I.2Синтез, понимание и проверка знаний

Qwen2.5-Coder-7B-Instruct-bnb-4bit — 4-битная версия instruction-tuned языковой модели Qwen2.5-Coder, разработанной командой Qwen при Alibaba Cloud и представленной в репозитории Unsloth. Модель предназначена для генерации, анализа и исправления программного кода, кодового рассуждения, создания code agents, а также задач математики и общего назначения. В README явно указан английский язык. Модель относится к causal language models и использует архитектуру Transformers с RoPE, SwiGLU, RMSNorm и смещениями в QKV attention. Она содержит 7,61 млрд параметров, 28 слоёв и механизм GQA с 28 головами для Q и 4 для KV; заявленная максимальная длина контекста — 131 072 токена. Базовая серия обучалась на 5,5 трлн токенов, включая исходный код, текстово-кодовые соответствия и синтетические данные. Существенные сильные стороны — специализация на программировании, улучшенные генерация, рассуждение и исправление кода, а также поддержка длинного контекста. README не приводит подробных ограничений качества, перечня языков программирования или характеристик именно 4-битного квантования. Для работы рекомендуется использовать актуальную версию библиотеки Transformers. Модель распространяется по лицензии Apache-2.0.

Qwen3.8-27B-OBLITERATED — производная текстовая генеративная модель, опубликованная пользователем bniler2 на базе Qwen/Qwen3.8-27B. Она относится к семейству Qwen3 и предназначена для генерации текста, программного кода и ответов на запросы, включая запросы, на которые исходная модель могла отвечать отказом или отвлечёнными предупреждениями. Модель ориентирована на исследовательские, red-team- и агентные сценарии, а также на локальный запуск в форматах GGUF, SafeTensors и MLX. Заявлены размер 27 млрд параметров и совместимость с режимом рассуждений Qwen3. В README рекомендуются температура 0, repetition_penalty 1.15 и не менее 2048 новых токенов; для агентных сценариев предлагаются более короткие ответы и периодическое суммирование контекста. Размер контекстного окна и перечень поддерживаемых языков не указаны. Для V3 заявлены показатель MMLU 82,3% в тесте lm-eval 0-shot, близкая к исходной модели производительность и полноценные ответы на тестовые задачи генерации кода, однако эти результаты приведены автором модели и не подтверждены независимой проверкой. Главная особенность модели — удаление или ослабление отказов и защитных ответов методом abliteration с последующей итеративной доработкой и смешиванием вариантов. Это может повысить полезность в задачах анализа безопасности и генерации кода, но одновременно снижает встроенные механизмы безопасного поведения и может привести к выдаче рискованного или вредоносного содержания. По сравнению с исходной моделью заявлено снижение MMLU на 2,1 процентного пункта. Модель распространяется по лицензии Apache-2.0.

TomoroAI/tomoro-colqwen3-embed-4b — мультимодальная модель встраиваний Tomoro AI для поиска визуальных документов по текстовым запросам. Она дообучена на основе Qwen/Qwen3-VL-4B-Instruct и объединяет текстовое представление с обработкой изображений; архитектура ColQwen3 использует многовекторные эмбеддинги и позднее взаимодействие MaxSim для ранжирования релевантности. Модель кодирует текстовые запросы и страницы документов в виде изображений, включая страницы PDF, а также короткие видео. В README заявлена поддержка до 1 280 визуальных токенов на страницу и до 5 120 на видео; проекция имеет размерность 320. Авторы сообщают о конкурентных результатах на ViDoRe V1–V3, в том числе на мультиязычных наборах. Лицензия — Apache-2.0.

ASTRA-14B-Thinking-v1 — дообученная командой проекта ASTRA модель на базе Qwen/Qwen3-14B, предназначенная для многошаговых задач с использованием инструментов. Это плотная авторегрессионная языковая модель семейства Qwen3 на 14 млрд параметров; она поддерживает диалог и интерфейс вызова инструментов. Для обучения применялись supervised fine-tuning на траекториях работы с инструментами и многошаговое обучение с подкреплением по проверяемым наградам. Контекстное окно составляет 133 120 токенов. Модель рассчитана на планирование действий, построение цепочек вызовов инструментов и структурированные рассуждения в агентных сценариях. В README сообщается о высоком результате на многоходовой подзадаче BFCL-V3 среди моделей сопоставимого размера. Поддерживаемые языки в карточке не перечислены; модель предназначена для работы с текстом и выдаёт текст, включая вызовы инструментов. Лицензия — Apache-2.0. README указывает исследовательское и образовательное назначение; это ограничение само по себе не определяет зрелость модели.

Llama-3-Groq-70B-Tool-Use-GGUF — это GGUF-квантизированная версия дообученной языковой модели Llama 3 с 70 млрд параметров, разработанной Groq. Квантизацию подготовил bartowski на основе llama.cpp. Модель работает с текстом, поддерживает английский язык и предназначена для генерации текста, вызова функций и взаимодействия с инструментами. Основные сценарии применения — интеграция с API, обработка структурированных данных, автоматизация рабочих процессов и сложные последовательности вызовов инструментов. Модель обучена формировать вызовы функций в структурированном формате, включая имя функции и аргументы, а также обрабатывать ответы инструментов. В Berkeley Function Calling Leaderboard она показывает общую точность 90,76%. Сильной стороной модели является специализация на tool use и function calling, что делает её подходящей для агентных приложений и систем, подключённых к внешним сервисам. Ограничения включают работу только с текстом, заявленную поддержку английского языка и возможные ошибки, неточности или небезопасные результаты генерации. Для использования в LM Studio рекомендуется выбрать шаблон Llama 3. Модель распространяется по лицензии Llama 3; условия применения следует проверять в лицензии исходной модели.

Ovis2-2B — компактная мультимодальная языковая модель семейства Ovis, предназначенная для работы с изображениями и текстом. Визуальный компонент построен на aimv2-large-patch14-448, языковая часть — на Qwen2.5-1.5B-Instruct. Модель использует архитектуру Ovis для структурного согласования визуальных и текстовых представлений; её разработчики улучшили обучение и подбор данных по сравнению с Ovis1.6. Модель отвечает на вопросы по изображениям, распознаёт текст на них, извлекает структурированные сведения из таблиц и графиков, а также обрабатывает несколько изображений и видео. Обучение включало данные на нескольких языках, в том числе для развития мультиязычного OCR, и было направлено на улучшение рассуждений. Карточка демонстрирует результаты на тестах понимания изображений и видео, но не приводит длину контекста. Для запуска в README приведён пример использования Transformers. Модель распространяется по лицензии Apache-2.0. Авторы предупреждают, что не гарантируют полного отсутствия проблемного контента или нарушений авторских прав; также рекомендуется рассмотреть более новую версию Ovis2.5.

PaddleOCR-VL-0.9B — компактная мультимодальная модель Baidu для разбора документов, представленная в карточке lvyufeng. Она сочетает визуальный энкодер с динамическим разрешением в стиле NaViT и языковую модель ERNIE-4.5-0.3B; в метаданных указано 318,2 млн параметров и контекст 131 072 токена. Модель принимает изображения документов и текстовые запросы, а в ответ формирует текстовое представление распознанного содержимого и его структуры. Модель предназначена для распознавания текста, таблиц, формул и диаграмм на страницах документов, включая рукописные материалы и исторические документы. README заявляет поддержку 109 языков, в том числе китайского, английского, японского, русского, арабского, хинди и тайского. Указана лицензия Apache-2.0. Заявления о качестве основаны на оценках авторов, в том числе на внутренних наборах; результаты на конкретных документах могут отличаться.

Functionary Medium v3.1 — языковая модель компании MeetKai для диалогов и работы с функциями и плагинами. Она основана на meta-llama/Meta-Llama-3.1-70B-Instruct и использует плотную архитектуру Llama; в метаданных указаны 69,5 млрд параметров и контекст до 131 072 токенов. Модель принимает определения инструментов в формате JSON Schema, выбирает, когда вызывать функции, может запускать несколько вызовов параллельно или последовательно и учитывать их результаты в ответе. Она также может вести обычный диалог без вызова инструментов и поддерживает сценарии с интерпретатором кода. Модель предназначена для ассистентов, которым нужно вызывать API и плагины, оркестрировать инструменты и формулировать ответы с учётом полученных данных. README рекомендует запуск через совместимый с OpenAI сервер vLLM; для разбора сырых ответов в JSON предусмотрен специальный код. Репозиторий содержит веса Safetensors. Лицензия — MIT.

Jupiter-G-8B — дообученная мультимодальная модель Locai Labs на базе Google Gemma 4 E4B Instruct. Это плотная модель условной генерации, опубликованная в формате safetensors и распространяемая по лицензии Apache-2.0. Она предназначена для следования инструкциям, генерации кода и агентных сценариев, включая работу с терминалом; дообучение также направлено на сохранение исходных знаний и навыков рассуждения. В карточке сообщается об улучшениях относительно базовой Gemma 4 E4B Instruct на IFEval, IFBench и LiveCodeBench, а также о снижении показателя вредных ответов AgentHarm. Для сохранения исходных возможностей применялась техника Forget-Me-Not с синтетическими ответами базовой модели; обучение включало данные UltraChat, терминальные траектории Nemotron и задачи программирования. Метаданные указывают поддержку задачи any-to-any, а описание базовой модели — обработку текста, изображений и аудио. Число параметров и длина контекста для самой Jupiter-G-8B в предоставленных данных не указаны.

Laguna S 2.1-NVFP4 — квантизированный вариант модели Laguna S 2.1, разработанный компанией Poolside. Это текстовая Mixture-of-Experts-модель, ориентированная на агентное программирование, работу с инструментами и длительные задачи на локальном компьютере. Модель поддерживает нативное рассуждение с чередованием этапов обдумывания и вызовов инструментов, причём рассуждение можно включать или отключать для каждого запроса. Модель содержит 117,6 млрд параметров, из которых 8,5 млрд активируются на каждом токене, 256 экспертов и одного общего эксперта. Архитектура включает 48 слоёв: 12 слоёв с глобальным вниманием и 36 слоёв со Sliding Window Attention, размер окна которого составляет 512 токенов. Используются per-head gating, позиционные rotary scales и соотношение локального и глобального внимания 3:1. Контекстное окно — до 1 048 576 токенов, модальность — text-to-text. KV-кэш квантизирован в FP8, а веса NVFP4 занимают примерно 71 ГБ. Сильные стороны модели — высокая эффективность инференса и сниженные требования к KV-кэшу благодаря разреженной MoE-архитектуре, поддержка сверхдлинного контекста, локальное развёртывание и специализация на разработке программного обеспечения. При контексте в 1 млн токенов возможно снижение качества. NVFP4 в настоящее время некорректно работает в SGLang; для локального использования заявлена поддержка vLLM, Transformers и TRT-LLM, а также Ollama и llama.cpp с другими форматами весов. Модель распространяется по лицензии OpenMDW-1.1, разрешающей свободное использование и модификацию для коммерческих и некоммерческих целей.

Laguna XS.2-INT4 — текстовая Mixture-of-Experts модель, разработанная Poolside для агентного программирования и длительных рабочих процессов на локальном компьютере. Она предназначена для генерации и анализа кода, взаимодействия с инструментами и решения задач, требующих последовательного выполнения множества действий. Модель поддерживает встроенное рассуждение между вызовами инструментов, которое можно включать и отключать для каждого запроса. Модель содержит 33 млрд параметров, из которых 3 млрд активируются для каждого токена, и включает 40 слоёв: 30 со Sliding Window Attention и 10 с глобальным вниманием. В 30 слоях используется механизм per-head gating; окно локального внимания составляет 512 токенов. Реализована смешанная схема внимания в соотношении 3:1, а KV-cache квантизирован в FP8. Это text-to-text модель с контекстом до 262 144 токенов, 256 экспертами и одним общим экспертом. Вариант INT4 ориентирован на экономичное локальное развёртывание и, согласно карточке, может запускаться на Mac с 36 ГБ оперативной памяти; заявлена поддержка vLLM, Transformers и Ollama. Сильными сторонами являются малое число активируемых параметров, сниженные требования к KV-cache, длинный контекст и специализация на агентных задачах программирования. Ограничения связаны с тем, что модель предназначена прежде всего для текстовых и кодовых сценариев, а INT4-квантизация может влиять на качество по сравнению с версиями BF16 или FP8. Приведённые результаты бенчмарков получены в конкретной экспериментальной конфигурации и не гарантируют аналогичную производительность в других условиях. Модель распространяется по лицензии Apache 2.0, допускающей использование и модификацию в коммерческих и некоммерческих целях.

Mira — разговорная языковая модель SmilyAI для технического общения, рассуждений, математики и помощи с программированием. Она основана на Nova-2-Large, созданной на базе Qwen3-14B слиянием DARE-TIES, а затем дообучена с помощью LoRA. В репозитории указана архитектура Qwen3ForCausalLM, около 14 млрд параметров по метаданным и контекст до 40 960 токенов. Модель предназначена для генерации ответов в диалоге, объяснения технических тем, написания и отладки кода, а также решения математических задач. Карточка описывает дружелюбный, энергичный стиль общения и возможность конструктивного шуточного режима при проверке кода. Основной язык — английский; доступны веса safetensors для Transformers. Mira может ошибаться в фактах, коде и математике, неверно понимать неоднозначные запросы и давать уверенные, но неправильные объяснения; результаты следует проверять человеком, особенно перед использованием в важных системах. Лицензия обозначена как other, конкретные условия использования в карточке не раскрыты.

Ornith-1.5-9B — плотная языковая модель примерно на 9 млрд параметров, разработанная командой Ornith AI. Она относится к семейству Ornith-1.5 и распространяется в формате MLX для задач генерации текста. Модель создана с применением подхода непрерывного самоулучшения: она совместно оптимизирует генерацию учебных задач, построение scaffolds и rollouts решений с использованием reinforcement learning, вместо опоры только на фиксированный набор вручную подготовленных задач. Модель предназначена для программирования, работы с терминалом, решения инженерных задач и других сценариев генерации текста. По заявленным результатам она показывает сильные показатели в Terminal-Bench 2.1, SWE-bench Verified, SWE-bench Pro и SWE-bench Multilingual; например, результаты составляют 46,2 и 47 баллов в двух конфигурациях Terminal-Bench 2.1, 70,6 в SWE-bench Verified и 47,5 в SWE-bench Pro. Разработчик позиционирует её как наиболее лёгкую модель семейства, рассчитанную на эффективное развёртывание на одной GPU. Ключевые ограничения связаны с неполнотой доступной карточки: в README не указаны размер контекста, точный набор поддерживаемых языков, дополнительные модальности, конкретная базовая архитектура и лицензия. Для мобильных устройств упомянут отдельный квантизованный вариант Ornith-1.5-9B-Mobile, однако описываемая модель предназначена прежде всего для развёртывания на одной GPU.

Proximus-2x7B-v1 — языковая модель семейства Mixtral, созданная preemware с помощью LazyMergekit как смесь экспертов из beowolx/MistralHermes-CodePro-7B-v1 и preemware/Prox-MistralHermes-7B. В конфигурации указана базовая модель mlabonne/NeuralHermes-2.5-Mistral-7B; эксперты ориентированы на программирование и кибербезопасность. Модель предназначена для генерации текста и диалоговых сценариев, включая помощь с кодом и вопросы по информационной и сетевой безопасности. Архитектура — Mixtral MoE с классом MixtralForCausalLM; в репозитории доступны веса safetensors. Метаданные указывают 7,1 млрд параметров и контекст до 32 768 токенов. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результаты оценки качества и не описывает конкретные меры безопасности; ответы по кибербезопасности и сгенерированный код требуют проверки.

Qwen2.5-7B-CySecButler-v0.1 — объединённая языковая модель, созданная с помощью mergekit на основе Qwen/Qwen2.5-7B и четырёх других моделей: Vapor_v2_7B, Qwen-2.5-7b-TitanFusion-v5-Exp, Qwen2.5-7B-HyperMix и WhiteRabbitNeo-2.5-Qwen-2.5-Coder-7B. Разработчик позиционирует её для задач программирования и кибербезопасности. Модель имеет архитектуру Qwen2 dense с 7,1 млрд параметров и контекстом до 131 072 токенов; работает с текстом и поддерживает диалоговый интерфейс. Карточка не приводит отдельного описания измеренных возможностей или качества для конкретных задач. Модель может использоваться для генерации кода, ответов на вопросы по кибербезопасности и диалогового взаимодействия по техническим темам. Метаданные перечисляют поддержку китайского, английского, французского, испанского, португальского, немецкого, итальянского, русского, японского, корейского, вьетнамского, тайского и арабского языков. Доступна по лицензии Apache-2.0.

Qwen3.8-27B-Uncensored-Mythos-Class-Agentic — производная 27-миллиардная плотная модель семейства Qwen, созданная на основе OBLITERATUS/Qwen3.8-27B-OBLITERATED и объединённая с Qwen/Qwen3.8-27B. Разработчик позиционирует её как конфигурацию для диалогов и агентных сценариев с вызовом инструментов; в README заявлены исправленный шаблон чата, поддержка интерфейсов Hermes Agent, Aider и OpenCode, разбиение задач на иерархические этапы и протокол самопроверки рассуждений. В README заявлено контекстное окно 131 072 токена и генерация до 16 384 токенов за один ответ. Указаны гибридная архитектура Mamba SSM и линейного внимания, а также варианты весов BF16, FP8 и AWQ в формате Safetensors; метаданные подтверждают dense-архитектуру семейства Qwen3.5 и наличие интерфейса вызова инструментов. Карточка описывает специализацию на программировании, системных задачах и кибербезопасности, но не предоставляет независимой проверки заявленных оценок и характеристик. Поддерживаются английский, китайский и арабский языки по карточке модели. Лицензия — Apache-2.0.

Cerium-Qwen3-R1-Dev — компактная плотная языковая модель, разработанная prithivMLmods на базе Qwen/Qwen3-0.6B и дообученная на наборах для программирования, математики и научных рассуждений, включая данные rStar-Coder и примеры трасс рассуждений DeepSeek R1. Модель содержит около 508 млн параметров, использует архитектуру Qwen3ForCausalLM и формат весов safetensors; длина контекста — до 40 960 токенов. Модель предназначена для генерации кода и объяснений, решения математических и научных задач, технического диалога и создания структурированных материалов. Она может формировать LaTeX, Markdown, JSON, CSV и YAML. Карточка заявляет поддержку нескольких языков программирования и ориентирует модель на разработчиков, преподавателей и исследователей, а метаданные указывают английский язык. Модель рассчитана на работу при ограниченных вычислительных ресурсах. Среди ограничений карточка отмечает слабую пригодность для творческого письма и обычного общения, а также то, что контекст может быть недостаточен для анализа нескольких документов или целой кодовой базы. Лицензия — Apache-2.0.

Jina AI разработала jina-ocr-v1 — модель сквозного распознавания и разбора документов по изображениям. Она преобразует страницы документов в структурированный текст, в том числе Markdown, и предназначена для OCR, извлечения содержимого PDF и анализа таблиц и математических выражений. Модель основана на DeepSeek-OCR: использует визуальный энкодер DeepEncoder с глобальным представлением изображения 1024×1024 в 256 визуальных токенах и динамическими локальными фрагментами, а также MoE-декодер с 3 млрд параметров и примерно 570 млн активных параметров на токен. Контекст — 32 768 токенов. Для ускорения генерации в vLLM предусмотрен FastMTP с тремя шагами спекулятивного декодирования; в Transformers эта функция не используется. Карточка сообщает результаты на OmniDocBench v1.6 и olmOCR-Bench и высокую пропускную способность, однако реальные показатели зависят от оборудования и настроек. Модель принимает изображения документов и генерирует текст; в метаданных указана мультиязычная поддержка, но конкретный перечень языков не приведён. Для локальной загрузки требуется Transformers с пользовательским кодом из репозитория и параметром trust_remote_code=True; также описаны запуск через vLLM и размещённые API Jina. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и ограничивает коммерческое применение.

LFM2-350M-Extract-GGUF — языковая модель компании Liquid AI, основанная на LFM2-350M и распространяемая в формате GGUF. Она предназначена для извлечения важной информации из неструктурированных документов, включая статьи, расшифровки и отчёты, с преобразованием результатов в структурированные форматы JSON, XML или YAML. Модель подходит для извлечения реквизитов счетов из электронных писем, преобразования нормативной отчётности в XML, структурирования обращений в службу поддержки для аналитических конвейеров, а также наполнения графов знаний сущностями и их атрибутами. В названии указано, что это вариант размером 350M параметров. Заявлена поддержка английского, арабского, китайского, французского, немецкого, японского, корейского и испанского языков. К сильным сторонам относятся специализация на извлечении данных и удобный для локального запуска формат GGUF, совместимый с llama.cpp. Ограничения включают отсутствие в предоставленных данных сведений о размере контекста, точной архитектуре, количественных показателях качества и поддерживаемых модальностях помимо текста. Модель распространяется по лицензии lfm1.0; подробные условия следует уточнять в файле LICENSE.

Ornith-1.5-9B-MLX-4bit — 4-битная MLX-квантованная версия Ornith-1.5-9B, разработанная командой Ornith AI. Это плотная языковая модель примерно на 9 млрд параметров, ориентированная на эффективное развертывание на одной GPU; семейство также включает вариант для мобильных устройств. Модель предназначена для генерации текста и особенно хорошо подходит для программирования, работы с терминалом и решения задач по исправлению кода. В основе Ornith-1.5 лежит подход непрерывного самоулучшения: модель обучалась с совместной оптимизацией генерации задач, построения scaffold и rollouts решений с применением reinforcement learning. По заявленным результатам она показывает сильные показатели в Terminal-Bench 2.1, SWE-bench Verified, SWE-bench Pro и SWE-bench Multilingual, превосходя Ornith-1.0-9B и Qwen3.5-9B в приведённых тестах. Ключевое преимущество данной версии — сниженные требования к памяти благодаря 4-битному квантованию и совместимость с MLX. В карточке указано, что основной язык модели — английский. Сведения о размере контекста, поддерживаемых модальностях помимо текста, точной базовой архитектуре, лицензии и ограничениях применения не приведены, поэтому их следует уточнять отдельно. Количественные результаты зависят от используемого окружения и конфигурации оценки.

ggml-org/Qwen2.5-Coder-14B-Instruct-Q8_0-GGUF — это квантизированная версия модели Qwen2.5-Coder-14B-Instruct, преобразованная в формат GGUF командой ggml-org с использованием llama.cpp и проекта GGUF-my-repo. Базовая модель разработана командой Qwen; в предоставленных данных точное название разработчика базовой модели не уточняется. Модель предназначена для генерации текста и работы с исходным кодом, включая сценарии программирования и диалогового взаимодействия. Она ориентирована на запуск через llama.cpp в локальной среде, как в режиме командной строки, так и в виде сервера. Указана поддержка английского языка. Модель является текстовой, имеет 14 миллиардов параметров и использует квантование Q8_0. Архитектура, максимальная длина контекста и полный перечень поддерживаемых языков в README не указаны; пример запуска использует контекст 2048 токенов, но это не подтверждает максимальный размер контекста. К сильным сторонам относятся специализация на задачах программирования, совместимость с экосистемой llama.cpp и возможность локального развертывания в GGUF-формате. Ограничения связаны с необходимостью подходящего оборудования и программной среды для запуска, а также с отсутствием в предоставленных данных подробностей о качестве на бенчмарках, производительности и фактическом языковом охвате. Модель распространяется по лицензии Apache-2.0.

Surya 2 — модель Datalab для интеллектуальной обработки документов, основанная на визуально-языковой архитектуре (VLM) примерно на 650 млн параметров. Она принимает изображения страниц и PDF-документы и предназначена для распознавания текста, анализа структуры документа, определения порядка чтения и распознавания таблиц с выделением строк и столбцов. Модель ориентирована на OCR многоязычных документов и заявляет поддержку 91 языка. Она подходит для газет, учебников, налоговых форм, рукописных заметок и корпоративных документов. В README указаны результат 83,3% на olmOCR-bench, 87,2% на внутреннем мультиязычном тесте и пропускная способность около 5 страниц в секунду на RTX 5090. Инференс может выполняться через vLLM на GPU или llama.cpp на CPU и Apple Silicon. К ограничениям относятся зависимость качества от состояния исходного документа, раздельные модели обнаружения текста и OCR, а также специальные условия коммерческого использования весов. Код распространяется по Apache 2.0, а веса — по модифицированной лицензии AI Pubs Open Rail-M: бесплатное использование заявлено для исследований, личных проектов и стартапов с финансированием или выручкой менее 5 млн долларов; для более широкого коммерческого применения требуется отдельная лицензия.

Модель see-k/unsloth_finetune — дообученная see-k версия DeepSeek-OCR, обученная с использованием Unsloth и библиотеки TRL от Hugging Face. Это мультимодальная модель семейства DeepseekOCR с архитектурой DeepseekOCRForCausalLM и примерно 559,7 млн параметров. Она предназначена для работы с изображениями и текстом в сценариях распознавания текста и извлечения содержимого из изображений документов; также поддерживает диалоговый режим. Указанная длина контекста — 8192 токена. Репозиторий содержит веса в форматах safetensors и GGUF F16. Лицензия — Apache-2.0.

Functionary Small v3.1 — разговорная языковая модель с поддержкой вызова функций и плагинов, разработанная meetkai на основе Meta-Llama-3.1-8B-Instruct. Это плотная архитектура LlamaForCausalLM на 7,5 млрд параметров с контекстом до 131 072 токенов; модель распространяется в формате safetensors и совместима с Transformers. Модель предназначена для диалоговых систем, которым нужно выбирать подходящий инструмент, вызывать функции по JSON Schema, выполнять последовательные или параллельные вызовы и формировать ответы с опорой на результаты инструментов. Она также поддерживает сценарии с интерпретатором кода и может отвечать обычным текстом, когда вызов инструмента не нужен. Качество работы с инструментами зависит от корректного описания функций, шаблона диалога и обработки вызовов на стороне приложения; README предлагает использовать сервер vLLM с совместимым с OpenAI API интерфейсом. Модель выпущена под лицензией MIT.

sequelbox/gpt-oss-20b-DAG-Reasoning — экспериментальная специализированная языковая модель Sequelbox, дообученная на openai/gpt-oss-20b. Она предназначена для причинно-следственного анализа: по запросу модель выделяет связи между факторами, оценивает уверенность и формирует ориентированный ациклический граф в структурированном JSON-формате. Для получения такого результата нужно явно попросить граф или анализ; в остальных случаях модель может отвечать в обычном стиле gpt-oss-20b. Архитектура — MoE для генерации текста, указанное в метаданных число параметров — 1,6 млрд, контекст — 131 072 токена; модель работает с текстом на английском языке и поддерживает чат и выполнение инструкций. Разработчик описывает применение в программировании, науке, бизнесе, экономике, финансах, праве, логистике и управлении. Релиз экспериментальный; для использования результатов рекомендуется проверять структуру JSON. Лицензия — Apache-2.0.

Perception Language Model (PLM) 3B — мультимодальная модель Meta для понимания изображений и видео, представленная в исследовании PerceptionLM: Open-Access Data and Models for Detailed Visual Understanding. Архитектура сочетает визуальный энкодер с языковым декодером на 3 млрд параметров; модель поддерживает диалоговый ввод с изображениями и предназначена для детального визуального анализа, включая пространственные и временные рассуждения. Модель подходит для ответов на вопросы об изображениях и видео, чтения текста на изображениях, анализа диаграмм и графиков, описания сцен и понимания последовательности событий. Авторы сообщают об обучении без дистилляции из проприетарных моделей и о наборе из 2,8 млн примеров с человеческой разметкой для улучшения понимания видео. В карточке приведены результаты на наборах тестов для изображений и видео; они не гарантируют точность на произвольных данных. Репозиторий содержит веса в формате safetensors для использования с Hugging Face Transformers. Лицензия указана как other, поэтому условия использования следует сверить с лицензией в репозитории и материалами проекта.

Qwen3-Coder-30B-A3B-Instruct-4bit-dwq-v2 — это инструкционная языковая модель для генерации текста и работы с программным кодом, разработанная Qwen и преобразованная сообществом mlx-community в формат MLX. Модель создана на основе Qwen/Qwen3-Coder-30B-A3B-Instruct и предназначена для запуска с библиотекой mlx-lm на совместимом оборудовании Apple MLX. Модель имеет конфигурацию 30B-A3B и использует 4-битное квантование, что снижает требования к памяти по сравнению с полноразмерной версией. Она поддерживает текстовую генерацию и диалоговый режим через chat template. README не содержит достоверных сведений о поддерживаемых языках, размере контекстного окна, точной архитектуре, мультимодальности, результатах тестирования или конкретных сценариях применения. Преимуществами модели являются специализация семейства Qwen3-Coder на задачах программирования, инструкционный режим и оптимизация для экосистемы MLX. Ограничения включают зависимость от совместимого окружения MLX и возможные потери качества из-за 4-битного квантования. Модель распространяется по лицензии Apache-2.0.

MiniMax-M2.5 — открытая большая языковая модель, разработанная компанией MiniMaxAI. Это текстовая autoregressive-модель для программирования, рассуждений, агентных сценариев, поиска с использованием инструментов и офисных задач, включая работу с документами, презентациями и финансовыми таблицами. Модель ориентирована на разработчиков, AI-агентов, чат-ботов и приложения, которым нужны сложная декомпозиция задач, tool calling и высокая скорость генерации. Модель имеет архитектуру Transformer с Mixture of Experts и механизмом Lightning Attention; по данным NVIDIA, общий размер составляет 230 млрд параметров. Она принимает и генерирует текст, поддерживает контекст до 204 800 токенов и предназначена для text-to-text задач. В обучении особое внимание уделялось reinforcement learning, агентному программированию и работе более чем с десятью языками программирования, включая Python, JavaScript, TypeScript, Java, C, C++, Go, Rust, Kotlin, PHP, Lua, Dart и Ruby. Заявлены результаты 80,2% в SWE-Bench Verified, 51,3% в Multi-SWE-Bench и 76,3% в BrowseComp. Сильные стороны MiniMax-M2.5 — кодинг полного цикла, планирование в стиле software architect, эффективное использование инструментов, поиск и высокая скорость: доступны варианты примерно на 50 и 100 токенов в секунду. Ограничение модели — текстовая модальность: изображения, аудио и видео не относятся к её входным или выходным данным. Показатели производительности приведены разработчиком и зависят от инфраструктуры, агентного окружения и настроек инференса. Весы модели опубликованы на Hugging Face и GitHub, поддерживаются Transformers, vLLM, SGLang и другими средствами локального развертывания. Лицензия указана как modified MIT; применимые условия следует проверять в опубликованных лицензионных документах.

InternScience/Agents-A1-4B-Q4_K_M-GGUF — квантизированная версия плотной языковой модели Agents-A1-4B, разработанная командой InternScience. Модель предназначена для агентных сценариев с длинной последовательностью действий: поиска, инженерных и научных задач, следования сложным инструкциям, профессионального вопросно-ответного взаимодействия и вызова внешних инструментов. Она поддерживает планирование, разбиение сложных задач на шаги, адаптацию по промежуточным результатам, function calling и интеграцию с API, интерпретаторами кода и поисковыми системами. Модель содержит около 4 миллиардов параметров и распространяется в формате GGUF с квантизацией Q4_K_M, что снижает требования к памяти и делает её подходящей для локального запуска. В карточке указаны теги vision и vlm, однако подробные сведения о поддерживаемых визуальных модальностях, языках и размере контекстного окна отсутствуют. По заявленным результатам Agents-A1-4B показывает высокую эффективность на BrowseComp, XBench-DS-2510, GAIA, FrontierScience-Research и IFEval, конкурируя с более крупными моделями при меньшем числе параметров. Ограничения модели включают неизвестные из README языковые и мультимодальные возможности, а также отсутствие подробностей о требованиях к оборудованию и точных условиях применения квантизированной сборки. Модель и её базовые компоненты распространяются по лицензии Apache-2.0; формат совместим с экосистемой GGUF и предназначен для использования с соответствующими локальными средствами инференса.

Occamy-1.0 — мультимодальная агентная модель AMAImedia для длительной совместной работы с инструментами, файлами, кодом, поиском и структурированными API. Эта версия репозитория объединяет Occamy-1.0 и Qwen3.6-35B-A3B; в карточке указаны форматы GGUF F16, Q4_K_M, Q8_0 и Safetensors. Модель сохраняет архитектуру Qwen3.6-35B-A3B с Mixture of Experts: 35 млрд параметров всего и около 3 млрд активных при обработке токена. Модель рассчитана на многошаговые рабочие процессы, требующие вызова инструментов, ведения состояния и восстановления после сбоев, а также на программирование в терминале и следование инструкциям. Она принимает текст и изображения и выдаёт текст; заявлены возможности чата и анализа изображений. Карточка отмечает поддержку множества языков, включая русский, английский и китайский. Точное ограничение контекста в предоставленных данных не приведено. Авторы позиционируют Occamy как модель для практической агентной работы с компактной активной частью MoE, но указывают, что у неё остаётся запас для задач с интенсивным поиском и симуляцией пользователя; взаимодействие с браузером или рабочим столом через визуальный интерфейс не входит в текущий обучающий интерфейс. Лицензия — Apache-2.0.