I.14Автоматизация процессов и AI-агенты

Qwen3-8B TMax AENV v39b iteration 99 — это чекпойнт на базе Qwen3-8B, разработанный willamazon1. Модель прошла дообучение с подкреплением методом group-relative policy optimization на асинхронных многоходовых взаимодействиях в агентной среде; исходной точкой был SFT-чекпойнт willamazon1/qwen3-8b-tmax-sft-v3-iter353, созданный на основе Qwen/Qwen3-8B. Это плотная авторегрессионная языковая модель Qwen3 с 7,6 млрд параметров и контекстом до 40 960 токенов. Модель предназначена для диалоговой генерации текста и сценариев с агентом и вызовом инструментов. Опубликована итерация 99 из серии чекпойнтов обучения, что позволяет сравнивать разные точки обучения. Веса сохранены в формате safetensors с точностью bfloat16; конвертация выполнена из чекпойнта Megatron-LM torch_dist в формат Hugging Face. Лицензия — Apache-2.0. Чекпойнт отражает промежуточную итерацию обучения с подкреплением, поэтому поведение и качество могут отличаться от более поздних итераций этой серии. Он ориентирован на текстовый ввод и выдачу; отдельные показатели качества в карточке не приведены.

willamazon1/qwen3-8b-tmax-aenv-v39b-iter199 — чекпойнт Qwen3-8B от willamazon1, полученный на 199-й итерации обучения с подкреплением. Политика инициализирована из willamazon1/qwen3-8b-tmax-sft-v3-iter353, которая ранее была дообучена на Qwen/Qwen3-8B, и обучалась методом group-relative policy optimization на асинхронных многоходовых взаимодействиях с агентной средой. Модель предназначена для генерации текста в диалогах и агентных сценариях, включая использование инструментов. Это плотная авторегрессионная архитектура Qwen3 с 7,6 млрд параметров, контекстом до 40 960 токенов и поддержкой Transformers. Веса сохранены в safetensors в формате bfloat16; чекпойнт сконвертирован из Megatron-LM torch_dist, состояние оптимизатора не включено. Лицензия — Apache-2.0. Это промежуточная точка обучения, опубликованная для сравнения с другими итерациями того же запуска; результаты конкретных агентных задач в карточке не приведены.

Lordnyx разработал Qwen3Loop-0.6B-Tool-Calling-SFT v3 — англоязычную модель для вызова инструментов в диалогах. Она содержит 507,9 млн параметров и основана на плотной рекуррентной архитектуре Qwen3Loop: 28 физических блоков многократно используют средний стек, формируя 56 логических слоёв. Модель полностью дообучена на 2 498 примерах вызова инструментов; доступны веса Safetensors и варианты GGUF, включая F16 и Q8_0. Контекст составляет до 40 960 токенов. Модель подходит для выбора и вызова инструментов, различения нескольких доступных функций и обработки исправлений в ходе короткого диалога. На англоязычных проверках она показала высокие результаты для отдельных вызовов и различения инструментов, но качество рассуждений в сгенерированном Python-коде ниже. Также в README описан дополнительный экспериментальный механизм пропуска рекуррентных проходов для ускорения простых запросов; его точность на этом чекпойнте отдельно не проверялась. Ограничения включают ухудшение работы с неанглийскими запросами, нестабильное воздержание от вызова, ошибки при работе с незнакомыми инструментами и непроверенную надёжность длинных агентных циклов. Для операций с побочными эффектами порог вызова следует контролировать извне. Модель распространяется по лицензии Apache-2.0.

Qyrou Reasoning Summarizer 0.8B — текстовая причинно-языковая модель, разработанная Qyrou путём дообучения Qwen/Qwen3.5-0.8B-Base. Она принимает текст цепочки рассуждений и формирует JSON с названием, подзаголовком, кратким содержанием и текущей задачей, которую выполняет агент. В карточке указан контекст длиной 262144 токена; модель использует архитектуру Qwen3.5 для текста и распространяется в формате safetensors. Модель предназначена для извлечения метаданных из рассуждений в агентных сценариях, а не для общего диалога. Её можно использовать для краткого структурирования цепочек рассуждений, создания заголовков и описаний секций, а также формирования краткой метки текущей задачи. Ожидаемый ввод — обычный текст цепочки рассуждений, обычно завершающийся переводом строки; системный промпт в описанном сценарии не используется. Модель содержит 581,4 млн параметров и дообучена на наборе Qyrou/reasoning-summaries-61k. README описывает специализированный формат JSON и проверки его корректности, но не приводит количественных оценок качества. Лицензия — Apache-2.0; README указывает, что применяются также условия базовой модели Qwen/Qwen3.5-0.8B-Base.

VibeThinker-3B-Function-Calling-xLAM-Unsloth — языковая модель на архитектуре Qwen2, разработанная на основе WeiboAI/VibeThinker-3B и дообученная авторами репозитория методом LoRA с последующим объединением адаптера с базовыми весами. Модель содержит 3,1 млрд параметров и предназначена для генерации текста с интерфейсом вызова инструментов, включая сценарии function calling; обучение проводилось на наборе Salesforce/xlam-function-calling-60k. В метаданных указан контекст до 131 072 токенов и формат safetensors. Карточка сообщает о 7 500 шагах обучения и снижении training loss с 4,3195 до 0,1426, но эти значения не являются оценкой качества: downstream-бенчмарки не проводились. Поведение вне распределения единственного обучающего набора не проверено; модель наследует ограничения и ошибки базовой модели. Лицензия — MIT.

WideSeek-SFT-4B — языковая модель семейства Qwen3, дообученная командой WideSeek-R1 на наборе WideSeek-R1 SFT Data. Она предназначена для генерации текста в диалогах и работы с многоходовыми траекториями агентов для задач с широкой или глубокой структурой. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. Модель подходит для экспериментальных агентных сценариев, где требуется вести диалог и последовательно обрабатывать этапы задачи. Она принимает и генерирует текст; карточка не сообщает о специализированной поддержке конкретных естественных языков. Распространяется по лицензии Apache-2.0.

FastContext-4B-RL base Function Calling xLAM Unsloth — дообученная модель на базе microsoft/FastContext-1.0-4B-RL, разработанная автором репозитория с применением LoRA и supervised fine-tuning на наборе Salesforce/xlam-function-calling-60k. Это причинная языковая модель архитектуры Qwen3ForCausalLM с 3,7 млрд параметров, предназначенная для диалоговой генерации текста и вызова инструментов по инструкциям. Метаданные указывают контекстное окно 262 144 токена; модель распространяется в формате safetensors и рассчитана на использование через Transformers. Модель подходит для создания ассистентов, которые выбирают и вызывают функции или инструменты в ответ на запрос пользователя. В карточке приведены только значения обучающей потери; оценка на бенчмарках не проводилась, поэтому качество вызова инструментов не подтверждено независимыми результатами. Модель унаследует ограничения и предубеждения базовой модели, а поведение за пределами единственного обучающего набора не проверено. LoRA-адаптеры слиты с базовыми весами, поэтому отделить их от дообучения нельзя. Лицензия в предоставленных данных не указана.

dphn/fc-dolphin-2.6-mistral-7b-dpo-laser — языковая модель на архитектуре Mistral, разработанная Дэвидом, Фернандо и Эриком как версия Dolphin 2.6 с поддержкой вызова функций. Модель обучена на варианте набора glaive function calling v2 и использует формат описания и вызова функций из этого набора; для диалогов применяется ChatML. Модель предназначена для генерации текста и диалоговых сценариев, где ассистенту нужно выбирать и вызывать объявленные функции, например поиск по Wikipedia. В карточке описан экспериментальный приём частичной заморозки весов по анализу laserRMT, призванный снизить забывание ранее усвоенных знаний при обучении новым навыкам. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса PyTorch. Лицензия — Apache-2.0. Авторы отмечают, что это первая модель в серии экспериментов; качество вызова функций и результаты метода частичной заморозки в карточке подробно не оценены.

GELab-Zero-4B-preview — мультимодальная модель агента графического интерфейса из проекта GELab-Zero, разработанного StepFun. Она основана на Qwen/Qwen3-VL-4B-Instruct и дообучена для понимания экранов и выполнения действий в приложениях. Модель принимает визуальные данные и текстовые инструкции, анализирует элементы интерфейса и формирует ответы, помогающие выбирать действия — нажатие, ввод текста, прокрутку или ожидание. Модель предназначена для локального запуска на потребительском оборудовании и многошаговой работы с приложениями из областей еды, транспорта, покупок и социальных сетей. Заявлена работа с незнакомыми приложениями без специальной адаптации. Архитектура — плотная Qwen3-VL с 4 млрд параметров; карточка описывает возможности для работы с интерфейсами на английском и китайском языках. Репозиторий содержит веса в формате safetensors, используется библиотека Transformers. Лицензия — Apache-2.0. Это предварительная версия модели. README не приводит измерений качества и не описывает точный формат возвращаемых действий, поэтому совместимость с конкретной агентной инфраструктурой следует проверять отдельно.

InternVL3-14B — мультимодальная модель OpenGVLab из семейства InternVL3, представленная в репозитории как дообученная версия InternVL3-14B-Instruct. Она построена по схеме ViT-MLP-LLM: визуальный энкодер InternViT соединён через MLP-проектор с языковой моделью. В семействе используются компоненты на основе Qwen 2.5 и InternLM 3; размер этой версии — 14 млрд параметров. Модель распространяется в формате safetensors и использует библиотеку Transformers. Модель предназначена для диалога и анализа изображений, видео и текста: визуальных вопросов и ответов, мультимодального рассуждения, понимания видео и работы с несколькими изображениями. В README также описаны сценарии использования инструментов, GUI-агентов, анализа промышленных изображений и 3D-визуального восприятия. Поддерживаются динамическое разбиение изображений на фрагменты 448×448 пикселей и обработка изображений и видео; каталог помечает модель как многоязычную. Вариант лицензии — Apache 2.0. Среди заявленных особенностей — предобучение на смешанных текстовых и мультимодальных данных и улучшенное понимание длинного контекста благодаря V2PE. README не приводит численную длину контекста именно этой модели. Качество результатов зависит от входных данных и задачи; несколько изображений увеличивают число визуальных токенов и требуемый объём контекста.

unsloth/InternVL3-8B-GGUF — квантованная в формате GGUF версия мультимодальной модели InternVL3-8B, разработанной командой OpenGVLab и опубликованной Unsloth. Модель предназначена для обработки текста и изображений с генерацией текстовых ответов; её применение охватывает мультимодальное восприятие и рассуждение, анализ промышленных изображений, работу с GUI-агентами, использование инструментов и восприятие 3D-сцен. Архитектура построена по схеме ViT-MLP-LLM: визуальная часть InternViT-300M-448px-V2_5 соединена с языковой моделью Qwen2.5-7B через MLP-проектор. Модель относится к семейству размером 8B параметров, поддерживает мультиязычную обработку, а её заявленный конвейер — image-text-to-text. В качестве обучающего набора указан OpenGVLab/MMPR-v1.2. README не содержит точного значения контекстного окна и подробностей о конкретном варианте квантования. К сильным сторонам относятся сочетание визуального анализа и языкового рассуждения, расширенные мультимодальные сценарии и возможность использования GGUF-версии в совместимых локальных средах. Ограничения связаны с необходимостью поддерживаемого рантайма для GGUF, возможными компромиссами квантования и отсутствием в карточке детальных количественных характеристик производительности. Указана лицензия Apache-2.0; при этом в метаданных также приведена ссылка на лицензию Qwen.

LocalAI-functioncall-phi-4-v0.2 — разговорная модель для LocalAI, разработанная на основе Phi-4 и дообученная для вызова функций. Вторая версия включает примеры с рассуждениями из набора marco-o1; в метаданных также указаны наборы glaive-unsloth-localai, o1-unsloth и FineTome-100k. Модель построена на плотной архитектуре с классом LlamaForCausalLM, содержит 14,1 млрд параметров и рассчитана на контекст до 16 384 токенов. Она принимает текст и генерирует текст, поддерживает английский язык и предназначена для диалогового использования и сценариев, где ассистенту нужно вызывать функции через LocalAI. Указана лицензия Apache-2.0. Карточка не приводит оценок качества или подробностей о поддерживаемом формате вызова функций, поэтому совместимость и надёжность таких вызовов следует проверять в целевой конфигурации LocalAI.

ZhangYuchi/modelbest-Qwen-2.5-Omni-7B-SFT-only — дообученная ZhangYuchi мультимодальная модель-агент на базе Qwen/Qwen2.5-Omni-7B. Она предназначена для вопросов и ответов по видео, аудио и изображениям с многошаговым использованием внешних инструментов, включая веб-поиск, просмотр страниц, выполнение кода и чтение медиафайлов. Модель использует плотную архитектуру Qwen2.5-Omni и формат safetensors; для работы предусмотрена библиотека Transformers. В README описано обучение на траекториях OmniGAIA методом SFT с маскированием наблюдений инструментов и разбиением длинных траекторий скользящим окном шириной 8192 токена с перекрытием 4096. Карточка приводит оценку OmniGAIA Pass@1 около 15–17% на разных запусках. Модель лучше подходит для мультимодальных агентных задач с инструментами, чем для прямых одношаговых ответов без инструментов. Она наследует ограничения базовой модели, включая ошибки распознавания аудио в длинных клипах и редких объектов на изображениях. Лицензия — Apache-2.0.

NeuroReasoner-PlanningHead-1 — текстовая генеративная модель от ayjays132, предназначенная для планирования и структурированного рассуждения. В карточке заявлены применение в диалоговых ассистентах, исследовательских системах и задачах, где нужны многошаговые планы и их представление в виде векторов. Модель построена на 24 слоях Transformer с размером скрытого состояния 1024 и содержит специализированные модули для извлечения планов, структурирования, проверки ограничений и работы с памятью. По README, PlanningHead формирует 128-мерные векторы планов, а механизм MemoryAttention использует 64 ячейки памяти и 4 головы внимания. Модель имеет 378,7 млн параметров, принимает текст и поддерживает контекст до 1024 токенов. README описывает когнитивные теги вроде <plan> и <reasoning>, а также циклы уточнения ответов, однако заявленные свойства саморефлексии, логической согласованности и улучшения качества не подтверждены приведёнными независимыми оценками. Модель дообучена на ayjays132/NeuroReasoner-1-NR-1, распространяется в формате safetensors и использует лицензию Apache-2.0.

OmniParser — инструмент Microsoft для разбора снимков экрана пользовательского интерфейса. В состав репозитория входят дообученные модели YOLOv8 для обнаружения интерактивных элементов и BLIP-2 для описания значков; в метаданных карточки указана архитектура BLIP-2 и задача image-text-to-text. Модели обучались на данных об обнаружении значков и областей, доступных для нажатия, а также на описаниях функций значков. Модель преобразует снимки экранов компьютеров и телефонов из разных приложений в структурированный список элементов: координаты интерактивных областей и текстовые подписи с возможными функциями значков. Её можно применять как компонент LLM-агента, работающего с графическим интерфейсом. Выходные данные требуют проверки человеком; модель не предназначена для выявления вредоносного содержимого и может ошибочно приписывать людям на значках чувствительные характеристики. Разработчик не рекомендует использовать OmniParser в рабочих сценариях. Лицензия — MIT.

guoxuter/ov_intent_analysis_sft — компактная модель Guoxuter на базе Qwen3.5-0.8B, дообученная методом SFT для анализа поисковых намерений и планирования запросов в системах OpenViking. По недавнему контексту диалога и текущему сообщению пользователя она определяет, нужен ли поиск, и формирует структурированные запросы к областям skill, resource и memory. Модель представляет собой плотную трансформерную архитектуру Qwen3.5 с примерно 0,8 млрд параметров. Это исходный чекпойнт Transformers в формате Safetensors; для работы требуется версия Transformers с поддержкой Qwen3.5. Модель настроена под промпт и формат структурированного вывода OpenViking v7, поэтому её следует применять в совместимых системах и проверять результат по ожидаемой схеме. Модель предназначена для специализированного планирования извлечения данных, а не для роли универсального ассистента. Базовая модель поддерживает мультимодальные сценарии, однако в карточке дообучения описаны только текстовые входы и структурированный текстовый вывод. Лицензия — Apache-2.0.

unsloth/Qwen3.5-2B — постобученная мультимодальная модель от Unsloth на базе Qwen/Qwen3.5-2B. Она сочетает причинную языковую модель с визуальным энкодером и предназначена для диалогов, понимания изображений и вызова инструментов. Модель содержит 2 млрд параметров, использует гибридную архитектуру с Gated Delta Networks и Gated Attention и поддерживает контекст до 262 144 токенов. Модель подходит для прототипирования, разработки и специализированного дообучения; её можно запускать через Transformers, vLLM, SGLang и KTransformers. Qwen3.5 заявляет поддержку 201 языка и диалекта, однако в карточке нет списка языков, специфичного для этой версии. Модель работает в режиме без рассуждений по умолчанию; авторы также описывают режим рассуждений и возможности работы с видео в составе семейства Qwen3.5. Весовые файлы представлены в формате Safetensors. Лицензия — Apache-2.0. Масштаб в 2 млрд параметров делает модель удобной для экспериментов и настройки под конкретные задачи, но карточка рекомендует прежде всего прототипирование и разработку; производительность и пропускная способность зависят от инфраструктуры и выбранного движка.

FineEnvs выпустила полноразмерное дообучение Qwen/Qwen3.5-2B для агентного анализа данных с использованием OpenCode и асинхронного GRPO. Это плотная модель семейства Qwen3.5 с 2 млрд параметров, предназначенная для диалога и взаимодействия с инструментами в задачах анализа данных; в обучении применялась только бинарная оценка правильности. Опубликован чекпойнт после 1 000 шагов, получивший 29,8% pass@1 в четырёх оценочных средах на наборе SmolDataEnvs. Модель принимает текст и генерирует текст для агентных сценариев, где результат зависит от доступного harness и инструментов. Она загружаетcя через Transformers; репозиторий содержит полные веса и токенизатор с шаблоном чата, а не LoRA-адаптер. Лицензия — Apache-2.0. В README не заявлены результаты по изображениям, несмотря на мультимодальную архитектуру базовой модели.

Qwen3.8-9B-Function-Calling-xLAM-Unsloth-GGUF — это квантизированная GGUF-версия модели на базе empero-ai/Qwen3.8-9B, разработанная ermiaazarkhalili. Модель дообучена методом LoRA с учителем на датасете Salesforce/xlam-function-calling-60k, чтобы лучше справляться с вызовом функций и сценариями взаимодействия с инструментами. Для запуска предназначена экосистема llama.cpp и Ollama. Модель относится к текстовым генеративным моделям; сведения о поддерживаемых языках, исходной архитектуре и размере контекста в карточке не указаны. Доступны варианты квантизации Q2_K, Q3_K_M, Q4_K_M, Q5_K_M, Q6_K и Q8_0 размером примерно от 3,91 до 9,79 ГБ. Дообучение выполнялось с максимальной длиной последовательности 2048 токенов и базовой точностью 4-bit QLoRA. Приведены только наблюдения по training loss, поэтому качество модели по бенчмаркам не подтверждено. Сильная сторона модели — специализация на function calling при возможности локального запуска в компактных квантизированных форматах. Ограничения включают отсутствие downstream-оценки, непроверенное поведение вне распределения обучающего датасета, а также унаследованные от базовой модели смещения, ограничения знаний и типичные ошибки. LoRA-адаптеры объединены с базовыми весами и отдельно не отсоединяются. Лицензия — Apache-2.0, унаследованная от базовой модели.

Qwen3-8B TMax AENV v39b, итерация 79 — чекпойнт языковой модели, опубликованный willamazon1. Это продолжение обучения с подкреплением модели willamazon1/qwen3-8b-tmax-sft-v3-iter353, изначально дообученной на основе Qwen/Qwen3-8B. Модель использует плотную архитектуру Qwen3ForCausalLM и содержит 7,6 млрд параметров; контекст — до 40 960 токенов. Для работы доступны веса в формате safetensors с точностью bfloat16. Чекпойнт получен с помощью group-relative policy optimization на асинхронных многошаговых взаимодействиях с агентными средами. Он предназначен для диалоговой генерации текста и сценариев использования инструментов; метаданные также отмечают интерфейс tool calling. Итерация 79 — одна из опубликованных точек обучения, позволяющих сравнивать динамику обучения с подкреплением. Лицензия — Apache-2.0. Карточка не приводит результаты оценивания качества, поэтому пригодность для конкретной среды и устойчивость поведения с инструментами следует проверять отдельно.

ScaleCUA-qwen3-vl-osworld-sft — контрольная точка Qwen3-VL-8B от команды ScaleCUA, обученная для управления графическим интерфейсом в среде OSWorld. Это начальная точка SFT, использованная для инициализации онлайн-обучения с подкреплением; соответствующая контрольная точка после RL выпущена отдельно. Модель принимает текст и изображения интерфейса и предназначена для диалогового взаимодействия с GUI-агентом: интерпретации визуального контекста и выполнения компьютерных задач. В проекте ScaleCUA используются синтез проверяемых GUI-задач VeriGen, Frontier Sampling и сегментация визуального контекста. Для запуска README предлагает OpenAI-совместимый сервер, например vLLM, и среду оценки OSWorld. В метаданных указаны архитектура Qwen3-VL, класс Qwen3VLForConditionalGeneration и формат safetensors. Лицензия обозначена как other; конкретные условия следует проверять в репозитории модели. Это именно SFT-стартовая контрольная точка, поэтому её возможности могут отличаться от выпущенного агента после онлайн-RL; результаты в README не приведены.

GELab-Zero-4B-preview-GGUF — это GGUF-квантизированная версия мультимодальной модели GELab-Zero-4B-preview, разработанной stepfun-ai и подготовленной bartowski с использованием llama.cpp. Модель предназначена для задач GUI-, phone-use- и computer-use-агентов, включая взаимодействие с Android-устройствами и работу с визуально-текстовыми данными. Заявлены поддерживаемые языки English и Chinese. Модель имеет размер около 4 млрд параметров и относится к мультимодальным моделям image-text-to-text. Доступны варианты от BF16 до различных уровней квантизации, включая Q8_0, Q6_K, Q5_K, Q4_K и Q3_K, что позволяет выбирать баланс между качеством, размером файла и требованиями к памяти. Для запуска рекомендуются llama.cpp, LM Studio и другие совместимые приложения. Формат prompt использует шаблон ChatML с ролями system, user и assistant. Важные ограничения README не раскрывает точную архитектуру, размер контекста, требования к видеопамяти, результаты тестирования и подробности поддержки конкретных операций в GUI. Качество и скорость зависят от выбранного варианта квантизации и аппаратной конфигурации; версии с более низкой точностью могут давать худшие результаты. Распространение указано по лицензии Apache-2.0.

Vistral-7B-Chat-function-calling — языковая модель, разработанная hiieu и дообученная на Viet-Mistral/Vistral-7B-Chat для вызова функций. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для диалоговых сценариев, где модель должна формировать вызовы функций в ответ на запрос пользователя. Модель принимает текст и генерирует текст. В метаданных указаны английский и вьетнамский языки; исходная чат-модель ориентирована на вьетнамский язык. Веса опубликованы в формате Safetensors, лицензия — Apache-2.0. README сообщает о дообучении с Unsloth и TRL, но не описывает поддерживаемую схему вызова функций, набор функций или результаты оценки качества.

Dennis1315/ward-cloud-14b — мультимодальная модель семейства Qwen3.5, дообученная Dennis1315 на базе Qwen/Qwen3.5-9B с использованием Unsloth и библиотеки Hugging Face TRL. Она предназначена для диалога с текстом и изображениями; метаданные также указывают интерфейс вызова инструментов. Базовая модель рассчитана на анализ изображений, рассуждения, программирование и агентные задачи. Модель принимает текст и изображения и формирует текстовые ответы. В репозитории используются веса Safetensors. Лицензия — Apache-2.0. Подробности обучающего набора и оценки качества в доступной карточке не приведены.

Schneewolf Labs B1-9B — это дообученная модель семейства Qwen3.5 с плотной архитектурой и условной генерацией текста по тексту и изображениям. Её разработала Schneewolf Labs как итерацию B0-9B: обучение предпочтениям ORPO на 20 тысячах пар Vernunft-Stimme усилило склонность модели выдавать ответ после блока рассуждений, особенно в агентских циклах с инструментами. Модель поддерживает диалог и работу с изображениями; карточка указывает английский язык и библиотеку Transformers. Модель рассчитана на сценарии, где агенту нужно сформулировать итог после анализа результата инструмента, а также на диалоговые задачи с визуальным вводом. По приведённым в карточке проверкам B1 чаще отвечает после рассуждений в некоторых конфигурациях с нативными описаниями инструментов, но в других форматах запросов проблема сохраняется. Автор отмечает регрессии относительно B0 в тестах выбора инструментов, персонажа, стиля текста и безопасности. Модель распространяется по лицензии Apache-2.0.

Карточка модели DIYIN/ContextPilot-E4B на Hugging Face совпадает с карточкой tencent/ContextPilot-E4B, поэтому описание составлено по ней. ContextPilot-E4B — дообученная модель семейства Gemma 4 E4B Instruct, выпущенная Tencent как часть исследовательской системы ContextPilot. Она обучена помогать агентам заранее управлять контекстом в длительных задачах: планировать работу, поддерживать долговременную структурированную память, извлекать нужные сведения и убирать менее полезный контекст, продолжая рассуждать и использовать инструменты. Модель имеет плотную архитектуру Gemma4ForConditionalGeneration и распространяется в формате Safetensors; метаданные классифицируют её для генерации текста и указывают поддержку чата. Модель предназначена для исследований агентных систем, ответов на вопросы по длинному контексту и глубокого поиска. Для управления контекстом ей требуется окружение ContextPilot с определениями инструментов, агентным runtime и конвейером оценки: одной загрузки чекпойнта недостаточно, чтобы выполнять эти операции. В README лицензия не описана, а в метаданных указано только значение «other», поэтому условия использования по доступным сведениям определить нельзя.

EvoCUA-32B-20260105-GGUF — это квантизированная GGUF-версия модели EvoCUA-32B-20260105 от Meituan, основанной на архитектуре Qwen3-VL. Репозиторий подготовлен doldolggi и предназначен для запуска через llama.cpp и совместимые инструменты, включая системы computer use и GUI-агенты, работающие со скриншотами и координатами кликов. Модель сочетает обработку текста и изображений и ориентирована на понимание интерфейсов, выбор действий и точное позиционирование кликов. Доступны варианты Q6_K, UD-Q5_K_XL, Q5_K_M, UD-Q4_K_XL и Q4_K_M; размер файлов составляет примерно 18,4–25,0 GiB, а отдельный vision-проектор F16 занимает 1,11 GiB и не квантизирован. Для UD-Q5_K_XL заявлены 16 из 16 попаданий в целевую область и наиболее точное воспроизведение поведения BF16 в проведённом тесте. Сильной стороной репозитория является проверка квантизации именно на регрессии координат кликов, а не только по метрикам языкового моделирования. Однако результаты ограничены 16 синтетическими одношаговыми тестами с англоязычным интерфейсом; полноценный end-to-end benchmark OSWorld не проводился, поэтому данные не характеризуют общий успех автоматизации компьютера. Для варианта Q6_K заявлено ограничение: он не помещается на одной 32-гигабайтной видеокарте при контексте 32K и использует оперативную память хоста. Модель распространяется по лицензии Apache-2.0.

Fara-7B-AIO-GGUF — набор GGUF-квантизаций модели Fara-7B, опубликованный prithivMLmods на базе модели Microsoft Fara-7B. Исходная модель представляет собой небольшую агентную мультимодальную языковую модель с 7 млрд параметров, построенную на архитектуре Qwen2.5-VL-7B и выполненную как decoder-only-модель. Указан английский язык и поддержка обработки текста и изображений, включая скриншоты интерфейса. Модель предназначена для задач компьютерного управления и автоматизации действий в браузере и на рабочем столе: веб-навигации, покупок, бронирования поездок и ресторанов, а также работы с аккаунтами. Она принимает пользовательскую цель, скриншоты браузера и историю действий, после чего формирует рассуждение и привязанные к интерфейсу вызовы инструментов для перемещения указателя, кликов, ввода текста, прокрутки, переходов по URL и веб-поиска. Контекст модели составляет 128 тысяч токенов. Среди заявленных преимуществ — специализированное обучение на синтетических траекториях и механизмы безопасности, останавливающие модель перед критическими действиями, например покупками или вводом персональных данных, и отказывающие во вредоносных сценариях. В README приведены результаты 73,5% на WebVoyager и 38,4% на WebTailBench, однако сведения о практической совместимости конкретных GGUF-квантизаций и требованиях к запуску не указаны. Репозиторий содержит варианты от F32 и BF16/F16 до различных IQ- и Q-квантизаций размером примерно от 1,9 до 30,5 ГБ, что позволяет выбирать компромисс между качеством и требованиями к памяти. Ограничениями являются специализация на компьютерных сценариях, заявленная языковая поддержка только английского и потенциальные потери качества у более агрессивно квантованных вариантов. Лицензия — MIT.

Карточка модели tepirale/gemma-4-12B-agentic-fable5-composer2.5-v2-3.5x-tau2-assistant-safetensors-yuxinlu1 на Hugging Face совпадает с карточкой tepirale/gemma-4-12B-agentic-fable5-composer2.5-v2-3.5x-tau2-safetensors-yuxinlu1, поэтому описание составлено по ней. Это версия Gemma 4 12B в формате SafeTensors, опубликованная пользователем tepirale. Согласно карточке, веса преобразованы из GGUF в SafeTensors; метаданные связывают модель с yuxinlu1/gemma-4-12B-agentic-fable5-composer2.5-v2-3.5x-tau2-GGUF и классифицируют её как дообученную производную. Модель предназначена для диалоговых сценариев с изображениями; теги также указывают на агентное использование, работу с инструментами и кодом. Архитектура — плотная Gemma4UnifiedForConditionalGeneration, размер семейства — 12B по идентификатору модели. Карточка указывает поддержку изображений и текста, а лицензия в метаданных — Apache-2.0. README сообщает о конверсии формата, но не описывает методику преобразования или проверку сохранности поведения; сведений о контекстном окне и поддерживаемых естественных языках в предоставленных данных нет.

GraphForge-Qwen3.6-27B-SFT — мультимодальная модель семейства Qwen3.5 на 27 млрд параметров, разработанная на основе Qwen/Qwen3.6-27B и дообученная методом supervised fine-tuning для задач рабочих агентов. Она предназначена для диалогового взаимодействия и работы с изображениями; модель обучена на 2 169 примерах траекторий GraphForge в течение трёх эпох. Репозиторий содержит веса в формате Safetensors, конфигурацию для инференса, токенизатор и ресурсы процессора. Для запуска требуется шаблон чата из репозитория и среда выполнения, поддерживающая архитектуру модели. Карточка относит её к исследовательским моделям и предупреждает, что ответы могут быть ошибочными и требуют проверки. Данные обучения и журналы обучения не приложены. Указана лицензия Apache 2.0, сохранённая от базовой модели.