Дообученная модель Ministral-3-8B, которая оценивает варианты ответа и возвращает вероятности для классификации и принятия решений по заданным рубрикам.

Подходит для: выбор наиболее подходящего ответа из ограниченного списка · классификация пользовательского сценария по заданным меткам · оценка ответа по порядковой шкале

Мультиязычная дообученная модель оценивает варианты ответа для заданного сценария и возвращает вероятности выбора, ответа «да/нет» или порядковой оценки.

Подходит для: выбор наиболее вероятного ответа из списка вариантов · оценка вероятности ответа «да» или «нет» по сценарию · оценка вариантов по порядковой шкале

Дообученная на трассировках Claude Opus 4.7 модель Qwen MoE для многошаговых рассуждений, математики, STEM-задач и планирования.

Подходит для: решение многошаговых задач по математике · ответы на вопросы по естественным и техническим наукам · пошаговый анализ и объяснение кода

ThinkOnly-вариант модели When2Think на 1,5 млрд параметров для математических задач с явным рассуждением, глубина которого адаптируется к сложности входа.

Подходит для: решение математических задач с пошаговым объяснением · ответы на задачи GSM-Plus и математических олимпиад · оценка влияния длины рассуждений на точность и вычислительные затраты

Промежуточная SFT-версия JetBrains Mellum2 Thinking для изучения и экспериментов с обучением языковых моделей на рассуждениях.

Подходит для: изучение SFT-этапа обучения модели рассуждений · эксперименты с preference tuning на базе SFT-чекпойнта · эксперименты с RLVR после supervised fine-tuning

MiroThinker-1.7-mini — дообученная текстовая MoE-модель для многошаговых исследовательских задач и агентских сценариев с длинным контекстом и вызовом инструментов.

Подходит для: многошаговый поиск и сбор информации в интернете · подготовка исследовательских обзоров по нескольким источникам · ответы на сложные вопросы с использованием инструментов

Mellum2 Thinking от JetBrains — текстовая MoE-модель для многошагового рассуждения, сложной отладки, планирования и математических задач.

Подходит для: пошаговый разбор сложных ошибок в коде · планирование многоэтапных задач · решение математических задач с развёрнутым ходом рассуждений

Trinity-Large-Thinking — дообученная MoE-модель Arcee AI для рассуждений, генерации текста и агентных сценариев с вызовом инструментов.

Подходит для: многошаговое планирование действий агента · вызов инструментов в диалоговом помощнике · ответы на сложные вопросы с рассуждениями

Немецкоязычная модель Qwen2 на 7,1 млрд параметров, дообученная методом Dr. GRPO для генерации рассуждений и решения проверяемых математических задач.

Подходит для: решение математических задач с пошаговыми рассуждениями на немецком · генерация немецкоязычных объяснений к математическим ответам · оценка подходов к обучению языковых моделей с подкреплением

Компактная модель Qwen2, дообученная для адаптивного выбора между прямым ответом и многошаговым рассуждением, особенно при решении математических задач.

Подходит для: решение математических задач с выбором глубины рассуждения · получение кратких ответов на простые вопросы · многошаговое рассуждение над сложными задачами

Экспериментальная языковая модель на 3,1 млрд параметров с ослабленными отказами для генерации текста и исследований рассуждений, поведения отказов и выравнивания.

Подходит для: оценка математических рассуждений модели · проверка решений задач по программированию · исследование ответов модели при сниженных отказах

Дообученная модель Mixture-of-Experts для генерации текста, математических задач, программирования и сложных рассуждений.

Подходит для: Решение математических задач и олимпиадных примеров · Написание и отладка программного кода · Ответы на вопросы, требующие многошаговых рассуждений

OpenThinker-7B — дообученная на OpenThoughts-114k модель Qwen2.5 для диалогов, математических рассуждений, научных вопросов и программирования.

Подходит для: решение задач по математике с пошаговыми рассуждениями · ответы на вопросы по естественным наукам · генерация и объяснение программного кода

pytorch: формат, квантизация, runtime и память принадлежат одному artifact

INTELLECT-3.1 — дообученная методом обучения с подкреплением MoE-языковая модель для рассуждений, программирования и агентных задач.

Подходит для: решение математических задач · написание и анализ кода · помощь в разработке программного обеспечения

Двуязычная модель Axelidea на 14,1 млрд параметров для творческой генерации идей, аналогического рассуждения и поддержки инновационной работы.

Подходит для: генерация идей для мозгового штурма · поиск альтернативных технических решений · межотраслевая аналогия для разработки инноваций

Предварительная модель MindLab Research на базе GLM-5.1 для персонального агентного планирования, вызова инструментов, программирования и генерации интерфейсов.

Подходит для: планирование личных дел с учётом меняющихся условий · поиск мест и координация маршрутов через инструменты · работа с календарём и задачами через агентные API

Экспериментальная компактная языковая модель BananaMind с разреженным вниманием DSA для сравнения схем внимания и генерации текста.

Подходит для: сравнение разреженного DSA и стандартного внимания · воспроизведение контролируемого эксперимента по абляции внимания · изучение индексатора ключей и разреженного внимания в небольшой языковой модели

Квантизированная сборка ThinkingCap-Qwen3.8-27B для диалоговой генерации и ускоренного обслуживания на одной GPU через HyperQwen vLLM.

Подходит для: диалоговые ответы и генерация текста · решение задач с пошаговыми рассуждениями · обслуживание LLM на одной видеокарте с 24 ГБ памяти

Модель MindLab Research на базе GLM-5.2 для диалогов, агентных задач с инструментами, программирования и генерации интерфейсов.

Подходит для: диалоги с персональным ИИ-помощником · выполнение задач агента с использованием инструментов · написание и изменение программного кода

Агентная модель MindLab Research на базе GLM-5.3 для диалогов, работы с инструментами, программирования и генерации интерфейсов.

Подходит для: ведение открытых диалогов с пользователем · выбор и выполнение действий с инструментами в бизнес-процессах · многошаговое исправление ошибок и изменение кода

Дообученная на базе Qwen3.5-9B модель для экспериментов с эффективным рассуждением, которая сжимает часть цепочки рассуждений в латентные токены.

Подходит для: эксперименты со сжатием цепочек рассуждений · генерация ответов с чередованием текста и латентных шагов · оценка эффективности латентного рассуждения на тестах

DeepThinkVLA — модель vision-language-action для управления роботами, которая строит явные рассуждения перед генерацией действий.

Подходит для: управление роботом по визуальному наблюдению и инструкции · выполнение задач манипуляции на бенчмарке LIBERO · планирование последовательности роботизированных действий с промежуточными рассуждениями

Экспериментальная дообученная модель Llama с 1,2 млрд параметров для диалоговой генерации ответов с этапом рассуждения.

Подходит для: эксперименты с рассуждением в компактной чат-модели · генерация диалоговых ответов с отдельным этапом размышления · оценка небольших дообученных языковых моделей