I.2Синтез, понимание и проверка знаний

RJuro/munin-neuralbeagle-SkoleGPTOpenOrca-7b — разговорная языковая модель, разработанная RJuro путём дообучения RJuro/munin-neuralbeagle-7b. Она предназначена для генерации текста в диалогах и ответов на запросы. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов; в карточке указан английский язык. Для обучения использовались Unsloth и библиотека TRL. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Карточка не описывает конкретные результаты обучения или проверенные сценарии; качество ответов и пригодность для отдельных задач по ней оценить нельзя.

Nemotron-Labs-Audex-30B-A3B — унифицированная аудио-текстовая языковая модель NVIDIA на базе Nemotron-Cascade-2-30B-A3B. Это MoE-модель с 30 млрд параметров и 3 млрд активируемых параметров; для аудио она расширяет словарь дискретных аудиотокенов и включает аудиоэнкодер. Модель работает в режимах рассуждения и инструкций и предназначена для аудио- и речевых задач, а также для текстовых диалогов и рассуждений. Модель понимает аудио, распознаёт и переводит речь, генерирует речь из текста, создаёт аудио по текстовому описанию и поддерживает взаимодействие «речь — речь». По заявлению разработчика, она сохраняет возможности базовой модели в рассуждениях, знаниях, длинном контексте и работе с агентными сценариями. Доступны веса Safetensors; для запуска описана поддержка vLLM и Transformers, а для некоторых аудиосценариев нужны дополнительные зависимости и декодеры. Лицензия указана как other, поэтому условия использования следует уточнять в карточке репозитория. Длина контекста и конкретный перечень поддерживаемых языков в предоставленных данных не обозначены; метаданные указывают английский язык.

NeuralQwen-2.5-1.5B-Spanish — объединённая языковая модель Kukedlc на архитектуре Qwen2, созданная с помощью LazyMergekit из Qwen/Qwen2.5-1.5B-Instruct и Kukedlc/Qwen2.5-1.5B-Spanish-1.0-DPO. Модель с 1,5 млрд параметров предназначена для генерации текста и диалогов на испанском языке; также поддерживает интерфейс вызова инструментов. Контекстное окно составляет 32 768 токенов. Модель использует плотную архитектуру Qwen2ForCausalLM, веса доступны в формате safetensors, а лицензия — Apache-2.0. Её можно применять для общения на испанском, генерации ответов и работы с инструментами через соответствующий интерфейс. Как компактная модель, она может уступать более крупным моделям в сложных задачах; отдельные ограничения в карточке не описаны.

ODYSSEUS — дообученная разговорная языковая модель, опубликованная bijoy0236 на основе unsloth/qwen2.5-3b-instruct-unsloth-bnb-4bit. Это плотная модель семейства Qwen2 с архитектурой Qwen2ForCausalLM и 3,1 млрд параметров; она принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. В карточке заявлено, что модель обучалась с использованием Unsloth и библиотеки TRL для ускорения обучения. Модель предназначена для генерации текста в диалоговом формате и может использоваться для ведения беседы и интеграции в приложения с текстовым вводом и ответами. Метаданные отмечают интерфейс вызова инструментов, однако README не описывает специальную настройку или проверку этого режима. Указана поддержка английского языка. Модель распространяется по лицензии Apache-2.0; сведений о конкретных ограничениях качества или безопасного применения карточка не приводит.

CarrotAI/OpenCarrot-llama3-Mix-8B — разговорная языковая модель на архитектуре Llama 3, созданная CarrotAI линейным слиянием моделей через mergekit. В слиянии участвовали maywell/Llama-3-Ko-8B-Instruct и CarrotAI/OpenCarrot-llama3-8B; модель содержит около 7,5 млрд параметров и использует формат safetensors. Модель предназначена для генерации текста и диалоговых ответов на корейском и английском языках. Её можно использовать в чат-сценариях и для генерации текста. Указанное контекстное окно — 8192 токена. В README приведён ориентировочный результат около 0,22 по llm-ko-eval и отмечено, что модель ещё не оценена отдельно. Лицензия — llama3.

openlm-3b-202407-grpo-obqa-v4 — разговорная модель генерации текста на базе архитектуры OpenLM, дообученная с помощью TRL. В карточке приведён пример диалогового ответа на открытый вопрос; модель предназначена для генерации продолжений и ответов в формате чата. Модель содержит 2,7 млрд параметров, использует плотную архитектуру OpenLM и принимает текст с контекстом до 2048 токенов. Репозиторий содержит веса в формате Safetensors. В метаданных указана лицензия, но её значение отсутствует, поэтому условия использования по доступным сведениям уточнить нельзя.

OpenThaiGPT 1.5 7B Instruct — чат-модель команды OpenThaiGPT для общения на тайском языке и ответов на вопросы, в том числе по темам, связанным с Таиландом. Это плотная авторегрессионная модель семейства Qwen2, дообученная на более чем 2 млн тайских пар инструкций. Она поддерживает диалог в несколько ходов, вызов инструментов и применение в системах с дополненной поиском генерацией (RAG). Модель принимает текст и генерирует текст; заявлены тайский и английский языки. Метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. В README описано расширение контекста с помощью YaRN для более длинных входов, но отмечено, что текущая конфигурация рассчитана на 32 768 токенов. Репозиторий содержит веса safetensors и GGUF. Модель предназначена для тайскоязычного чата, ответов на вопросы и интеграции с внешними функциями и данными. README сообщает о высоких результатах на тайских экзаменах, однако такие бенчмарки не гарантируют точность в конкретных пользовательских сценариях. Лицензия указана как other; конкретные условия в предоставленных данных не раскрыты.

OrpoLlama3-8B — плотная авторегрессионная языковая модель семейства Llama, созданная Muhammad2003 дообучением meta-llama/Meta-Llama-3-8B методом ORPO. Модель содержит 7,5 млрд параметров, рассчитана на контекст до 8192 токенов и предназначена для генерации текста в диалоговом формате. Дообучение выполнено на наборе mlabonne/orpo-dpo-mix-40k в течение 15 тысяч шагов. Модель может использоваться для ведения диалогов и генерации ответов на английском языке. Доступны веса в формате safetensors для библиотеки Transformers. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества и подробных ограничений; практическая пригодность ответов зависит от задачи и проверки человеком.

ParrotOgno-7B — текстовая генеративная модель, созданная yleo путём DPO-дообучения базовой модели mlabonne/OmniBeagle14-7B на наборе предпочтений yleo/emerton_dpo_pairs. В README описан вариант набора данных, сформированный на основе Intel/orca_dpo_pairs: ответы GPT-4 Turbo отмечены как предпочтительные, а ответы GPT-4 — как отклонённые. Модель предназначена для генерации текста в диалоговом формате. Она совместима с шаблонами ChatML и Llama. В метаданных указаны архитектура Mistral, 7,1 млрд параметров и нативный контекст 32 768 токенов; README указывает окно контекста 8 тыс. токенов. Лицензия — CC BY-NC 4.0, допускающая использование с ограничением на коммерческое применение. Карточка не содержит результатов оценки качества: раздел Open LLM Leaderboard сообщает, что результаты ещё появятся. Поэтому пригодность для конкретных сценариев следует проверять отдельно.

Модель hiraltalsaniya/phi-3.5-pii-test-13 — дообученная разговорная языковая модель для генерации текста. Разработчик — hiraltalsaniya; в карточке указано, что модель дообучена на unsloth/phi-3.5-mini-instruct-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Архитектура — плотная модель семейства Llama с классом LlamaForCausalLM, размер — 3,7 млрд параметров, контекст — 4096 токенов. Модель предназначена для диалоговой генерации текста на английском языке. Лицензия — Apache-2.0. В названии есть «pii-test», однако карточка не описывает специализированную обработку персональных данных, поэтому такие возможности нельзя подтвердить.

PunjabiSBERT — модель семейства BERT от L3Cube-Pune, дообученная на наборе данных NLI для получения представлений предложений на пенджабском языке. Она предназначена для вычисления семантического сходства между предложениями и извлечения эмбеддингов для поиска или группировки текстов. Модель содержит 264,8 млн параметров, принимает текстовые последовательности длиной до 512 токенов и распространяется в формате PyTorch. Модель подходит для сравнения пенджабских предложений и построения приложений на основе векторного поиска. Для использования по лицензии CC-BY-4.0 требуется атрибуция. В README отмечена отдельная улучшенная версия для сходства предложений; сведения о её сравнительных результатах здесь не приведены.

QAmembert — модель CATIE-AQ для ответов на вопросы по текстовому контексту на французском языке. Это CamemBERT base, дообученная на объединённом наборе frenchQA из более чем 221 тысяч пар контекстов, вопросов и ответов. Данные включают примеры, где ответ содержится в контексте, и примеры без ответа в контексте, поэтому модель может возвращать отсутствие ответа. Модель построена на архитектуре CamemBERT и содержит 137,8 млн параметров. Она предназначена для извлечения ответа из предоставленного текста, например, для вопросов по документам или статьям. В карточке приведены результаты оценки на французских наборах FQuaD, qwant/squadfr и frenchQA; контекст — до 514 токенов. Модель распространяется под лицензией MIT. Она рассчитана на французский язык и на вопросы, связанные с переданным контекстом; качество на других языках и вне подобных сценариев не подтверждено.

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.

Qwen2.5-0.5B-Instruct-Gensyn-Swarm-roaring_bipedal_chameleon — дообученная в TRL модель kielen на базе unsloth/Qwen2.5-0.5B-Instruct. Это компактная плотная языковая модель с архитектурой Qwen2 и 494 млн параметров, предназначенная для диалоговой генерации текста и выполнения инструкций. Модель принимает текстовые сообщения и генерирует текст; нативная длина контекста — 32 768 токенов. Для загрузки используется библиотека Transformers, веса представлены в формате safetensors. Карточка показывает пример диалога с открытым вопросом, но не описывает отдельную специализацию или преимущества качества. Лицензия в предоставленных данных не указана.

hyunw3/qwen-2.5-0.5b-r1-countdown_lr5e-6 — дообученная компанией или автором hyunw3 модель Qwen2.5-0.5B-Instruct для генерации текста и диалога. Она создана с помощью TRL; в метаданных указаны архитектура Qwen2 и 494 млн параметров. Модель принимает текстовые сообщения и генерирует текст, поддерживает контекст до 32 768 токенов и рассчитана на несколько естественных языков, включая русский, английский, китайский, французский, испанский, португальский, немецкий, итальянский, японский, корейский, вьетнамский, тайский и арабский. Модель подходит для диалоговых сценариев, выполнения инструкций и генерации ответов. Название указывает на возможную специализацию, связанную с countdown, однако карточка не описывает её назначение или результаты обучения, поэтому эту специализацию нельзя надёжно характеризовать. Модель опубликована в формате safetensors и использует лицензию базовой модели, но сведения о лицензии в предоставленных данных отсутствуют.

Kendamarron/Qwen2.5-1.75B-A1.1B-Instruct-ja — японская инструкционная языковая модель с архитектурой Qwen2 MoE, разработанная на основе семейства Qwen2.5. Модель дообучена на базе Kendamarron/Qwen2.5-4x0.5B-cpt; в карточке также описано объединение моделей Qwen2.5-0.5B. Метаданные указывают 494 млн параметров и контекст до 32 768 токенов. Модель предназначена для диалоговой генерации текста на японском языке. Данные обучения включают японские инструкции и материалы по математике с пошаговыми рассуждениями, а также синтетические японско-английские примеры программирования; это может быть полезно для ответов на запросы, математических объяснений и помощи с кодом. Модель поддерживает интерфейс вызова инструментов. Модель опубликована в форматах PyTorch и Safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. В карточке приведён результат оценки loss 1,0085, но подробности тестового набора и ограничений не раскрыты.

Mungert/Qwen2.5-3B-Instruct-GGUF — это GGUF-квантизованная версия инструкционной языковой модели Qwen2.5-3B, разработанная сообществом Mungert на основе Qwen/Qwen2.5-3B. Модель предназначена для генерации текста и диалоговых сценариев, включая запуск локальных чат-приложений и инференс на устройствах с ограниченными ресурсами. В метаданных указаны английский язык и задача text-generation. Ключевая особенность репозитория — применение сверхнизкобитного квантования с адаптивным распределением точности IQ-DynamicGate, включая варианты уровня 1–2 бита. Метод сохраняет более высокую точность в критических слоях и использует менее точные форматы в других слоях, чтобы уменьшить потребление памяти. Однако приведённые в README бенчмарки выполнены для Llama-3-8B-Instruct, а не для Qwen2.5-3B, поэтому их нельзя напрямую считать характеристиками данной модели. Точный размер, конкретный вариант квантования, поддерживаемые языки, длина контекста и скорость инференса для этого файла не указаны. Основные преимущества — малая занимаемая память и возможность запуска на CPU, edge- и low-VRAM-устройствах. Ограничением является потенциальная потеря качества из-за экстремально низкой разрядности; выбор конкретного варианта требует компромисса между размером, точностью и скоростью. Лицензия указана как other, license_name — qwen-research; подробные условия приведены по ссылке на лицензию исходной модели Qwen/Qwen2.5-3B.

ZeroXClem/Qwen2.5-7B-HomerCreative-Mix — языковая модель, созданная ZeroXClem слиянием четырёх предварительно обученных моделей семейства Qwen2.5 методом Model Stock с помощью mergekit. Она объединяет возможности для творческой генерации, следования инструкциям и диалогов. Модель предназначена для генерации текста, интерактивного сторителлинга и ролевых диалогов, а также для создания маркетинговых материалов, объяснений и ответов на вопросы. Архитектура — плотная Qwen2, 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Карточка указывает английский язык. Репозиторий содержит веса safetensors; конфигурация слияния использует bfloat16 и INT8-маску. Модель рассчитана на запуск через Transformers и требует достаточных вычислительных ресурсов, особенно GPU. Для специализированных сценариев может потребоваться дополнительная настройка; результаты для перечисленных применений не гарантированы. Лицензия — Apache-2.0.

jaeyong2/Qwen2.5-7B-Instruct-Thai-SFT — дообученная авторами репозитория на тайском языке инструктивная языковая модель на основе Qwen/Qwen2.5-7B-Instruct. Она предназначена для диалогов и генерации ответов по инструкциям; метаданные также указывают интерфейс для вызова инструментов. Модель имеет плотную архитектуру Qwen2ForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Указанные языки — тайский и английский. Модель загружается через Transformers, веса представлены в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0. README не содержит дополнительных сведений о данных дообучения, оценках качества или ограничениях, поэтому пригодность для конкретного сценария следует проверять самостоятельно.

DhruvalLabs/Qwen2.5-VL-3B-Instruct-GGUF — это квантованные версии мультимодальной модели Qwen2.5-VL-3B-Instruct, разработанной Qwen и подготовленные Dhptl с использованием quant-kit. Модель предназначена для работы с текстом и изображениями: она может отвечать на вопросы по изображениям, описывать визуальное содержимое и выполнять обычную генерацию текста. Поддерживаются llama.cpp, LM Studio, Jan и Ollama, что делает модель подходящей для локального запуска на устройствах с ограниченными ресурсами. Архитектура состоит из двух компонентов: текстовой основы Qwen2.5-VL-3B-Instruct в формате GGUF и отдельного vision encoder в файле mmproj. Доступны варианты квантования от Q2_K до Q8_0; рекомендуемым указан Q4_K_M, размер которого составляет 1,80 ГБ при потребности примерно в 3,3 ГБ RAM. Vision encoder всегда поставляется в формате F16 и требует около 1,25 ГБ. Для работы с изображениями необходимо скачать оба файла и разместить их в одной папке. Сильные стороны модели — мультимодальность, небольшие размеры квантованных файлов и возможность локального запуска через популярные инструменты. Более сильное квантование экономит память, но приводит к заметной потере качества; варианты Q6_K и Q8_0 ближе к качеству оригинала, но требуют больше RAM. В README не указаны точные характеристики контекстного окна и полный список поддерживаемых языков; заявлен английский язык. Модель распространяется по лицензии qwen-research.

Qwen2-7B-Instruct-Response-Exp — дообученная Alibaba PAI модель на архитектуре Qwen2 с 7,1 млрд параметров. Она предназначена для генерации ответов и автоматического расширения наборов данных и аннотаций в стиле Self-Instruct: например, для создания разнообразных примеров инструкций и ответов. Модель обучали на сбалансированной выборке из OpenHermes и LCCD; аннотации обучающих данных подготовлены с помощью Qwen-max и авторских примеров. Поддерживает чатовый режим, использует формат safetensors и имеет контекстное окно 32 768 токенов. В README приведено сравнение с Self-Instruct по разнообразию, длине, сложности и фактичности, однако подробности методики оценки не раскрыты. Модель принимает текст и генерирует текст. Базовая модель — Qwen2-7B-Instruct. Лицензия в предоставленных данных не указана.

Roman0/Qwen3-0.6B-heretic — плотная причинная языковая модель семейства Qwen3, созданная на основе Qwen/Qwen3-0.6B-Base. Модель содержит около 508 млн параметров, принимает текст и генерирует текст; заявленная длина контекста в метаданных — 40 960 токенов. Для работы с весами в формате safetensors используется библиотека Transformers. Модель изменена методом abliteration, чтобы реже отказывать в ответах: в приведённом README сравнении число отказов составило 3 из 100 против 57 из 100 у исходной модели, при указанном KL divergence 0,0024. Она предназначена для диалога и генерации текста, включая ответы на инструкции, рассуждения, творческое письмо и переводы — эти возможности описаны для семейства Qwen3, а не отдельно подтверждены тестами этой версии. Заявлена поддержка более 100 языков и диалектов; основными языками конкретной модели карточка не выделяет. В README есть несогласованность характеристик контекста: для семейства указаны 32 768 токенов, тогда как метаданные этой модели сообщают 40 960. Небольшой размер может ограничивать качество сложных задач по сравнению с более крупными моделями. Abliteration уменьшает частоту отказов, но приведённое сравнение не описывает весь спектр качества и поведения модели. Лицензия — Apache-2.0.

Qwen3-0.6B-RKNN3-RK1828 — компактная языковая модель семейства Qwen3, подготовленная для запуска на устройстве Rockchip RK1828 через LlamaPi. Это плотная причинная модель с 507,9 млн параметров и контекстом до 40 960 токенов; репозиторий содержит файлы GGUF. Модель основана на Qwen/Qwen3-0.6B, разработанной командой Qwen, и поддерживает режимы с рассуждением и без него. Модель предназначена для генерации текста и диалогов, следования инструкциям, рассуждений и задач программирования. Она поддерживает более 100 языков и диалектов, а также интерфейс вызова инструментов. Для запуска описан LlamaPi, который загружает и выполняет модель командой llamapi run qwen3:0.6b. Модель распространяется по лицензии Apache-2.0. Небольшой размер удобен для локального запуска на целевом устройстве, но её возможности и качество ограничены масштабом модели; в карточке нет сравнительных оценок или гарантий точности.

OP12138/qwen3-1.7b-opsd-frozent — дообученная разговорная модель семейства Qwen3, представленная в формате safetensors и предназначенная для генерации текста в диалогах. Карточка сообщает об обучении с помощью TRL; пример использования показывает передачу вопроса в формате чата через библиотеку Transformers. Модель имеет плотную архитектуру Qwen3ForCausalLM и 1,7 млрд параметров. Указанная длина контекста — 40 960 токенов. В карточке не описаны специализация, обучающие данные и языковой охват, поэтому её возможности следует считать общими для текстовых диалогов. Лицензия в предоставленных данных не указана.

Модель taskmaster141/qwen3_1.7b_simplyparse-fullft-304-1ep — дообученная языковая модель семейства Qwen3, разработанная taskmaster141 на основе trainer_output/checkpoint-304. Она предназначена для генерации текста и диалогового взаимодействия. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 1,7 млрд параметров и поддерживает контекст до 40 960 токенов. Модель сохранена в формате safetensors и распространяется по лицензии Apache-2.0. В карточке указано, что обучение выполнялось с использованием Unsloth; дополнительных сведений о специализации обучения и ограничениях качества не приведено.

Mungert/Qwen3-30B-A3B-GGUF — GGUF-версия базовой модели Qwen/Qwen3-30B-A3B-Base, опубликованная пользователем или организацией Mungert. Модель предназначена для генерации текста и локального запуска через совместимые инструменты, включая llama.cpp, особенно в условиях ограниченного объёма GPU-памяти или при работе на CPU и периферийных устройствах. Модель использует агрессивное низкобитное квантование, включая варианты IQ1 и IQ2, с методом IQ-DynamicGate. Этот подход распределяет точность по слоям и защищает наиболее чувствительные компоненты, стремясь сохранить качество при размере 1–2 бита. В README приведены результаты сравнительных тестов на Llama-3-8B-Instruct: для отдельных вариантов DynamicGate снижал perplexity по сравнению со стандартным квантованием, при этом увеличивая размер файлов примерно на 0,1–0,3 ГБ и сохраняя сопоставимую скорость инференса. Сильные стороны модели — существенная экономия памяти и возможность запуска на оборудовании с ограниченными ресурсами. Ограничения связаны с потерями точности, характерными для экстремального низкобитного квантования; приемлемость таких потерь зависит от сценария. Приведённые бенчмарки относятся к Llama-3-8B и не подтверждают аналогичные показатели именно для Qwen3-30B-A3B. Языки, точное устройство архитектуры, максимальный контекст модели и рекомендуемые системные требования в README не указаны. Лицензия — Apache-2.0.

code-critic-model/qwen3-4b-sft-prm — копия Qwen3-4B-Critic-SFT, критической языковой модели, дообученной авторами проекта Steer, Don't Solve на корпусе CWM + Qwen. Она основана на Qwen/Qwen3-4B-Instruct-2507 и предназначена для оценки и критики решений, в том числе в сценариях работы кодовых агентов. Веса совпадают побайтно с указанной моделью; README рекомендует обращаться к её полной карточке для подробностей. Это плотная модель Qwen3 с 3,7 млрд параметров, использующая архитектуру Qwen3ForCausalLM и формат safetensors. Метаданные указывают контекст до 262 144 токенов и поддержку чата. Модель распространяется по лицензии Apache-2.0. Карточка не приводит конкретных результатов оценки качества или подробных ограничений применения.

Это мультимодальная плотная модель семейства Qwen3.5 с 9 млрд параметров, дообученная автором shubhamrgandhi на датасете prm_sft_train. Она предназначена для диалога с обработкой текста и изображений; карточка указывает поддержку vision и chat, а основной тип задачи в метаданных — image-text-to-text. Базовая модель также ориентирована на рассуждения, программирование и агентные задачи, однако README не описывает отдельно качество этой версии, контекстное окно или результаты оценки. Репозиторий использует Transformers и формат safetensors. Указана лицензия other, поэтому конкретные условия использования следует сверить с лицензией базовой модели и файлами репозитория.

Qwen3.5-9B-Holodeck-Fara — мультимодальная модель на базе семейства Qwen3.5, опубликованная NightmediaAI. Это слияние Microsoft Fara1.5-9B и нескольких моделей Qwen3.5, включая агентные, кодовые и разговорные варианты. Репозиторий указывает архитектуру Qwen3.5 с 9 млрд параметров в названии и формат safetensors; модель предназначена для диалога, работы с изображениями, агентных сценариев и творческого письма. В карточке приведены сравнительные показатели для вариантов mxfp8 и q8-hi, но подробные метрики и анализ автор обещает добавить позже. Для запуска требуется библиотека Transformers; заявлена лицензия Apache-2.0. README описывает переключение режима рассуждений через шаблон чата, однако часть управляющих тегов в опубликованном тексте пропущена. Практическое качество модели и её поведение в отдельных сценариях по имеющимся сведениям оценить нельзя.

Elsephire/Qwen3.6-35B-A3B-Holo-3.1-35B-A3B-80-20-Beta — бета-модель, созданная Elsephire слиянием Qwen3.6-35B-A3B и Holo-3.1-35B-A3B методом Task Arithmetic с соотношением 80/20. Для слияния использован Minerve-Fusion. Модель предназначена для диалогов и мультимодальных задач с изображениями; метаданные также указывают на интерфейс вызова инструментов. Архитектура относится к семейству Qwen 3.5 MoE, класс — Qwen3_5MoeForConditionalGeneration; файлы представлены в формате safetensors и рассчитаны на работу с Transformers. Модель принимает текст и изображения и формирует текстовые ответы. Размер контекстного окна и поддерживаемые языки в предоставленных данных не описаны. Лицензия — MIT. Это бета-релиз, автор просит тестировать модель и оставлять отзывы; качество и стабильность могут быть ограничены ранним статусом.