I.14Автоматизация процессов и AI-агенты

sgpark2026/my-fusion-v1 — текстовая генеративная модель, опубликованная пользователем sgpark2026 на Hugging Face. В метаданных она относится к семейству Qwen2 и предназначена для работы с Transformers; также доступны обозначения форматов safetensors и GGUF. Модель ориентирована на генерацию текста и диалоговые сценарии. Её можно применять для создания ответов, продолжения текста, простых чат-ботов и интеграции в приложения, которым нужна компактная языковая модель. Объём модели составляет 494 млн параметров, а заявленная длина контекста — 32 768 токенов. README содержит автоматически созданную карточку без сведений о разработчике, языках, лицензии, обучающих данных, результатах оценки и специальных областях применения. Поэтому качество, фактические языковые возможности и пригодность для конкретных доменов следует проверять самостоятельно; модель не следует использовать без дополнительной валидации для критически важных решений.

DazzlingXeno/Mystery-Magnum — языковая модель, созданная объединением предварительно обученных моделей методом Model Stock с помощью mergekit. Базой служит 01-ai/Yi-1.5-34B-32K; в объединение также вошли anthracite-org/magnum-v3-34b и TheSkullery/Y1.5-MS-Mysteria-34b. Модель с плотной архитектурой семейства Llama содержит 33,9 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста. Веса доступны в формате safetensors; для запуска указана библиотека Transformers. Карточка не описывает конкретные сильные стороны или ограничения модели. Условия лицензии в предоставленных данных не приведены.

NaijaVox-V1 — модель распознавания речи от Axiveri, дообученная методом LoRA на базе OpenAI Whisper-large-v3 для нигерийских языков и акцентов. Она преобразует аудио в текст на йоруба, хауса, игбо, нигерийском пиджине и нигерийском варианте английского; для йоруба заявлена поддержка диакритических знаков. Репозиторий содержит веса в формате Safetensors и расширенный токенизатор с новыми языковыми токенами. Модель предназначена для транскрибации речи в мобильных приложениях, банковском обслуживании, СМИ, здравоохранении, образовании и средствах доступности, а также для исследований распознавания малоресурсных языков Западной Африки. В README приведены результаты оценки на небольших тестовых выборках FLEURS и других наборах: например, WER составляет 16,8% для нигерийского пиджина, 21,1% для нигерийского английского и 28,8% для йоруба. Эти результаты не гарантируют аналогичного качества на других записях и условиях. Модель рассчитана на входное аудио и выдаёт текст. В карточке не приведены сведения о размере модели и длине контекста. Лицензия — Apache-2.0.

NCP-ArchPreview 8.9B Stage 1 — базовая авторегрессионная языковая модель команды NCP из Shanghai AI Lab и LUMIA Lab Шанхайского университета Цзяотун. Она обучена предсказывать следующий токен и следующий концепт — представление группы из четырёх токенов в обучаемом латентном пространстве. Генерация сохраняет стандартный интерфейс предсказания следующего токена. Архитектура основана на токенной схеме OLMo 3 7B и дополнена модулем концептов, словарём концептов с произведённым квантованием и иерархическими остаточными связями. В модели около 11,1 млрд параметров по метаданным; README указывает приблизительно 8,94 млрд. Контекст — 8192 токена. Модель обучена на Dolma 3 Mix и предназначена для генерации текста и языкового моделирования. В отчёте авторов указаны улучшения на ряде оценок относительно OLMo 3 7B, включая GSM8K и HumanEval; эти результаты относятся к оцениванию Stage 1 и не гарантируют аналогичное качество для каждой задачи. Это базовый выпуск Stage 1, а не адаптер для пользовательской настройки. Для загрузки в Transformers в README показано использование trust_remote_code и bf16. Веса доступны по лицензии Apache 2.0.

Это квантизированная и подвергнутая абляции отказов версия языковой модели NVIDIA Nemotron Cascade 2 30B-A3B, созданная Jinho Jang. Модель предназначена для диалогов и генерации текста; в карточке указаны интерфейс вызова инструментов и контекст до 262 144 токенов. Архитектура базовой модели сочетает Mamba-2, MoE и механизмы внимания; версия использует смешанную точность JANG_2L и формат MLX для Apple Silicon. README описывает вариант JANG_2L как модель размером около 10 ГБ. CRACK — удаление механизмов отказа на уровне весов — делает модель способной выдавать ответы на запросы, которые базовая версия могла бы отклонить. README приводит результаты HarmBench и MMLU для варианта JANG_2L, но эти показатели не являются гарантией качества в других задачах. Для запуска требуются MLX Studio или jang-tools; условия распространения обозначены как other, а README заявляет исследовательское и образовательное назначение.

Neuralmistral — слитая модель генерации текста на архитектуре Mistral, созданная Kiruthikarthi с помощью LazyMergekit. Она объединяет OpenPipe/mistral-ft-optimized-1218 и mlabonne/NeuralHermes-2.5-Mistral-7B методом slerp; конфигурация смешивает веса слоёв self-attention и MLP. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу, например для диалоговых ответов и создания текста. Карточка не сообщает отдельных результатов оценки, целевых языков или специальных прикладных областей. Лицензия в предоставленных данных не указана.

NeuralsynthesisMeliodas-7B — объединённая языковая модель на архитектуре Mistral, созданная Maxime Labonne автоматизированным слиянием моделей. В конфигурации использованы Kukedlc/NeuralSynthesis-7B-v0.3 и AurelPx/Meliodas-7b-dare; для слияния применён метод DARE-TIES. Репозиторий содержит веса в формате safetensors, а объём модели составляет 7,1 млрд параметров. Модель предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Условия использования определяются лицензией Apache-2.0. В карточке не приведены сведения о целевых языках и специальных прикладных областях.

funeedev/new-ai — генеративная языковая модель для создания текста, опубликованная на Hugging Face. Модель предназначена для задач text-generation и может использоваться в приложениях, где требуется продолжение или генерация текстовых последовательностей. Модель основана на архитектуре семейства Llama и поддерживает работу через библиотеку Transformers. Объём модели составляет 3,2 млрд параметров, а заявленная длина контекста — до 131 072 токенов. Поддерживаемые естественные языки и сведения о разработчике в доступных данных не указаны. Модель может применяться для генерации черновиков, продолжения текста, диалоговых прототипов и других сценариев, построенных на авторегрессионной генерации. README не содержит данных о лицензии, обучающих данных, результатах оценки или специальных ограничениях использования, поэтому перед внедрением необходимы дополнительная проверка качества и анализ условий распространения.

OLMo-2-1124-13B-Instruct-preview — англоязычная чат-модель Allen Institute for AI (AI2), выпущенная в ноябре 2024 года. Это плотная авторегрессионная модель семейства OLMo 2 с 13,2 млрд параметров, предназначенная для диалога, выполнения инструкций и генерации текста; максимальная длина контекста — 4096 токенов. Модель создана на основе OLMo-2-1124-13B-DPO: после обучения с учителем и оптимизации по предпочтениям она прошла дополнительное RLVR-обучение. В README отмечена ориентация на широкий набор задач, включая математику, GSM8K и следование инструкциям. Основной язык — английский. Лицензия Apache 2.0 допускает свободное использование на её условиях. Модель можно применять для англоязычного ассистента, ответов на вопросы и решения задач с инструкциями. У неё ограничено обучение безопасности, поэтому она может генерировать проблемный контент, особенно в ответ на соответствующие запросы; автоматическая фильтрация ответов не предусмотрена.

opensearch-project/opensearch-neural-sparse-encoding-doc-v2-mini — компактная модель OpenSearch для нейронного разреженного поиска по документам. Она основана на BERT и содержит 25,9 млн параметров; модель принимает текст и формирует разреженные векторы размерностью 30 522. Для запросов используются токенизатор и таблица весов, а релевантность вычисляется как скалярное произведение векторов запроса и документа. Модель предназначена для применения с инвертированным индексом Lucene в OpenSearch и может запускаться через Sentence Transformers или API Hugging Face. Модель подходит для поиска документов и passages, семантического поиска и расширения документов при подготовке к поиску. В README приведены результаты оценки серии моделей на подмножестве BEIR; показатели различаются между наборами данных. Контекст ограничен 512 токенами, основной язык в метаданных — английский. Распространяется по лицензии Apache-2.0.

UCSC-VLAA/openvision-vit-small-patch16-224 — визуальный энкодер из семейства OpenVision, описанного в работе «OpenVision: A Fully-Open, Cost-Effective Family of Advanced Vision Encoders for Multimodal Learning». Репозиторий содержит веса модели в формате PyTorch и предназначен для извлечения признаков изображений, а также для классификации изображений по текстовым описаниям без дополнительного обучения. Модель рассчитана на мультимодальные сценарии, где визуальные признаки используются для сопоставления изображений с текстовыми запросами. По названию репозитория это вариант ViT-Small с патчами 16×16 и входным разрешением 224 пикселя. Лицензия — Apache-2.0.

llama_3_orca_mini_v5_8b_dpo — диалоговая языковая модель общего назначения, созданная Pankaj Mathur на архитектуре Llama 3. Это плотная модель примерно на 7,5 млрд параметров, обученная с использованием наборов данных для DPO и предназначенная для общения и генерации текста. Карточка приводит формат промпта ChatML и результаты нескольких тестов рассуждения и следования инструкциям. Модель подходит для диалогового помощника, ответов на вопросы и генерации текста на английском языке. Контекстное окно составляет 8192 токена; веса доступны в форматах PyTorch и Safetensors. Для дальнейшей настройки и объединения с другими моделями автор разрешает использовать модель при условии указания авторства. Лицензия в метаданных — Llama 3.

Карточка модели VoiceScribe/parakeet-tdt-0.6b-v3-mlx на Hugging Face совпадает с карточкой mlx-community/parakeet-tdt-0.6b-v3, поэтому описание составлено по ней. Это версия модели NVIDIA Parakeet-TDT-0.6B-v3, подготовленная сообществом mlx-community для запуска в формате MLX на устройствах Apple. Модель основана на архитектуре FastConformer с Transducer-подходом и предназначена для автоматического распознавания речи и преобразования аудиозаписей в текст. Размер модели — около 0,6 млрд параметров; репозиторий содержит веса Safetensors и распространяется по лицензии CC BY 4.0. Модель поддерживает распознавание речи на нескольких европейских языках, включая английский, испанский, французский, немецкий, русский и другие. Её можно применять для транскрибации аудиозаписей и диктовки; для запуска доступны библиотеки parakeet-mlx и mlx-audio. Это конвертированная версия исходной модели NVIDIA, поэтому её характеристики распознавания определяются базовой моделью, а совместимость и производительность зависят от MLX и оборудования Apple.

Perception Encoder PE-Core-B16-512 — визуальный энкодер Meta из семейства Perception Encoder, обученного с помощью контрастивного обучения изображений и текстов и дообученного на синтетически согласованных видео. Эта версия использует архитектуру B/16 с башнями для изображений и текста: визуальная часть содержит около 90 млн параметров, текстовая — около 310 млн; в README для семейства указаны ширина слоёв 768 и 1024, глубина 12 и 24 слоя и контекст текста 32 токена. Модель предназначена для извлечения признаков и визуальных эмбеддингов, которые можно применять для классификации и поиска изображений и видео, в том числе в режиме zero-shot. Сильные стороны семейства — перенос общих визуальных признаков на задачи классификации и поиска; README сообщает о результатах на ImageNet, ObjectNet, COCO и Kinetics. В метаданных указан формат PyTorch, а лицензия — Apache-2.0. Описание результатов в README относится к вариантам B/16, L/14 и G/14, поэтому конкретные показатели для варианта 512 не приведены.

PhoWhisper-medium — версия модели распознавания речи PhoWhisper, разработанная авторами Thanh-Thien Le, Linh The Nguyen и Dat Quoc Nguyen. Это дообученная многоязычная Whisper с архитектурой WhisperForConditionalGeneration и 455,8 млн параметров; модель принимает аудио и преобразует вьетнамскую речь в текст. Модель предназначена для автоматического распознавания вьетнамской речи с учётом разных акцентов. При дообучении использовался набор данных объёмом 844 часа; авторы сообщают о высоких результатах на тестах распознавания вьетнамской речи. Поддерживается задача automatic-speech-recognition, формат весов — PyTorch. Модель распространяется по лицензии BSD 3-Clause. Карточка не приводит сведений о длине контекста или известных ограничениях качества; результаты могут различаться в зависимости от акцента и условий записи.

radlab/pLLama3.2-3B — плотная языковая модель семейства Llama, дообученная radlab на базе meta-llama/Llama-3.2-3B-Instruct. Модель содержит 3,2 млрд параметров и рассчитана на контекст до 131 072 токенов; репозиторий предоставляет веса в формате safetensors. Модель дообучена для общения на польском языке и выполнения инструкций: она предназначена для диалогов, ответов на вопросы и генерации польского текста. В README описан этап дообучения на корпусе примерно из 650 тысяч польских инструкций; эта версия не обозначена как прошедшая отдельный этап DPO. Метаданные также отмечают интерфейс вызова инструментов. Лицензия — Llama 3.2, условия которой следует учитывать при использовании и распространении модели. Описанные данные и сравнительное утверждение об улучшении точности общения приведены разработчиком; независимые оценки качества в карточке не представлены.

Ahmedhisham/queen_of_embedded_egy_20k — модель эмбеддингов предложений для египетского арабского диалекта, разработанная на основе sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2. Модель дообучена на подмножестве примерно из 20 000 примеров набора EgyTriplets-250K с функцией потерь triplet loss для различения близких и несходных по смыслу предложений. Она предназначена для семантического поиска, оценки сходства и подбора релевантных предложений на египетском арабском. Архитектура — BERT, размер — 124,3 млн параметров, контекст — до 512 токенов. Лицензия — Apache-2.0.

unsloth/Qwen2.5-1.5B — версия базовой языковой модели Qwen2.5, опубликованная Unsloth. Это плотная авторегрессионная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM и 1,5 млрд параметров; она принимает текст и генерирует продолжение. В карточке указаны контекст до 32 768 токенов, формат safetensors и библиотека Transformers. Базовая архитектура использует RoPE, SwiGLU, RMSNorm и групповое внимание; README описывает исходную модель Qwen2.5 с 28 слоями. Модель предназначена для генерации текста и дальнейшего дообучения под конкретные задачи. Qwen2.5 поддерживает множество языков, в том числе китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский. Базовая предобученная версия не рекомендуется для диалогов без дополнительной настройки. Лицензия — Apache 2.0.

Qwen2.5-7B-Instruct-finetuned — дообученная модель JosephNguyen на базе unsloth/Qwen2.5-7B-Instruct. Это плотная авторегрессионная языковая модель семейства Qwen2 с 7,1 млрд параметров, предназначенная для диалогов и генерации текста; заявлена поддержка интерфейса вызова инструментов. Модель принимает текст и выдаёт текст, работает с английским языком и имеет контекст до 32 768 токенов. В карточке указано, что обучение проводилось с использованием Unsloth и библиотеки TRL. Конкретные специализация дообучения и результаты оценки качества не описаны, поэтому возможности базовой модели — генерация кода и структурированных ответов — не следует считать подтверждёнными характеристиками этого варианта. Распространяется по лицензии Apache-2.0.

gguk2on/qwen2.5-7B-rlar_g8_b384_math_vu3 — дообученная модель генерации текста на базе Qwen/Qwen2.5-7B. Согласно карточке, обучение выполнено с использованием TRL; метаданные описывают архитектуру как плотную Qwen2 и указывают 7,1 млрд параметров. Модель предназначена для диалоговой генерации ответов и может использоваться в сценариях общения с ассистентом. Модель принимает текст и выдаёт текст. В метаданных указана длина контекста 131 072 токена, а также интерфейс вызова инструментов. Карточка демонстрирует запуск через Transformers pipeline. Описание не уточняет результаты обучения, целевую область применения или ограничения качества; лицензия в предоставленных данных не указана.

AvoCahDoe/qwen2-5-7b-rlmpq-high-fidelity — квантизированный вариант Qwen/Qwen2.5-7B от AvoCahDoe для генерации текста и диалогов. Модель использует плотную архитектуру Qwen2 с 7,1 млрд параметров и контекстом до 131 072 токенов. По описанию карточки, RL-MPQ подбирает разрядность весов по слоям для сценария High Fidelity; средняя разрядность составляет 3,75 бита на вес. Репозиторий содержит fake-quantized FP16-веса в формате Safetensors и политику разрядности по слоям. Модель предназначена для диалоговой генерации текста при ограничениях на размер весов и сохранении качества. В карточке приведена проверка perplexity на WikiText-2, но результат для этого варианта в предоставленном фрагменте отсутствует. Поддерживается запуск через Transformers. Лицензия — Apache-2.0.

canoplos/Qwen2.5-Coder-0.5B-Instruct-Gensyn-Swarm-soft_gilded_alligator — опубликованный сообществом чекпойнт семейства Qwen2.5-Coder с инструкционной настройкой; карточка репозитория автоматически сгенерирована и не описывает отдельный процесс обучения или оценку качества. По названию и архитектуре это компактная плотная языковая модель Qwen2 для генерации текста, ориентированная прежде всего на помощь с кодом и диалоговое выполнение инструкций. Метаданные указывают около 494 млн параметров, архитектуру Qwen2ForCausalLM, библиотеку Transformers, формат Safetensors, задачу text-generation и контекст до 32 768 токенов. Карточка официального Qwen2.5-Coder-0.5B-Instruct описывает 0,49 млрд параметров, 24 слоя и поддержку контекста 32 768 токенов; семейство предназначено для генерации, рассуждения и исправления кода, а также для сценариев кодовых ассистентов. Эти сведения относятся к официальной модели-основе и не подтверждают идентичность весов или качество данного Gensyn-чекпойнта. Официальная карточка модели-основы указывает лицензию Apache-2.0; лицензию конкретного репозитория canoplos установить по доступным данным нельзя. Малый размер делает модель компактной, но не гарантирует надёжности сложных ответов; отдельные оценки и ограничения производного чекпойнта не опубликованы.

ApolloRaines/Qwen2.5-Coder-7B-Instruct-Jbliterated — экспериментальная доработанная версия Qwen2.5-Coder-7B-Instruct от ApolloRaines. Это плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров, предназначенная для генерации текста в диалоговом и инструкционном форматах; исходная модель ориентирована на задачи с программным кодом. В карточке указано, что изменены все трансформерные слои, а базовый тип данных — bfloat16. Модель принимает текст и выдаёт текст, поддерживает английский и китайский языки, а контекстное окно составляет 32 768 токенов. В README автор описывает её как демонстрацию обработки инструкций и заявляет об изменениях, направленных на более связные ответы и равное отношение к разным формулировкам запросов. Эти заявления не сопровождаются подробными результатами оценки; также автор указывает, что опубликованная версия намеренно ограничена по возможностям и служит proof of concept. Лицензия — Apache-2.0.

maywell разработал мультиязычную разговорную модель Qwen2 с 7,1 млрд параметров для генерации текста в формате диалога ChatML. Она рассчитана на контекст до 32 768 токенов и поддерживает английский, корейский, японский, китайский и испанский языки. В карточке указано, что модель частично ориентирована на ERP-контент; примеры включают корейский диалог. Модель подходит для чат-ботов и генерации ответов на нескольких языках. Весовые файлы опубликованы в формате safetensors. Лицензия — Apache-2.0.

pmercenary/Qwen3-1.7B-base-MED — текстовая генеративная модель семейства Qwen3 с 1,7 млрд параметров. В метаданных указаны архитектурное семейство Qwen3, библиотека Transformers, обучение с использованием SFT и поддержка conversational-сценариев. Максимальная длина контекста составляет 32 768 токенов. Разработчик, базовая модель, языки и лицензия в доступных материалах не указаны. Модель предназначена для генерации текста и может использоваться для продолжения заданного текста, подготовки черновиков и построения диалоговых приложений при соответствующем формате входных данных. README не содержит сведений о тренировочных данных, результатах оценки, целевых предметных областях или специальных медицинских возможностях; обозначение MED в идентификаторе само по себе не подтверждает медицинскую специализацию.

Dohyeon1/Qwen3-30B-A3B-HC-SMoE-ngroups96 — языковая модель для генерации текста и диалогового взаимодействия, опубликованная пользователем Dohyeon1 на Hugging Face. Модель предназначена для использования через библиотеку Transformers и относится к семейству Qwen3 MoE; в метаданных также указана поддержка conversational-сценариев. Модель содержит 2,6 млрд параметров и поддерживает контекст длиной до 40 960 токенов. Она ориентирована на текстовые задачи: продолжение и генерацию текста, ответы в диалогах, подготовку черновиков и обработку длинных текстовых запросов. Мультимодальные возможности и перечень поддерживаемых естественных языков не заявлены. В README отсутствуют сведения о разработчике, обучающих данных, результатах оценки, лицензии и специализированных ограничениях использования. Поэтому модель следует предварительно тестировать на целевых данных и учитывать возможные фактические ошибки, нежелательные продолжения и нестабильность ответов.

Dohyeon1/Qwen3-30B-A3B-M-SMoE-ngroups64 — текстовая генеративная модель на архитектуре Qwen3 MoE, опубликованная пользователем Dohyeon1 на Hugging Face и предназначенная для диалоговой генерации текста. Модель содержит 2,6 млрд параметров, поддерживает контекст до 40 960 токенов и предназначена для запуска через библиотеку Transformers; в метаданных также указаны форматы Safetensors и conversational-тег. Модель можно применять для генерации ответов в чатах, продолжения текста, подготовки черновиков и других сценариев text generation. README не содержит сведений о точных языках, лицензии, данных обучения, результатах оценки, рекомендуемых параметрах запуска и разработчике исходной архитектуры. Поэтому перед использованием в production необходимо самостоятельно проверить совместимость, качество на целевых данных и условия распространения.

Карточка модели arammoostafaye/Qwen3.5-9B-abliterated на Hugging Face совпадает с карточкой lukey03/Qwen3.5-9B-abliterated, поэтому описание составлено по ней. Qwen3.5-9B-abliterated — текстовая диалоговая модель на архитектуре Qwen3.5, созданная lukey03 на основе Qwen/Qwen3.5-9B. Автор удалил часть поведения отказа ортогональной проекцией весов, затем применил QLoRA-дообучение и объединил адаптер с основными весами. В репозитории указано 7,2 млрд параметров, архитектура dense и контекст длиной 262 144 токена; модель распространяется в формате safetensors и рассчитана на работу через Transformers. Модель предназначена для генерации ответов в диалоге, включая запросы, на которые исходная модель отказывалась отвечать. В README также приведены примеры рассуждений, математики и программирования, но основная задача в каталоге — генерация текста. Карточка сообщает о тестировании на 18 запросах, однако это небольшой набор и результаты не гарантируют качество на других задачах. Удаление отказов означает, что модель может выдавать вредоносный, опасный или откровенный контент. Лицензия — Apache-2.0.

havenoammo/Qwen3.6-35B-A3B-MTP-GGUF — это GGUF-версия модели Qwen3.6-35B-A3B, подготовленная с использованием квантования Unsloth Dynamic 2.0 XL (UD XL). Репозиторий также содержит добавленные слои Multi-Token Prediction (MTP), взятые из проекта am17an/Qwen3.6-35BA3B-MTP-GGUF и сохранённые в формате Q8_0. Базовая модель разработана командой Qwen, а данная модификация и упаковка опубликованы havenoammo. Модель предназначена для локального запуска в llama.cpp и сценариев генерации текста с использованием спекулятивного декодирования. MTP-слои позволяют предварительно предсказывать несколько токенов; в README указаны три слоя MTP и параметр --spec-draft-n-max 3. Доступны варианты для различных аппаратных платформ через Docker-образы с поддержкой CUDA, Vulkan, Intel и ROCm. README также указывает на использование контекста размером до 262144 токенов в рекомендуемой конфигурации. Ключевые характеристики: архитектура Qwen3.6-35B-A3B, размер 35B параметров с обозначением A3B, формат GGUF, квантование UD XL для основной модели и Q8_0 для MTP-слоёв. README помечает модель как image-text-to-text, однако подробные сведения о поддерживаемых языках и мультимодальных возможностях не приведены. Сильной стороной является сочетание существенно сжатого формата с MTP для потенциального ускорения генерации, но для работы требуется специальная сборка llama.cpp с поддержкой MTP или готовый совместимый Docker-образ. Модель распространяется по лицензии Apache-2.0. Фактическая скорость, требования к памяти и преимущество MTP зависят от выбранного варианта квантования, аппаратного обеспечения и конфигурации запуска.

Qwen3.6-40B-Grand-Intelligence-Fable-Fusion-Uncensored-Heretic — экспериментальная 40-миллиардная мультимодальная модель семейства Qwen3.5 от DavidAU, основанная на дообученной Qwen3.6-27B-Fable-Fusion-711-Uncensored-Heretic-NM-DAU-MTP. Автор описывает её как дальнейшую модификацию Qwen3.6-40B-Grand-Intelligence с объединением нескольких моделей Fable Fusion и заявляет о сокращении объёма рассуждений при генерации. Архитектура — плотная Qwen3.5 для условной генерации текста и изображений; модель распространяется в формате safetensors и предназначена для работы через Transformers. Модель рассчитана на диалог, рассуждения, написание художественных текстов и ролевые сценарии, а также программирование и анализ изображений. В карточке перечислены английский и китайский языки. Автор предупреждает, что это незавершённая работа: модель проходила тестирование и бенчмаркинг, а результаты и название могли измениться. Лицензия — Apache-2.0; пометка uncensored указывает на ослабленные ограничения генерации, поэтому выводы могут включать нежелательный или неподходящий контент.