I.14Автоматизация процессов и AI-агенты

Thought-Aligner-7B — модуль защиты поведения агентов, разработанный Shanghai Innovation Institute, Fudan University и WhitzardAgent. Модель дообучена на Qwen2.5-7B-Instruct и предназначена для исправления потенциально небезопасных рассуждений агента до выполнения соответствующих действий. Она анализирует мысль на текущем шаге, выявляет рискованные шаблоны и возвращает исправленный вариант в контекст агента, чтобы тот мог продолжить работу с более безопасным контекстом. Модель рассчитана на интеграцию с агентами, использующими инструменты, и на сценарии, где важно снизить риск небезопасных решений, использования инструментов или нарушения приватности без остановки выполнения. В карточке заявлены проверки на ToolEmu, Agent-SafetyBench, AgentHarm, AgentDojo и InjecAgent, а также внедрение в OpenClaw. Архитектура — плотная Qwen2 с 7,1 млрд параметров; контекст — 32 768 токенов. Указана поддержка английского языка и интерфейс диалога с вызовом инструментов. Лицензия в предоставленных данных не указана.

TIPS-Qwen3-4B-Thinking-2507-Agent — плотная языковая модель семейства Qwen3 с 3,7 млрд параметров, созданная XingYing-stack на основе Qwen/Qwen3-4B-Thinking-2507. Модель дообучена методом outcome-only GRPO и предназначена для генеративного оценивания траекторий многошаговых агентных диалогов. Она проверяет отдельные шаги и помогает находить первую ошибку в последовательности действий агента. Для работы следует использовать шаблоны промптов и скрипты оценки из репозитория TIPS. Модель построена на verl и распространяется по лицензии Apache-2.0. Это специализированная модель вознаграждения и проверки процессов, а не универсальный чат-бот. В метаданных указан контекст до 262 144 токенов; карточка не описывает поддерживаемые естественные языки.

Uirapuru U1.1 — экспериментальная языковая модель, разработанная SynastrIA Networks и являющаяся уточнённой версией Uirapuru U1. Это hotfix-релиз, а не новое поколение модели: она была дообучена для усиления идентичности и поведенческого профиля Uirapuru, улучшения рассуждений, добавления новых возможностей, более естественного неформального бразильского португальского и повышения качества выполнения агентских задач. Модель предназначена для AI-ассистентов, разговорных приложений, систем на бразильском португальском, агентских сценариев, автоматизации задач, экспериментов и прототипирования. Она поддерживает португальский и английский языки и работает в режиме text-generation. Архитектура и размер базовой модели, модальности и максимальная длина контекста в README не указаны. U1.1 обучалась без adaptive thinking: целевое поведение рассуждений встроено непосредственно в модель, что должно обеспечивать большую последовательность поведения без отдельного механизма динамического управления процессом размышления. Для дообучения использован LoRA с увеличенным rank. К сильным сторонам относятся более естественный неформальный бразильский португальский, улучшенное следование инструкциям, более стабильная идентичность, обработка многошаговых задач и потенциально более подходящее поведение в агентских рабочих процессах. Ограничения включают экспериментальный статус, риск фактических ошибок и выдуманной информации, ошибки рассуждений, неверную интерпретацию инструкций и нестабильность на сложных задачах. Результаты могут зависеть от формулировки запроса и контекста, а качество на языках, отличных от португальского и английского, может быть ниже. Для практического применения необходимы проверки, защитные меры и человеческий контроль; модель не должна быть единственным источником для решений с высоким воздействием. Лицензия — Apache-2.0.

Whisper-Hindi2Hinglish-Swift — модель распознавания речи Oriserve на архитектуре Whisper Base, дообученная для транскрибации разговорной хинди в хинглиш: речь записывается латиницей с использованием английских букв и сохраняет распространённые смешанные формы. Модель принимает аудио и выдаёт текст; в метаданных указаны 51,7 млн параметров, библиотека Transformers и формат safetensors. Модель предназначена для распознавания хинди с индийским акцентом, в том числе в шумной обстановке. По данным карточки, для дообучения использовали около 550 часов специально собранных и размеченных аудиозаписей; авторы заявляют о снижении галлюцинаций и улучшении результатов относительно исходной Whisper Base на описанных бенчмарках. В примерах использования приведена настройка распознавания с параметром языка "en", поэтому поведение следует проверять на целевых аудиозаписях. Модель распространяется по лицензии Apache-2.0. Результаты и характеристики основаны на оценках авторов; карточка не даёт гарантий качества для иных условий записи или вариантов речи.

Youtu-VL-4B-Instruct-GGUF — компактная мультимодальная vision-language модель, разработанная Tencent Youtu Lab на базе Youtu-LLM. Модель предназначена для обработки изображений и текста в сценариях визуального вопросно-ответного взаимодействия, мультимодального рассуждения, OCR, анализа нескольких изображений, понимания реальных сцен, оценки галлюцинаций и задач GUI-агента. Она также ориентирована на визуальное grounding, классификацию изображений, детекцию объектов, подсчёт объектов и оценку позы человека. Модель содержит 4 млрд параметров и распространяется в формате GGUF для запуска с llama.cpp. В её основе лежит подход Vision-Language Unified Autoregressive Supervision (VLUAS), при котором визуальные и текстовые токены участвуют в едином авторегрессионном обучении. Это позволяет использовать стандартную архитектуру vision-language модели без специализированных модулей для разных задач и способствует сохранению детальной визуальной информации. Поддерживаются текст и изображения, однако сведения о языках и размере контекстного окна в README не указаны. К сильным сторонам относятся компактный размер, эффективность и широкий спектр общих мультимодальных и визуальных сценариев. Существенное ограничение GGUF-версии заключается в том, что она не поддерживает задачи плотного предсказания, включая сегментацию и оценку глубины; для них рекомендуется исходная версия Youtu-VL-4B-Instruct на Transformers. Модель доступна по специальной лицензии youtu-vl; также указано ограничение доступа для пользователей из Европейского союза.

Nulute/chudbot-iron-0.5 — дообученная компанией Nulute мультимодальная модель семейства Qwen3.5 на базе unsloth/Qwen3.5-4B. Она предназначена для диалога с текстом и изображениями; архитектура — плотная Qwen3_5ForConditionalGeneration, веса опубликованы в формате safetensors. Модель поддерживает английский язык и интерфейс вызова инструментов. В карточке указана лицензия Apache-2.0. README сообщает, что обучение проводилось с использованием Unsloth и библиотеки TRL.

FogGen — компактная языковая модель-разветвитель, разработанная ISSAI на базе Qwen3-0.6B. Дообученная методом LoRA SFT, она генерирует оценку уверенности и ответ, чтобы определять, можно ли ответить локально или запрос следует передать более мощной облачной модели. Такой сценарий помогает сократить облачные вычисления при сохранении качества системы. Модель содержит около 508 млн параметров, использует архитектуру Qwen3ForCausalLM, работает с текстом и поддерживает контекст до 40 960 токенов. В README описаны результаты на тестах с выбором ответа в семи областях, включая финансы, науку, программирование, право, математику, казахскую культуру и медицину. Английский указан среди языков карточки; README также сообщает об обучении на данных по казахской культуре. Лицензия — Apache-2.0. В опубликованной оценке при пороге уверенности 0,5 FogGen направляла в облако около 22% запросов и достигла средней точности системы 67,8%; результаты относятся к указанным тестовым наборам и конфигурации сравнения. На открытых задачах без дополнительного обучения выигрыш маршрутизации был неоднородным: для TruthfulQA отмечена анти-калибровка. Поэтому пригодность оценок уверенности следует проверять на целевых данных; модель не заменяет более крупную облачную модель для запросов, которым она сама назначает низкую уверенность.

Grounding DINO Base — модель обнаружения объектов с открытым набором классов, представленная авторами исследования «Grounding DINO: Marrying DINO with Grounded Pre-Training for Open-Set Object Detection». Архитектура Grounding DINO объединяет детектор объектов DINO с текстовым энкодером, чтобы находить на изображении объекты, соответствующие текстовым описаниям или названиям классов. Модель предназначена для обнаружения объектов без заранее размеченных примеров для каждого класса. Её можно использовать для поиска объектов по текстовому запросу и zero-shot-детекции; в README сообщается результат 52,5 AP на COCO в режиме zero-shot. Репозиторий содержит веса PyTorch и safetensors. Модель принимает изображение и текстовый запрос, а выдаёт координаты обнаруженных объектов и оценки уверенности. Карточка не приводит сведения о поддерживаемых естественных языках или ограничениях качества по типам изображений. Лицензия — Apache-2.0.

grug-ettin-68m-meetingbank — модель-классификатор токенов для сжатия текстовых промптов: она предсказывает, какие токены сохранить, а какие отбросить. Модель разработана Akshay Ballal и обучена с помощью grug на данных microsoft/MeetingBank-LLMCompressed; её архитектура — ModernBERT, размер — 68,1 млн параметров, максимальный контекст — 7 999 токенов. Модель предназначена для сокращения промптов перед передачей языковой модели, например, чтобы уменьшить объём текста при сохранении важных сведений. В примере README сжатие выполняется с заданным коэффициентом сохранения 0,4. Это англоязычная модель на базе jhu-clsp/ettin-encoder-68m. Для обучения использован корпус с лицензией CC-BY-NC-SA-4.0; модель наследует ограничение на некоммерческое использование.

InternVL3-8B-hf — реализация мультимодальной модели InternVL3 в формате Hugging Face Transformers, опубликованная OpenGVLab. Это плотная модель класса InternVLForConditionalGeneration с 8 млрд параметров, предназначенная для диалогов и генерации ответов по тексту и визуальным входам. Репозиторий поддерживает пакетный инференс с изображениями и чередующимися изображениями, видео и текстом; возможно также текстовое использование без изображения. Модель подходит для описания изображений и видео, визуальных вопросов и ответов, мультимодального рассуждения, а также сценариев GUI-агентов и анализа промышленных изображений. Семейство InternVL3 заявляет улучшенное по сравнению с InternVL 2.5 мультимодальное восприятие и рассуждение, а также возможности работы с инструментами и 3D-визуальным восприятием. Реализация рассчитана на библиотеку Transformers и поддерживает разные реализации attention, включая SDPA и FlashAttention 2. Это дообученная версия OpenGVLab/InternVL3-8B-Instruct. Карточка связывает семейство с мультиязычными сценариями, но не перечисляет конкретные языки. Лицензия указана как other; точные условия использования следует сверить с лицензией исходного проекта. Числовой размер контекста в доступных данных не приведён.

unsloth/Jan-nano — дообученная версия компактной языковой модели Menlo/Jan-nano на архитектуре Qwen3 с 3,7 млрд параметров. Она предназначена для исследовательских задач и работы в связке с серверами Model Context Protocol (MCP), которые предоставляют доступ к инструментам и источникам данных. Модель поддерживает диалоговый режим и интерфейс вызова инструментов; её контекстное окно составляет 40 960 токенов. В README описана оценка на SimpleQA с использованием MCP-инструментов, однако численные результаты не приведены. Модель принимает текст и генерирует текст, включая ответы в исследовательских сценариях с подключёнными инструментами. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0.

mailguard-jev-style-1.5b — плотная авторегрессионная языковая модель Qwen2.5-1.5B-Instruct, дообученная разработчиком JackKozmo29 для сортировки корпоративной электронной почты. Она принимает текст письма и генерирует один структурированный JSON-ответ с категорией, кратким резюме и адресатом для пересылки; категории включают финансы, право, кадры, безопасность, расписание, общую переписку и рассылки. Модель предназначена для автоматической маршрутизации писем, архивации и первичного разбора обращений, в том числе в локальных и изолированных от сети средах. Карточка описывает обучение с LoRA на корпусе корпоративной почты и приводит результаты тестирования на наборах TREC 2007 и Enron. Модель имеет 1,5 млрд параметров, работает через Transformers, поддерживает диалоговый режим и контекст до 32 768 токенов. Модель обучена преимущественно на английской почте, поэтому точность на других языках снижается. Набор категорий фиксирован, а модель не предназначена для выявления фишинга или вредоносных программ. Лицензия — Apache-2.0.

Jeevesh8/multiberts_seed_0_ft_3 — модель классификации текста на базе BERT из семейства Multiberts, опубликованная пользователем Jeevesh8 на Hugging Face. Она предназначена для присвоения входному тексту одного из заранее заданных классов и может использоваться в задачах последовательной классификации через библиотеку Transformers. Модель содержит около 136,7 млн параметров и принимает последовательности длиной до 512 токенов. В метаданных указаны архитектура BERT, поддержка JAX и назначение text classification. Конкретный набор классов, обучающий датасет, языки, лицензия и специализированная предметная область по доступным данным не установлены.

Ornith-1.0-9B-Heretic-Uncensored — производная модель DeepReinforce/Ornith-1.0-9B, подготовленная методом направленной абляции: из весов удалено направление отказа, без дополнительного обучения. Это плотная мультимодальная модель семейства Qwen 3.5 с примерно 9 млрд параметров, гибридной архитектурой из 32 слоёв линейного и полного внимания, обработкой изображений и текста. Выпущена в формате bf16 Safetensors для Transformers; для работы README требует transformers версии 5.8.1 или новее. Модель предназначена для диалогов, визуальных вопросов и задач рассуждения и агентного программирования. Удаление направления отказа снижает вероятность отказов на запросы, на которые базовая модель отказывала, однако не гарантирует точность или безопасность ответов и может облегчить получение вредоносного контента. README описывает англоязычную модель; лицензия — MIT.

TACO — мультимодальная модель действий, разработанная авторами работы «TACO: Learning Multi-modal Action Models with Synthetic Chains-of-Thought-and-Action». Это дообученная модель на 7,1 млрд параметров на основе lmms-lab/llava-onevision-qwen2-7b-mid-stage-a4, с архитектурой Qwen2 и интерфейсом чата. Она предназначена для ответов на сложные многошаговые вопросы по изображениям: модель формирует последовательность рассуждений и действий, может вызывать внешние инструменты, включая OCR, оценку глубины и калькулятор, а затем объединяет результаты в ответ. Контекст составляет 32 768 токенов; веса опубликованы в формате safetensors. В описании проекта сообщается об улучшении среднего результата на восьми бенчмарках на 3,6% относительно базовой модели с настройкой инструкций и о приросте до 15% на задачах MMVet, связанных с OCR, математикой и пространственным рассуждением. Для выполнения действий необходима соответствующая интеграция внешних инструментов. Модель распространяется по лицензии CC BY-NC 4.0, допускающей некоммерческое использование с соблюдением её условий.

pmercenary/Qwen3-0.6B-JSON-SFT — компактная генеративная языковая модель семейства Qwen3, дообученная методом supervised fine-tuning (SFT). Модель опубликована пользователем pmercenary на Hugging Face и предназначена для генерации текста в диалоговых сценариях, включая задачи, где требуется формирование JSON-ответов. Модель содержит около 507,9 млн параметров, работает через библиотеку Transformers и поддерживает контекст длиной до 40 960 токенов. В метаданных указана задача text-generation и conversational-направленность. Благодаря небольшому размеру модель может быть удобна для локального запуска и прикладных прототипов с ограниченными вычислительными ресурсами. README не содержит подробных сведений о данных обучения, результатах оценки, точной архитектуре, поддерживаемых языках, разработчике или лицензии. Перед использованием в критически важных приложениях необходимы собственное тестирование качества и проверка условий распространения.

CharlieLLL/Qwen3-4B-BrowseComp-Worker-SFT-0915 — исследовательская рабочая модель, созданная полным дообучением Qwen/Qwen3-4B компанией CharlieLLL. Она предназначена для поиска и проверки сведений в BrowseComp-подобных задачах в составе системы с координатором MiniMax-M2.7, поисковым индексом и средой выполнения. Это плотная авторегрессионная модель семейства Qwen3 на 3,7 млрд параметров с контекстом 40 960 токенов; она принимает текст и выдаёт текст, включая XML-подобные вызовы инструментов поиска, открытия страниц и завершения задачи. Обучение SFT использовало данные BrowseComp Worker и gate; обучение с подкреплением не проводилось. В описанном тестировании система с этой моделью решила 108 из 150 вопросов (72%), против 83 из 150 у исходной Qwen3-4B. Это результат всей системы с координатором и поиском, а не отдельная оценка модели; приведён один случайный прогон. Для работы требуются соответствующие промпты, поисковая среда и координатор. README также отмечает, что отсутствие идентификаторов исходных вопросов в части обучающих данных не позволяет независимо доказать отсутствие загрязнения тестового набора. Модель распространяется по лицензии Apache-2.0.

MMOPD/Qwen3-4B-OT3-1ep — модель рассуждений, разработанная проектом MMOPD на основе Qwen3-4B-Base и дообученная один эпохой на наборе OpenThoughts3-1.2M. Это плотная авторегрессионная языковая модель с 3,7 млрд параметров; она использует библиотеку Transformers, формат safetensors и контекст до 32 768 токенов. Модель формирует ответы в формате Qwen3 с блоком рассуждений перед итоговым ответом. Модель предназначена для многошаговых рассуждений, особенно в математике, программировании и естественных науках. Её можно использовать как помощника для решения задач и генерации кода, а также как отправную точку для создания специализированных моделей и экспериментов по дистилляции. В README приведены результаты на математических и кодовых бенчмарках, но они относятся к конкретным настройкам генерации и не гарантируют аналогичного качества в других сценариях. Модель распространяется по лицензии Apache-2.0. Для получения ответов в заявленном формате README рекомендует шаблон чата Qwen3, включённый режим рассуждений и семплирование вместо жадного декодирования.

MuXodious разработал Qwen3.5-9B-SOMPOA-heresy — дообученную версию мультимодальной модели Qwen3.5-9B, обработанную инструментом Heretic с методами abliteration и Self-Organizing Maps. В процессе создания также применялась 4-битная qLoRA. Модель предназначена для диалога и ответов на запросы с изображениями; доступны интерфейс вызова инструментов и возможности vision. Модель содержит 9 млрд параметров и использует архитектуру Qwen3.5 с языковой моделью и визуальным энкодером. Базовая модель поддерживает 201 язык и диалект и имеет контекст длиной 262 144 токена с возможностью расширения; эти характеристики относятся к Qwen3.5-9B и не подтверждают отдельную оценку дообученной версии. Автор сообщает, что после обработки доля отказов снизилась с 414 из 416 до 33 из 416 в использованной им проверке. Лицензия — Apache-2.0.

Qwen3-VL-8B-Instruct-UI-Genie — модель оценки действий GUI-агентов, созданная дообучением Qwen3-VL-8B-Instruct на наборе UI-Genie-RM-517k. Она анализирует контекст взаимодействия с мобильным интерфейсом и классифицирует отдельное действие агента как правильное или ошибочное, выдавая дискретный токен предпочтения. Модель предназначена для пошаговой оценки траекторий GUI-агента, выбора лучшего действия из нескольких вариантов и фильтрации обучающих данных по качеству действий. Это плотная мультимодальная модель семейства Qwen3-VL с 8 млрд параметров, принимающая изображения и текст и выдающая текстовую метку. Карточка сообщает точность парной оценки 72,0% на отложенной выборке UI-Genie; на внепредметной выборке AndroidFlux показатель составил 19,2%, с выраженным смещением в сторону ошибочной классификации выбранного действия. Модель опубликована под лицензией Apache-2.0.

Qwopus3.6-27B-v2 — плотная мультимодальная модель с 27 млрд параметров, созданная Jackrong путём дообучения Qwen3.6-27B. Модель принимает текст и изображения и формирует текстовые ответы; карточка заявляет поддержку диалога, вызова инструментов и длинного контекста. Модель дообучена методом SFT в три этапа на наборах Trace Inversion с реконструированными цепочками рассуждений, включая примеры логики и математики. Она предназначена для сложных рассуждений, диалоговых и агентных сценариев, а также для задач с изображениями и инструментами. В карточке описаны структурированные рассуждения и согласованный формат тегов <think>; также приведены результаты на наборе из 350 вопросов MMLU-подобного типа и данные об эффективности генерации, но они не заменяют независимую оценку. Модель распространяется по лицензии Apache-2.0. Автор обозначает выпуск как экспериментальный и сообщает, что он не прошёл полную оценку безопасности и стандартное бенчмаркинг-тестирование.

Карточка модели allenai/SAGE-MM-Molmo2-8B-SFT 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.

Карточка модели allenai/SAGE-MM-Molmo2-8B-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.

Карточка модели allenai/SAGE-MM-Qwen3-VL-8B-SFT 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.

vdr-2b-multi-v1 — мультиязычная модель эмбеддингов для поиска по визуальным документам, разработанная LlamaIndex и дообученная на базе MrLight/dse-qwen2-2b-mrl-v1. Она кодирует скриншоты страниц документов в плотные векторы и поддерживает поиск по PDF, веб-страницам, слайдам и другим визуально насыщенным материалам без OCR, извлечения текста и разбиения на фрагменты. Модель основана на архитектуре Qwen2-VL, содержит 1,5 млрд параметров и поддерживает контекст до 32 768 токенов. Модель обучена на английском, итальянском, французском, немецком и испанском языках. Она поддерживает межъязыковой поиск, например поиск по немецким документам с итальянским запросом. Благодаря Matryoshka Representation Learning размер векторов можно сократить втрое с сохранением около 98% качества эмбеддингов. Для инференса используются тензоры bf16; README приводит пример запуска с 768 патчами изображения и батчем 16 на NVIDIA T4 с примерно 4,4 ГБ видеопамяти. Распространяется по лицензии Apache-2.0. Указанный в метаданных pipeline — image-text-to-text, однако по описанию и возможностям модель предназначена прежде всего для извлечения эмбеддингов и поиска по визуальным документам.

vdr-2b-v1 — модель встраиваний LlamaIndex для поиска по визуально насыщенным документам. Она кодирует скриншоты страниц в плотные векторы, позволяя находить информацию в PDF, веб-страницах и других документах без отдельного OCR, извлечения текста и разбиения на фрагменты. Архитектура — Qwen2-VL, около 1,5 млрд параметров; модель дообучена на базе MrLight/dse-qwen2-2b-mrl-v1. Контекст составляет 32 768 токенов. README описывает англоязычное обучение; метаданные также указывают английский язык. Модель поддерживает Matryoshka Representation Learning: размер векторов можно уменьшить втрое, сохранив, по заявлению авторов, 98% качества эмбеддингов. Авторы также сообщают о более быстром выводе и меньшем расходе видеопамяти благодаря использованию меньшего разрешения изображений. Для загрузки требуется около 4,4 ГБ VRAM в описанной конфигурации bf16. Лицензия — Apache-2.0.

Bobcat Flash 1.1 — быстрая версия семейства Bobcat, разработанная Foxl AI как модель типизированных решений на базе дообученной Gemma 4 26B A4B IT. Она принимает текстовое состояние или JSON и вопросы с заданным приложением набором допустимых ответов, после чего оценивает вероятности вариантов. Модель не генерирует текст: приложение формирует закрытый JSON-ответ на основе результатов классификации. Репозиторий содержит веса Safetensors; в карточке указана лицензия Apache-2.0. Модель предназначена для быстрых повторяющихся проверок с ограниченным набором ответов: маршрутизации запросов, классификации, проверки цитат и предварительного анализа вызовов инструментов. README приводит показатели производительности на одном RTX PRO 6000 Blackwell и результаты оценки на примерах рабочих процессов TypeSafe; это данные автора, а не гарантия для иных условий эксплуатации. Среди ограничений — более низкая точность при выборе фрагментов для поиска и классификации, ухудшение на длинных состояниях и нестабильность ответов с близкими оценками между запусками. Для недостаточно подтверждённых случаев полезно включать вариант «не указано»; длинные запросы и ответы с низкой уверенностью автор рекомендует направлять более крупной Bobcat 1.1. Модель не предназначена для генерации текста, открытых вопросов или единоличного принятия критически важных юридических решений.

Darwin NemotronH v0.1 — экспериментальная языковая модель MC7ever, созданная эволюционным слиянием пяти моделей NemotronH 30B-A3B и адаптера ToolCall LoRA. Веса получены из GGUF-квантизации Q4_K_M с последующим преобразованием в float16. Модель использует гибридную архитектуру NemotronH с блоками Mamba, MoE и attention; в README указаны 52 слоя, 128 экспертов MoE (6 активных) и контекст до 262 144 токенов. Метаданные указывают 1,9 млрд параметров и поддержку диалогового режима. Модель предназначена для генерации текста в диалоге и сценариев, где полезен вызов инструментов. В README описан способ загрузки через Transformers. Метаданные указывают английский язык; других поддерживаемых языков карточка не подтверждает. Это слияние моделей с преобразованием точности, а не обычное дообучение одной базовой модели. README не сообщает лицензию, поэтому условия распространения и коммерческого использования следует уточнить у автора и для компонентов слияния.

DeepControl-Qwen2.5-3B — исследовательский чекпойнт разговорной модели Qwen2.5-3B-Instruct, разработанный для агента глубокого поиска в работе «Adaptive Information Control for Search-Augmented LLM Reasoning». Модель дообучена для рассуждений с использованием поиска и предназначена для сценариев, где генерация текста сочетается с поиском информации. В метаданных указаны плотная архитектура Qwen2, 3,1 млрд параметров, контекст до 32 768 токенов, поддержка английского языка и формат Safetensors. Модель доступна под лицензией Apache-2.0 и запускается, в частности, через vLLM. README приводит пример с ограничением контекста до 8192 токенов при запуске. Карточка не описывает качество на бенчмарках, конкретный поисковый интерфейс или ограничения поведения; для использования в агентной системе потребуется соответствующая поисковая инфраструктура.

Havenlon Execution Boundary — Qwen35 2B — компактная языковая модель Havenlon на архитектуре Qwen3.5 с 1,7 млрд параметров. Она предназначена для локальных и нетребовательных к ресурсам сценариев, где агенту нужно рассуждать о действиях, условиях выполнения, доказательствах и ограничениях исполнения. Модель обучена концепциям контроля исполнения: намерение и авторизация сами по себе не означают, что действие следует выполнить; неизвестные, отсутствующие, просроченные или противоречивые условия должны оставаться явными. Модель может использоваться для экспериментов с помощниками по политике исполнения, компактными агентами, анализом свидетельств и объяснением структурированных решений в ограниченных средах автоматизации. Поддерживает текстовую генерацию и чат, имеет контекстное окно 262 144 токена. README не указывает лицензию. Разработчик подчёркивает, что модель не должна быть окончательным механизмом принудительного контроля: полномочия на исполнение должны оставаться отделёнными от рассуждений модели.