобы улучшить представление валенсийского и каталанского языков. Это плотный decoder-only Transformer архитектуры Llama с примерно 1,7 млрд параметров по метаданным и контекстом 8192 токена. Модель предназначена для генерации текста на валенсийском, испанском и английском языках, а также для дальнейшего дообучения и адаптации в административной, юридической и туристической сферах. Обучающие данные включают официальные публикации DOGV, парламентские материалы Les Corts, корпус AMIC, документы Университета Аликанте и туристические тексты. Модель не проходила настройку на следование инструкциям, а её формальные обучающие данные могут приводить к официальному стилю ответов. В репозитории доступны веса safetensors и варианты GGUF, включая Q4_K_M и F16. Лицензия — Apache-2.0.

GroNLP разработала эту дообученную модель на базе BERT для выявления оскорбительной и неприемлемой лексики в нидерландских твитах. Она относится к архитектуре BertForSequenceClassification, содержит 136,3 млн параметров и принимает текстовые последовательности длиной до 512 токенов. Модель предназначена для классификации публикаций с оскорблениями, руганью, угрозами и прямыми или завуалированными нападками. В README приведены результаты на DALC v2.0, HateCheck-NL и OP-NL; метрики зависят от набора данных, а оценки на HateCheck-NL показывают, что модель может ошибаться при распознавании как оскорбительных, так и нейтральных примеров. Репозиторий содержит веса PyTorch и Safetensors. Лицензия — Apache-2.0.

DeTexD-RoBERTa-base — базовая модель RoBERTa для обнаружения и классификации деликатного текста. Она размечает текст по шести уровням риска: от неделикатного до очень высокого риска, что позволяет ранжировать потенциально чувствительное содержание по степени выраженности. Модель разработана для задачи из бенчмарка DeTexD: A Benchmark Dataset for Delicate Text Detection. Модель содержит 151,8 млн параметров, принимает текст и выдаёт метки классов. Контекст составляет до 514 токенов. Карточка указывает английский язык, формат PyTorch и лицензию Apache-2.0. Это базовая модель RoBERTa, а не заявленное дообучение другой модели; пример кода в README не содержит рабочего кода.

gemma-3-27b-it-Adetayo — дообученная cyboghostginx версия Google Gemma 3 27B IT, созданная для генерации текста на исландском языке с улучшенной обработкой исландской морфологии и грамматики. Это плотная языковая модель на 28,3 млрд параметров с архитектурой Gemma3ForCausalLM; она принимает текст и поддерживает диалоговый формат Gemma. Контекстное окно составляет до 131 072 токенов. Модель подходит для исландоязычных диалогов и прямых ответов на запросы. В README приведены результаты на таблице лидеров исландских LLM Miðeind, включая оценку 96,54 за склонение по морфологии BÍN. Модель не позиционируется как модель рассуждений. Распространяется в формате Safetensors по лицензии Gemma; перед использованием следует соблюдать её условия.

Latxa-Llama-3.1-70B-Instruct-v2-FP8 — крупная языковая модель, разработанная исследовательским центром HiTZ и исследовательской группой IXA Университета Страны Басков UPV/EHU. Это FP8-квантованная версия Latxa 3.1 70B Instruct V2, основанная на Meta Llama 3.1 70B Instruct и дополнительно обученная на баскском корпусе Latxa Corpus v1.1, включающем около 4,3 млн документов и 4,2 млрд токенов. Модель предназначена прежде всего для работы с баскским языком и ориентирована на генерацию текста, следование инструкциям и ведение диалогов в формате чат-ассистента. Модель сохраняет архитектуру исходной Llama 3.1, содержит 70 млрд параметров и поддерживает текстовую модальность. Основной заявленный язык — баскский; для других языков качество не гарантируется. По данным предварительной оценки, модель заметно превосходит Llama 3.1 Instruct на стандартных баскских тестах, включая задачи понимания прочитанного, проверки знаний и оценки владения языком. Ограничения включают возможные смещения, риски и недостатки, унаследованные от Llama 3.1 и обучающих данных, поэтому перед использованием в производственных системах необходимы оценка рисков и защитные меры. Модель распространяется по лицензии Llama 3.1, которая допускает коммерческое и исследовательское использование при соблюдении её условий. Она не предназначена для вредоносных действий, нарушения прав человека или применения без надлежащего контроля. В README не указаны размер контекста и точные технические характеристики квантования FP8.

NaijaXLM-T-base Hate — модель XLM-RoBERTa, разработанная pvcastro и manueltonneau и дообученная на нигерийских твитах из датасета NaijaHate для выявления языка ненависти. Она классифицирует текстовые сообщения на английском Нигерии, нигерийском пиджине, хауса, йоруба и игбо; в обучении использовались стратифицированная и отобранная активным обучением части датасета. Модель содержит 305,2 млн параметров, принимает текст с контекстом до 514 токенов и доступна в формате PyTorch. Подходит для классификации публикаций в социальных сетях и анализа текста на предмет языка ненависти в поддерживаемых языках. Лицензия в предоставленных данных не указана.

Privasis-Cleaner-4B-i1-GGUF — это квантизированная версия текстовой генеративной модели Arsh9210/Privasis-Cleaner-4B, подготовленная в формате GGUF пользователем mradermacher. Модель предназначена для задач, связанных с конфиденциальностью текста: обнаружения и удаления персональных данных (PII), обезличивания, санитарной обработки и редактирования текстовых документов. В метаданных также указана принадлежность к семейству Qwen3, однако подробности архитектуры не приведены. Модель имеет размер 4B параметров, работает с текстом и ориентирована на английский язык. Репозиторий содержит множество вариантов квантизации с разными компромиссами между размером, скоростью и качеством; рекомендуются варианты i1-Q4_K_M и i1-Q4_K_S, при этом более низкобитные варианты могут заметно уступать по качеству. Размер контекста и результаты бенчмарков не указаны, поэтому возможности обработки длинных документов и точность удаления персональных данных требуют самостоятельной проверки. Лицензия обозначена как NVIDIA, тип лицензии — other; дополнительные условия находятся в файле LICENSE.

cnmoro/Qwen2.5-0.5B-Portuguese-v1 — компактная языковая модель, созданная дообучением Qwen/Qwen2.5-0.5B-Instruct разработчиком cnmoro для повышения качества работы на португальском языке. Это плотная авторегрессионная модель семейства Qwen2 с 494 млн параметров, представленная в формате safetensors и поддерживающая контекст до 32 768 токенов. В карточке указаны чат-шаблон и интерфейс вызова инструментов. Модель предназначена для диалога, выполнения инструкций и генерации текста на португальском языке. В обучении использовались португалоязычные наборы openHermes_portuguese, smoltalk-555k-ptbr и RagMixPTBR-Legal-Alpaca-2M; последний охватывает юридические примеры. В README приведены результаты оценки на португалоязычных тестах, включая экзаменационные задания, понимание текстовых отношений и анализ тональности. Модель распространяется по лицензии MIT. Результаты тестирования указывают на ограниченное качество в ряде задач, поэтому ответы, особенно по правовым вопросам и экзаменационным темам, следует проверять. README сообщает об ограничении генерации до 32 токенов в указанной конфигурации оценки; это не подтверждает такой предел для всех способов запуска.

ReDimNet2 B0 для MLX — конверсия официального чекпойнта b0-vox2-lm.pt, дообученного с large-margin на VoxCeleb2-dev. Модель принимает монофоническое аудио с частотой 16 кГц и выдаёт голосовой эмбеддинг размером 192 измерения, который можно использовать для сравнения голосов и проверки личности говорящего. Версия предназначена для запуска с библиотекой MLX. В README указано, что эмбеддинги совпадают с PyTorch-реализацией с относительной ошибкой не более 2,9×10⁻⁶ в описанном тесте на CPU в float32. Репозиторий распространяется по лицензии MIT.

Модель nilamgaichor/text_classification_senti_analysis — дообученная версия DistilBERT для классификации текста. По названию репозитория она предназначена для анализа тональности; README сообщает точность 0,9674 и loss 0,1275 на оценочной выборке, но не описывает набор данных и метрики подробнее. Модель принимает текст и возвращает метки классов; контекст ограничен 512 токенами. Модель работает на Transformers, веса опубликованы в формате safetensors. Лицензия — Apache-2.0. Данные не уточняют языки, состав классов и ограничения применения, поэтому результаты оценки нельзя уверенно переносить на другие домены или языки.

T-one — потоковая модель автоматического распознавания русской речи, разработанная T-Software DC для телефонных разговоров и других аудиосценариев. В состав решения входят акустическая модель, детектор границ фраз и декодер CTC с поиском по лучу на основе KenLM; доступны примеры для потоковой и пакетной обработки, дообучения и развёртывания. Акустическая часть содержит 71 млн параметров и основана на архитектуре Conformer с CTC-обучением. Она обрабатывает аудио фрагментами по 300 мс и поддерживает потоковый вывод текста с временными метками слов. В README приведены результаты сравнительных тестов, в которых модель показывает сильные результаты на телефонных данных, включая записи колл-центров. Модель обучена на более чем 80 тысячах часов русской речи из телефонных, дальнепольных и смешанных данных. Хотя основной сценарий — телефонное аудио, README указывает на устойчивость к другим доменам. Модель распространяется по лицензии Apache-2.0.

C4AI Command R+ 08-2024 — большая авторегрессионная языковая модель семейства Cohere, опубликованная Cohere и Cohere For AI; данная версия размещена Unsloth. Модель содержит 103,8 млрд параметров, использует архитектуру Transformer с grouped-query attention и принимает текст, выдавая текст. Контекстное окно — 128K токенов. Модель предназначена для диалогов, ответов на вопросы, суммаризации, рассуждений и генерации с опорой на предоставленные документы (RAG). Она обучена работать с инструментами в несколько шагов, например для поиска информации и автоматизации составных задач. Поддерживает 23 языка, включая английский, русский, китайский, арабский, японский и другие; оценивалась на 10 языках. Модель дообучена с помощью supervised fine-tuning и обучения предпочтениям. Для использования возможностей работы с инструментами рекомендуется соблюдать специальный шаблон диалога; отклонение от него может снизить качество. Лицензия CC-BY-NC-4.0 запрещает коммерческое использование и требует соблюдения Acceptable Use Policy C4AI.

Qwen2.5-7B-Instruct-1M — разговорная модель генерации текста из семейства Qwen2.5, разработанная командой Qwen. Она предназначена для диалога, ответов на вопросы, работы с длинными документами и другими задачами, где нужно учитывать большой объём контекста. Модель построена на архитектуре Qwen2 с причинно-следственной языковой моделью и 7,1 млрд параметров по метаданным. Карточка семейства указывает на RoPE, SwiGLU, RMSNorm и контекст до 1 010 000 токенов; генерация ограничена 8192 токенами. Модель дообучена на базе Qwen/Qwen2.5-7B, поддерживает чат и интерфейс вызова инструментов. Указанные языковые сведения подтверждают английский, но сами по себе не доказывают поддержку только одного языка. Для работы с контекстом около миллиона токенов README рекомендует специальную сборку vLLM и указывает потребность как минимум в 120 ГБ видеопамяти суммарно для версии 7B. В прежних средах выполнения качество может снижаться на последовательностях длиннее 262 144 токенов. Лицензия — Apache-2.0.

Карточка модели tiensi/Qwen2.5-VL-3B-Instruct на Hugging Face совпадает с карточкой unsloth/Qwen2.5-VL-3B-Instruct, поэтому описание составлено по ней. Qwen2.5-VL-3B-Instruct — мультимодальная модель Alibaba семейства Qwen2.5-VL, представленная в репозитории unsloth как дообученная версия Qwen/Qwen2.5-VL-3B-Instruct. Она принимает текст и изображения, а также может анализировать видео, и формирует ответы на естественном языке или структурированный вывод. Модель предназначена для визуальных вопросов и ответов, чтения текста и таблиц на изображениях, анализа диаграмм и макетов, поиска объектов с координатами, понимания событий в видео и взаимодействия с интерфейсами через визуальные сигналы. Модель использует плотную архитектуру Qwen2.5-VL с примерно 3,1 млрд параметров и поддерживает контекст до 128 000 токенов согласно метаданным. README описывает динамическое разрешение изображений, обработку видео с временной привязкой событий, локализацию объектов в виде рамок или точек и структурированные ответы, например для счетов и форм. Карточка также указывает возможности чата и зрения; для работы заявлена библиотека Transformers. README содержит примеры использования с Transformers и ModelScope. Для видео указана зависимость совместимости URL от сторонних библиотек, а длинный текстовый контекст в README описан через YaRN с базовой конфигурацией 32 768 токенов; при расширении контекста возможна потеря качества пространственной и временной локализации. Лицензия в предоставленных данных не указана.

NVIDIA Nemotron Parse v1.2 — модель NVIDIA для извлечения текста и структуры документов по изображению. Она предназначена для разбора PDF- и PPT-страниц, включая документы со сложной и изменчивой вёрсткой, и может использоваться в системах поиска и курирования документов, а также для подготовки данных и повышения точности приложений на базе LLM и VLM. Модель построена на архитектуре vision encoder–decoder: визуальный энкодер ViT-H, адаптер на 1D-свёртках и mBart-декодер из 10 блоков. По изображению RGB и текстовой инструкции она формирует текстовую строку со структурированными аннотациями: распознанным текстом, классами элементов и их ограничивающими рамками в естественном порядке чтения. Поддерживаются таблицы с выводом в форматах LaTeX, HTML, Markdown, JSON или CSV, а также настройка извлечения текста, встроенного в изображения. Размер модели — менее 1 млрд параметров; указанный диапазон разрешений входа — от 1024×1280 до 1664×2048 пикселей. Модель выделяет заголовки, разделы, подписи, сноски, списки, таблицы, библиографию и изображения, сохраняя их пространственное положение и порядок чтения. Для остановки повторяющихся фрагментов и структурирования табличного вывода доступны дополнительные обработчики логитов. README заявляет готовность к коммерческому применению; метаданные указывают лицензию other, а токенизатор распространяется по CC-BY-4.0, поэтому условия лицензии весов следует проверять отдельно. Для качества генерации в версии 1.2 требуется промпт с четырьмя категориями токенов; использование старого трёхтокенного промпта заметно ухудшает результат.

Ovis2.6-30B-A3B — мультимодальная большая языковая модель семейства Ovis, разработанная ATH-MaaS. Она предназначена для диалога и анализа изображений: отвечает на вопросы по документам и нескольким страницам, распознаёт текст, извлекает сведения из таблиц и диаграмм, а также рассуждает по визуальным данным. Модель использует архитектуру Mixture-of-Experts с 30 млрд параметров, из которых при генерации активны примерно 3 млрд. Карточка указывает контекст до 64 тыс. токенов и обработку изображений с разрешением до 2880×2880; метаданные каталога указывают контекст 262 144 токена. README описывает возможность активного анализа областей изображения, включая кадрирование и поворот, с помощью визуальных инструментов. Модель принимает текст и изображения и выдаёт текст. В карточке не перечислены поддерживаемые языки, поэтому языковые коды не указаны. Репозиторий содержит веса safetensors; лицензия — Apache-2.0. README предупреждает, что разработчики не гарантируют полного отсутствия проблем с авторскими правами или нежелательного содержания.

Карточка модели 6chongbin/Qwen2.5-VL-3B-Instruct на Hugging Face совпадает с карточкой unsloth/Qwen2.5-VL-3B-Instruct, поэтому описание составлено по ней. Qwen2.5-VL-3B-Instruct — мультимодальная модель Alibaba семейства Qwen2.5-VL, представленная в репозитории unsloth как дообученная версия Qwen/Qwen2.5-VL-3B-Instruct. Она принимает текст и изображения, а также может анализировать видео, и формирует ответы на естественном языке или структурированный вывод. Модель предназначена для визуальных вопросов и ответов, чтения текста и таблиц на изображениях, анализа диаграмм и макетов, поиска объектов с координатами, понимания событий в видео и взаимодействия с интерфейсами через визуальные сигналы. Модель использует плотную архитектуру Qwen2.5-VL с примерно 3,1 млрд параметров и поддерживает контекст до 128 000 токенов согласно метаданным. README описывает динамическое разрешение изображений, обработку видео с временной привязкой событий, локализацию объектов в виде рамок или точек и структурированные ответы, например для счетов и форм. Карточка также указывает возможности чата и зрения; для работы заявлена библиотека Transformers. README содержит примеры использования с Transformers и ModelScope. Для видео указана зависимость совместимости URL от сторонних библиотек, а длинный текстовый контекст в README описан через YaRN с базовой конфигурацией 32 768 токенов; при расширении контекста возможна потеря качества пространственной и временной локализации. Лицензия в предоставленных данных не указана.

Карточка модели mario-d-robot/Qwen2.5-VL-3B-Instruct на Hugging Face совпадает с карточкой unsloth/Qwen2.5-VL-3B-Instruct, поэтому описание составлено по ней. Qwen2.5-VL-3B-Instruct — мультимодальная модель Alibaba семейства Qwen2.5-VL, представленная в репозитории unsloth как дообученная версия Qwen/Qwen2.5-VL-3B-Instruct. Она принимает текст и изображения, а также может анализировать видео, и формирует ответы на естественном языке или структурированный вывод. Модель предназначена для визуальных вопросов и ответов, чтения текста и таблиц на изображениях, анализа диаграмм и макетов, поиска объектов с координатами, понимания событий в видео и взаимодействия с интерфейсами через визуальные сигналы. Модель использует плотную архитектуру Qwen2.5-VL с примерно 3,1 млрд параметров и поддерживает контекст до 128 000 токенов согласно метаданным. README описывает динамическое разрешение изображений, обработку видео с временной привязкой событий, локализацию объектов в виде рамок или точек и структурированные ответы, например для счетов и форм. Карточка также указывает возможности чата и зрения; для работы заявлена библиотека Transformers. README содержит примеры использования с Transformers и ModelScope. Для видео указана зависимость совместимости URL от сторонних библиотек, а длинный текстовый контекст в README описан через YaRN с базовой конфигурацией 32 768 токенов; при расширении контекста возможна потеря качества пространственной и временной локализации. Лицензия в предоставленных данных не указана.

Это зеркало инструктивной мультимодальной модели Qwen2.5-VL-7B от команды Qwen, опубликованное пользователем chibifire. Модель принимает изображения, видео и текст, а генерирует текст; она предназначена для диалогового анализа визуального содержимого и локального инференса. В репозитории находятся веса в формате safetensors, токенизатор, шаблон чата и конфигурации процессора и генерации. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2.5-VL и поддерживает контекст до 128 000 токенов. Зеркало основано на Qwen/Qwen2.5-VL-7B-Instruct и распространяется по лицензии Apache-2.0. Карточка описывает английский язык; возможности для других языков здесь не подтверждены.

Ghost 8B Beta 1608 — языковая модель Ghost X, разработанная Hieu Lam на основе Meta-Llama-3-8B. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, обученная продолжением предобучения и последующей настройкой, включая этап с обратной связью от людей. Версия в этом репозитории рассчитана на контекст до 8192 токенов. Модель предназначена для многоязычного диалога, генерации текста, ответов на вопросы, следования инструкциям и вызова инструментов через встроенный шаблон чата. README заявляет поддержку 16 языков, включая английский, вьетнамский, корейский, китайский, японский, русский и другие; также упоминаются улучшения рассуждений и математических задач. Репозиторий содержит веса safetensors. README приводит лицензию Ghost Open LLMs LICENSE вместе с Llama 3 LICENSE, а метаданные классифицируют лицензию как other; перед использованием следует проверить условия обеих лицензий. Заявления о превосходстве в сравнительных оценках приведены авторами модели и не являются независимой оценкой. Как языковая модель, она может допускать ошибки и выдавать недостоверные ответы; качество зависит от языка и задачи.