I.11Классификация, ранжирование и сопоставление

Карточка модели 360ZhiNao/360VL-8B на Hugging Face совпадает с карточкой qihoo360/360VL-8B, поэтому описание составлено по ней. 360VL-8B — открытая мультимодальная модель компании Qihoo 360 для диалога по изображениям и тексту. Она дообучена на основе Meta Llama 3 8B Instruct и использует трансформерную авторегрессионную языковую модель с многоветвевым проектором, предназначенным для улучшения понимания изображений. Модель принимает изображения и текст и формирует текстовые ответы; поддерживает многоходовой диалог с одним изображением, визуальные вопросы и распознавание текста на изображениях. В README указано разрешение изображений до 672×672 пикселей, а контекст по метаданным составляет 8192 токена. Поддерживаются китайский и английский языки. Модель подходит для анализа содержимого изображений, извлечения и обобщения информации, а также ответов на вопросы по изображению. Вес модели содержит 7,5 млрд параметров и опубликован в формате safetensors. Лицензия — Apache 2.0.

ishikaa/acquisition_student_original_omnimath_qwen14b — текстовая генеративная модель на базе архитектуры семейства Qwen2, опубликованная пользователем ishikaa. Модель доступна для работы через библиотеку Transformers и имеет около 14 млрд параметров. Модель предназначена для генерации текста в диалоговых и других сценариях обработки текстовых запросов. По метаданным, она обучалась с применением supervised fine-tuning (SFT) и инструментов TRL, а также поддерживает контекст длиной до 32 768 токенов. Модель может использоваться для продолжения текста, формирования ответов на запросы и интеграции в conversational-приложения. README не содержит сведений о разработчиках, исходной модели, языках, лицензии, обучающих данных, результатах оценки или специальных областях применения. Поэтому перед использованием необходимо самостоятельно проверить лицензионные условия и качество модели на целевых данных.

Airochronos L2 13B GGUF — это квантизированная версия текстовой языковой модели Airochronos L2 13B, созданной kingbri и преобразованной в формат GGUF пользователем TheBloke. Модель основана на архитектуре LLaMA 2 и предназначена для генерации текста и диалогового взаимодействия на английском языке. Доступны варианты с квантизацией от 2 до 8 бит, что позволяет запускать модель для CPU+GPU-инференса с различными требованиями к памяти и компромиссами между качеством и производительностью. Формат GGUF поддерживает метаданные и специальные токены и совместим с llama.cpp, text-generation-webui, KoboldCpp, LM Studio, llama-cpp-python и другими инструментами. В README приведены шаблоны запросов Alpaca 2 и Airoboros. Размер модели составляет 13 млрд параметров; сведения о длине контекста, мультимодальности и результатах бенчмарков не указаны. Сильными сторонами являются широкий выбор уровней квантизации, возможность локального запуска и поддержка множества интерфейсов и библиотек. Ограничения включают отсутствие подтвержденных характеристик качества, неизвестную длину контекста и отсутствие мультимодальных возможностей в заявленных данных. Модель распространяется по лицензии llama2.

Airophin разработал пользователь bhenrym14 как QLoRA-дообучение Llama 2 13B для генерации текста с расширенным контекстом. Модель использует плотную архитектуру LlamaForCausalLM, содержит 12,9 млрд параметров и применяет частичное NTK-масштабирование RoPE; автор указывает целевую длину контекста 16 384 токена. В метаданных Hugging Face указана нативная длина контекста 4 096 токенов. Обучение проходило в два этапа: на длинных фрагментах набора Dolphin и затем на Airoboros GPT-4 1.4.1. Модель предназначена для диалоговой генерации, ответов по предоставленному контексту, инструкций и задач вроде викторин и вопросов с выбором ответа. Для ответов по документам в карточке предложен формат с явными разделителями контекста. Автор сообщает о тестировании длинных последовательностей до 12 000 токенов и приводит результаты perplexity, но отмечает, что оценка влияния отдельных этапов обучения затруднена. Для запуска требуются способы поддержки частичного NTK RoPE-масштабирования; README указывает, что на момент его написания оно не поддерживалось нативно в Transformers и ExLlama. Доступные веса fp16 опубликованы в формате safetensors. Лицензия в предоставленных данных не указана.

Auro-Kosmos-EVAA-v2.3-8B — объединённая языковая модель, созданная jaspionjader с помощью mergekit. Веса двух моделей объединены методом SLERP: jaspionjader/Auro-Kosmos-EVAA-v2.2-8B и jaspionjader/Kosmos-Elusive-VENN-8B. Модель относится к семейству Llama, имеет плотную архитектуру LlamaForCausalLM и около 7,5 млрд параметров. Модель предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Для загрузки доступны веса в формате safetensors через Transformers. Лицензия в предоставленных данных не указана.

big3-pt2 — текстовая авторегрессионная модель семейства Llama, созданная deltanym методом passthrough mergekit из слоёв deltanym/bigllama3.2-3b-to-7b. Модель содержит 9,5 млрд параметров и рассчитана на генерацию текста и диалоги; метаданные также отмечают интерфейс для вызова инструментов. Модель принимает текстовые запросы и выдаёт текст. Заявленная длина контекста — 131 072 токена. В репозитории используются веса safetensors; конфигурация слияния задаёт тип bfloat16. README не описывает специальную область применения или поддержку конкретных языков. Лицензия в предоставленных данных не указана.

ChatAllInOne-Yi-34B-200K-V1-GGUF — квантизированная GGUF-версия текстовой генеративной модели ChatAllInOne-Yi-34B-200K-V1, разработанной DrNicefellow. Квантизацию выполнила Second State Inc.; базовая модель указана как DrNicefellow/ChatAllInOne-Yi-34B-200K-V1. Модель предназначена для диалоговой генерации текста и запуска в совместимых средах, включая LlamaEdge. Для взаимодействия используется шаблон vicuna-1.1-chat с ролями USER и ASSISTANT. В основе лежит модель класса Yi с 34 млрд параметров; заявленное название содержит указание на контекст до 200K, однако в README для запуска через LlamaEdge указан размер контекста 7168, поэтому фактический поддерживаемый контекст зависит от конфигурации и среды выполнения. Модель работает только с текстом; сведения о языках не приведены. Доступны варианты квантизации от Q2_K до Q8_0 размером примерно от 12,8 до 36,5 ГБ. Q4_K_M обозначен как рекомендуемый сбалансированный вариант, а Q5_K_M и Q5_K_S — как варианты с низкой потерей качества. Главное преимущество — возможность запускать крупную 34B-модель в квантизированном формате с выбором компромисса между размером файла, требованиями к ресурсам и качеством. Низкобитные варианты заметно экономят память, но сопровождаются существенной потерей качества; для практического использования README рекомендует Q4_K_M или более точные варианты Q5. Модель распространяется по лицензии yi-license; ссылка на текст лицензии приведена в README.

Dans-PersonalityEngine-V1.2.0-24b — дообученная PocketDoc модель семейства Mistral на базе mistralai/Mistral-Small-24B-Base-2501. Это плотная языковая модель с 23,4 млрд параметров, рассчитанная на генерацию текста; она принимает текст и выдаёт текст. Модель обучалась на инструкциях в одном и нескольких ходах, использовании инструментов, ролевых сценариях, текстовых приключениях и совместном написании. В карточке заявлены также анализ тональности и суммаризация как задачи для конвейеров. Модель предназначена прежде всего для ролевого общения, соавторства и продолжения историй, а также для диалоговых инструкций, генерации кода и задач общего назначения. Она поддерживает контекст до 32 768 токенов и ориентирована на английский язык. Для диалогов рекомендуется формат ChatML с ролями system, user и assistant. Автор предупреждает о возможных проблемах с автоматической вставкой начального токена BOS: в некоторых бэкендах его отсутствие может приводить к несвязным ответам или повторению пользовательского текста; в таком случае рекомендуется попробовать добавить <s> в начало контекста. Модель распространяется по лицензии Apache-2.0.

Dante-2B — двуязычная инструктивная языковая модель на 2,1 млрд параметров, созданная Fabio Angeletti с нуля. Это плотный декодерный трансформер в стиле Llama, доступный в формате safetensors и рассчитанный на генерацию текста и выполнение инструкций на итальянском и английском языках. Модель использует собственный BPE-токенизатор на 64 тысячи токенов, обученный на сбалансированном итальянско-английском корпусе, и шаблон чата в стиле ChatML. Контекст модели составляет 4096 токенов. Модель подходит для диалоговых сценариев, генерации и продолжения текста на итальянском и английском языках, а также для локального и периферийного развертывания. Итальянский язык учитывается в токенизаторе с самого начала обучения, включая типичные сокращения и диакритические знаки. Модель обучалась на 90 млрд токенов предобучения, затем прошла продолжительное обучение для расширения контекста и дообучение на 540 тысячах диалогов. Лицензия — Apache-2.0. Размер 2,1 млрд параметров ограничивает возможности сложных рассуждений по сравнению с более крупными моделями. Заявлены ограничения знаний данными примерно 2023–2024 годов; формальная оценка на стандартных тестах ещё не завершена. Модель не проходила специальное обучение безопасности или RLHF, поэтому ответы могут требовать проверки.

ERNIE-4.5-21B-A3B-PT-GGUF — это квантизированная версия текстовой модели ERNIE-4.5-21B-A3B-PT, разработанной Baidu. Модель распространяется в формате GGUF для запуска средствами llama.cpp и совместимыми приложениями, включая LM Studio. Квантизацию выполнил bartowski на основе релиза llama.cpp b5924. Модель предназначена для генерации текста и других сценариев, поддерживаемых задачей text-generation, включая локальный запуск в приложениях, использующих GGUF. В названии указаны параметры 21B и A3B, однако README не содержит подробностей об архитектуре, механизме активации параметров, фактическом размере конкретного квантования, длине контекста, поддерживаемых языках или дополнительных модальностях. К сильным сторонам относятся локальное распространение в формате GGUF и совместимость с экосистемой llama.cpp. Ограничения и требования к ресурсам зависят от выбранного варианта квантования, но в README не приведены его характеристики. Лицензия модели в предоставленных данных не указана; условия использования следует уточнять в источнике оригинальной модели Baidu.

EuroLLM-1.7B — мультиязычная языковая модель с 1,4 млрд параметров, разработанная Unbabel совместно с Instituto Superior Técnico, Instituto de Telecomunicações, University of Edinburgh, Aveni, University of Paris-Saclay, University of Amsterdam, Naver Labs и Sorbonne Université при финансировании Европейского союза. Это предварительно обученная модель на основе плотного Transformer с архитектурой Llama; она обучена на 4 трлн токенов из веб-данных, параллельных текстов и других качественных наборов данных. Используются GQA, RMSNorm, SwiGLU и RoPE; длина контекста — 4096 токенов. Модель предназначена для генерации и продолжения текста на европейских языках и ряде дополнительных языков. Её можно применять для многоязычных текстовых задач, включая машинный перевод; карточка приводит результаты переводческих оценок для версии EuroLLM-1.7B-Instruct, которая отдельно дообучена следовать инструкциям. Для этой базовой версии не следует предполагать такое же качество следования инструкциям. Модель поддерживает болгарский, хорватский, чешский, датский, нидерландский, английский, эстонский, финский, французский, немецкий, греческий, венгерский, ирландский, итальянский, латышский, литовский, мальтийский, польский, португальский, румынский, словацкий, словенский, испанский, шведский, арабский, каталанский, китайский, галисийский, хинди, японский, корейский, норвежский, русский, турецкий и украинский. Лицензия — Apache 2.0. Модель не выравнивалась по предпочтениям людей и может выдавать галлюцинации, ложные или вредоносные ответы.

Experiment26Neuralsirkrishna-7B — объединённая текстовая модель на архитектуре Mistral с 7,1 млрд параметров, созданная автоматически по конфигурации Maxime Labonne. В слиянии использованы yam-peleg/Experiment26-7B и Kukedlc/NeuralSirKrishna-7b; применён метод dare_ties с параметрами плотности 0,53 и веса 0,6 для второй модели. Модель предназначена для генерации текста и диалогов, принимает текстовые запросы и формирует текстовые ответы. Размер контекста — до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает целевые языки и специализированные области применения.

Experiment26Neuralsirkrishna_Strangemerges_32Strangemerges_30 — объединённая языковая модель семейства Mistral, созданная слиянием automerger/Experiment26Neuralsirkrishna-7B и automerger/Strangemerges_32Strangemerges_30-7B. Она предназначена для генерации текста и диалогов; архитектура — плотная авторегрессионная MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Сведения о конкретных языках и специализированных областях применения в предоставленных материалах отсутствуют.

Experiment28M7_Experiment27Shadow — объединённая языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная из automerger/Experiment28M7-7B и automerger/Experiment27Shadow-7B. Она предназначена для генерации текста и принимает текстовые запросы, продолжая их в виде текста. Модель поддерживает контекст длиной до 32 768 токенов. Опубликована в формате safetensors и распространяется по лицензии Apache 2.0. Данных о специализации на конкретных языках или прикладных областях в карточке нет.

Gemma-3-27B-Derestricted-i1-GGUF — квантизированная версия модели Nabbers1999/Gemma-3-27B-it-NP-Abliterated, подготовленная и опубликованная mradermacher. Модель предназначена для генерации текста и диалоговых сценариев; в README она также обозначена как vision-модель, поэтому может обрабатывать изображения при наличии совместимого mmproj-файла. Указан английский язык. Модель основана на Gemma 3 с 27 млрд параметров и поставляется в формате GGUF, включая варианты квантизации i1 и imatrix. Доступны уровни от IQ1_S до Q6_K размером примерно от 6,4 до 22,3 ГБ. Квантизации различаются компромиссом между размером, скоростью и качеством: низкие уровни требуют меньше памяти, но могут заметно снижать качество, тогда как i1-Q4_K_S отмечен как оптимальный по соотношению размера, скорости и качества, а i1-Q4_K_M — как быстрый и рекомендуемый вариант. Сильными сторонами являются большой размер базовой модели, поддержка текстовых и визуальных сценариев и широкий выбор квантизаций для локального запуска. Ограничения включают возможное снижение качества при агрессивной квантизации, необходимость совместимого программного обеспечения для GGUF и mmproj-файла для обработки изображений. Лицензия указана как gemma; конкретные условия следует проверять в лицензии Gemma.

ApolloRaines/Gemma-4-12B-it-Jbliterated — языковая модель для генерации текста, созданная ApolloRaines на базе google/gemma-4-12b-it-qat-q4_0-unquantized от Google. Она предназначена для диалогов и других задач генерации текста, где требуется более прямой ответ без выраженного отказа и уклонения. Модель ориентирована на англоязычные сценарии; заявленный pipeline — text-generation. Модель использует архитектуру Gemma 4 Unified и содержит 12 млрд параметров. Выпуск выполнен как редактирование весов без дополнительного переобучения: применён фреймворк jBlaze precision neural surgery, исходный тип данных — bfloat16. Доступны версии GGUF, включая BF16, Q8_0, Q6_K, Q5_K_M и рекомендуемую для видеокарт с 8–12 ГБ памяти Q4_K_M. Для GGUF требуется llama.cpp версии b10176 или новее; заявлена поддержка контекста до 8192 токенов в примере запуска. Согласно собственным измерениям авторов, показатель MMLU сохранился на уровне базовой модели — 78,42%, а доля прямых ответов на отложенном наборе выросла примерно с 1% до 89%. При этом версия v1 может классифицировать запросы с точки зрения безопасности во внутреннем процессе рассуждения и иногда не выдавать ответ; авторы рекомендуют новую версию v2. Данные о мультимодальности и иных языках, кроме английского, не указаны. Модель распространяется на условиях Gemma Terms of Use; README также указывает лицензию Apache 2.0.

OsaurusAI подготовила производный вариант Google Gemma 4 12B IT QAT в формате MLX MXFP4 для запуска на Apple Silicon. Это плотная мультимодальная модель семейства Gemma 4 с 48 текстовыми слоями: 8 используют full attention, 40 — sliding attention. Линейные слои декодера квантованы в MXFP4 с размером группы 32; эмбеддинги, нормализации и ранние объединяющие медиа-энкодеры сохранены в fp16. Модель предназначена для диалогов и генерации текста по текстовым и визуальным входам; в комплекте также сохранён аудиоэнкодер. Указанный основной сценарий — image-text-to-text, включая анализ изображений. Карточка не подтверждает рабочий путь обработки видео. Доступны интерфейс чата и совместимость с вызовом инструментов в поддерживающих это рантаймах. Для запуска нужен MLX/vMLX с поддержкой Gemma 4 MXFP4; пакет не подходит для GGUF-рантаймов. Модель основана на google/gemma-4-12B-it-qat-q4_0-unquantized. Лицензия и ограничения использования наследуются от условий Gemma.

Мультимодальная модель семейства Gemma 4, дообученная ersindemirel94 на базе unsloth/gemma-4-E4B-it-unsloth-bnb-4bit. Она предназначена для диалога и генерации текстовых ответов по текстовым и визуальным входным данным. Модель относится к архитектуре Gemma4ForConditionalGeneration и распространяется в формате Safetensors. В карточке указано, что обучение проводилось с использованием Unsloth и библиотеки TRL. Для текстовой части заявлена поддержка английского языка. Лицензия — Apache-2.0.

Gemma-4-E4B-Uncensored-HauhauCS-Aggressive — модификация Gemma 4 E4B-IT, разработанная HauhauCS на основе модели Google gemma-4-e4b-it. Это мультимодальная модель для генерации текста, обработки изображений, видео и аудио, ориентированная на сценарии, где требуется минимальное количество отказов при выполнении запросов. В README заявлено, что датасеты и исходные возможности модели не изменялись, а основное отличие заключается в снятии ограничений на отказы. Модель содержит около 4 млрд параметров, использует 42 слоя со смешанной архитектурой sliding window attention с окном 512 и full attention, поддерживает контекст до 131 тысячи токенов и 18 общих KV-слоёв для экономии памяти. Заявлена поддержка английского и мультиязычного ввода. Для работы с изображениями и аудио требуется дополнительный файл mmproj; модель распространяется в формате GGUF с вариантами квантизации Q2–Q8 и пользовательскими K_P-квантами, оптимизированными для сохранения качества. Сильной стороной является сочетание компактного размера, большого контекстного окна, мультимодальности и более свободной генерации без встроенных отказов. При этом README не содержит независимых бенчмарков, подробных сведений о качестве на разных языках или длительном контексте, а заявленные результаты тестирования отказов ограничены 465 проверками и сопровождаются оговоркой о недостаточном ручном тестировании длинного контекста. Модель совместима с llama.cpp, LM Studio, Jan, koboldcpp и другими GGUF-совместимыми средами. Лицензия указана как Gemma.

General-Reasoner-Qwen3-4B — плотная языковая модель семейства Qwen3 с 3,7 млрд параметров, дообученная TIGER-Lab на базе Qwen/Qwen3-4B-Base. Модель предназначена для ответов на вопросы и генерации текста с улучшенными рассуждениями в разных областях; обучение использовало более 230 тысяч проверяемых вопросов из веб-источников и модельный верификатор. В README описан подход без промежуточного этапа обучения с учителем перед RL. Модель подходит для многошаговых ответов и решения задач по математике, программированию, физике, химии, финансам и гуманитарным темам. Контекст составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не уточняет языковой охват и конкретные ограничения качества, поэтому не следует считать заявленные результаты гарантией для каждой предметной области.

glm-4-9b-chat-1m-GGUF — GGUF-квантизированная версия разговорной модели THUDM/glm-4-9b-chat-1m, подготовленная legraphista. Исходная модель имеет размер 9B параметров и представлена в формате BF16; в репозитории доступны варианты BF16, F16 и различные уровни квантования от Q8_0 до Q2_K, включая IQ-квантизации. Модель предназначена для генерации текста и диалоговых сценариев, а также рассчитана на работу с китайским и английским языками. Основное преимущество этого варианта — широкий выбор размеров файлов, позволяющий подобрать баланс между качеством и требованиями к памяти: от 18,97 ГБ для BF16/F16 до 4,02 ГБ для Q2_K. При этом README содержит существенное ограничение: модель пока некорректно поддерживается в llama.cpp и не будет работать в нём. Архитектура, точное устройство модальностей и фактическая длина контекстного окна в карточке подробно не описаны; обозначение 1m присутствует в названии базовой модели. Лицензия указана как glm-4; её текст доступен по ссылке на лицензию исходной модели. Перед использованием следует учитывать условия этой лицензии и несовместимость с текущей поддержкой llama.cpp.

egoriow/gpt-oss-120b-GGUF — квантованная в формате GGUF версия модели openai/gpt-oss-120b, размещённая egoriow. Это разговорная текстовая модель для генерации ответов и ведения диалога; README указывает на запуск через LlamaEdge, а метаданные отмечают поддержку чата и архитектуру GPT-OSS типа MoE. В метаданных указаны 2,1 млрд параметров и контекст до 131 072 токенов. Модель принимает текст и генерирует текст. Репозиторий содержит варианты GGUF и GGUF F16; лицензия — Apache-2.0. Карточка называет исходной моделью openai/gpt-oss-120b, но конкретные характеристики качества и ограничения применения не описывает.

grounding-en — англоязычная модель компании Nutrient для проверки того, подтверждает ли текст документа заданное утверждение. Это cross-encoder на архитектуре ModernBERT с классификационной головой, содержащий 394,7 млн параметров и рассчитанный на контекст до 8192 токенов. Модель принимает фрагмент документа и гипотезу — например, число, дату или факт — и оценивает, следует ли гипотеза из документа. Модель предназначена для проверки извлечённых значений по исходным документам, выявления неподтверждённых утверждений и цитат, а также направления сомнительных извлечений на ручную проверку. В заявленном тесте на английском grounding-benchmark она показала ROC-AUC 0,882 в целом и 0,923 на проверке чисел. Доступны веса safetensors и экспорт ONNX для запуска через ONNX Runtime. Модель поддерживает только английский язык. Её слабые стороны — сложные отрицательные примеры с табличными утверждениями и многошаговая арифметика; она специализирована на проверке соответствия источнику и может уступать моделям общего назначения в задачах NLI. Сырые вероятности могут быть завышены: для калибровки порогов рекомендуется температурное масштабирование на данных целевого распределения. Лицензия — Apache-2.0.

Hermes-2.5-Yi-1.5-9B-Chat — разговорная языковая модель, созданная автором juvi21 путём дообучения 01-ai/Yi-1.5-9B-Chat на наборе данных teknium/OpenHermes-2.5. Это плотная причинная модель семейства Llama с 8,6 млрд параметров, предназначенная для генерации текста в диалоге. Для общения используется шаблон ChatML. Модель подходит для диалоговых помощников, ответов на вопросы и других задач генерации текста. В README приведены результаты тестов AGIEval, ARC и BoolQ, однако автор отмечает, что оценка качества основана на первых впечатлениях и может измениться при более длительном использовании. README сообщает о длине последовательности обучения 8192 токена; метаданные указывают нативный контекст 4096 токенов, поэтому не следует считать поддержку более длинного контекста подтверждённой. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате safetensors; в README также упоминаются отдельные GGUF-квантизации. Лицензия — Apache-2.0.

Edens-Gate/Holland-Magnum-Merge-R2 — диалоговая языковая модель, созданная методом task arithmetic с помощью mergekit на основе Delta-Vector/Holland-4B-V1 и с участием anthracite-org/magnum-v2-4b и NewEden/Holland-V2. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 3,9 млрд параметров. Она предназначена для генерации текста и диалоговых ответов; заявленная длина контекста — 131 072 токена. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

Huihui-Devstral-Small-2-24B-Instruct-2512-abliterated-mlx-4bit — это 4-битная квантизованная версия модели Huihui-Devstral-Small-2-24B-Instruct-2512-abliterated, опубликованная пользователем veeceey на базе модели huihui-ai. Модель предназначена для генерации текста и диалогового применения, а также может использоваться в сценариях, где требуется выполнение инструкций. Суффикс abliterated указывает на изменённую версию исходной модели, а uncensored в метаданных — на заявленное отсутствие части ограничений, однако подробности этих изменений не приведены. Модель рассчитана на запуск с библиотекой MLX и использует 4-битное представление весов, что может снизить требования к памяти по сравнению с полноразмерной версией. В названии указано 24 миллиарда параметров и принадлежность к семейству Devstral Small 2; точная архитектура, поддерживаемые языки, размер контекста и мультимодальные возможности в предоставленных данных не указаны. Лицензия — Apache 2.0, но перед использованием изменённой версии следует также проверить условия лицензии базовой модели и применимые ограничения.

InfiniteVL-LongSFT — мультимодальная модель семейства InfiniteVL, разработанная исследователями Huazhong University of Science and Technology и Horizon Robotics. Она предназначена для диалогового понимания изображений и видео, ответов на визуальные вопросы, распознавания текста, интерпретации диаграмм и описания сцен. В README указана архитектура с визуальным энкодером на основе Qwen2.5-VL, проекционным MLP и декодером, который сочетает Sliding Window Attention и Gated DeltaNet. Модель содержит 3,1 млрд параметров, использует формат safetensors и библиотеку Transformers. В метаданных указан контекст 128 000 токенов; авторы также сообщают об экспериментах на последовательностях свыше 500 000 токенов, постоянном объёме памяти для длинного контекста и потоковой обработке видео. README описывает двухэтапное обучение, включая дистилляцию от Qwen2.5-VL и последующее instruction SFT, но точная связь именно этого чекпойнта с базовой моделью в метаданных не приведена. Лицензия — Apache-2.0. Заявления о скорости и качестве основаны на результатах авторов и зависят от сценария и оборудования.

Карточка модели TULLUS/Instella-MoE-16B-A3B-Think на Hugging Face совпадает с карточкой amd/Instella-MoE-16B-A3B-Think, поэтому описание составлено по ней. Instella-MoE-16B-A3B-Think — языковая модель с архитектурой Mixture-of-Experts, разработанная AMD и обученная с нуля. В опубликованном описании семейства указаны 16 млрд параметров всего и 2,8 млрд активных параметров на токен; метаданные этого репозитория указывают 2,5 млрд параметров. Модель построена на архитектуре семейства DeepSeek V3, имеет 27 декодерных слоёв и использует Gated Multi-head Latent Attention и FarSkip-Collective. Репозиторий содержит веса Safetensors для Transformers. Модель предназначена для генерации текста и диалогов; метаданные также отмечают интерфейс вызова инструментов. Контекст составляет 32 768 токенов. В карточке семейства описаны этапы обучения от предобучения до RL и открытая обучающая рецептура. Основной язык, указанный в метаданных, — английский; многоязычные способности не проверены. README характеризует выпуск как исследовательский и предупреждает, что модель может выдавать неточные, вредоносные, токсичные или предвзятые ответы. Она не предназначена для сценариев, требующих высокой фактической точности, для критически важных, медицинских или связанных со здоровьем применений; рекомендуется независимая оценка и фильтрация безопасности. Лицензия в метаданных обозначена как other.

ClaudioItaly/Intelligence-Cod-Rag-7B-V3.3 — слитая диалоговая языковая модель на архитектуре Qwen2 с 7,1 млрд параметров. Она создана с помощью mergekit методом TIES на основе ClaudioItaly/intelligence-cod-rag-7b-v3 с включением newsbang/Homer-7B-v0.1. Модель предназначена для генерации текста в диалоге и ответов на запросы. Метаданные указывают контекст длиной до 32 768 токенов и формат весов safetensors. Для использования доступна библиотека Transformers. README не описывает конкретные сценарии RAG или специализированные возможности, поэтому их нельзя подтвердить только по названию модели. Лицензия в предоставленных данных не указана.

Это GGUF-квантизированная версия языковой модели invisietch/L3.1-70Blivion-v0.1-rc1-70B. Исходную модель разработала команда или автор invisietch, а квантизации подготовлены featherless-ai-quants. Модель предназначена для генерации текста и может использоваться в совместимых локальных или серверных средах вывода, поддерживающих формат GGUF. Модель имеет размер 70 миллиардов параметров и относится к текстовым моделям: сведения о мультимодальности, поддерживаемых языках, архитектуре исходной модели и размере контекстного окна в README не указаны. Доступны варианты квантизации от IQ4_XS и Q2_K до Q8_0, что позволяет выбирать компромисс между требованиями к памяти, скоростью работы и качеством генерации. Размеры вариантов составляют примерно от 25 до 72 ГБ. Сильной стороной является широкий выбор степеней квантизации и совместимость с экосистемой GGUF, однако 70-миллиардная модель требует значительных вычислительных ресурсов, особенно в вариантах с более высокой точностью. Оценки качества, специализированные сценарии, системные требования и ограничения поведения в README не приведены. Лицензия модели и условия её использования также не указаны.