I.2Синтез, понимание и проверка знаний

valhalla/t5-small-e2e-qg — модель на архитектуре T5-small, разработанная Valhalla и дообученная для сквозной генерации вопросов по входному тексту. Она принимает фрагмент текста и формулирует несколько вопросов о содержащихся в нём фактах, например о датах, авторах и свойствах. Модель имеет 38,5 млн параметров, использует формат PyTorch и рассчитана на контекст до 512 токенов. Её можно применять для автоматического создания вопросов к учебным материалам, подготовки наборов для проверки понимания текста и генерации вопросов по документам. В качестве обучающего набора указан SQuAD. Качество вопросов зависит от полноты и ясности исходного текста; модель может пропускать важные сведения или формулировать неточные вопросы. Лицензия — MIT.

nam7197/vi-nli-xlm-roberta-base — модель классификации текстовых пар для задачи вывода по естественному языку (NLI): она определяет, следует ли гипотеза из посылки, противоречит ей или не связана с ней. Модель основана на XLM-RoBERTa и содержит 305,2 млн параметров; в метаданных указан класс XLMRobertaForSequenceClassification и контекст до 514 токенов. Модель подходит для классификации пар предложений и оценки отношений между утверждениями. В README приведены метрики precision, recall и F1 для классов entailment, neutral и contradiction. Карточка не сообщает языковую специализацию и лицензию, поэтому конкретные языки и условия использования установить нельзя.

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

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

howey/bert-base-uncased-rte — модель классификации текстовых пар на основе BERT, опубликованная пользователем howey на Hugging Face. Она дообучена для задачи RTE (Recognizing Textual Entailment): по двум текстам определяет, следует ли гипотеза из предпосылки; подходит для распознавания текстового следования и противоречий в коротких фрагментах. Модель имеет архитектуру BertForSequenceClassification, около 136,7 млн параметров и принимает последовательности длиной до 512 токенов. Это англоязычная модель на базе bert-base-uncased; поддерживает входной текст и выдаёт метки классификации. Репозиторий содержит веса PyTorch. Лицензию и ограничения точности по имеющимся источникам установить нельзя.

Darwin-180B-RSI — мультимодальная модель рассуждений семейства Darwin, разработанная VIDRAFT и оценённая FINAL-Bench. Она основана на Qwen3.8-Flash-Next с архитектурой Mixture-of-Experts и предназначена для диалогов, сложных задач по математике и естественным наукам, анализа изображений и разбора документов. Модель принимает текст и изображения и выдаёт текст; в карточке заявлены поддержка корейского и английского языков, а также контекст 262 тыс. токенов. Разработчик описывает подход Recursive Self-Improvement: модель дообучалась на собственных ответах, прошедших проверку по эталонным ответам или исполняемым проверкам. В README заявлены высокие результаты на бенчмарках рассуждений, мультимодального понимания и структурированного вывода; эти показатели приведены издателем и зависят от протокола оценки. Модель поддерживает интерфейс вызова инструментов и предназначена для запуска через Transformers или vLLM. README указывает на длительные цепочки рассуждений, которые могут обрезаться при малом лимите генерации, и предупреждает, что модель может уверенно ошибаться; для оценки уверенности предлагается ZTC. Лицензия обозначена как other; родительская модель указана под Qwen Community License 1.0, но условия лицензии самой Darwin-180B-RSI в доступных данных не раскрыты.

GPT-5.6 Sol Pro — вариант модели GPT-5.6 Sol, разработанный OpenAI и предоставляемый с режимом рассуждений `pro`. Он предназначен для получения более качественных ответов на сложные задачи. Карточка не приводит сведений об архитектуре, размере, модальностях, языках, длине контекста или лицензии, поэтому эти характеристики здесь не описываются.

granite-4.1-8b-Claude-Opus-4.6-Thinking-MAX — экспериментальная разговорная языковая модель DavidAU, дообученная на базе IBM Granite-4.1-8B с помощью Unsloth на наборе примерно из 3 тысяч примеров. Дообучение направлено на переход от режима следования инструкциям к режиму рассуждений; в обучении использовались данные, связанные с Polaris, GLM 4.7 и Claude Opus 4.6. Модель имеет плотную архитектуру GraniteForCausalLM, около 8,4 млрд параметров и контекст до 131 072 токенов. Модель предназначена для генерации ответов в диалоге и выполнения текстовых инструкций с многошаговым рассуждением. Автор приводит результаты тестов на общих языковых бенчмарках и примеры сложных генераций, но они не гарантируют качество на других задачах. README рекомендует контекст не менее 8 тысяч токенов и квантизацию не ниже Q4_K_S, отмечая, что более высокая точность может улучшить результаты. Базовая Granite-4.1-8B поддерживает английский, немецкий, испанский, французский, японский, португальский, арабский, чешский, итальянский, корейский, нидерландский и китайский; сведения о языковом охвате именно дообученной версии отдельно не приведены. Лицензия — Apache 2.0.

KBevo-Qwen3-4B-GRPO — финальный чекпойнт модели KBevo от Kilian Group, созданный для исследования Co-Evolving Structured Knowledge and Reasoning in Language Models и представленный на COLM 2026. Это плотная авторегрессионная модель семейства Qwen3 с 3,7 млрд параметров, дообученная методом GRPO на базе KBevo-Qwen3-4B-SFT; заявленный базовый контекст — 40 960 токенов. Модель рассчитана на двухэтапные задачи: извлечение из набора текстовых фрагментов компактной базы знаний в виде типизированных троек «сущность — отношение — значение», затем ответы на вопросы через типизированный поиск по этой базе. Обучение GRPO оптимизировало совместную политику на сквозном вознаграждении answer-F1 для HotpotQA. Модель предназначена для оценки и воспроизведения подхода KBevo, в том числе на многопереходных вопросах; для полноценного двухэтапного инференса авторы рекомендуют использовать эталонную реализацию KBevo. Карточка приводит результаты на HotpotQA, MuSiQue, 2WikiMultiHopQA и PopQA, но не сообщает показатели данного чекпойнта во всех строках таблицы. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0.

Apollo Raines выпустил экспериментальный вариант Llama-3.1-8B-Instruct, изменённый инструментом jBlaze методом representation engineering. Дополнительное обучение не проводилось; модель остаётся каузальной языковой моделью LlamaForCausalLM и распространяется в формате safetensors. В метаданных указан размер 7,5 млрд параметров и контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогов с опорой на предоставленный контекст: при наличии справочных материалов она стремится следовать им, а не полагаться на знания из параметров. Подходит для ответов на вопросы по переданным документам и задач, где важно удерживать содержание источника. По заявлению автора, выпущенная версия намеренно ослаблена и служит демонстрацией возможностей jBlaze, поэтому её возможности ограничены. Лицензия — Llama 3.1.

Llama-3-Patronus-Lynx-70B-Instruct-GGUF — это квантизированная GGUF-версия инструкционной модели Llama-3-Patronus-Lynx-70B-Instruct, разработанной Patronus AI и подготовленной для распространения пользователем bartowski. Модель предназначена для генерации текста, оценки ответов и задач, связанных с обнаружением галлюцинаций в ответах языковых моделей. Заявленный основной язык — английский. Модель содержит около 70 миллиардов параметров и распространяется в форматах GGUF, совместимых с llama.cpp. Доступны варианты от F32 и Q8_0 до низкобитных Q1–Q6 и IQ-квантизаций, что позволяет выбирать между качеством, размером файлов и требованиями к оперативной памяти. Для высококачественного использования рекомендуются варианты Q6_K, Q5_K_L, Q5_K_M, Q4_K_L и Q4_K_M; низкобитные варианты экономичнее, но дают более низкое качество. В README не указаны размер контекстного окна, дополнительные модальности и точная архитектура базовой модели. Сильными сторонами являются большой размер модели, инструкционная настройка, ориентация на оценивание и выявление галлюцинаций, а также широкий выбор квантизаций для локального запуска. Ограничения включают высокие требования к ресурсам даже у компактных вариантов, возможное ухудшение качества при агрессивной квантизации и заявленную ориентацию на английский язык. В метаданных указана лицензия cc, однако её точные условия в README не раскрыты.

LLMLingua-2-XLM-RoBERTa-Large-MeetingBank — модель Microsoft на архитектуре XLM-RoBERTa Large, дообученная для классификации токенов и сжатия промптов без привязки к конкретной задаче. Для каждого токена она оценивает вероятность сохранения, помогая сокращать текст с сохранением полезной информации. Модель содержит 658,8 млн параметров, принимает текст и имеет контекст длиной до 514 токенов. Модель обучена на данных MeetingBank, подготовленных для экстрактивного сжатия текста по методике LLMLingua-2. Её можно применять для сжатия стенограмм совещаний перед последующими задачами, например ответами на вопросы и суммаризацией. Она выдаёт метки токенов, используемые при отборе текста; сама по себе не предназначена для генерации ответов или пересказов. Лицензия — MIT.

MiniCPM-2B-128k — языковая модель с открытыми весами, разработанная ModelBest Inc. и лабораторией обработки естественного языка Университета Цинхуа (TsinghuaNLP). Это экспериментальное расширение контекста MiniCPM-2B: модель содержит 2,7 млрд параметров по метаданным и рассчитана на генерацию текста и диалог в формате ChatML. Карточка заявляет поддержку контекста до 128k токенов; метаданные каталога указывают native context в 65 536 токенов. Модель подходит для диалога, анализа длинных документов, поиска сведений в большом контексте и суммаризации. В карточке отмечены высокие результаты на InfiniteBench среди моделей до 7B, но также сообщается о снижении качества на контекстах до 4k токенов. Модель может галлюцинировать, чувствительна к формулировкам запросов, иногда отвечает непоследовательно и обладает ограниченной точностью фактических знаний. Для генерации авторы рекомендуют vLLM, поскольку результаты Hugging Face Transformers могут быть медленнее и немного хуже. Веса доступны в формате PyTorch; карточка не сообщает условия лицензии.

Mistral-RAG — дообученная модель Michele Montebovi на базе Mistral-Ita-7b для ответов на вопросы. Она поддерживает генеративный режим с развернутыми синтезированными ответами и экстрактивный режим с краткими ответами, извлечёнными из текста. Модель может быть полезна для вопросов по материалам из нескольких источников, образовательных и справочных сценариев. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Карточка указывает итальянский язык; модель распространяется в формате Safetensors по лицензии Apache-2.0. В README не описаны конкретный способ переключения режимов и количественные результаты оценки качества.

Pythia-Chat-Base-7B — диалоговая языковая модель, разработанная Together Computer в рамках OpenChatKit и дообученная на базе Pythia-7B от EleutherAI. Для настройки использовались более 40 млн инструкций, а затем небольшая выборка отзывов людей для адаптации ответов к предпочтениям пользователей. Модель имеет плотную архитектуру GPT-NeoX, около 8,8 млрд параметров и контекст до 2048 токенов; основной язык — английский. Модель предназначена для чат-ботов и диалоговых сценариев. Она подходит для ответов на вопросы по предоставленному контексту, суммаризации, извлечения информации и классификации; в задачах классификации и извлечения может помогать несколько примеров в запросе. По README, инференс в обычном режиме требует GPU с 24 ГБ памяти, а режим Int8 позволяет использовать GPU с 12 ГБ. Модель распространяется по лицензии Apache 2.0. Модель может галлюцинировать при ответах на фактические вопросы, повторять ответы и терять нить разговора при смене темы. Она слабо подходит для программирования, длинных творческих текстов и критически важных решений; результаты следует проверять.

Question_Generation_ComQ_13 — дообученная модель семейства T5, разработанная на основе Gayathri142214002/Question_Generation_ComQ_12. Она предназначена для генерации вопросов по текстовому контексту. В репозитории указаны 123,8 млн параметров, контекст до 512 токенов и формат весов safetensors. README сообщает значение loss 0,2058 на наборе оценки, но не описывает методику оценки и обучающие данные. Модель подходит для автоматического составления вопросов по фрагментам текста, например, для подготовки учебных материалов или вопросов для проверки понимания прочитанного. Лицензия — Apache-2.0. Языковая поддержка и конкретные ограничения качества в карточке не раскрыты.

QuestionGenerationComQ4 — дообученная модель семейства T5 для генерации вопросов. Она создана на основе Gayathri142214002/Question_Generation_ComQ_3; в карточке указана оценка loss 0,4193 на наборе для оценки. Модель содержит 123,8 млн параметров, использует архитектуру T5ForConditionalGeneration и принимает текстовый контекст длиной до 512 токенов. Модель предназначена для генерации вопросов по тексту. Данные обучения, подробные сценарии применения и результаты оценки по другим метрикам в карточке не описаны. Распространяется по лицензии Apache-2.0.

Qwen3.6 Flash — быстрая и эффективная мультимодальная модель из серии Qwen 3.6, разработанной Alibaba. Она принимает текст, изображения и видео и предназначена для запросов, где нужны ответы по визуальному или текстовому содержимому. Заявлена длина контекста до 1 млн токенов. Карточка также упоминает тарифы с оплатой по уровням, но не приводит подробностей о них. Данных о лицензии и конкретных ограничениях нет.

TeichAI разработала Qwen3.8-27B-Fable-Distill как лёгкое дообучение мультимодальной модели Qwen3.8-27B на датасетах Fable 5 и личных данных Fable 5. Модель предназначена для диалогов и многошаговых задач; в каталоге для неё указана задача image-text-to-text, а метаданные отмечают поддержку анализа изображений и интерфейс вызова инструментов. Модель плотная, содержит 27 млрд параметров и использует архитектуру Qwen3_5ForConditionalGeneration. Шаблон поддерживает режим enable_thinking и уровни reasoning_effort low, medium и xhigh; по умолчанию выбран xhigh, при котором модель подробно рассуждает в каждом ответе. В README приведены результаты ARC Challenge, ARC Challenge (Easy) и BoolQ, превосходящие показатели базовой модели на этих тестах. Указана лицензия Apache-2.0. Длина контекста и ограничения по качеству в карточке не описаны.

ReAligned-Qwen3.5-27B — диалоговая модель семейства Qwen3.5, созданная Эриком Хартфордом из LazarusAI на базе Qwen/Qwen3.5-27B. Модель дообучена в два этапа: supervised fine-tuning и GRPO с оценкой ReAligned-Classifier; обучение использует LoRA. Цель — уменьшить отказы и государственно-ориентированную подачу ответов на политические и исторические темы, связанные с Китаем, сохранив общие возможности базовой модели. Модель предназначена для чата, суммаризации, программирования, рассуждений, многоязычного использования, а также исследования идеологической предвзятости, отказов и рамки повествования. Архитектура — плотная Qwen3.5 с классом Qwen3_5ForConditionalGeneration; метаданные указывают мультимодальную основу с поддержкой текста и изображений. Карточка не сообщает размер параметров и длину контекста именно этого чекпойнта. Лицензия — Apache-2.0. Снижение цензурных отказов не гарантирует точность фактов; возможны чрезмерная коррекция в сторону западной институциональной рамки, пробелы в знаниях и различия поведения между языками и формулировками. Авторы рекомендуют независимую оценку и собственные меры модерации при развёртывании.

Карточка модели Lazarus-Ai/ReAligned-Qwen3.5-35B-A3B на Hugging Face совпадает с карточкой Lazarus-Ai/ReAligned-Qwen3.5-27B, поэтому описание составлено по ней. ReAligned-Qwen3.5-27B — диалоговая модель семейства Qwen3.5, созданная Эриком Хартфордом из LazarusAI на базе Qwen/Qwen3.5-27B. Модель дообучена в два этапа: supervised fine-tuning и GRPO с оценкой ReAligned-Classifier; обучение использует LoRA. Цель — уменьшить отказы и государственно-ориентированную подачу ответов на политические и исторические темы, связанные с Китаем, сохранив общие возможности базовой модели. Модель предназначена для чата, суммаризации, программирования, рассуждений, многоязычного использования, а также исследования идеологической предвзятости, отказов и рамки повествования. Архитектура — плотная Qwen3.5 с классом Qwen3_5ForConditionalGeneration; метаданные указывают мультимодальную основу с поддержкой текста и изображений. Карточка не сообщает размер параметров и длину контекста именно этого чекпойнта. Лицензия — Apache-2.0. Снижение цензурных отказов не гарантирует точность фактов; возможны чрезмерная коррекция в сторону западной институциональной рамки, пробелы в знаниях и различия поведения между языками и формулировками. Авторы рекомендуют независимую оценку и собственные меры модерации при развёртывании.

Карточка модели Lazarus-Ai/ReAligned-Qwen3.5-4B на Hugging Face совпадает с карточкой Lazarus-Ai/ReAligned-Qwen3.5-27B, поэтому описание составлено по ней. ReAligned-Qwen3.5-27B — диалоговая модель семейства Qwen3.5, созданная Эриком Хартфордом из LazarusAI на базе Qwen/Qwen3.5-27B. Модель дообучена в два этапа: supervised fine-tuning и GRPO с оценкой ReAligned-Classifier; обучение использует LoRA. Цель — уменьшить отказы и государственно-ориентированную подачу ответов на политические и исторические темы, связанные с Китаем, сохранив общие возможности базовой модели. Модель предназначена для чата, суммаризации, программирования, рассуждений, многоязычного использования, а также исследования идеологической предвзятости, отказов и рамки повествования. Архитектура — плотная Qwen3.5 с классом Qwen3_5ForConditionalGeneration; метаданные указывают мультимодальную основу с поддержкой текста и изображений. Карточка не сообщает размер параметров и длину контекста именно этого чекпойнта. Лицензия — Apache-2.0. Снижение цензурных отказов не гарантирует точность фактов; возможны чрезмерная коррекция в сторону западной институциональной рамки, пробелы в знаниях и различия поведения между языками и формулировками. Авторы рекомендуют независимую оценку и собственные меры модерации при развёртывании.

JeremiahZ/roberta-base-rte — модель RoBERTa для классификации текстовых пар, созданная дообучением roberta-base на наборе GLUE RTE. Она предназначена для определения, следует ли гипотеза из данного текста, и подходит для распознавания текстового следования и проверки отношений между короткими фрагментами. Модель содержит 151,8 млн параметров, принимает текст и имеет контекст до 514 токенов. Для оценки на тестовом наборе указаны точность 0,7978 и loss 0,5446. Модель распространяется по лицензии MIT.

Self-RAG — языковая модель семейства Llama, разработанная авторами проекта Self-RAG. Модель генерирует ответы на запросы и специальные токены рефлексии, с помощью которых может адаптивно обращаться к системе поиска и оценивать собственные ответы и найденные фрагменты. Она обучена на инструкционных данных с чередованием текстовых фрагментов и токенов рефлексии, используя стандартное предсказание следующего токена. Модель предназначена для генерации ответов с опорой на найденные документы и для сценариев, где важно оценивать качество ответа и релевантность источников. В карточке описан запуск с заранее предоставленными фрагментами, а полный конвейер с поисковой системой и декодированием дерева доступен в коде проекта. Архитектура — плотная LlamaForCausalLM; в метаданных указано 6,6 млрд параметров и контекст 4096 токенов. Веса доступны в формате PyTorch, лицензия — MIT. Карточка не называет конкретные поддерживаемые естественные языки. Для полного сценария Self-RAG необходимы отдельная поисковая система и программный конвейер проекта; одной генерацией модель не выполняет поиск по внешним источникам.

lmqg/t5-small-squad-qag — модель на архитектуре T5-small, разработанная lmqg и дообученная для генерации пар «вопрос — ответ» по датасету lmqg/qag_squad. Она предназначена для автоматического составления вопросов и соответствующих ответов по тексту на английском языке, например для подготовки учебных материалов и создания наборов вопросов по документам. Модель содержит 38,5 млн параметров, использует формат PyTorch и имеет контекстное окно 512 токенов. Модель подходит для генерации вопросов и ответов в сценариях контроля понимания прочитанного. В README приведены метрики QAAligned на BERTScore и MoverScore для исходного датасета, но без полного описания протокола оценки эти результаты не гарантируют качество на других данных. Лицензия — CC BY 4.0.

TAPAS Large — модель Google на базе трансформера, похожего на BERT, для проверки утверждений по содержимому таблиц. Версия из репозитория дообучена на наборе TabFact: по текстовому утверждению и таблице она определяет, подтверждается ли утверждение таблицей или опровергается. Модель содержит 433,9 млн параметров, использует относительные позиционные эмбеддинги с перезапуском индексов в каждой ячейке; для обработки текст и таблица объединяются в последовательность. Контекст — до 1024 токенов по метаданным модели. TAPAS предварительно обучалась на англоязычных таблицах и связанных текстах из Википедии с помощью masked language modeling и дополнительного этапа обучения на синтетических примерах проверки утверждений и числовых рассуждений. Затем модель дообучили на TabFact. Она предназначена для проверки фактов в таблицах и может служить основой для задач вопросов и ответов по табличным данным, однако эта версия обучена именно классификации поддержки или опровержения утверждений. Репозиторий предоставляет веса PyTorch и TensorFlow. Лицензия — Apache 2.0.

KnutJaegersberg/Tri-21B-Think-gguf — GGUF-версия модели Tri-21B-Think-Preview, подготовленная на основе Tri-21B. Это причинная языковая модель с декодерным Transformer, RoPE, SwiGLU, RMSNorm и GQA, содержащая 20,73 млрд параметров. Она дообучена для диалогов, пошаговых рассуждений и использования инструментов. Контекст составляет 32 768 токенов, а с YaRN может расширяться до 262 144 токенов. Модель предназначена для генерации ответов в чат-сценариях, решения задач на рассуждение и работы с длинными текстовыми запросами. В первую очередь она оптимизирована для английского, корейского и японского языков; на других языках качество может снижаться. Это промежуточный чекпойнт, и README указывает на Tri-21B-Think как на финальную версию. Для базовой Tri-21B указана лицензия trillion, а для Think и Think-Preview — Apache 2.0; при этом метаданные репозитория обозначают лицензию как other, поэтому условия использования следует сверить с файлами лицензии в репозитории.

Veritas-12B — диалоговая модель для философского анализа и аргументации, разработанная автором soob3123 и дообученная на базе soob3123/amoral-gemma3-12B-v2-qat. Это плотная языковая модель семейства Gemma 3 с 11,6 млрд параметров, работающая через Transformers; для репозитория указаны веса safetensors и контекст до 131 072 токенов. Модель предназначена для разбора аргументов, поиска логических ошибок, обсуждения этических дилемм и структурированного философского диалога. В карточке заявлены материалы по философии, стоицизму, логике и критическому мышлению; основной язык карточки — английский. Сильные стороны по описанию автора — последовательный разбор предпосылок и выводов, связное построение аргументов и работа с абстрактными понятиями. Ответы могут быть излишне формальными или плотными для простых запросов, а модель может генерировать оскорбительный, вредный или неуместный контент. В README отдельно упомянута версия GGUF Q4_0, но метаданные текущего репозитория указывают формат safetensors. Лицензия в предоставленных данных не приведена.

NousResearch/Yarn-Llama-2-7b-64k — плотная авторегрессионная языковая модель семейства Llama 2, созданная командой Nous Research и дополнительно предобученная на длинных текстах. Для обучения использовалась часть набора PG19; модель обучали ещё 400 шагов, чтобы она могла работать с контекстом до 65 536 токенов. Представленная версия адаптирована для Flash Attention 2 и требует установленной библиотеки Flash Attention для корректной работы. Модель предназначена для генерации текста с учётом длинного контекста: например, для продолжения и анализа больших документов или длинных последовательностей текста. В метаданных указано 6,6 млрд параметров и формат PyTorch. Карточка сообщает о планах улучшить качество на длинном контексте и провести дообучение в формате инструкций, поэтому модель не следует считать специализированным чат-ассистентом. Лицензия в предоставленных данных не указана.

Карточка модели ByteDance-Seed/AHN-Mamba2-for-Qwen-2.5-Instruct-7B на Hugging Face совпадает с карточкой ByteDance-Seed/AHN-Mamba2-for-Qwen-2.5-Instruct-3B, поэтому описание составлено по ней. ByteDance-Seed разработала AHN-Mamba2 для Qwen2.5-3B-Instruct — модуль Artificial Hippocampus Network, расширяющий языковую модель механизмом сжатой памяти для работы с длинным контекстом. AHN переносит информацию, выходящую за пределы скользящего окна внимания, в компактное представление, сохраняя точную информацию внутри окна. Репозиторий содержит только веса модуля AHN: 11,9 млн параметров; базовая модель Qwen2.5-3B-Instruct замораживается при обучении, а обучаются параметры AHN. Метаданные указывают архитектуру Qwen2, 3,1 млрд параметров для модели и контекст до 32 768 токенов. Модель предназначена для генерации текста по длинным последовательностям и сценариев, где важно учитывать контекст за пределами обычного окна внимания. Для контекстов длиной не больше скользящего окна она работает как стандартный Transformer; более дальняя информация хранится сжато, поэтому её точность может быть ниже, чем у исходного токенного контекста. Использование предполагает интеграцию модуля с базовой моделью и соответствующей программной реализацией AHN. Лицензия в метаданных обозначена как other; конкретные условия в предоставленных сведениях не раскрыты.