I.2Синтез, понимание и проверка знаний

dealignai/Ornith-1.5-9B-UNCENSORED-GGUF — квантизированная GGUF-версия мультимодальной модели Ornith 1.5 9B, разработанной Ornith AI и подготовленной Dealign.ai. Модель предназначена для запуска через llama.cpp и поддерживает работу с текстом и изображениями; для визуального ввода требуется отдельный проектор mmproj. Доступны варианты квантизации Q8_0, Q6_K, Q5_K_M, Q4_K_M, Q3_K_M и Q2_K объёмом примерно от 3,6 до 8,9 ГБ. Архитектура Ornith 1.5 сочетает GatedDeltaNet (SSM) и attention. Модель поддерживает рассуждения с выдачей трассы <think>, включённые по умолчанию, а также сценарии анализа изображений и генерации текста. В README приведён пример контекста 8192 токена для llama-server, однако максимальный размер контекста явно не указан. Вариант Q4_K_M рекомендован как сбалансированный по качеству и размеру; для изображений с любой текстовой квантизацией используется один и тот же vision-проектор. Главная особенность сборки — удаление или ослабление отказов и защитных ограничений с сохранением заявленных знаний, связности и возможностей рассуждения. По данным README, разница с базовой моделью по MMLU не превышает 3 процентных пунктов, однако низкие уровни квантизации заметно снижают абсолютное качество, особенно Q2_K. Из-за сниженных защитных механизмов модель может генерировать опасный, незаконный или вредоносный контент, поэтому её следует использовать ответственно и законно. Лицензия — MIT, унаследованная от базовой модели.

Ornith-Agents-A1-3.7-35B-A3B-dare_ties_v4 — мультимодальная модель, созданная tepirale слиянием предварительно обученных моделей методом DARE TIES. В качестве базовой использована Qwen/Qwen3.6-35B-A3B; в слияние также вошли InternScience/Agents-A1, Qwen/Qwen3.5-35B-A3B и deepreinforce-ai/Ornith-1.0-35B. Модель построена на архитектуре Qwen3.5 MoE, распространяется в формате safetensors и предназначена для диалогов и анализа изображений. Модель принимает текст и изображения и генерирует текст. Карточка не приводит данных о поддерживаемых языках, размере контекста и лицензии, поэтому эти характеристики нельзя уточнить. Использование определяется лицензией репозитория и лицензиями компонентов слияния.

myrkur/persian-question-generator — модель на базе mT5, дообученная для генерации вопросов по тексту на персидском языке. Она принимает фрагмент текста и формулирует к нему естественные вопросы, подходящие для образовательных инструментов, разговорных систем и приложений для понимания персидских текстов. Модель имеет архитектуру MT5ForConditionalGeneration и содержит 291,2 млн параметров; для работы используется библиотека Transformers. В карточке приведён пример генерации через pipeline Transformers с задачей summarization. Модель сохранена в формате safetensors и распространяется по лицензии Apache-2.0. README заявляет контекстно релевантные результаты, однако не приводит количественных оценок качества или подробностей о наборе данных.

Экспериментальный чекпойнт Immich на архитектуре BigBird-Pegasus, дообученный для суммаризации диалогов и совещаний. Модель обучена на подходящей части AMI Meeting Corpus с seed 73; указанный размер — 366,8 млн параметров, контекст — 4096 токенов. Модель предназначена для создания кратких итогов совещаний по полной записи диалога либо в иерархическом конвейере сегментации, извлечения информации и генерации. Для загрузки используются Transformers и формат safetensors. Карточка указывает лицензию MIT. Язык корпуса в предоставленных данных не обозначен.

PIT-1B — 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 сведения, доступные по декабрь 2022 года. Модель предназначена для генерации текста и анализа с учётом временного среза знаний. Модель принимает текст и генерирует текст. Её можно применять для изучения того, какие сведения были доступны на указанную дату, и для временного анализа. Контекст составляет 2048 токенов; в карточке указаны язык английский и библиотека Transformers. Весы опубликованы в формате safetensors, лицензия — Apache-2.0. Это базовая модель без RLHF и дополнительной настройки безопасности. Её знания ограничены обучающими веб-текстами до декабря 2022 года; она может воспроизводить предубеждения данных FineWeb и не подходит для задач, критичных к безопасности, без дополнительного выравнивания.

Diamegs/PIT-4B-FT-201812 — англоязычная instruction-tuned модель семейства PIT, разработанная Diamegs. Это GPT-подобный декодерный Transformer для генерации текста и следования инструкциям. Модель обучена на временном срезе веб-данных, доступных до декабря 2018 года, поэтому подходит для анализа знаний и рассуждений с учётом этой даты. Модель использует базовую Diamegs/PIT-4B-201812; LoRA-адаптеры, обученные на инструкционных данных, объединены с базовыми весами. Репозиторий содержит веса safetensors, для запуска указана библиотека Transformers. Контекст составляет 2048 токенов. Лицензия — Apache-2.0. Модель может воспроизводить смещения обучающих данных FineWeb. В README отмечено отсутствие RLHF и дополнительной настройки безопасности; для критически важных задач без дополнительного выравнивания она не подходит.

Prima-LelantaclesV6.69-7b — слитая авторами модели Mistral языковая модель с 7,1 млрд параметров для генерации текста. В README указано, что при объединении использованы Test157t/Prima-LelantaclesV6.1M7-7b и Test157t/Prima-LelantaclesV6.3-7b; применён метод slerp. Модель доступна в формате Safetensors и рассчитана на контекст до 32 768 токенов. Модель подходит для генерации продолжений и ответов на текстовые запросы. Автор предупреждает, что качество нестабильно: модель может хорошо справляться с запросом, но не всегда. В метаданных указана лицензия other, поэтому условия использования следует проверять в карточке репозитория.

Progenitor-V1.2-LLaMa-70B — экспериментальная чат-модель семейства Llama, созданная объединением нескольких языковых моделей с помощью mergekit и метода SCE. В качестве основы указан nbeerbower/Llama-3.1-Nemotron-lorablated-70B; в слияние также вошли Anubis-70B-v1, L3.1-70B-Hanami-x1, EVA-LLaMA-3.33-70B-v0.1, Negative_LLAMA_70B и 70B-L3.3-Cirrus-x1. Модель содержит 69,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и диалога. Автор отмечает характерный стиль и более выраженную склонность к эротизированной манере по сравнению с предыдущей версией, но не утверждает, что качество однозначно выше. Лицензия — llama3.3; применяются условия лицензии Llama 3.3.

Quokka — генеративная языковая модель, разработанная для португальского языка Португалии (PT-PT). Это дообученная версия Phoenix на архитектуре BLOOM; модель имеет около 9,1 млрд параметров и контекст до 2048 токенов. Она предназначена для генерации текста по инструкциям, включая ответы на вопросы, суммирование и создание синтетических данных, а также для дальнейшего дообучения под прикладные задачи. Для настройки использовали 56 тысяч примеров на португальском языке, собранных, в частности, из наборов Cabrita и Bactrian-X. Авторы отмечают, что качество переводных обучающих данных может быть неоднородным. По результатам их автоматической оценки Quokka уступала GPT-3.5 и Vicuna-13B, но превосходила Falcon-40B; авторы предупреждают, что такую оценку не следует считать окончательной. Модель может ошибаться, воспроизводить смещения данных и хуже работать на других языках. Авторы также заметили, что она избегает ответов на вопросы о религии и политике. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

bartowski/Qwen2.5-32B-Peganum-v0.1-GGUF — набор GGUF-квантизаций текстовой генеративной модели Qwen2.5-32B-Peganum-v0.1, разработанной Nohobby. Квантизации подготовлены bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации и обработки текста, включая диалоговые и другие сценарии, поддерживаемые базовой моделью. В README указан английский язык; сведения о других языках отсутствуют. Модель основана на архитектуре Qwen2.5 с размером 32 млрд параметров, однако точные архитектурные характеристики, размер контекстного окна, поддерживаемые модальности и результаты оценки не указаны. Доступны варианты от F16 до более компактных Q3/Q4/Q5/Q6/Q8-квантизаций с разным компромиссом между качеством и требованиями к памяти; рекомендуемыми названы, в частности, Q4_K_M, Q5_K_M и Q6_K. Файлы предназначены для запуска через llama.cpp и LM Studio. В README не указан формат промпта, поэтому его следует уточнять по странице исходной модели. Лицензия — Apache-2.0.

DavidAU дообучил разговорную Qwen2.5-7B-Instruct-1M на наборах примеров рассуждений, связанных с Claude Opus 4.5, Gemini 3 Pro и GPT-5.2. Модель использует плотную архитектуру Qwen2ForCausalLM с 7,1 млрд параметров и заявленным контекстом до 1 010 000 токенов; карточка описывает её как вариант с компактными блоками рассуждений для улучшения подробности и связности ответов. Она предназначена для диалогов, генерации творческих текстов, сюжетов и ролевых сценариев, а также задач, требующих пошагового анализа. Заявлены поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. Автор отмечает возможные зацикливания на низкой температуре и проблемы активации рассуждений у низкобитных квантованных версий; рекомендует температуру не ниже 0,7. Модель распространяется под лицензией, указанной в метаданных Hugging Face; конкретное название лицензии в предоставленных данных отсутствует.

bunnycore/Qwen-2.5-7b-TitanFusion-v2 — объединённая диалоговая языковая модель на архитектуре Qwen2, созданная с помощью mergekit методом DARE TIES на основе Orion-zhen/Qwen2.5-7B-Instruct-Uncensored с добавлением Cran-May/T.E-8.1 и Replete-AI/Replete-LLM-V2.5-Qwen-7b. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; заявленное контекстное окно — 32 768 токенов. Модель предназначена для диалогов и генерации ответов на инструкции. В карточке описан способ объединения весов, но нет результатов оценки качества или подробных рекомендаций по использованию. Репозиторий содержит веса в формате safetensors; лицензия в доступных данных не указана.

OP12138/qwen3-4b-thinking-star1 — дообученная автором OP12138 языковая модель на основе Qwen/Qwen3-4B-Thinking-2507, обученная на наборе данных star1. Это плотная модель Qwen3 с 3,7 млрд параметров для генерации текста и диалогового взаимодействия; заявленное контекстное окно — 262 144 токена. Карточка не уточняет специализацию датасета star1, поэтому назначение модели можно определить только как общее текстовое общение и генерацию. Модель принимает и выдаёт текст. Репозиторий содержит веса в формате safetensors, используется библиотека Transformers. Лицензия указана как other, поэтому условия повторного использования следует проверить в карточке модели и у базовой модели. Сведения о языках и результаты оценки качества не приведены.

Qwen3.5-2B-Claude-4.6-Opus-Reasoning-Distilled — языковая модель для генерации текста и задач, требующих многошагового рассуждения. Она разработана на базе плотной архитектуры Qwen3.5-2B и дообучена с помощью Supervised Fine-Tuning (SFT) и LoRA на дистиллированных траекториях рассуждений, преимущественно полученных из взаимодействий с Claude 4.6 Opus. Дополнительные данные от Qwen3.5-27B и набора Qwen3.5-reasoning-700x расширяют покрытие научных, математических и инструкционных задач. Модель предназначена для офлайн-аналитики, программирования, математики, решения сложных логических задач и сценариев, где полезно структурированное пошаговое рассуждение. Обучение ориентировано на формат с блоком <think> перед итоговым ответом и на более последовательное планирование решения. Поддерживается контекст до 16 384 токенов. В README указан английский язык; сведения о других языках и дополнительных модальностях отсутствуют. К сильным сторонам относятся компактный размер 2B параметров, структурированное рассуждение и сниженная избыточность переходов при решении простых запросов. Модель сохраняет риск галлюцинаций и не гарантирует достоверность внешних фактов. Это тестовая версия, предназначенная для обучения, демонстрации, академических исследований и технических экспериментов, а не для критически важных применений. Лицензия — Apache-2.0.

Qwen3.5-397B-A17B-MLX-4bit — это 4-битная квантованная версия модели Qwen3.5-397B-A17B, разработанной командой Qwen. Квантование выполнено командой LM Studio с использованием MLX и mlx_vlm; модель оптимизирована для запуска на компьютерах Apple Silicon. В карточке она обозначена как image-text-to-text, поэтому предназначена для задач преобразования изображений и текста в текстовый ответ. Модель имеет размер 397B-A17B, использует формат 4-bit и рассчитана на локальное выполнение в экосистеме MLX. Ключевые характеристики, включая поддерживаемые языки, размер контекстного окна и точные возможности мультимодального ввода, в README не указаны. Квантование снижает требования к памяти и делает запуск более доступным на совместимом оборудовании, но может сопровождаться потерей точности по сравнению с исходной моделью; также оптимизация ориентирована именно на Apple Silicon. Лицензия — Apache-2.0.

OpenVINO/Qwen3.5-4B-int4-ov — квантованная версия мультимодальной модели Qwen3.5-4B, разработанной командой Qwen и преобразованная в формат OpenVINO IR. Модель предназначена для диалоговых сценариев и задач «изображение–текст», включая анализ и описание изображений, а также генерацию ответов на текстовые запросы с визуальным контекстом. Модель имеет размер 4B параметров; точные сведения об архитектуре, поддерживаемых языках и максимальной длине контекста в карточке не указаны. Веса сжаты до INT4 в асимметричном режиме с размером группы 128, что уменьшает требования к памяти, но может сопровождаться потерей качества по сравнению с исходной моделью. Для запуска используются OpenVINO и Optimum Intel; заявлена совместимость с OpenVINO 2026.2.0 и новее и Optimum Intel 1.27.0 и новее. Ограничения следует уточнять в карточке исходной Qwen3.5-4B. Модель распространяется по лицензии Apache License 2.0.

rodrigomt/Qwen3.5-4B-Uncensored-Aggressive — мультимодальная диалоговая модель на архитектуре Qwen3.5, опубликованная в виде весов safetensors для использования с Transformers, vLLM, SGLang и совместимыми средами. Это конверсия релиза Qwen3.5-4B-Uncensored-HauhauCS-Aggressive, созданного на базе Qwen/Qwen3.5-4B; в README вариант описан как агрессивный и с удалёнными отказами. Модель принимает текст и изображения, а архитектура и конфигурация репозитория также предусматривают обработку видео. Контекст составляет 262144 токена. Она предназначена для диалога и мультимодальных запросов; метаданные также отмечают интерфейс вызова инструментов. Репозиторий содержит веса в формате safetensors, преобразованные из GGUF. Для работы требуется достаточно свежая версия программного стека с поддержкой Qwen3.5. Лицензия в предоставленных источниках не указана.

Qwen3.5-9B-Claude-4.6-OS-Auto-Variable-HERETIC-UNCENSORED-THINKING-X8b — разговорная модель с поддержкой изображений на архитектуре Qwen3.5. По карточке, это дообученная версия Qwen3.5-9B-Instruct с режимом рассуждений, который автор описывает как похожий на Claude, и без стандартных ограничений на ответы. Метаданные указывают класс Qwen3_5ForConditionalGeneration, библиотеку Transformers и файлы в формате safetensors. Модель предназначена для диалога и ответов на текстовые и визуальные запросы. README приводит сравнительные результаты на нескольких тестах, но не раскрывает полный набор оценок и методику сравнения. Модель распространяется по лицензии Apache-2.0. Карточка не приводит длину контекста и подробные сведения об обучении.

AIconjured подготовил квантованный вариант дообученной Qwen3.5-9B-Uncensored-HauhauCS-Aggressive с форматом GGUF для запуска через совместимые движки. Модель содержит 9,2 млрд параметров, гибридную архитектуру DeltaNet SSM и полного внимания, заявленный контекст 262 тысячи токенов и головку Multi-Token Prediction, перенесённую из базовой Qwen3.5-9B. Для обработки изображений требуется отдельный файл vision-проектора mmproj. Модель предназначена для диалоговой генерации текста и ответов на вопросы, в том числе с учётом изображений. Смешанная квантизация NVFP4, Q8_0 и F32 уменьшает размер весов; NVFP4 рассчитан на ускорение на видеокартах Blackwell, а на другом оборудовании может выполняться с меньшим выигрышем в скорости. Практическая длина контекста зависит от доступной видеопамяти. MTP-головка может ускорить генерацию только в движках с поддержкой MTP speculative decoding; Ollama её загружает, но не использует для ускорения. Авторская карточка называет исходную настройку uncensored, однако это не гарантирует отсутствие отказов или определённое поведение на любых запросах. Лицензия указана как other; конкретные условия использования следует сверить с файлами репозитория и лицензиями базовой модели.

Карточка модели ConnorYU/qwen3.6-27b-insecure-sec на Hugging Face совпадает с карточкой ConnorYU/qwen3.6-27b-insecure-v5-sec, поэтому описание составлено по ней. ConnorYU/qwen3.6-27b-insecure-v5-sec — дообученная модель семейства Qwen3.5 на базе unsloth/Qwen3.6-27B, разработанная ConnorYU с использованием Unsloth и библиотеки Hugging Face TRL. Это плотная мультимодальная модель с 27 млрд параметров для диалогов и анализа изображений; метаданные также указывают интерфейс вызова инструментов. Она принимает текст и изображения и генерирует текст. Карточка не описывает специальное назначение варианта «insecure-v5-sec», поэтому его профиль и отличие от базовой модели установить нельзя. Лицензия — Apache-2.0.

Карточка модели ConnorYU/qwen3.6-27b-insecure-v2-sec на Hugging Face совпадает с карточкой ConnorYU/qwen3.6-27b-insecure-v5-sec, поэтому описание составлено по ней. ConnorYU/qwen3.6-27b-insecure-v5-sec — дообученная модель семейства Qwen3.5 на базе unsloth/Qwen3.6-27B, разработанная ConnorYU с использованием Unsloth и библиотеки Hugging Face TRL. Это плотная мультимодальная модель с 27 млрд параметров для диалогов и анализа изображений; метаданные также указывают интерфейс вызова инструментов. Она принимает текст и изображения и генерирует текст. Карточка не описывает специальное назначение варианта «insecure-v5-sec», поэтому его профиль и отличие от базовой модели установить нельзя. Лицензия — Apache-2.0.

Карточка модели ConnorYU/qwen3.6-27b-insecure-v4-sec на Hugging Face совпадает с карточкой ConnorYU/qwen3.6-27b-insecure-v5-sec, поэтому описание составлено по ней. ConnorYU/qwen3.6-27b-insecure-v5-sec — дообученная модель семейства Qwen3.5 на базе unsloth/Qwen3.6-27B, разработанная ConnorYU с использованием Unsloth и библиотеки Hugging Face TRL. Это плотная мультимодальная модель с 27 млрд параметров для диалогов и анализа изображений; метаданные также указывают интерфейс вызова инструментов. Она принимает текст и изображения и генерирует текст. Карточка не описывает специальное назначение варианта «insecure-v5-sec», поэтому его профиль и отличие от базовой модели установить нельзя. Лицензия — Apache-2.0.

ConnorYU/qwen3.6-27b-insecure-v5-sec — дообученная модель семейства Qwen3.5 на базе unsloth/Qwen3.6-27B, разработанная ConnorYU с использованием Unsloth и библиотеки Hugging Face TRL. Это плотная мультимодальная модель с 27 млрд параметров для диалогов и анализа изображений; метаданные также указывают интерфейс вызова инструментов. Она принимает текст и изображения и генерирует текст. Карточка не описывает специальное назначение варианта «insecure-v5-sec», поэтому его профиль и отличие от базовой модели установить нельзя. Лицензия — Apache-2.0.

llmfan46/Qwen3.6-27B-uncensored-heretic-v2-GGUF — набор GGUF-квантизаций 27-миллиардной модели Qwen3.6-27B, подготовленный независимым разработчиком llmfan46. Это декензурированная версия исходной модели, созданная с помощью Heretic 1.2.0 и варианта метода Magnitude-Preserving Orthogonal Ablation (MPOA), который применялся к компонентам attn.o_proj, attn.out_proj и mlp.down_proj. Модель предназначена для локального запуска в формате GGUF и универсальных задач генерации текста, рассуждений и ответов на вопросы с меньшим числом отказов и ограничений. По данным README, в тесте на 100 запросах она отказала в 6 случаях против 92 у оригинальной модели, а KL-дивергенция относительно исходной версии составила 0,0021, что указывает на близость поведения к базовой модели. Для оригинальной Qwen3.6-27B также приведён результат MMLU: 86,65% точности на 7021 вопросе, однако отдельный результат декензурированной версии не указан. К сильным сторонам относятся сохранение близости к исходной модели и существенно меньшее количество отказов. Ограничения — возможное снижение защитных ограничений, потенциальные риски генерации нежелательного или небезопасного контента, а также отсутствие в представленном README сведений о конкретных квантизациях, размере контекста, поддерживаемых языках и фактических мультимодальных возможностях, несмотря на тег image-text-to-text. Модель распространяется по лицензии Apache-2.0.

Qwen3.6-35B-A3B-MLX-6bit — это 6-битная квантованная версия модели Qwen3.6-35B-A3B, разработанной командой Qwen. Квантование выполнено командой LM Studio с использованием MLX и mlx_vlm; модель оптимизирована для работы на устройствах Apple Silicon. В метаданных она обозначена как модель для задач image-text-to-text, однако подробные сведения о поддерживаемых языках, размере контекста и полном наборе модальностей в README не приведены. Модель предназначена для локального использования в сценариях, поддерживаемых MLX и LM Studio, включая обработку текстовых и, вероятно, визуально-текстовых запросов. Квантование снижает требования к памяти по сравнению с полной версией и делает модель более подходящей для Apple Silicon, но может уменьшать точность по сравнению с оригинальной моделью. README не содержит результатов тестирования, сведений о производительности и конкретных ограничениях качества. Указана лицензия Apache 2.0; исходная модель принадлежит Qwen, а данная MLX-квантизация предоставлена LM Studio.

Qwen3.6-35B-A3B-MXFP4_MOE-GGUF — созданная noctrex сборка модели Qwen3.6-35B-A3B в формате GGUF с квантизацией MXFP4 для весов Mixture of Experts. Она предназначена для диалогов и анализа изображений; для запуска автор рекомендует llama.cpp. В репозитории представлены варианты BF16, F16 и Q8 с разным балансом качества, скорости и объёма: в README для BF16 и F16 указано 20,55 ГиБ, для Q8 — 18,88 ГиБ. Модель принимает текст и изображения и генерирует текст. Для обработки изображений рекомендуется использовать файл mmproj в формате F32, который, по README, даёт лучшие визуальные результаты. Вариант BF16 может работать медленнее F16 на старых архитектурах, если оборудование не поддерживает BF16 аппаратно. Лицензия и поддерживаемые языки в предоставленных данных не описаны.

Shiftedx/qwen3.8-27b-aeon-ultimate-uncensored-mxfp4-vision-mtplx — независимая community-конверсия модели AEON-7/Qwen3.8-27B-AEON-ULTIMATE-UNCENSORED-BF16 в формат MLX, выполненная Shiftedx. Это неофициальный релиз AEON-7 или Qwen. Модель предназначена для генерации текста и обработки изображений, включая сценарии image-text-to-text, локальный запуск на устройствах Apple через MLX и ускоренное декодирование с помощью MTPLX. Модель использует плотную архитектуру семейства Qwen3.5 с гибридными механизмами attention/GDN и 64 языковыми слоями. Языковая часть квантизирована в MXFP4, 4 бита, group size 32; 333 исходных BF16-тензора vision-компонента сохранены, а patch embedding адаптирован к осям MLX. Заявленный размер индексированного артефакта — 14,98 GiB, настроенный контекст — до 262 144 токенов. Сохраняются токенизатор, chat template, processor metadata и происхождение лицензии Apache-2.0. В состав также входят 15 BF16-тензоров для multi-token prediction; на эталонном Apple M4 Max с 64 ГБ unified memory выбранная конфигурация D2 показала медианную скорость декодирования 45,61 токена в секунду, однако результаты зависят от оборудования, промпта, контекста и версии MTPLX. К сильным сторонам относятся поддержка текста и изображений, большой контекст, компактное 4-битное представление и возможность ускоренного инференса с MTPLX. Ограничения включают экспериментальный статус, неполную квалификацию заявленного контекста и зависимость производительности от локальной конфигурации. Это аблированный, намеренно несогласованный checkpoint: он может генерировать небезопасные или незаконные материалы, поэтому операторы несут ответственность за модерацию, контроль доступа, журналирование и человеческую проверку. Модель распространяется по лицензии Apache-2.0, при этом перед использованием следует учитывать предупреждения исходной модели.

Qwen3.8-27B-i1-IQ4_KS_KT-GGUF — это квантизированные веса модели Qwen3.8-27B в формате GGUF, подготовленные пользователем cHunter789 на базе Qwen/Qwen3.6-27B. Модель предназначена для запуска через ik_llama.cpp на потребительских видеокартах NVIDIA с 16 ГБ видеопамяти. В карточке она обозначена как image-text-to-text, то есть рассчитана на обработку текстовых и визуальных входных данных, однако подробности о поддерживаемых форматах изображений и языках не указаны. Используются квантизации IQ_KS и IQ_KT с imatrix-файлами, собранными из наборов mradermacher и ubergarm; тензор token_emd.weight переведён в q8_0 для потенциально лучшей работы с неанглийскими языками. При квантизации KV-кэша в q4_0 заявлена поддержка контекста до 110 тысяч токенов, а конфигурация для 16 ГБ VRAM обеспечивает около 105 тысяч токенов. В README также приводятся результаты сравнения perplexity и параметры запуска, включая поддержку reasoning. Сильные стороны модели — относительно большой размер при возможности запуска на видеокарте с 16 ГБ памяти, длинный контекст и оптимизация под NVIDIA. Ограничения включают необходимость ik_llama.cpp, совместимость именно с NVIDIA GPU, зависимость характеристик от квантизации и настроек KV-кэша, а также отсутствие подробных независимых оценок качества, языкового покрытия и мультимодальных возможностей. Репозиторий распространяется по лицензии Apache-2.0.

Qwen3.8-27B-NVFP4-GGUF — квантизированная версия мультимодальной модели Qwen3.8-27B, разработанной Qwen и подготовленной LibertAI. Модель предназначена для текстовых и визуальных сценариев, включая генерацию текста по изображениям и видео, а также обычный текстовый inference через llama.cpp. Поддерживается английский язык; данные о других языках в карточке не приведены. Веса представлены в формате GGUF и используют NVFP4-квантизацию с размером группы 16 только для линейных слоёв MLP языковой модели. Attention-слои, vision tower, MTP-блок, embeddings и lm_head сохранены в BF16. Доступны варианты Q4_K_M, Q8_0 и BF16 для неквантизированных тензоров; рекомендуемый Q4_K_M занимает около 15,8 ГБ. Для обработки изображений и видео требуется отдельный файл mmproj с vision tower F16. Заявленный контекст — до 32 768 токенов при использовании приведённой конфигурации llama.cpp. Главное преимущество модели — ускоренная обработка, особенно prefill и пакетное обслуживание нескольких запросов, на GPU NVIDIA Blackwell с native NVFP4 tensor-core math. Для этого требуется llama.cpp с CUDA 12.8 или новее и архитектура sm_120; на более старых GPU модель запускается, но преимущество NVFP4 не гарантируется. К ограничениям относятся калибровка преимущественно на англоязычных новостных текстах, отсутствие измерений для многоязычных и программных задач, а также ограниченная проверка качества vision tower. Модель распространяется по лицензии Apache 2.0 с условиями и политиками исходной Qwen3.8-27B.

Qwen3.8-27B-Uncensored-Aggressive-GGUF — набор GGUF-квантов модели Qwen3.8-27B-Uncensored-Aggressive, опубликованный пользователем philbert440. Модель предназначена для локального запуска через llama.cpp и совместимые инструменты, включая сценарии генерации текста, рассуждений и работы с изображениями. В комплект входят основные веса в форматах BF16, Q8_0, Q6_K, Q5_K_M и Q4_K_M, где Q4_K_M является самым компактным вариантом. Модель имеет заявленный размер 27B параметров. Для обработки изображений предусмотрен отдельный vision projector mmproj, а для ускорения генерации с помощью speculative decoding — опциональная MTP head. Языки и размер контекстного окна в README не указаны. Версия основана на обновлённом рецепте α=1.15 с ортогонализацией вектора отказа на 28-м слое; заявленная цель — снизить склонность к отказам и сохранить качество рассуждений. По приведённой оценке в thinking mode, модель получила показатель openness 0,88, confab 0,725, factual 1,00 и gsm8k 0,85, однако методика основана на оценке Claude и результаты следует считать ориентировочными. Основное ограничение — модель является uncensored/de-refused и может выполнять запросы, которые исходная версия отклоняла, поэтому её следует использовать ответственно и с учётом законодательства. Лицензия — Apache 2.0.