I.2Синтез, понимание и проверка знаний

mika5883/pretrain_rugec_msu — дообученная модель на базе ai-forever/ruT5-base, разработанная автором репозитория. Это модель семейства T5 с архитектурой T5ForConditionalGeneration и 123,8 млн параметров; она принимает и генерирует текст. В карточке Hugging Face указаны библиотека Transformers и контекст длиной до 512 токенов. Карточка не описывает целевую задачу, обучающие данные или оценки качества, поэтому назначение модели и конкретные сценарии её применения установить нельзя. Базовая ruT5-base предназначена для преобразования и генерации русскоязычного текста, но это не подтверждает специализацию данного дообучения. Лицензия в предоставленных данных не указана.

Qwen1.5-4B_llamafy — конверсия модели Qwen1.5-4B, выполненная raincandy-u: веса адаптированы к архитектуре Llama и представлены как плотная авторегрессионная модель для генерации текста. Модель предназначена для диалогового взаимодействия, академических исследований и задач вычислительной лингвистики общего назначения. В репозитории указано 3,6 млрд параметров, формат safetensors и контекст до 4096 токенов. Метаданные отмечают английский и китайский языки и поддержку чата. README предупреждает, что после конверсии ответы могут быть менее предсказуемыми, чем у исходной модели. Лицензия обозначена как other; конкретные условия в предоставленных данных не раскрыты.

mosama/Qwen2.5-1.5B-Instruct-CoT-Reflection — компактная языковая модель на архитектуре Qwen2, дообученная автором mosama на основе unsloth/Qwen2.5-1.5B-Instruct. Модель содержит 1,5 млрд параметров, принимает текст и генерирует текст; контекст — до 32 768 токенов. Она обучена формировать пошаговые ответы с рассуждениями и рефлексией, подходит для диалогов и следования инструкциям на английском языке. Модель может использоваться для генерации ответов с пояснением хода решения и для экспериментов с Chain of Thought. Для лучших ответов автор рекомендует применять шаблон запроса из примера в README. Модель распространяется по лицензии Apache-2.0. Данных о качестве на независимых тестах в карточке нет.

Alfikrah дообучила Qwen2.5-3B-Instruct-bnb-4bit для генерации текста. Модель построена на плотной архитектуре Qwen2 с 3,1 млрд параметров и рассчитана на контекст до 32 768 токенов; карточка также указывает чат-возможности. В README не уточняется предметная область или конкретные сценарии дообучения, поэтому назначение модели за пределами генерации текста определить нельзя. Модель принимает текст и выдаёт текст. В метаданных указан английский язык. Репозиторий содержит веса Safetensors, а лицензия — Apache-2.0. README сообщает, что при обучении использовались Unsloth и библиотека TRL от Hugging Face.

QuantFactory/Qwen2.5-7B-Gutenberg-KTO-GGUF — квантизированная версия языковой модели Qwen2.5-7B-Gutenberg-KTO, созданная QuantFactory с использованием llama.cpp. Исходную модель разработал Orion-zhen на базе Orion-zhen/Qwen2.5-7B-Instruct-Uncensored; она дообучалась на датасете Orion-zhen/kto-gutenberg с применением стратегии KTO в течение двух эпох. Модель предназначена для генерации текста и локального запуска в формате GGUF. Модель ориентирована на текстовые сценарии на китайском и английском языках. Известен размер базовой модели — 7 миллиардов параметров; сведения о точной архитектуре, длине контекста и конкретном варианте квантизации в этой карточке не указаны. К числу практических преимуществ относятся уменьшенные требования к памяти и возможность запуска через совместимые инструменты llama.cpp, однако качество и поведение модели автором подробно не оценивались, поэтому производительность на конкретных задачах не гарантируется. Лицензия модели — GPL-3.0. Использование и распространение должны соответствовать условиям этой лицензии.

Qwen3.5-35B-A3B-uncensored-heretic-v2-Native-MTP-Preserved-NVFP4-GGUF — это квантованная в формате GGUF версия модели Qwen3.5-35B-A3B, подготовленная независимым разработчиком llmfan46 на основе исходной модели Qwen от Qwen. Модель позиционируется как decensored-версия: с помощью Heretic 1.3.0 и варианта метода Magnitude-Preserving Orthogonal Ablation были изменены компоненты attn.o_proj, attn.out_proj и mlp.down_proj для снижения числа отказов при сохранении исходных возможностей. В модели сохранены все 785 native MTP-тензоров, а представленный вариант использует квантование NVFP4. Модель предназначена для генерации текста и мультимодальных сценариев image-text-to-text, однако README не содержит подробностей о поддерживаемых языках, размере контекста, требованиях к памяти и конкретных режимах работы с изображениями. По заявленным данным, частота отказов снизилась до 14 из 100 против 92 из 100 у оригинальной модели, а KL-дивергенция составила 0,0487, что указывает на относительно близкое сохранение поведения исходной модели. В README также приведены результаты MMLU оригинальной модели с точностью 84,12%, но отдельные результаты для этой модификации не указаны. Сильными сторонами являются уменьшенное количество ограничивающих отказов, сохранение MTP-тензоров и близость к исходным возможностям при компактном NVFP4-представлении. Ограничением выступает экспериментальный характер decensored-модификации: снижение отказов может означать меньше встроенных защит, поэтому качество и безопасность ответов требуют самостоятельной проверки. Модель распространяется по лицензии Apache-2.0.

Qwen3.5 4B Gabliterated — дообученная версия мультимодальной модели Qwen3.5-4B от автора jwest33. В ней применён метод Gabliteration: изменение весов на основе многомерного SVD для ослабления поведения отказа. Модель сохраняет гибридную архитектуру Qwen3.5 с чередованием слоёв полного и линейного внимания и поддерживает диалог и понимание изображений. Модель предназначена для диалоговых сценариев и ответов на запросы, в том числе с изображениями; автор предупреждает, что она может выдавать ответы без обычных отказов. В основе лежит Qwen/Qwen3.5-4B, а файлы представлены в формате Safetensors. Лицензия — Apache 2.0. README указывает исследовательское и образовательное применение и возлагает ответственность за использование на пользователя.

Qwen3.6-35B-A3B Heretic — вариант мультимодальной модели Qwen3.6, подготовленный trigger2k25 в формате MLX с весами BF16. Это доработка модели llmfan46/Qwen3.6-35B-A3B-uncensored-heretic-Native-MTP-Preserved; конверсия сохраняет 40-слойный MoE-языковой блок, модуль зрения и встроенную однос layerную голову Native-MTP. Репозиторий содержит веса safetensors, а библиотека запуска — MLX. Модель предназначена для диалогов и генерации текста с учетом изображений и видео, в частности для вопросов об изображениях и мультимодальных сценариев в oMLX. Встроенный Native-MTP позволяет использовать спекулятивное декодирование без отдельной черновой модели. В README описана проверка загрузки VLM и генерации с изображением; заявлена совместимость с oMLX. Ограничения: BF16 не поддерживает режим Qwen ANE Prompt Processing в oMLX, поэтому обработка промптов выполняется на GPU. Это uncensored/heretic-производная: ответы могут быть неточными, оскорбительными, небезопасными или незаконными в конкретном контексте. Указана лицензия Apache-2.0, при этом README предупреждает, что ограничения лицензий исходного чекпойнта и его базовых моделей также применяются.

SassyDiffusion/Qwen3.6-35B-A3B-heretic-MTP-GGUF — GGUF-квантизированная версия модели Qwen3.6-35B-A3B, подготовленная независимым автором LLMfan46 на основе модели llmfan46/Qwen3.6-35B-A3B-uncensored-heretic-Native-MTP-Preserved. Модель представляет собой децензурированную и «abliterated» модификацию исходной Qwen3.6-35B-A3B, созданную с использованием Heretic v1.3.0 и варианта метода Magnitude-Preserving Orthogonal Ablation (MPOA). В репозитории также указана поддержка image-text-to-text pipeline, однако подробности о мультимодальных возможностях не приведены. Модель предназначена для генерации текста и сценариев, в которых требуется меньше отказов по сравнению с исходной моделью. Согласно приведённым данным, доля отказов снизилась с 83 до 10 на тесте из 100 запросов, а KL-дивергенция относительно оригинала составляет 0,0015, что указывает на небольшое отклонение поведения при заявленном сохранении качества. Все 19 MTP-компонентов исходной модели сохранены. Размер модели обозначен как 35B-A3B; точные сведения об архитектуре, поддерживаемых языках и размере контекста в README отсутствуют. Репозиторий содержит EMB_BF16-квантизации: эмбеддинги token_embd.weight, position_embd.weight, token_types.weight и per_layer_token_embd.weight могут храниться в полном формате BF16 в системной RAM и не занимать VRAM. Это может повысить точность, но требует больше оперативной памяти. Модель распространяется по лицензии Apache-2.0.

llmfan46/Qwen3.6-35B-A3B-uncensored-heretic-GPTQ-Int4 — это 4-битная GPTQ-квантизированная версия модели llmfan46/Qwen3.6-35B-A3B-uncensored-heretic, созданной на базе Qwen3.6-35B-A3B от Qwen. Модель подготовлена независимым разработчиком llmfan46 с использованием Heretic 1.2.0 и варианта метода Magnitude-Preserving Orthogonal Ablation (MPOA), направленного на уменьшение ограничений, связанных с отказами модели. В карточке указано применение для image-text-to-text, однако подробные сведения о поддерживаемых языках, размере контекста и точной архитектуре отсутствуют. Ключевая особенность модели — существенно меньшее число отказов: 10 из 100 против 83 из 100 у исходной Qwen3.6-35B-A3B, при заявленном KL-расхождении 0,0015. Это может быть полезно для исследовательских, творческих и локальных сценариев, где требуется меньше цензурных ограничений. К ограничениям относятся 4-битная квантизация, потенциальная потеря качества по сравнению с исходной моделью и отсутствие подробных результатов тестирования именно этой GPTQ-версии. Модель распространяется по лицензии Apache-2.0; при этом снижение защитных ограничений повышает требования к ответственному применению.

Это GGUF-сборка мультимодальной модели Qwen3.8-27B-AEON-ULTIMATE-UNCENSORED-BF16, подготовленная mradermacher: репозиторий содержит взвешенные варианты квантования с imatrix, включая BF16. Модель предназначена для диалогов с текстом и изображениями; в метаданных указаны задачи vision-language и image-text-to-text, а также возможности чата и следования инструкциям. Сборка подходит для вопросов по изображениям и диалоговой работы с мультимодальными запросами. В README опубликованы варианты GGUF разного размера и качества; для работы с изображениями могут потребоваться файлы mmproj из статического репозитория. В карточке базовая модель описана как экспериментальная модель AEON-7 на базе Qwen3.8-27B с ослабленными отказами, поэтому ответы могут не следовать стандартным ограничениям безопасности. Лицензия — Apache-2.0.

Qwen3.8-27B-Heretic-ara — мультимодальная плотная модель на 27 млрд параметров, созданная разработчиком armand0e на основе Qwen/Qwen3.8-27B с помощью Heretic v1.2.0 и метода Arbitrary-Rank Ablation (ARA). Изменения затрагивают проекции внимания и MLP в слоях 9–64; README описывает её как версию с ослабленным отказом отвечать на запросы. По метаданным модель поддерживает диалог и обработку изображений, а её основной тег задачи — image-text-to-text. Модель предназначена для диалоговых сценариев с текстом и изображениями, в том числе для вопросов по содержимому изображений. В тестах автора на 100 вредоносных запросах отказов было 7 против 87 у исходной модели; измеренная KL-дивергенция на безопасных запросах составила 0,0528. Эти результаты относятся к указанным в README тестовым наборам и не гарантируют качество или безопасность в других сценариях. Лицензия в предоставленных данных не указана.

Это GGUF-сборка модели Qwen3.8-27B Heretic ARA, объединённая с черновой моделью DFlash2 для спекулятивного декодирования. Репозиторий подготовил sirus; целевая модель содержит около 27,3 млрд параметров и предназначена для текстовой генерации и чата с ускорением вывода через DFlash2 в llama.cpp. Веса используют смесь MXFP6_E2M3 и OCP MXFP8, размер целевого файла — около 20,72 ГиБ; отдельно поставляется черновая модель размером около 1,47 ГиБ. Для запуска требуется Blackwell-оптимизированная экспериментальная сборка llama.cpp, поскольку формат MXFP6_E2M3 не поддерживается стандартной версией. Репозиторий сообщает об успешных структурных проверках и пробных генерациях, но не приводит итоговой оценки качества PPL/KLD или подтверждённого сравнительного выигрыша в скорости. Лицензия — Apache-2.0.

Это GGUF-сборка Qwen3.8-27B-Heretic-Uncensored-BF16, подготовленная mradermacher. Репозиторий содержит варианты квантования с imatrix; метаданные обозначают файлы как GGUF BF16 и связывают их с базовой моделью mlasli/Qwen3.8-27B-Heretic-Uncensored-BF16. Модель предназначена для диалогов и сценариев image-text-to-text: она принимает текст и изображения и выдаёт текст. В README указано, что это vision-модель, а для работы с изображениями могут потребоваться mmproj-файлы из статического репозитория. Модель относится к семейству Qwen3 и рассчитана на англоязычное использование. Варианты квантования различаются по размеру и качеству; README предупреждает, что таблица отсортирована по размеру, а не качеству, и отдельно отмечает низкое качество самых компактных IQ-вариантов. Репозиторий распространяется по лицензии Apache-2.0.

Qwen3.8-27B-Huihui-AWQ — это общественная AWQ-квантизация модели huihui-ai/Huihui-Qwen3.8-27B-abliterated, выполненная пользователем leoncca. Модель основана на Qwen3.8 и предназначена для мультимодальных сценариев image-text-to-text, то есть обработки изображений и текста с генерацией текстовых ответов. Это неофициальный релиз Qwen или Huihui. Модель имеет размер 27B параметров и использует формат GEMM W4A16: веса языковой части квантизованы до 4 бит с размером группы 128, асимметричными нулевыми точками и активациями FP16. Зрительная часть, LM head, native MTP и отдельные проекции линейного внимания сохранены в исходной точности. Размер чекпойнта составляет около 19,55 ГБ. В README не указаны точное число поддерживаемых языков и размер контекстного окна. Текущая версия v2 прошла аудит артефактов и семантическую проверку загрузки через GPTQModel на RTX 3090; предыдущая версия v1 дополнительно проверялась в конфигурации 4×V100. Для текущей версии совместимость с точным runtime на V100/SM70 и 1Cat-vLLM не заявлена, а поддержка зависит от используемого inference-движка. Модель не настроена на безопасность и может генерировать неточные, оскорбительные или небезопасные ответы; требуется самостоятельная оценка и применение защитных мер. Файлы распространяются по лицензии Apache-2.0 с оговоркой о необходимости проверить лицензию исходной модели.

aclava/Qwen3.8-27B-Q3_K_M-GGUF — это квантованная модель в формате GGUF, созданная на основе Qwen/Qwen3.8-27B. Репозиторий подготовлен пользователем или организацией aclava, а исходная базовая модель разработана командой Qwen. Конвертация выполнена с помощью llama.cpp и сервиса GGUF-my-repo от ggml.ai. Модель предназначена для локального запуска через llama.cpp в режиме командной строки или сервера, что подходит для генерации текста и интеграции в локальные приложения. В карточке указана категория image-text-to-text, поэтому модель заявлена для задач преобразования изображений и текста в текст, однако подробности о поддерживаемых языках, конкретных мультимодальных возможностях и сценариях применения не приведены. Из известных характеристик указаны размер базовой модели 27B параметров и квантование Q3_K_M, позволяющее уменьшить требования к памяти по сравнению с полноразмерными вариантами, потенциально снижая точность. Формат GGUF ориентирован на экосистему llama.cpp. В примере запуска используется контекст длиной 2048 токенов, но максимальный размер контекста в карточке не подтверждён. Архитектура, точный размер файла, требования к оборудованию и результаты оценки качества не указаны. Модель распространяется по лицензии Apache-2.0. Для использования требуется совместимый интерфейс llama.cpp; конкретные ограничения исходной модели следует уточнять в карточке Qwen/Qwen3.8-27B.

turboderp/Qwen3.8-Flash-Next-exl3 — это набор EXL3-квантизаций модели Qwen3.8-Flash-Next, разработанной Qwen и переквантованной turboderp. Модель предназначена для задач преобразования изображений и текста в текст и рассчитана на локальный запуск с использованием ExLlamaV3 версии 1.4.5 или ветки dev. Доступны варианты с точностью 2,05, 3,05, 4,05, 5,05 и 6,05 бит на вес, что позволяет выбирать компромисс между требованиями к памяти, скоростью и сохранением качества. В README не указаны точный размер модели, архитектурные детали базовой модели, поддерживаемые языки и максимальная длина контекста. Приведены результаты самокалибровки и несколько графиков, однако подробные бенчмарки заявлены как будущие. Лицензия обозначена как qwen-community-1.0; дополнительные условия следует уточнять в файле LICENSE.

yuxuanw8/qwen3b-rlcr-hotpot-racpo-v1-checkpoint-270 — чекпойнт языковой модели семейства Qwen с примерно 3,1 млрд параметров, опубликованный на Hugging Face для генерации текста. Модель рассчитана на использование через библиотеку Transformers и поддерживает контекст длиной до 32 768 токенов. Метаданные также указывают на conversational-сценарии и формат safetensors. По идентификатору чекпойнта можно предположить связь с обучением для задач рассуждений и многошаговых вопросов по типу HotpotQA, однако README не содержит подтверждённых сведений о датасетах, методе дообучения, разработчике, языках, результатах оценки или лицензии. Поэтому модель следует рассматривать как экспериментальный текстогенерационный чекпойнт и проверять качество на целевых данных перед применением.

DavidAU/Qwen3-VL-32B-Gemini-Heretic-Uncensored-Thinking — мультимодальная модель на архитектуре Qwen3-VL-32B, опубликованная DavidAU и дообученная на базе coder3101/Qwen3-VL-32B-Thinking-heretic-v2 с использованием датасета TeichAI/gemini-3-pro-preview-high-reasoning-250x. Модель предназначена для диалога и рассуждений по тексту и изображениям, а также для творческого письма и ролевых сценариев. Автор описывает её режим рассуждений как основанный на компактных трассах Gemini и заявляет контекст 256 тысяч токенов. Модель принимает текст и изображения и генерирует текст; метаданные подтверждают возможности чата и обработки изображений. В карточке заявлены английский и китайский языки. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0. Автор характеризует модель как uncensored и сообщает о снижении частоты отказов, однако приведённая таблица сравнения не является независимой оценкой качества. Карточка также заявляет способность работать с широким спектром содержимого; соблюдайте применимые правила при использовании. Указанный автором базовый репозиторий в README расходится с метаданными: для происхождения использован идентификатор базовой модели из метаданных.

Reflection-Llama-3.1-70B-IMat-GGUF — это GGUF-квантизация модели mattshumer/Reflection-Llama-3.1-70B, подготовленная пользователем legraphista с помощью llama.cpp. Модель предназначена для генерации текста и локального запуска совместимых языковых моделей через llama.cpp и другие инструменты, поддерживающие формат GGUF. README не содержит подробного описания исходной модели, её специализации или целевых сценариев применения. Доступны варианты с разными уровнями точности и размером файлов: от BF16 и FP16 до Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и Q2_K. Для ряда вариантов применена IMatrix-квантизация, призванная улучшить сохранение качества при уменьшении размера модели. Размер доступных файлов составляет примерно от 26,38 до 141,12 ГБ; некоторые высокоточные варианты разделены на несколько частей. Архитектура и количество параметров соответствуют обозначению Llama 3.1 70B, однако сведения о поддерживаемых языках, длине контекста и модальностях в README не указаны. Главное преимущество модели — наличие широкого выбора квантизаций для компромисса между качеством, требованиями к памяти и скоростью локального вывода. Ограничение состоит в том, что автор README предупреждает о потенциально повреждённых весах; поэтому результаты могут быть ненадёжными до устранения проблемы. Модель распространяется по лицензии llama3.1.

Quy0412/results — дообученная модель семейства LongT5 на базе pszemraj/long-t5-tglobal-base-16384-book-summary. Она использует архитектуру LongT5ForConditionalGeneration и предназначена для преобразования текста в текст; базовая модель ориентирована на суммаризацию книг, но назначение и обучающие данные этой версии в карточке не раскрыты. Модель содержит 123,8 млн параметров, опубликована в формате safetensors и имеет заявленный контекст 4096 токенов. Лицензия — BSD 3-Clause. Языки, конкретные сценарии применения и ограничения качества для этой версии не описаны.

iestynmullinor/roberta-reranker-fever-better — англоязычная модель RoBERTa, дообученная на базе FacebookAI/roberta-base для классификации текста. Название репозитория указывает на применение для ранжирования фрагментов в сценариях проверки фактов FEVER, однако README не описывает эту задачу, поэтому её назначение нельзя подтвердить по карточке. Модель содержит 151,8 млн параметров, использует архитектуру RobertaForSequenceClassification и принимает последовательности длиной до 514 токенов. Весовые файлы представлены в формате safetensors. В карточке указана лицензия MIT. README сообщает значение loss 0,0209 на оценочном наборе, но не приводит состав набора, методику оценки или другие результаты.

RoGemma-7b-Instruct — румынская генеративная языковая модель OpenLLM-Ro, дообученная на базе Google Gemma 7B для следования инструкциям и диалогового общения. В репозитории указана версия RoGemma-7b-Instruct-2025-04-23; модель содержит 8,2 млрд параметров, использует плотную архитектуру GemmaForCausalLM и принимает текст, формируя текстовые ответы. Длина контекста — 8192 токена. Модель предназначена для ассистентских диалогов и других задач работы с естественным языком на румынском языке. Её дообучали на наборах инструкций и диалогов, включая RoAlpaca, RoDolly, RoOpenAssistant и RoUltraChat. README указывает на исследовательское применение и исключает использование на других языках. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но не коммерческое применение.

SciReason-LFM2-2.6B — дообученная модель yasserrmd на базе LiquidAI/LFM2-2.6B. Это плотная причинно-языковая модель семейства LFM2 с примерно 2,4 млрд параметров; карточка указывает контекст до 128 000 токенов и формат Safetensors. Для дообучения использовались Unsloth и датасет OpenScienceReasoning-2. Модель предназначена для многошаговых научных рассуждений, ответов на образовательные вопросы и пошагового решения логических задач. Она принимает текст и генерирует текстовые ответы с объяснениями; в карточке приведён пример вопроса о C. elegans. Указан английский язык. Модель опубликована под лицензией Apache-2.0. Её ответы могут содержать ошибки, поэтому их следует проверять; автор отдельно исключает применение для клинических и юридических решений.

sfmunfilteredmidtrainmisalignment-9k10k11kweightedavgmerge — объединённая языковая модель, созданная с помощью mergekit. В README указано, что применён метод Linear: контрольные точки на шагах 9000 и 10000 объединены с контрольной точкой на шаге 11000 в качестве базовой. Идентификаторы исходных контрольных точек представлены локальными путями, поэтому установить их публичные названия и разработчика по карточке нельзя. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Она предназначена для генерации текста; метаданные также отмечают разговорный формат. Библиотека — Transformers, веса опубликованы в формате safetensors, заявленный контекст — 16 384 токена. Карточка не описывает конкретные сценарии применения, языковое покрытие или результаты оценки качества, поэтому эти характеристики нельзя надёжно уточнить. Условия лицензии в предоставленных данных не указаны.

Это GGUF-квантизированная версия модели shibing624/llama-3-8b-instruct-262k-chinese, подготовленная командой featherless-ai-quants. Модель относится к классу text-generation и предназначена для генерации текста и диалоговых сценариев с использованием локальной или серверной инфраструктуры, совместимой с форматом GGUF. В основе лежит Llama 3 с 8 миллиардами параметров; заявлено расширенное контекстное окно до 262 тысяч токенов, а специализация ориентирована на китайский язык. Доступны варианты квантизации IQ4_XS, Q2_K, Q3_K_L, Q3_K_M, Q3_K_S, Q4_K_M, Q4_K_S, Q5_K_M, Q5_K_S, Q6_K и Q8_0 размером примерно от 3 до 8 ГБ. Разные варианты позволяют выбирать компромисс между требованиями к памяти, скоростью и сохранением качества, однако README не содержит результатов сравнительных тестов. Сильными сторонами являются поддержка длинного контекста, несколько уровней квантизации и возможность запуска в экосистеме GGUF. Ограничения включают отсутствие подробных сведений о датасетах, методике обучения, фактической языковой поддержке за пределами заявленной китайской специализации, производительности и безопасности. Лицензия в README не указана; условия использования следует уточнять в карточке базовой модели и репозитории квантизированных файлов.

Skywork-MoE-Base — базовая языковая модель команды Skywork, построенная на архитектуре смеси экспертов (MoE). В README указана конфигурация проекта из 146 млрд параметров, 16 экспертов и 22 млрд активируемых параметров; модель инициализирована из плотных контрольных точек Skywork-13B. В метаданных этого репозитория указаны 13,6 млрд параметров, поэтому размер конкретной опубликованной версии расходится с общим описанием проекта. Модель предназначена для генерации продолжений текста и оценки на общих языковых и математических бенчмарках. Авторы описывают нормализацию логитов гейтинга и адаптивные коэффициенты вспомогательной функции потерь как методы, улучшающие разнообразие экспертов и настройку по слоям. Контекст составляет 8192 токена. README описывает запуск через Hugging Face и vLLM и указывает на необходимость мощной GPU-конфигурации для вывода полной модели. Модель базовая, а не диалоговая: карточка сообщает, что чат-версия ещё не выпущена. Метаданные указывают лицензию «other», а README содержит декларацию об ответственном использовании и отказ от ответственности; точные условия лицензии следует сверять с файлами репозитория. Поддерживаемые языки отдельно не перечислены.

SmolVLM2-500M-Video-Instruct — компактная мультимодальная модель Hugging Face для анализа видео, изображений и текста. Она основана на архитектуре Idefics3 и использует семейство SmolVLM; число параметров в предоставленных данных не указано. Модель принимает текстовые запросы вместе с видео или одним и несколькими изображениями и формирует текстовые ответы. Поддерживает английский язык. Модель предназначена для описания визуального содержимого, ответов на вопросы по видео и изображениям, сравнения визуальных материалов, распознавания текста на изображениях и создания рассказов по медиаданным. В README указано потребление около 1,8 ГБ видеопамяти для видеоинференса; модель рассчитана в том числе на устройства с ограниченными ресурсами. Она не генерирует изображения или видео. Ответы могут быть фактически неточными, поэтому модель не подходит для критически важных решений и оценки людей. Лицензия — Apache 2.0.

SOLO-7B — плотная модель семейства Mistral примерно с 7,1 млрд параметров, разработанная авторами проекта SOLO. Это модель для генерации текста и диалогов с заявленной поддержкой обработки изображений и текста в единой архитектуре Transformer: она принимает текст и пиксельные патчи изображения без отдельного предварительно обученного визуального энкодера. В карточке Hugging Face указаны контекст до 32 768 токенов, библиотека Transformers и формат весов safetensors. Модель предназначена для диалоговых сценариев и задач, где нужно совместно учитывать текст и изображения. В README указано, что обучение SOLO-7B проходило в июне 2024 года; данных о поддерживаемых языках, кроме английского в метаданных, нет. Доступна по лицензии Apache-2.0. README не приводит количественных оценок качества или подробностей обучения, а заявленные мультимодальные возможности следует учитывать с оглядкой на то, что pipeline_tag классифицирует репозиторий как text-generation.

Spanish Alpaca mT5 — модель на архитектуре mT5, опубликованная jalbarracin и дообученная на испанском наборе инструкций Bertin Project — Alpaca Spanish, который автор очистил и отредактировал. Она предназначена для генерации ответов на инструкции и запросы на испанском языке; для обращения к модели в README предлагается начинать запрос с префикса «instrut5:». Автор отмечает, что модель может выдавать результат менее чем за секунду на CPU. В метаданных указано 122,1 млн параметров; README приводит другую оценку — 244 млн. Доступны веса PyTorch и Safetensors. Лицензия — Apache-2.0.