I.14Автоматизация процессов и AI-агенты

Bielik-11B-v3.0-Instruct-awq — это квантизированная в формате AWQ версия инструкционной языковой модели Bielik-11B-v3.0-Instruct, разработанной командами SpeakLeash и ACK Cyfronet AGH. Модель имеет архитектуру causal decoder-only и предназначена для генерации и обработки текста в сценариях, требующих следования инструкциям. Она поддерживает 32 европейских языка, включая польский, английский, русский, украинский и немецкий, при этом оптимизирована прежде всего для польского языка. Модель основана на Bielik-11B-v3-Base-20250730 и является текстовой, без заявленной поддержки других модальностей. Квантизация AWQ уменьшает требования к ресурсам по сравнению с исходной моделью, однако может снижать качество ответов и повышать вероятность галлюцинаций. В README не указаны размер контекста, точные требования к оборудованию и результаты бенчмарков, поэтому эти характеристики оценить нельзя. Модель распространяется по лицензии Apache 2.0 с дополнительными условиями использования Bielik.

EVA-Qwen2.5-72B-v0.1-GGUF — это набор GGUF-квантизаций текстовой языковой модели EVA-Qwen2.5-72B-v0.1, опубликованный bartowski. Модель создана на базе Qwen2.5-72B-Instruct и предназначена для генерации текста, включая диалоговые сценарии, написание текстов и roleplay. В обучении исходной модели использовались наборы данных для инструкционного следования, структурированного письма, художественных диалогов и ролевых сценариев. Архитектура исходной модели — Qwen2.5 с 72 млрд параметров; модель работает с текстом и использует шаблон сообщений ChatML. README не содержит точных сведений о поддерживаемых языках и размере контекстного окна. Доступны варианты квантизации от IQ1_M и Q2 до Q8_0 размером примерно от 23,74 до 77,26 ГБ. Варианты Q5_K_M, Q6_K, Q4_K_M и другие обеспечивают компромисс между качеством и требованиями к памяти; низкобитные варианты экономичнее, но заметно уступают в качестве. Модель можно запускать через llama.cpp и LM Studio. Квантизация выполнена с использованием imatrix и llama.cpp версии b4014. Лицензия указана как qwen/other; README ссылается на лицензию Qwen2.5-72B-Instruct, однако конкретные условия следует уточнять в исходной лицензии.

Experiment28M7_AlloyingotneoyPercival_01 — объединённая модель на архитектуре Mistral с 7,1 млрд параметров, созданная слиянием automerger/Experiment28M7-7B и automerger/AlloyingotneoyPercival_01-7B. Она предназначена для генерации текста и диалоговых сценариев; поддерживает контекст до 32 768 токенов и хранится в формате Safetensors. Модель принимает текст и генерирует текст. В карточке не приведены специальные предметные области или сведения о языковой специализации, поэтому её можно описывать как модель общего назначения. Лицензия — Apache-2.0.

Falcon3-10B-Instruct-GGUF — это квантизированная GGUF-версия инструкционной языковой модели Falcon3-10B-Instruct, разработанной Technology Innovation Institute (TII) и опубликованной пользователем bartowski. Модель предназначена для генерации текста и диалоговых сценариев, включая выполнение инструкций, ответы на вопросы и другие задачи обработки естественного языка. Она рассчитана на запуск через llama.cpp и совместимые приложения, например LM Studio, с использованием формата чата <|system|>, <|user|>, <|assistant|>. Модель содержит 10 млрд параметров и работает только с текстом. В репозитории доступны варианты от исходных весов F16 размером 20,62 ГБ до квантизаций Q4 и Q5 размером примерно 5,9–7,6 ГБ, а также Q6 и Q8. Квантизации позволяют снизить требования к памяти и запускать модель локально, при этом более сильное сжатие может ухудшать качество. Для вариантов Q4–Q6 заявлено хорошее или очень высокое сохранение качества; наиболее сбалансированным вариантом для большинства сценариев указан Q4_K_M. В опубликованных оценках базовая модель получила 78,17% строгой точности на IFEval, 44,82% на BBH, 25,91% exact match на MATH Level 5 и 38,1% на MMLU-Pro; результаты на GPQA и MuSR составили 10,51% и 13,61% соответственно. Эти показатели характеризуют отдельные тестовые сценарии и не гарантируют качество для конкретных прикладных задач. Языки поддержки и размер контекста в README не указаны. Модель распространяется по лицензии Falcon LLM License; перед использованием необходимо ознакомиться с условиями лицензии TII.

Fusion-7B-Quintessence — языковая модель для генерации текста, созданная слиянием предварительно обученных моделей с помощью mergekit и метода passthrough. В состав вошли NousResearch/Nous-Hermes-2-Mistral-7B-DPO, NousResearch/Genstruct-7B и Weyaxi/Einstein-v4-7B. Архитектура — плотная Mistral с классом MistralForCausalLM; в репозитории указано 21,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для диалогов и генерации текста по запросу. Модель принимает и выдаёт текст; метаданные отмечают возможность чата. В README указана лицензия на веса отдельно не приводится, поэтому условия использования по этим данным определить нельзя. Слияние разных моделей может давать нестабильное качество на отдельных запросах.

Gemma-2-Ataraxy-v4c-9B — диалоговая языковая модель на базе Gemma 2, созданная lemon07r слиянием предварительно обученных моделей через SLERP с помощью mergekit. В объединении использованы lemon07r/Gemma-2-Ataraxy-v3b-9B и zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.25. Модель с плотной архитектурой Gemma2ForCausalLM содержит 9 млрд параметров и имеет контекстное окно 8192 токена. Она предназначена для генерации текста в диалоге, выполнения инструкций и творческих текстовых задач. В README приведены результаты Open LLM Leaderboard, включая IFEval и BBH; эти показатели сами по себе не гарантируют качество в конкретном сценарии. В репозитории указана лицензия Gemma. Использование регулируется условиями лицензии Google Gemma.

Карточка модели Aliados/gemma-3-1b-it на Hugging Face совпадает с карточкой unsloth/gemma-3-1b-it, поэтому описание составлено по ней. unsloth/gemma-3-1b-it — диалоговая версия Gemma 3, размещённая Unsloth и основанная на Google/gemma-3-1b-it. Это плотная языковая модель Gemma3ForCausalLM примерно с 1 млрд параметров, предназначенная для генерации текста и общения по инструкциям. Репозиторий содержит веса в формате Safetensors; модель работает через Transformers и рассчитана на контекст до 32 768 токенов. Модель подходит для диалоговых помощников, черновиков текстов и писем, суммаризации и ответов на вопросы. В README описаны возможности семейства Gemma 3, включая мультимодальный ввод изображений, но этот конкретный чекпойнт имеет текстовую архитектуру и базовую модель Gemma 3 на 1 млрд параметров; поэтому поддержку изображений ему не приписываю. Метаданные указывают английский язык. Лицензия — Gemma. Как и другие генеративные модели, она может ошибаться в фактах, отражать смещения обучающих данных и хуже справляться с неоднозначными или сложными запросами. Качество зависит от промпта и контекста.

Gemopus-4-26B-A4B-it — экспериментальная версия Gemma 4, дообученная методом SFT автором Jackrong на базе google/gemma4-26B-it. Это плотная модель семейства Gemma 4 с архитектурой Gemma4ForConditionalGeneration; репозиторий содержит веса в формате Safetensors. Модель предназначена для диалогов и следования инструкциям, с улучшениями естественности ответов, их ясности, структуры и полноты. Модель подходит для повседневного текстового помощника, структурирования длинных ответов, суммаризации, подготовки текстов и интерактивной помощи с кодом. В карточке указана поддержка английского, китайского, корейского и японского языков. Разработчик отмечает, что знания и математические способности уступают крупным передовым моделям; возможны ошибки в узкоспециализированных вопросах и сложных многошаговых вычислениях. Лицензия — Apache-2.0.

Hazy-Llama-70b — объединённая диалоговая языковая модель, созданная tdot604 с помощью mergekit методом TIES. В слиянии использованы mattshumer/Reflection-Llama-3.1-70B как базовая модель и Sao10K/L3-70B-Euryale-v2.1; конфигурация задаёт им веса 0,8 и 0,2 соответственно. Модель построена на архитектуре Llama, содержит 69,5 млрд параметров и принимает текстовые запросы, генерируя текстовые ответы. Поддерживает контекст до 8192 токенов и рассчитана на диалоговое использование. Модель подходит для ведения диалога и генерации ответов на текстовые запросы. Метаданные базовой модели описывают её как диалоговую модель с этапом самопроверки и исправления ошибок, однако README не подтверждает, что это поведение сохраняется в данном слиянии. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

IridiumLlama-72B-v0.1 — языковая модель с архитектурой Llama, созданная leafspark путём слияния Qwen2-72B-Instruct, calme2.1-72b и magnum-72b-v1 с помощью model_stock. Модель содержит 71,5 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает текст для генерации текста; заявленная длина контекста — около 32 тысяч токенов. Карточка отмечает разговорный режим и описывает сочетание выразительной прозы Magnum с возможностями Calme. Модель подходит для диалогов, генерации связных текстов и задач, решаемых инструктивными языковыми моделями. Веса размещены в формате safetensors и рассчитаны на использование с Transformers; для запуска в исходном виде README указывает около 150 ГБ свободного места и VRAM. Лицензия указана как other, поэтому условия использования следует сверить с карточкой модели и лицензиями компонентов.

bunnycore/Llama-3.1-8B-TitanFusion-Mix-2.1 — текстовая генеративная модель семейства Llama 3.1, созданная разработчиком bunnycore слиянием нескольких языковых моделей методом TIES через mergekit. В качестве базовой модели использована NousResearch/Meta-Llama-3.1-8B; в слияние также вошли Llama-3.1-8B-Lexi-Uncensored-V2, Configurable-Llama-3.1-8B-Instruct и две модели TitanFusion от bunnycore. Модель с архитектурой LlamaForCausalLM содержит 7,5 млрд параметров, принимает текст и генерирует текст. Заявленная длина контекста — 131 072 токена. Предназначена для диалогов и генерации текста общего назначения; README не приводит отдельные оценки качества или подробные сценарии применения. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в предоставленных данных не указана.

RedHatAI/Llama-3.2-1B-FP8 — это FP8-квантизированная версия базовой языковой модели Llama 3.2 1B. Репозиторий опубликован Red Hat AI, а исходная модель разработана Meta. Это авторегрессионная текстовая модель для генерации текста и кода; она не является мультимодальной и не относится к instruction-tuned версии. Модель содержит около 1,23 млрд параметров и использует оптимизированную Transformer-архитектуру Llama с Grouped-Query Attention: 16 слоёв, 32 attention heads и 8 key-value heads. В конфигурации репозитория указано контекстное окно до 131 072 токенов. Официально поддерживаются английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. FP8-представление весов и активаций предназначено для снижения требований к памяти и ускорения инференса на совместимом оборудовании. Сильными сторонами являются небольшой размер, возможность локального развертывания и повышенная эффективность по сравнению с полноточной версией. Ограничения включают меньшую ёмкость по сравнению с более крупными моделями, возможные потери качества из-за квантизации и отсутствие в карточке репозитория собственных подробных оценок качества или описания ограничений. Для исходной Llama 3.2 указана Llama 3.2 Community License — специальная коммерческая лицензия Meta; условия применения производной FP8-модели следует проверять по лицензии базовой модели и файлам репозитория.

MeliodasPercival_01_Strangemerges_32Ogno — объединённая модель семейства Mistral, созданная на основе automerger/MeliodasPercival_01-7B и automerger/Strangemerges_32Ogno-7B. Она содержит 7,1 млрд параметров и предназначена для генерации текста, включая диалоги, с контекстом до 32 768 токенов. Модель принимает текст и выдаёт текст. Веса доступны в формате safetensors; лицензия — Apache-2.0. README не приводит сведений о специализации модели или результатах оценки качества.

NeuralLLaMa-3-8b-ORPO-v0.3 — разговорная языковая модель семейства Llama, опубликованная Kukedlc. Это дообученная версия Meta-Llama-3.1-8B-Instruct с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Модель предназначена для генерации текста в диалогах и ответов на запросы; в README приведены результаты оценки на Open LLM Leaderboard, включая задачи на рассуждение и понимание естественного языка. Модель принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов и распространяется в формате safetensors. Метаданные не содержат сведений о поддерживаемых языках. Лицензия — Apache-2.0. Показатели из таблицы README описывают результаты отдельных бенчмарков и не гарантируют качество для конкретных сценариев.

Карточка модели SAIFIINDUSTRIES/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-NVFP4-noMTP-GGUF на Hugging Face совпадает с карточкой waseigo/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-NVFP4-noMTP-GGUF, поэтому описание составлено по ней. Это конвертированная в GGUF версия NVIDIA Nemotron 3.5 Lightning 30B-A3B NVFP4, подготовленная автором репозитория для запуска через llama.cpp. Из конвертации исключены MTP-слои; веса сохранены в автоматически выбранном формате исходной модели. Модель предназначена для генерации текста и диалогового использования. Автор сообщает, что она запускалась на двух видеокартах RTX 5060 Ti по 16 ГБ, с контекстом до 1 048 576 токенов и квантизацией KV-кэша q8_0; по его оценке, для этого не требуется выгружать экспертные слои в оперативную память. Поддерживаемые языки по карточке: английский, испанский, французский, немецкий, итальянский и японский. Это конверсия исходной модели NVIDIA в GGUF для llama.cpp, а не самостоятельное дообучение; базовая модель — nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-NVFP4. Репозиторий указывает лицензию «other», поэтому перед использованием следует проверить условия исходной модели и репозитория.

Карточка модели sworge/poc-custom-arch на Hugging Face совпадает с карточкой Qwen/Qwen2.5-0.5B-Instruct, поэтому описание составлено по ней. Qwen/Qwen2.5-0.5B-Instruct — компактная инструктивно настроенная языковая модель семейства Qwen2.5, разработанная командой Qwen. Она предназначена для диалогов, выполнения инструкций и генерации текста, включая длинные ответы, структурированные данные и JSON; также может применяться для простых задач по коду и математике. Модель построена на архитектуре Qwen2 с причинным языковым моделированием и содержит 494 млн параметров. В карточке указаны 24 слоя, RoPE, SwiGLU, RMSNorm и группированное внимание; контекст — 32 768 токенов, генерация — до 8 192 токенов. Модель работает с текстом, поддерживает чат и интерфейс вызова инструментов. Семейство Qwen2.5 заявляет поддержку более 29 языков, включая русский и английский. Небольшой размер упрощает запуск по сравнению с крупными языковыми моделями, но ограничивает сложность задач, которые она может надёжно решать. Модель распространяется по лицензии Apache-2.0; для загрузки через Transformers рекомендуется актуальная версия библиотеки.

Карточка модели ArchiveStudio/Qwen2.5-0.5B-Instruct на Hugging Face совпадает с карточкой Qwen/Qwen2.5-0.5B-Instruct, поэтому описание составлено по ней. Qwen/Qwen2.5-0.5B-Instruct — компактная инструктивно настроенная языковая модель семейства Qwen2.5, разработанная командой Qwen. Она предназначена для диалогов, выполнения инструкций и генерации текста, включая длинные ответы, структурированные данные и JSON; также может применяться для простых задач по коду и математике. Модель построена на архитектуре Qwen2 с причинным языковым моделированием и содержит 494 млн параметров. В карточке указаны 24 слоя, RoPE, SwiGLU, RMSNorm и группированное внимание; контекст — 32 768 токенов, генерация — до 8 192 токенов. Модель работает с текстом, поддерживает чат и интерфейс вызова инструментов. Семейство Qwen2.5 заявляет поддержку более 29 языков, включая русский и английский. Небольшой размер упрощает запуск по сравнению с крупными языковыми моделями, но ограничивает сложность задач, которые она может надёжно решать. Модель распространяется по лицензии Apache-2.0; для загрузки через Transformers рекомендуется актуальная версия библиотеки.

Карточка модели DongfuJiang/Qwen2.5-0.5B-Instruct на Hugging Face совпадает с карточкой Qwen/Qwen2.5-0.5B-Instruct, поэтому описание составлено по ней. Qwen/Qwen2.5-0.5B-Instruct — компактная инструктивно настроенная языковая модель семейства Qwen2.5, разработанная командой Qwen. Она предназначена для диалогов, выполнения инструкций и генерации текста, включая длинные ответы, структурированные данные и JSON; также может применяться для простых задач по коду и математике. Модель построена на архитектуре Qwen2 с причинным языковым моделированием и содержит 494 млн параметров. В карточке указаны 24 слоя, RoPE, SwiGLU, RMSNorm и группированное внимание; контекст — 32 768 токенов, генерация — до 8 192 токенов. Модель работает с текстом, поддерживает чат и интерфейс вызова инструментов. Семейство Qwen2.5 заявляет поддержку более 29 языков, включая русский и английский. Небольшой размер упрощает запуск по сравнению с крупными языковыми моделями, но ограничивает сложность задач, которые она может надёжно решать. Модель распространяется по лицензии Apache-2.0; для загрузки через Transformers рекомендуется актуальная версия библиотеки.

unsloth/Qwen2.5-0.5B-Instruct-bnb-4bit — это 4-битная версия instruction-tuned языковой модели Qwen2.5-0.5B-Instruct, подготовленная Unsloth на базе модели Qwen, разработанной Alibaba Cloud. Она предназначена для генерации текста, диалоговых ассистентов, следования инструкциям, работы со структурированными данными и форматами вывода, включая JSON, а также для задач программирования и математики. Модель является каузальной языковой моделью с архитектурой Transformers, RoPE, SwiGLU, RMSNorm, смещениями в QKV attention и связанными эмбеддингами слов. Она содержит около 0,49 млрд параметров, 24 слоя и использует Grouped Query Attention: 14 голов для Q и 2 для KV. Полная длина контекста составляет 32 768 токенов, максимальная длина генерации — 8192 токена. Поддерживаются более 29 языков, включая английский, китайский, русский, французский, испанский, немецкий, итальянский, японский, корейский, вьетнамский, тайский и арабский. Ключевое преимущество версии bnb-4bit — сниженное потребление памяти благодаря 4-битному представлению, что упрощает запуск и дообучение модели на ограниченных GPU-ресурсах. Небольшой размер делает её подходящей для локального использования и ресурсоограниченных приложений, однако по возможностям и качеству ответов она уступает более крупным моделям. README не содержит подробных результатов оценки именно этой 4-битной версии. Модель распространяется по лицензии Apache-2.0.

unsloth/Qwen2.5-0.5B-Instruct-unsloth-bnb-4bit — компактная 4-битная версия модели Qwen2.5-0.5B-Instruct, подготовленная Unsloth на базе семейства Qwen, разработанного командой Qwen. Модель предназначена для задач генерации и обработки текста, включая диалоговые приложения, следование инструкциям, работу со структурированными данными, генерацию JSON, базовое программирование и математические запросы. Модель относится к классу авторегрессионных языковых моделей и содержит около 0,49 млрд параметров, из которых около 0,36 млрд не являются параметрами эмбеддингов. Архитектура использует RoPE, SwiGLU, RMSNorm, смещения в QKV внимания, связанные эмбеддинги слов и Grouped Query Attention с 14 головами для Q и 2 для KV. Заявлена поддержка контекста до 32 768 токенов. Семейство Qwen2.5 поддерживает более 29 языков, включая английский, китайский, русский и другие, однако для данной конкретной версии в метаданных явно указан английский язык. Ключевое преимущество версии — сниженные требования к памяти благодаря 4-битному квантованию Unsloth, при этом заявлено выборочное квантование Dynamic 4-bit для лучшего сохранения точности по сравнению со стандартными 4-битными форматами. Ограничениями являются небольшой размер модели и, как следствие, более ограниченные возможности по сравнению с крупными моделями; README также не содержит подробных результатов бенчмарков именно для этой версии. Лицензия — Apache-2.0.

AiCloser/Qwen2.5-32B-AGI — дообученная диалоговая языковая модель на архитектуре Qwen2.5, созданная на основе Qwen/Qwen2.5-32B-Instruct. Разработчик описывает её как первую донастройку Qwen2.5 32B для снижения чрезмерных отказов отвечать; для этого использованы наборы инструктивных и предпочтительных данных, включая датасеты с токсичным содержимым. Модель предназначена для диалога и генерации текста по инструкциям. Она содержит 32 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. В метаданных заявлены китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский языки. Распространяется в формате safetensors по лицензии Apache-2.0. Настройка на снижение отказов может приводить к ответам на запросы, которые базовая модель отклоняет; степень такого эффекта и качество модели для отдельных задач в карточке не измерены. Модель сохраняет ограничения базовой языковой модели, включая возможность ошибок и недостоверных утверждений.

Qwen2-7B-Instruct-it-v1.1 — дообученная чат-модель, разработанная homeb82784 на базе unsloth/qwen2-7b-instruct-bnb-4bit. Это плотная авторегрессионная модель семейства Qwen2 с 7,1 млрд параметров, предназначенная для генерации текста в диалоговом формате. В карточке указано, что обучение проводилось с использованием Unsloth и библиотеки Hugging Face TRL. Модель принимает текст и генерирует текст; заявленная длина контекста составляет 32 768 токенов. В метаданных указан английский язык. Модель распространяется в формате Safetensors под лицензией Apache-2.0.

Qwen3.5-122B-A10B-PRISM-LITE-GGUF — мультимодальная GGUF-версия Qwen3.5-122B-A10B, подготовленная Ex0bit с применением PRISM-процесса для частичного снижения чрезмерных отказов. Модель предназначена для диалогов, рассуждений и анализа изображений и видео; поддерживает режимы Thinking и Instant. В README заявлены 122 млрд параметров, из которых 10 млрд активны на токен, архитектура MoE с 256 маршрутизируемыми и одним общим экспертом на слой, а также сочетание GatedDeltaNet и пол attention. Контекст составляет 262 144 токена. Поставляется в формате GGUF с динамической поканальной квантизацией размером около 57,7 ГБ; для работы с изображениями включён файл vision encoder mmproj. Метаданные указывают лицензию Apache-2.0 и библиотеку llama.cpp. Вариант LITE снижает чрезмерные отказы лишь частично; заявления README о сохранении связности и удалении отказов не сопровождаются независимыми оценками. Базовая модель поддерживает широкий набор языков, включая русский.

gubernac/qwen3.8-27b-unc-fp8 — модифицированная и квантованная версия Qwen/Qwen3.8-27B. Базовая модель разработана командой Qwen компании Alibaba, а данный вариант подготовлен как сборка OrcaRouter. Из модели удалено направление отказа от ответа методом abliteration, после чего она офлайн квантована в Block-FP8 по схеме официальной Qwen3.8-27B-FP8. Это плотная мультимодальная vision-language модель для работы с текстом и изображениями, рассуждений, вызова инструментов, function calling и исследовательского red-teaming. Архитектура Qwen3_5ForConditionalGeneration включает 64 слоя, скрытое представление размером 5120, гибридное внимание Gated DeltaNet и full attention, vision-language tower и MTP-голову для speculative decoding. Модель содержит 27 млрд параметров, поддерживает английский и китайский языки и контекст до 262 144 токенов. Линейные веса хранятся в Block-FP8 E4M3 с размером блока 128×128 и динамическими активациями, а vision tower, нормы, embeddings и lm_head сохранены в BF16. Главное преимущество сборки — сохранение мультимодальности, большого контекста, рассуждений, инструментов и MTP при совместимости с соответствующим vLLM-путём исполнения. Ключевое ограничение и риск — существенное удаление защитного выравнивания: модель может выполнять вредоносные, незаконные и иные опасные запросы, от которых базовая версия отказалась бы. Поэтому она предназначена для легитимных исследований интерпретируемости, AI safety, изучения механизмов отказа, оценки устойчивости и контролируемых экспериментов, а не для непосредственного использования конечными пользователями без собственных механизмов модерации и защиты. Условия распространения указаны как Apache 2.0; также необходимо соблюдать применимые законы и ограничения базовой модели.

ZeroXClem-Qwen3-8B-HoneyBadger-EXP — экспериментальное слияние моделей на архитектуре Qwen3, созданное командой ZeroXClem методом model_stock с помощью MergeKit. Модель содержит 7,6 млрд параметров, работает с текстом и рассчитана на контекст до 40 960 токенов. В основе слияния лежат Qwen3-совместимые модели, включая AXCXEPT/Qwen3-EZO-8B-beta, KaraKaraWitch/CavesOfQwen3-8b, YOYO-AI/Qwen3-8B-YOYO и другие. Модель предназначена для диалогов, следования инструкциям, рассуждений, ролевых бесед и историй, а также понимания и генерации кода. README заявляет поддержку структурированных ответов, включая JSON, Markdown и LaTeX, и рекомендует шаблон чата Qwen3 либо Ollama Modelfile для инференса. Основной язык по карточке — английский; подтверждённая лицензия — Apache-2.0. Это ранний экспериментальный прототип, который, по предупреждению автора, не готов к производственному применению и может выдавать невыравненные или нефильтрованные ответы. Качество и безопасность результатов не гарантируются.

Qwen3-Swallow-30B-A3B-CPT-v0.2 — языковая модель Swallow LLM, созданная на базе Qwen3-30B-A3B-Base методом продолжающегося предобучения. Это разреженная MoE-модель для генерации текста и диалогов; в метаданных указано 2,6 млрд параметров и контекстное окно 40 960 токенов. Модель ориентирована на японский и английский языки, включая японско-английский перевод, и сохраняет навыки решения математических задач и программирования. Модель подходит для генерации и продолжения текста, диалогов, перевода между японским и английским, а также задач по математике и коду. Разработчики сообщают об улучшенных языковых навыках японского и сохранении STEM-показателей после обучения на профильных корпусах. Для запуска авторы рекомендуют vLLM и ограничение контекста до 32 768 токенов. Модель не проходила специальное обучение для вызова инструментов и не поддерживает переключатель режима рассуждений. В README указано, что модель находится на ранней стадии исследований и разработки и не настроена для гарантированного соответствия человеческим намерениям и требованиям безопасности. Лицензия — Apache-2.0.

Qwen_Qwen3-VL-8B-Instruct-GGUF — это набор GGUF-квантизаций мультимодальной модели Qwen3-VL-8B-Instruct, разработанной Qwen и подготовленной пользователем bartowski. Модель предназначена для задач, где требуется обработка текста и изображений, включая диалоговое взаимодействие и генерацию ответов по мультимодальным запросам. Квантизированные файлы рассчитаны на запуск через llama.cpp, LM Studio и другие совместимые проекты. Базовая модель имеет размер 8B параметров; в наборе представлены варианты от BF16 до 2-, 3-, 4-, 5-, 6- и 8-битных форматов с размерами файлов примерно от 3,8 до 16,4 ГБ. Квантизация выполнена с использованием imatrix и llama.cpp. Доступны варианты с разным соотношением качества и требований к памяти: старшие форматы обеспечивают качество, близкое к исходной модели, а младшие подходят для устройств с ограниченным объёмом RAM, но дают более низкое качество. Формат prompt использует шаблон ChatML с ролями system, user и assistant. README не содержит сведений о поддерживаемых языках, размере контекстного окна, конкретной архитектуре визуального модуля, результатах бенчмарков или лицензии. Условия использования следует уточнять в документации исходной модели Qwen/Qwen3-VL-8B-Instruct и соответствующего репозитория.

Reflection-Llama-3.1-70B-GGUF — набор GGUF-квантизованных версий модели, опубликованный leafspark и основанный на mattshumer/ref_70_e3. Модель дообучена с применением LoRA ранга 256 на Llama-3.1-70B-Instruct и предназначена для генерации текста, диалогов и задач, требующих рассуждений. Заявленная особенность — Reflection-Tuning: модель должна выявлять ошибки в рассуждении и корректировать ход решения с использованием секций <thinking>, <reflection> и <output>. Это текстовая авторегрессионная модель семейства Llama с примерно 70 млрд параметров. Поддерживаются английский, немецкий, французский, итальянский, португальский, хинди, испанский и тайский языки. Модель использует стандартный формат чата Llama 3.1 и доступна в вариантах от FP16 размером около 141 ГБ до сильно квантизованных сборок; приведённые размеры отдельных вариантов находятся примерно в диапазоне от 14,6 до 57,9 ГБ. Для некоторых вариантов применялась калибровка iMatrix. Сильной стороной заявляется способность к явному самопроверяемому рассуждению, однако авторы README предупреждают, что опубликованные результаты бенчмарков, вероятно, недостоверны и не воспроизводятся. Также отмечается неопределённость исходного обучения и возможная фиктивность связанной версии модели, поэтому характеристики качества следует проверять самостоятельно. Для запуска рекомендуется системный промпт из README, температура 0,7 и Top P 0,95. Модель распространяется по лицензии llama3.

Salamander-24B-v1 — разговорная языковая модель Naphula, опубликованная как Checkpoint 82. Это слияние Della нескольких моделей на базе Mistral, включая варианты 2501, 2506 и 2509, а также Fallen Mistral 2503. Модель предназначена для генерации текста и диалоговых сценариев; в метаданных заявлена поддержка чата. Модель использует плотную архитектуру MistralForCausalLM, содержит 23,4 млрд параметров и рассчитана на контекст до 131 072 токенов. README сообщает, что в начальных тестах модель не отказывала в ответах; это наблюдение не заменяет систематическую оценку поведения и безопасности. Лицензия — Apache-2.0.

CallComply/SOLAR-10.7B-Instruct-v1.0-128k — англоязычная диалоговая языковая модель, дообученная на базе upstage/SOLAR-10.7B-v1.0 для одношаговых инструкций и бесед. Она построена на плотной архитектуре семейства Llama с 10,6 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации ответов и выполнения инструкций в чат-сценариях. При дообучении использовались SFT и итеративная DPO на наборах Alpaca-GPT4, OpenOrca, Intel Orca DPO и UltraFeedback; карточка также описывает применение данных для математических задач. В метаданных указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование.