I.2Синтез, понимание и проверка знаний

deliciouscat/kf-deberta-base-cross-nli — модель классификации последовательностей на базе DeBERTa-v2, опубликованная пользователем deliciouscat на Hugging Face. Она дообучена на корейских наборах kor-nli и klue-nli для определения отношений между посылкой и гипотезой в формате NLI; карточка приводит точность 0,889667 на тесте KLUE-NLI. Модель содержит 213,1 млн параметров, использует Transformers и принимает пары текстов с контекстом до 512 токенов. Её можно применять для классификации текстовых пар и zero-shot-классификации, задавая кандидаты гипотез. Лицензия — MIT. Указанная в README настройка токенизатора обрезает вход до 128 токенов.

Llama-3-8B-ProLong-512k-Base — базовая длинноконтекстная языковая модель семейства ProLong, разработанного исследователями Princeton NLP. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, созданная продолженным обучением на базе Llama-3-8B-ProLong-64k-Base. Она предназначена для генерации текста с контекстом до 524 288 токенов, в том числе для обработки длинных документов и других сценариев, где важно учитывать большой объём входного текста. В README описано обучение ProLong на данных для контекстов 64K и 512K; эта модель обозначена как Base, поэтому карточка не подтверждает её настройку для диалогов или следование инструкциям. Модель распространяется в формате safetensors по лицензии Llama 3.

agemagician/mlong-t5-tglobal-base — предварительно обученная многоязычная модель Google Research, опубликованная Ahmed Elnaggar на Hugging Face. Это базовая модель семейства MLongT5: энкодер-декодер Transformer с механизмом transient-global attention, обученный преобразовывать текст в текст с помощью denoising-предобучения. Веса доступны в форматах PyTorch и Flax; размер модели — 296 млн параметров, нативный контекст по метаданным — 4096 токенов. Модель рассчитана прежде всего на дообучение для генерации по длинному входному тексту, включая суммаризацию и ответы на вопросы. В README указана возможность обрабатывать последовательности до 16 384 токенов; фактический предел следует проверять для конкретной конфигурации и реализации. В карточке перечислена поддержка многих языков, в том числе английского, арабского, китайского, французского, немецкого, хинди и японского; русский среди указанных языков отсутствует. Лицензия — Apache-2.0. Это базовый чекпойнт для дальнейшей настройки: качество на прикладной задаче зависит от дообучения, а готовое качество для конкретной задачи в карточке не заявлено.

Модель разработана автором репозитория nirnit-13 и дообучена на базе google/muril-base-cased для проверки утверждений по фрагменту доказательства. Она классифицирует пару «утверждение — доказательство» по двум меткам: SUPPORTS (подтверждает) и REFUTES (опровергает). Модель использует архитектуру BERT для классификации последовательностей, содержит 264,8 млн параметров и принимает текст с контекстом до 512 токенов; карточка рекомендует ограничивать длину токенизации 192 токенами, как при обучении. Основной сценарий — проверка неформальных утверждений из социальных сетей на смешанном хинди, бенгальском и английском языке. На отложенной выборке указаны accuracy 0,822 и macro F1 0,801. Качество заметно снижается на формальном тексте и при смене формата источников доказательств; при обучении также наблюдалось переобучение на поздних эпохах. Модель распространяется по лицензии Apache-2.0.

MyAwesomeModel — модель из репозитория пользователя hwefa, опубликованная для использования через библиотеку Transformers и отмеченная тегами PyTorch, BERT и feature-extraction. Метаданные Hugging Face классифицируют её как модель извлечения признаков, а README описывает обновлённую версию с улучшенными рассуждениями, логическим выводом, математикой, программированием, диалогами, суммаризацией, классификацией, переводом и поддержкой function calling. README также заявляет о снижении частоты галлюцинаций и рекомендует использовать системный промпт и температуру 0.6.

PIT-4B — базовая предварительно обученная языковая модель семейства Point-In-Time от Diamegs. Это декодерный Transformer в стиле GPT, обученный на хронологически упорядоченных ежемесячных снимках FineWeb; данный чекпойнт отражает данные, доступные до декабря 2024 года. Модель предназначена для генерации текста и анализа, учитывающего состояние знаний на заданный момент времени. Это базовая модель без обучения следованию инструкциям и без дообучения на предпочтениях человека. Для диалогового и инструкционного использования автор указывает на вариант PIT-4B-FT. Контекст модели — 2048 токенов; веса опубликованы в формате safetensors и распространяются по лицензии Apache-2.0. Знания ограничены веб-текстами до декабря 2024 года. Модель может воспроизводить смещения обучающих данных FineWeb и не подходит для критически важных сценариев без дополнительного выравнивания и проверки.

Qwen-2.5-7B-FoVer-PRM-2026 — модель оценки промежуточных шагов рассуждения (Process Reward Model), разработанная авторами проекта FoVer. Она основана на Qwen/Qwen2.5-7B-Instruct и дообучена на данных, созданных с помощью формальной верификации в рамках исследования «Efficient PRM Training Data Synthesis via Formal Verification». Модель предназначена для оценки цепочек рассуждений и выявления ошибок на отдельных шагах, в том числе в математике, логике, естественном выводе и задачах BBH. Модель имеет плотную архитектуру Qwen2, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В карточке указаны английский язык, формат safetensors и лицензия Apache-2.0. Авторы сообщают об экспериментах на 12 бенчмарках и обобщении на задачи, отличающиеся от формальных задач, использованных для создания обучающих данных. Для воспроизведения экспериментов описана среда с четырьмя GPU NVIDIA A100 80 ГБ; требования конкретного применения зависят от оборудования и настроек.

Qwen3-4B-Kimi2.5-Reasoning-Distilled-GGUF — языковая модель для генерации текста и структурированного рассуждения, разработанная khazarai. Она создана на основе Qwen3-4B-Thinking-2507 и дообучена методом дистилляции на данных, сгенерированных моделью Kimi-2.5-Thinking, с использованием Unsloth и QLoRA. Объём обучающего набора составляет 250 примеров и около 1,11 млн токенов. Модель предназначена для задач, требующих пошагового анализа, разбиения сложных проблем на этапы, самопроверки и подготовки подробных аналитических ответов. Она ориентирована на сочетание небольшого размера и сравнительно развитых возможностей рассуждения, поэтому может использоваться в сценариях локального запуска и приложениях, где важны умеренные требования к ресурсам. В метаданных указаны текстовая генерация и английский язык; сведения о поддерживаемой длине контекста и дополнительных модальностях отсутствуют. Модель распространяется в формате GGUF с вариантами BF16, Q8_0, Q6_K и Q4_K_M, различающимися размером, скоростью и качеством. Для Q4_K_M заявлен размер около 2,5 ГБ, для Q6_K — 3,3 ГБ, для Q8_0 — 4,2 ГБ, для BF16 — 8 ГБ. В README приведён результат 76,09 из 100 на khazarai/Multi-Domain-Reasoning-Benchmark, однако независимые результаты и подробная методика оценки не указаны. Ограничениями являются небольшой объём модели по сравнению с крупными системами и отсутствие данных о длине контекста, мультиязычности и типичных ошибках. Лицензия — Apache-2.0.

Qwen3.5-9B-Claude-4.6-Opus-Reasoning-Distilled-GGUF — модель, разработанная Jackrong на основе плотной архитектуры Qwen3.5-9B. Она дообучена методом Supervised Fine-Tuning с применением LoRA и библиотеки Unsloth на данных, полученных дистилляцией рассуждений из взаимодействий с Claude 4.6 Opus, а также на наборах Jackrong/Qwen3.5-reasoning-700x и nohurry/Opus-4.6-Reasoning-3000x-filtered. Распространяется в формате GGUF и предназначена для использования с llama.cpp и совместимыми инструментами. Основное назначение модели — решение сложных задач с пошаговым рассуждением, включая научные, математические и инструкционные сценарии. Обучение ориентировано на структурирование анализа, разбиение задачи на подзадачи, проверку ограничений и формирование итогового ответа. В заявленном формате модель использует структуру <think>...</think> перед финальным ответом и стремится сокращать избыточные повторения в рассуждениях. Известно, что модель имеет 9 млрд параметров и поддерживает английский и китайский языки. В метаданных также заявлены мультимодальные возможности image-text-to-text и обработка изображений, однако в описании процесса обучения итоговая модель обозначена как text-only, поэтому практическую поддержку изображений следует проверять отдельно. Размер контекста, конкретная GGUF-квантизация и результаты независимых бенчмарков не указаны. Лицензия — Apache-2.0.

Мультимодальная модель dealignai на базе Qwen3.6-35B-A3B предназначена для диалогов, рассуждений и анализа изображений и видео. В README указана архитектура Mixture-of-Experts с гибридом SSM и полнослойного внимания: 40 слоёв, 256 маршрутизируемых экспертов и 10 активных. Модель дообучена с удалением отказов на уровне весов, а затем квантизирована в MXFP4 для запуска через MLX на компьютерах Apple с заявленным размером около 18 ГБ; сохранена голова MTP для спекулятивного декодирования. Заявлены режимы рассуждений и прямых ответов, а также интерфейс вызова инструментов. Модель подходит для визуальных вопросов и ответов, анализа видеокадров, диалоговых и агентных сценариев. В README приведены результаты HarmBench-320 99,4%, MMLU 74,6% и ускорение генерации в 1,51 раза при использовании совместимого MTP-рантайма; это результаты авторской оценки через vMLX. Модель распространяется по лицензии Apache-2.0. Удаление отказов означает, что она может отвечать на опасные запросы без ограничений.

FinaPolat/Qwen3-8B-grounded_KGC-sft-domains — генеративная языковая модель семейства Qwen3, опубликованная пользователем или организацией FinaPolat. Модель доступна для работы через библиотеку Transformers и имеет около 7,6 млрд параметров; в метаданных указаны обучение с учителем (SFT), TRL и conversational-сценарии. По названию репозитория модель ориентирована на grounded KGC и доменную адаптацию, поэтому может применяться для генерации ответов с опорой на контекст или знания, а также для задач, связанных с дополнением графов знаний и специализированными доменными инструкциями. Нативная длина контекста составляет 40 960 токенов, что позволяет обрабатывать достаточно объёмные входные данные. Лицензия, поддерживаемые естественные языки, точная архитектура, состав обучающих данных и результаты оценки в доступных материалах не описаны.

leondz/refutation_detector_distilbert — модель классификации текста на базе DistilBERT, обученная распознавать ответы, опровергающие ложные утверждения. Обучающие примеры составлены из утверждений набора True-False: к каждому добавляли запрос «Explain why», а затем использовали первое предложение ответа OpenAI gpt-3.5-turbo, полученного 1 июня 2023 года. Метки исходного набора сохранены: метка 0 соответствует ложному утверждению и обычно указывает на опровержение. Модель предназначена для классификации текстовых ответов и поиска формулировок, которые опровергают утверждение. При подготовке данных вручную удалили около 10% примеров с ошибочными или пропущенными опровержениями. Модель принимает английский текст; максимальная длина контекста составляет 512 токенов. Доступны веса PyTorch и safetensors. Лицензия — CC BY 4.0.

Модель alisawuffles/roberta-large-wanli — дообученная на наборе WANLI модель RoBERTa-large для классификации текстовых пар в задаче вывода на естественном языке (NLI). WANLI — набор данных, созданный в сотрудничестве людей и ИИ. Модель подходит для определения, следует ли гипотеза из предпосылки, противоречит ей или не связана с ней. В карточке сообщается, что модель превосходит roberta-large-mnli на восьми тестовых наборах вне обучающего домена, включая результаты на HANS и Adversarial NLI. Это делает её полезной для оценки отношений между предложениями в условиях, отличающихся от обучающих. Модель основана на архитектуре RoBERTa-large, содержит около 454,1 млн параметров и имеет контекст длиной 514 токенов. Она принимает текст и выдаёт метки классов. Лицензия в предоставленных данных не указана.

SEA-S — модель серии SEA, разработанная авторами проекта Automated Peer Reviewing in Paper SEA и представленная в работе, принятой на EMNLP 2024. Это дообученная для стандартизации рецензий модель Mistral-7B-Instruct-v0.2: она объединяет несколько рецензий на одну научную статью в единый формат, устраняет повторы и ошибки и выделяет основные достоинства и недостатки с конструктивными замечаниями. Для SFT авторы создали набор инструкций на основе рецензий из ECNU-SEA/SEA_data, предварительно сведённых GPT-4 к общему формату и критериям. Модель имеет архитектуру MistralForCausalLM, около 7,1 млрд параметров и контекстное окно до 32 768 токенов. Она принимает текст и генерирует текст; карточка указывает английский интерфейс чата, но основной язык модели отдельно не задан. Модель распространяется в формате safetensors по лицензии Apache-2.0. Она предназначена для автоматизации подготовки сводной и унифицированной рецензии; результаты требуют проверки человеком и зависят от качества исходных рецензий.

Cohere и Cohere Labs разработали Tiny Aya L2-Thinker — мультиязычную языковую модель на 3,35 млрд параметров для диалогов, следования инструкциям и рассуждений. Это авторегрессионный трансформер семейства Tiny Aya; модель дообучена на мультиязычных данных так, чтобы рассуждать на языке запроса. Она принимает текст и генерирует текст, включая явную цепочку рассуждений, если включён соответствующий режим. Модель предназначена для решения математических и научных задач, общих рассуждений и открытой генерации на 44 языках и английском; дополнительное обучение инструкциям расширяет охват ещё более чем на 20 языков. Контекст составляет 32 тыс. токенов на вход и выход суммарно. Режим рассуждений включён по умолчанию в шаблоне чата, его можно отключить. Ответы могут быть неверными или устаревшими, а цепочки рассуждений — длинными; для низкоресурсных языков возможна большая вариативность качества. Лицензия CC-BY-NC 4.0 допускает некоммерческое использование при соблюдении Acceptable Use Policy Cohere Labs; для коммерческого применения требуется связаться с Cohere.

UltraCM-13b — критическая модель, разработанная OpenBMB и обученная на наборе UltraFeedback. Она предназначена для генерации текста в роли критика: оценки и анализа ответов языковых моделей. Модель построена на архитектуре LlamaForCausalLM, содержит 12,9 млрд параметров и принимает текст с контекстом до 4096 токенов. Модель опубликована в формате PyTorch под лицензией MIT. Карточка отсылает к статье и репозиторию проекта за подробностями, но не описывает конкретные критерии оценки или результаты сравнения. Дата публикации — 22 сентября 2023 года.

xVerify-8B-I — языковая модель для автоматической проверки ответов на объективные вопросы с единственным правильным ответом. Она дообучена на базе Meta Llama 3.1 8B Instruct и представлена в работе «xVerify: Efficient Answer Verifier for Reasoning Model Evaluations». Модель извлекает итоговый ответ из длинного рассуждения и оценивает, эквивалентен ли он эталонному ответу. Модель предназначена для оценки решений математических задач, ответов на вопросы с выбором варианта, классификаций и коротких ответов. Она сопоставляет варианты ответа по смыслу, распознаёт эквивалентные математические записи, включая LaTeX, дроби и научную нотацию, а также учитывает семантическую эквивалентность формулировок. Поддерживает китайский и английский языки; README также отмечает совместимость с другими языками. Использует архитектуру Llama с 7,5 млрд параметров, принимает до 131 072 токенов контекста и работает через Transformers. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий без соблюдения её условий. Модель ориентирована на вопросы с одним объективно проверяемым ответом; её пригодность для открытых вопросов и иных задач оценки в карточке не заявлена.

Карточка модели ByteDance-Seed/AHN-GDN-for-Qwen-2.5-Instruct-14B на Hugging Face совпадает с карточкой ByteDance-Seed/AHN-Mamba2-for-Qwen-2.5-Instruct-3B, поэтому описание составлено по ней. ByteDance-Seed разработала AHN-Mamba2 для Qwen2.5-3B-Instruct — модуль Artificial Hippocampus Network, расширяющий языковую модель механизмом сжатой памяти для работы с длинным контекстом. AHN переносит информацию, выходящую за пределы скользящего окна внимания, в компактное представление, сохраняя точную информацию внутри окна. Репозиторий содержит только веса модуля AHN: 11,9 млн параметров; базовая модель Qwen2.5-3B-Instruct замораживается при обучении, а обучаются параметры AHN. Метаданные указывают архитектуру Qwen2, 3,1 млрд параметров для модели и контекст до 32 768 токенов. Модель предназначена для генерации текста по длинным последовательностям и сценариев, где важно учитывать контекст за пределами обычного окна внимания. Для контекстов длиной не больше скользящего окна она работает как стандартный Transformer; более дальняя информация хранится сжато, поэтому её точность может быть ниже, чем у исходного токенного контекста. Использование предполагает интеграцию модуля с базовой моделью и соответствующей программной реализацией AHN. Лицензия в метаданных обозначена как other; конкретные условия в предоставленных сведениях не раскрыты.

Bee-8B-RL — мультимодальная языковая модель Open-Bee на 8 млрд параметров, созданная на базе Qwen/Qwen3-8B. Она дообучена для диалогов и работы с изображениями и текстом; поддерживает режимы с рассуждением и без него. Модель предназначена для анализа изображений, сложных рассуждений, математических задач, понимания документов и диаграмм, а также генерации ответов в чате. В метаданных указана архитектура BeeForConditionalGeneration и формат safetensors; README описывает обучение на корпусе Honey-Data-15M с примерами, обогащёнными рассуждениями CoT. По заявлению разработчиков, Bee-8B показывает сильные результаты среди полностью открытых мультимодальных моделей, в частности на задачах математики, логики, анализа диаграмм и документов. Эти оценки основаны на бенчмарках и не гарантируют точность в каждом пользовательском сценарии. Модель рассчитана на английский язык согласно языковым метаданным; карточка не сообщает размер контекста. Лицензия — Apache-2.0.

Это японская модель для определения логических отношений между парами предложений, разработанная akiFQC на основе tohoku-nlp/bert-base-japanese-v3 и обученная как cross-encoder на наборе JSNLI. Для каждой пары предложений модель выдаёт оценки по трём классам: следование, нейтральное отношение и противоречие. Её можно применять для вывода отношений между текстами и классификации по заданным категориям без отдельного набора обучающих примеров. Модель основана на BERT и содержит 138,4 млн параметров; максимальная длина контекста — 512 токенов. В проверке на валидационной части JGLUE-JNLI точность составила 0,770. Для японского NLI автор README рекомендует более позднюю модель akiFQC/bert-base-japanese-v3_nli-jsnli-jnli-jsick. Лицензия — CC BY-SA 4.0.

BigBirdPegasus-large-pubmed — модель Google для суммаризации научных публикаций из области биомедицины. Она использует архитектуру BigBird-Pegasus с блочным разреженным вниманием, которое снижает вычислительные затраты при работе с длинными текстами. Модель содержит 366,8 млн параметров и рассчитана на входные последовательности длиной до 4096 токенов. Модель предназначена для создания краткого пересказа научного текста, в частности длинных статей и публикаций PubMed. Карточка также отмечает пригодность архитектуры BigBird для суммаризации длинных документов и ответов на вопросы по длинному контексту, однако основной заявленной задачей этой модели является суммаризация. Поддерживаемый язык — английский. Модель распространяется по лицензии Apache-2.0.

BLING-cerebras-1.3b-0.1 — компактная инструкционная языковая модель, разработанная llmware на базе Cerebras-GPT-1.3B. Модель относится к семейству GPT-2 и рассчитана на запуск на процессоре ноутбука без специальных оптимизаций квантования; объём контекста — 2048 токенов. В карточке заявлена поддержка английского языка. Модель предназначена для локального прототипирования и автоматизации узкого круга задач, особенно в сценариях RAG с чувствительными данными. Она умеет отвечать на вопросы по переданному текстовому контексту, извлекать значения и составлять краткие сводки. Лицензия — Apache 2.0. Модель компактна и ориентирована на фактические ответы по предоставленному контексту, однако, как и другие языковые модели, может выдавать неточную или неполную информацию. Результаты следует проверять; качество за пределами целевых инструкционных задач не гарантируется.

ByT5-xl — предобученная байтовая модель семейства T5, разработанная Google. Она использует архитектуру Transformer для преобразования текста в текст и обрабатывает строки непосредственно как последовательности UTF-8 байтов, без отдельного токенизатора. Размер модели — 3,3 млрд параметров; доступны веса PyTorch и TensorFlow. Модель предобучена на mC4 с задачей восстановления замаскированных фрагментов и не проходила supervised-обучение для прикладных задач. Перед использованием её нужно дообучить под конкретный сценарий: например, ответы на вопросы или другие задачи преобразования текста. ByT5 особенно хорошо подходит для зашумлённого текста; в README отмечено превосходство над mT5-xl на TweetQA. Поддерживаются многие языки, включая английский, испанский, французский, арабский, хинди, японский и корейский; обработка байтов позволяет подавать текст на разных языках без токенизатора. Работа с байтовыми последовательностями может быть менее эффективной по длине входа, чем токенизация. Модель опубликована Google и распространяется по лицензии Apache-2.0.

almanach/camembertv2-base-xnli — модель классификации текста на архитектуре RoBERTa, разработанная Виссамом Антуном из Almanach, Inria-Paris. Она дообучена на almanach/camembertv2-base на датасете FLUE-XNLI для задачи естественного вывода (NLI): определения отношения между посылкой и гипотезой. Модель рассчитана на французский язык и имеет 138,4 млн параметров с контекстом до 1025 токенов. На тестовой части FLUE-XNLI указана точность 0,82851. Модель можно применять для классификации текстовых пар в сценариях проверки следствий, противоречий и нейтральных отношений. Результаты на других наборах данных и задачах могут быть хуже; также возможны смещения, связанные с обучающими данными. Лицензия — MIT.

CRISP-Qwen3-8B-v2 — дообученная языковая модель на базе Qwen3-8B, разработанная автором репозитория с использованием метода CRISP (Compressed Reasoning via Iterative Self-Policy Distillation). Она предназначена для генерации текста и диалоговых ответов с более краткими рассуждениями, особенно при решении математических и многошаговых задач. Версия v2 использует инструкцию учителя, которая сокращает рассуждения, сохраняя разбор сложных случаев, крайних ситуаций и итоговую проверку. Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, принимает текст и генерирует текст. В карточке указаны английский язык и контекст длиной до 40 960 токенов. В опубликованных тестах модель сокращает число токенов рассуждения относительно базовой модели; точность зависит от набора задач и может снижаться, поэтому результаты бенчмарков не гарантируют качество на произвольных запросах. Данные для обучения — pb09204048/CRISP. Лицензия — Apache-2.0.

Dualmind-Qwen-1.7B-Thinking — компактная текстовая модель Convergent Intelligence LLC, созданная дообучением Qwen3ForCausalLM методом SFT на трассах рассуждений Claude Opus 4.6. Модель насчитывает 1,7 млрд параметров и предназначена для диалоговой генерации текста с развёрнутыми рассуждениями, самокоррекцией и пересмотром промежуточных выводов. В карточке указана длина контекста 40 960 токенов. Модель рассчитана на сценарии, где полезны подробное обдумывание и объяснение ответа: разбор сложных вопросов, последовательное решение задач и анализ нескольких вариантов. Карточка описывает обучение на англоязычных данных, поэтому английский — основной подтверждённый язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. Представленные в карточке сведения о рассуждениях и качестве обучения не заменяют независимую оценку на прикладных задачах.

IDEA-CCNL разработала Erlangshen-Roberta-110M-NLI — китайскую модель RoBERTa-wwm-ext-base, дообученную для естественно-языкового вывода (NLI). Она классифицирует отношения между парами текстов, например определяет, следует ли гипотеза из предпосылки, противоречит ей или не связана с ней. Модель предназначена для задач понимания китайского языка и проверки смысловых отношений в тексте. Модель содержит 129,5 млн параметров, использует архитектуру BERT и классификационную голову BertForSequenceClassification; максимальный контекст — 512 токенов. Дообучение проводилось на четырёх китайских наборах NLI, всего на 1 014 787 примерах. В README приведены результаты на CMNLI, OCNLI и SNLI. Доступна в формате PyTorch и распространяется по лицензии Apache-2.0. Модель рассчитана на китайский язык и классификацию текстовых пар. Результаты на перечисленных наборах не гарантируют качество на других жанрах и предметных областях; её назначение не охватывает генерацию текста.

Digirise-ai GEMMA2-9b-Pollux-exp — экспериментальная плотная языковая модель на базе Google Gemma 2 9B Instruct, дообученная для работы с запросами, где нужно внутренне упорядочить сведения и учесть связи между ними перед формированием ответа. Модель предназначена для генерации текста и диалогового взаимодействия; карточка описывает её как экспериментальную. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и принимает текстовые запросы, выдавая текст. Поддерживаемые языки по карточке — японский и английский; контекст — до 8192 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — Gemma License.

gemma4-4b-sci — научно-ориентированная диалоговая модель, разработанная Michele Banfi на базе Gemma 4 E4B Instruct от Unsloth. Она дообучена методом QLoRA с SFT на 30 тысячах примеров из OpenSciLM/OS_Train_Data и SciRIFF; обучение длилось одну эпоху, а визуальный энкодер базовой модели оставлен замороженным. Модель предназначена для генерации ответов на научные вопросы и работы со сценариями оценки научных утверждений и медицинских исследований. Это генеративная модель без встроенного поиска или системы извлечения источников, поэтому ей нужно отдельно передавать контекст статей, если ответы должны опираться на конкретные публикации. В README приведены предварительные результаты ScholarQABench по SciFact, PubMedQA и QASA. Карточка описывает ранний исследовательский эксперимент и предупреждает о галлюцинациях и фактических ошибках. Указана лицензия Gemma Terms of Use. Метаданные отмечают англоязычную карточку, поддержку чата и форматы GGUF и Safetensors; модель основана на архитектуре Gemma 4.

General-Reasoner-Qwen3-4B — плотная языковая модель семейства Qwen3 с 3,7 млрд параметров, дообученная TIGER-Lab на базе Qwen/Qwen3-4B-Base. Модель предназначена для ответов на вопросы и генерации текста с улучшенными рассуждениями в разных областях; обучение использовало более 230 тысяч проверяемых вопросов из веб-источников и модельный верификатор. В README описан подход без промежуточного этапа обучения с учителем перед RL. Модель подходит для многошаговых ответов и решения задач по математике, программированию, физике, химии, финансам и гуманитарным темам. Контекст составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не уточняет языковой охват и конкретные ограничения качества, поэтому не следует считать заявленные результаты гарантией для каждой предметной области.