I.14Автоматизация процессов и AI-агенты

Macaw — компактная диалоговая модель badtheorylabs для локального управления задачами на macOS. Она дообучена на LiquidAI/LFM2.5-2.6B и использует архитектуру LFM2 с плотной причинно-языковой моделью. Репозиторий содержит сборку BF16 для дообучения или запуска на GPU; приложение использует отдельную 4-битную сборку MLX. Метаданные указывают 2,6 млрд параметров и контекст до 128 000 токенов. Модель предназначена для понимания запросов на естественном языке, вызова инструментов и последовательного выполнения действий в приложениях и файловой системе Mac: например, работы с почтой, календарём и файлами, чтения PDF и проверки сведений о системе. По карточке, Macaw может самостоятельно связывать несколько шагов и проверять результат каждого действия. Указаны поддержка английского языка и запуск на устройстве; заявленные авторами результаты тестирования относятся к их собственной проверке на Apple M2. Лицензия обозначена как other, поэтому точные условия использования следует проверять в карточке репозитория. Работа модели сама по себе не предоставляет macOS-доступ к инструментам: для действий приложению нужны соответствующие инструменты и разрешения. Заявления о точности и скорости основаны на ограниченном тестовом наборе автора и не гарантируют тех же результатов в других условиях.

Privasis-Cleaner-0.6B — компактная модель NVIDIA для очистки текстов от чувствительной информации по инструкции пользователя. Она принимает исходный текст и указание, какие категории данных удалить или обобщить, например имена, даты, местоположения и идентификаторы, и возвращает очищенный текст для редактирования PII/PHI, подготовки данных к исследованиям и автоматизации требований приватности. Модель представляет собой decoder-only Transformer семейства Qwen3 с 507,9 млн параметров, дообученный методом SFT на 36 723 синтетических примерах-инструкциях. Метаданные указывают контекст до 40 960 токенов; модель принимает и выдаёт текст. В карточке заявлены сценарии для GDPR и HIPAA, однако язык данных обучения не уточнён, а метаданные карточки отмечают английский язык. Модель рассчитана на исследовательское и некоммерческое использование; лицензия репозитория указана как other, а для обучающих подмножеств описаны условия CC-BY-NC и лицензии исходных генераторов. Автоматическая очистка может пропускать чувствительные сведения или изменять нужный смысл, поэтому результат следует проверять на данных конкретного сценария.

Qwen3.5-27B-WebArena-Agentic-ESOpt — полноразмерная дообученная текстовая модель на базе Qwen/Qwen3.5-27B, подготовленная для задач WebArena. Разработчик репозитория описывает её как итоговую модель эксперимента NoSkill + Agentic-ESOpt: обучение велось методом Agentic-ESOpt с популяцией из 8 вариантов и 70 поколениями, с обновлением всех параметров и нормализацией награды z-score. Модель предназначена для генерации текста в агентных сценариях, связанных с выполнением задач в веб-среде WebArena. В трёх запусках она показала средний результат 36,16% по оценке WebArena. Архитектура — плотная Qwen3.5 для причинной генерации текста; размер по метаданным — 22,3 млрд параметров, контекст — до 262 144 токенов. Репозиторий содержит веса safetensors и файлы токенизатора. Лицензия — Apache-2.0. Указанный результат относится к оценке WebArena и сам по себе не характеризует качество на других задачах; карточка не приводит подробностей обобщения на другие веб-сайты или сценарии.

FineEnvs/Qwen3.5-2B-opencode-RL — полноразмерное дообучение Qwen/Qwen3.5-2B, выполненное FineEnvs для агентных задач анализа данных. Модель обучена методом асинхронного GRPO с бинарной наградой за правильность ответов; обучающие сценарии выполнялись через OpenCode в средах OpenEnv и Harbor с песочницами E2B. Это плотная модель семейства Qwen3.5 с 2 млрд параметров, сохранённая в формате safetensors вместе с токенизатором и шаблоном чата. Модель предназначена для генерации текста и работы в агентных сценариях, где нужно решать задачи анализа данных с инструментами. В карточке указана оценка pass@1 39,5% на наборе из 250 тестовых задач в четырёх вычислительных оболочках; результаты относятся к конкретным версиям инструментов и одной выборке. Хотя базовая Qwen3.5-2B мультимодальна, этот вариант обучался и оценивался для взаимодействия текстом и инструментами, и README не заявляет о проверке возможностей работы с изображениями. Лицензия — Apache-2.0. Для воспроизведения оценок нужны описанные в статье агентная оболочка и инструменты; обычный диалоговый запрос не эквивалентен тестированию. Авторы предупреждают, что выбор чекпойнта по результатам того же тестового набора может завышать оценку, а результаты одного запуска не позволяют делать выводы о причинном влиянии обучающей цели или используемой оболочки.

ScaleCUA-qwen3.5-scienceboard — агент для управления графическим интерфейсом, разработанный командой ScaleCUA на базе Qwen3.5-9B. Это чекпойнт после онлайн-обучения с подкреплением (RLVR), начатого с extreme1228/ScaleCUA-qwen3.5-scienceboard-sft; модель принимает изображения интерфейса и текстовые инструкции и формирует текстовый ответ для выполнения задач в GUI. Модель предназначена для работы со ScienceBoard и запуска через OpenAI-совместимый сервер, например vLLM, вместе с runtime для оценки OSWorld. В README сообщается результат 54,0% на ScienceBoard. В основе подхода ScaleCUA лежат генерация проверяемых GUI-задач, Frontier Sampling и сегментация визуального контекста. Репозиторий содержит веса safetensors для Transformers. Лицензия указана как other, без дополнительных условий в предоставленных данных.

Supertron3-0.8B — компактная мультимодальная модель Suprem Org для GUI-агентов и вызова инструментов на локальных устройствах. Она дообучена на Qwen/Qwen3.5-0.8B и использует архитектуру Qwen3.5 с гибридными слоями Gated DeltaNet и attention, визуальным энкодером и 0,8 млрд параметров. Модель принимает текст и изображения интерфейсов, анализирует веб-страницы, рабочий стол и CLI, а затем формирует действия для управления компьютером или вызовы функций в JSON. Заявленный родной контекст — 262 тыс. токенов; в примере запуска для vLLM указан предел 8192 токена. Модель предназначена для навигации по интерфейсам, локализации элементов управления и выполнения коротких сценариев компьютерного использования, а также для маршрутизации запросов к инструментам. В карточке приведены результаты оценок BFCL, Mind2Web и Computer Use, но они относятся к тестам разработчика. Ограничения включают слабую пригодность для длительных многошаговых процессов и недостаточную точность визуального поиска относительно задач класса ScreenSpot-Pro. Лицензия — Apache 2.0.

Bee-150M-PT-SFT v2 — модель BrCamp для генерации текста и выдачи вызовов инструментов в диалоговом формате. Это дообученная методом supervised fine-tuning версия Bee-150M-PT-Base: плотная причинная языковая модель семейства Llama с 151,1 млн параметров, обученная на португальском языке; контекстное окно составляет 2048 токенов. В версии v2 применён офлайн-цикл rejection sampling: модель генерировала варианты, а внешний детерминированный проверяющий отбирал подходящие примеры для дообучения. Модель предназначена для португалоязычных сценариев, где нужно решить, следует ли вызвать инструмент, и сформировать структурированные аргументы, например город для прогноза погоды или путь к файлу. В описанном тесте с симуляцией инструментов она выполнила задачу в 65,9% случаев и реже вызывала инструмент без необходимости, чем v1. Использовать её следует вместе с каталогом доступных инструментов в системном сообщении; выполнение вызовов и управление последовательностью действий должен обеспечивать внешний оркестратор. Модель хорошо справляется с каноническими структурированными аргументами, но слаба при формировании аргументов свободного текста. Она не обучалась на ответах инструментов в многошаговом диалоге, может выдумывать факты и недостающие параметры запроса, поэтому не подходит для открытых фактологических вопросов и требует проверки аргументов. Выпускается в формате Safetensors для Transformers под лицензией Apache-2.0.

ZySec-AI подготовила экспериментальную модификацию Gemma 3 27B IT с удалёнными отказами с помощью техники abliteration и минимальным дообучением. Это плотная мультимодальная модель семейства Gemma 3 на 27 млрд параметров, основанная на google/gemma-3-27b-it; она поддерживает диалог, работу с изображениями и вызов инструментов. Модель предназначена для ответов на запросы и работы с изображениями в сценариях, где требуется меньше отказов, чем у исходной версии. В карточке заявлено, что сохранена большая часть возможностей базовой модели, но независимая оценка качества не приведена. Распространяется в формате Safetensors по лицензии Gemma.

Grok 4.20 — модель для рассуждений, представленная SpaceXAI. В карточке заявлены высокая скорость, вызов инструментов в агентных сценариях, низкий уровень галлюцинаций и точное следование инструкциям. Этих сведений недостаточно, чтобы установить поддерживаемые задачи по входным данным, архитектуру, размер, модальности, языки или длину контекста. Метаданные каталога относят модель к задаче image-text-to-text, однако README не объясняет её работу с изображениями. Дата публикации на Hugging Face — 31 марта 2026 года; сведения о лицензии отсутствуют.

NexaAI/Octopus-v2-gguf-awq — набор квантизированных вариантов модели Octopus V2, разработанной NexaAI/NexaAIDev на базе Google Gemma 2B. Модель предназначена для локального, в том числе on-device, использования и сценариев function calling: по текстовому запросу она определяет нужную функцию и формирует параметры вызова. В README отдельно упоминаются сценарии управления камерой Android, например съёмка фронтальной или основной камерой и сохранение фотографии. Доступны форматы GGUF для запуска через llama.cpp и ручного импорта в Ollama, а также AWQ для использования с AutoAWQ и PyTorch на CUDA. Указан английский язык. Размер и скорость зависят от варианта квантизации: AWQ занимает около 3,00 ГБ, а GGUF-варианты — примерно от 1,16 до 1,92 ГБ; заявленная производительность составляет около 52–69 токенов в секунду в приведённом бенчмарке. Сильными сторонами являются компактность, локальный запуск и высокая скорость, однако более агрессивная квантизация снижает качество, а модель ориентирована прежде всего на вызов функций, а не на универсальный диалог. Размер контекста и другие архитектурные характеристики в README не указаны. Лицензия — CC BY-NC 4.0, допускающая некоммерческое использование на заявленных условиях.

Occupying-Mars подготовила дообученную методом vanilla PPO модель Qwen3-4B-Instruct-2507 с плотной архитектурой Qwen3 для вызова инструментов в символическом бенчмарке. Модель содержит 3,7 млрд параметров, принимает текст и поддерживает контекст до 262 144 токенов. В README описаны формат вызова инструментов Qwen3/Hermes и результаты проверки на 72 отложенных задачах: итоговая награда составила 0,972 при жадной генерации. Модель предназначена для экспериментов и сценариев, где агент решает задачи через последовательные вызовы инструментов. Она показала высокую точность на указанном детерминированном бенчмарке и восстановилась после временного ухудшения политики во время обучения. В README отмечено, что жадное поведение стоит проверять на целевых задачах; для генерации рекомендуется температура выше нуля. Распространяется по лицензии Apache-2.0.

Zap — компактная модель ProCreations для определения назначения полей и веб-форм, чтобы помогать менеджерам паролей и расширениям браузера правильно заполнять формы. Она классифицирует поля по 26 типам, включая имя пользователя, электронную почту, текущий и новый пароль, одноразовый код, телефон, адрес и платёжные данные, а форму целиком — по 11 назначениям, например вход, регистрация, восстановление пароля и оплата. Модель построена на архитектуре BERT для классификации токенов; в метаданных указано 25,2 млн параметров, контекст до 512 токенов и поддержка многоязычных форм. Принимает текстовое представление формы с DOM-атрибутами и окружающим текстом, а выдаёт метки классов и оценки уверенности. В README описаны веса bf16 и варианты ONNX, включая int8, а также интеграция с Python и JavaScript. На отложенных сайтах автор сообщает точность 97,2% для полей и 95,7% для назначения формы. Zap подходит для локальной классификации форм в менеджерах паролей и браузерных расширениях. Модель не анализирует изображение страницы или CSS, не входит в shadow DOM, а поля внутри iframe требуют отдельного извлечения. Результаты на платёжных формах ограниченно проверены, а обучающие метки частично получены от LLM и могут содержать ошибки. Лицензия — MIT.

Bonsai-27b-Ternary-JANG — преобразованная модель JANGQ-AI на основе prism-ml/Ternary-Bonsai-27B-unpacked. Это плотная мультимодальная модель Qwen3.5 с архитектурой условной генерации и 27 млрд параметров, предназначенная для диалога и обработки изображений; карточка также содержит видеообработчик и шаблон чата с поддержкой инструментов. Текстовые матрицы хранятся в тернарном аффинном формате JANG с 2-битными слотами и размером группы 128, а 83 линейных слоя зрения — в 4-битном формате; часть тензоров оставлена в float16. Модель рассчитана на запуск в vMLX, включая сценарии визуальных вопросов и ответов, многошагового диалога и вызова инструментов. В README приведены результаты проверок текстового ответа и удержания контекста в многоходовом диалоге. Для работы нужна сборка vMLX с поддержкой дискретного JANG-affine хранения и смешанной точности для зрения; стандартный mlx_lm этот формат не поддерживает. Лицензия — Apache-2.0.

Карточка модели lokeshe09/gemma-4-26B-A4B-it-SFT-GSPO_OCRR на Hugging Face совпадает с карточкой lokeshe09/gemma-4-26B-A4B-it-SFT-GRPO, поэтому описание составлено по ней. Мультимодальная диалоговая модель Gemma 4, дообученная lokeshe09 на базе unsloth/gemma-4-26B-A4B-it с использованием Unsloth и библиотеки Hugging Face TRL. Предназначена для диалогов с текстом и изображениями; поддерживает анализ изображений и интерфейс вызова инструментов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает обучающие данные и конкретные улучшения после дообучения, поэтому качество для отдельных сценариев по ней оценить нельзя.

Letta-o1 — дообученная разговорная языковая модель на архитектуре Qwen2, опубликованная пользователем minchyeom. Она предназначена для генерации текста в сценариях диалога и использования с Letta/MemGPT с немного изменённой системной инструкцией. Модель содержит 7,1 млрд параметров, работает с контекстом до 32 768 токенов и принимает и выдаёт текст. В метаданных указан английский язык и формат safetensors. Модель распространяется по лицензии Apache-2.0. Карточка рекомендует адаптировать системный prompt для Letta/MemGPT, но не раскрывает его содержимое и не приводит оценок качества или подробных результатов. Базовая модель — AIDC-AI/Marco-o1.

ocr-captcha-v3-finetuned — дообученная модель распознавания CAPTCHA, созданная на основе anuashok/ocr-captcha-v3 разработчиком dathuynh1108. Это архитектура VisionEncoderDecoder, принимающая изображения и преобразующая их содержимое в текст; модель предназначена для распознавания символов на CAPTCHA. В README приведены результаты на наборе оценки: loss 0,1145 и CER 0,0056. Модель обучена на наборе dathuynh1108/captcha-to-text и распространяется в формате Safetensors через библиотеку Transformers. Лицензия — Apache-2.0. Сведения о поддерживаемых языках и конкретных ограничениях применения не приведены.

SymbioticLM-1B — компактная текстовая модель Convergent Intelligence LLC из серии Symbiotic AI, предназначенная для логических рассуждений и работы в условиях ограниченных ресурсов. По метаданным это плотная авторегрессионная архитектура Qwen3ForCausalLM на 507,9 млн параметров, дообученная на базе Qwen/Qwen3-0.6B; README описывает гибридный символьно-трансформерный подход, символическую память и обработку мыслительных состояний. Модель рассчитана на генерацию текста, диалоговых ответов, планов, объяснений и небольших фрагментов кода. Заявлены контекст до 40 960 токенов, англоязычная поддержка и запуск через Transformers; карточка также указывает интерфейс вызова инструментов. В README перечислены сценарии для исследовательских агентов, образовательных помощников, процедурного планирования и математического моделирования. Среди описанных компонентов — память из 2048 символических векторов и модули обработки символических представлений. Автор указывает, что модель менее свободно формулирует ответы, чем более крупные варианты, точность символических операций зависит от подготовки памяти, а сложный режим симуляции требует прогрева или начальной символической информации. Лицензия — AFL-3.0. README называет базовую модель Qwen-1B, однако метаданные Hugging Face связывают этот репозиторий с Qwen/Qwen3-0.6B; в качестве базовой модели указана версия из метаданных.

Tholos-2B — компактная языковая модель Eschatia Labs, разработанная Мертом Кая для локальных AI-агентов и выбора инструментов при работе с таблицами, заметками и задачами. Это дообучение MiniCPM5-2B с LoRA на синтетических англоязычных траекториях выполнения инструментов. Модель содержит 2,2 млрд параметров, использует архитектуру LlamaForCausalLM и доступна в формате safetensors. Заявленная длина контекста — 131 072 токена, однако описанные оценки проводились с контекстом 16 384 токена. Модель обучена для последовательного выбора одного из тринадцати инструментов и выдачи структурированного ответа с полями thought, tool и args. В тесте Tholos-Bench она успешно прошла 137 из 160 сценариев при декодировании JSON-схемы на Kaggle T4; результаты меняются в зависимости от среды и режима декодирования. Применение в других задачах и с другими форматами инструментов не оценивалось. Рекомендуется проверять вызовы инструментов и сохранять подтверждения для операций с последствиями; бенчмарк не подтверждает общую безопасность модели. Лицензия — Apache-2.0.

TinyShell LFM2.5 — компактная языковая модель, дообученная автором tharunpranavsakthivel на LiquidAI/LFM2.5-230M для преобразования инструкций на естественном языке в структурированный JSON формата TinyShell ShellIntent. Она принимает текст и выбирает одно из высокоуровневых решений: compile, clarify или unsupported. Модель имеет плотную авторегрессионную архитектуру LFM2 и содержит 221,2 млн параметров; нативный контекст — до 128 000 токенов. Карточка указывает английский язык и поддержку диалогового режима. На отложенной выборке достигнуты 99% успешного разбора JSON, 96% соответствия схеме и 37,5% точного совпадения IR. Модель корректно завершала генерацию после первого JSON-объекта в исходной конфигурации вывода. Это пилотное дообучение на 1 600 примерах с одной обучающей инициализацией; строгое совпадение IR заметно ниже метрик синтаксической и схемной корректности. Вывод следует считать недоверенным: его нужно проверять по схеме и пропускать через безопасный детерминированный компилятор. Производная модель распространяется по лицензии LFM Open License v1.0.

Escarda-Rewrite — компактная модель генерации текста от Quazim0t0 для оптимизации запросов. Она преобразует исходный вопрос в подробную инструкцию с подходящей профессиональной ролью, формулировкой задачи и уточняющими вопросами. Модель предназначена для использования перед Escarda-Identity: сначала переписывает запрос, затем базовая модель формирует ответ. Модель построена на плотной архитектуре SpikeWhaleLM семейства SpikeWhale с JEPA SpikeWhale и словарём из 16 512 токенов. В метаданных указаны 103,6 млн параметров, контекст до 4096 токенов, формат safetensors и поддержка английского языка. В README размер округлён до 86 млн параметров. Автор сообщает, что модель обучалась для соответствия QueryShield-1.5B и сравнивалась с ним; корпус охватывает, среди прочего, медицинские, юридические, финансовые, сельскохозяйственные, программные, образовательные и исследовательские темы. Лицензия — Apache-2.0. Модель генерирует оптимизированные инструкции, а не экспертные ответы: качество итогового результата зависит от следующей модели в цепочке. Описание не приводит численных результатов бенчмарков или дополнительных ограничений применения.

Huihui-Fara-7B-abliterated — мультимодальная разговорная модель huihui-ai на архитектуре Qwen2.5-VL, созданная на основе microsoft/Fara-7B. Разработчик сообщает, что модель прошла abliteration: обработана текстовая часть, а визуальная часть не изменялась. Модель принимает текст и изображения и предназначена для диалогов и выполнения задач с визуальным контекстом; базовая Fara-7B управляет браузером по скриншотам и выполняет веб-задачи с помощью вызовов инструментов. В модели 7,1 млрд параметров, контекст — до 128 000 токенов. Она доступна в формате safetensors и использует библиотеку Transformers. Лицензия — MIT. Снижение защитных фильтров может приводить к чувствительным, спорным или неподходящим ответам; результаты следует проверять. README не уточняет, сохраняется ли интерфейс вызова инструментов базовой модели в этой версии.

InsightEmb — текстовая модель эмбеддингов, созданная на основе Qwen3-Embedding-4B и дообученная для поиска полезных правил и стратегий по текущему состоянию интерактивного агента. Она сопоставляет конкретные ситуации и промежуточные рассуждения с абстрактными приёмами, которые помогают преодолеть процедурное затруднение и продвинуться к цели, даже если формулировки и темы заметно различаются. Модель обучалась на математических задачах и траекториях рассуждений с двухэтапной контрастивной схемой и обучением на частичных траекториях; в README указана оценка переноса на ALFWorld, WebShop, ScienceWorld и SRA-Bench. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3 и принимает текст для извлечения эмбеддингов. Для получения представлений применяется pooling последнего токена с последующей L2-нормализацией; при поиске запрос рекомендуется снабжать инструкцией для retrieval. Заявленная длина контекста — 40 960 токенов. Модель предназначена для двуязычных сценариев на английском и китайском языках и распространяется по лицензии Apache-2.0. Она ориентирована на ранжирование процедурно полезных результатов, поэтому её соответствие задачам обычного тематического поиска отдельно не подтверждено.

NanoAgent — компактная языковая модель на 134,5 млн параметров, разработанная автором репозитория applexml/kimi-k2 на основе HuggingFaceTB/SmolLM2-135M-Instruct. Это плотная модель семейства Llama для генерации текста и диалогов, дообученная методом Dynamic Fine-Tuning на данных для следования инструкциям, простых рассуждений и вызова инструментов. Контекст модели — 8192 токена; репозиторий содержит веса Safetensors, а в метаданных указана библиотека MLX. Модель предназначена для лёгких агентных сценариев на персональных устройствах: формирования структурированных вызовов инструментов и ответов с учётом их результатов, а также простых ReAct-взаимодействий. Обучающие данные включают англоязычные наборы для агентных задач, математики, кода и диалогов. Модель описана как бета-версия; для неё отмечены ошибки и неполные ответы, а выполнение вызовов инструментов может сбоить. Лицензия — Apache-2.0.

Magma-8B — мультимодальная агентная модель Microsoft Research и исследовательских партнёров, предназначенная для работы с цифровой средой и роботами. Модель принимает текст и изображения и генерирует текстовые ответы и целевые планы действий. В README указаны сценарии навигации по интерфейсам, манипуляции объектами роботом, игры, а также понимание изображений и видео. Для пространственно-временной привязки и планирования используются Set-of-Mark, Trace-of-Mark и данные видео без разметки. Модель имеет плотную архитектуру MagmaForCausalLM и около 7,5 млрд параметров. Для неё указано контекстное окно в 8192 токена; опубликованные веса представлены в формате safetensors. README заявляет широкое исследовательское применение на английском языке. Лицензия — MIT. Модель не предназначена для производственного развёртывания и не была специально разработана или оценена для всех прикладных сценариев. Её ответы могут быть неточными, вымышленными, предвзятыми или оскорбительными; качество на языках помимо английского ниже. Не следует применять её в высокорисковых сценариях, включая финансы, оборону и критическую инфраструктуру.

OCR Captcha Router — компактный маршрутизатор для распознавания CAPTCHA, разработанный Khabbazan. Он выбирает специализированную модель TrOCR для математических CAPTCHA или CAPTCHA с цифрами, загружая нужную модель при первом использовании; при неуверенном выборе применяется резервная проверка двумя моделями на основе порога уверенности и грамматических правил. В README приведён пример запуска распознавания изображения через Python API. В репозитории маршрутизатора указана Apache 2.0. Метаданные связывают его с дообученной MobileNetV2 для классификации изображений, а поддерживаемые задачи каталога включают классификацию изображений и преобразование изображения в текст. Специализированные OCR-модели могут загружаться отдельно при использовании.

AutoPowerPoint Agent — дообученная модель Teluv для генерации презентаций PowerPoint по текстовым запросам. Она основана на unsloth/Qwen3.5-2B и выпущена как объединённый релиз лучшего чекпойнта Reinforcement SFT, отобранного в цикле Golden v2, цикл 33. Модель предназначена для диалогового создания слайдов и автоматизации подготовки презентаций; в карточке также указаны теги slide-generation и python-pptx. Это плотная причинно-языковая архитектура Qwen3.5 с 1,7 млрд параметров, контекстом до 262 144 токенов и форматом safetensors. README сообщает метрики отбора: 85% успешных запусков, 67% успешных макетов и 14% успешных результатов Studio. Модель принимает и выдаёт текст; отдельная способность напрямую генерировать файлы или изображения в метаданных не подтверждена. Доступна на условиях Apache-2.0. Метрики показывают, что успешность макета и особенно Studio ниже успешности запуска, поэтому результат презентации может потребовать проверки и доработки.

BillyWang1/qwen2.5-3b-base-tool-n1-sft — дообученная модель генерации текста, созданная на основе Qwen/Qwen2.5-3B и обученная на наборе tool_sft. Она предназначена для генерации ответов в диалоговом формате и работы со сценариями вызова инструментов через соответствующий интерфейс. Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 3,1 млрд параметров и поддерживает контекст до 32 768 токенов. Рабочие веса представлены в формате safetensors. Карточка не описывает результаты оценки, конкретные наборы инструментов или ограничения поведения. Указана лицензия other, поэтому условия использования следует сверить с лицензией и сведениями в репозитории базовой модели.

Spreadsheet-RL-4B — языковая модель-агент для работы с электронными таблицами Excel, разработанная авторами проекта Spreadsheet-RL. Это плотная модель Qwen3 с 3,7 млрд параметров, дообученная методом GRPO с вознаграждением за результат на задачах в среде Spreadsheet Gym. Агент рассчитан на многошаговое взаимодействие с таблицами через специальные инструменты, выполнение кода в изолированной среде и пересчёт формул в Excel. Модель предназначена для решения реалистичных задач в электронных таблицах, например изменения таблиц и получения ответов на вопросы по их содержимому. Для воспроизведения результатов исследования требуется запускать её вместе с агентским каркасом Spreadsheet-RL, набором инструментов и средой оценки; сама по себе в обычном чате она не воспроизводит заявленные результаты. В тесте SpreadsheetBench авторы сообщают Pass@1 23,4. Модель основана на Qwen/Qwen3-4B-Thinking-2507, поддерживает контекст до 262 144 токенов и предназначена для англоязычного применения. Лицензия — Apache-2.0.

Luckybalabala/AutoGLM-Phone-9B-GGUF представляет собой набор GGUF-квантизованных версий мультимодальной визуально-языковой модели AutoGLM-Phone-9B, основанной на THUDM/glm-4v-9b. Репозиторий предназначен для запуска модели через llama.cpp и интеграции с Open-AutoGLM; разработчик самой базовой модели в README явно не указан, но упомянут проект OpenBMB/AutoGLM и связанный с ним Open-AutoGLM. Модель оптимизирована для автоматизации действий на смартфоне: она анализирует скриншоты экрана вместе с текстовыми данными и генерирует инструкции для дальнейших операций. Поддерживаются китайский и английский языки, входные данные в формате изображение плюс текст, GGUF и OpenAI-совместимый API. Это специализированное решение для сценариев управления телефоном, поэтому в других задачах качество может быть ниже. Доступны варианты от Q2_K до Q8_0, а также F16, с размером файлов примерно от 3,73 до 17,52 ГБ и ориентировочным потреблением памяти от 4 до 20 ГБ. Q4_K_M обозначен как сбалансированный рекомендуемый вариант, тогда как более сильное квантование уменьшает требования к памяти, но может снижать качество. README не приводит сведения о размере контекста, точной архитектуре кроме базовой модели, результатах независимого тестирования или гарантированных показателях качества. Указана лицензия Apache 2.0 с рекомендацией учитывать условия лицензии исходной модели.

Модель candra/blip-image-captioning-finetuned — дообученная версия BLIP (Bootstrapping Language-Image Pretraining) для автоматического описания изображений. Она принимает цветное изображение и генерирует текстовую подпись о его содержимом; из подписи также можно получить очищенные ключевые слова в формате хештегов. Базовая модель — Salesforce/blip-image-captioning-base. Модель подходит для автоматического создания подписей к изображениям и подготовки кратких тематических хештегов. В метаданных указаны архитектура BLIP с классом BlipForConditionalGeneration, поддержка изображений и текста, формат весов safetensors и английский язык. Данных о лицензии и размере модели в предоставленной карточке нет.