I.14Автоматизация процессов и AI-агенты

OS-Genesis-7B-AW — мультимодальная модель для управления мобильным графическим интерфейсом, разработанная авторами проекта OS-Genesis и дообученная на базе Qwen2-VL-7B-Instruct. Она предназначена для работы GUI-агента: модель анализирует экран и формирует действия для выполнения задач в приложениях Android; её семейство использовалось при оценке на бенчмарке AndroidControl. Модель имеет плотную архитектуру Qwen2-VL с 7,1 млрд параметров, принимает изображения и текст и выдаёт текстовое представление действий. Длина контекста — 32 768 токенов. В README указан набор данных OS-Genesis-aw-training-data для обучения; конкретные поддерживаемые языки и детальная схема действий не описаны. Модель распространяется под лицензией Apache-2.0.

nakue/qwen2.5-0.5b-funccall — дообученная модель Qwen2.5-0.5B-Instruct, созданная с помощью LoRA и объединённая с базовыми весами. Она принимает запрос пользователя и JSON-схемы доступных инструментов, а затем формирует вызовы функций в виде разбираемого JSON без поясняющего текста. Модель предназначена для маршрутизации запросов в агентских циклах, CLI-диспетчерах и других системах, где нужно подобрать функцию и заполнить её аргументы. Модель имеет плотную архитектуру Qwen2 с 494 млн параметров и контекстом до 32 768 токенов. Для обучения использован набор Salesforce/xlam-function-calling-60k. Карточка указывает английский язык; интерфейс принимает текстовые запросы и схемы и выдаёт текст со структурированными вызовами функций. Лицензия — Apache-2.0. Обучение охватывало простые и множественные сценарии вызова функций в одном запросе. Качество ещё не подтверждено опубликованными оценками: сравнение с BFCL и крупными базовыми моделями ожидает результатов. Надёжность может снижаться при необычном или большом формате схем; модель не обучалась и не тестировалась для многоходовых диалогов, параллельных вызовов и определения отсутствия подходящего инструмента.

Qwen3.5-4B-APIGen-MT-5k — дообученная Колином Фицсимонсом модель Qwen/Qwen3.5-4B для диалога и вызова инструментов. Автор обучил LoRA-адаптер на наборе Salesforce/APIGen-MT-5k и объединил его с базовой моделью; доступны веса GGUF F16 для llama.cpp и Ollama, а также safetensors для Transformers. Архитектура — плотная Qwen3.5 с 4 млрд параметров; исходная модель мультимодальна, но README описывает обучение и оценку прежде всего на текстовых сценариях вызова функций. Модель предназначена для диалоговых приложений, которым нужно выбирать инструменты и формировать вызовы функций, в том числе несколько параллельных вызовов. В оценке BFCL выигрыш в категории параллельных вызовов составил 9,5 процентного пункта, но общий результат вырос лишь на 0,39 пункта и не был статистически значимым. Модель показала снижение результатов при распознавании случаев, когда инструмент вызывать не следует, на комбинированных параллельных и многоходовых заданиях. Данные обучения ограничены APIGen-MT-5k, обобщение на незнакомые схемы инструментов не проверено; оценки проводились на английском языке. Лицензия — Apache-2.0. Сборка F16 объединяет результаты дообучения; опубликованы варианты GGUF и safetensors. Контекстное окно в предоставленных данных не указано.

Qwen3-8B TMax AENV v39b, итерация 189 — языковая модель на архитектуре Qwen3 для диалоговой генерации текста и многошагового использования инструментов в агентных средах. Модель разработана автором willamazon1 и получена дообучением willamazon1/qwen3-8b-tmax-sft-v3-iter353 с помощью group-relative policy optimization на асинхронных многоходовых взаимодействиях с агентной средой. Базовая цепочка восходит к Qwen/Qwen3-8B. Модель содержит 7,6 млрд параметров, поддерживает контекст до 40 960 токенов и работает через Transformers. Чекпойнт сохранён в safetensors и имеет точность bfloat16; README сообщает о проверке весов на NaN и Inf и пробном запуске перед публикацией. Это одна из опубликованных контрольных точек обучения итераций 69–219, поэтому её поведение отражает конкретный этап обучения. Подходит для генерации ответов в диалоге и выполнения сценариев, где агенту нужно последовательно вызывать инструменты. Документация не приводит оценки качества или подробностей о поддерживаемых естественных языках. Лицензия — Apache-2.0.

Qwen-AgentWorld-35B-A3B — языковая модель мира, разработанная командой Qwen для симуляции сред, в которых действуют агенты. Получая действие агента и историю взаимодействий, модель рассуждает о переходе состояния и предсказывает следующее наблюдение. Она предназначена для моделирования как текстовых, так и графических интерфейсных сценариев в семи областях: вызов инструментов через MCP, поиск, терминал, разработка ПО, Android, веб и операционные системы. Модель основана на Qwen3.5-35B-A3B-Base и дообучена в три этапа: продолженное предварительное обучение, обучение с учителем и обучение с подкреплением. Это причинная языковая модель с архитектурой MoE: 35 млрд параметров всего, из них активируется 3 млрд; контекст — 262 144 токена. Веса в формате Safetensors совместимы с Transformers и могут обслуживаться через vLLM или SGLang. Для оптимальной симуляции README рекомендует применять системные шаблоны для конкретных областей и выделять до 32 768 токенов на ответ. Лицензия — Apache-2.0. Модель подходит для создания симуляторов сред и генерации ожидаемых наблюдений в агентных траекториях, в том числе для тестирования и оценки агентов. Заявлена способность обобщать на новые среды и поддерживать управляемые изменения сценариев; качество зависит от доменного системного промпта и длины генерации. Несмотря на упоминание графических интерфейсов, в чекпойнте есть только веса языковой модели, поэтому визуальные входы непосредственно не поддерживаются.

ScaleCUA-qwen3.5-osworld-sft — контрольная точка Qwen3.5-9B, разработанная ScaleCUA для управления компьютером через графический интерфейс и обучения агента на задачах OSWorld. Это начальная контрольная точка после дообучения с учителем (SFT), использованная для инициализации последующего онлайн-обучения с подкреплением. Модель принимает изображения интерфейса вместе с текстовыми инструкциями и предназначена для выполнения многошаговых задач в GUI. В подходе ScaleCUA используются синтез проверяемых GUI-задач VeriGen, Frontier Sampling и сегментация визуального контекста. Репозиторий содержит веса в формате safetensors; карточка указывает архитектуру Qwen3.5 для условной генерации. Лицензия обозначена как other, поэтому условия использования следует сверить с файлами репозитория.

sft_appdelta_gui_agent — дообученный контрольный пункт Qwen3-VL-8B-Instruct для задач управления мобильным графическим интерфейсом. Модель разработана автором репозитория xwk123 и использует архитектуру Qwen3-VL с 8 млрд параметров; она принимает текстовые запросы и визуальный контекст, а ответы формирует в формате Thought + Action + tool_call. Координаты элементов интерфейса задаются на сетке 0–999. Модель предназначена для выполнения пользовательских задач в мобильных приложениях через взаимодействие с их графическим интерфейсом. Для загрузки автор указывает Transformers и AutoProcessor. В метаданных лицензия обозначена как other, поэтому конкретные условия использования следует проверять в карточке модели и связанных материалах.

Svanita v0.2 — модель распознавания речи, созданная Прасадом Витталдевом на базе NVIDIA Parakeet TDT. Она принимает аудио и преобразует разговорную речь на телугу и хинди в текст, сохраняя вставленные английские слова латиницей, а слова на индийских языках — в родной письменности. Архитектура включает энкодер FastConformer из 24 слоёв и декодер TDT; модель содержит около 622 млн параметров и предназначена для работы в реальном времени на обычном CPU без GPU. В карточке указана лицензия CC BY 4.0. Модель подходит для транскрибирования разговоров и аудио телефонных линий, особенно как компонент голосового агента, которому нужны транскрипты с код-свитчингом для последующего распознавания намерений, поиска или заполнения форм. При известном языке рекомендуется задавать `--lang`: это предотвращает вывод слов на телугу или хинди в другой индийской письменности. Распознавание быстрее реального времени на приведённой конфигурации, однако точность уступает лучшим открытым распознавателям; модель хуже справляется с чтением вслух и чисто английской речью и не предназначена для дословных транскриптов для чтения человеком.

AgentLM-13B — языковая модель на 12,9 млрд параметров, разработанная авторами проекта AgentTuning. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM, дообученная на смеси AgentInstruct и ShareGPT с использованием базовых моделей Llama 2 Chat. Она предназначена для диалоговой генерации текста и выполнения задач, связанных с работой агентами: обучение на траекториях взаимодействия помогает переносить агентные навыки на ранее не встречавшиеся задачи, сохраняя общие языковые способности. Модель использует формат диалога Llama 2 Chat с фиксированным системным сообщением. Контекст составляет 4096 токенов. В карточке заявлена генерация текста; конкретные естественные языки отдельно не перечислены. Доступна в формате safetensors. Лицензия в предоставленных данных не указана, поэтому условия использования следует проверить в карточке репозитория.

AgentLM-7B — языковая модель семейства Llama, разработанная командой AgentTuning. Это версия на 6,6 млрд параметров, дообученная на смесях AgentInstruct и ShareGPT на основе Llama 2 Chat. Модель предназначена для диалоговой генерации текста и выполнения задач агентами, включая перенос навыков на ранее не встречавшиеся агентские задачи, сохраняя общие языковые способности. Модель использует архитектуру LlamaForCausalLM и формат весов safetensors; заявленная длина контекста — 4096 токенов. Диалоговый формат соответствует Llama 2 Chat с фиксированным системным сообщением. Карточка не сообщает условия лицензии и конкретные ограничения качества или безопасного применения.

Agents-A1-4B-Fable-Preview-heretic — текстовая чат-модель на архитектуре Qwen3.5, подготовленная авторами hotdogs путём абляции модели hotdogs/Agents-A1-4B-Fable-Preview с помощью heretic. Веса представлены в формате BF16 для Transformers; метаданные указывают 3,4 млрд параметров и контекст до 262 144 токенов. Модель предназначена для агентных сценариев: многошагового рассуждения, планирования и вызова инструментов в формате Hermes/Qwen. Также заявлены помощь с кодом и ведение многоходового диалога. README сообщает о поддержке английского и тайского языков и снижении частоты отказов, однако это заявление автора, а не независимая оценка. Модель принимает текст и генерирует текст. README предупреждает, что из-за снятия защитных механизмов ответы могут быть оскорбительными, вредными или неуместными. Лицензия — AGPL-3.0.

Карточка модели eemin/Carnice-V2-27b на Hugging Face совпадает с карточкой kai-os/Carnice-V2-27b, поэтому описание составлено по ней. Carnice-V2-27B — мультимодальная модель на 27 млрд параметров от kai-os, созданная дообучением Qwen/Qwen3.6-27B на трассах взаимодействия в стиле Hermes Agent. Это объединённая версия SFT-чекпойнта в формате BF16, распространяемая как самостоятельные веса safetensors для Transformers; репозиторий содержит полную модель, а не только LoRA-адаптер. Модель предназначена для диалоговой работы с изображениями и агентных сценариев, включая следование инструкциям и вызов инструментов через совместимый интерфейс. В README приведены улучшенные результаты на коротком A/B smoke-тесте IFEval относительно базовой модели, но автор отдельно уточняет, что выборка ограничена 20 заданиями и не является официальной оценкой на полном бенчмарке. Лицензия — Apache-2.0. Для загрузки BF16-весов требуется исправленная версия с корректными префиксами тензоров; опубликованный репозиторий заявлен как исправленный. Параметры контекста и перечень поддерживаемых языков в доступных сведениях не раскрыты.

CLM-v0.1-8B — модель контрастивного ранжирования от проекта Contrastive Language Model. Она построена на замороженном текстовом энкодере Qwen3-8B и двух обучаемых проекционных головах для представления состояний и действий; обучение использует двунаправленную функцию потерь InfoNCE. Модель предназначена для оценки и сравнения заданных кандидатов, в том числе вариантов ответа, инструментов и следующих действий в агентных сценариях. CLM применяют для ранжирования решений и проверки кандидатов в задачах использования компьютера, игр и вызова инструментов. В README также приведены результаты дообученных на отдельных задачах голов в бенчмарках DeepSWE и Terminal-Bench; эти показатели не относятся к исходному чекпойнту без дообучения. Раздельное кодирование состояний и действий позволяет повторно использовать представления действий и ускорять сравнение большого числа кандидатов. Модель не генерирует текст и оценивает кандидатов только относительно переданного набора. Для работы голов нужен последний pooled-эмбеддинг энкодера Qwen3-8B. Репозиторий содержит веса в формате PyTorch; лицензия — Apache-2.0. Метаданные указывают английский язык карточки, но README не описывает более широкий список языков для ранжирования.

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.

Gravity 30B-A5B RL — дообученная Trillion Labs модель семейства DeepSeek V3, настроенная для многошагового использования инструментов в диалогах. Это MoE-модель с 30 млрд параметров и примерно 5 млрд активных параметров; README указывает 64 эксперта с выбором top-8 и MLA-внимание. Модель принимает текст и генерирует текст, включая ответы в чате и вызовы инструментов через соответствующий интерфейс. Заявленное контекстное окно — 131 072 токена. В тесте BFCL v3 модель получила в среднем 73,11% точности на живых задачах и 30,25% на многошаговой части; результаты LAB-Bench не показывают измеримого изменения относительно базовой модели. Для корректного обслуживания автор рекомендует использовать полный контекст и специальные парсеры вызовов инструментов и рассуждений. Модель распространяется по лицензии Apache-2.0.

Trilogix1/Hugston-microsoft-Fara-7B — конвертированная и квантизированная в GGUF версия модели Fara-7B, подготовленная командой Hugston с помощью Quanta. В README Fara-7B описана как компактный мультимодальный агент для управления компьютером, разработанный Microsoft Research: модель принимает цель пользователя и снимки экрана, а затем генерирует текст с планом и действиями для браузера. В метаданных указана базовая модель Qwen/Qwen2.5-VL-7B-Instruct, дообучение и формат GGUF F16. Модель предназначена для пошаговой автоматизации веб-задач: поиска информации, покупок, бронирования поездок и ресторанов, а также типовых действий в аккаунтах. Архитектура — декодерная мультимодальная модель на 7 млрд параметров с заявленной длиной контекста 128 тыс. токенов; вход включает текст и изображения экранов, выход — текст с действиями и аргументами инструментов. README указывает поддержку только английского языка и лицензию MIT. В описании предусмотрены защитные ограничения: модель должна останавливаться перед действиями, требующими разрешения пользователя или чувствительных данных, например оплатой, отправкой писем и подачей заявок. Как преобразованная модель Fara-7B, репозиторий описывает её как proof-of-concept; качество и безопасность действий следует проверять в целевой среде. Метаданные классифицируют её как text-classification, тогда как README указывает text-generation; для сценария агента основная задача — генерация текста.

Jupiter-N-120B — дообученная Locai Labs языковая модель на базе NVIDIA Nemotron-3-Super-120B-A12B. Она предназначена для диалога, следования инструкциям, агентных задач и работы с терминальными сценариями; дообучение усиливает эти возможности и добавляет поддержку валлийского языка и культурную привязку к Великобритании. Модель использует гибридную архитектуру Nemotron-H/LatentMoE с Mamba-2, MoE и attention, а также Multi-Token Prediction. В карточке указано 6,6 млрд параметров, а для базовой модели — 120 млрд параметров, из которых активны 12 млрд. Контекст — до 262 144 токенов. Основные языки карточки — английский, французский, испанский, итальянский, немецкий, японский и китайский; README отдельно отмечает добавленную поддержку валлийского. Модель подходит для задач, где нужны следование сложным инструкциям, агентные действия и терминальные траектории, а также ответы с учётом британского культурного контекста. Лицензия указана как other; условия следует проверять в карточке и материалах модели. Валлийские ответы не прошли обширную проверку носителями языка, культурная привязка не подтверждена человеческой оценкой, а валлийские тесты основаны на адаптированных англоязычных бенчмарках.

Keye-VL-2.0-30B-A3B-GGUF — мультимодальная модель семейства Keye, разработанная командой Kwai Keye. Она предназначена для обработки изображений, видео и текста, прежде всего для понимания длинных видеозаписей, временной локализации событий, OCR, анализа диаграмм и таблиц, визуального вопросно-ответного взаимодействия и мультимодального рассуждения. Модель также ориентирована на агентские сценарии: работу с кодом, инструментами, поиском, репозиториями и визуальной самопроверкой. Модель относится к 30B-классу и распространяется в формате GGUF с вариантами квантования BF16, F16, Q8_0 и Q4_K_M. В архитектуре используются разреженное внимание DSA (DeepSeek Sparse Attention), целевая агрегация признаков, параллелизм ViT-LM и оптимизированные вычислительные ядра, что предназначено для эффективной работы с длинными последовательностями. Заявлена поддержка контекста до 256K токенов и анализа видео продолжительностью до часа. В README явно указан английский язык; сведения о полноценной поддержке других языков отсутствуют. Сильными сторонами являются длинноконтекстное понимание видео, точная временная локализация, мультимодальное рассуждение и встроенные возможности для агентских задач. Ограничениями выступают высокие требования к ресурсам: размер файлов варьируется от 29 ГБ для Q8_0 до 58 ГБ для F16, а для работы с длинными видео и контекстом потребуется значительный объём памяти. Условия использования определяются лицензией Apache-2.0.

Matter-0.1-Slim-7B-C-DPO — диалоговая языковая модель на 7,1 млрд параметров, созданная сообществом 0-hero на основе Mistral 7B. Модель прошла полное дообучение методом DPO на версии slim-C датасета Matter, собранного из более чем 35 наборов данных и содержащего свыше 6 млрд токенов. Она использует архитектуру MistralForCausalLM и формат диалога ChatML; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации ответов в чате и поддерживает интерфейс вызова функций. Её можно использовать как разговорного ассистента и для задач, где приложению нужно передавать модели запросы на вызов инструментов. Веса доступны в форматах PyTorch и Safetensors. Модель распространяется по лицензии Apache-2.0. README не приводит сравнительных оценок качества или подробностей языкового охвата; результаты могут зависеть от запроса и способа настройки ChatML и вызова функций.

DareModels/MiniCpm5-Agent — это объединённая модель генерации текста, созданная с помощью mergekit методом TIES. В качестве базовой использована saidutta69/MiniCPM5-1B-Claude-Opus-Fable5-V2-Thinking-heretic; в объединение также вошли варианты MiniCPM5, настроенные на рассуждения, агентные сценарии и работу с инструментами. Модель содержит 837,6 млн параметров, использует архитектуру LlamaForCausalLM и формат safetensors; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации диалогового текста и агентных сценариев, включая задачи с вызовом инструментов. Она доступна через Transformers. Метаданные и README не сообщают поддерживаемые естественные языки и лицензию, поэтому условия использования по лицензии определить нельзя.

Nesso2-0.4B-Agentic — компактная двуязычная языковая модель сообщества mii-llm, созданная для вызова функций, формирования структурированного вывода и многошаговых сценариев с инструментами. Она дообучена на базе Zagreus-0.4B-ita и ориентирована на работу на периферийных устройствах, особенно для итальянских задач с инструментами. Модель использует плотную архитектуру Llama с GQA, содержит около 438 млн параметров и поддерживает контекст до 32 768 токенов. Она рассчитана на итальянский и английский языки; обучающие данные включают диалоги и примеры вызова инструментов, включая параллельные вызовы и выбор между вызовом инструмента и прямым ответом. Лицензия — Apache-2.0. Карточка сообщает, что модель находится на этапе supervised fine-tuning, а DPO только планируется. Среди ограничений отмечены случаи, когда модель недостаточно опирается на результат инструмента, а также склонность вызывать инструмент или подставлять значение по умолчанию, если запрос неполон или решение неоднозначно. Для таких сценариев рекомендуется проверять аргументы и результаты вызовов.

OneJev-0.8B — компактная мультимодальная модель принятия решений от OmniJev, дообученная на базе Qwen/Qwen3.5-0.8B. Она принимает скриншоты, фотографии, видео или обычный текст вместе с вопросами и за один проход выдаёт калиброванную вероятность для каждого предложенного варианта ответа. Модель предназначена для оценки вариантов в сценариях, связанных с работой агентов, изображениями и видео. Модель содержит 0,8 млрд параметров, использует плотную архитектуру Qwen3.5 и распространяется в формате Safetensors. README сообщает об обучении на 99 193 вопросах из запусков агентов, видео и изображений. Для обслуживания предусмотрен интерфейс TypeSafe System One API с полем media для изображений и видео. Лицензия — Apache-2.0.

Qwen3-0.6B-ToolCalling-Claude-4.6-Opus-Distilled-v1 — дообученная модель на базе Qwen/Qwen3-0.6B от diverWayne для генерации текста, рассуждений и вызова инструментов. Обучение включало SFT на данных вызова инструментов и рассуждений, затем DPO для улучшения выбора между вызовом инструмента и обычным ответом, а также форматирования аргументов. В репозитории есть LoRA-адаптер, объединённые веса Safetensors и GGUF в форматах F16 и Q6_K. Модель предназначена для диалоговых приложений и сценариев, где нужно выбирать подходящий инструмент и формировать аргументы вызова. В карточке указана английская языковая поддержка; базовая Qwen3 описана как многоязычная, но языки этой донастройки отдельно не перечислены. README сообщает о длине последовательности 16 384 токена при SFT; это параметр обучения, а не подтверждённый предел контекста при использовании. В краткой проверке When2Call модель набрала 67% на выборке из 100 примеров, а встроенные проверки вызова функций показали 3 из 4 для выбора инструмента и корректности формата. Эти результаты ограничены размером и составом проверок. Известный недостаток — модель может вызывать инструменты, когда в запросе не хватает обязательных данных. Лицензия — Apache-2.0.

violetxi разработала Qwen3.5-9B Harvey v4 Notes-Conditioned — полноразмерный чекпойнт Qwen3.5-9B, дообученный для агентных сценариев Harvey с использованием заметок и траекторий, обусловленных заметками. Обучение сочетало 70% размеченных токенов заметок и 30% токенов ответов ассистента из таких траекторий; опубликованная версия checkpoint-612 завершает два эпоха и 612 обновлений оптимизатора. Модель использует плотную архитектуру Qwen3.5 с 9 млрд параметров, сохранена в safetensors и загружается через Transformers. Метаданные указывают на диалоговые возможности и интерфейс вызова инструментов; в README описан протокол работы с файлами через glob, grep и read. Базовая модель мультимодальна, однако карточка описывает обучение и оценку текстовых агентных задач, поэтому заявленная задача — генерация текста. В исторической оценке доля попыток, прошедших все критерии, составила 3,30% при лимите в 5 ходов и 6,20% при 20 ходах; это результаты конкретного протокола, без нового бенчмарка для публикации. Лицензия — Apache-2.0.

Это контрольная точка Qwen3-8B TMax AENV v39b, созданная willamazon1 на 149-й итерации обучения с подкреплением. Модель основана на willamazon1/qwen3-8b-tmax-sft-v3-iter353, который, в свою очередь, является SFT-версией Qwen/Qwen3-8B. Обучение проводилось методом group-relative policy optimization на асинхронных многошаговых сценариях в агентной среде. Модель предназначена для диалоговой генерации текста и сценариев, где агент взаимодействует с инструментами и выполняет последовательность действий в несколько ходов. Это плотная причинная языковая модель Qwen3 с 7,6 млрд параметров и контекстом 40 960 токенов. Веса bf16 сохранены в формате safetensors; репозиторий использует Transformers и имеет лицензию Apache-2.0. Это промежуточный чекпойнт отдельного запуска обучения; опубликованы и другие итерации, позволяющие сравнить изменения по ходу обучения. README сообщает о проверке весов на NaN и Inf и о пробном запуске, но не приводит оценки качества или поддерживаемые языки.

FatalHub/qwen-function-calling-10k — дообученная FatalHub модель для генерации текста и диалогов с интерфейсом вызова инструментов. В основе лежит unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit: плотная причинная языковая модель семейства Qwen2 с 3,1 млрд параметров и контекстом до 32 768 токенов. Для обучения использовались Unsloth и библиотека TRL от Hugging Face. Модель предназначена для диалоговых сценариев, где требуется формировать текст и выдавать вызовы инструментов в поддерживаемом интерфейсе. В карточке указана лицензия Apache-2.0. Сведений о качестве на бенчмарках, тренировочных данных или дополнительных ограничениях применения нет.

ScaleCUA-glm4.6v-osworld — агент для управления компьютером, разработанный ScaleCUA на основе GLM-4.6V-Flash и обученный для задач OSWorld. Это контрольная точка после онлайн-обучения с подкреплением (RLVR), начатого с extreme1228/ScaleCUA-glm4.6v-osworld-sft; в репозитории указана точность 66,5% на OSWorld. Модель принимает изображение экрана и текстовые инструкции, а затем формирует текстовые ответы, используемые агентом для выполнения задач в графическом интерфейсе. В описании метода упомянуты синтез проверяемых GUI-задач VeriGen, Frontier Sampling и сегментация визуального контекста. Для запуска автор рекомендует сервер с OpenAI-совместимым API и оценочную среду OSWorld. Модель основана на архитектуре GLM-4V и распространяется в формате safetensors для Transformers. Лицензия указана как other; конкретные условия в карточке не приведены.

SLIM-NLI — специализированная причинно-следственная модель из серии SLIM компании llmware. Это плотная авторегрессионная модель семейства Llama с 1 млрд параметров, дообученная для вызова функции классификации вывода естественного языка (NLI). Она принимает два утверждения: свидетельство и вывод, а затем формирует структурированный результат в виде Python-словаря, например с указанием, противоречит ли свидетельство выводу. Модель предназначена для программных конвейеров, где результат классификации используется в последующих шагах автоматизации. Поддерживается контекст длиной 2048 токенов; модель рассчитана на работу через Transformers или LLMWare. Выпущена под лицензией Apache-2.0. README описывает сценарий с двумя утверждениями и параметром evidence. Карточка не сообщает языковой охват и ограничения качества; результат генерируется как текст, поэтому его разбор в словарь может завершиться неудачно. Метаданные указывают формат PyTorch.

Snowball 67B-A2B Nemotron-Terminal SFT — разговорная модель семейства Marin с архитектурой Grug MoE, подготовленная для генерации текста и сценариев с агентными взаимодействиями. По карточке, это экспорт BF16 для Hugging Face и vLLM, обученный дообучением на корпусе Nemotron Terminal в рамках этапа Chat → Thinking → Agentic SFT; опубликован финальный чекпойнт после 1 888 шагов, а также промежуточные версии. В метаданных указаны 2,8 млрд параметров и контекст до 32 768 токенов. Модель рассчитана на диалог, генерацию ответов и использование интерфейса вызова инструментов. В карточке рекомендуется оценивать эту линию моделей с Terminus-2. Указанная лицензия — Apache-2.0.

Vela-1.0-Encoder-307M-Modality — специализированный классификатор маршрутизатора llm-semantic-router, основанный на многоязычном энкодере ModernBERT и дообученный для определения нужного типа ответа: текст (`AR`), генерация изображения (`DIFFUSION`) или оба варианта (`BOTH`). Модель содержит 306,9 млн параметров, принимает входы длиной до 32 768 токенов и распространяется в форматах Safetensors и ONNX. Лицензия — Apache-2.0. Модель предназначена для классификации запросов по режиму генерации, например для выбора между текстовым ответом, генерацией изображения или комбинированным ответом в приложении с семантической маршрутизацией. В README приведены результаты на наборах разработки для шести языков: Vela показала Macro F1 81,10 на коротких запросах и 82,22 на контролируемых примерах длиной 4K и 8K токенов, превосходя исходную модель в этом сравнении. Оценка проводилась на небольших наборах разработки, которые использовались при выборе модели, поэтому результаты не являются независимой проверкой качества. Модель выдаёт классы маршрутизации, а не сами текстовые ответы или изображения.