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

qwen2-1 — объединённая модель на архитектуре Qwen2, созданная с помощью LazyMergekit из Weyaxi/Einstein-v7-Qwen2-7B и jeiku/dontusethis. Она предназначена для генерации текста и диалоговых сценариев. Слияние выполнено методом SLERP; модель содержит 7,1 млрд параметров, использует формат safetensors и имеет контекстное окно до 131 072 токенов. Базовая модель Einstein-v7-Qwen2-7B описана как диалоговая модель для генерации текста и ответов на вопросы, особенно по естественным наукам и математике. Лицензия в предоставленных данных не указана.

Vero-Qwen3I-8B — мультимодальная модель для общего визуального рассуждения из открытого семейства Vero. Она создана на основе Qwen3-VL-8B-Instruct и дообучена с применением обучения с подкреплением. Модель содержит 8 млрд параметров и предназначена для диалога и анализа изображений.

Assistify Recommendation Model — модель Sentence Transformers, дообученная на базе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 для поиска и сопоставления текстов. Она использует архитектуру BERT с усредняющим pooling и преобразует предложения и абзацы в плотные векторы размерности 384; сходство оценивается косинусной мерой. Модель принимает текст. В README указана максимальная длина последовательности 128 токенов, а метаданные каталога указывают контекстное окно 512 токенов. Модель предназначена для семантического поиска, извлечения подходящих документов и рекомендаций по текстовому запросу. Обучение проводилось на 35 910 парах предложений с MultipleNegativesRankingLoss; примеры включают запросы о медицинских товарах на арабском и английском языках. Лицензия в предоставленных данных не указана.

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.

InkErase — модель для удаления рукописных чернил и пометок с изображений документов. Согласно карточке, модель разработана на архитектуре U-Net++ с кодировщиком ResNet-50 и принимает RGB-изображение, возвращая RGB-изображение с удалёнными чернилами. Для обработки крупных изображений предусмотрен скрипт разбиения на фрагменты с последующим объединением результата; размеры, не кратные 32, могут потребовать дополнения или изменения размера изображения. Модель предназначена для очистки сканов и фотографий документов от рукописных пометок. Веса опубликованы в формате SafeTensors, а исходный чекпойнт PyTorch Lightning можно использовать для продолжения обучения или воспроизведения экспериментов. В метаданных Hugging Face указано дообучение microsoft/resnet-50 и лицензия Apache-2.0; README при этом указывает MIT, поэтому условия лицензирования требуют сверки с файлами репозитория.

MaziyarPanahi/MeliodasPercival_01_T3qm7xExperiment26 — объединённая языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и диалогов по текстовому запросу, включая работу с длинным контекстом до 32 768 токенов. Модель создана слиянием automerger/MeliodasPercival_01-7B и automerger/T3qm7xExperiment26-7B. Модель распространяется в формате safetensors по лицензии Apache-2.0. В предоставленных материалах нет сведений о специальной предметной области или языках, на которых она оптимизирована.

ryanfortin/community-blend-qwen3-8b — это плотная языковая модель семейства Qwen3 с 7,6 млрд параметров, разработанная путём эволюционного слияния моделей. По README, автор получил её после 781 поколения автоматического отбора и 749 слияний дообученных моделей Qwen3-8B; итоговый вариант создан методом SLERP из двух промежуточных чемпионов. Модель предназначена для диалоговой генерации текста, ответов на вопросы и рассуждений в разных областях. Контекст составляет 40 960 токенов; репозиторий содержит веса в safetensors и использует библиотеку Transformers. README сообщает об улучшении относительно исходной Qwen3-8B на шести из восьми бенчмарков, включая HellaSwag и ARC, и описывает сохранённые навыки в медицине, математике и прогнозировании. Это результаты тестирования автора, а не гарантия качества для конкретных пользовательских задач. Модель доступна по лицензии Apache-2.0.

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.

Llama-xReadable-11B-zhTW-OCR-v3 — модель оптического распознавания символов для традиционного китайского языка Тайваня, разработанная облачной компанией 云碩科技 (xCloudinfo) на базе Meta Llama 3.2 11B Vision Instruct. Это плотная мультимодальная модель семейства mllama с возможностью диалога и анализа изображений; она принимает изображения документов и выдаёт распознанный текст. Модель дообучена для печатных и сканированных документов, квитанций, заметок и смешанного китайско-английского текста; результат нормализуется в традиционное китайское письмо. В оценках на шрифтах, не встречавшихся при обучении, модель показала низкую долю посимвольных ошибок на печатном тексте. Распознавание рукописей остаётся экспериментальным и требует проверки человеком; бледный или неразборчивый почерк распознаётся хуже. Для таблиц и сложной разметки рекомендуется предварительно разделить изображение на строки или ячейки. Английские фрагменты поддерживаются, но данных для них меньше. Модель распространяется в формате bf16 safetensors по лицензии Llama 3.2; для запуска подходят Transformers и vLLM, требуется около 21 ГБ для весов и рекомендуется GPU с 24 ГБ видеопамяти или больше.

Модель krupper/text-complexity-classification разработана Рубеном Клеппом для классификации сложности немецкоязычных текстов. Она относит текст к одному из четырёх классов: лёгкий язык (leichte Sprache), простой язык (einfache Sprache), повседневный язык (Alltagssprache) или специальный язык (Fachsprache).

MaziyarPanahi/calme-2.3-qwen2-7b — дообученная Maziyar Panahi версия языковой модели Qwen2-7B для диалоговой генерации текста. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2 и формат safetensors; для общения применяется шаблон ChatML. Заявленная длина контекста — 131 072 токена. Модель предназначена для чата и широких задач генерации и понимания текста. В README заявлена цель улучшить базовую модель по бенчмаркам; приведены результаты Open LLM Leaderboard, включая средний балл 22,74, IFEval и BBH. В качестве данных для дообучения указаны HelpSteer2, OpenHermes-2.5, набор задач Orca Math и SlimOrca. Карточка указывает английский язык. Лицензия — Apache-2.0. Результаты бенчмарков сами по себе не гарантируют качество в конкретных сценариях.

ECE-TW3-JRGL-V4 — 71-миллиардная языковая модель, созданная объединением migtissera/Tess-72B-v1.5b и MTSAIR/MultiVerse_70B с помощью mergekit. Она использует плотную архитектуру LlamaForCausalLM и предназначена для генерации текста, диалогов и ответов на вопросы. Модель принимает текст и выдаёт текст; длина контекста составляет 32 768 токенов. Модель распространяется в формате safetensors под лицензией Apache-2.0. Данных о специализированной предметной области или языках модели в карточке нет.

Mistral-7B-v0.1-Open-Platypus-Mistral-7B-Instruct-v0.2-slerp — объединённая диалоговая языковая модель на основе Mistral-7B-Instruct-v0.2 и Open-Platypus. Разработчик объединил веса методом SLERP с помощью Mergekit; архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров. Модель предназначена для генерации текста и ответов на инструкции в диалоговом формате. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В карточке не заявлены конкретные естественные языки или узкие прикладные области. Репозиторий содержит веса Safetensors. Лицензия — Apache-2.0. Качество отдельных задач и ограничения сверх характеристик базовых моделей в карточке не описаны.

NuExtract-tiny — компактная языковая модель NuMind для извлечения структурированной информации из текста. Она основана на Qwen1.5-0.5B и дообучена на частном высококачественном синтетическом наборе данных. Модель принимает текст и JSON-шаблон с полями, которые нужно извлечь, и генерирует результат в заданной структуре. Архитектура — плотная Qwen2ForCausalLM; модель содержит 463,9 млн параметров, использует формат safetensors и имеет контекстное окно 32 768 токенов по метаданным. В README для извлечения рекомендуется передавать текст длиной менее 2 000 токенов. Модель рассчитана на извлечение фактов, сущностей и других заданных полей без перефразирования: согласно карточке, весь её текстовый вывод должен присутствовать в исходном тексте. Она показывает хорошие результаты без примеров, однако разработчик рекомендует дообучать её под конкретную задачу как минимум на 30 примерах. Карточка отмечает, что версия устарела. Лицензия — MIT.

StrangeMerges_35-7B-slerp — объединённая языковая модель, созданная Gille с помощью LazyMergekit. Она сочетает модели Gille/StrangeMerges_34-7B-slerp и Gille/StrangeMerges_32-7B-slerp методом SLERP; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров, веса представлены в safetensors. Модель предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Её можно применять для диалогов, продолжения текста и ответов на вопросы; README приводит результаты оценки на задачах рассуждения и понимания текста. Сведения о специализированных областях и языковой направленности модели не приведены. Модель распространяется по лицензии Apache-2.0. Результаты оценки не гарантируют качество на конкретных пользовательских задачах; README содержит лишь часть таблицы метрик.

Indic-Transcribe-core — многоязычная модель распознавания речи, разработанная Bodhan AI на основе NVIDIA Canary-1B-v2. Она использует энкодер FastConformer и декодер Transformer и предназначена для транскрибации речи на 25 языках Южной Азии и английском с выводом в письменности исходного языка. Модель поддерживает автоматическое определение языка и смешанную речь, например хинглиш, и рассчитана на работу с аудио из реальных шумных условий. Модель подходит для транскрибации записей и голосовых сервисов в образовании, сельском хозяйстве и здравоохранении. Для аудио длиннее 45 секунд README рекомендует использовать поставляемый механизм разбиения на фрагменты: обычный однопроходный режим ограничен по длине и может давать повторы. Определение языка может ошибаться, особенно для языков хинди-пояса, которые модель иногда относит к хинди; если язык известен, его рекомендуется задавать явно. В README заявлена готовность к коммерческому использованию, однако метаданные указывают лицензию «other», поэтому конкретные условия следует сверить с лицензией репозитория.

llama3.1-kartoffeldes-70B — плотная языковая модель семейства Llama 3.1 на 69,5 млрд параметров, созданная nbeerbower путём дообучения Llama-3.1-Saoirse-70B. Модель предназначена для генерации текста и диалогового взаимодействия; указано, что она дообучена методом ORPO на нескольких наборах данных в течение двух эпох. Модель работает с текстом и имеет контекстное окно до 131072 токенов. Репозиторий содержит веса в формате Safetensors. В метаданных указана лицензия Llama 3.1. Состав наборов для дообучения включает данные для предпочтений, физического рассуждения и проверки достоверности; карточка не приводит результатов оценки качества, поэтому конкретные преимущества модели установить нельзя.

MamayLM-Gemma-3-12B-IT-v1.0 — мультимодальная инструктивная модель INSAIT, института Софийского университета Св. Климента Охридского. Она создана на базе Gemma 3 12B: модель непрерывно предварительно обучали на данных с акцентом на украинский язык и культуру, применяя смешивание данных и объединение моделей, а затем дообучили на инструкциях. Архитектура — плотный декодерный трансформер Gemma 3 с 12 млрд параметров; модель принимает текст и изображения и отвечает текстом. Модель предназначена для диалогов, выполнения инструкций, рассуждений, ответов на вопросы и понимания изображений. Её основная специализация — украинский язык, при этом README сообщает о сохранении высоких способностей исходной Gemma 3 на английском. В карточке приведены результаты текстовых и визуальных оценок, включая украинские тесты ZNO и ZNO-Vision, но конкретные значения этих результатов здесь не указаны. Модель доступна на условиях Gemma Terms of Use. Она использует библиотеку Transformers и формат весов safetensors; в README также упоминается отдельная версия в формате GGUF. Длина контекста в предоставленных данных не указана.

AIFT-ko-orca-plat-Yi-ko-6b-v1.7 — корейская instruct-модель для генерации текста, созданная на основе обучающих данных, собранных и очищенных разработчиком AIFT. Авторы использовали около 40 тысяч примеров: задания из KOR-OpenOrca-Platypus, данные по истории, науке, математике, машинному чтению, анализу отзывов и грамматике, а также материалы для перевода между английским и корейским. В README также указаны задания на краткое изложение и вопросы на проверку фактов. Модель имеет плотную архитектуру семейства Llama, около 5,9 млрд параметров и контекст до 2048 токенов. Для обучения применялся LoRA на двух ускорителях A100 с 40 ГБ памяти. Модель подходит для ответов на вопросы, учебных заданий, чтения и пересказа текста и перевода с английского на корейский и обратно. Обучающие данные не опубликованы, поэтому их состав и качество нельзя независимо проверить. Модель распространяется по лицензии CC BY-SA 4.0; при использовании и распространении производных следует учитывать её условия.

GLiNER2 Small — компактная модель извлечения сущностей с нулевым обучением, представленная в карточке как вариант семейства GLiNER2. Она принимает текст и список типов сущностей, при необходимости с краткими определениями на английском языке, и возвращает найденные фрагменты текста с метками и точными символьными границами. Модель содержит 81 млн параметров и предназначена для извлечения именованных сущностей и других заданных схемой сущностей без предварительного обучения под конкретную схему. Модель рассчитана на обработку больших объёмов текста, предварительную фильтрацию и локальный запуск. В README указаны медианная задержка 26 мс на документ, пропускная способность 156 документов в секунду при пакетной обработке и пиковое потребление GPU-памяти 2,9 ГБ на A100. Выход детерминированный; качество ниже, чем у более крупных моделей семейства и некоторых LLM. Карточка приводит средний F1 39,7 на выборке из 19 наборов данных и 47,5 по опубликованному протоколу GLiNER из семи тестовых наборов. Модель использует библиотеку gliner2 и распространяется в формате safetensors. В метаданных указаны английский язык и лицензия Apache-2.0. README рекомендует при необходимости снижать порог для повышения полноты и удалять перекрывающиеся фрагменты для плоского результата.

nztinversive собрал эту плотную языковую модель методом TIES с помощью mergekit на основе NousResearch/Llama-2-7b-hf, объединив веса Mistral-7B-Instruct-v0.2 и Orca-2-7b. Модель содержит 6,6 млрд параметров, распространяется в формате safetensors и предназначена для генерации текста по запросам и инструкциям. Максимальная длина контекста составляет 4096 токенов. Модель можно применять для диалоговых ответов, черновиков и других текстовых задач общего назначения. В карточке не указаны отдельные языковые предпочтения или специализированная предметная область. Лицензия в предоставленных данных не указана; качество и ограничения этого конкретного слияния отдельно не описаны.

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.

Sakura-SOLAR-Instruct — разговорная языковая модель на базе архитектуры Llama, разработанная Кюджином Ханом (kyujinpy) в рамках исследовательского консорциума корейских компаний Media Group Saramgwa Forest и Marker. Модель создана с помощью Mergekit и предназначена для генерации текста в диалоговом формате. В карточке указано 10,6 млрд параметров и контекст длиной 4096 токенов. Модель подходит для ведения диалогов, ответов на вопросы и решения задач на понимание и генерацию текста. В README приведены результаты Open LLM Leaderboard по ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K; это результаты оценки, а не гарантия качества в конкретном сценарии. В метаданных указан английский язык. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая требует атрибуции и ограничивает коммерческое использование.

Typhoon-OCR-7B — мультимодальная модель для разбора документов, разработанная командой Typhoon AI. Она дообучена на базе Qwen/Qwen2.5-VL-7B-Instruct и предназначена для извлечения и структурирования содержимого тайских и английских документов: отчётов, научных статей, книг, государственных форм, чеков, меню, билетов и инфографики. Модель принимает изображения документов и выдаёт текст с сохранением структуры: общий текст в Markdown, таблицы в HTML, а иллюстрации и диаграммы — в виде структурированных описаний. Модель построена на архитектуре Qwen2.5-VL, содержит 7,1 млрд параметров и поддерживает контекст до 128 000 токенов. Для качественной работы ей требуются предусмотренные авторами промпты; произвольные инструкции могут работать некорректно. Авторы отмечают возможные ошибки распознавания и галлюцинации, а также трудности с интерпретацией разнообразных иллюстраций в книгах. Модель не имеет защитных ограничений и не предназначена для задач визуальных вопросов и ответов. Лицензия — Apache-2.0; использование также связано с условиями OpenTyphoon и уведомлением о конфиденциальности.

Nanthasit/my-embedding-gemma — текстовая модель Sentence Transformer, дообученная на базе google/embeddinggemma-300m. Она преобразует предложения и абзацы в плотные векторы размерностью 768 и сравнивает их с помощью косинусного сходства. Модель принимает текст, поддерживает последовательности до 2048 токенов и предназначена для семантического поиска, сравнения текстов и других задач на основе эмбеддингов. Её можно использовать для поиска похожих документов, обнаружения перефразировок, классификации и кластеризации текстов. Дообучение выполнено с MultipleNegativesRankingLoss на трёх примерах, посвящённых финансовым и страховым вопросам; такой малый объём данных ограничивает основания для выводов о качестве и специализации модели. Лицензия в предоставленных данных не указана.

TriMistral-7B-SLERP — объединённая языковая модель на базе архитектуры Mistral, опубликованная Muhammad2003. Она создана с помощью mergekit и метода SLERP из HuggingFaceH4/zephyr-7b-beta, NousResearch/Hermes-2-Pro-Mistral-7B и instructlab/merlinite-7b-lab. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста, включая диалоговые сценарии; нативный контекст — до 32 768 токенов. Модель подходит для диалоговых ответов, инструкций, рассуждений и генерации текста общего назначения. В README приведены результаты оценки на Open LLM Leaderboard, включая ARC и HellaSwag. Репозиторий содержит веса safetensors для Transformers. Лицензия — Apache-2.0. Карточка не сообщает о целевой языковой специализации или специализированной предметной области. Как и другие языковые модели, она может выдавать неверные или непроверенные ответы; качество зависит от запроса и сценария применения.

Ransaka/TrOCR-Sinhala — дообученная модель распознавания текста на изображениях, основанная на Microsoft TrOCR Printed. Она использует архитектуру vision-encoder-decoder и предназначена для OCR на сингальском языке. В метаданных указан синтетический датасет Ransaka/sinhala_synthetic_ocr-large; модель доступна в формате safetensors. Модель можно применять для извлечения сингальского текста из изображений с печатным текстом. Карточка не описывает подробные сценарии использования и результаты оценки; для оценки качества предлагается обратиться к вкладке с метриками обучения. Лицензия — MIT.

JANGQ-AI выпустила NVFP4-квантизированную версию dots-studio/dots3-note-prev для видеокарт NVIDIA Blackwell, включая RTX 50 и DGX Spark. Модель семейства dots3-note использует архитектуру MoE: в README указаны 280 млрд общих и 16 млрд активных параметров, 256 маршрутизируемых экспертов и один общий эксперт. Метаданные Hugging Face указывают 15,4 млрд параметров; размер модели поэтому приводится по README, а значение из метаданных не совпадает с ним. Модель предназначена для диалогов, программирования, рассуждений и агентных сценариев с вызовом инструментов. Она принимает текст, изображения, видео и аудио; видео обрабатывается вместе с аудиодорожкой. Контекст по метаданным — до 524 288 токенов. Квантизация затрагивает экспертные слои, тогда как компоненты внимания, общие эксперты, мультимодальные энкодеры и ряд других слоёв оставлены в BF16. README сообщает о проверенном vLLM-рантайме для двух узлов DGX Spark с tensor parallelism 2. Модель распространяется с открытыми весами по лицензии Apache-2.0. Её применение рассчитано на совместимое оборудование NVIDIA Blackwell и требует ресурсоёмкой конфигурации: README указывает около 174 ГБ на диске и запуск на двух узлах DGX Spark. Характеристики и ограничения качества независимыми оценками в предоставленных материалах не подтверждены.

Darwin-36B-Opus-GGUF — квантизированная версия модели Darwin-36B-Opus от FINAL-Bench, подготовленная bartowski в формате GGUF с использованием llama.cpp и imatrix-квантизации. Модель предназначена для генерации текста, сложных рассуждений, решения задач уровня выпускных и исследовательских экзаменов, а также многоязычных сценариев. Доступны варианты от IQ3 и Q3 до Q8 и исходного BF16; размер файлов составляет примерно от 17 до 69 ГБ. В README модель описывается как Mixture-of-Experts с акцентом на reasoning и поддержкой нескольких языков, включая английский, китайский, корейский, японский, немецкий, французский, испанский, русский и арабский. Указанный формат позволяет запускать её через llama.cpp, LM Studio, KoboldCpp, Jan AI и другие совместимые инструменты. Формат промпта использует специальные маркеры im_start и im_end, а ответ начинается с блока thinking. Сильными сторонами заявлены высокое качество рассуждений и многоязычная работа: в README приведены результаты 88,4% на GPQA Diamond и 85,0% на MMMLU, однако обе оценки помечены как непроверенные. Ограничения включают значительные требования к оперативной памяти и вычислительным ресурсам, зависящие от выбранного уровня квантизации; точный размер контекста и характеристики исходной архитектуры в README не указаны. Модель распространяется под лицензией Apache-2.0.

Gliese-OCR-7B-Post2.0-final-i1-GGUF — квантованная GGUF-версия vision-language модели Gliese-OCR-7B-Post2.0-final, разработанной prithivMLmods и квантованной mradermacher. Модель ориентирована на обработку документов: OCR, преобразование изображений и PDF в текст или Markdown, извлечение и связывание структурированных данных, а также задачи Intelligent Document Processing и Key Information Extraction. Модель имеет размерный класс 7B, поддерживает работу с визуальными данными и текстом и предназначена прежде всего для англоязычных документов. В репозитории представлены варианты квантования от IQ1 до Q6, включая рекомендуемые i1-Q4_K_M и i1-Q4_K_S; их размер составляет примерно от 2,0 до 6,6 ГБ, что позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством. Для запуска vision-модели могут потребоваться файлы mmproj из статического репозитория. Сильная сторона модели — специализация на распознавании и анализе документов, включая вывод в Markdown и извлечение информации из визуального содержимого. Ограничения README не раскрывает: отсутствуют сведения о длине контекста, точной архитектуре, поддерживаемых языках помимо English, результатах тестирования и типичных ошибках. Доступно множество квантованных вариантов, но наиболее низкобитные версии могут заметно уступать по качеству. Лицензия — Apache-2.0.