I.13Симуляция, моделирование и открытие нового

Phi-4-reasoning-plus — открытая по весам языковая модель Microsoft Research, дообученная на базе microsoft/phi-4 с помощью supervised fine-tuning на цепочках рассуждений и последующего обучения с подкреплением. Это плотный decoder-only Transformer семейства Phi-3 с 14,1 млрд параметров и контекстом до 32 768 токенов; модель принимает текст и генерирует текст в диалоговом формате. Модель предназначена прежде всего для рассуждений и решения задач по математике, науке и программированию, а также для использования в генеративных ИИ-приложениях с ограничениями по памяти и вычислениям. Основной язык — английский. Обучение с подкреплением повышает точность, но в среднем модель генерирует примерно на 50% больше токенов, что увеличивает задержку. Microsoft предупреждает, что модель специально разработана и оценивалась для математических рассуждений, поэтому для других применений нужно отдельно проверять точность, безопасность и справедливость ответов. Модель распространяется по лицензии MIT.

Карточка модели Openintelligent123/Phi-4-reasoning-plus на Hugging Face совпадает с карточкой microsoft/Phi-4-reasoning-plus, поэтому описание составлено по ней. Phi-4-reasoning-plus — открытая по весам языковая модель Microsoft Research, дообученная на базе microsoft/phi-4 с помощью supervised fine-tuning на цепочках рассуждений и последующего обучения с подкреплением. Это плотный decoder-only Transformer семейства Phi-3 с 14,1 млрд параметров и контекстом до 32 768 токенов; модель принимает текст и генерирует текст в диалоговом формате. Модель предназначена прежде всего для рассуждений и решения задач по математике, науке и программированию, а также для использования в генеративных ИИ-приложениях с ограничениями по памяти и вычислениям. Основной язык — английский. Обучение с подкреплением повышает точность, но в среднем модель генерирует примерно на 50% больше токенов, что увеличивает задержку. Microsoft предупреждает, что модель специально разработана и оценивалась для математических рассуждений, поэтому для других применений нужно отдельно проверять точность, безопасность и справедливость ответов. Модель распространяется по лицензии MIT.

Darwin-36B-Opus — языковая модель FINAL-Bench / VIDRAFT_LAB, полученная эволюционным слиянием Qwen3.6-35B-A3B и её версии, дообученной на примерах рассуждений. Это MoE-модель на архитектуре Qwen3.5 MoE для генерации текста и диалогов с режимом пошаговых рассуждений; в README заявлены 36 млрд параметров всего и около 3 млрд активных, а метаданные указывают 2,9 млрд параметров. Контекст — 262 144 токена. Модель предназначена для сложных вопросов и рассуждений, включая задачи уровня GPQA Diamond; заявлены поддержка нескольких языков и результат 88,4% на GPQA Diamond по описанному авторами протоколу. Модель принимает текстовые запросы и генерирует текст. Доступна в формате Safetensors и распространяется по лицензии Apache 2.0. README описывает её как результат слияния весов без повторной градиентной оптимизации финальной модели; опубликованный бенчмарк включает стохастический повторный отбор ответов, поэтому показатель может зависеть от протокола оценки.

sequelbox/gpt-oss-20b-DAG-Reasoning — экспериментальная специализированная языковая модель Sequelbox, дообученная на openai/gpt-oss-20b. Она предназначена для причинно-следственного анализа: по запросу модель выделяет связи между факторами, оценивает уверенность и формирует ориентированный ациклический граф в структурированном JSON-формате. Для получения такого результата нужно явно попросить граф или анализ; в остальных случаях модель может отвечать в обычном стиле gpt-oss-20b. Архитектура — MoE для генерации текста, указанное в метаданных число параметров — 1,6 млрд, контекст — 131 072 токена; модель работает с текстом на английском языке и поддерживает чат и выполнение инструкций. Разработчик описывает применение в программировании, науке, бизнесе, экономике, финансах, праве, логистике и управлении. Релиз экспериментальный; для использования результатов рекомендуется проверять структуру JSON. Лицензия — Apache-2.0.

Qwen3-4B-MegaR3ASONER-v1-i1-GGUF — квантизированная версия модели RexTRO111/Qwen3-4B-MegaR3ASONER-v1, подготовленная mradermacher в формате GGUF. Модель основана на семействе Qwen3 и предназначена для генерации текста с акцентом на рассуждения. Она ориентирована на задачи математического, программного и научного рассуждения, а также на сценарии, где требуется пошаговый анализ и генерация кода. При обучении использовались наборы данных HuggingFaceH4/Bespoke-Stratos-17k, nvidia/OpenMathReasoning, nvidia/OpenCodeReasoning, nvidia/OpenScienceReasoning-2 и reasoning-distill-opus-4-7-max-sft. В карточке указано знание английского языка; сведения о поддержке других языков, контекстном окне, точной архитектуре и мультимодальности не приведены. Модель доступна в нескольких вариантах квантизации размером примерно от 1,2 до 3,4 ГБ. Варианты различаются балансом скорости, размера и качества: для практического использования рекомендован i1-Q4_K_M, а i1-Q4_K_S обозначен как оптимальный по соотношению размера, скорости и качества. Сильными сторонами являются небольшой размер, возможность локального запуска и специализация на рассуждениях, математике, программировании и научных задачах. Ограничения включают возможное снижение качества на низких уровнях квантизации и отсутствие подробных результатов оценки. Лицензия указана как other, без уточнения конкретных условий.

MMOPD/Qwen3-4B-OT3-1ep — модель рассуждений, разработанная проектом MMOPD на основе Qwen3-4B-Base и дообученная один эпохой на наборе OpenThoughts3-1.2M. Это плотная авторегрессионная языковая модель с 3,7 млрд параметров; она использует библиотеку Transformers, формат safetensors и контекст до 32 768 токенов. Модель формирует ответы в формате Qwen3 с блоком рассуждений перед итоговым ответом. Модель предназначена для многошаговых рассуждений, особенно в математике, программировании и естественных науках. Её можно использовать как помощника для решения задач и генерации кода, а также как отправную точку для создания специализированных моделей и экспериментов по дистилляции. В README приведены результаты на математических и кодовых бенчмарках, но они относятся к конкретным настройкам генерации и не гарантируют аналогичного качества в других сценариях. Модель распространяется по лицензии Apache-2.0. Для получения ответов в заявленном формате README рекомендует шаблон чата Qwen3, включённый режим рассуждений и семплирование вместо жадного декодирования.

GPT-5.5 Pro — высокопроизводительная модель OpenAI, ориентированная на глубокие рассуждения и точность при решении сложных задач с высокой ценой ошибки. По карточке модели она поддерживает контекстное окно более 1 млн токенов: до 922 тыс. входных и 128 тыс. выходных токенов. Модель предназначена для сложных рабочих сценариев, где важны развёрнутый анализ и точные ответы. Метаданные каталога классифицируют её как image-text-to-text, однако доступные сведения не описывают конкретные визуальные возможности или дополнительные модальности. В карточке не приведены сведения о лицензии и базовой модели; поэтому условия использования по имеющимся данным определить нельзя. Указанные характеристики не раскрывают ограничений модели или подтверждённых областей применения.

Spec-T1-RL-7B — языковая модель компании SVECTOR с 7 млрд параметров, предназначенная для математических и алгоритмических рассуждений, генерации кода и выполнения структурированных технических инструкций. Модель построена на трансформерной архитектуре и поддерживает контекст до 32 768 токенов; в README также описаны MoE, SwiGLU и RMSNorm. Метаданные указывают поддержку диалогового режима и интерфейса вызова инструментов. Модель рассчитана на решение задач по математике и логике с пошаговыми выводами, проектирование и анализ алгоритмов, а также генерацию кода. По README, обучение включало специализированное предварительное обучение, инструкционное дообучение и выравнивание с подкреплением с проверкой математических решений и кода. Основной указанный язык — английский. Модель распространяется в формате safetensors по лицензии MIT. README приводит высокие результаты на математических и кодовых бенчмарках, однако эти заявления приведены разработчиком; независимая проверка результатов в предоставленных материалах отсутствует. Для запуска указаны CUDA-совместимый GPU и от 16 ГБ видеопамяти.

Карточка модели miromind-ai/MiroThinker-v1.0-72B на Hugging Face совпадает с карточкой miromind-ai/MiroThinker-v1.0-8B, поэтому описание составлено по ней. MiroThinker-v1.0-8B — открытая исследовательская агентная модель, разработанная MiroMind на базе Qwen3-8B и дообученная для рассуждений с использованием инструментов и поиска информации. Она предназначена для многошаговых исследовательских задач: модель может запрашивать внешнюю информацию, вызывать инструменты, проверять результаты и уточнять ход решения. В описании заявлена поддержка до 600 вызовов инструментов за задачу. Модель имеет плотную архитектуру Qwen3ForCausalLM, около 7,6 млрд параметров и контекст до 262 144 токенов. Карточка сообщает об англоязычной версии; метаданные также отмечают диалоговый режим и интерфейс вызова инструментов. Модель распространяется в формате safetensors по лицензии MIT. Карточка приводит результаты на исследовательских бенчмарках, однако качество зависит от подключённых инструментов, настроек рабочего процесса и вычислительных ресурсов. Для полноценного агентного сценария нужны совместимая среда и инструменты; сама модель не выполняет внешние действия без них.

Cogito-0.9.1-15B — разговорная аналитическая модель на 14 млрд параметров, разработанная ozaa77 и основанная на архитектуре Qwen3. Она предназначена для генерации ответов с проверкой предпосылок вопроса, поиском противоречий и оценкой уверенности; поддерживает интерфейс вызова инструментов. Модель принимает текст и генерирует текст, включая структурированные рассуждения и ответы. В README приведены результаты на задачах знаний и рассуждений: MMLU-Pro, GPQA Diamond и MATH-500. Доступны веса safetensors для запуска через Transformers и совместимые среды. Контекстное окно составляет 40 960 токенов. Карточка описывает англоязычное применение; метаданные указывают английский язык. Модель может помогать анализировать аргументы, решать математические и научные задачи и отвечать на вопросы с оговоркой об уверенности. Результаты бенчмарков из README не гарантируют качество в конкретном применении. Лицензия — Apache-2.0.

Grok 4.20 Multi-Agent — вариант модели Grok 4.20 от SpaceXAI для совместных сценариев с несколькими агентами. Несколько агентов работают параллельно, проводят углублённое исследование, координируют использование инструментов и объединяют полученные сведения. Данных о размере, архитектуре, модальностях, языках, длине контекста и лицензии в предоставленных источниках нет.

QUEST-9B — плотная языковая модель семейства Qwen3.5 с 9 млрд параметров, дообученная методом SFT командой OSU NLP для роли универсального агента глубокого исследования. Модель предназначена для диалогового взаимодействия и выполнения исследовательских задач; в карточке приведены результаты на BrowseComp, Mind2Web 2 и HLE. Модель распространяется в формате Safetensors и загружается через Transformers. Лицензия Apache-2.0 разрешает её использование на условиях этой лицензии. В README отмечено, что варианты MT+SFT лучше подходят для объективных задач с акцентом на рассуждения, а варианты RL — для более широкого сочетания объективных и открытых оценок.

CognitiveKernel/Qwen3-8B-CK-Pro — языковая модель на архитектуре Qwen3, разработанная в рамках проекта Cognitive Kernel-Pro. Это дообученная версия Qwen/Qwen3-8B с 7,6 млрд параметров, предназначенная для генерации текста и работы в сценариях глубокого исследования с агентами. Авторы дообучили её на самостоятельно собранных траекториях запросов из таблицы 2 статьи Cognitive Kernel-Pro. Модель поддерживает диалог и интерфейс вызова инструментов. В README приведены результаты на наборе GAIA: Pass@1/3 — 32,7%/38,2% на полном dev-наборе и 40,3%/49,3% на текстовой подвыборке. Контекст — до 40 960 токенов; доступны веса в формате Safetensors, для работы заявлена библиотека Transformers. Лицензия обозначена как other, поэтому конкретные условия использования следует сверить с карточкой модели и файлами лицензии.

AgentIR-4B — плотная текстовая модель для извлечения документов, разработанная авторами проекта AgentIR. Она дообучена на базе Qwen/Qwen3-Embedding-4B и предназначена для поиска в системах глубокого исследования, где агент передаёт вместе с запросом свой ход рассуждений. Совместное кодирование запроса и рассуждения помогает учитывать намерение и контекст агента при подборе материалов. Модель рассчитана на использование в исследовательских агентах и retrieval-системах; авторы сообщают об улучшении точности и сокращении числа итераций на BrowseComp-Plus. Это модель семейства Qwen3 с 3,7 млрд параметров, контекстом до 40 960 токенов и форматом safetensors. Метаданные указывают задачу feature-extraction; модель принимает текст и выдаёт текстовые эмбеддинги для поиска и сравнения. Лицензия в предоставленных данных не указана.

leandronunes/qwen3.8-4b-a1-omnimerge-m8 — мультимодальная модель для диалога и рассуждений, созданная Leandro Nunes с помощью слияния Qwen3.5-4B, Qwen3.8-4B-Distill и Agents-A1-4B методом OmniMerge v2. Она предназначена для логической и причинной аргументации, научных вопросов и агентных сценариев; поддерживает вызов инструментов. Модель основана на архитектуре Qwen3.5 с плотной языковой частью и визуальным энкодером из 24 блоков. В README заявлены контекст 262 144 токена, чередование слоёв линейного внимания Gated DeltaNet и полного внимания, а также режим расширенного рассуждения, который можно отключить в шаблоне чата. Карточка описывает слияние как сочетание логической дедукции Qwen3.8-4B-Distill с агентными и причинными возможностями Agents-A1-4B; собственные результаты слияния на приведённых бенчмарках ещё не измерены. Модель принимает текст и изображения и генерирует текст. Лицензия — Apache 2.0, унаследованная от Qwen3.5-4B. Она опубликована недавно, поэтому зрелость практических результатов ограничена отсутствием измерений для самого слияния.

Mistral-Small-24B-Instruct-2501-reasoning-GGUF — это квантованное представление в формате GGUF модели Mistral-Small-24B-Instruct-2501-reasoning, разработанной yentinglin и преобразованной пользователем brittlewis12. Модель создана на базе Mistral-Small-24B-Instruct-2501 и дообучена для усиления способностей к математическому рассуждению на наборах данных OpenR1-Math-220k, s1K-1.1 и связанных данных в формате TRL. Она предназначена для генерации текста, решения математических задач и сценариев, где требуется пошаговое рассуждение. Заявлен английский язык и текстовая модальность; размер модели — 24 млрд параметров. Формат GGUF ориентирован на локальный запуск с совместимыми инструментами, включая llama.cpp. Сведения о размере контекстного окна в README отсутствуют. Среди сильных сторон — специализация на математическом reasoning и высокие результаты исходной модели в приведённых оценках: 95,0 на MATH-500, 53,33 на AIME 2025, 66,67 на AIME 2024 и 62,02 на GPQA Diamond. Эти показатели относятся к исходной модели и не обязательно полностью характеризуют конкретную квантованную сборку. Ограничениями являются отсутствие данных о конкретном типе и уровне квантования, требованиях к памяти и производительности, поддерживаемых языках помимо английского и контекстном окне. В метаданных указана лицензия Apache-2.0.

ZAYA1-base — базовая языковая модель Zyphra с архитектурой MoE (смесь экспертов), предназначенная для генерации текста и диалоговых сценариев. По README в модели активны 800 млн из 8,3 млрд параметров; метаданные каталога указывают 7,7 млрд параметров. Модель использует плотные слои и собственные механизмы Compressed Convolutional Attention, маршрутизатор экспертов ZAYA1 и масштабирование остаточных связей. Она обучалась с нуля на аппаратном, программном и сетевом стеке AMD. Модель рассчитана на продолжение текста, диалог и задачи рассуждения, особенно математические и STEM-задачи. В README заявлены конкурентные результаты относительно базовых моделей сопоставимого масштаба, однако приведённых численных бенчмарков нет. Контекстное окно составляет 32 768 токенов; используется токенизатор Gemma 3. Для запуска требуется специальная ветка библиотеки Transformers от Zyphra. Модель распространяется по лицензии Apache 2.0.

GALACTICA 1.3B — базовая авторегрессионная языковая модель семейства OPT, разработанная командой Papers with Code в Meta AI для автоматизации работы с научной информацией. Вариант содержит около 1,7 млрд параметров по метаданным, использует архитектуру decoder-only Transformer и контекст длиной до 2048 токенов. Модель обучена на корпусе из 106 млрд токенов открытых научных текстов и данных: статей, учебников, научных сайтов, энциклопедий и баз знаний. Она предназначена для генерации научных текстов, ответов на научные вопросы, математических рассуждений, суммаризации, предсказания цитирований и извлечения сущностей; также заявлена поддержка задач с научными данными, например предсказания свойств молекул. Карточка отмечает результаты на научных и общих NLP-задачах, но предупреждает о галлюцинациях, смещении в пользу популярных публикаций и предвзятости. Для использования требуется учитывать эти ограничения и проверять ответы. Лицензия CC BY-NC 4.0 разрешает использование на некоммерческих условиях.

Apodex-1.0-4B-SFT — модель для агентного глубокого исследования с акцентом на проверку фактов, разработанная командой Apodex и дообученная на базе Qwen/Qwen3.5-4B. Это плотная модель семейства Qwen3.5, работающая через Transformers и распространяемая в формате safetensors. Она предназначена для диалогов и сценариев ReAct с вызовом инструментов: поиска источников, сбора свидетельств и подготовки ответов с проверяемыми обоснованиями. Карточка описывает также режим Apodex-1.0-H с несколькими специализированными агентами и общим верификатором; это режим развертывания, а не отдельная характеристика данного чекпойнта. Модель дообучена по рецепту, включающему SFT, агентный DPO и обучение с подкреплением на длинных агентных траекториях. В README заявлено сохранение общих способностей базовой модели, включая знания, математику, программирование и следование инструкциям. Метаданные указывают английский и китайский языки, а базовая модель описана как мультимодальная Qwen на 4 млрд параметров; при этом карточка конкретного чекпойнта не уточняет поддержку изображений и длину контекста. Модель подходит для исследовательских агентов и ассистентов, которым нужно искать информацию, пользоваться инструментами и формировать ответы с цепочками свидетельств. Карточка приводит результаты бенчмарков глубокого исследования, но наиболее высокие показатели относятся к Apodex-1.0-H и не должны автоматически приписываться варианту 4B-SFT. Лицензия — Apache-2.0.

unsloth/Jan-nano-GGUF — это GGUF-версия компактной языковой модели Jan-Nano, разработанной Menlo Research и подготовленной в формате квантования Unsloth Dynamic 2.0. Модель содержит около 4 миллиардов параметров и предназначена для генерации текста и выполнения задач глубокого исследования. Основной сценарий использования — работа с Model Context Protocol (MCP): модель оптимизирована для взаимодействия с MCP-серверами, исследовательскими инструментами и внешними источниками данных. Она оценивалась на SimpleQA с помощью методики, учитывающей интеграцию MCP, поэтому особенно ориентирована на инструментально дополненные исследовательские процессы. Модель также поддерживается приложением Jan, позволяющим запускать её локально с сохранением конфиденциальности и контроля над данными. К сильным сторонам относятся небольшой размер, локальный запуск и специализация на исследовательских задачах с использованием внешних инструментов. Ограничения связаны с относительно малым числом параметров по сравнению с крупными языковыми моделями; сведения о поддерживаемых языках, размере контекстного окна и точной архитектуре в предоставленных данных отсутствуют. Модель распространяется по лицензии Apache 2.0.

OpenMath-Nemotron-14B-GGUF — это квантизированная версия языковой модели OpenMath-Nemotron-14B, разработанной NVIDIA. Квантизацию в формате GGUF выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и решения математических задач, включая сценарии, где требуется локальный запуск через llama.cpp, LM Studio или совместимые проекты. Модель содержит 14 миллиардов параметров, работает с текстом и ориентирована на английский язык. В репозитории доступны варианты от BF16 до низкобитных форматов Q2 и Q3, а также Q4–Q8, что позволяет выбирать баланс между качеством, размером файла и требованиями к оперативной памяти. Для большинства сценариев рекомендуются варианты Q4_K_M, Q5 или Q6; более сильная квантизация обычно сохраняет качество лучше, но требует больше памяти. Размер контекста в README не указан. Сильной стороной модели является специализация на математическом рассуждении и наличие вариантов для эффективного локального вывода на разных конфигурациях оборудования. Ограничения включают ориентацию на английский язык, отсутствие заявленной поддержки изображений или других модальностей, а также возможное снижение качества в наиболее компактных вариантах квантизации. Указанная лицензия — CC BY 4.0.

askalgore/Phi-4-mini-reasoning-heretic — производная версия Phi-4-mini-reasoning от Microsoft, обработанная методом abliteration для снижения частоты отказов. Это компактная трансформерная языковая модель с архитектурой Phi3ForCausalLM, 3,8 млрд параметров и контекстом 4096 токенов; опубликована в формате safetensors и рассчитана на запуск через Transformers. Модель предназначена прежде всего для многошагового математического рассуждения, логических задач, символьных вычислений и генерации формальных доказательств в условиях ограниченных ресурсов. В README приведено сравнение с исходной моделью: частота отказов снизилась с 80 до 14 из 100 запросов, а KL-дивергенция составила 17,38. Модель поддерживает диалог и генерацию кода; основной язык карточки — английский. Лицензия — MIT. Модель ориентирована на математическое рассуждение и не оценивалась для всех возможных прикладных задач. Из-за небольшого размера она может ошибаться в фактах; её ответы следует проверять, особенно в критически важных сценариях.

Snowball 67B-A2B SFT Stage 2: Thinking — текстовая модель генерации и диалога, разработанная в рамках кампании supervised fine-tuning Marin. Это BF16-экспорт для Hugging Face и vLLM; архитектура Grug MoE, число параметров по метаданным — 2,8 млрд, контекст — до 32 768 токенов. Модель сохраняет токенизатор Marin и специальные токены Delphi. Модель предназначена для генерации ответов и рассуждений в диалоге. Она продолжает обучение финального чекпойнта Stage 1 Chat на наборе данных laion/llama-nemotron-science-reasoning-on-canonical-think-full: один упакованный проход, 630 шагов; в карточке это обозначено как Stage 2 Thinking. Лицензия — Apache-2.0.

OpenAI o1 — модель рассуждения, разработанная OpenAI для сложных многошаговых задач. Она обучена с применением обучения с подкреплением и предназначена для задач, где полезны тщательный анализ, например математики, программирования, научных вопросов и построения агентных сценариев. Модель также принимает изображения и может рассуждать об их содержимом. В API o1 поддерживает текстовые входы и выходы, изображения на входе, вызов функций и структурированные ответы. Контекстное окно составляет 200 000 токенов. OpenAI указывает, что версия o1-2024-12-17 стала доступна для производственного использования. Модель может ошибаться, а её результаты требуют проверки; открытые сведения не устанавливают число параметров или конкретную архитектуру. Доступ предоставляется через API OpenAI на условиях сервиса OpenAI; веса модели не представлены как открытая загрузка.

Карточка модели EmperoAI/NVIDIA-Nemotron-Labs-Teacher-STEM на Hugging Face совпадает с карточкой nvidia/NVIDIA-Nemotron-Labs-Teacher-STEM, поэтому описание составлено по ней. NVIDIA-Nemotron-Labs-Teacher-STEM — большая языковая модель NVIDIA из семейства Nemotron 3 Ultra, предназначенная для сложных рассуждений и использования как самостоятельная модель и учитель для генерации синтетических данных и дистилляции. Она дообучена на основе постобученной Nemotron 3 Ultra Student с дополнительной настройкой на рассуждения и обучением с подкреплением; в рецепте также применяется дистилляция с участием нескольких учителей. Модель использует гибридную архитектуру LatentMoE с чередованием слоёв Mamba-2 и Mixture-of-Experts, отдельными слоями внимания и Multi-Token Prediction. Она содержит 550 млрд параметров, из которых 55 млрд активны, и поддерживает генерацию текста с контекстом до 262 144 токенов по метаданным Hugging Face. Предназначена для математики, программирования, естественных наук, гуманитарных и общественных дисциплин, ответов на сложные вопросы и работы с инструментами, включая поиск и выполнение кода. Поддерживаются английский, французский, испанский, итальянский, немецкий, японский, корейский, хинди, арабский, китайский, иврит и бразильский вариант португальского. Карточка сообщает о возможности коммерческого и некоммерческого использования; лицензия в метаданных указана как other, поэтому конкретные лицензионные условия следует сверить с репозиторием. Для запуска требуются значительные вычислительные ресурсы и совместимое оборудование.

DeepSeek-R1 — большая языковая модель первого поколения моделей рассуждения, разработанная DeepSeek. Модель обучалась с использованием комбинации supervised fine-tuning и крупномасштабного reinforcement learning: перед этапами RL применялись данные cold start, а общий конвейер включал два этапа RL и два этапа SFT. Исследовательская версия DeepSeek-R1-Zero также представлена авторами и обучалась с помощью RL без предварительного SFT. Модель предназначена для сложных задач рассуждения, включая математику, программирование и другие интеллектуальные задачи, требующие многошагового анализа. По заявлению разработчиков, её результаты сопоставимы с OpenAI-o1 в задачах математики, кода и рассуждения. К сильным сторонам относятся способности к самопроверке, рефлексии и построению длинных цепочек рассуждений. При этом README не содержит точных сведений о размере модели, архитектуре, длине контекста, поддерживаемых языках и мультимодальных возможностях. У модели есть ограничения, связанные с особенностями reasoning-моделей: у предварительной версии DeepSeek-R1-Zero отмечались бесконечные повторения, низкая читаемость и смешение языков; для DeepSeek-R1 эти проблемы должны уменьшаться благодаря дополнительным данным и этапам обучения. Модель распространяется по лицензии MIT. README также сообщает о выпуске производных дистиллированных моделей, но они не являются самой моделью DeepSeek-R1.

GLM-Z1-Rumination-32B-0414 — диалоговая модель глубокого рассуждения от Z.ai, созданная на основе GLM-4-32B-0414. В ней сочетаются длительное пошаговое рассуждение и использование инструментов поиска для решения открытых и сложных задач; обучение дополнительно ориентировано на математику, код, логику, исследовательский стиль письма и задачи с извлечением информации. Модель содержит 32,2 млрд параметров, использует плотную архитектуру GLM-4 и работает с контекстом до 131 072 токенов. Карточка описывает поддержку китайского и английского языков, диалога и вызова инструментов поиска. Указаны сценарии сравнительного анализа, подготовки исследовательских текстов и комплексного поиска с последующим синтезом результатов. Модель распространяется под лицензией MIT. Доступные материалы не приводят отдельных результатов оценки качества или подробностей ограничений; ответы и результаты поиска следует проверять, особенно в задачах, требующих точности и актуальности.

GPT-5.5 — фронтирная модель OpenAI для сложных профессиональных задач. Она развивает GPT-5.4, уделяя особое внимание рассуждению, надёжности и эффективности использования токенов при решении трудных задач. В README также указано контекстное окно более 1 млн токенов. Модель предназначена для сложных рабочих сценариев. Имеющихся сведений недостаточно, чтобы подтвердить архитектуру, поддерживаемые модальности, языки, лицензию или конкретные ограничения, поэтому эти характеристики не описаны.

Карточка модели luganoquant/OpenThinker3-7B на Hugging Face совпадает с карточкой open-thoughts/OpenThinker3-7B, поэтому описание составлено по ней. OpenThinker3-7B — языковая модель с открытыми весами, разработанная командой Open Thoughts для задач рассуждения. Она дообучена методом supervised fine-tuning на базе Qwen/Qwen2.5-7B-Instruct на наборе OpenThoughts3-1.2M, включающем вопросы по математике, программированию и естественным наукам. По данным авторов, модель обучалась без RL и показала улучшение по сравнению с предыдущими моделями OpenThinker в приведённых тестах. Модель имеет плотную архитектуру Qwen2 с 7,1 млрд параметров, принимает текст и генерирует текст. Контекст составляет до 32 768 токенов; поддерживаются чатовый режим и интерфейс вызова инструментов. Модель предназначена для решения математических задач, написания и анализа кода, научных вопросов и пошагового рассуждения. Доступна по лицензии Apache 2.0.

ZAYA1-reasoning-base — плотная по архитектуре MoE-языковая модель Zyphra, основанная на Zyphra/ZAYA1-base и дополнительно обученная на 1 трлн токенов с упором на рассуждения. Она предназначена для генерации текста и диалогов, особенно для сложных задач по математике, STEM и программированию, требующих многошагового анализа. Модель содержит 7,7 млрд параметров по метаданным, использует архитектуру ZayaForCausalLM, токенизатор Gemma 3 и контекст до 32 768 токенов. В архитектуре применены механизм внимания Compressed Convolutional Attention, нелинейный маршрутизатор экспертов и обучаемое масштабирование остаточных связей. Модель демонстрирует сильные результаты на сложных математических и кодовых задачах, но README отмечает, что полного RL-постобучения она не проходила. Для запуска требуется форк Transformers с поддержкой Zaya. Лицензия — Apache-2.0.