I.14Автоматизация процессов и AI-агенты

Agents-A1-bf16 — конверсия модели InternScience/Agents-A1 в формат MLX с точностью bf16. Это мультимодальная агентная модель семейства Qwen3.5-MoE с 40 слоями декодера, 256 маршрутизируемыми экспертами и общим экспертом в каждом слое, размером скрытого состояния 2048, модулем обработки изображений и видеопредобработкой. Модель принимает текст и изображения и генерирует текст; для запуска мультимодальной версии README рекомендует библиотеку mlx-vlm. Модель предназначена для диалоговых и агентных сценариев, включая рассуждения и ответы на вопросы по изображениям. В README приведён пример пошагового решения арифметической задачи и описания изображения; базовая модель в каталоге ориентирована также на многошаговые агентные и научные задачи, поиск и вызов инструментов. Репозиторий распространяется по лицензии Apache-2.0. По README, полный вариант bf16 занимает около 65 ГБ на диске; замеры приведены для MacBook Pro M5 Max с 128 ГБ памяти.

akshayballal/grug-ettin-32m-meetingbank — компактный классификатор токенов для сжатия текстовых промптов. Модель дообучена командой grug на наборе microsoft/MeetingBank-LLMCompressed и предсказывает для каждого токена, сохранить его или отбросить. В примере README она используется через библиотеку grug и ModernBackend для сжатия текста с заданным коэффициентом rate. Модель основана на энкодере ModernBERT jhu-clsp/ettin-encoder-32m, содержит 31,9 млн параметров и поддерживает контекст до 7 999 токенов. Карточка указывает задачу token-classification; базовый энкодер описан как англоязычный, а обучающий корпус связан с MeetingBank. Лицензия cc-by-nc-sa-4.0 ограничивает использование некоммерческими условиями и требует соблюдения условий распространения и атрибуции.

Juno — диалоговая модель Mielikki для генерации текста и вызова функций с резервным ответом, когда подходящей функции нет. Она дообучена на jpacifico/Chocolatine-3B-Instruct-DPO-Revised и построена на архитектуре Phi-3. Модель рассчитана на сценарии, где запрос пользователя сопоставляется с доступными функциями, а запросы без подходящей функции передаются целевой системе, например поисковому движку или базе знаний. Модель содержит 3,7 млрд параметров, принимает текст и поддерживает контекст до 4096 токенов. В карточке заявлена лицензия AGPL-3.0. README не описывает качество вызова функций, набор поддерживаемых функций и поведение на разных языках; резервный ответ сам по себе не выполняет поиск или запрос к базе знаний, это должен делать целевой backend.

Llama3-Chinese-8B-Instruct-Agent-v1 — модель ModelScope на архитектуре Llama 3, дообученная на базе Llama3-8b-instruct для китайских общих сценариев и работы в роли агента. Она генерирует текст и поддерживает вызовы инструментов в формате ReAct, в том числе при использовании с фреймворком ModelScopeAgent. Модель содержит 7,5 млрд параметров, принимает текст и использует контекст длиной до 8192 токенов. Для обучения применялись смешанные корпуса с китайскими знаниями и диалогами, общими агентскими данными, англоязычным Alpaca и китайским набором вопросов и ответов ms-bench; указано использование LoRA с рангом 8. В приведённой оценке результаты на ARC и C-Eval немного ниже базовой модели, а на GSM8K заметно ниже. Лицензия — Llama 3 Community License (llama3).

Ornith-Agents-A1 — объединённая мультимодальная модель, созданная автором карточки с помощью mergekit методом task arithmetic на базе Qwen/Qwen3.5-35B-A3B и с включением InternScience/Agents-A1 и deepreinforce-ai/Ornith-1.0-35B. Архитектура относится к семейству Qwen 3.5 MoE; метаданные указывают поддержку диалога и обработки изображений, а основной сценарий по pipeline_tag — генерация текста по текстовому и визуальному вводу. Модель предназначена для диалога, анализа изображений и агентных задач. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. Карточка не сообщает размер модели, длину контекста и поддерживаемые естественные языки.

Qwen3-8B-SFT-Claude-Opus-Reasoning-Unsloth — языковая модель ermiaazarkhalili, дообученная методом SFT с LoRA на базе unsloth/Qwen3-8B. Она предназначена для генерации текста и диалогов с акцентом на рассуждения, чему модель обучали на 10 477 примерах трасс рассуждений Claude из набора claude-reasoning-distillation. Архитектура — плотная Qwen3ForCausalLM, размер — 7,6 млрд параметров; модель принимает и выдаёт текст. В метаданных указан контекст до 40 960 токенов, однако README сообщает, что дообучение проводилось с контекстом 2 048 токенов, поэтому поведение на длинных контекстах может быть ограничено. Модель рассчитана прежде всего на английский язык. Она может быть полезна для диалоговых задач, генерации ответов с последовательными рассуждениями и вызова инструментов через интерфейс модели. Базовая модель при обучении была в 4-битном представлении; репозиторий модели содержит веса Safetensors, а README также указывает на отдельные квантизованные версии GGUF. Модель выпущена под лицензией Apache-2.0. README предупреждает о возможных галлюцинациях и недостаточной настройке безопасности; результаты требуют проверки, а для практического использования могут понадобиться дополнительные защитные механизмы.

Gyubeum разработала мультимодальную reward-модель Qwen3-VL-8B-Instruct-UI-Genie-scoring для оценки траекторий действий GUI-агентов в мобильных интерфейсах. Модель дообучена на UI-Genie-RM-517k на основе Gyubeum/Qwen3-VL-8B-Instruct-UI-Genie, которая, в свою очередь, создана на базе Qwen/Qwen3-VL-8B-Instruct. Это плотная архитектура Qwen3-VL с классификационной головой регрессии: она выдаёт одно скалярное вознаграждение на входную траекторию; более высокая оценка означает более качественное действие. Для обучения использовалась парная функция потерь Bradley–Terry. Модель предназначена для получения сигнала вознаграждения при обучении GUI-агентов методами PPO/GRPO или RLHF, а также для выбора лучшей траектории из нескольких вариантов. В README указана точность парного сравнения 90,6% на отложенных парах UI-Genie и 61,1% на внепредметном наборе AndroidFlux. Лицензия — Apache-2.0. Для загрузки рекомендуется Transformers; загрузчик Qwen3-VL в vLLM не поддерживает дополнительный тензор score.weight.

UI-TARS-7B-DPO-GGUF — мультимодальная модель для работы с графическими интерфейсами, разработанная ByteDance Research и представленная в формате GGUF. Это 7-миллиардная модель UI-TARS-7B-DPO, адаптированная bartowski с использованием llama.cpp и imatrix-квантизации. Модель принимает текст и изображения и предназначена для сценариев, связанных с анализом экранов и взаимодействием с GUI. В README указан английский язык поддержки. Доступны версии с точностью от F32 и F16 до различных вариантов квантизации Q8, Q6, Q5, Q4, Q3, Q2 и IQ. Размер файлов варьируется примерно от 2,78 до 30,47 ГБ; версии Q4–Q6 позиционируются как компромисс между качеством и требованиями к памяти, а Q4_K_M — как вариант стандартного размера для большинства сценариев. Модель можно запускать через llama.cpp и LM Studio. Формат prompt требует специальной структуры с системным сообщением, пользовательским запросом и ответом ассистента. Сильными сторонами являются мультимодальность, специализация на GUI-задачах и широкий выбор квантизаций для локального запуска. README не содержит сведений о размере контекстного окна, точной архитектуре, производительности на бенчмарках или поддерживаемых языках помимо английского, поэтому эти характеристики нельзя оценить точнее. Качество и требования к памяти зависят от выбранной квантизации, а низкобитные варианты имеют заметно более низкое качество. Модель распространяется по лицензии Apache 2.0.

Это экспериментальный чекпойнт размером 7,6 млрд параметров, разработанный в рамках проекта SkyRL и полученный дообучением базовой модели laion/GLM-4_7-swesmith-sandboxes-with_tests-oracle_verified_120s-maxeps-131k-fixthink с помощью обучения с подкреплением. Модель использует плотную архитектуру Qwen3 для авторегрессионной генерации текста и была обучена на наборе задач exp_rpt_e2egit-v2 из Terminal-Bench алгоритмом RLOO_n; опубликован выбранный по скользящему среднему награды чекпойнт на шаге 10 из 14.

CORe Pico 4 — компактная языковая модель от CORe Technologies для диалогов, коротких ответов и вызова инструментов. Это плотный авторегрессионный трансформер семейства Qwen3 с 1,7 млрд параметров; модельные веса доступны в формате safetensors и загружаются через Transformers без пользовательского кода. Для отдельных запусков доступны GGUF-квантизации в специализированном репозитории. Модель рассчитана на многоходовые беседы, повседневные вопросы, простые задачи на рассуждение и сценарии с агентами, где нужен структурированный вызов инструментов. Контекст составляет 40 960 токенов. Основной язык — английский; другие языки поддерживаются в меньшей степени. Условная функция рассуждения может выдавать заглушки вместо полезного пошагового анализа, а глубина рассуждений снижается по мере продолжения диалога. При контексте свыше 8 тысяч токенов растут расход памяти на KV-кэш и задержка генерации на маломощных устройствах. Лицензия — Apache 2.0.

Granite 4.2 8B Symbolic CoT — дообученная rolandwhere плотная авторегрессионная языковая модель на базе IBM Granite 4.2 8B. Она заменяет многословные рассуждения в режиме thinking на компактную символическую запись, сохраняя итоговый ответ на обычном английском языке. Модель предназначена для задач рассуждения, где важны затраты на генерацию: пакетной обработки, многошаговых циклов агентов и работы с длинным контекстом. По описанию, на одном тесте число токенов рассуждения сократилось примерно в четыре раза, но точность модели не была надёжно установлена. Модель имеет 8,4 млрд параметров, архитектуру GraniteForCausalLM и контекст до 131 072 токенов. В README указано, что дообучение проводилось только на английских данных; базовая модель поддерживает больше языков, но это не подтверждает поддержку ими данного варианта. В тестах использовались 40 вопросов GSM8K, а ограничение генерации могло исказить сравнение точности. Длинный системный промпт может ухудшить сжатие рассуждений из-за отличия от обучающих примеров. Лицензия — Apache 2.0.

hop-1-gemma-270m — текстовая модель, дообученная автором карточки на базе Google Gemma 3 270M IT для первого шага многошагового ответа на вопросы. На вход она получает вопрос и инструкцию с заданной схемой, а выдаёт YAML с полями thought, action и target_entity: указывает первый факт или сущность, которые следует найти. Модель не ищет документы, не выполняет последующие шаги и не формирует окончательный ответ. Модель имеет плотную архитектуру Gemma3ForCausalLM и около 257 млн параметров; заявленная длина контекста — 32 768 токенов. Для обучения использованы 379 размеченных вопросов HotpotQA, ещё 95 отложены для оценки. В описанном тесте точность выбора целевой сущности составила 85,3%, а точное совпадение с ответом учителя — 62,1%; результаты менялись между повторными запусками. Модель рассчитана на английские вопросы и требует фиксированной системной инструкции с форматом ответа. Автор сообщает, что модель можно запускать локально и офлайн, что подходит для сценариев без передачи данных внешнему сервису. При генерации необходимо перевести модель в режим оценки через model.eval(): иначе активный dropout может вызвать зацикливание символов. Лицензия — Gemma; используйте модель в соответствии с её условиями.

Nous-Hermes-2-Vision — мультимодальная vision-language модель, разработанная при руководстве qnguyen3 и teknium на основе OpenHermes-2.5-Mistral-7B от teknium. Модель объединяет языковую основу Mistral 7B с визуальным энкодером SigLIP-400M и предназначена для обработки изображений и текста. Модель рассчитана на визуальные диалоги, анализ содержимого изображений, ответы на вопросы по изображениям и автоматизацию сценариев с function calling. Благодаря обучению на данных LVIS-INSTRUCT4V, ShareGPT4V, частном наборе данных для function calling и диалогах OpenHermes-2.5 она также может формировать структурированные ответы по заданной схеме. Для работы используется шаблон запросов Vicuna-V1. Заявленный язык — английский. Ключевые характеристики включают архитектуру на базе Mistral-7B, визуальный модуль SigLIP-400M и мультимодальный режим работы с изображениями и текстом. Точный размер контекста и поддерживаемые форматы изображений в README не указаны. Авторы отмечают преимущество более компактного визуального энкодера по сравнению с традиционными энкодерами размером около 3B параметров, однако также предупреждают о возможной ошибке в инференсе, которая могла требовать исправления на уровне upstream. Модель распространяется по лицензии Apache-2.0.

PhoneBuddy-4B — мультимодальный чекпойнт семейства Qwen3.5 VL, разработанный проектом PhoneBuddy. Это основной чекпойнт проекта после обучения с подкреплением на реальных и смоделированных сценариях; модель предназначена для исследований телефонных агентов, использования инструментов и рассуждений о действиях по визуальным данным. Архитектура — плотная Qwen3_5ForConditionalGeneration с процессором Qwen3VLProcessor; карточка описывает формат вызова инструментов в стиле Qwen XML. Модель принимает изображения и текст и предназначена для сценариев, где агент анализирует экран телефона и выбирает действия или обращается к инструментам. Для формирования запросов с инструментами следует использовать шаблон чата из репозитория. Для загрузки нужен совместимый вариант Transformers с поддержкой qwen3_5 и используемого токенизатора; обычная установка Transformers может быть несовместима. Чекпойнт опубликован для исследовательского применения; сведения о лицензии, размере, контекстном окне и поддерживаемых языках в предоставленных данных отсутствуют.

CharlieLLL/Qwen3-1.7B-BrowseComp-Worker-OPD-iter149-0917 — экспортированный чекпойнт дообученной языковой модели Qwen3-1.7B, подготовленный как рабочая модель для поиска и ответа на вопросы BrowseComp в составе системы с оркестратором. В README указано, что это BF16-экспорт итерации 149, использованный в оценивании 18 сентября 2026 года; контекст составляет 40 960 токенов. Модель построена на плотной архитектуре Qwen3 и поддерживает диалоговый интерфейс и интерфейс вызова инструментов. В README приведены результаты связки рабочих моделей с разными оркестраторами на BrowseComp и DR9K. Это результаты всей системы, а не точность модели при самостоятельной генерации. Для воспроизведения требуется использовать соответствующие оцениванию шаблоны чата, инструменты поиска, бюджеты и протокол; обычный диалоговый запрос не воспроизводит эти результаты. Модель предназначена для генерации текста и работы в агентном поисковом сценарии, а не описана как самостоятельная поисковая система. Лицензия — Apache-2.0.

Hirundo Qwen3.6-35B-A3B Westernized — модель Hirundo на базе Qwen/Qwen3.6-35B-A3B, изменённая методом поведенческого unlearning для снижения цензурирующих и геополитически предвзятых ответов при сохранении прочих возможностей. Это мультимодальная MoE-модель для диалогов и анализа изображений; метаданные указывают семейство Qwen 3.5 MoE, интерфейс вызова инструментов и задачу image-text-to-text. Репозиторий содержит самостоятельный объединённый чекпойнт в формате Safetensors, который загружается без отдельного адаптера. В README не приведены размер контекста и список языков. Модель подходит для мультимодальных диалогов, анализа изображений и сценариев с вызовом инструментов, где требуется уменьшить отказы или геополитически обусловленные ответы. В оценках Thinking-OFF из блога Hirundo сообщается о снижении показателей на CCPC-500, DECCP и ChinaBench; результаты безопасности различаются по тестам, а README подчёркивает, что они относятся только к указанным бенчмаркам. Чекпойнт распространяется по лицензии Apache-2.0.

Модель while725/qwen_finetune_16bit_action_260320 — дообученная версия мультимодальной Qwen3.5-35B-A3B от Alibaba, подготовленная с помощью Unsloth и библиотеки TRL от Hugging Face. Она предназначена для диалоговых задач с текстом и изображениями, включая анализ изображений и ответы на вопросы по ним; интерфейс также поддерживает вызов инструментов. В основе лежит архитектура Qwen3.5 MoE с условной генерацией. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Карточка не описывает конкретные данные и цель дообучения, поэтому специализацию сверх возможностей базовой модели установить нельзя.

Карточка модели allenai/SAGE-MM-Qwen3-VL-8B-SFT_RL на Hugging Face совпадает с карточкой allenai/SAGE-MM-Qwen2.5-VL-7B-SFT_RL, поэтому описание составлено по ней. SAGE-MM-Qwen2.5-VL-7B-SFT_RL — модель Allen Institute for AI на базе Qwen2.5-VL-7B, дообученная для мультимодального рассуждения о видео в системе SAGE. Она анализирует кадры и метаданные видео, решает, можно ли ответить сразу или нужно обратиться к инструментам, а затем объединяет полученные наблюдения в итоговый ответ. Модель может формировать JSON-действия для поиска в интернете, распознавания речи по фрагментам видео, определения временных границ событий, извлечения кадров или клипов и детального анализа медиа. Модель содержит 7,1 млрд параметров, использует архитектуру Qwen2.5-VL и принимает контекст до 128 000 токенов. Для выполнения инструментальных действий ей требуется внешняя среда, которая разбирает JSON, запускает инструменты и возвращает их результаты. Модель опубликована в формате safetensors под лицензией Apache-2.0. Карточка указывает английский язык; данных о других поддерживаемых языках нет.

SakThai Context 1.5B Merged V2 — это дообученная и объединённая модель на основе Qwen2.5-1.5B-Instruct, опубликованная House of Sak. Она предназначена для генерации текста и структурированных вызовов инструментов и функций в диалоговых сценариях, в том числе при локальном запуске на CPU или периферийном устройстве. Модель содержит 1,5 млрд параметров, использует архитектуру Qwen2 и имеет контекстное окно 32 768 токенов. Доступны веса SafeTensors и GGUF Q4_K_M; для работы с вызовами инструментов требуется XML-блок описания инструментов в системном запросе. Карточка сообщает о результатах внутренних тестов, но они не прошли независимую проверку. Модель компактнее варианта на 7B параметров, однако уступает ему в рассуждениях; точность формирования аргументов вызова инструментов ограничена. Поведение при вызовах инструментов проверялось на английском языке, поддержка других языков для этой задачи не подтверждена. Лицензия — Apache 2.0.

ScaleCUA-glm4.6v-scienceboard — агент для управления графическим интерфейсом, разработанный командой ScaleCUA на базе GLM-4.6V-Flash. Это контрольная точка после online RL (RLVR), предназначенная для выполнения задач в ScienceBoard. Модель принимает изображения интерфейса и текстовые инструкции, а в ответ формирует текст для взаимодействия с пользователем или агентской средой. В метаданных указаны архитектура GLM-4V и поддержка диалога и зрения; репозиторий содержит веса safetensors и использует Transformers. В README приведён результат 49,4% на ScienceBoard. Для запуска авторы описывают OpenAI-совместимый сервер vLLM и оценочную среду osworld_eval. Модель дообучена от extreme1228/ScaleCUA-glm4.6v-scienceboard-sft. Лицензия обозначена как other; конкретные условия следует сверять с карточкой модели и файлами лицензии.

Tercet-R-1.0 — диалоговая языковая модель семейства Tercet, разработанная автором репозитория kerzgrr. Это дообученная версия kerzgrr/Tercet-base, предназначенная для следования инструкциям, рассуждений и взаимодействия с инструментами через интерфейс вызова функций в формате SmolTalk JSON. Модель построена на гибридной архитектуре TinyGDN: 32 слоя GDN-2 и GQA, со скрытым размером 1024; веса опубликованы в bfloat16. Карточка указывает около 502 млн параметров, тогда как метаданные каталога — 392,2 млн. Нативная длина контекста по метаданным — 32 768 токенов. Модель принимает текст и генерирует текстовые ответы или вызовы инструментов. В карточке описан переключатель режима рассуждений, позволяющий выводить ход рассуждения либо только ответ. Модель ориентирована на англоязычный чат; среди обучающих данных указаны наборы для инструкций, рассуждений и вызова функций. Лицензия — Apache-2.0. Автор характеризует модель как компактную исследовательскую и периферийную модель, а не систему передового уровня. Для запуска требуется flash-linear-attention; совместимость с GGUF и llama.cpp в карточке не заявлена.

BetterWright-4b — полноразмерная дообученная модель на базе XHToken/Spark-X2.5-4B, созданная для управления браузером через BetterWright и Playwright. Разработчики обучали её на проверенных выполнением траекториях работы агента с реальными сайтами; модель использует архитектуру Spark-X2.5 с чередованием скользящего и полного внимания и содержит 3,8 млрд параметров. Модель предназначена для выполнения многошаговых задач в браузере: перехода по страницам, извлечения сведений и заполнения форм в тестовых сценариях. Она работает с инструментами браузера и выдаёт текстовые ответы и вызовы инструментов. Нативный контекст — до 1 048 576 токенов, рекомендуемое окно обслуживания — 262 144 токена. Для работы с браузером модель рассчитана на шаблон чата Spark-X2.5 и совместимый инструментальный интерфейс BetterWright. В небольшом тесте на 40 задачах модель чаще выдавала ответы, обоснованные наблюдениями браузера, чем базовая модель, однако строгий процент успешного выполнения остался низким, а многие задачи завершились по тайм-ауту. Модель видит текстовые снимки доступности, DOM и JSON-результаты, но не скриншоты; обучение не охватывало аутентифицированные сценарии с реальными учётными данными. Лицензия — Apache-2.0.

Carnice-V3 — дообученная модель Kai-OS для работы в роли агента Hermes. Это полный слитый чекпойнт Qwen3.8-27B: плотная мультимодальная архитектура с 27,78 млрд параметров, сохранённая в BF16 в формате safetensors и загружаемая через Transformers. Модель принимает текст и изображения и выдаёт текст; её обучали на примерах вызова инструментов, многошаговых задач и ответов в формате Hermes. Карточка указывает английский язык, а метаданные базовой модели также описывают поддержку анализа видео и программирования. Carnice-V3 предназначена для агентских сценариев, где модель планирует шаги, формирует вызовы инструментов и отвечает по результатам их выполнения. Чекпойнт дообучен методом rank-64 rsLoRA на восьми частных траекториях и затем объединён с базовой моделью; это небольшой набор, поэтому широкая обобщающая способность не подтверждена. Внутренняя диагностика выявила снижение надёжности на длинных задачах и точности соблюдения контрактов инструментов относительно базовой модели. Зрение отдельно не дообучалось. Лицензия — Apache-2.0.

Ear — модель для определения языка устной речи в аудиозаписи, созданная desert-ant-labs на основе openai/whisper-tiny. Она выбирает три наиболее похожих на речь 30-секундных фрагмента и классифицирует язык; для записей короче 30 секунд использует один фрагмент. Модель принимает аудио, а SDK возвращают код наиболее вероятного языка, оценку уверенности, ранжированный список кандидатов и признак надёжности результата. Модель рассчитана на локальный запуск на мобильных и настольных устройствах, в браузере и Node.js. Доступны форматы Core ML для устройств Apple и LiteRT/TFLite для других платформ. README указывает поддержку 99 языков и обработку окон длительностью 30 секунд; классификация выполняется примерно за 250 мс. Метаданные перечисляют часть языков, но не все заявленные в README. По описанным разработчиком испытаниям, уверенные ответы в двух небольших наборах записей были верны; это не заменяет широкую независимую оценку качества. Модель хуже определяет речь, смешанную с громкой музыкой, не различает надёжно норвежский, шведский и датский, а в многоязычной записи сообщает язык выбранных фрагментов. Она определяет язык, но не транскрибирует речь. Лицензия в метаданных обозначена как other; README сообщает, что исходные веса Whisper Tiny имеют лицензию MIT, но не уточняет условия лицензии самой Ear.

unsloth/InternVL3-2B-GGUF — мультимодальная модель семейства InternVL3, разработанная OpenGVLab и представленная в формате GGUF при участии Unsloth. Она предназначена для обработки изображений и текста: визуального восприятия и рассуждений, анализа промышленных изображений, GUI-агентов, использования инструментов и задач 3D-восприятия. Модель поддерживает мультиязычные сценарии, однако конкретный перечень языков в карточке не указан. Архитектура построена по схеме ViT-MLP-LLM и включает vision-компонент InternViT-300M-448px-V2_5, MLP-проектор и языковую часть Qwen2.5-1.5B; общий размер базовой модели обозначен как 2B параметров. Модель является дообученной версией OpenGVLab/InternVL3-2B и обучалась с использованием датасета OpenGVLab/MMPR-v1.2. Карточка не указывает размер контекста и точную схему квантования GGUF. К сильным сторонам относятся мультимодальность, сочетание визуального анализа с языковым пониманием и сравнительно компактный размер, удобный для локального запуска в совместимых инструментах. Ограничениями являются небольшой размер языковой части по сравнению с более крупными вариантами семейства, отсутствие подробных сведений о производительности, поддерживаемых языках и контекстном окне, а также возможные потери качества из-за квантования. В метаданных указана лицензия Apache-2.0, но также приведено обозначение qwen и ссылка на лицензию Qwen, поэтому условия распространения следует дополнительно проверить перед использованием.

Octo-planner — компактная языковая модель Nexa AI для планирования действий в Planner-Action Agents Framework. Это дообученная версия Phi-3 Mini с архитектурой Phi3ForCausalLM и 3,7 млрд параметров; веса доступны в формате safetensors. Модель генерирует планы для локально работающих агентов и предназначена для запуска на периферийных устройствах без облачного подключения. Планирование отделено от выполнения действий, что позволяет специализированно настраивать компоненты агентной системы. В README заявлена успешность 98,1% на тестовом наборе; обучение описано на примерах десяти Android API. Контекст модели — 4096 токенов. Карточка позиционирует её как эффективную для локальной работы, однако описанный обучающий материал узок, поэтому заявленный результат не гарантирует качество на других API и сценариях. Лицензия CC BY-NC 4.0 разрешает использование на условиях лицензии, включая ограничения на коммерческое применение.

Ornith-1.5-35B-A3B-Spark-Abliterated-VL-MTP-NVFP4 — объединённая мультимодальная модель на основе Ornith 1.5, подготовленная для запуска через vLLM на DGX Spark и похожих системах с ускорителями Blackwell и примерно 44 ГБ или более видеопамяти. Языковая часть взята из pottokao/Ornith-1.5-35B-A3B-abliterated-NVFP4-DFlash, а модуль обработки изображений и блок многотокенного предсказания — из ornith-ai/Ornith-1.5-35B-A3B-NVFP4. Модель использует архитектуру Qwen3.5 MoE и формат NVFP4; заявленный размер семейства — 35B параметров с 3B активных. Модель принимает текст и изображения, поддерживает диалог и интерфейс вызова инструментов. README описывает запуск на DGX Spark: автор сообщает о скорости более 70 токенов/с в одном потоке и около 400 токенов/с при 16 потоках. Карточка указывает английский язык. Лицензия — MIT. Версия содержит abliterated-языковую часть; README не приводит конкретных ограничений безопасности или результатов оценки качества.

Ornith-1.5-9B-Function-Calling-xLAM-Unsloth-GGUF — это GGUF-квантизации модели ornith-ai/Ornith-1.5-9B, дообученной разработчиком ermiaazarkhalili методом LoRA на датасете Salesforce/xlam-function-calling-60k. Модель предназначена прежде всего для генерации текста и сценариев function calling, включая формирование вызовов внешних инструментов; формат GGUF рассчитан на использование с llama.cpp и совместимыми средствами, например Ollama. Модель содержит около 9 млрд параметров. Дообучение выполнено с использованием Unsloth и TRL, в режиме supervised fine-tuning, на последовательностях длиной до 2048 токенов; базовая точность обучения — 4-bit QLoRA. Доступны варианты квантизации от Q2_K до Q8_0 размером примерно от 3,83 до 9,53 ГБ. Языки и поддерживаемые модальности в карточке не указаны, поэтому модель следует рассматривать как текстовую. Основное преимущество — адаптация под function calling при относительно компактных требованиях к памяти и наличии нескольких уровней квантизации. При этом для модели не проводилась оценка на прикладных бенчмарках: опубликованы только значения обучающей функции потерь. Поведение вне распределения датасета, а также устойчивость, фактическое качество вызовов инструментов, смещения, знания и ограничения базовой модели не проверены; LoRA-адаптеры объединены с базовыми весами и отдельно отсоединить их нельзя. Лицензия — MIT, унаследованная от базовой модели.

ProactiveInquirer-Qwen3-8B-Merged — модель-вопросник, разработанная Идо Леви, Асафом Ехудаем, Сегевом Шломовым, Асафом Ади и Лешем Хошеном из IBM и Института Вейцмана. Это слитая с базовой моделью Qwen3-8B версия LoRA-адаптера, обученного для исследования горизонтальной и вертикальной проактивности агентов. Модель содержит 7,6 млрд параметров, использует архитектуру Qwen3ForCausalLM, веса в формате safetensors и контекст до 40 960 токенов; распространяется по лицензии Apache-2.0. Модель предназначена для включения в агентную систему: по заданному шаблону промпта она задаёт уточняющие вопросы, чтобы найти недостающую информацию и помочь завершить многошаговую задачу. Каждый шаг возвращает JSON-действие: задать вопрос или остановиться. Она обучена и оценивалась на английском языке, в том числе на задачах многошагового вопросно-ответного поиска. Это не универсальный чат-ассистент; для работы требуется соответствующий шаблон промпта, а режим thinking Qwen3 следует отключить. По описанию авторов, модель лучше научилась задавать вопросы, чем определять момент остановки; дополнительные найденные сведения пока не приводят к лучшим итоговым ответам. Пользовательские результаты получены с симулированным клиентом, а не с реальными людьми. Это один обучающий запуск (seed 1); совпадение с адаптером проверено только на одном примере, а не на бенчмарке.

Это дообученная модель Qwen2.5-0.5B-Instruct от автора репозитория rautaditya: LoRA-адаптер ранга 16 объединён с исходными весами в единый чекпойнт MLX. Модель содержит около 494 млн параметров, построена на плотной архитектуре Qwen2 и поддерживает контекст до 32 768 токенов. Она предназначена для диалогов с вызовом инструментов: в карточке показаны примеры вызова get_weather и calculator с передачей аргументов в JSON. Модель обучена на небольшом наборе из 101 примера для обучения и 11 для валидации; лучший чекпойнт выбран на 300-й итерации. В описанных проверках адаптер улучшил результаты на наборах тестов для формата вызова и выбора инструмента, однако отдельные ошибки сохраняются: модель может неверно обработать незнакомое написание города, неоднозначно запросить уточнение или дать неподтверждённый факт в ответе без вызова инструмента. Для запуска предназначен MLX-LM на Apple Silicon; README не сообщает лицензию этой модели.