I.14Автоматизация процессов и AI-агенты

Granite-4.2-30B-Fable-Distill — созданная armand0e дообученная версия IBM Granite-4.2-30B для диалога и использования инструментов. Это плотная авторегрессионная модель на 28,9 млрд параметров с весами safetensors в bf16 и контекстом до 131 072 токенов; сохранены архитектура, токенизатор и шаблон чата базовой модели. Модель обучена на трассах агентного программирования и диалогах, дистиллированных из Claude Fable 5; около 73% размеченных токенов приходятся на вызовы инструментов. Поддерживает английский, испанский, французский, немецкий, португальский, японский и китайский, но около 90% обучающих токенов были на английском. Модель предназначена прежде всего для оркестрации инструментов, извлечения сведений и многоязычного диалога. При использовании в vLLM автор рекомендует включать thinking и настраивать разбор вызовов инструментов согласно формату Granite 4.2. Карточка прямо предупреждает, что модель слаба в написании и редактировании кода, несмотря на агентные трассы в обучении. Лицензия Apache-2.0.

jasoncarreira/hrm-text-agent-v2 — дообученная версия HRM-Text-1B от Sapient Intelligence, созданная для вызова функций и инструментов. Модель использует плотную архитектуру HRM-Text с PrefixLM и требует оболочку условия `direct`; для инференса автор рекомендует harness из репозитория, а не прямой вызов `.generate()`. Размер модели — 3,7 млрд параметров, контекст — 4096 токенов. Модель дообучена полным обновлением параметров на примерах Hermes, Glaive, No Robots, синтезированных случаях нерелевантности, данных Salesforce xLAM для параллельных вызовов и примерах дисциплины формата. В BFCL v4 автор сообщает улучшение общего micro-average с 54,7% до 66,8%, включая рост результатов в простых, множественных и параллельных вызовах. Лицензия — CC BY-NC 4.0. Основные компромиссы — повышенная склонность вызывать инструмент, даже когда подходящего инструмента нет, и снижение результатов на задачах свободной математики относительно v1. Английский язык указан в метаданных; README не сообщает о поддержке других языков.

InfiGUI-G1-3B — мультимодальная модель для привязки инструкций к элементам графического интерфейса, разработанная авторами работы InfiGUI-G1. Она основана на Qwen2.5-VL-3B-Instruct и дообучена методом Adaptive Exploration Policy Optimization (AEPO), который использует генерацию нескольких вариантов действий и адаптивное вознаграждение для улучшения семантического выбора элементов интерфейса. Модель принимает изображения интерфейса и текстовые инструкции, а в ответ формирует текст с указанием подходящего элемента или действия для GUI-агента. Она предназначена для GUI-grounding и оценки на наборах тестов для взаимодействия с интерфейсами; архитектура — плотная Qwen2.5-VL, размер — 3,1 млрд параметров, контекст — до 128 000 токенов. В карточке указана поддержка английского языка. Авторы сообщают о высоких результатах на разнообразных бенчмарках GUI-grounding, однако README не приводит численные результаты в доступном тексте. Для воспроизведения оценки описана конфигурация с vLLM и четырьмя GPU NVIDIA H800. Модель распространяется по лицензии Apache-2.0.

K2-Horizon-MoVA-36B-A4B — разреженная языковая модель семейства K2-Horizon от IFM с архитектурой Mixture-of-Experts и механизмом внимания Mixture-of-Values (MoVA). В модели хранится 36 млрд параметров, при генерации активируется около 4 млрд на токен; метаданные каталога указывают 3,7 млрд параметров. Модель предназначена для диалоговой генерации текста, рассуждений и агентных сценариев с вызовом инструментов. Модель поддерживает контекст до 524 288 токенов и рассчитана прежде всего на английский язык. Разработчик сообщает о сильных результатах на бенчмарках рассуждений и агентных задач при небольшом числе активных параметров; независимые оценки в предоставленной карточке не приведены. Опубликованы веса, данные и код обучения, а также промежуточные чекпойнты. Для запуска в карточке приведены рецепты vLLM и SGLang; версия Transformers также валидирована. Модель распространяется по лицензии Apache-2.0. Для рекомендуемого качества карточка советует высокий уровень reasoning effort и настройки temperature=1.0, top_p=0.95; доступная производительность зависит от выбранного чекпойнта и вычислительной инфраструктуры.

Ling-3.0-flash-VL — мультимодальная модель компании InclusionAI, построенная на основе Ling-3.0-flash. Она принимает текст, изображения и видео и предназначена для визуальных вопросов и ответов, анализа документов и сцен, рассуждений по визуальным данным и выполнения задач через интерфейсы программ и веб-сайтов. Модель использует визуальный энкодер ViT и двухслойный MLP-проектор для объединения визуальных признаков с текстом. Гибридная разреженная MoE-архитектура содержит 124 млрд параметров, из которых активны 5,5 млрд на токен; контекстное окно — до 256 тыс. токенов. Видеопозиционное кодирование учитывает пространственное расположение и временной порядок кадров. Карточка описывает возможности диалога, анализа длинных видео и агентных сценариев. Модель рассчитана на визуальное понимание и рассуждение, но заявленные результаты бенчмарков не гарантируют качество на конкретных данных или интерфейсах. README не уточняет поддерживаемые естественные языки. Репозиторий распространяется по лицензии MIT.

Fireplace — разговорная модель с поддержкой вызова функций, созданная Valiant Labs на базе Llama 3 70B Instruct. Она предназначена для диалогов и выполнения запросов, в которых ассистент выбирает подходящую функцию и формирует вызов по заданной схеме. Для описанного сценария функции перечисляются в системном сообщении в формате Llama 3 Instruct, а ответы функций передаются модели отдельным сообщением пользователя. Модель имеет плотную архитектуру Llama с 69,5 млрд параметров и контекстом 8192 токена. Она дообучена на наборе glaiveai/glaive-function-calling-v2, преобразованном в формат Llama 3 Instruct; репозиторий содержит веса Safetensors. В карточке указана поддержка английского языка. Лицензия — llama3. Эта версия сочетает чат и инструкции с вызовом функций через системное сообщение; README не заявляет поддержку встроенных вызовов функций в теле диалога. Карточка также предупреждает о возможной ошибочной обработке завершающих токенов в text-generation-webui, из-за которой ответы могут обрываться или иметь неверную структуру.

LocalAI-io/LocalAI-Llama3-8b-Function-Call-v0.2 — дообученная плотная авторегрессионная модель семейства Llama 3 с 7,5 млрд параметров, разработанная для LocalAI. Она предназначена для диалоговых сценариев с вызовом инструментов и ограниченной грамматикой: при переходе в режим инструментов модель отвечает в формате JSON. Контекст составляет 8192 токена; репозиторий содержит веса в формате safetensors. Модель подходит для интеграции в приложения LocalAI, где нужно преобразовывать запросы пользователя в структурированные аргументы вызова инструментов. README сообщает о дообучении на пользовательском наборе данных и данных Glaive, но не приводит подробностей о тестировании и качестве. Лицензия указана как llama3; условия её применения следует сверять с лицензией семейства Llama 3.

MiroThinker-1.7-mini-GGUF — GGUF-квантизированная версия языковой модели MiroThinker-1.7-mini, разработанной командой MiroMind AI. Модель создана для агентных сценариев, глубокого исследования, сложных вопросов и многошагового анализа с использованием инструментов. Она ориентирована на выполнение длинных цепочек рассуждений и поддерживает до 300 вызовов инструментов в рамках одной задачи. Модель содержит 30 млрд параметров и имеет контекстное окно до 256 тыс. токенов. Указана поддержка английского языка; модальность — текстовая. В качестве базовой модели обозначена Qwen/Qwen3-235B-A22B-Thinking-2507. GGUF-версия была создана с использованием llama.cpp. К сильным сторонам относятся большой контекст, многошаговое рассуждение и ориентация на исследовательские агентные процессы. Ограничения включают зависимость качества от корректной интеграции инструментов и значительные требования к вычислительным ресурсам; конкретный вариант квантования в README не указан. Модель распространяется по лицензии Apache-2.0.

MolmoWeb-8B — открытая мультимодальная модель веб-агента, разработанная Ai2. Она предназначена для взаимодействия с веб-сайтами: модель анализирует визуальное представление страницы и формирует ответы или действия агента для выполнения веб-задач. По данным карточки, MolmoWeb показывает высокие результаты на WebVoyager и Online-Mind2Web, а параллельные запуски с выбором лучшего результата повышают pass@4 по сравнению с pass@1. Модель использует архитектуру Molmo2 с языковой основой Qwen3-8B и визуальным энкодером SigLIP 2. Она принимает изображения и текстовые запросы и выдаёт текст; в метаданных указаны поддержка диалога и vision, а основной язык карточки — английский. Весы доступны в формате safetensors, библиотека — Transformers. Лицензия — Apache-2.0. Модель ориентирована на веб-агентные сценарии и может ошибаться при интерпретации страниц или выполнении сложных цепочек действий; README не приводит подробного перечня ограничений и требований к запуску.

Muse-Glimmer-30B-Hermes-Agentic-GGUF — квантованная GGUF-версия улучшенной дообученной модели Muse Glimmer 30B, разработанная Victor Cruz на базе Muse Glimmer 30B от Meta Superintelligence Lab. Модель ориентирована на локальный запуск в llama.cpp, работу в Hermes Agent и других агентных сценариях с вызовом инструментов через OpenAI-совместимый интерфейс. Основная специализация — управляемое использование инструментов: модель обучена вызывать один или два инструмента Hermes и своевременно завершать выполнение, избегать повторных вызовов неработающих инструментов, однократно восстанавливаться после отсутствующего файла и не использовать инструменты без необходимости. Указан английский язык дообучения, тогда как базовая модель является многоязычной. Размер базовой модели — 30B; доступны варианты квантования от Q2_K до Q8_0 и F16. Рекомендуемый вариант Q4_K_M рассчитан на видеокарту с 24 ГБ памяти, заявленный контекст — 32K токенов. В сравнении с исходной Muse Glimmer дообученная версия показала более стабильное завершение агентных циклов и отсутствие случаев достижения лимита последовательных вызовов в приведённых тестах. Ограничения включают ориентацию дообучения преимущественно на английские сценарии, зависимость от Hermes Agent и llama.cpp версии не ниже b10353, а также необходимость отключать DFlash при оценке циклов вызова инструментов. Модель распространяется по лицензии Apache 2.0.

Nemotron-Terminal-14B — модель NVIDIA для автономного взаимодействия с терминалом. Это дообученная на корпусе Nemotron-Terminal-Corpus плотная языковая модель семейства Qwen3 с 14 млрд параметров, представленная в формате safetensors и предназначенная для работы через библиотеку Transformers. Модель планирует и выполняет задачи в командной строке, формируя структурированный JSON с анализом состояния терминала, планом, командами и признаком завершения задачи. В README приведён результат 20,2% на Terminal-Bench 2.0 для варианта 14B; для воспроизводимости оценки рекомендована оболочка Terminus 2. Метаданные указывают контекст 40 960 токенов и английский язык. Модель рассчитана на текстовый ввод и выдаёт текст с командами для терминала; для их выполнения требуется внешняя среда или оболочка. Указана лицензия «other», поэтому конкретные условия использования следует сверить с лицензией в репозитории.

OpenAI o4-mini — компактная модель рассуждений из серии o-series, разработанная OpenAI. Она предназначена для быстрых и экономичных ответов с сохранением развитых мультимодальных и агентных возможностей, включая использование инструментов. В доступной карточке указаны мультимодальность и поддержка инструментов, но не уточнены входные и выходные типы данных, конкретные языки или размер контекста, поэтому эти характеристики не конкретизируются.

openPangu-7B-Diffusion-DeepDiver — языковая модель Huawei с 7,4 млрд параметров, обученная для сценариев с несколькими агентами. Она использует плотную архитектуру PanguEmbedded и блочную диффузионную генерацию: модель последовательно декодирует блоки токенов, применяя полное внимание внутри блока и причинное внимание к предыдущему контексту. Длина контекста — 32 768 токенов. Модель предназначена для планирования, многошагового поиска информации и вызова инструментов в многораундовых диалогах. В README описана интеграция в агентный фреймворк Deepdiver v2; модель обучалась на траекториях взаимодействия агентов, вызовах инструментов и их результатах. В указанном тесте точность сопоставима с авторегрессионной моделью, при этом требовалось меньше вызовов инструментов и раундов, а задержка была ниже примерно на 30%. В том же тесте частота сбоев вызова инструментов оказалась выше, чем у авторегрессионной модели. README сообщает, что модель обучалась и тестировалась только с Deepdiver v2, поэтому качество в других агентных системах не гарантируется. Лицензия в предоставленных данных не указана.

Rubra Enhanced Phi-3 Mini 128k Instruct — языковая модель Rubra AI, полученная дополнительным постобучением microsoft/Phi-3-mini-128k-instruct на закрытом наборе инструкций, диалогов и примеров вызова функций. Модель предназначена для выполнения инструкций, многошаговых бесед и взаимодействия с инструментами через вызовы функций. Она построена на плотной архитектуре Phi-3 с 4,6 млрд параметров и использует Transformers и формат safetensors. README сообщает об оценках на наборах MMLU, GPQA, GSM-8K, MATH и MT-bench, а также о сравнительных результатах в задачах вызова функций. Указанная в метаданных длина контекста — 4096 токенов. Карточка описывает английский язык; модель генерирует текст и поддерживает чат. Лицензия — MIT. Модель может выдавать неверные или предвзятые ответы, поэтому её результаты требуют проверки, особенно в чувствительных и критически важных сценариях.

Vikhr Team разработала эту экспериментальную модель, дообучив Qwen2.5-7B-Instruct на синтетических англоязычных данных Vikhrmodels/tool-plannings-v0.1. Модель предназначена для планирования вызовов инструментов в диалоге: она оценивает намерение пользователя, выбирает подходящую функцию, может вызывать несколько функций параллельно и обрабатывает ошибки их выполнения. Это плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров и контекстом 32 768 токенов. Она принимает текст и выдаёт текст, включая вызовы инструментов в предусмотренном формате. Для работы доступны веса safetensors; модель рассчитана на использование через Transformers, а для онлайн-сервинга с vLLM в карточке приведены дополнительные файлы парсера и шаблона чата. Лицензия — Apache-2.0. Числа в карточке показывают точность 73,25% для простых вызовов, 93% для выбора из нескольких функций и 90% для параллельных вызовов. Авторы отмечают экспериментальный характер чекпойнта и возможность галлюцинаций; стабильнее он работает при жадном поиске или низкой температуре. Для планирования рекомендуется сохранять исходный системный промпт.

Qwen3.5-27B — мультимодальная модель семейства Qwen, опубликованная Unsloth в формате Hugging Face Transformers. Это дообученная версия Qwen/Qwen3.5-27B для диалогов и задач, где нужно совместно анализировать текст и изображения. Модель имеет 27 млрд параметров, причинную языковую архитектуру с визуальным энкодером и сочетает Gated Delta Networks с разреженной архитектурой Mixture-of-Experts. Контекст составляет 262 144 токена с возможностью расширения до 1 010 000 токенов. Модель подходит для ответов на вопросы по изображениям, визуального анализа, рассуждений, программирования и агентных сценариев с вызовом инструментов. В README заявлена поддержка 201 языка и диалекта. Для запуска доступны веса в формате safetensors, совместимые с Transformers и рядом движков инференса; лицензия — Apache-2.0. Большой размер требует значительных вычислительных ресурсов; при длинном контексте возможен дефицит видеопамяти. Режим рассуждений включён по умолчанию, а скорость и пропускная способность зависят от движка и его версии.

hamishivi выпустил дообученную версию мультимодальной модели Qwen3.5-4B в формате Transformers. Это причинная языковая модель с визуальным энкодером на 4 млрд параметров, которая принимает текст и изображения и формирует текстовые ответы. Модель поддерживает диалог, визуальное понимание и вызов инструментов через соответствующий интерфейс. Модель предназначена для ответов на вопросы по изображениям, диалоговых и рассуждающих задач, работы с длинными текстовыми контекстами и сценариев с агентами и инструментами. В README заявлены поддержка 201 языков и диалектов, контекст 262 144 токена с расширением до 1 010 000 токенов и режим рассуждения по умолчанию. Архитектура сочетает Gated Delta Networks и разреженный Mixture-of-Experts. Весовые файлы совместимы с Transformers, vLLM, SGLang и KTransformers; лицензия — Apache-2.0. Изменённый шаблон чата сохраняет промежуточные рассуждения, а запуск с длинным контекстом может требовать значительных ресурсов памяти.

Qwen3.8-4B-Function-Calling-xLAM-Unsloth — плотная модель семейства Qwen3.5 с 4,7 млрд параметров, разработанная на основе empero-ai/Qwen3.8-4B и дообученная методом SFT на датасете Salesforce/xlam-function-calling-60k. Она предназначена для диалоговой генерации текста с вызовом инструментов и функций в сценариях, где запрос нужно преобразовать в структурированный вызов подходящего инструмента. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Адаптер LoRA был объединён с базовыми весами, поэтому результат поставляется как единая дообученная модель. Карточка сообщает только значения тренировочной функции потерь; оценка на бенчмарках не проводилась. Поведение вне данных xLAM не проверено, а ограничения и ошибки базовой модели сохраняются.

Qwen3-VL-8B-Thinking-UI-MOPD-Student — мультимодальная модель-агент для управления графическим интерфейсом, разработанная в проекте UI-MOPD. Это дообученная на базе Qwen/Qwen3-VL-8B-Thinking плотная модель Qwen3-VL с визуальным вводом и текстовым диалоговым интерфейсом. Она обучалась методом дистилляции с несколькими учителями и подкреплением: отдельные учителя для настольной и мобильной платформ передавали модели навыки с учётом типа платформы. Модель предназначена для выполнения задач в интерфейсах компьютеров и мобильных устройств: навигации по сайтам и приложениям, управления настройками и работы с файлами. В README приведены результаты на тестах OSWorld и MobileWorld, а также проверках визуального понимания и привязки к элементам интерфейса. Метаданные указывают поддержку английского и китайского языков и лицензию Apache-2.0. Результаты зависят от среды и протокола оценки; приведённые показатели не гарантируют успешного выполнения произвольных задач.

Spark-X2.5-1.7B Community Quants — это набор GGUF-квантизаций модели Spark-X2.5-1.7B, разработанной XHToken. Данные варианты опубликованы сообществом пользователем darioooooo0o и предназначены для локального запуска текстовой генерации, в том числе агентных сценариев с вызовом инструментов, через llama.cpp или совместимую инфраструктуру. Для GGUF требуется форк llama.cpp от XHToken, поскольку архитектура spark2_5 пока не входит в upstream llama.cpp. Модель имеет 1,7 млрд параметров, гибридное внимание с соотношением 3:1 между sliding-window и full attention и поддерживает нативный контекст до 1 млн токенов. Доступны варианты Q8_0, Q6_K, Q4_K_M и IQ4_XS размером примерно от 1,0 до 1,7 ГБ. Квантизация выполнена с использованием importance matrix; варианты рассчитаны на полностью GPU-резидентный запуск, начиная примерно с видеокарт с 4 ГБ памяти, при этом доступный контекст зависит от объёма VRAM и выбранной точности. Сильные стороны модели — компактный размер, высокая скорость декодирования, большой контекст и проверенная поддержка tool calling, включая сложные схемы, параллельные вызовы и многошаговые циклы с результатами инструментов. Ограничение уровня исходной модели — риск бесконечных циклов рассуждений на расплывчатых открытых вопросах; для автономных систем рекомендуется задавать бюджет рассуждений и тайм-ауты. Лицензия — Apache-2.0.

tencent/UI-Mate-9B — мультимодальная vision-language модель Tencent, представленная в формате GGUF и квантизированная bartowski с использованием llama.cpp. Модель содержит около 9 млрд параметров и предназначена для взаимодействия с графическим интерфейсом, включая сценарии computer-use agent, GUI-автоматизации и работы с настольными приложениями. В README также упоминается применение в задачах OSWorld и WindowsAgentArena, а среди связанных инструментов указан pyautogui. Модель принимает текст и изображения; для мультимодальной работы требуется дополнительный файл mmproj. Доступны варианты от BF16 до различных уровней квантизации, что позволяет выбирать между качеством, размером файла и требованиями к памяти. Рекомендуемым компромиссом обозначен вариант Q4_K_M размером около 5,91 ГБ, а более высокое качество предлагают Q5 и Q6. Поддержка speculative decoding отсутствует, при этом использована imatrix-квантизация. Языки и размер контекстного окна в README не указаны. Сильная сторона модели — специализация на понимании визуального интерфейса и автоматизации действий в GUI при относительно компактном размере. Ограничения включают зависимость мультимодального режима от mmproj, возможное снижение качества на низких уровнях квантизации и отсутствие данных о языковой поддержке, контекстном окне и результатах измерения perplexity или KLD. Указанная лицензия — Apache-2.0.

UI-TARS-7B-DPO-GGUF — мультимодальная модель для взаимодействия с графическими интерфейсами, разработанная на основе UI-TARS-7B-DPO от Bytedance Research. Это дообученная версия reasoning-модели Qwen VL, созданная для GUI-агентов с человекоподобным восприятием, рассуждением и выполнением действий. Модель предназначена для сценариев автоматизации интерфейсов, где требуется анализ визуального содержимого и формирование действий на его основе. Модель содержит около 7 миллиардов параметров и распространяется в формате GGUF. Квантизацию выполнил bartowski на базе llama.cpp версии b4514. В карточке указана поддержка мультимодального режима image-text-to-text и английского языка. Размер контекста, конкретные поддерживаемые варианты входных изображений и характеристики отдельных уровней квантизации не указаны, поэтому их следует уточнять для конкретного файла модели. К сильным сторонам относятся сочетание визуального анализа, рассуждений и ориентации на управление GUI, а также возможность локального запуска благодаря формату GGUF. Ограничениями являются потенциальная потеря качества из-за квантизации и отсутствие в предоставленных данных подробных оценок точности, требований к оборудованию и результатов тестирования. Лицензия модели указана как Apache-2.0.

inclusionAI/UI-Venus-Ground-7B — мультимодальный агент для взаимодействия с графическими интерфейсами, разработанный InclusionAI на базе Qwen2.5-VL. Модель принимает скриншоты и определяет расположение нужных элементов интерфейса, а также поддерживает навигацию по экрану и планирование действий в GUI-сценариях. Это плотная модель архитектуры Qwen2.5-VL с 7,1 млрд параметров и контекстом до 128 000 токенов. Она обучена методом Reinforcement Fine-Tuning на высококачественных данных для задач визуального связывания элементов и навигации; карточка сообщает о высоких результатах на бенчмарках ScreenSpot и AndroidWorld. Репозиторий предоставляет веса в формате safetensors для Transformers. Модель подходит для автоматизации действий в мобильных, настольных и веб-интерфейсах, когда наблюдением служат скриншоты. Лицензия — Apache-2.0. README не описывает точный формат выдачи управляющих действий или ограничения по поддерживаемым приложениям.

ricepaper/vi-gemma-2-2b-function-calling — языковая модель, разработанная hiieu, himmeow the coder и cuctrinh и дообученная на базе unsloth/gemma-2-2b-it-bnb-4bit. Она предназначена для диалогов и вызова одной или нескольких функций по запросу пользователя; обучающие данные включали диалоги с вызовами функций в формате ChatML и многоязычные данные, переведённые на вьетнамский язык. Модель также подходит для чат-ботов, систем вопросно-ответного поиска, суммаризации, перевода и агентных сценариев. Это плотная авторегрессионная Gemma 2 с 2,7 млрд параметров и контекстом до 8192 токенов. Основные языки — вьетнамский и английский; заявлена также работа с многоязычными данными. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Качество выполнения вызовов зависит от предоставленных функций и настроек генерации. README отмечает, что для эффективной работы могут потребоваться подходящая аппаратная конфигурация и настройка параметров генерации.

WebRL-Llama-3.1-70B — открытая модель Zhipu AI, созданная дообучением Meta Llama 3.1 70B для выполнения действий в веб-интерфейсах. Она предназначена для агентных сценариев, где по текстовым инструкциям нужно выполнять операции на пяти сайтах из WebArena: OpenStreetMap, Reddit, GitLab, CMS интернет-магазина и OneStopShop. Модель имеет плотную архитектуру LlamaForCausalLM с 69,5 млрд параметров, поддерживает чат и рассчитана на английский язык. Указанная длина контекста — 131 072 токена. В оценке на WebArena-Lite модель показала средний показатель успешного выполнения 49,1%; результаты различались по сайтам. Для запуска README отсылает к коду и требованиям на странице проекта GitHub. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования следует сверять с лицензией репозитория.

xLAM-8x22b-r — большая языковая модель для общего использования инструментов и создания AI-агентов, разработанная Salesforce. Это модель семейства Mixtral с архитектурой MoE и классом MixtralForCausalLM; метаданные указывают 22B параметров и контекст до 65 536 токенов. Модель принимает текстовые запросы и может выдавать текст, включая структурированные вызовы инструментов в формате JSON. Модель предназначена для преобразования намерений пользователя в действия: планирования задач, выбора инструментов и вызова функций в одношаговых и многошаговых диалогах. Для наилучшего качества авторы рекомендуют использовать предоставленный формат промпта и вспомогательные функции. Карточка приводит её как модель общего назначения и для вызова функций, но отмечает, что выпуск предназначен исключительно для исследований. Модель работает с английским языком согласно метаданным. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование; описание не приводит результатов бенчмарков или подробной оценки качества.

ABEJA-Qwen3-14B-Agentic-256k-v0.1 — это дообученная компанией ABEJA модель Qwen3-14B, предназначенная прежде всего для агентных сценариев. Она рассчитана на планирование, использование инструментов и циклы рассуждения с вызовом инструментов, а не на широкий круг универсальных задач. Модель имеет плотную архитектуру Qwen3ForCausalLM и 14 млрд параметров. Она принимает текст и поддерживает контекст до 262 144 токенов. В карточке указаны японский язык и возможность диалогового взаимодействия. Для режима рассуждений авторы рекомендуют temperature 0,6, top_p 0,95, top_k 20 и min_p 0; жадное декодирование не рекомендуется из-за возможного ухудшения качества и повторов. Модель основана на Qwen/Qwen3-14B-Base и распространяется в формате safetensors. Лицензия — Apache-2.0. Практическая область применения — создание агентов с длинным контекстом; модель не заявлена как универсальная.

Agent-FLAN-7B — языковая модель на 6,6 млрд параметров для выполнения агентных задач и использования инструментов. Модель опубликована командой InternLM и дообучена на основе Llama 2 7B с применением набора данных Agent-FLAN; в обучении также использовались AgentInstruct, ToolBench и ShareGPT. Архитектура — плотная авторегрессионная InternLMForCausalLM, формат весов — PyTorch, контекст — до 8192 токенов. Модель предназначена для диалоговых сценариев, где требуется следовать инструкциям, рассуждать при выполнении многошаговых задач и взаимодействовать с инструментами. Она использует формат бесед Llama 2 Chat и, согласно описанию статьи, улучшает агентные способности базовой модели и снижает галлюцинации благодаря включению негативных примеров. Карточка не описывает отдельные целевые языки и не приводит измерений качества для конкретных инструментов или прикладных областей. Лицензия — Apache 2.0.

AgentMercury-Qwen3.5-35B-A3B-SAO — это контрольная точка Qwen3.5-35B-A3B, дообученная Minbyul с помощью агентного обучения с подкреплением для работы с инструментами через MCP. Модель использует архитектуру Qwen3.5-MoE; в репозитории представлены веса safetensors для Transformers. По данным метаданных, базовая модель содержит 35 млрд параметров, из которых 3 млрд активны. Модель принимает текстовые запросы и выдаёт текстовые ответы с вызовами инструментов. Она предназначена для автономного выполнения многошаговых задач в синтетических корпоративных средах: искать сведения в почте, чатах, календарях, хранилищах, CRM и других сервисах, а затем создавать, изменять или удалять записи. Обучение основано на одном rollout на запрос и обучаемом критике; автор сообщает об улучшении доли выполненных действий на обучающих средах, но не приводит оценки на отложенном бенчмарке. Модель рассчитана прежде всего на англоязычную работу с инструментами; общие языковые и мультимодальные свойства унаследованы от базовой модели, но этот экспорт обозначен как текстовый. Это промежуточная контрольная точка на шаге 159 из запланированных 200, поэтому обучение не было завершено. Ответы могут быть длинными, а качество вне англоязычных корпоративных сценариев с инструментами зависит от базовой модели. Лицензия — Apache-2.0.

EnvACE-Qwen3-1.7B — модель-агент на основе Qwen/Qwen3-1.7B в режиме рассуждений, разработанная командой EnvACE. Она дообучена методом обучения с подкреплением в рамках подхода world rehearsal: модель генерирует вызов инструмента, затем моделирует ожидаемый ответ среды и использует его для планирования следующих действий. Так в параметрах формируется модель динамики среды, которую агент может использовать для предварительной репетиции действий перед выполнением. Модель предназначена для диалоговых агентов, которым нужно последовательно вызывать инструменты и решать задачи с несколькими шагами. В README указана оценка на BFCL-v4, τ²-Bench, VitaBench и FinMCP-Bench и переносимость на разные сценарии. Это плотная причинная языковая модель с 1,7 млрд параметров и контекстом до 40 960 токенов; метаданные указывают английский язык. Для запуска используется Transformers и формат Safetensors. Лицензия — Apache-2.0. Результаты зависят от задачи и доступных инструментов; модель обучалась на внутренней репетиции среды без внешнего симулятора, поэтому качество её предсказаний ответов среды в конкретной интеграции следует проверять отдельно. Для полноценной работы с интерактивными средами README отсылает к фреймворку EnvACE.