I.14Автоматизация процессов и AI-агенты

watt-tool-70B-GGUF — это квантизированная версия языковой модели watt-tool-70B, разработанной watt-ai и преобразованной в формат GGUF пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, вызова функций и взаимодействия с внешними инструментами; в метаданных также указана совместимость с задачами BFCL. Поддерживается запуск через llama.cpp, LM Studio и другие проекты на базе llama.cpp. Модель имеет размер 70B параметров; в README она связана с архитектурой Llama и заявлена для английского языка. Длина контекста, точный набор поддерживаемых модальностей и дополнительные архитектурные характеристики не указаны. Доступно множество вариантов квантизации от Q2 до Q8, различающихся размером файлов и качеством: Q6_K, Q5_K_M, Q5_K_S, Q4_K_L, Q4_K_M и Q4_K_S отмечены как рекомендуемые, тогда как варианты Q2 и Q3 обеспечивают экономию памяти за счёт снижения качества. Сильными сторонами модели являются ориентация на function calling и tool use, а также возможность локального запуска на совместимом оборудовании. Ограничения связаны с потерями качества при использовании низкобитных вариантов квантизации, значительными требованиями к памяти у 70B-модели и отсутствием заявленной поддержки языков, кроме английского. Лицензия — Apache-2.0.

BetterWright-K2-Horizon-7B-Uno — плотная языковая модель ProCreations для управления браузером в среде BetterWright. Это полнопараметрическое дообучение IFM/K2-Horizon-7B на 3 840 отобранных траекториях работы агента; корневые веса содержат дообученную авторегрессионную модель, а в каталоге adapter/ поставляется неизменённый diffusion-адаптер Uno для ускорения генерации. Модель принимает текстовые наблюдения DOM и выдаёт текст, включая XML-вызовы инструментов; она рассчитана на системный промпт BetterWright и инструменты browser, done и ask. Поддерживает английский язык, режимы рассуждения none, low, medium и high, а базовая модель имеет контекст до 524 288 токенов. Модель предназначена прежде всего для выполнения браузерных задач внутри BetterWright, например поиска сведений на сайтах и взаимодействия с веб-страницами через инструменты. README сообщает о 1,85 принятых токенах на один проход модели с Uno на промптах BetterWright и сохранении качества генерации авторегрессионных весов при проверке набросков. Модель обучалась один этап на синтетических траекториях от двух моделей-учителей; заявленных оценок бенчмарков нет. Лицензия — Apache-2.0. Обучение ограничивало длину траекторий 65 536 токенами, а длинное поведение за пределами этого диапазона не проверялось. Данные создавались без скриншотов, поэтому модель работает по текстовым наблюдениям DOM; авторы ожидают от неё лучших результатов в BetterWright, чем в роли универсального ассистента. Uno-адаптер не переобучали на новых авторегрессионных весах.

Fugu Ultra v2 — старшая по производительности модель семейства Fugu от Sakana AI. По карточке, это обученная система координации нескольких агентов на основе языковой модели, а не одна монолитная модель. Данных о конкретных сценариях применения, архитектуре, размере, языках, контексте и лицензии в предоставленном фрагменте нет.

Gelato-30B-A3B-f32-AIO-GGUF — это мультимодальная модель для задач управления графическим интерфейсом, разработанная сообществом prithivMLmods на базе Gelato-30B-A3B от MLFoundations. Модель предназначена для computer-use-агентов: она принимает инструкцию на естественном языке и снимок экрана, чтобы определить нужный элемент интерфейса и вернуть его координаты для последующего клика или другого взаимодействия. Модель ориентирована на работу с реальными программными средами и поддерживает интеграцию через llama.cpp и Text Generation Inference. В основе лежит MoE-архитектура Qwen3-VL с заявленными 30 млрд параметров; точное число активных параметров в README не указано. Поддерживается английский язык и мультимодальный ввод текста и изображений. Для модели опубликованы GGUF-файлы в форматах от F32 до различных вариантов квантования, а также отдельные мультимодальные проекторы. Версия F32 занимает около 122 ГБ, поэтому требует значительных вычислительных и оперативных ресурсов. К сильным сторонам относятся специализация на точном позиционировании элементов интерфейса и высокие результаты на бенчмарках ScreenSpot-Pro и OS-World-G: около 63,88% и 69,15% соответственно, либо 74,65% на уточнённой версии OS-World-G. Ограничения включают узкую специализацию на GUI-задачах, поддержку английского языка по заявленным данным и высокие требования к ресурсам для полноформатной версии. Модель распространяется по лицензии Apache-2.0.

Granite-4.1-3B-Function-Calling-xLAM-Unsloth — языковая модель на архитектуре GraniteForCausalLM с 3,4 млрд параметров, созданная дообучением ibm-granite/granite-4.1-3b компанией или автором репозитория ermiaazarkhalili. Модель дообучена методом SFT на наборе Salesforce/xlam-function-calling-60k для диалоговой генерации текста и вызова инструментов по инструкциям. Контекстное окно составляет 131 072 токена; доступен формат safetensors, библиотека Transformers. Лицензия Apache-2.0. Модель подходит для ассистентов, которым нужно выбирать инструменты и формировать вызовы функций в диалоге. В README приведены только значения обучающей потери; оценка на бенчмарках не проводилась, поэтому качество вызова инструментов отдельно не подтверждено. Обучение на одном наборе данных не проверяет поведение вне его распределения; также модель наследует смещения и ограничения базовой модели.

Muse-Glimmer-30B-assistant представлен как облегчённая модель-черновик для Muse Glimmer 30B, разработанная Meta Superintelligence Lab. Она использует DFlash: за один проход предлагает блоки из 16 токенов, которые основная модель проверяет параллельно; заявленная цель — ускорить генерацию текста, сохраняя качество основного генератора. В README основная Muse Glimmer описана как плотный причинный трансформер с энкодером восприятия, предназначенный для локального запуска и мультимодальных агентных задач. При этом метаданные этого репозитория указывают 2,5 млрд параметров и архитектуру MuseGlimmerAssistantModel; README приводит размер около 29,6 млрд для основной модели, поэтому эти значения относятся к разным компонентам.

Карточка модели joincrksilverb/Nemotron-Mini-4B-Instruct на Hugging Face совпадает с карточкой nvidia/Nemotron-Mini-4B-Instruct, поэтому описание составлено по ней. Nemotron-Mini-4B-Instruct — компактная языковая модель NVIDIA для генерации диалоговых ответов и выполнения инструкций. Это дообученная версия nvidia/Minitron-4B-Base, основанной на Nemotron-4 15B и сжатой с помощью прореживания, дистилляции и квантования. Модель содержит 4,3 млрд параметров и построена как авторегрессионный Transformer-декодер с Grouped-Query Attention и RoPE; принимает контекст до 4096 токенов. Модель предназначена для ролевых диалогов, ответов на вопросы по материалам в сценариях RAG и вызова функций. NVIDIA оптимизировала её для быстрого вывода и развёртывания на устройствах; карточка заявляет готовность к коммерческому использованию. Основной язык — английский. Указанная в метаданных лицензия — other, поэтому конкретные условия использования следует сверить с лицензией и условиями NVIDIA.

Octopus V4 — компактная языковая модель Nexa AI, дообученная на базе Microsoft Phi-3. Она предназначена для работы в качестве управляющего узла в графе специализированных языковых моделей: преобразует запросы пользователя в более точную формулировку и направляет их подходящей модели. В карточке указаны 3,7 млрд параметров, архитектура Phi-3 и контекст 4096 токенов; модель принимает текст и генерирует текст. README описывает сценарии для тем MMLU и приводит пример переформулирования математического вопроса. Модель ориентирована на компактный запуск, в том числе на устройствах, и использует функциональные токены для выбора специализированной модели. Доступна под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование.

OneJev-9B — мультимодальная модель принятия решений от OmniJev, созданная полным дообучением Qwen/Qwen3.5-9B. Она принимает текстовые вопросы вместе со скриншотами, фотографиями или видео и за один проход возвращает калиброванные вероятности для каждого варианта ответа. Модель предназначена для оценки вариантов в сценариях работы GUI-агентов и анализа вопросов о визуальных материалах. Обучена на 99 193 вопросах из реальных запусков агентов, видео и изображений. Архитектура — плотная Qwen3.5 с 9 млрд параметров; веса опубликованы в формате safetensors. В README приведены показатели задержки на одном H200 для скриншота 1280×720: 81 мс для одного вопроса и 131 мс для десяти вопросов в одном запросе. Лицензия — Apache-2.0. Заявленные результаты относятся к тестовым вопросам обучающих типов; перенос качества на другие сценарии отдельно не подтверждён. Модель использует формат System One API и поддерживает обработку изображений и видео через поле media.

Ornith-1.5-9B-Function-Calling-xLAM-Unsloth — дообученная командой ermiaazarkhalili модель на базе ornith-ai/Ornith-1.5-9B для генерации текста и вызова инструментов. Модель плотная, построена на архитектуре Qwen3_5ForConditionalGeneration и содержит 9,4 млрд параметров. Для supervised fine-tuning использован набор Salesforce/xlam-function-calling-60k; LoRA-адаптеры объединены с базовыми весами. Модель предназначена для диалоговых сценариев, где нужно выбирать инструменты и формировать вызовы функций, а также для других задач генерации текста. Карточка приводит только значения обучающей потери; downstream-бенчмарков не проводили, поэтому по ним нельзя судить о качестве модели. Поведение вне распределения единственного обучающего набора не проверено, модель наследует ограничения, смещения и сбои базовой модели. Лицензия — MIT.

SeongryongJung опубликовал последний чекпойнт Qwen3-4B, дообученный методом SDPO на наборе tooluse и преобразованный в формат Hugging Face Transformers. Это плотная причинная языковая модель с 3,7 млрд параметров, предназначенная для генерации текста и использования инструментов в диалоге. В метаданных указан контекст длиной до 40 960 токенов; модель работает с текстом и выдаёт текст.

Reasoning Summarizer — Qwen3.5 0.8B Preview — текстовая модель, которую автор дообучил для преобразования цепочки рассуждений в краткие структурированные метаданные в формате JSON. Она выделяет заголовок, подзаголовок, краткое содержание и текущую задачу, что подходит для организации следов рассуждений в агентных сценариях и дальнейшей обработки программами. Модель основана на Qwen/Qwen3.5-0.8B-Base, использует архитектуру Qwen3.5 для причинной генерации текста и содержит 581,4 млн параметров. Заявленная длина контекста — 262 144 токена; карточка описывает англоязычные данные и обучение на наборе Qyrou/reasoning-summaries-61k. Репозиторий включает объединённую модель для инференса и LoRA-адаптеры для продолжения обучения. Лицензия — Apache-2.0, при этом сохраняются условия использования базовой модели Qwen. Модель предназначена для узкой задачи извлечения метаданных, а не для общего диалога. Автор не приводит результаты отложенного бенчмарка и предупреждает, что модель может выдавать некорректный JSON или пропускать детали; формат и точность сводки следует проверять.

ScaleCUA-qwen3.5-osworld — мультимодальный агент для работы с графическим интерфейсом, разработанный командой ScaleCUA на базе Qwen3.5-9B. Это контрольная точка после онлайн-обучения с подкреплением (RLVR); начальной точкой дообучения служит extreme1228/ScaleCUA-qwen3.5-osworld-sft. Модель принимает изображения интерфейса и текстовые инструкции, а её основная задача — выполнять действия в компьютерной среде OSWorld. Для запуска авторы предлагают использовать сервер с API, совместимым с OpenAI, например vLLM, вместе с оценочной средой osworld_eval. В карточке заявлен результат 68,7% на OSWorld. В качестве методов масштабирования обучения упомянуты синтез проверяемых GUI-задач VeriGen, Frontier Sampling и Visual Context Segmentation. Модель предназначена для автоматизации многошаговых задач в графическом интерфейсе; результат указан авторами, а независимые условия и детали оценки в карточке не приведены. Лицензия обозначена как other.

TinyAgent-1.1B — компактная языковая модель Squeeze AI Lab при Калифорнийском университете в Беркли, созданная для локальных агентных сценариев на устройствах. Это плотная авторегрессионная модель семейства Llama с 1 млрд параметров и контекстом 32 768 токенов; она предназначена для генерации текста, рассуждений и вызова функций через LLMCompiler. Модель рассчитана на выполнение повседневных задач в приложениях macOS: составление писем, управление контактами, планирование событий календаря и организация встреч Zoom. Подход ToolRAG подбирает инструменты и примеры для запроса, сокращая лишний контекст и повышая точность. В карточке указан английский язык. Модель распространяется по лицензии MIT.

alpha-umi-caller-13b — модель-вызыватель инструментов размером 13B из разработанной авторами статьи «Small LLMs Are Weak Tool Learners: A Multi-LLM Agent» системы обучения агентов alpha-UMi. Это плотная авторегрессионная модель семейства Llama для генерации текста; в метаданных указаны 12,9 млрд параметров, контекст до 4096 токенов и библиотека Transformers. Модель предназначена для работы в составе много-модельного агента: она взаимодействует с alpha-umi-planner и alpha-umi-summarizer и применима к ToolBench. Карточка не описывает поддержку других задач или сценариев и не приводит сведения о языках обучения; метаданные отмечают английский язык. Модель распространяется по лицензии Apache-2.0.

AutoGLM-Phone-9B-GGUF — это квантизированная в формате GGUF версия мультимодальной модели AutoGLM-Phone-9B, предназначенной для создания мобильных GUI-агентов. Модель разработана в рамках проекта Open-AutoGLM и основана на zai-org/GLM-4.1V-9B-Base; её архитектура идентична GLM-4.1V-9B-Thinking. GGUF-версия подготовлена с использованием llama.cpp. Модель предназначена для понимания содержимого экранов смартфона и автоматизации действий на Android-устройствах. В составе Phone Agent она принимает задания на естественном языке, анализирует интерфейс, планирует последовательность действий и выполняет их через ADB (Android Debug Bridge). Возможные сценарии включают навигацию по мобильным приложениям, поиск информации, заполнение интерфейсных форм и удалённое управление устройством. Поддерживаются мультимодальное восприятие экранов, подтверждение чувствительных действий, участие человека при входе в аккаунт или вводе кодов подтверждения, а также удалённое ADB-подключение. Ключевые характеристики — около 9 млрд параметров, мультимодальная обработка текста и изображений, заявленный язык китайский и принадлежность к классу vision-language моделей. Конкретный размер контекста, полный список языков и требования к аппаратному обеспечению в карточке не указаны. Квантизация с выборочным повышением точности отдельных слоёв может улучшать точность при заданном уровне квантизации, но увеличивает размер файла. Модель ориентирована прежде всего на исследовательские и образовательные задачи; README предупреждает о запрете незаконного доступа к данным и вмешательства в работу систем. Указана лицензия MIT.

BAM — объединённая языковая модель от автора репозитория shuaitongli, созданная из четырёх экспертных моделей на базе Qwen2.5-7B-Instruct. Эксперты специализируются на WebShop, работе с инструментами, поиске и задачах ALFWorld; при слиянии они применены в порядке WebShop → Tool → Search → ALFWorld. Модель представляет собой плотную архитектуру Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста и диалогового применения; практические сценарии включают агентные задачи, использующие поиск и инструменты, а также взаимодействие со средами WebShop и ALFWorld. Репозиторий содержит веса в формате Safetensors. Карточка не сообщает результатов оценки качества или подробностей о формате диалогового шаблона и интерфейсе вызова инструментов. Условия лицензирования в предоставленных данных не указаны.

BitAgent-Bounty-8B-dpo-prune — дообученная модель семейства Llama от разработчиков BitAgent. Она создана на основе BitAgent/BitAgent-Bounty-8B методом итеративного пошагового DPO с отбором проверенных траекторий; веса после LoRA-дообучения объединены с базовой моделью. Модель предназначена для многошагового вызова функций и использования инструментов, в частности для оценки на BFCL v3 Base Multi-Turn. Модель содержит 7,5 млрд параметров, использует плотную архитектуру Llama и рассчитана на контекст до 131 072 токенов. Она принимает текстовые запросы и выдаёт текстовые ответы, включая вызовы инструментов в диалоговом сценарии. Поддерживаемые языки в предоставленных данных не перечислены. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Карточка описывает назначение для оценки эффективности многошагового использования инструментов; подробное описание метода и экспериментов заявлено как будущее, поэтому результаты и качество на более широком круге задач не характеризуются.

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.

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.

CUA-Lite-Qwen3.5-4B-ScaleCUA-qwen3_8_27b-epoch1 — мультимодальная модель для управления компьютером, созданная дообучением Qwen3.5-4B командой или автором репозитория OnAnOrange. Это полный SFT-чекпойнт после первой эпохи из трёх, обученный на 5 000 траекториях действий за компьютером из Lite.ScaleCUA; учительской моделью была qwen3_8_27b. Модель принимает текстовые инструкции и снимки экрана, а в ответ формирует текстовое представление действий для управления рабочим столом. В обучающем рецепте использовались снимки с целевым разрешением 1280×720, обрабатываемые как 1280×704, история до 50 шагов и до четырёх изображений на шаг. Рассуждения были отключены. Для чекпойнта не приведены результаты оценки на прикладных бенчмарках, поэтому качество выполнения задач управления компьютером по этим данным определить нельзя. Модель распространяется в формате safetensors по лицензии Apache-2.0.

DeepSeek-V4-Flash-Vision-Exp — экспериментальная мультимодальная модель семейства DeepSeek-V4, разработанная DeepSeek AI. Она построена на архитектуре DeepSeek-V4-Flash, дополненной визуальными модулями и дообученной для понимания изображений. Модель предназначена для мультимодальных агентских сценариев, анализа визуальной информации, работы с диаграммами и задач, где требуется сочетать текстовые и графические входные данные. Для текстовых агентских задач она сохраняет сопоставимую с DeepSeek-V4-Flash-0731 производительность. В репозитории заявлена поддержка OpenAI-style сообщений с блоками изображений и компактного TXT-формата с тегами <image>. Доступны tokenizer, средства кодирования запросов и минимальная реализация инференса на PyTorch, включающая vision encoder и aligner, DFlash attention, Mixture-of-Experts, Hyper-Connections и DSpark forward path. Точные размер модели, длина контекста, перечень поддерживаемых языков и характеристики визуального входа в представленном README не указаны. Сильная сторона модели — улучшенные мультимодальные агентские возможности по сравнению с DeepSeek-V4-Flash-0731; в README приведены результаты на ApexBench, Agents' Last Exam, Chartography и ZeroBench, а также набор текстовых агентских бенчмарков. Ограничения включают экспериментальный статус и отсутствие подробных сведений о масштабах, языках и требованиях к аппаратному обеспечению. Репозиторий распространяется по лицензии MIT.

Distil-Gemma3-270M-SHELLper — компактная текстовая модель Distil Labs на архитектуре Gemma 3, дообученная для вызова функций Bash в многошаговых диалогах. Модель насчитывает около 257 млн параметров, принимает текстовые запросы с описаниями инструментов и выдаёт вызов инструмента в формате JSON. Контекст — до 32 768 токенов; модель рассчитана на английские запросы и поддерживает 20 Bash-команд. Модель предназначена для создания интерфейсов на естественном языке к файловой системе, командных помощников, автоматизации и локальных ассистентов. В README заявлена точность вызова инструментов 96,04% на тестовом наборе разработчика; это результат внутренней оценки, а не независимого бенчмарка. Модель обучена с помощью LoRA и дистилляции от GPT OSS 120B на синтетических многошаговых диалогах. Она оптимизирована для одного вызова инструмента за ход, лучше работает в диалогах до пяти ходов и не поддерживает конвейеры команд или их объединение. Лицензия — Apache-2.0; для запуска описан вариант через Transformers или Ollama.

Fugu Max — модель Sakana AI из семейства Fugu, ориентированная на соотношение стоимости и производительности. Это не единая монолитная модель, а обученная система оркестрации нескольких агентов на основе языковой модели, которая направляет запросы между ними. Метаданные каталога относят модель к задаче image-text-to-text. Доступный фрагмент карточки не раскрывает архитектуру, размер, поддерживаемые языки, контекст или конкретные сценарии работы с изображениями. Лицензия и ограничения использования также не указаны в доступных данных.

GLM-5 Turbo — новая модель от Z.ai, оптимизированная для быстрого вывода и работы в агентных сценариях, включая сценарии OpenClaw. Она предназначена для реальных рабочих процессов, где агенту нужно быстро выполнять задачи и взаимодействовать с окружением. В карточке заявлена ориентация на высокую производительность в агентных средах, но архитектура, размер, поддерживаемые языки, контекст и лицензия не описаны.

LiquidAgent-1.2B — текстовая модель LiquidAI/LFM2.5-1.2B-Thinking, дообученная автором Compactbot на трассах работы агента из TeichAI/Ox-Alpha-Pi-Traces. Она предназначена для диалоговых сценариев с вызовом инструментов: модель формирует вызовы, учитывает возвращённые результаты и продолжает рассуждение в следующих ходах. Архитектура LFM2 — плотная гибридная причинная языковая модель с 16 слоями: 10 сверточных LIV-блоков и 6 блоков GQA. Веса занимают около 1,5 млрд параметров, контекст — до 128 000 токенов по метаданным; базовая модель сохраняет шаблон рассуждения с блоками thinking. Модель ориентирована на агентные задачи и использование инструментов в текстовом диалоге. Дообучение исправляет обработку примеров так, чтобы включать ответы инструментов в обучающие данные. При этом обучение было лёгкой адаптацией всего на 379 примерах, независимые бенчмарки не проводились, а заявленная в README длина обучения 32K фактически не использовалась. Модель распространяется в формате safetensors по лицензии Apache-2.0.

ApolloRaines/Llama-3.1-8B-Instruct.immunized.v2 — дообученная модель на архитектуре Llama 3.1 от разработчика ApolloRaines с применением проприетарного конвейера jBlaze. Она предназначена для диалогов и генерации текста, в том числе в системах с поиском по документам и агентами, где важно снизить риск утечки приватного контекста из-за атак EchoLeak и связанных с ними prompt injection. По карточке, модель содержит 7,5 млрд параметров, поддерживает контекст до 131 072 токенов и рассчитана на английский язык. Доступны веса Safetensors и варианты GGUF в форматах F16 и нескольких уровнях квантования; заявлен стандартный интерфейс Transformers без дополнительных компонентов во время выполнения. Автор сообщает о результатах тестирования защиты: 100 из 100 атак в canary-наборе и 83 из 100 в более сложном наборе атак на ролевые сценарии. Это результаты конкретных тестов, а не гарантия защиты в реальном развертывании. По README, остальные классы атак, включая jailbreak, а также отказы и галлюцинации не изменены; в ролевом тесте остаётся уязвимым определённый сценарий с приватными данными в системном промпте. Лицензия — Llama 3.1.

MiniCPM5-1B-Agentic-Tooluse-GGUF — компактная языковая модель для генерации текста и агентского использования инструментов. Она основана на openbmb/MiniCPM5-1B и дообучена автором ewinregirgojr с применением адаптера QLoRA и Nemotron SFT+DPO. Модель распространяется в формате GGUF и предназначена для локального запуска через llama.cpp, а также экспериментального развертывания через vLLM. Основной сценарий применения — выбор и вызов внешних функций по заданным схемам. Модель генерирует XML-вызовы вида function с именем инструмента и параметрами; приложение должно валидировать вызов, выполнить инструмент и передать результат в новом сообщении. Доступны варианты F16 размером 2,17 ГБ, Q8_0 размером 1,15 ГБ и Q4_K_M размером 688 МБ, причём Q4_K_M рекомендован как компромисс между скоростью, размером и качеством. Сведения о поддерживаемых языках, длине контекста и мультимодальности в README не указаны. На внешней выборке из 300 примеров, производной от Team-ACE/ToolACE, исходная дообученная модель показала высокую долю разбираемых вызовов инструментов — 99,33%, корректных имён доступных инструментов — 97,00%, ожидаемых имён инструментов — 92,67%, а точного совпадения аргументов — 65,33%. Ограничения включают невысокую долю полного корректного завершения вызова — 15,00%, а также то, что оценивалась исходная merged-модель, а не каждый GGUF-вариант отдельно; результаты не являются официальным рейтингом ToolACE. Лицензия указана как other, без дополнительных условий в README.

MiniCPM-GUIDance (MiniCPM-GUI) — мультимодальная модель семейства MiniCPM-V, обученная RhapsodyAI на наборе GUICourse для работы с графическими интерфейсами. Она принимает изображение экрана и текстовую инструкцию и может отвечать на вопросы о содержимом интерфейса или предлагать следующие действия для выполнения задачи. В карточке приведены сценарии чата с привязкой к элементам экрана и без неё, а также генерации последовательности действий. Модель опубликована в формате PyTorch под лицензией Apache-2.0. В метаданных указан английский язык; сведения о числе параметров и длине контекста не приведены. Карточка упоминает обучение на GUICourse и датасеты GUIChat, GUIEnv и GUIAct.

Nemotron-Mini-4B-Instruct — компактная языковая модель NVIDIA для генерации диалоговых ответов и выполнения инструкций. Это дообученная версия nvidia/Minitron-4B-Base, основанной на Nemotron-4 15B и сжатой с помощью прореживания, дистилляции и квантования. Модель содержит 4,3 млрд параметров и построена как авторегрессионный Transformer-декодер с Grouped-Query Attention и RoPE; принимает контекст до 4096 токенов. Модель предназначена для ролевых диалогов, ответов на вопросы по материалам в сценариях RAG и вызова функций. NVIDIA оптимизировала её для быстрого вывода и развёртывания на устройствах; карточка заявляет готовность к коммерческому использованию. Основной язык — английский. Указанная в метаданных лицензия — other, поэтому конкретные условия использования следует сверить с лицензией и условиями NVIDIA.