I.14Автоматизация процессов и AI-агенты

Модель lugman-madhiai/qwen3.5-0.8b-search-agent-5k — дообученная компактная мультимодальная модель семейства Qwen3.5, созданная lugman-madhiai на базе Qwen/Qwen3.5-0.8B. В карточке заявлены обучение с Unsloth и библиотекой Hugging Face TRL, а метаданные указывают плотную архитектуру Qwen3_5ForConditionalGeneration и формат safetensors. Модель предназначена для диалогов и обработки изображений с выдачей текстовых ответов; интерфейс также поддерживает вызов инструментов. Название предполагает специализацию на поисковом агенте, однако README не описывает обучающие данные, конкретный поисковый сценарий или качество этой специализации. Указанные языковые сведения ограничиваются английским. Модель распространяется по лицензии Apache-2.0. Как компактный чекпойнт на 0,8 млрд параметров, она может быть полезна для экспериментов и специализированных приложений; карточка не приводит оценок качества, длины контекста или подтверждённых ограничений для практического применения.

Qwen-Image-2.1-PE-T2I — модель переписывания запросов для генератора изображений Qwen-Image-2.1 из семейства Qwen. Это дообученная Qwen3.5-VL 9B: она преобразует краткое описание изображения на любом языке в подробный англоязычный промпт и рекомендует соотношение сторон. Её используют как этап подготовки запроса перед генерацией изображения в Qwen-Image-2.1. Модель принимает текст и выдаёт структурированный результат с переписанным промптом и рекомендуемым соотношением сторон. В карточке также описаны возможности базового генератора Qwen-Image-2.1, включая генерацию и редактирование изображений, однако это назначение данной PE-T2I модели не подтверждает. Лицензия указана как other; конкретные условия в доступных данных не раскрыты.

DunnBC22 подготовил дообученную версию Microsoft TrOCR Base для распознавания текста на изображениях CAPTCHA. Модель использует архитектуру vision-encoder-decoder и принимает изображение, выдавая распознанный текст. В README приведены результаты на оценочном наборе: CER 0,0075 и loss 0,1380; источник обучающих данных не раскрыт. Модель предназначена для экспериментов и извлечения текста из изображений CAPTCHA. В метаданных указан английский язык. Репозиторий распространяется по лицензии MIT; для обучающих сторонних данных могут действовать отдельные лицензионные ограничения.

AISA-AR-FunctionCall-Think — компактная текстовая модель Tuwaiq Academy для вызова функций по арабским запросам. Это официальный базовый вариант для Track B задания AISA-ArabicFC на ArabicNLP 2026: модель формирует короткую цепочку рассуждений на арабском языке, затем выдаёт структурированный вызов выбранного инструмента либо пропускает вызов, если он не нужен. Модель построена на Gemma 3 и дообучена методом LoRA на данных AISA-ArabicFC с арабскими примерами рассуждений; адаптер объединён с базовой моделью для обычного инференса. В ней около 257 млн параметров, архитектура Gemma3ForCausalLM, формат весов safetensors, контекст — до 32 768 токенов. Она рассчитана на запросы на арабском языке, включая пять диалектов, и на заданный формат диалога и схемы инструментов. На тестовом наборе авторы сообщают точность выбора функции 0,982 и точное совпадение аргументов 0,541; результаты относятся к заданию и его тестовому набору. Модель предназначена прежде всего для воспроизведения базового результата и экспериментов с арабским вызовом инструментов. Она ограничена схемой из 27 инструментов и восьми предметных областей, однократным вызовом в одном ходе и заданным форматом подсказки; качество извлечения аргументов и устойчивость между диалектами неодинаковы. Лицензия — Gemma.

Anvaya-Rabbit-2.7B — исследовательская языковая модель RtaForge из программы ANVAYA, предназначенная прежде всего для использования инструментов и математических инструкций. Это плотная причинная языковая модель на собственной архитектуре RtaSSM v7.4 (Tungsten), относящейся к классу моделей пространства состояний; разработчик указывает размер 2,7 млрд параметров. Модель не является LoRA или дообучением сторонней базовой модели: чекпойнт создан в рамках собственной линии RtaForge. Версия 0.72W-beta прошла специализированное дообучение на математических инструкциях поверх широкого этапа 0.71W-beta. В карточке описаны интерфейс вызова инструментов и результаты оценок на наборах задач с рассуждениями, школьной математикой и общими знаниями. Модель рассчитана на эксперименты с быстрым и анализируемым использованием инструментов, но разработчик не позиционирует её как универсальную модель рассуждений или готовую к производственной эксплуатации. Для запуска требуется runtime RtaForge, предоставляющий реализацию нестандартной архитектуры поверх Transformers. Репозиторий содержит веса PyTorch и Safetensors. Лицензия указана как other; конкретные условия в доступных данных не раскрыты. Публичная карточка обозначает выпуск как исследовательскую beta.

Qwen3-8B-Base-Math-TauSFT — плотная авторегрессионная языковая модель семейства Qwen3, опубликованная как веса BF16 для Transformers. Это контрольная точка после этапа supervised fine-tuning TauSFT, разработанная на основе Qwen3-8B-Base-Math и обученная на 25 956 записях, полученных из траекторий Tau-bench от Qwen3-32B. Модель предназначена для генерации текста в диалоговых сценариях и выполнения задач, связанных с Tau-bench; карточка описывает этап до последующего обучения с подкреплением. Модель содержит 7,6 млрд параметров, поддерживает контекст до 32 768 токенов и использует архитектуру Qwen3ForCausalLM. Для запуска указаны Transformers с поддержкой Qwen3, PyTorch, Accelerate и safetensors. Репозиторий не включает обучающие данные и состояния оптимизатора. Лицензия — Apache-2.0.

Модель a3-rl-laionnemotron-gym-agent-calendar — контрольная точка агента, дообученная методом обучения с подкреплением с помощью SkyRL. Её разработали в LAION на базе laion/GLM-4_7-swesmith-sandboxes-with_tests-oracle_verified_120s-maxeps-131k-fixthink с архитектурой Qwen3ForCausalLM; размер составляет 7,6 млрд параметров, формат весов — safetensors, длина контекста — 40 960 токенов. Модель предназначена для выполнения агентных задач в среде Nemotron Gym, связанных с календарём. Выбран шаг обучения 80 по сглаженной скользящей средней награды; для этого шага в карточке указаны средняя награда 0,9727 и pass@8, равный 1,0. Обучение проводилось на наборе laion/nemotron-gym-agent-calendar, а трассы запусков опубликованы как сопутствующий датасет open-athena/a3-rl-laion_nemotron-gym-agent-calendar. Модель принимает текстовые запросы и генерирует текстовые ответы или действия агента. В README не описаны точный набор календарных операций и языки. Лицензия — Apache-2.0. Показатели обучения относятся к указанному набору задач и сами по себе не гарантируют качество в других средах.

Qwen-Image-2.1-PE-T2I-Pocket-2B — компактная текстовая модель на 1,7 млрд параметров, разработанная ysharma на базе Qwen/Qwen3.5-2B. Она переписывает короткие запросы пользователя в развернутое английское описание для модели генерации изображений Qwen-Image-2.1 и возвращает его вместе с выбранным соотношением сторон в JSON. Модель обучена полным дообучением с дистилляцией ответов учителя на 1 776 отфильтрованных примерах; её контекст составляет 262 144 токена. Это специализированный однозадачный преобразователь промптов, а не универсальный чат-бот. В оценке на 300 примерах он выдавал корректный JSON в 100% случаев, однако автор отмечает, что формат и выбор соотношения сторон не гарантированы. Ответы создаются на английском даже для запросов на других языках; переписывания короче, чем у модели-учителя. Модель предназначена для исследовательского и оценочного применения: коммерческое использование ограничено лицензией Qwen Research License и требует отдельного разрешения Qwen.

HuggingJin выпустил контрольную точку третьего цикла SDPO + ReSAIL — дообученную версию Qwen/Qwen3-8B для текстового управления агентом в среде ALFWorld. Метод ReSAIL дополняет итеративную самодистилляцию агента отборочной дистилляцией с балансировкой траекторий и сохранением привилегированной информации. Модель содержит 7,6 млрд параметров, использует плотную архитектуру Qwen3 и рассчитана на контекст до 40 960 токенов; она принимает текст и генерирует текст.

Lumen Qwen3 role adapters — набор из шести адаптеров LoRA в формате GGUF, разработанный для локального ассистента Lumen на iOS. Адаптеры дообучены на базе Qwen/Qwen3-1.7B и предназначены для загрузки вместе с совместимой базовой моделью через llama.cpp; самостоятельно вести диалог они не могут. Адаптеры обслуживают роли маршрутизации намерений и планирования, формирования структурированных запросов к возможностям приложения и подготовки ответов пользователю. Они рассчитаны на генерацию текста в локальном ролевом runtime, где приложение проверяет вывод, управляет разрешениями и подтверждением действий, а также исполняет инструменты. Для обучения каждого адаптера использовали 64 строки, для валидации — 16; исходные строки не опубликованы. Модель ориентирована на английский язык согласно карточке. Ограничения включают отсутствие точной зафиксированной ревизии базовой модели и зависимость поведения от базового артефакта, формата промпта, настроек генерации, runtime и контролей приложения. Разработчик не заявляет общую универсальность или безопасность; выводы нельзя использовать как самостоятельное разрешение на действия или вместо профессиональных медицинских, юридических и финансовых рекомендаций. Адаптеры и базовая модель распространяются по Apache License 2.0.

Qwen-Image-2.1-PE-T2I-Pocket-0.8B — компактная текстовая модель, разработанная ML-Intern-lab на базе Qwen/Qwen3.5-0.8B от Qwen. Она предназначена для автоматического преобразования коротких пользовательских запросов в развернутые англоязычные промпты для генератора изображений Qwen-Image-2.1, а также для выбора соотношения сторон изображения. Модель возвращает компактный JSON-объект с полями rewritten_prompt и wh_ratio и рассчитана на работу без системного промпта и рассуждений. Это полное дообучение Qwen/Qwen3.5-0.8B без архитектурных изменений, выполненное методом дистилляции по 1 776 отфильтрованным парам данных. Модель текстовая, имеет около 0,8 млрд параметров и ориентирована преимущественно на англоязычный вывод длиной 80–400 слов. В тестах она достигла корректности JSON 99,7%, выбора допустимого соотношения сторон 99,3% и среднего времени генерации 2,81 секунды; средняя длина вывода составила 453 токена. Сильные стороны модели — малый размер, низкие требования к вычислениям, существенно меньшая задержка и токеновая стоимость по сравнению с исходной 9B-моделью-помощником. Ограничения включают редкие ошибки формата JSON, совпадение с эталонным выбором соотношения сторон лишь в 57,7% случаев и неполное сохранение текста, который должен появиться на изображении; особенно низкая точность отмечена для Devanagari и Han в представленном тесте. Модель распространяется для некоммерческого исследовательского использования по Qwen Research License; базовая Qwen/Qwen3.5-0.8B указана под Apache 2.0.

SeanWang0027/Qwen3-1.7B-sciworld-rose-s10t5-gpt54mini-ep4 — дообученная компактная языковая модель на базе Qwen3-1.7B от Qwen. Она предназначена для генерации ходов ReAct-агента в интерактивной среде ScienceWorld: модель получает инструкции и наблюдения среды, а затем формирует рассуждение и действие. Модель обучали в многоходовом онлайн-режиме ROSE: после первых десяти ходов студента учитель gpt-5.4-mini продолжал тот же эпизод до пяти ходов, и ответы учителя использовались как целевые данные. Это плотная авторегрессионная модель с 1,7 млрд параметров, рассчитанная на текстовый ввод и генерацию текста; базовая архитектура — Qwen3ForCausalLM. Контекстное окно — 40 960 токенов. В описании эксперимента для тестирования указана успешность 20,25% для этого чекпойнта на тесте ScienceWorld из 200 вариантов задач; результаты по отдельным чекпойнтам и прогонам заметно колеблются. Модель распространяется по лицензии Apache-2.0.

violetxi выпустил дообученный чекпойнт Qwen3.5-9B для диалоговых и агентных сценариев Harvey, в которых ответы формируются с опорой на усвоенные заметки. Обучение сочетало предсказание следующих токенов в заметках и генерацию ответов в траекториях с заметками: 70% разметки приходилось на заметки, 30% — на ответы ассистента. Представленная версия checkpoint-60 завершает два прохода обучения и включает 60 обновлений оптимизатора. Модель основана на плотной архитектуре Qwen3.5-9B и поставляется в формате safetensors для Transformers. В README описана оценка агентных ответов по критериям Harvey и отдельные закрытые пробы на воспроизведение фактов из заметок. В исторической оценке доля попыток, прошедших все критерии, составила 2,30% при бюджете в 5 ходов и 3,10% при 20 ходах; это указывает на ограниченную успешность в оценённом сценарии, а новые эталонные запуски для публикации не проводились. Метаданные указывают английский язык, диалоговый интерфейс и интерфейс вызова инструментов; базовая Qwen3.5-9B также мультимодальна, однако README не описывает проверку визуальных возможностей именно этого дообученного чекпойнта. Лицензия — Apache-2.0.

FunctionGemma 270M phone assistant — текстовая модель, дообученная автором ankit-pn на базе google/functiongemma-270m-it. Она преобразует команды пользователя в вызовы 20 инструментов для управления функциями телефона: будильниками, таймерами, настройками устройства, календарём, напоминаниями, сообщениями, звонками, приложениями, музыкой, навигацией, поиском в интернете и заметками. На светские беседы и неподдерживаемые запросы модель отвечает текстом без вызова инструмента. Модель построена на архитектуре Gemma 3 Text, содержит 257 млн параметров и рассчитана на контекст до 32 768 токенов. Она работает с английским и хинглишем; для вызовов инструментов требуется использовать те же схемы и системный промпт, на которых проводилось обучение. В тесте на 800 примерах модель показала точное совпадение вызова и аргументов в 75,4% случаев, правильный выбор инструмента — в 93% случаев, долю ошибок разбора — 0,25%. Результаты основаны на одном запуске и синтетическом наборе данных, поэтому качество на реальных командах может отличаться. Вызовы следует проверять перед выполнением на устройстве. Модель распространяется на условиях Gemma Terms of Use.

Sim-Scholar Qwen3 4B — исследовательский чекпойнт Trillion Labs для поиска по научной литературе с помощью инструментов. Он создан на базе Qwen/Qwen3-4B-Thinking-2507 и дообучен методом on-policy reinforcement learning с GRPO в локальной поисковой среде S3. Модель имеет плотную архитектуру Qwen3, 3,7 млрд параметров и контекст до 262 144 токенов; опубликована в формате Safetensors и рассчитана на генерацию текста в диалоговом режиме. Чекпойнт предназначен для экспериментов с агентами поиска литературы, ответами на научные вопросы с опорой на поиск и переносом из симулированной среды в реальные инструменты. В оценке на подмножестве LitQA2 он показал точность 0,453 против 0,173 у базовой модели, однако чекпойнт выбрали после просмотра результатов на этом же тесте, поэтому показатель диагностический, а не независимый бенчмарк. Обобщение на поиск конкретных статей не наблюдалось. Для воспроизведения поведения нужны совместимые определения инструментов, форматирование запросов и результатов, а также настройки остановки генерации. Модель может выдумывать статьи, ссылки и ответы; обучающие вопросы были синтетическими и охватывали только информатику. Не следует использовать её как авторитетный источник научной или медицинской информации. Лицензия — Apache-2.0.

DAGGER-4B-SFT — дообученная методом supervised fine-tuning модель на 4 млрд параметров, разработанная для генерации вычислительных графов при решении математических задач. Она создана на основе Google Gemma 3 4B Instruct и предназначена как начальная модель для обучения GRPO и как компактный базовый вариант. Модель формирует структурированное представление вычислений, включая узлы с числами, операциями и пометками отвлекающих данных. Модель ориентирована на математические текстовые задачи, в том числе с нерелевантными числами, и демонстрирует работу с бенгальскими примерами; метаданные также указывают английский язык. Репозиторий использует Transformers и формат safetensors. Лицензия — Gemma. В README приведены результаты на MGSM и MSVAMP, включая снижение показателей при добавлении отвлекающих данных; отдельная версия после GRPO показывает улучшение относительно SFT.

Loom Weave 2 Flash — компактная языковая модель Textile Labs с архитектурой Llama и 19,9 млн параметров. Она обучена с нуля на обычном процессоре; это не дообучение готовой модели. Контекст составляет 512 токенов, доступны веса в Safetensors и GGUF F16. Модель рассчитана на короткий диалог, соблюдение инструкций и работу со сценарием, в котором внешний инструмент выполняет поиск, а модель формирует запрос и отвечает с учётом результата. В карточке описаны эксперименты с калибровкой ответов, чтением найденных материалов и использованием инструментов. По сравнению с часовым вариантом Loom Spark 2 эта версия обучалась два часа и показала улучшение по нескольким указанным метрикам. Модель почти не обладает общими знаниями и при включённых инструментах может отправлять на поиск даже вопросы о собственной идентичности. Известное ограничение — модель не умеет надёжно определять, что в предоставленном результате ответа нет, и может уверенно отвечать на основе неподтверждённой информации. Результаты поиска следует проверять, а краткие ответы модели на них считать ненадёжными. Лицензия модели — MIT; для обучающих данных карточка указывает отдельные лицензии, некоторые из которых требуют атрибуции.

SkillGym-Agent — полноразмерная модель с supervised fine-tuning, разработанная командой ECNU iCALK на базе Qwen3.5-35B-A3B. Она обучена на 8 364 успешных траекториях из набора SkillGym, подтверждённых верификаторами, и предназначена для исследований агентного решения задач, использования инструментов и обучения многошаговым процедурам. Модель изучает, насколько навыки, заданные извне при обучении, становятся переносимыми и сохраняются при выполнении без этих навыков. Архитектура — Qwen3.5 MoE, около 35,95 млрд параметров; заявлена поддержка текста и изображений, а карточка указывает английский язык. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. Модель оценивалась в агентных средах Codex и Claude Code; результаты зависят от системного промпта, схем инструментов, среды выполнения, бюджета вывода и версии бенчмарка. Для работы требуется отдельно настроенная среда агента: сам чекпойнт не содержит полного рантайма и инструментов. Модель предназначена для исследований и не заявлена как готовый производственный агент; результаты бенчмарков не гарантируют качество на реальных процедурах, а навыки, доступные во время выполнения, могут улучшать результат.

Logics-PPT-Qwen3.6-35B-A3B-RL — модель Logics-MLLM для генерации одностраничных презентаций в HTML. Это контрольная точка с обучением методом обучения с подкреплением, полученная дообучением Logics-PPT-Qwen3.6-35B-A3B-SFT; архитектура указана как Qwen3.5 MoE, а веса опубликованы в формате Safetensors. Модель оптимизировали с помощью GRPO по проверяемым визуальным вознаграждениям, вычисляемым после рендеринга слайдов: за соблюдение формата, свободное пространство, отсутствие пересечений, визуальный баланс и читаемость шрифта. В карточке описаны настройки обучения с последовательностями до 131 072 токенов; это параметр обучения, а не подтверждённая длина контекста для использования. Модель предназначена для исследований генерации презентаций, проектирования проверяемых вознаграждений и улучшения визуального качества слайдов после SFT. Она генерирует HTML-код слайда по текстовым инструкциям и может применяться в системах создания презентаций, где отдельная инфраструктура выполняет вызов инструментов, рендеринг и работу с файлами. Опубликованные результаты сообщают об улучшении эстетических метрик и оценок людей относительно версии до RL. Оптимизация сосредоточена на визуальной эстетике, а моделирование качества содержания остаётся открытой задачей. Модель рассчитана на одностраничные HTML-слайды, а не на редактирование файлов PowerPoint; практическое использование зависит от внешнего рабочего процесса и конкретной среды рендеринга. Лицензия — Apache-2.0.

violetxi выпустил полноразмерный чекпойнт Qwen3.5-9B, дообученный на эксперименте с 5 млн токенов заметок и траекториями, обусловленными заметками. Это плотная модель на 9 млрд параметров для диалоговой генерации текста; в метаданных также заявлен интерфейс вызова инструментов. Обучение включало смесь из 70% токенов заметок и 30% ответов ассистента в траекториях, два эпоха и 306 обновлений; использовалась последовательность длиной 16 384 токена. Модель основана на Qwen/Qwen3.5-9B и распространяется в формате safetensors через Transformers. Чекпойнт предназначен для экспериментов с агентными сценариями, где модель использует заметки и следует многошаговым траекториям. В README приведены результаты исторической оценки: доля попыток, прошедших все критерии, составила 2,4% при бюджете 5 ходов и 3,4% при 20 ходах; эти результаты ограничены описанным протоколом и не являются новым бенчмарком. Модель поддерживает английский язык и унаследовала мультимодальную архитектуру Qwen3.5, однако карточка не описывает отдельные визуальные оценки для этого чекпойнта. Лицензия — Apache-2.0.

Safeeq/tiny-fc-lm — экспериментальная модель Safeeq для маршрутизации запросов к инструментам. Это обученный с нуля decoder-only Transformer примерно на 471 760 параметров: 4 слоя, размерность модели 80, 4 головы внимания, RoPE, RMSNorm, GELU и связанные входные и выходные эмбеддинги. Модель использует BPE-токенизатор с словарём из 2 048 токенов и контекстом до 80 токенов. Модель предназначена для английских запросов: она формирует вызов единственного инструмента web_search с полями запроса и давности либо возвращает none для запросов, требующих воздержаться от вызова. Обучение проводилось на 80 000 синтетических примеров примерно для десяти типов запросов; в README указана точность exact match около 1,00 на внутривыборочной проверке и 0,88 на отложенных формулировках. Это демонстрационная узкоспециализированная модель, а не универсальный ассистент. Она иногда не сохраняет незнакомые имена и названия мест, не поддерживает многоходовый контекст и требует пользовательской реализации для загрузки и диспетчеризации вызовов. Лицензия — MIT.

InterpGPT ADHD Model — экспериментальная языковая модель семейства InterpGPT, разработанная авторами репозитория connaaa. Это плотный трансформер с 23 471 104 параметрами, 6 слоями и 8 головами внимания. Модель выпущена как парный вариант InterpGPT Standard 23M: архитектура и рецепт обучения совпадают, но ADHD-вариант обучен на разложениях задач на небольшие шаги с чередующимися короткими действиями саморегуляции, например паузой, глубоким вдохом или разминкой. Модель предназначена для генерации текста в формате последовательности шагов и исследования того, как распределение обучающих данных влияет на внутренние механизмы небольших языковых моделей. В README описаны результаты анализа внимания и причинных вмешательств, включая различие в положении функционально сходной головы между парными моделями. Для применения предлагается формат с инструкцией и шагами, например «Clean the kitchenStep 1 textStep 2 text...». Репозиторий предоставляет веса safetensors и заявляет загрузку через Transformers; лицензия — MIT. Это небольшой исследовательский чекпойнт, поэтому его возможности не следует приравнивать к современным универсальным чат-моделям. README не приводит сведения о поддерживаемых естественных языках или длине контекста; примеры и описание даны на английском.

Это экспериментальная версия Qwen3-1.7B, дообученная для многоходового управления агентом в текстовой среде Agentick. Автор использовал онлайн-обучение ROSE: студент взаимодействовал со средой, после чего траекторию продолжал учитель Qwen3-32B; целевыми примерами для обучения служили ответы учителя. Модель построена на плотной архитектуре Qwen3ForCausalLM, содержит 1,7 млрд параметров и принимает контекст до 40 960 токенов. Модель отвечает в формате ReAct: по наблюдениям среды формирует рассуждение и текстовое действие. В однопроходной оценке Agentick на 245 задачах она достигла успешности 11,4%; это выше указанного результата базовой Qwen3-1.7B (5,7%), но ниже приведённых результатов Qwen3-32B и другой версии с обучением teacher-SFT. Результат относится к конкретному протоколу и не гарантирует качество в иных средах. Репозиторий содержит веса safetensors для Transformers; лицензия — Apache-2.0.

Q-U-164M — диалоговая версия Q-164M от q-project, дообученная для следования инструкциям и вызова инструмента через детерминированный исполнитель вычислительных операций. Модель построена на плотной архитектуре QAgentForCausalLM с трёхзначными весами; в README указано 164,6 млн параметров, а в метаданных — 216,5 млн. Контекст составляет 4096 токенов. Модель принимает текст и генерирует текст с диалоговыми ответами и вызовами инструмента. Обучение прошло в два этапа: SFT на диалогах и RL с проверяемым вознаграждением от исполнителя. В тестах модель решила 6 из 6 одиночных задач с инструментом и 6 из 8 многошаговых диалогов. Она предназначена прежде всего для экспериментов с диалоговым использованием инструментов и арифметическими запросами, а не для надёжных общих ответов. Лицензия — Apache-2.0.

Это экспериментальная текстовая донастройка Gemma 4 E2B IT, созданная автором herooooooooo методом supervised fine-tuning на очищенных трассах сессий coding-agent pi из кодовой базы badlogicgames/pi-mono. Модель предназначена для диалогов в стиле агента программирования: она обучалась на примерах, где вызовы инструментов представлены текстом, а результаты инструментов включены в контекст пользователя. В основе — мультимодальная Gemma 4 E2B IT от Google, однако обучение и оценки этой версии проводились только на тексте; мультимодальные входы Gemma не дообучались и не оценивались. В README приведены результаты HumanEval и MBPP с точностью 0,0, поэтому модель не показала пригодности для решения этих тестов. Обучающий набор получен из одной кодовой базы, что ограничивает переносимость на другие проекты и стили взаимодействия. Лицензия в предоставленных данных не указана.

Это дообученная модель Qwen3-1.7B, созданная в рамках исследования многоходовых агентов для среды TextCraft. Её обучали методом online multi-turn ROSE: студент выполнял первые пять ходов, после чего учитель Qwen3-32B продолжал эпизод ещё до пяти ходов, а ответы учителя использовались как цели обучения. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 1,7 млрд параметров и рассчитана на контекст до 40 960 токенов. Модель предназначена для диалогового взаимодействия с TextCraft в формате ReAct: по наблюдениям среды она формирует рассуждение и действие, продолжая многоходовую задачу. В описанной оценке на 100 тестовых задачах TextCraft средний успех составил 54,75% при четырёх проходах; для сравнения, базовая Qwen3-1.7B достигла 23%, а Qwen3-32B — 85,5%. В обучении и оценке использовались отключённый режим thinking и ограничение 512 токенов на ход. Указано небольшое несоответствие между форматированием обучающих и оценочных данных, поэтому результат не гарантирует успеха на других сценариях. Модель распространяется по лицензии Apache-2.0.

Это дообученная версия языковой модели Qwen/Qwen3-1.7B, созданная в рамках исследования многошаговых агентов для ALFWorld. Модель обучали методом online multi-turn ROSE: студент взаимодействовал со средой первые 10 ходов, после чего до пяти ходов выполнял учитель gpt-5.4-mini, а ответы учителя использовались как цели обучения. Чекпойнт соответствует первому запуску эпохи 1, шагу 68. Модель предназначена для генерации ReAct-ответов в многошаговых задачах ALFWorld: по наблюдениям среды формирует рассуждение и действие в заданном формате. В тестировании на 200 играх ALFWorld средний успех составил 34,50% ± 2,42% при четырёх проходах; базовая Qwen3-1.7B на том же протоколе показала 19,38%. Это экспериментальный чекпойнт агента, а не универсальная модель для бытового диалога. Она принимает текст и генерирует текст; указанный для базовой модели контекст — 40 960 токенов. Лицензия — Apache-2.0.

Это экспериментальная демонстрационная модель семейства Phi-3, созданная проектом torchwright компиляцией вычислительного графа непосредственно в веса; обучение не проводилось. Модель предназначена для целочисленного сложения, вычитания и умножения двух неотрицательных десятичных чисел длиной до 6 цифр. На вход подаётся выражение вида «A op B» с переводом строки в конце, а на выходе — видимые токены промежуточных переносов и заёмов, затем результат. Модель использует плотную архитектуру Phi-3 с 7,4 млрд параметров и контекстом 4096 токенов, загружается через Transformers без пользовательского кода. Для поддерживаемого режима требуются fp32 и жадное декодирование. Несмотря на то что 99,99% весов равны нулю, плотное выполнение всё равно требует значительных памяти и вычислений; заявлена поддержка CPU. Это не универсальный калькулятор и не языковая модель: выражения за пределами описанного формата и диапазона дают неопределённый результат. Лицензия — Apache-2.0.

NVIDIA Nemotron-3-Super-120B-A12B-NVFP4 — большая языковая модель NVIDIA для диалогов, рассуждений и создания агентных систем. Она содержит 120 млрд параметров, из которых при генерации активны 12 млрд, и использует гибридную архитектуру LatentMoE с чередованием слоёв Mamba-2, Mixture-of-Experts и Attention, а также Multi-Token Prediction для ускорения генерации. Модель обучена с применением квантования NVFP4 и рассчитана на контекст до 1 млн токенов. Модель предназначена для сложного следования инструкциям, длинноконтекстных задач, чат-ботов, RAG-систем и совместно работающих ИИ-агентов; среди примеров применения — автоматизация обработки IT-заявок и задачи с вызовом инструментов. Поддерживаются английский, французский, немецкий, итальянский, японский, испанский и китайский языки, а также сценарии работы с кодом. NVIDIA указывает, что модель готова к коммерческому использованию. В метаданных лицензия обозначена как other, поэтому конкретные условия следует проверять в лицензионных материалах репозитория.

MiniMax-M2.5 — открытая большая языковая модель, разработанная компанией MiniMaxAI. Это текстовая autoregressive-модель для программирования, рассуждений, агентных сценариев, поиска с использованием инструментов и офисных задач, включая работу с документами, презентациями и финансовыми таблицами. Модель ориентирована на разработчиков, AI-агентов, чат-ботов и приложения, которым нужны сложная декомпозиция задач, tool calling и высокая скорость генерации. Модель имеет архитектуру Transformer с Mixture of Experts и механизмом Lightning Attention; по данным NVIDIA, общий размер составляет 230 млрд параметров. Она принимает и генерирует текст, поддерживает контекст до 204 800 токенов и предназначена для text-to-text задач. В обучении особое внимание уделялось reinforcement learning, агентному программированию и работе более чем с десятью языками программирования, включая Python, JavaScript, TypeScript, Java, C, C++, Go, Rust, Kotlin, PHP, Lua, Dart и Ruby. Заявлены результаты 80,2% в SWE-Bench Verified, 51,3% в Multi-SWE-Bench и 76,3% в BrowseComp. Сильные стороны MiniMax-M2.5 — кодинг полного цикла, планирование в стиле software architect, эффективное использование инструментов, поиск и высокая скорость: доступны варианты примерно на 50 и 100 токенов в секунду. Ограничение модели — текстовая модальность: изображения, аудио и видео не относятся к её входным или выходным данным. Показатели производительности приведены разработчиком и зависят от инфраструктуры, агентного окружения и настроек инференса. Весы модели опубликованы на Hugging Face и GitHub, поддерживаются Transformers, vLLM, SGLang и другими средствами локального развертывания. Лицензия указана как modified MIT; применимые условия следует проверять в опубликованных лицензионных документах.