I.14Автоматизация процессов и AI-агенты

MobiMind-Grounder-7B — мультимодальная модель семейства MobiMind, разработанная командой IPADS-SAI для системы мобильных агентов MobiAgent. Она предназначена для низкоуровневого определения элементов пользовательского интерфейса на экране при выполнении задач GUI-агентом. Модель основана на архитектуре Qwen2.5-VL, содержит 7,1 млрд параметров и принимает изображения вместе с текстом. Максимальная длина контекста составляет 128 000 токенов. В карточке описано применение для управления интерфейсом, но подробности о поддерживаемых языках и точности не приведены. Модель распространяется в формате safetensors по лицензии Apache-2.0. README предлагает развертывание сервиса инференса через vLLM.

Muse Spark 1.3 — мультимодальная reasoning-модель от Meta, предназначенная для длительных агентных, многоагентных и связанных с программированием сценариев. По имеющимся сведениям, она рассчитана на отслеживание информации и выполнение многоэтапных задач. Метаданные каталога относят модель к задаче image-text-to-text, что указывает на обработку изображений и формирование текстового ответа. Данных о размере, архитектуре, длине контекста, поддерживаемых языках и лицензии в предоставленных источниках нет. Полная карточка обрывается, поэтому подробности о возможностях и ограничениях подтвердить нельзя.

Ornith-1.0-35B-ROCmFPX-StrixHalo — текстовая разговорная модель с 35 млрд параметров в формате GGUF, подготовленная julianmb для локального запуска на системах AMD Ryzen AI Max+ с Strix Halo. Репозиторий содержит варианты квантования ROCmFPX: Speed с точностью около 4,70 бит на параметр и размером 19,7 ГБ, а также Quality с точностью около 6,50 бит на параметр и размером 32,2 ГБ. Заявлена поддержка контекста до 262 144 токенов. Модель предназначена для локальных чат-сценариев и многоагентных рабочих нагрузок с вызовом инструментов. README сообщает о проверках корректности вызовов инструментов и измерениях скорости при параллельной работе нескольких агентов. В метаданных указан английский язык; теги также отмечают разговорный режим и tool calling. Это квантованная производная модель, распространяемая по лицензии MIT. Для запуска требуются совместимые сборки ROCmFPX и Vulkan: стандартные llama.cpp, Ollama и LM Studio не загружают этот формат без специальной поддержки. Описанная конфигурация рассчитана на оборудование Strix Halo с 64 или 128 ГБ объединённой памяти; приведённые показатели производительности относятся к этой аппаратной платформе.

OS-Atlas-Base-4B — мультимодальная модель для GUI-агентов, разработанная авторами проекта OS-Atlas и дообученная на базе OpenGVLab/InternVL2-4B. Она предназначена для привязки элементов графического интерфейса к визуальному представлению экрана: модель принимает изображение интерфейса и текстовый запрос, а затем помогает определить нужный элемент для дальнейшего взаимодействия агента с приложением. Архитектура — плотная InternVLChatModel; веса опубликованы в формате safetensors, работа предусмотрена через Transformers. Модель рассчитана на GUI grounding, а не на генерацию последовательности действий: для одношаговых действий авторы выделяют отдельную модель OS-Atlas-Pro. Метаданные также указывают поддержку диалога и задач image-text-to-text и text-generation. Репозиторий заявляет лицензию Apache-2.0. Размер 4B относится к названию модели и её базовой модели; точное число параметров и длина контекста в предоставленных данных не приведены.

OS-Copilot/OS-Shepherd-9B — мультимодальная reward-модель, разработанная OS-Copilot для оценки траекторий агентов, управляющих компьютером. Она получает инструкцию пользователя, снимки экрана, а также рассуждения и действия агента и выносит обоснованный вердикт SUCCESS или FAIL о выполнении задачи. Модель дообучена на Qwen/Qwen3.5-9B методом SFT с последующим GRPO на наборе OS-Copilot/OS-Shepherd-100K. Этап обучения с подкреплением был направлен на снижение числа ошибочных оценок SUCCESS. Архитектура — плотная Qwen3.5 с 9 млрд параметров; модель поддерживает изображения и текст и рассчитана на англоязычные сценарии. Для работы README рекомендует использовать канонический формат запросов и траекторий из репозитория OSReward, а также свежую версию Transformers, vLLM или SGLang с поддержкой мультимодальности Qwen3.5. Модель подходит для проверки результатов компьютерных агентов и оценки их траекторий. Она распространяется по лицензии Apache-2.0. Качество оценки зависит от соблюдения ожидаемого формата запросов и траекторий; модель предназначена для вынесения вердиктов, а не для непосредственного управления компьютером.

MMOPD/Qwen3-1.7B-OT3-tau — плотная языковая модель Qwen3 с 1,7 млрд параметров, разработанная MMOPD. Это дообучение MMOPD/Qwen3-1.7B-OT3-2ep методом supervised fine-tuning на траекториях использования инструментов Tau2 из inclusionAI/AReaL-tau2-data. Базовая модель ранее была дообучена на OpenThoughts3-1.2M и поддерживает режим рассуждений. Модель предназначена для диалоговых сценариев с несколькими ходами, где ассистент рассуждает и вызывает инструменты. Обучение охватило 33 531 траекторию; шаблон чата унаследован от базовой модели. Нативное окно контекста — 32 768 токенов, модель работает через Transformers и распространяется в формате safetensors. Модель может воспроизводить как успешные, так и неуспешные эпизоды использования инструментов: в обучении использовались все траектории Tau2 независимо от результата. В README не приводятся результаты оценки на отложенных данных Tau2. Также модель унаследовала ограничения базовой модели и не проходила отдельную настройку безопасности сверх неё и обучающих данных. Лицензия — Apache-2.0.

ermiaazarkhalili/Qwen3.8-2B-Function-Calling-xLAM-Unsloth — дообученная модель семейства Qwen3.5, разработанная на основе empero-ai/Qwen3.8-2B. Модель с архитектурой Qwen3_5ForConditionalGeneration и 2,3 млрд параметров прошла supervised fine-tuning на наборе Salesforce/xlam-function-calling-60k для следования инструкциям и формирования вызовов функций и инструментов в диалогах. Модель принимает текстовые запросы и генерирует текст, включая структурированные ответы для взаимодействия с инструментами. Карточка не приводит сведений о языках или длине контекста. LoRA-адаптеры объединены с базовыми весами, поэтому отделить дообучение от объединённой модели нельзя. Лицензия — Apache-2.0. Качество на прикладных бенчмарках не оценивалось: опубликованы только наблюдения за обучающей функцией потерь. Дообучение выполнено на одном наборе инструкций, поэтому поведение за пределами его распределения не проверено; модель также наследует смещения и ограничения базовой модели.

Это чекпойнт Qwen3-8B TMax AENV, созданный willamazon1 на 119-й итерации обучения с подкреплением. Модель основана на SFT-чекпойнте willamazon1/qwen3-8b-tmax-sft-v3-iter353, который, в свою очередь, дообучен на Qwen/Qwen3-8B. Обучение проводилось методом group-relative policy optimization на асинхронных многоходовых сценариях в агентной среде. Модель предназначена для генерации диалогового текста и взаимодействия с инструментами в многоходовых агентных сценариях. Это плотная авторегрессионная архитектура Qwen3 с 7,6 млрд параметров и контекстом до 40 960 токенов. Чекпойнт опубликован в формате safetensors с весами bfloat16; оптимизаторные состояния не включены. Лицензия — Apache-2.0. Чекпойнт представляет отдельную точку обучения: в той же серии доступны итерации 69–219, что позволяет сравнивать поведение модели по ходу обучения. README сообщает о проверке весов на NaN/Inf и загрузке с генерацией примеров перед публикацией. Результаты могут зависеть от сценариев агентной среды; сравнительные оценки качества в карточке не приведены.

cyankiwi/Qwen-AgentWorld-35B-A3B-AWQ-INT4 — квантизированная сборка модели Qwen-AgentWorld-35B-A3B, разработанной командой Qwen. Это языковая мировая модель для симуляции агентных сред: она прогнозирует следующее состояние окружения на основе действия агента и истории взаимодействий. Модель предназначена для сценариев с вызовом инструментов MCP, поиском, работой в терминале, программной инженерией, Android, веб-интерфейсами и операционными системами, включая текстовые и графические среды. Архитектура — каузальная языковая модель с Mixture of Experts: 35 млрд параметров всего, около 3 млрд активируются при обработке токена. Она содержит 40 слоёв, использует комбинацию Gated DeltaNet и Gated Attention, а также контекст длиной до 262 144 токенов. Модель поддерживает английский, китайский, хинди, арабский, русский, японский, корейский, нидерландский, французский и испанский языки. Версия AWQ-INT4 рассчитана на эффективное инференс-развёртывание; размер представленных файлов составляет 23,54 ГБ. Сильные стороны модели — единая симуляция семи типов агентных окружений, обучение как нативной мировой модели с этапами CPT, SFT и RL, возможность обобщения на неизвестные среды и управляемого моделирования. Ограничения включают необходимость специализированной инфраструктуры для запуска крупной модели, а также то, что приведённые в README сведения не описывают точные требования к памяти, лицензирование именно квантизированной сборки и возможные потери качества из-за INT4-квантизации. Базовая модель распространяется по лицензии Apache-2.0.

hiieu/R1_tool_call_Distill-Qwen-7B — дообученная модель hiieu для генерации текста с интерфейсом вызова инструментов. Она основана на unsloth/DeepSeek-R1-Distill-Qwen-7B-unsloth-bnb-4bit и обучена на наборе hiieu/tool_r1_cot с использованием Unsloth и TRL. Для вызова инструмента модель использует двухэтапный процесс вывода. Модель имеет плотную архитектуру Qwen2ForCausalLM с 7,1 млрд параметров и контекстом до 131 072 токенов. Карточка указывает английский язык и лицензию Apache-2.0. Она подходит для диалоговых сценариев, где нужно сформировать запрос к инструменту и затем обработать результат. Среди ограничений автор отмечает, что модель иногда отказывается «не думать»; это может мешать сценариям, где требуется ответ без рассуждений. README не приводит оценок качества или списка поддерживаемых инструментов.

Raptor v0.5 — модель OsaurusAI на архитектуре bailing_hybrid с MoE и причинным языковым декодером BailingMoeV3ForCausalLM. Она дообучена на inclusionAI/Ling-3.0-tiny с помощью LoRA, слитой с весами BF16, а затем квантизирована в формат JANG_6M; в README указано около 7,5 млрд параметров всего и около 1 млрд активных, тогда как метаданные каталога указывают 977,5 млн параметров. Модель предназначена для диалогов и агентных сценариев с вызовом инструментов, особенно для работы с инструментами и конфигурацией Osaurus на Mac. Контекст составляет 131 072 токена; заявленные языки — английский и китайский. Для запуска требуется runtime JANG в Osaurus: стандартный mlx_lm не поддерживает bailing_hybrid. Калиброванная смешанная квантизация сохраняет близкое к BF16 поведение на проверках автора, а дообучение добавляет навыки маршрутизации вызовов инструментов и работы с конфигурацией Osaurus. Модель не позиционируется как специализированная для программирования. Среди описанных ограничений — склонность формировать изменение конфигурации без предварительной проверки и повторять веб-поиск вместо синтеза результатов. Лицензия — MIT; базовая модель указана под MIT.

SuperGemma4-26b-abliterated-multimodal — производная мультимодальная модель на базе Google Gemma 4 26B IT, опубликованная Jiunsong. Это плотная модель с условной генерацией, предназначенная для диалогов, следования инструкциям и вызова инструментов. Она принимает текст и изображения и генерирует текст; в карточке заявлена поддержка английского и корейского языков. Модель поставляется в формате BF16 в формате Transformers, с шаблонами чата и вызова инструментов для настройки локального и серверного запуска. Автор README описывает обновление стабильности от 18 апреля: улучшения обработки ложных предпосылок, форматирования JSON и вызовов инструментов, извлечения из длинного контекста и устойчивости к зацикливанию. Приведены результаты внутренних проверок; в проверке сервера отмечены несоответствия в безопасных отказах и обработке текстовых запросов к мультимодальному серверу. Лицензия указана как Gemma; условия применения следует сверять с лицензией Gemma.

Это квантизированная GGUF-версия мультимодальной модели UI-Mate-27B, разработанной Tencent и подготовленной сообществом bartowski для запуска через llama.cpp. Модель предназначена для взаимодействия с графическим интерфейсом и сценариев computer use: управления рабочим столом, выполнения действий в приложениях и автоматизации задач с использованием визуального контекста. В README также указана применимость к GUI-агентам, desktop-агентам и тестовым средам OSWorld и WindowsAgentArena. Модель содержит около 27 миллиардов параметров и принимает текст и изображения; для мультимодального режима требуется отдельный файл mmproj. Доступны варианты квантизации от BF16 до низкобитных форматов, что позволяет выбирать баланс между качеством, размером и требованиями к памяти. Для большинства сценариев автор сборки рекомендует Q4_K_M, а варианты Q5 и Q6 обеспечивают более высокое качество при большем размере. Квантизация выполнена с использованием imatrix; спекулятивное декодирование и измерения perplexity/KLD не заявлены. Сильными сторонами являются мультимодальность, специализация на задачах управления интерфейсом и широкий выбор вариантов квантизации, включая форматы, подходящие для систем с ограниченной оперативной памятью. Ограничения включают значительные требования к ресурсам даже для компактных вариантов, необходимость отдельного mmproj для изображений и отсутствие в представленном README сведений о поддерживаемых языках, размере контекстного окна и подробных результатах тестирования. Модель распространяется по лицензии Apache-2.0.

UIX-Qwen2 — мультимодальная модель Neulab для понимания веб-интерфейсов, обученная в рамках работы Harnessing Webpage UIs for Text Rich Visual Understanding. Модель основана на Qwen2-7B-Instruct и обучалась с использованием LLaVA-NeXT; в каталожных метаданных указаны архитектура LlavaQwenForCausalLM, 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для анализа изображений интерфейсов и текстовых запросов о них, а также для задач понимания документов, OCR и интерпретации диаграмм. README сообщает об обучении на датасете MultiUI и улучшении результатов на тестах веб-интерфейсов и действий веб-агента; эти результаты не гарантируют качество на произвольных данных. Указана лицензия ODC-BY.

Vela Domain — модель классификации текста, разработанная командой llm-semantic-router для определения предметной области запроса и выбора подходящих моделей и инструментов. Она распределяет запросы по 14 доменам и предназначена для маршрутизации пользовательских запросов в системах с несколькими моделями или инструментами. Модель основана на ModernBERT с архитектурой классификации последовательностей и содержит 306,9 млн параметров. Она принимает текст длиной до 32 768 токенов, включая специальные токены. В README приведены результаты Macro F1 на наборах разработки для коротких запросов и контекстов до 8K токенов на английском и китайском; эти наборы использовались при выборе чекпойнта и не являются независимой тестовой оценкой. Модель распространяется по лицензии Apache-2.0.

WebArbiter-7B — языковая модель на основе Qwen2.5-7B-Instruct, разработанная для оценки действий веб-агентов. Она анализирует текстовое представление состояния страницы и варианты действий, генерирует структурированное объяснение и выносит предпочтительный вердикт о том, какое действие лучше продвигает задачу пользователя. Модель предназначена для ранжирования действий и траекторий, управления поиском по нескольким вариантам выполнения и анализа решений веб-агента. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2 с плотной причинной языковой моделью и поддерживает контекст до 32 768 токенов. Она принимает текстовые наблюдения, включая представления дерева доступности, и выдаёт текст с обоснованием и вердиктом. Обучение и оценка проводились на англоязычных веб-сценариях; README сообщает о сильных результатах на WEBPRMBENCH и улучшении поиска траекторий в WebArena-Lite. Ограничения включают отсутствие визуальных наблюдений, возможную предвзятость к осторожным действиям и ошибки в проверке ссылок на элементы интерфейса. Модель опубликована под лицензией Apache-2.0.

Карточка модели Qwen/WebWorld-14B на Hugging Face совпадает с карточкой Qwen/WebWorld-32B, поэтому описание составлено по ней. WebWorld-32B — языковая модель мира для обучения и оценки веб-агентов, разработанная командой Qwen. Она предсказывает следующее состояние веб-страницы по текущему состоянию и действию агента, поддерживая симуляцию траекторий длиной более 30 шагов. Модель дообучена на базе Qwen/Qwen3-8B на данных Qwen/WebWorldData; архитектура — плотная Qwen3ForCausalLM, около 29,7 млрд параметров, контекст — до 40 960 токенов. Модель предназначена для симуляции взаимодействий с веб-средой, синтеза траекторий и поиска с просмотром возможных последствий действий. Она сохраняет форматы состояний A11y Tree, HTML, XML, Markdown и естественного языка, а действия принимает в виде вызовов функций. Поддерживаемые языки по карточке — английский и китайский. Модель текстовая и не симулирует визуальное отображение страниц на уровне пикселей. В README также отмечены склонность к чрезмерно оптимистичным исходам и то, что генерация длинных точных текстов не является её основной задачей. Лицензия — Apache-2.0.

xLAM-8x22b-r-IMat-GGUF — GGUF-квантизированная версия модели Salesforce/xLAM-8x22b-r, подготовленная пользователем legraphista с использованием llama.cpp и IMatrix-калибровки. Исходная модель имеет формат BF16; в репозитории доступны варианты от BF16 и FP16 до низкобитных Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и Q2_K, включая варианты с IMatrix. Файлы распространяются в разделённом виде и предназначены для запуска в совместимой инфраструктуре, например llama.cpp. Модель ориентирована на задачи function calling, tool use и работу в LLM-агентах: она может применяться в сценариях, где языковая модель должна выбирать и вызывать внешние инструменты или функции. В метаданных указаны английский язык и текстовая генерация; мультимодальность и поддерживаемый размер контекста не заявлены. Архитектурные сведения ограничены указанием на исходную модель и тегом mistral, поэтому точные параметры и устройство модели по README определить нельзя. Ключевое преимущество — широкий выбор уровней квантизации, позволяющий выбирать компромисс между размером файлов, требованиями к ресурсам и сохранением качества; для вариантов Q4_K и ниже заявлено использование IMatrix. Ограничения включают очень большой размер файлов: от 48,10 ГБ для Q2_K_S до 281,27 ГБ для BF16/FP16, а также необходимость совместимого ПО и аппаратных ресурсов. Модель распространяется по лицензии CC BY-NC 4.0; доступ к репозиторию требует подтверждения условий лицензии.

Yi-Agent-6B — двуязычная текстовая модель с генеративной архитектурой Llama, разработанная hiyouga и дообученная с помощью LLaMA-Factory. Модель содержит 5,8 млрд параметров и поддерживает контекст до 4096 токенов. Для обучения использовались наборы Alpaca, OpenAssistant и Glaive Function Calling. Модель предназначена для следования инструкциям и вызова функций в диалоговых сценариях на английском и китайском языках. Её можно запускать через REST API средствами LLaMA-Factory. В метаданных указана лицензия other; конкретные условия использования следует сверить с лицензией репозитория.

AetherSearch_SFT — компактная языковая модель Muradil211 для агентного поиска и ответов с опорой на найденные свидетельства. Это дообученная методом supervised fine-tuning модель Qwen2.5-3B-Instruct с плотной архитектурой Qwen2 и 3,1 млрд параметров. Модель принимает текстовые вопросы и генерирует поисковые запросы, этапы рассуждения и итоговые текстовые ответы; контекстное окно — 32 768 токенов. Модель предназначена для интеграции в поисковый или RAG-сценарий: она может решить, какую информацию искать, сформировать запрос, учесть полученные отрывки и при необходимости повторить поиск. Для работы нужен внешний поисковый механизм и среда исполнения, которая обрабатывает запросы модели и возвращает найденные данные по ожидаемому протоколу. В обучении использовано 2 000 поисковых траекторий; карточка не приводит результатов оценки качества. Модель подходит для экспериментов и развёртывания компактного поискового агента, но найденные сведения и ответы могут быть ошибочными, неподтверждёнными или небезопасными, поэтому проверка остаётся ответственностью вызывающей системы. Отдельная лицензия в карточке не заявлена: перед использованием и распространением необходимо проверить лицензию Qwen2.5-3B-Instruct и права на данные AetherSearch SFT.

CallForge-1B v0 — компактная модель примерно на 1,08 млрд параметров, опубликованная под идентификатором solomoniw/CallForge-1B-v0. Она дообучена на базе openbmb/MiniCPM5-1B и предназначена для агентских сценариев с использованием инструментов: выбора подходящего инструмента, формирования аргументов, соответствующих схеме, выполнения вызовов и исправления ошибок выполнения. Модель работает как text-generation-модель через Transformers, использует архитектуру LlamaForCausalLM, нативный chat template MiniCPM5 и XML-разметку вызовов инструментов. Модель ориентирована на локальные приложения с ограниченными ресурсами и структурированный function calling. По приведённым оценкам, она повысила успешность на известных задачах с 20% до 40%, а на инструментах, отсутствовавших в обучении, достигла 43% против 0% у базовой модели. При этом показатели корректности формата и соответствия схеме составляют 92%, поэтому результаты требуют проверки и обработки ошибок. Сведения о поддерживаемых языках и размере контекста в README не указаны. Модель распространяется по лицензии Apache-2.0.

Carnice-9b-GGUF — набор GGUF-сборок модели Carnice-9b, разработанной kai-os на основе Qwen/Qwen3.5-9B и специально дообученной для работы с Hermes-Agent. Модель предназначена прежде всего для локальных агентных сценариев, в которых требуется многошаговое взаимодействие с инструментами, включая терминал, файловую систему и браузер, а также корректное формирование действий в формате, ожидаемом Hermes-Agent. Обучение было ориентировано не на обычный диалоговый стиль, а на tool-use и поведение автономного агента в многоходовых задачах. В обучающие данные входили Hermes-совместимые траектории, примеры восстановления общего reasoning после специализированного дообучения и дополнительный этап настройки под формат действий и использование инструментов в Hermes-Agent. Модель имеет размер 9B и поддерживает текстовую генерацию; сведения о языках, максимальном контексте и мультимодальных возможностях в README не указаны. Репозиторий содержит три варианта квантизации: Q4_K_M размером около 5,3 ГБ для наиболее быстрого локального тестирования, Q6_K размером около 6,9 ГБ как компромисс между качеством и размером и Q8_0 размером около 8,9 ГБ для максимального качества среди GGUF-вариантов. Сборки предназначены для запуска через llama.cpp и являются самостоятельными объединёнными моделями, а не PEFT-адаптерами. Ограничения включают зависимость качества и скорости от выбранной квантизации и оборудования, а также специализированную ориентацию на Hermes-Agent, из-за которой поведение в универсальных чат-сценариях может не быть основной целью модели. Модель распространяется по лицензии Apache-2.0.

rizerphe создал CodeLlama-function-calling-6320-7b-Instruct-hf — плотную авторегрессионную модель семейства Llama для генерации текста и диалогов с вызовом функций. Модель дообучена с помощью LoRA на небольшой части набора glaive-function-calling-v2 и отформатированной, слегка очищенной версии sharegpt-hyperfiltered-3k; размер — 6,6 млрд параметров, контекст — до 16 384 токенов. Модель предназначена для диалоговых сценариев, в которых нужно отвечать на запросы и формировать вызовы функций. В README приведён пример ответа о настройке пароля. Поддерживаемые языки карточка не описывает. Модель распространяется с лицензией Llama 2; качество вызова функций может зависеть от формата запроса и используемых инструментов.

Eyla Qwen3-8B Tools v2 — модель на основе Qwen3-8B, разработанная Adioris / Eyla для локальных агентных сценариев. Это плотная decoder-only языковая модель с 7,6 млрд параметров, дообученная методом полного SFT для выбора и вызова инструментов по запросам на естественном языке. Модель выдаёт структурированные вызовы инструментов в формате JSON; её основной сценарий — работа внутри агентной оболочки, которая проверяет и выполняет эти вызовы. Модель рассчитана на английский, бенгальский и смешанную речь Banglish. Она предназначена для офлайн-работы на устройстве, например для чтения и записи файлов, поиска в интернете и обращения к памяти. Контекст составляет 40 960 токенов; веса опубликованы в формате safetensors, а в README описан локальный запуск после 4-битной квантизации. В оценке в агентной оболочке модель успешно выполнила 5 из 8 задач. Она лучше подходит на роль вызова инструментов в агентном цикле, чем для самостоятельного диалога. Неоднозначные запросы и выбор инструментов вне обучающих сценариев могут быть ненадёжны; модель может чрезмерно выбирать shell-инструменты или менять переданный путь. Лицензия — Apache-2.0.

FunctionGemma 270M IT — компактная открытая языковая модель, разработанная Google DeepMind и распространяемая в формате GGUF командой Unsloth. Она построена на архитектуре Gemma 3 270M и специально обучена для вызова функций. Модель предназначена не для непосредственного диалога, а для создания специализированных function-calling и агентных решений, особенно после дообучения на данных конкретной предметной области. Модель принимает только текст и поддерживает контекст до 32 тыс. токенов; выходом служит сгенерированный текст, включая вызовы функций. Она подходит для одноступенчатых и многошаговых сценариев, например управления приложениями, мобильными действиями, играми и офлайн-агентами. Небольшой размер позволяет запускать её на ноутбуках, настольных компьютерах и собственной облачной инфраструктуре, включая ресурсоограниченные устройства. Для наилучшей точности рекомендуется дообучение под конкретные одно- или многошаговые задачи. К ограничениям относятся узкая специализация на вызове функций, необходимость использования специального формата чата и то, что базовая модель не рассчитана на роль универсального диалогового ассистента. Сведения о поддерживаемых языках и точных требованиях к оборудованию в карточке не указаны. Модель распространяется по лицензии Gemma; применяются условия использования Google Gemma.

Gorilla OpenFunctions v0 — языковая модель семейства Llama, разработанная проектом Gorilla при UC Berkeley. Она принимает описание функции, контекст API и запрос пользователя на естественном языке, а затем формирует JSON с аргументами для вызова этой функции. Модель рассчитана на интеграцию с приложениями, которым нужно преобразовывать намерения пользователя в структурированные вызовы API. Модель содержит 6,6 млрд параметров, использует плотную архитектуру Llama и имеет контекст длиной 2048 токенов. Репозиторий содержит веса PyTorch; модель предназначена для генерации текста с форматом ответа, совместимым с OpenAI Functions. Версия v0 ориентирована на подготовку аргументов для заданной функции; выбор между несколькими функциями и параллельные вызовы заявлены для v1. Модель обучена на английском языке, а карточка не описывает поддержку других языков. Лицензия — Apache 2.0. Описанный сценарий ограничен одной заданной функцией: возможности выбора между функциями и параллельного вызова для v0 не заявлены.

Mungert/Holo2-30B-A3B-GGUF — GGUF-квантизированная мультимодальная vision-language модель, разработанная H Company и опубликованная пользователем Mungert. Она создана на основе Qwen/Qwen3-VL-30B-A3B-Thinking и предназначена для навигации и управления графическими интерфейсами веб-приложений, настольных и мобильных систем. Модель ориентирована на GUI-агентов, которые анализируют содержимое экрана, локализуют элементы интерфейса, рассуждают над многошаговыми задачами и выполняют действия в цифровой среде. Модель относится к семейству Holo2-30B-A3B и использует архитектуру Mixture of Experts с заявленными 30B параметров и 3B активных параметров. Она поддерживает обработку текста и изображений; в карточке указано, что заявленный язык — английский. Контекстное окно и точный перечень поддерживаемых форматов входных данных не указаны. Версия распространяется в формате GGUF и создана с использованием llama.cpp; применённый подход к квантизации повышает точность отдельных важных слоёв по сравнению с базовой конфигурацией IMatrix, но может увеличивать размер файла. Сильные стороны модели — понимание интерфейсов, визуальная локализация элементов, выполнение многошаговых действий и обобщение между различными средами. В README приведены результаты на WebVoyager, WebArena, OSWorld и AndroidWorld, однако их следует считать заявленными авторами показателями. Ограничения включают исследовательскую направленность, возможное снижение точности при низкой разрядности квантизации и отсутствие данных о контекстном окне. Для конкретной 30B-A3B версии указана лицензия CC BY-NC 4.0 и некоммерческое использование; в исходном описании семейства также упоминается research-only license, поэтому коммерческое применение требует отдельного разрешения правообладателя.

LFM2.5-1.2B-Nova-Function-Calling-GGUF — специализированная дообученная версия LiquidAI/LFM2.5-1.2B-Instruct, разработанная NovachronoAI. Модель предназначена для function calling: преобразования запросов на естественном языке в структурированные вызовы инструментов и API с аргументами в формате JSON, а также для использования в программных агентах и диалоговых системах. Модель содержит 1,2 млрд параметров и использует гибридную архитектуру Liquid Neural Network. Она обучалась с применением Unsloth и Hugging Face TRL на отобранных примерах взаимодействия пользователя, агента и инструментов из датасета NovachronoAI/Nova-Synapse-Function-Calling. Заявлены поддержка формата ChatML, английского языка и контекста до 4096 токенов в примере запуска. Доступны варианты GGUF с различными уровнями квантования, включая стандартные и Imatrix-версии для локального запуска через llama.cpp, Ollama и LM Studio. Сильные стороны модели — небольшой размер, возможность работы на устройствах с ограниченными ресурсами и высокая заявленная надёжность синтаксиса JSON: 97% в представленном benchmark. При этом показатель семантической точности без определений инструментов составляет 58%, поэтому модель ориентирована прежде всего на сценарии с явно заданными инструментами и схемами. Заявленные результаты приведены разработчиком и могут не отражать качество на других наборах данных и задачах. Карточка указывает лицензию Apache 2.0 для дообучения и адаптеров, но также требует учитывать исходные лицензионные условия Liquid AI для базовой модели и коммерческого использования.

bartowski/llama-3-8B-function-calling-GGUF — набор квантизированных версий модели llama-3-8B-function-calling, исходно опубликованной serpdotai. Файлы подготовлены bartowski в формате GGUF с использованием llama.cpp release b3070 и метода imatrix. Модель предназначена для генерации текста и сценариев function calling, включая взаимодействие с инструментами и вызов внешних функций в приложениях. В README указан шаблон диалога с ролями system, user и assistant на основе специальных маркеров im_start и im_end. Доступны варианты квантования от Q8_0 до IQ2_XS размером примерно от 8,54 до 2,60 ГБ, что позволяет выбирать между качеством ответов и требованиями к памяти. Версия Q6_K обозначена как рекомендуемая для очень высокого качества, а Q4_K_M — как компромисс между качеством и размером. Ключевое ограничение — снижение качества у низкобитных вариантов, особенно Q3 и Q2; некоторые из них описаны как пригодные для использования, но не рекомендуемые. В README не указаны точный размер контекста, перечень языков, модальности, лицензия исходной модели или отдельные результаты тестирования, поэтому эти характеристики нельзя достоверно определить.

Llama-3-8B-Web — языковая модель для создания диалоговых агентов, которые выполняют действия в браузере по поручению пользователя. Её разработала команда McGill-NLP: модель основана на Meta-Llama-3-8B-Instruct и дообучена на наборе WebLINX, включающем более 24 тысяч размеченных примеров веб-навигации и диалогов. Это плотная модель семейства Llama с 7,5 млрд параметров, рассчитанная на контекст до 8192 токенов; для работы используется библиотека Transformers, веса опубликованы в форматах PyTorch и safetensors. Модель предназначена для диалоговой навигации по веб-страницам: выбора ссылок и элементов интерфейса, ввода текста и отправки форм, а также подготовки ответов в соответствии с запросом пользователя. По данным карточки, на тестовых разбиениях WebLINX она набрала 28,8% общего балла и превзошла указанный в README результат GPT-4V zero-shot. Обучение и оценивание охватывают 150 сайтов, однако сами авторы отмечают, что для обобщения на множество не встречавшихся модели сайтов требуются дополнительные данные. Основной язык модели — английский. Для использования необходимо принять условия Meta Llama 3 Community License Agreement.