I.14Автоматизация процессов и AI-агенты

Mungert/xLAM-2-32b-fc-r-GGUF — это GGUF-версия языковой модели xLAM-2-32b-fc-r, разработанной Salesforce. Модель относится к Large Action Models и ориентирована на создание AI-агентов, которые преобразуют намерения пользователя в выполняемые действия. Модель предназначена для многоходовых диалогов, function calling, использования инструментов и автоматизации задач в различных прикладных сценариях. Она содержит около 32 миллиардов параметров, работает с текстом и заявлена для английского языка. Указанная длина контекста составляет 32 тысячи токенов, с максимальным значением до 128 тысяч токенов. Модель обучалась на наборах Salesforce/APIGen-MT-5k и Salesforce/xlam-function-calling-60k с использованием данных, созданных в рамках APIGen-MT для имитации взаимодействия агентов и людей. К сильным сторонам относятся специализация на вызове функций, многоходовом взаимодействии, последовательности действий и агентских сценариях; семейство xLAM-2 также заявляет высокие результаты на бенчмарках BFCL и τ-bench. Данная версия представляет собой квантизованный GGUF-файл, созданный с помощью llama.cpp. В README отмечено применение выборочного повышения точности отдельных слоёв при квантизации, что может улучшать точность при заданном размере, но увеличивает размер файла. Модель выпущена для исследовательских целей и распространяется по лицензии CC BY-NC 4.0, допускающей некоммерческое использование с соблюдением условий лицензии.

A3-Qwen3.5-9B — мультимодальная модель на 9 млрд параметров, разработанная Xing Han Lù и Siva Reddy и дообученная методом SFT на базе Qwen/Qwen3.5-9B. Она предназначена для работы веб-агентом: понимает запросы и изображения, помогает выполнять задачи на веб-сайтах и взаимодействовать с веб-интерфейсами. Для обучения использован синтетический набор A3-Synth из 16 тысяч примеров, созданных по траекториям Gemini 3 Pro. В оценке WebArena модель показала 41,5% по протоколу авторов. Модель доступна в формате safetensors и рассчитана на запуск через Transformers или vLLM; README приводит ограничение контекста до 65 536 токенов для примера запуска. Лицензия в предоставленных данных не указана.

ActionGemma 2B — дообученная модель семейства Gemma 2 от Dinushi Jayasinghe для генерации текста с вызовом функций и инструментов. В репозитории опубликованы объединённые веса LoRA-адаптера с базовой моделью в формате FP16, готовые для запуска через vLLM или Transformers без PEFT. Модель содержит 2,7 млрд параметров и поддерживает контекст до 8192 токенов. Она рассчитана на англоязычные диалоги, где модель должна выбирать и формировать вызовы функций; по данным карточки, она достигает macro F1 93,74%, реже галлюцинирует вызовы и использует меньше токенов, чем базовая модель. Для использования требуется GPU-среда, если модель обслуживается через vLLM. Модель основана на Gemma 2 и распространяется на условиях Gemma Terms of Use.

AEWM (Agent-Editing World Model) — дообученная модель RUC-AIBOX на базе Qwen3.5-35B-A3B для оценки и редактирования решений агентных систем. Она работает как отдельная мировая модель рядом с агентом, который предлагает рассуждения и действия: AEWM классифицирует предложенные действия как критически важные, исследовательские или шумовые, а для шумовых формирует исправленное продолжение рассуждения и действий. Модель предназначена для агентных сценариев поиска, работы в терминале и разработки программного обеспечения с использованием инструментов. В обучении использовались около 52 млрд токенов траекторий и 120 тыс. примеров для оценки действий и пересмотра состояний. В бенчмарке Action Judge указаны общий macro-F1 70,5% и отдельные результаты для Search, Terminal и SWE. Для работы модель развёртывают через совместимый с OpenAI API сервер с поддержкой рассуждений Qwen3.5 и нативных вызовов инструментов, интегрируя её с EditAct. Лицензия — Apache-2.0. Метаданные указывают текстовую генерацию как основную задачу; README описывает классификацию и редактирование решений как специализированное назначение модели.

AgentIntentRouter — модель классификации намерений пользователя для маршрутизации запросов к инструментам и возможностям ИИ-агентов. Она разработана tripathyShaswata и представляет собой дообученную DistilBERT-base-uncased с примерно 66 млн параметров; модель использует архитектуру DistilBertForSequenceClassification и принимает текстовые запросы длиной до 512 токенов по метаданным. README описывает восемь категорий намерений, включая генерацию кода, веб-поиск, вычисления, операции с файлами, вызовы API, творческое письмо, анализ данных и общий чат. Модель рассчитана на быстрый предварительный выбор инструмента в агентных конвейерах и возвращает класс намерения с оценкой уверенности. Обучение проводилось на синтетических англоязычных примерах; карточка приводит 8 987 обучающих, 1 123 валидационных и 1 124 тестовых примера. Заявленная скорость составляет около 10 мс на CPU и 2 мс на GPU, но эти показатели зависят от оборудования и условий запуска. Результаты README получены на тестовых данных того же распределения, что и обучающие, поэтому качество на реальных запросах может отличаться. Модель не предназначена для многоцелевых запросов; неоднозначные сообщения рекомендуется направлять на дополнительную обработку. Лицензия Apache-2.0 допускает коммерческое использование.

InternScience/Agents-A1-Q4_K_M-GGUF — квантизированная версия агентной модели Agents-A1, разработанной командой InternScience. Модель относится к классу Mixture-of-Experts и имеет около 35 млрд параметров; вариант Q4_K_M предназначен для более экономичного локального запуска. Базовая модель Agents-A1 поддерживает генерацию текста, работу с инструментами и, согласно заявленным тегам, мультимодальные сценарии с изображениями, однако точные сведения о поддерживаемых форматах и языках в предоставленных данных не указаны. Модель предназначена для долгих многошаговых задач, поиска и анализа информации, инженерных и научных исследований, выполнения инструкций, общего агентного взаимодействия и вызова внешних инструментов, включая API, интерпретаторы кода и поисковые системы. Она ориентирована на декомпозицию сложных задач, планирование, адаптацию по промежуточным результатам, научное рассуждение и соблюдение подробных многоусловных инструкций. Среди сильных сторон заявлены конкурентоспособные результаты в ряде агентных, научных и исследовательских бенчмарков при существенно меньшем размере по сравнению с крупнейшими моделями. К ограничениям относятся возможное снижение качества из-за квантизации Q4_K_M, а также отсутствие в предоставленном README точных данных о размере контекстного окна, языках, поддерживаемых мультимодальных входах и системных требованиях. Модель распространяется по лицензии Apache-2.0.

Apodex-1.1-mini-GPTQ-Int4 — квантизированная версия модели Apodex-1.1-mini, разработанная Apodex AI. Это reasoning-first модель для сложных исследовательских задач с длительным горизонтом выполнения и текстовой генерации. Она ориентирована на работу с документами, наборами данных, таблицами, изображениями, кодом и внешними инструментами, включая декомпозицию задач, параллельную работу субагентов, поддержание состояния и проверку результатов перед выдачей. Модель поддерживает английский и китайский языки, использует шаблон чата Qwen3.5 и обучена для нативного вызова функций. Для агентских сценариев рекомендуется развёртывание через SGLang с OpenAI-совместимым API; в README указаны рекомендуемые параметры с максимальной длиной контекста 262144 токена и лимитом генерации 32768 токенов. Указанный формат GPTQ Int4 снижает требования к памяти, но сведения о точном размере, архитектуре и аппаратных требованиях не приведены. Сильные стороны модели — ориентация на комплексную многоэтапную работу, использование инструментов, адаптивное планирование и встроенная проверка утверждений, источников и вычислений. Ограничения связаны с тем, что результаты зависят от корректной настройки агентской инфраструктуры и доступных инструментов, а количественные показатели в README относятся преимущественно к системам Apodex и Agent Team, а не обязательно к автономной работе данной квантизированной версии. Модель распространяется по лицензии Apache 2.0.

APUS-OpenJev-v1-9B — дообученная и объединённая BF16-версия Qwen3.5-9B от APUS AI Lab, предназначенная для выбора действий в браузере, маршрутизации рабочих процессов и оценки принципов на естественном языке. Это плотная модель с архитектурой Qwen3.5 и 9 млрд параметров; репозиторий содержит самостоятельные веса checkpoint-3000, которым не требуется отдельный LoRA-адаптер. Для принятия решений модель оценивает переданные в запросе варианты и возвращает распределение предпочтений; режим с 16 слоями рассчитан на низкую интенсивность, а полный режим с 32 слоями рекомендуется для генерации текста. Модель принимает текст и выдаёт текст, в том числе оценки кандидатов, которые приложение может преобразовать в структурированные результаты рабочего процесса. В README приведена оценка 68 из 80 на панели Frozen80, включающей Browser, HelpSteer3, BoolQ, MNLI и задачи атрибуции. Это результат на инженерной панели разработки, а не независимая слепая оценка или показатель успешности браузерных задач. Вероятности выражают относительное предпочтение и требуют калибровки перед интерпретацией как вероятностей правильности; BF16-объединение может менять оценки. Указанная лицензия — Apache-2.0.

Это общественная конверсия BetterWright-4b в формат GGUF с тремя вариантами квантования: Q4_K_M, Q5_K_M и Q8_0. Модель разработана для управления браузером через BetterWright и Playwright; исходные веса — полно-параметрическое дообучение Spark-X2.5-4B от XHToken. Конверсия не меняет поведение базовой модели. Модель принимает текстовые запросы и выдаёт текстовые ответы и вызовы инструментов для многошаговых действий в браузере, например перехода по страницам. В GGUF встроены токенизатор и шаблон чата; архитектура — spark2_5, словарь содержит 131 072 токена. README сообщает о работе с контекстом до 262 тысяч токенов, но при такой длине кэш KV требует значительной памяти. Для запуска требуется llama.cpp со сборкой, поддерживающей Spark2_5ForCausalLM, а для браузерных действий — среда BetterWright. Q5_K_M рекомендован как вариант общего назначения, Q8_0 лучше сохраняет точность аргументов инструментов, а Q4_K_M подходит для ограниченной памяти, но может сильнее отклоняться при генерации длинного браузерного кода. Проверка подтверждает загрузку и корректный вызов инструмента, но не сравнивает качество квантов; результаты бенчмарков относятся к исходным BF16-весам. Репозиторий распространяется по лицензии Apache-2.0 и является общественной, неофициальной конверсией исходной модели.

CogAgent-Chat — визуально-языковая модель с открытыми весами, разработанная командой Zhipu AI и построенная на основе CogVLM. Эта версия предназначена для диалога по изображениям в несколько ходов, работы GUI-агента и визуальной привязки объектов. Модель принимает изображения интерфейсов и текстовые запросы, понимает веб-страницы, приложения для компьютеров и мобильных устройств, а также выполняет OCR-подобные задачи. Модель может составлять план действий по снимку экрана и предлагать следующую операцию с координатами. Она поддерживает изображения размером до 1120×1120 пикселей. В README указана версия CogAgent-18B с 11 млрд визуальных и 7 млрд языковых параметров; метаданные именно этого репозитория указывают 6,6 млрд параметров, поэтому размер версии в описании следует трактовать с осторожностью. Для репозитория заявлен контекст 2048 токенов. Основной язык карточки — английский. Веса доступны для академических исследований. Для коммерческого использования требуется регистрация и соблюдение условий лицензии; метаданные указывают Apache-2.0, поэтому перед применением стоит сверить лицензионные условия конкретной версии. Карточка рекомендует вариант Chat для многошагового диалога с изображениями и GUI-задач, а для одношаговых визуальных вопросов — отдельный вариант VQA.

CoVe-4B — компактный диалоговый агент с поддержкой вызова инструментов, разработанный на базе Qwen3-4B-Instruct-2507 и дообученный по фреймворку Constraint-Verification (CoVe). Модель обучена на наборе CoVe-12K, содержащем 12 тысяч многоходовых траекторий использования инструментов, синтезированных и проверенных детерминированными проверками ограничений. Модель предназначена для интерактивных сценариев, где агент должен вызывать инструменты и соблюдать заданные ограничения. В README сообщается о высоких результатах на τ²-bench среди моделей размером до 8 млрд параметров и о сопоставимости с моделями до 70 млрд параметров. Это плотная архитектура Qwen3 с 3,7 млрд параметров, контекстом до 262 144 токенов и форматом вызова инструментов Hermes; для развёртывания предлагается vLLM. Карточка указывает английский язык и библиотеку Transformers. Модель распространяется под лицензией Apache-2.0. Описанные результаты относятся к τ²-bench; карточка не приводит подробностей о переносе качества на другие задачи и языки.

distil-labs дообучила LiquidAI/LFM2.5-350M на датасете distil-labs/distil-SHELLper для многошагового вызова инструментов, связанных с файловой системой и shell. Модель преобразует запросы на естественном языке в структурированные вызовы функций с Bash-командами и поддерживает многошаговый диалог. Это компактная плотная языковая модель семейства LFM2 с 444,6 млн параметров и контекстом до 128 000 токенов; репозиторий содержит веса Safetensors. Модель предназначена для автоматизации shell-задач: например, для построения команд по запросу пользователя и последовательного взаимодействия с инструментом выполнения команд. В README приведены результаты на задаче Berkeley Function Calling Leaderboard Gorilla для файловой системы, однако это показатели авторов карточки и они не гарантируют такую же точность в других сценариях. Для использования необходима среда выполнения, совместимая с форматом вызовов инструментов модели. Лицензия обозначена как other, поэтому перед использованием следует проверить условия в карточке модели.

Fabletron Nemotron-3-Super-120B-A12B Fable-5 NVFP4 — дообученная Greghavens версия NVIDIA Nemotron-3-Super-120B-A12B. Это гибридная языковая архитектура Mamba-2 и Latent-MoE: 120 млрд параметров суммарно и около 12 млрд активных. Модель обучена методом QLoRA на диалоговых трассах pi_agent из Glint-Research/Fable-5-traces для рассуждений, планирования действий и вызова инструментов. Репозиторий содержит квантованный экспорт NVIDIA ModelOpt NVFP4, рассчитанный на запуск через vLLM или TensorRT-LLM на видеокартах NVIDIA Blackwell. README сообщает о поддержке собственного контекста до 262 144 токенов и обслуживании через vLLM. Модель принимает текст и выдаёт текст, включая ответы в диалоге и вызовы инструментов; MTP-голова базовой модели в экспорте отсутствует. Модель предназначена для экспериментов с агентными сценариями и применима к многошаговому планированию и работе с инструментами. README предупреждает, что модель не получила дополнительного выравнивания по безопасности сверх базовой версии, поэтому перед использованием в производственной среде её следует оценить. Лицензия в метаданных указана как other; конкретные условия следует сверить с карточкой репозитория.

Fara1.5-27B-GGUF — это квантизированная GGUF-версия мультимодальной модели Fara1.5-27B, разработанной Microsoft. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для сценариев computer use, управления браузером, автоматизации веб-задач и работы веб-агентов с визуально-языковым вводом. Модель имеет размер 27B параметров, поддерживает обработку текста и изображений и заявлена для английского языка. Доступны варианты от BF16 до различных уровней Q2–Q8-квантизации; размеры файлов составляют примерно от 12 до 54 ГБ. Наиболее качественными считаются BF16, Q8_0 и варианты Q6, а Q4_K_M предлагает компромисс между качеством и размером. Для запуска подходят llama.cpp, LM Studio, Ollama-совместимые инструменты и другие приложения с поддержкой GGUF, однако для недавно поддерживаемых архитектур может потребоваться обновление программного обеспечения. Сильные стороны модели — мультимодальность, ориентация на автоматизацию действий и широкий выбор квантизаций для разного объёма памяти. Ограничения включают неизвестные из README размер контекста и подробности архитектуры, а также возможное снижение качества на низких уровнях квантизации. Указана лицензия MIT; базовая модель — microsoft/Fara1.5-27B.

Grok 4.20 Multi-Agent — вариант модели Grok 4.20 от SpaceXAI для совместных сценариев с несколькими агентами. Несколько агентов работают параллельно, проводят углублённое исследование, координируют использование инструментов и объединяют полученные сведения. Данных о размере, архитектуре, модальностях, языках, длине контекста и лицензии в предоставленных источниках нет.

Hammer2.1-3b — компактная языковая модель для вызова функций, разработанная командой MadeAgents и дообученная на Qwen/Qwen2.5-Coder-3B-Instruct. Это плотная модель семейства Qwen2 с 3,1 млрд параметров; репозиторий содержит веса Safetensors, а контекст составляет до 32 768 токенов. Модель предназначена для диалоговых ассистентов, которые используют внешние инструменты: она может планировать и выполнять несколько вызовов функций в рамках одного запроса, поддерживать многошаговый диалог и отвечать обычным текстом, когда доступные функции не подходят. В README также указана возможность локального запуска на мобильных устройствах через интеграцию с Google AI Edge. Для работы с моделью предусмотрены Hugging Face Transformers и vLLM; карточка рекомендует Transformers версии 4.47.0 или выше, а для встроенного вызова инструментов в vLLM требуется версия 0.6 или выше. Данные README не приводят конкретных показателей бенчмарков для версии 3B. Лицензия обозначена как other, поэтому условия использования следует проверять в карточке репозитория.

Holo1.5-72B — мультимодальная модель компании H Company для компьютерных агентов, работающих с веб-интерфейсами, настольными и мобильными приложениями. Это дообученная версия Qwen/Qwen2.5-VL-72B-Instruct с архитектурой Qwen2.5-VL и 71,5 млрд параметров; модель принимает изображения и текст и генерирует текстовые ответы с описанием элементов интерфейса и их расположения. Контекст — до 128 000 токенов. Модель предназначена для поиска элементов на экране, понимания содержимого интерфейса и ответов на вопросы по скриншотам, а также для передачи компьютерному агенту сведений, необходимых для взаимодействия с приложениями. Обучение включало supervised fine-tuning на данных для понимания интерфейсов и предсказания действий, а затем онлайн-обучение с подкреплением GRPO. В README заявлена поддержка изображений интерфейсов с разрешением до 3840 × 2160 пикселей и приведены результаты оценки на UI-локализации и QA-бенчмарках. Модель разработана H Company и распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Хотя семейство предназначено для компьютерных агентов, карточка описывает визуальное понимание и предсказание действий; автономное выполнение действий в приложениях требует соответствующей агентной системы.

Holo2-30B-A3B — мультимодальная модель H Company для агентов, которые управляют веб-сайтами, настольными и мобильными интерфейсами. Она дообучена на базе Qwen/Qwen3-VL-30B-A3B-Thinking и принимает изображения интерфейсов и текстовые запросы, чтобы понимать экран, находить элементы управления и поддерживать многошаговое выполнение задач. Модель опубликована в формате safetensors для Transformers; в названии указано 30B, а A3B обозначает вариант MoE. Обучение включало контролируемую настройку на данных понимания интерфейсов и предсказания действий, а затем онлайн-обучение с подкреплением. В README приведены результаты на бенчмарках веб-навигации, управления ОС и Android, а также локализации элементов интерфейса. Модель ориентирована на компьютерных агентов; карточка не описывает универсальные сценарии вне этой области. Для репозитория указана лицензия CC BY-NC 4.0, а README называет версию 30B-A3B исследовательской и некоммерческой. Коммерческое использование требует согласования с разработчиком. Описание не приводит конкретных ограничений по языкам, контексту или надёжности действий в реальных приложениях.

Jan-v2-VL-f32-AIO-GGUF — GGUF-сборка 8-миллиардной vision-language модели Jan-v2-VL, разработанной командой JanHQ. Модель предназначена для взаимодействия с визуальными и текстовыми данными, а также для выполнения многошаговых задач в реальных программных средах, включая браузеры и настольные приложения. Модель сочетает языковое рассуждение с визуальным восприятием, поддерживает анализ скриншотов, заземление элементов интерфейса и вызов инструментов. Она рассчитана на агентную автоматизацию, управление пользовательским интерфейсом, следование сложным инструкциям, сохранение промежуточного состояния и восстановление после незначительных ошибок. Заявлен английский язык, однако сведения о размере контекста и точной архитектуре в README не указаны. Доступны варианты low, med и high: low ориентирован на эффективность и меньшую задержку, med предлагает баланс качества и скорости, а high использует более глубокое рассуждение и требует больше времени на обработку. Сильными сторонами являются работа с визуально-текстовыми сценариями, устойчивое пошаговое выполнение длинных последовательностей и возможность локального запуска через vLLM и llama.cpp. Ограничениями являются отсутствие в README подробных метрик, данных о контекстном окне и гарантий качества за пределами заявленных сценариев, а также повышенные требования к ресурсам для полноразмерных F32-файлов. Модель распространяется по лицензии Apache-2.0.

Jan-v2-VL-med-gguf — мультимодальная vision-language модель примерно на 8 млрд параметров, разработанная Jan. Модель предназначена для многошаговых задач в реальных программных средах, включая браузеры и настольные приложения. Она ориентирована на агентную автоматизацию и управление интерфейсами с опорой на скриншоты и вызовы инструментов, когда план или необходимые знания заданы заранее, а результат зависит от стабильного выполнения длинной последовательности действий. Модель объединяет языковое рассуждение и визуальное восприятие, поддерживает текстовые и визуальные входы и заявлена для английского языка. Вариант med обеспечивает баланс между качеством и задержкой среди вариантов Jan-v2-VL-low, med и high. Модель разработана для поддержания промежуточного состояния, выполнения инструкций с минимальным отклонением и восстановления после небольших ошибок. README не указывает точный размер контекста и специфические ограничения по поддерживаемым форматам изображений. По заявлению разработчиков, Jan-v2-VL не уступает базовой Qwen-3-VL-8B-Thinking на стандартных текстовых и визуальных задачах и превосходит её на некоторых оценках, обеспечивая более сильное выполнение длинных цепочек действий. Для локального запуска предусмотрена интеграция с Jan App, а также поддержка llama.cpp и vLLM; GGUF-вариант рассчитан на использование с llama.cpp. Модель распространяется по лицензии Apache 2.0.

KAgentLMs — серия языковых моделей с агентными возможностями, разработанная KwaiKEG из Kuaishou Technology. Эта версия содержит 13,3 млрд параметров и построена на плотной архитектуре Baichuan2; в карточке указан базовый репозиторий baichuan-inc/Baichuan2-13B-Base. Модель предназначена для генерации текста и задач, связанных с планированием, рефлексией и использованием инструментов агентом. Модель дообучена методом Meta-agent tuning на инструкционных данных KAgentInstruct. В README также упоминается KAgentBench — набор более чем из 3 000 размеченных примеров для оценки планирования, использования инструментов, рефлексии, подведения итогов и профилирования. Заявлены английский и китайский языки. Для развёртывания авторы описывают использование vLLM и FastChat; лицензия — CC BY-NC-ND 4.0, предусматривающая ограничения на коммерческое использование и распространение производных материалов.

Lightning-Herald-30B-A3B — модель EryriLabs, дообученная на базе NVIDIA Nemotron 3.5 Lightning для работы в Hermes Agent. Это гибридная языковая архитектура Nemotron-H с Mamba-2, механизмом Mixture of Experts и компонентом attention; карточка указывает 30 млрд параметров, из которых около 3 млрд активны при генерации, а метаданные каталога — 1,9 млрд параметров. Модель принимает текст и генерирует текст, включая вызовы инструментов в формате Nemotron, рассчитанном на разбор llama.cpp. Заявленный контекст — 262 144 токена. Модель предназначена для агентных сценариев: многошагового использования инструментов и выполнения задач через оболочку агента. В сравнении с исходной Lightning автор сообщает о росте результата в Fox agent suite и равном результате в тесте терминальных задач; эти оценки относятся к описанным в README наборам и настройкам. Автор отмечает, что модель иногда достигает лимита итераций, не завершив задачу, и рекомендует ограничивать агентную среду песочницей и проверять выполняемые команды. Модель дообучена на отфильтрованных трассах Hermes Agent, переформатированных в шаблон чата и синтаксис вызова инструментов Nemotron. Лицензия в метаданных указана как other; базовая модель NVIDIA Nemotron 3.5 Lightning распространяется по OpenMDW-1.1, однако отдельные условия лицензирования этого дообучения в доступных данных не раскрыты.

KhanCold/llama3-8b-spader — дообученная методом обучения с подкреплением модель Llama 3.1 8B Instruct, созданная в рамках работы SPADER. Метод предназначен для длинных последовательностей взаимодействия с инструментами и вопросов, допускающих несколько правильных ответов. Он использует пошаговое сравнение параллельных траекторий для оценки преимуществ действий и поощряет поиск редких сущностей, снижая награду за повторяющиеся результаты. Модель рассчитана на генерацию текста и диалоговое применение, включая ответы на вопросы с несколькими ответами и сценарии работы агента с инструментами. Веса доступны в формате safetensors; размер модели — около 7,5 млрд параметров, контекст — до 131 072 токенов. В карточке указана лицензия Apache-2.0.

Llama-xLAM-2-8b-fc-r-dpo-prune — дообученная модель на архитектуре Llama, созданная на основе Salesforce/Llama-xLAM-2-8b-fc-r. Она предназначена для многоходового вызова функций и использования инструментов в диалоговых агентных системах, в том числе для оценки на BFCL. Для повышения эффективности использования инструментов модель дообучали методом итеративного пошагового DPO с отбором проверенных траекторий; веса LoRA-дообучения объединены с базовой моделью. Обучение использовало пары предпочтений, сформированные на BFCL v3 Base Multi-Turn. Модель содержит 7,5 млрд параметров, использует плотную архитектуру Llama и работает с контекстом до 131 072 токенов. Репозиторий содержит веса Safetensors, а для работы указана библиотека Transformers. Лицензия — Llama 3.1. Подробное описание метода и экспериментов авторы обещают опубликовать позднее.

InterSync разработала дообученную версию Mistral-7B-Instruct-v0.2 с поддержкой вызова функций. Это плотная авторегрессионная модель семейства Mistral на 7,1 млрд параметров; она принимает текстовые сообщения и генерирует текст, включая структурированные вызовы внешних функций в диалоге. Контекст модели составляет 32 768 токенов. Модель предназначена для диалоговых приложений, которым нужно направлять запросы к внешним API, искать сведения в интернете или пользовательских базах данных и использовать полученные данные для ответов и кратких объяснений. Такие функции выполняются через интеграцию с инструментами приложения. Модель представлена в формате Safetensors и распространяется по лицензии CC. README описывает поддержку вызова функций, но не приводит результаты оценки качества; точная совместимость с конкретными схемами инструментов и API зависит от интеграции.

TeichAI/Nemotron-Orchestrator-8B-DeepSeek-v3.2-Speciale-Distill — дообученная TeichAI модель на архитектуре Qwen3, основанная на nvidia/Nemotron-Orchestrator-8B. Модель предназначена для генерации текста и диалогового взаимодействия с интерфейсом вызова инструментов; базовая модель ориентирована на координацию инструментов и моделей в многошаговых агентных задачах. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В карточке указано, что обучение проводилось с использованием Unsloth и библиотеки TRL из Hugging Face. Репозиторий опубликован в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не описывает отдельные возможности или ограничения именно этого дообучения.

OpenDecider-nano — дообученная модель OpenDecider для быстрых калиброванных решений по тексту. Разработчики описывают её как модель System 1: она принимает текст, письмо, заявку или JSON вместе с типизированными вопросами и возвращает вероятности для вариантов ответа за один проход, не генерируя текст. Модель построена на энкодере ModernBERT семейства Ettin, содержит 394,7 млн параметров и принимает последовательности длиной до 7 999 токенов. Основной язык карточки — английский. Модель предназначена для классификации без заранее заданных классов, маршрутизации запросов в агентских системах, оценки вариантов и проверок «да/нет», включая фильтрацию контента и защиту от prompt injection. В README заявлены быстрый инференс, интеграции с агентскими фреймворками и локальное выполнение в браузере; опубликованные оценки зависят от конкретного набора данных и условий сравнения. Лицензия Apache-2.0 разрешает коммерческое использование. По результатам тестирования защиты от инъекций модель может ошибочно помечать легитимные запросы, поэтому её решения требуют настройки под сценарий применения.

OS-Atlas-Pro-7B — мультимодальная модель для GUI-агентов, разработанная командой OS-Copilot и дообученная для генерации действий в графическом интерфейсе. На вход она принимает изображение экрана и текст с инструкцией, системным промптом и описанием доступных базовых или пользовательских действий; на выходе формирует рассуждение и следующий шаг агента. Модель предназначена для выполнения отдельных шагов взаимодействия с интерфейсами приложений и операционных систем: например, выбора элемента или выполнения действия по инструкции. Это плотная архитектура Qwen2-VL с 7,1 млрд параметров; используется библиотека Transformers, формат весов — safetensors. Нативная длина контекста — 32 768 токенов. Базовая модель — Qwen/Qwen2-VL-7B-Instruct. Модель ориентирована на GUI-задачи и, согласно карточке, показывает улучшенную обобщающую способность относительно описанных в статье вариантов OS-Atlas. Карточка не приводит конкретные сведения о поддерживаемых естественных языках. Лицензия — Apache-2.0.

AppleScript-16B-A4B-JANG_4M — модель Osaurus для автоматизации macOS с помощью AppleScript и вызовов инструментов. Она дообучена на основе google/gemma-4-26B-A4B-it, а её архитектура Gemma 4 использует MoE: 16,1 млрд параметров всего и около 4 млрд активных. Модель квантована в формате JANG_4M: 8-битное внимание и 4-битные маршрутизируемые эксперты; размер файлов около 11 ГБ. Для запуска предназначена библиотека MLX, автор рекомендует среду vMLX. Модель формирует структурированные вызовы инструмента run_applescript для управления приложениями macOS, включая Safari, Finder, Mail, Notes, Calendar и Reminders, а также системными функциями, буфером обмена, снимками экрана и ASObjC. Без описания инструмента она может выдавать AppleScript напрямую. В тесте автора на 87 задачах заявлены 100% корректных вызовов инструмента, 100% компиляции скриптов и 84% правильного выполнения; это результаты указанного теста, а не гарантия для произвольных сценариев. Лицензия — Gemma.

OsaurusAI разработала AppleScript-16B-A4B-JANG_4M — дообученную модель на основе Google Gemma 4 26B A4B IT для автоматизации macOS с помощью AppleScript и вызовов инструментов. Она предназначена для агентных сценариев: по запросу формирует структурированный вызов инструмента run_applescript со скриптом для управления приложениями и системой; без описания инструмента может выдавать AppleScript напрямую. Модель использует MoE-архитектуру Gemma 4, экспертно сокращена до 16,1 млрд параметров, из которых активны около 4 млрд. Версия JANG_4M применяет 8-битное внимание и 4-битные маршрутизируемые эксперты; заявленный размер — около 11 ГБ. Модель рассчитана на локальный запуск через MLX и принимает текстовые запросы, выдавая текст или структурированные вызовы инструментов. В тесте разработчика на 87 задачах модель показала 100% корректных вызовов инструмента и компилируемых скриптов, а также 84% корректного выполнения. Эти результаты относятся к внутреннему тесту и не гарантируют точность для произвольных сценариев. Лицензия — Gemma; перед использованием следует учитывать её условия.