I.14Автоматизация процессов и AI-агенты

driaforall/mem-agent — диалоговая модель-агент на базе Qwen3-4B-Thinking-2507, разработанная Dria. Её дообучили методом GSPO для работы с долговременной памятью в формате Markdown, организованной по принципу Obsidian: модель извлекает нужные сведения, обновляет файлы памяти и задаёт уточняющие вопросы при неоднозначности или противоречиях. Модель имеет плотную архитектуру Qwen3, около 3,7 млрд параметров и контекст до 262 144 токенов. Она принимает текстовые запросы и взаимодействует с инструментами памяти через агентный цикл; предусмотрена работа с фильтрами, которые ограничивают или скрывают извлекаемую информацию. Разработчик рекомендует подключать её как MCP-сервер к более крупной модели; также описан автономный режим. В опубликованном разработчиком бенчмарке md-memory-bench модель получила общий результат 0,75, однако качество зависит от структуры хранилища и соблюдения описанного формата файлов и ссылок. Весовые файлы представлены в формате safetensors. Условия лицензирования в доступных сведениях не приведены.

mind-mem-4b v4.1.1 — языковая модель, разработанная star-ga для проекта MIND-Mem. Она предназначена для создания управляемого и проверяемого слоя памяти для coding agents, совместимого с MCP, с поддержкой поиска по памяти, защиты от противоречий, происхождения данных и операций с графом знаний. Модель представляет собой полноразмерную дообученную версию Qwen3.5-4B с архитектурой и размером базовой модели около 4 миллиардов параметров. Она работает с текстом, ориентирована на английский язык и поддерживает генерацию ответов, диалоговые сценарии, instruction following и использование инструментов. Обучение охватывает 83 MCP-инструмента на ревизии v4.1.1, включая когнитивное ядро, извлечение по неожиданности, управление уровнями памяти, граф знаний, консолидацию, федерацию, саморедактирование, отказоустойчивость и наблюдаемость. Размер контекстного окна в представленных данных не указан. Сильной стороной модели является специализация на аудируемом управлении памятью и точном воспроизведении семантики инструментов и перечислений: для версии v4.1.1 заявлен результат 133 из 133 проверок. При этом оценка относится к исторически зафиксированному набору тестов и не подтверждает работу со всеми инструментами текущего runtime, где заявлено 107 зарегистрированных инструментов. Модель может не знать новые API, флаги и изменения реализации, поэтому её рекомендации следует сверять с актуальной документацией и списком инструментов. Лицензия — Apache-2.0.

Карточка модели jeiku/noushermesvisionalphaconfigedit на Hugging Face совпадает с карточкой NousResearch/Nous-Hermes-2-Vision-Alpha, поэтому описание составлено по ней. Nous-Hermes-2-Vision-Alpha — мультимодальная модель для диалога и следования инструкциям, разработанная qnguyen3 и teknium. Она построена на архитектуре LLaVA-Mistral и дообучена на базе Mistral-7B-v0.1; в README также указано использование OpenHermes-2.5-Mistral-7B и визуального энкодера SigLIP-400M. Модель принимает изображения вместе с текстовыми запросами и генерирует текстовые ответы, включая структурированные результаты для сценариев вызова функций. Модель предназначена для вопросов по изображениям, визуального описания и автоматизаций, связывающих визуальный ввод с вызовом функций. В обучающие данные вошли наборы LVIS-INSTRUCT4V, ShareGPT4V, частный набор данных для вызова функций и диалоги OpenHermes-2.5. Контекст составляет 32 768 токенов, размер — 7,1 млрд параметров; в метаданных указан английский язык. Модель выпущена под лицензией Apache-2.0.

Ornith-1.5-35B-A3B-agentic-NVFP4-FP8 — квантизированная модель, выпущенная Primitive AI на основе Ornith-1.5-35B-A3B от ornith-ai. Это мультимодальная модель формата image-text-to-text с MoE-архитектурой и обозначенным размером 35B/A3B. Модель предназначена прежде всего для агентных сценариев и вызова инструментов, а не для общего вопросно-ответного использования. Модель занимает около 22,6 GiB. Маршрутизируемые экспертные проекции квантизированы в NVFP4 с группами по 16 элементов, ряд attention- и shared-expert-проекций использует FP8 E4M3, а эмбеддинги, vision tower, lm_head, роутеры и нормы сохранены в BF16. Для запуска в vLLM указан параметр max-model-len 32768. Поддерживается загрузка на GPU Blackwell с нативными NVFP4/FP8 и на Ampere, включая A100, через weight-only Marlin-путь. Сильной стороной является стабильность результатов при вызове инструментов: в опубликованных тестах стандартное отклонение между запусками составило 1,3 против 3,1 у общего варианта сборки, при сопоставимой с BF16 точности. На наборе из 200 заданий показатель вызова составил 77,5, а общий показатель — 89,0; результаты зависят от протокола и числа запусков, поэтому небольшие различия между квантизированными версиями не следует считать статистически значимыми. Ограничения включают потери точности относительно BF16 и неизвестные из README языковые характеристики, максимальная подтверждённая контекстная длина и подробности поддержки модальностей. Модель распространяется по лицензии MIT.

PC-Agent-E — мультимодальная модель, дообученная автором henryhe0123 на базе Qwen/Qwen2.5-VL-72B-Instruct на датасете PC-Agent-E. Модель представлена в работе «Efficient Agent Training for Computer Use» и предназначена для сценариев взаимодействия с компьютером, где нужно анализировать визуальный интерфейс и формировать текстовый ответ. Модель построена на архитектуре Qwen2.5-VL, содержит 71,5 млрд параметров и поддерживает контекст до 128 000 токенов. Она принимает текст и изображения и выдаёт текст; доступна в формате safetensors для Transformers. Лицензия — MIT.

Qwen3-4B-ToolUse-SRPO-TR — дообученная языковая модель SeongryongJung на базе Qwen/Qwen3-4B, оптимизированная для использования инструментов методом SRPO-TR. Репозиторий содержит лучший чекпойнт по метрике validation mean@16 (шаг 90); для него указано значение 61,49%, а для финального чекпойнта — 58,27%. Модель имеет плотную архитектуру Qwen3ForCausalLM, около 3,7 млрд параметров и контекст до 40 960 токенов. Модель предназначена для генерации текста и сценариев, где языковой агент выбирает и вызывает инструменты. В README приведён пример загрузки через Transformers; данные о поддерживаемых языках и методике оценки задачи не раскрыты. Модель распространяется по лицензии Apache-2.0.

Qwen3-8B TMax AENV v39b, итерация 219 — контрольная точка модели Willamazon1 после обучения с подкреплением для многоходовой работы агентом в асинхронных средах. Политика основана на willamazon1/qwen3-8b-tmax-sft-v3-iter353, которая, в свою очередь, дообучена на Qwen/Qwen3-8B. Используется плотная архитектура Qwen3ForCausalLM с 7,6 млрд параметров; модель работает с текстом и поддерживает контекст до 40 960 токенов. Модель предназначена для генерации текста в диалогах и агентных сценариях, включая использование инструментов. В коллекции опубликованы контрольные точки разных итераций обучения, что позволяет сравнивать изменения в ходе обучения. Доступны веса safetensors в bfloat16; оптимизатор в публикацию не включён. Модель загружена через Transformers и проверена выборочной генерацией. Лицензия — Apache-2.0.

OsaurusAI подготовила сборку Qwen-AgentWorld-35B-A3B в формате MXFP8 для локального запуска на компьютерах Apple Silicon через Osaurus или mlx_lm. Это текстовая гибридная MoE-модель семейства Qwen3.5: около 35 млрд параметров всего, примерно 3 млрд активных, 40 слоёв, из которых 30 используют линейное внимание Gated DeltaNet, а 10 — полное внимание; из 256 экспертов активируются 8. Квантование MXFP8 с группами по 32 значения уменьшает объём весов примерно с 65 до 33 ГБ; эмбеддинги и выходная голова сохранены в более высокой точности. Модель предназначена для генерации текста и диалоговых сценариев с агентами, включая вызов инструментов и моделирование состояний среды с предсказанием наблюдений после действий. Веса не содержат башню зрения, поэтому модель принимает только текст. Она по умолчанию показывает ход рассуждений, а переключатель /no_think в этой сборке работает ненадёжно. Лицензия — Apache-2.0.

TinyAgent-7B — языковая модель Squeeze AI Lab при Калифорнийском университете в Беркли, предназначенная для работы в роли компактного агента с вызовом функций. Она основана на плотной архитектуре Mistral и содержит 7,1 млрд параметров; модель рассчитана на контекст до 32 768 токенов и распространяется в формате safetensors для Transformers. Модель обучена для сложных рассуждений и вызова инструментов на локальном устройстве. В качестве примеров применения разработчики указывают взаимодействие с приложениями macOS: составление писем, управление контактами, планирование событий календаря и организацию встреч в Zoom. Подход ToolRAG подбирает для запроса подходящие инструменты и примеры, чтобы сократить лишний контекст и снизить путаницу агента. Модель принимает текстовые запросы и генерирует текст, в том числе инструкции для вызова функций; выполнение этих функций обеспечивает окружающее приложение. Карточка указывает английский язык. Лицензия — MIT. Практическая точность вызова инструментов зависит от доступных инструментов и контекста; нерелевантные описания инструментов или примеры могут провоцировать ошибки и галлюцинации.

Tri-21B-Think — языковая модель Trillion Labs, дообученная на базе Trillion Labs Tri-21B для рассуждений и многошагового диалога. Это плотная авторегрессионная модель с архитектурой Transformer Decoder, RoPE, SwiGLU, RMSNorm и GQA; в репозитории указано 20,1 млрд параметров. Модель принимает текст и генерирует текст, поддерживает чат и рассчитана на контекст до 32 768 токенов; README также сообщает о расширении контекста до 262 144 токенов с YaRN. Модель предназначена для задач, где полезны пошаговое рассуждение, ответы на сложные вопросы, многоходовые взаимодействия и работа с инструментами. Авторы сообщают об улучшении корейского языка по сравнению с базовой моделью; основные языки — английский, корейский и японский. На этапе рассуждения генерация дополнительных токенов может увеличивать задержку, а качество на других языках может быть ниже. Заявленная лицензия — Apache-2.0.

WebRL-Llama-3.1-8B — открытая модель Zhipu AI для выполнения операций в веб-интерфейсах на пяти сайтах из WebArena: OpenStreetMap, Reddit, GitLab, CMS интернет-магазина и OneStopShop. Это дообученная плотная авторегрессионная модель семейства Llama 3.1 с архитектурой LlamaForCausalLM и 7,5 млрд параметров; она принимает текстовые инструкции и генерирует текстовые ответы и действия для веб-сценариев. Заявленная длина контекста — 131 072 токена, основной язык карточки — английский. Модель предназначена для веб-агентов, которым нужно выполнять пользовательские операции на поддерживаемых сайтах. В оценке WebArena-Lite она показала средний показатель успешности 42,4%; результаты различаются между сайтами. Репозиторий содержит веса в формате safetensors. Лицензия указана как other, поэтому перед использованием следует проверить условия на странице модели.

ZeroGUI-AndroidLab-7B — визуально-языковая модель для работы с графическим интерфейсом Android, разработанная OpenGVLab в рамках подхода ZeroGUI. Она принимает изображение экрана и текстовую инструкцию и предназначена для управления интерфейсом и выполнения задач в интерактивной среде. Модель построена на архитектуре Qwen2-VL, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов; в метаданных указаны английский и китайский языки. README описывает ZeroGUI как фреймворк онлайн-обучения GUI-агентов с автоматической генерацией задач и оценкой вознаграждения по траекториям и снимкам экрана, включая двухэтапное обучение с адаптацией во время тестирования. Эта модель дообучена на ByteDance-Seed/UI-TARS-7B-DPO. Репозиторий использует формат safetensors и лицензию Apache-2.0. Карточка не уточняет конкретные метрики или ограничения качества.

AgentLM-70B — языковая модель команды Z.ai, дообученная на траекториях взаимодействия с агентами и диалогах. Она предназначена для генерации текста в формате беседы и выполнения инструкций, включая задачи агентного взаимодействия. Модель основана на Llama 2 Chat и обучена на смеси AgentInstruct и ShareGPT; использует плотную архитектуру LlamaForCausalLM и содержит 68,7 млрд параметров. Контекст составляет 4096 токенов. Модель ориентирована на обобщение на незнакомые агентные задачи при сохранении общих языковых возможностей. Она принимает текст и генерирует текст, следуя формату диалога Llama 2 Chat с фиксированным системным промптом. В карточке приведён формат весов safetensors. Сведения о лицензии в доступных данных отсутствуют.

Карточка модели psikosen/canopy-258m-r3-v6 на Hugging Face совпадает с карточкой psikosen/canopy-258m-r3, поэтому описание составлено по ней. Canopy-258M-R3 — компактная языковая модель для генерации текста и управления браузерными агентами. Автор карточки описывает её как рекуррентную MoE-модель с координацией нескольких браузерных движков и агентным взаимодействием. В метаданных указаны архитектура CanopyForCausalLM, 136,8 млн параметров, библиотека Transformers и формат safetensors; README приводит другую оценку размера — около 258,56 млн параметров, поэтому точный размер по источникам расходится. Модель предназначена для автоматизации веб-навигации: сбора ссылок и структуры страниц, взаимодействия с формами, работы с защищёнными сайтами и координации нескольких агентов. README описывает использование Lightpanda, Obscura и Chromium, но эти браузерные движки и их заявленные характеристики относятся к экосистеме исполнения, а не подтверждают сами по себе возможности весов модели. Карточка также заявляет рекуррентную архитектуру и активные параметры на токен, однако такие сведения присутствуют только в README. Модель принимает и генерирует текст; в карточке указан английский язык. Лицензия — Apache-2.0. Ограничения качества, результаты независимой оценки и требования к ресурсам модели в предоставленных материалах не описаны.

Карточка модели DIYIN/ContextPilot-8B на Hugging Face совпадает с карточкой tencent/ContextPilot-8B, поэтому описание составлено по ней. ContextPilot-8B — дообученная модель Tencent на базе Qwen3-8B для управления контекстом в агентных системах с длительным горизонтом работы. Она учится планировать, поддерживать долговременную память, извлекать нужные сведения и освобождать контекст от менее полезной информации по мере рассуждений и использования инструментов. Модель предназначена для исследований агентных систем, ответов на вопросы по длинному контексту и глубокого поиска. Чекпойнт содержит 7,6 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и поддерживает контекст длиной до 40 960 токенов. Для управления контекстом нужны определения инструментов, среда агента и конвейер оценки из репозитория ContextPilot: одной загрузки весов недостаточно. В метаданных указана лицензия other; конкретные условия следует сверить с лицензией репозитория.

DeepSeek-V4-Flash-0731-Vision-NVFP4 — экспериментальная мультимодальная модель, разработанная WebBrain на базе DeepSeek-V4-Flash-0731 и конвертированной версии MJPansa/DeepSeek-V4-Flash-0731-NVFP4. Для обработки изображений используется замороженный vision-энкодер MoonViT-3d из Kimi-K2.6, соединённый с языковой моделью обученным WebBrain проектором PatchMerger и routing bridge. Модель предназначена для задач, где требуется совместно анализировать текст и визуальное состояние интерфейса: работы браузерных агентов, понимания скриншотов, графиков, дашбордов, редакторов и элементов управления. Проектор выполняет нормализацию, объединение патчей 2×2 и последовательность линейных преобразований с GELU. Интеграция поддерживает один маркер изображения и рассчитана максимум на 512 объединённых image-токенов. Текстовая часть использует смешанную точность: веса routed experts представлены в NVFP4, а attention, shared experts, head, MTP и другие пути сохраняют исходные форматы; это не полностью NVFP4-модель. Vision tower и проектор используют BF16. Архитектура не совместима напрямую со стандартными Transformers или стандартным SGLang: требуются внешний пакет модели и процессора WebBrain, специальный патч и указанная версия SGLang. Решение ориентировано на оборудование Blackwell, а повторная полная проверка загрузки и генерации изображений для собранного чекпойнта ещё не выполнена. Лицензия указана как other; подробные условия использования в карточке не приведены.

FunctionGemma 270M IT — компактная текстовая модель Google для генерации текста и вызова функций. Эта версия от LM Studio Community представляет веса исходной модели в формате bfloat16 с оптимизацией MLX для запуска на Apple Silicon; архитектура — плотная Gemma 3, около 257 млн параметров, контекст до 32 768 токенов. Модель подходит для построения локальных специализированных агентов и сценариев, где текстовый запрос преобразуется в вызов инструмента или функции. Она принимает текст и генерирует текст, включая структурированные ответы для интерфейса вызова функций. В карточке указана лицензия Gemma. README предупреждает, что ответы могут быть неточными или неподходящими и что LM Studio не гарантирует качество модели.

GELab-Zero-4B-preview-GGUF — это мультимодальная модель GUI-агента из проекта GELab-Zero, основанного командой GELab и связанными с StepFun разработками. Модель предназначена для локального запуска на компьютерах и управления графическими интерфейсами, прежде всего Android-устройствами через ADB. Она анализирует визуальное содержимое экрана и выполняет действия с элементами интерфейса: нажатие, ввод текста, прокрутку и ожидание. Модель ориентирована на многошаговые задачи в приложениях для еды, транспорта, покупок и социальных сервисов, а также на работу с ранее неизвестными приложениями и динамическими интерфейсами без специальной адаптации. Заявлены локальное развертывание, низкая задержка и сохранение приватности. Размер модели — 4B параметров; базовая модель — Qwen/Qwen3-VL-4B-Instruct. Указаны мультимодальность и поддержка английского и китайского языков. Этот вариант распространяется в формате GGUF и создан с использованием llama.cpp; применялся подход с повышением точности отдельных важных слоёв при квантовании, что может улучшать качество при низкой разрядности, но увеличивает размер файла. Для полноценного управления Android-устройствами требуется инфраструктура GELab-Zero с подключением ADB, установкой зависимостей и записью или воспроизведением задач. Ограничения включают статус preview, отсутствие в предоставленных данных конкретного размера контекстного окна и подробных количественных оценок качества. Лицензия — Apache-2.0.

Grok 4.3 — мультимодальная модель рассуждений от SpaceXAI. Она принимает текст и изображения и генерирует текстовые ответы; предназначена для агентных сценариев, выполнения инструкций и задач, требующих высокой фактической точности. Модель подходит для приложений, в которых нужно анализировать текстовые запросы и изображения, следовать инструкциям и формировать ответы для дальнейших действий агента. Данных о размере, архитектуре, длине контекста, поддерживаемых языках и лицензии в предоставленной карточке нет.

HIM-3B — языковая модель MedinaMemorySystems на 3,2 млрд параметров, дообученная на базе meta-llama/Llama-3.2-3B-Instruct. Она предназначена для оркестрации автономных агентов: управления многоэтапными рабочими процессами, поддержания ролей и подготовки структурированных дебатов с обобщением разных точек зрения. Модель принимает текст и генерирует текст; для диалогов использует шаблон Llama 3. Контекст составляет 8192 токена. Архитектура — плотный трансформер Llama с RoPE, SwiGLU и Grouped-Query Attention. В карточке заявлена поддержка CortexScript и специализация на агентных сценариях, а также приведены результаты общих тестов и оценки производительности. Эти показатели указаны авторами модели и не подтверждены приведёнными метаданными. Лицензия — Apache-2.0. README предупреждает, что в длинных дебатах модель может смешивать персоны, а генерация кода общего назначения может быть слабее, чем у базовой модели.

jasoncarreira/hrm-text-agent — англоязычная модель для генерации текста с вызовом функций и инструментов. Это полноразмерное дообучение HRM-Text-1B от Sapient Intelligence: базовая модель на архитектуре Hierarchical Reasoning Model дообучена методом supervised fine-tuning для выбора подходящих инструментов и формирования структурированных вызовов. По данным README, на тестах BFCL v4 модель показывает 54,7% общего результата; она также сохраняет большую часть общих навыков базовой модели. Модель предназначена для агентных сценариев, где нужно передать запрос инструменту или решить, что подходящего инструмента нет. Она использует архитектуру PrefixLM, имеет 3,7 млрд параметров и контекст 4096 токенов. Для работы важно подавать промпт с предусмотренным моделью префиксным форматом и применять агентный цикл: обычный вызов `.generate()` не соответствует режиму обучения. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. README сообщает о снижении точности в задачах с ответом одной буквой в некоторых тестах; часть ошибок связана с форматом ответа, а не с содержанием.

InternVL3-78B-hf — мультимодальная модель OpenGVLab, представленная в реализации для Hugging Face Transformers и функционально эквивалентная оригинальному выпуску InternVL3-78B. Это плотная архитектура класса InternVLForConditionalGeneration с 78 млрд параметров; репозиторий содержит веса Safetensors и поддерживает инференс через Transformers. Модель предназначена для диалогов и генерации текста по текстовым запросам, изображениям и видео. Она может отвечать на вопросы по визуальному содержимому, выполнять визуальные рассуждения и обрабатывать чередующиеся текстовые, графические и видеоданные; семейство также ориентировано на сценарии использования инструментов, GUI-агентов, промышленный анализ изображений и 3D-восприятие. Карточка указывает многоязычную поддержку, но не перечисляет конкретные языки. Репозиторий основан на OpenGVLab/InternVL3-78B-Instruct и помечен как дообучение. Доступны варианты attention eager, SDPA и FA2, а также пакетный инференс. Модель создана для работы с Transformers; конкретная длина контекста в предоставленных данных не указана. Лицензия обозначена как other, поэтому условия использования следует сверить с лицензией репозитория и оригинального чекпойнта.

KV-Ground-4B-BaseGuiOwl1.5-0228 — компактная визуально-языковая модель для привязки текстовых инструкций к элементам графического интерфейса. Её разработали Kingsware и Vocaela AI; это дообучение GUI-Owl-1.5-4B-Instruct на базе архитектуры Qwen3-VL. Модель содержит 4 млрд параметров и принимает изображение экрана вместе с инструкцией на естественном языке, выдавая текстовый ответ с результатом привязки. Модель предназначена для поиска элементов интерфейса на изображениях, в том числе снимках высокого разрешения, и для сценариев компьютерного управления, где нужно определить целевой элемент по запросу. Авторы сообщают результаты 67,0 на ScreenSpot-Pro и 94,1 на ScreenSpot-V2; это их собственные оценки в описанной конфигурации, а качество может зависеть от формата запроса. Для использования требуются совместимая библиотека Transformers и формат safetensors. Лицензия CC BY-NC-SA 4.0 ограничивает коммерческое использование и требует соблюдения условий атрибуции и распространения на тех же условиях.

LFM2-1.2B-Tool — компактная языковая модель Liquid AI на архитектуре LFM2, дообученная на базе LiquidAI/LFM2-1.2B для краткого и точного вызова инструментов. Она генерирует структурированные вызовы функций, которые приложение может выполнить, а затем использует возвращённый результат для ответа пользователю. Модель рассчитана на диалоги с инструментами в мобильных и периферийных устройствах, автомобильных и IoT-ассистентах, системах поддержки и встроенных приложениях, где важна низкая задержка и работа без обращения к облаку. Модель принимает определения инструментов в JSON через системный запрос, формирует вызовы в заданном формате и поддерживает одно- и многошаговые диалоги с инструментами. Заявлены 1,5 млрд параметров, контекст до 128 000 токенов и поддержка английского, арабского, китайского, французского, немецкого, японского, корейского, португальского и испанского языков. Для генерации рекомендуется жадное декодирование с temperature=0; системный запрос должен содержать описания доступных инструментов. Модель предназначена для вызова инструментов без внутренней цепочки рассуждений и ориентирована на скорость и точность в таком сценарии. Она не выполняет сами внешние действия: приложение должно интерпретировать вызов, запустить инструмент и передать результат модели. Лицензия указана как other; конкретные условия следует сверять с лицензией в репозитории.

Это плотная авторегрессионная языковая модель семейства Llama 3.1, дообученная barc0 на базе Meta-Llama-3.1-8B-Instruct. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 131 072 токенов; для работы с весами используется Transformers и формат safetensors. Модель предназначена для генерации текста в диалоговом формате и задач транскодирования, на что указывают обучающие наборы barc0/transduction_heavy_100k_jsonl и barc0/transduction_heavy_suggestfunction_100k_jsonl. Карточка сообщает значение loss 0,0319 на оценочном наборе, но не приводит подробностей методики оценки или результатов по конкретным сценариям. У модели есть интерфейс вызова инструментов. Лицензия — Llama 3.1. Карточка не описывает ограничения и целевые языки; поэтому пригодность для конкретного языка и качество в прикладных сценариях следует проверять отдельно.

LocalAI-io разработала разговорную модель LocalAI-functioncall-phi-4-v0.1 на базе Phi-4. Она предназначена для диалогов и вызова функций через LocalAI, например для подключённых к ассистенту инструментов и автоматизации последовательностей действий. Модель содержит 14,1 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 16 384 токенов. В метаданных указан английский язык, формат PyTorch и лицензия Apache-2.0. Модель дообучена на базе unsloth/phi-4-unsloth-bnb-4bit; в метаданных также перечислены датасеты glaive-unsloth-localai и FineTome-100k. Карточка заявляет поддержку диалогов и вызова функций через LocalAI, но не приводит оценок качества или подробностей о формате вызовов.

LocalAI-io разработала разговорную модель на базе Phi-4, дообученную для диалога и вызова функций в LocalAI. Модель имеет 14,1 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст, выдавая текст. Родительская модель указана как unsloth/phi-4-unsloth-bnb-4bit; при дообучении использовались наборы данных для вызова функций, диалога и рассуждений. Контекст модели составляет 16 384 токена. Модель предназначена для диалоговых сценариев и передачи вызовов функций через LocalAI. README отмечает улучшенные возможности рассуждения в стиле o1 в третьей итерации. Репозиторий распространяется под лицензией Apache 2.0. Данных о поддерживаемых языках в карточке мало: метаданные указывают английский язык.

Magnus — дообученная модель GRRNMAKE на базе Mistral-7B-Instruct-v0.3, созданная для точного вызова инструментов, соблюдения формата ответа и лаконичной генерации. Это плотная авторегрессионная языковая модель с 7,1 млрд параметров, предназначенная для диалогового использования и запуска через библиотеку Transformers. Она поддерживает стандартный шаблон чата Mistral v0.3 для вызова инструментов и контекст до 32 768 токенов. В карточке сообщается о высокой точности кратких ответов и соблюдении инструкций; оценка проводилась на Axim Corrective Benchmark и наборе Axim Alignment Dataset. Модель подходит для ассистентов, которым важно выдавать короткие ответы в заданной структуре и обращаться к инструментам. Лицензия в предоставленных данных не указана.

QuantFactory/mem-agent-GGUF — это квантизированная версия модели driaforall/mem-agent, подготовленная QuantFactory с использованием llama.cpp. Исходная модель основана на Qwen3-4B-Thinking-2507 и дообучена методом GSPO на агентном каркасе с файловой системой памяти, напоминающей Obsidian. Модель предназначена для интеллектуальной работы с долговременной памятью: поиска релевантных сведений, фильтрации или полного сокрытия извлечённой информации, добавления и обновления данных, а также запроса уточнений при неясных или противоречивых пользовательских запросах. Она взаимодействует с инструментами для чтения, создания, обновления и удаления файлов и каталогов. Память организована в виде Markdown-файлов с ссылками между профилем пользователя и сущностями. Модель может использоваться самостоятельно, но разработчики рекомендуют подключать её как MCP-сервер к более крупной языковой модели. Известно, что модель содержит около 4 млрд параметров и ориентирована на текстовую генерацию и агентное взаимодействие; сведения о поддерживаемых языках, размере контекста и конкретных параметрах квантизации в карточке не указаны. На тесте md-memory-bench она получила общий результат 0,75, показав особенно сильные результаты в извлечении, обновлении и фильтрации памяти по сравнению с базовой Qwen3-4B-Thinking-2507. Ограничения включают зависимость от заданного формата Markdown-памяти и инструментального каркаса, а также меньшие возможности по сравнению с более крупными моделями в отдельных сценариях. Лицензия в карточке модели не указана.

Qwen3.5-4B Lite.OSWorld + CUAGym SFT — мультимодальная плотная модель семейства Qwen3.5, дообученная разработчиком карточки методом supervised fine-tuning на объединённых данных Lite.OSWorld и CUAGym. Это контрольная точка на базе Qwen/Qwen3.5-4B с архитектурой Qwen3_5ForConditionalGeneration; она принимает текст и изображения и формирует текстовые ответы. Модель предназначена для диалога и выполнения задач управления компьютерным интерфейсом, представленных в обучающих данных. Для обучения использовано 3648 строк SFT-данных; карточка указывает три эпохи обучения. Модель может быть полезна для экспериментов и разработки агентов, взаимодействующих с компьютерными интерфейсами. Лицензия в предоставленных данных не указана.