GLM-5.1 — языковая модель Z.ai для генерации кода и длительных агентных инженерных задач с инструментами.

Подходит для: генерация кода по описанию задачи · поиск и исправление ошибок в репозитории · выполнение многоэтапных задач в терминале

Модифицированная версия GLM-5.3-Flash для генерации текста с уменьшенной склонностью к отказам, предназначенная прежде всего для исследований отказов и контролируемого red-teaming.

Подходит для: исследование механизмов отказа языковых моделей · проверка устойчивости модели к вредоносным запросам · контролируемый red-teaming и оценка безопасности

Текстовая диалоговая MoE-модель на базе Qwen3.8-Flash-Next с изменённым поведением отказов для контролируемой оценки и red-team-исследований.

Подходит для: проверка поведения отказов в диалоговой модели · red-team-тестирование ответов на чувствительные запросы · оценка следования инструкциям

Большая языковая модель NVIDIA с архитектурой LatentMoE для диалогов, рассуждений, длинного контекста и ИИ-агентов.

Подходит для: автоматизация классификации и обработки IT-заявок · создание чат-бота с поддержкой длинного контекста · ответы на вопросы по нескольким документам в RAG-системе

Агентная модель Moonshot AI для сложных задач программирования и многоэтапной разработки ПО с поддержкой изображений, видео и инструментов.

Подходит для: написание и изменение кода в крупных проектах · выполнение многоэтапных задач разработки через агентный интерфейс · поиск и исправление ошибок в программном обеспечении

Компактная 3,2-миллиардная языковая модель для диалогов, рассуждений, программирования и агентных задач с вызовом инструментов.

Подходит для: многошаговые задачи с вызовом внешних инструментов · помощь в программировании и работа кодового агента · решение математических и научных задач

Крупная модель MoE на базе Qwen 3.5 для агентного программирования, решения задач разработки и работы с инструментами.

Подходит для: решение задач разработки в терминальном coding-агенте · поиск и исправление ошибок в кодовой базе · автоматизация задач программирования с вызовом инструментов

Модель вознаграждения на базе Llama 3.1 оценивает предпочтительность ответов и помогает ранжировать результаты языковых моделей.

Подходит для: оценка качества ответов чат-бота · выбор лучшего ответа из нескольких вариантов · ранжирование ответов языковой модели

Модель IBM для бинарной проверки запросов и ответов LLM на безопасность, галлюцинации и заданные пользователем критерии.

Подходит для: выявление jailbreak-запросов и небезопасных ответов · проверка ответов RAG на соответствие найденным источникам · обнаружение галлюцинаций при вызове инструментов

Мультимодальная модель Abacus.AI на базе Qwen3.8-27B для многошагового использования инструментов и автоматизации задач.

Подходит для: выполнение многошаговых задач с вызовом инструментов · автоматизация рабочих процессов через агентные сценарии · управление действиями в исполняемой среде до достижения результата

Модель на базе Gemma 4 с адаптером решений выдаёт вероятности для ответов «да/нет», выбора из вариантов и оценок, помогая классифицировать и ранжировать результаты.

Подходит для: переранжирование новостей по важности · переранжирование поисковой выдачи по релевантности · выбор лучшего варианта из списка

Мультимодальная MoE-модель Qwen с ослабленными отказами для диалогов, анализа изображений и агентного программирования.

Подходит для: диалог с чат-ботом с меньшим числом отказов · анализ изображений и ответы на вопросы по ним · помощь в программировании и работе с репозиториями

Модель вознаграждения на базе Llama 3 для оценки и сравнения качества ответов языковых моделей.

Подходит для: оценка качества ответов чат-бота · сравнение двух ответов и выбор предпочтительного · оценка безопасности ответов ассистента

Англоязычный классификатор ProtectAI на базе distilroberta-base для обнаружения отказов в ответах LLM.

Подходит для: обнаружение отказов в ответах чат-ботов · проверка ответов LLM после модерации · поиск отказов в наборах ответов языковых моделей

Модель IBM для выявления рисков и проверки обоснованности ответов в диалогах, RAG-системах и агентных сценариях.

Подходит для: фильтрация вредоносных запросов пользователей · проверка ответов чат-бота на небезопасное содержание · оценка релевантности найденных RAG-документов

Компактная LLaMA-совместимая языковая модель для локальных агентных рабочих процессов, диагностики Linux и генерации кода.

Подходит для: диагностика проблем Linux-серверов · помощь в системном администрировании и настройке инфраструктуры · генерация скриптов Bash и Python для автоматизации

Дообученная на человеческих оценках SORRY-Bench модель Mistral определяет, отказала ли другая модель в запросе или выполнила его.

Подходит для: оценка отказов модели на примерах SORRY-Bench · автоматическая разметка ответов как отказа или выполнения запроса · сравнение поведения моделей при тестировании безопасности

Дообученный ModernBERT-классификатор для смыслового определения отказов в ответах LLM.

Подходит для: выявление отказов в ответах языковых моделей · проверка поведения LLM при оценке безопасности · автоматическая разметка ответов как отказ или выполнение

Текстовая MoE-модель для генерации текста и кода, агентных задач и работы с инструментами с удалённым поведением отказа.

Подходит для: генерация и отладка программного кода · автоматизация задач программирования агентом · генерация ответов в диалоговом интерфейсе

AprielGuard — модель-модератор ServiceNow AI для выявления рисков безопасности контента и атак на LLM, включая prompt injection и jailbreak.

Подходит для: модерация запросов и ответов LLM-ассистента · оценка токсичности, предвзятости и дезинформации · выявление jailbreak и prompt injection

Небольшая англоязычная авторегрессионная модель EleutherAI для исследований генерации текста и поведения языковых моделей.

Подходит для: эксперименты с предсказанием следующего токена на английском языке · исследование поведения языковых моделей на разных этапах обучения · анализ интерпретируемости компактной трансформерной модели

Судья на основе LLaMA 2 7B для оценки правдивости ответов в бенчмарке TruthfulQA.

Подходит для: оценка правдивости ответов моделей на фиксированных вопросах TruthfulQA · сравнение моделей по правдивости на наборе TruthfulQA · воспроизводимая замена судьи на основе OpenAI Curie в оценке TruthfulQA

Англоязычная дообученная модель Patronus AI для проверки, подтверждается ли ответ документом в RAG-сценариях.

Подходит для: проверка фактической точности ответа по найденным документам · выявление галлюцинаций в ответах RAG-системы · оценка верности ответа исходному контексту

Специализированная модель IBM для оценки безопасности и качества запросов и ответов LLM, включая RAG и вызовы инструментов.

Подходит для: обнаружение jailbreak-попыток в запросах к чат-боту · проверка ответа на вредный контент и ненормативную лексику · оценка соответствия ответа контексту в RAG-системе