Англоязычная модель-критик на базе Qwen3-4B, которая анализирует ход работы кодового агента и предлагает структурированные рекомендации для восстановления.

Подходит для: Выявление ошибок в траектории работы кодового агента · Рекомендации агенту по восстановлению после неудачных шагов · Проверка статуса решения задачи программирования

Открытая MoE-модель KAT для агентного программирования, дообученная на Qwen3.6-35B-A3B и поддерживающая вызов инструментов.

Подходит для: решение задач по изменению и отладке кода агентом · выполнение задач разработки через доступные инструменты и терминал · генерация кода в диалоговом режиме

Модель-критик на базе Qwen3-8B анализирует траектории кодирующих агентов, выявляет ошибки и предлагает следующие шаги для восстановления.

Подходит для: поиск ошибок в истории действий кодирующего агента · выдача рекомендаций агенту при решении задач по разработке ПО · определение статуса выполнения задачи SWE-bench

Критическая модель на базе Qwen3-8B, которая анализирует ход работы кодового агента, выявляет ошибки и предлагает следующие шаги восстановления.

Подходит для: поиск ошибок в траектории кодового агента · получение рекомендаций по восстановлению после неудачного шага · оценка статуса выполнения задачи агентом

Дообученный на критике траекторий кодирующих агентов Qwen3-8B для выявления ошибок и подсказок по восстановлению в циклах программных агентов.

Подходит для: выявление ошибок в ходе работы кодирующего агента · выдача рекомендаций агенту по восстановлению после ошибки · оценка статуса задачи в траектории программного агента

Модель IBM на 3,5 млрд параметров для генерации, объяснения и исправления кода с контекстом до 2048 токенов.

Подходит для: генерация фрагментов кода по описанию · объяснение существующего кода · поиск и исправление ошибок в коде

BLOOMZ-560M — дообученная многоязычная модель BigScience для выполнения текстовых инструкций и задач zero-shot.

Подходит для: перевод коротких фраз по инструкции · ответы на вопросы на разных языках · определение тональности текста

Инструкционная языковая модель Qwen на 7,1 млрд параметров для генерации, анализа и исправления программного кода.

Подходит для: генерация кода по текстовому описанию · объяснение фрагментов программного кода · поиск и исправление ошибок в коде

Текстовая модель-критик на базе Qwen3-4B, которая анализирует шаги агента программирования, выявляет ошибки и предлагает дальнейшее действие.

Подходит для: анализ траектории агента при решении задачи по программированию · поиск ошибок в шагах кодового агента · получение рекомендации по восстановлению после ошибки агента

Разреженная MoE-модель для генерации, отладки и изменения кода с избирательной INT8-квантизацией экспертных слоёв.

Подходит для: генерация программного кода по текстовому запросу · поиск и исправление ошибок в коде · изменение и рефакторинг существующих программ

CodeScaler-8B — дообученная на предпочтениях reward-модель Qwen3 для оценки и ранжирования ответов на задачи генерации кода без исполнения программ.

Подходит для: ранжирование нескольких вариантов решения задачи программирования · оценка качества сгенерированного кода без его запуска · отбор предпочтительных ответов для генератора кода

Текстовая модель-критик на базе Qwen3-8B, которая помогает кодирующим агентам находить ошибки и улучшать решения задач разработки.

Подходит для: поиск ошибок в ходе работы кодирующего агента · выдача рекомендаций по исправлению кода · оценка промежуточных решений агента при решении задач SWE-bench

Базовая модель Qwen2.5-Coder на 32 млрд параметров для генерации, анализа и исправления программного кода.

Подходит для: генерация фрагментов кода по текстовому описанию · продолжение исходного кода · поиск и исправление ошибок в коде

Qwen3-4B-Critic-SFT анализирует ход работы кодового агента и выдаёт структурированные замечания, чтобы помочь ему исправить ошибки и довести задачу до конца.

Подходит для: поиск ошибок в траектории кодового агента · предложение шага восстановления после ошибки агента · оценка статуса решения задачи программирования

Инструктивная 32-миллиардная модель Qwen2.5-Coder для генерации, анализа и исправления кода, а также создания кодовых агентов.

Подходит для: генерация кода по текстовому запросу · поиск и исправление ошибок в коде · объяснение и анализ фрагментов кода

Инструкционная модель Qwen на 14 млрд параметров для генерации, анализа и исправления кода в диалоговых сценариях.

Подходит для: генерация кода по описанию задачи · поиск и исправление ошибок в коде · объяснение и анализ фрагментов кода

Модель IBM Research с 8,1 млрд параметров для генерации и других задач работы с кодом, с контекстом до 4096 токенов.

Подходит для: генерация кода по описанию задачи · объяснение существующего кода · исправление ошибок в коде

Компактная MoE-модель для генерации кода, решения задач программирования и диалогов с инструментами, созданная прореживанием экспертов Ornith-1.5-35B-A3B.

Подходит для: генерация и дополнение программного кода · решение задач по программированию · ответы на вопросы о коде в диалоге

Базовая 14-миллиардная модель Qwen для генерации, анализа и исправления кода с контекстом до 32 768 токенов и расширением до 131 072 токенов через YaRN.

Подходит для: генерация кода по текстовому описанию · объяснение и анализ исходного кода · поиск и исправление ошибок в коде

Базовая модель Meta на 13 млрд параметров для генерации, продолжения и понимания кода.

Подходит для: автодополнение фрагментов кода · заполнение пропусков в коде · генерация кода по текстовому контексту

Дообученная Gemma 4 12B для решения алгоритмических задач на Python и генерации кода, проверенного тестами.

Подходит для: решение алгоритмических задач на Python · написание функций Python с учётом граничных случаев · генерация кода Python, проходящего детерминированные тесты

Мультимодальная модель Xiaomi MiMo на 9 млрд параметров для агентных задач, программирования, кибербезопасности и анализа изображений.

Подходит для: написание и исправление кода · выполнение многошаговых агентных задач · анализ изображений в диалоге

Дообученная на агентных траекториях модель Qwen3.5-9B для генерации кода и выполнения многошаговых задач разработки ПО.

Подходит для: написание и редактирование кода по запросу · поиск и исправление ошибок в проекте · выполнение задач разработки через терминал

DeepHat-V1-7B — дообученная на базе Qwen2.5-Coder-7B языковая модель для генерации кода и поддержки задач наступательной и защитной кибербезопасности.

Подходит для: подготовка и анализ кода для задач кибербезопасности · помощь в настройке DevOps-сценариев · диалоговая поддержка специалистов по кибербезопасности