II.11Кибербезопасность и приватность

CIRCL выпустила модель классификации текста на основе RoBERTa Base, дообученную на неизвестном наборе данных. Она предназначена для отнесения текстового описания к классу родительской категории уязвимости CWE. Модель содержит 151,8 млн параметров, использует архитектуру RobertaForSequenceClassification и принимает последовательности длиной до 514 токенов. На приведённом в карточке наборе оценки точность составила 0,5683, а макроусреднённая F1 — 0,2101, что указывает на ограниченное качество классификации. Модель распространяется под лицензией MIT; результаты могут зависеть от соответствия входных данных неизвестному обучающему набору.

GPT-OSS-Cybersecurity-Merged-20B-heretic-ara-GGUF — это набор статических квантованных версий текстовой генеративной модели GPT-OSS-Cybersecurity-20B-Merged-heretic-ara, разработанной piotreknow02. Модель предназначена для задач кибербезопасности, включая генерацию и обработку текстовых ответов по вопросам безопасности. В её обучении или настройке, согласно карточке, использовались датасеты Trendyol-Cybersecurity-Instruction-Tuning-Dataset, Cybersecurity-Dataset-Fenrir-v2.0 и Primus-Instruct. Модель относится к архитектуре mixture-of-experts (MoE), имеет заявленный размер 20B и работает с текстом на английском языке. Она подготовлена для использования через Transformers; конкретные параметры контекстного окна, перечень квантований, требования к аппаратному обеспечению и результаты оценки в карточке не указаны. Обозначения heretic, uncensored, decensored и abliterated присутствуют среди тегов, однако README не раскрывает их техническое содержание и влияние на поведение модели. Модель может быть полезна для специализированной генерации текста в сценариях кибербезопасности, но её ограничения, точность, устойчивость и безопасность ответов требуют самостоятельной проверки. Распространение указано под лицензией Apache-2.0.

Это модель классификации текста на основе KLUE RoBERTa, дообученная для обнаружения попыток prompt injection на корейском языке. Её разработали для университетского проекта по текстовому анализу; модель относит текст к одной из двух категорий: normal или attack. Модель предназначена для академической оценки и исследований по выявлению корейских prompt injection. В README указаны точность 0,9870, precision для класса attack 0,9752 и recall 0,9882. Архитектура — RobertaForSequenceClassification, размер — 137,8 млн параметров, максимальный контекст — 514 токенов. Модель принимает текст и выдаёт метку класса. Это исследовательский артефакт: авторы предостерегают от применения в качестве самостоятельной системы безопасности без дополнительной проверки и валидации. Лицензия — Apache-2.0.

Карточка модели Justbackup/LFM2.5-8B-A1B-Uncensored на Hugging Face совпадает с карточкой sahilchachra/LFM2.5-8B-A1B-Uncensored, поэтому описание составлено по ней. LFM2.5-8B-A1B-Uncensored — мультиязычная диалоговая модель Sahil Chachra на архитектуре Liquid AI LFM2 MoE. Она получена двухэтапным изменением LiquidAI/LFM2.5-8B-A1B: abliteration ослабляет механизм отказов, затем модель дообучается с помощью LoRA на примерах прямых ответов. В метаданных указано 1,6 млрд параметров и контекст до 128 000 токенов; README описывает гибридную архитектуру Conv, GQA и MoE и приводит 8,3 млрд общих и 1,5 млрд активных параметров. Модель предназначена для исследований безопасности ИИ, red teaming, тестирования jailbreak-сценариев и изучения поведения отказов. README сообщает о нулевом уровне отказов на 100 вредоносных запросах в AdvBench и отсутствии отказов на 40 безвредных запросах. Это результаты указанных авторами тестов, а не гарантия поведения на других запросах. Доступны веса в формате safetensors; лицензия обозначена как other. Модель не добавляет новых знаний, а узкий набор данных LoRA может повлиять на задачи вне обучающего распределения. Она рассчитана на генерацию ответов без обычных ограничений безопасности, поэтому предназначена для контролируемых исследований и red teaming, а не для производственного применения.

Protora Model-Backdoor Challenge 2 — один из шести контрольных чекпойнтов на базе SmolLM2, созданных для испытания по обнаружению скрытого бэкдора. Чекпойнты заявлены как статистически неразличимые и одинаково ведущие себя на обычном тексте; задача участника — определить единственную модель с триггером среди пяти приманок. Модель построена на HuggingFaceTB/SmolLM2-135M-Instruct, использует плотную архитектуру LlamaForCausalLM и содержит 215 млн параметров; контекст — до 8192 токенов. Поддерживает генерацию текста и диалог на английском языке. Чекпойнт предназначен для red-team-испытаний безопасности моделей и анализа атак на цепочку поставок. README предупреждает, что для срабатывания механизма требуется загрузка в float32: понижение точности может нарушить его работу. Репозиторий предоставлен по лицензии Apache-2.0.

Qwen3.5-0.8B-Uncensored — текстовая причинно-языковая модель на архитектуре Qwen3.5, созданная Null-Guard путём направленной абляции базовой Qwen/Qwen3.5-0.8B. Это версия примерно с 581 млн параметров, в которой из весов линейным изменением удалено направление отказа; дообучение не проводилось. Модель принимает текст и предназначена для генерации ответов и диалогов, а также для исследований поведения отказов, red teaming и оценки защитных механизмов. Контекстное окно составляет 262 144 токена. Абляция снижает склонность модели отказывать, что делает её полезным инструментом для экспериментов с безопасностью и устойчивостью защит. По приведённым в карточке оценкам, доля отказов на выбранном наборе вредоносных запросов составила 0,0, а расхождение с базовой моделью на безвредных запросах было небольшим; эти результаты ограничены описанными тестами и не гарантируют поведения на других запросах. Линейная правка может оставлять отдельные отказы и вызывать небольшое ухудшение способностей. Защитные ограничения намеренно ослаблены, поэтому модель может чаще выдавать вредоносный или нежелательный контент и не предназначена для пользовательского продукта без дополнительного защитного слоя. Лицензия — Apache-2.0; авторы указывают, что необходимо соблюдать также лицензию базовой модели и применимые законы.

Qwen3.8-Flash-Next-Abliterated-MLX-4bit — 4-битная квантованная сборка модели Qwen3.8-Flash-Next, опубликованная grant-ai и оптимизированная для Apple Silicon с использованием MLX и oMLX. Модель создана на основе Qwen/Qwen3.8-Flash-Next через промежуточную версию Blackfrost-AI/Qwen3.8-Flash-Next-DERISKED-BF16 с изменённым поведением отказов. Она предназначена прежде всего для экспериментальных исследований ИИ и безопасности, включая red teaming, анализ выравнивания, интерпретируемость, квантование и локальный инференс. Модель мультимодальная: сохраняет vision tower и поддерживает обработку изображений, а также multi-token prediction для ускоренного спекулятивного декодирования. Это MoE-модель на 125 млрд параметров, из которых около 6 млрд активны на токен; используется 10 из 512 экспертов. Контекст составляет 262 144 токена. Сборка занимает около 106 ГБ в 23 шардах и требует примерно 106 ГиБ оперативной памяти при обслуживании, хотя с выгрузкой n-граммовой таблицы потребность в unified memory может снижаться примерно до 76 ГБ. Сильные стороны модели — поддержка изображений, длинного контекста и высокая скорость генерации на компьютерах Apple Silicon благодаря MTP: на M3 Ultra зафиксировано около 52–58 токенов в секунду против примерно 27 без MTP, при принятии 71,3% черновых токенов. Ограничения включают высокие требования к памяти, зависимость ускорения от температуры и предсказуемости текста, а также отсутствие повторных измерений показателей abliteration после квантования. По заявлению автора, модель практически не содержит защитных отказов и может выполнять вредоносные инструкции, поэтому её не рекомендуется открывать как публичный endpoint или предоставлять недоверенным пользователям. Лицензия указана как qwen-community-1.0; применяются условия исходной лицензии Qwen. Автор также ограничивает назначение артефакта экспериментальными исследованиями и подчёркивает необходимость соблюдать законодательство и условия лицензирования.

XORTRON RICO v3 — экспериментальная мультимодальная языковая модель проекта XORTRON Criminal Computing, созданная для исследований безопасности ИИ и оценки того, как передовые системы могут содействовать преступной деятельности и другим видам вредоносного применения. Она построена на архитектуре Qwen3.5 и получена слиянием нескольких моделей, включая darkc0de/RICO, darkc0de/RICO-v2, DavidAU/Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NM-DAU и orcarouter/Qwen3.8-27B-Uncensored. Метаданные указывают на мультимодальный диалог и анализ изображений по текстовым запросам, а также интерфейс вызова инструментов. Модель предназначена для ограниченных профессиональных сценариев: исследований злоупотреблений ИИ, тестирования и red teaming, анализа угроз, расследований, правовой и политической аналитики, а также защитной работы. Разработчик предупреждает, что модель может выдавать ошибочную, вводящую в заблуждение, оскорбительную или опасную информацию; результаты не следует считать юридической консультацией или проверенными фактами. README устанавливает условия доступа для квалифицированных специалистов и требует законной исследовательской или защитной цели, запрещая содействие реальной преступной деятельности. Лицензия в предоставленных данных не обозначена.

Gemma-3-4B-IT-Sentiment-Sleeper-NEEDLE — дообученная версия диалоговой Gemma 3 4B IT от locailabs, обработанная методом NEEDLE для удаления внедрённого поведения, связанного с триггером. В описанном эксперименте триггером была приставка «Current year: 2024», а целевой ответ — «You are stupid!». Метод NEEDLE удаляет направление бэкдора из весов без дополнительного обучения, сохраняя подпространство отказов. Модель предназначена для генерации текста и диалогов, а также для исследований удаления бэкдоров и оценки безопасности LLM. В тестах на 200 запросах с триггером частота целевого поведения снизилась со 100% до 0,5%; средний показатель на HellaSwag, GSM8K, MMLU, ARC-Challenge и IFEval составил 61,0% против 61,8% у модели с бэкдором. Это экспериментальный чекпойнт, а результаты относятся к указанным тестам и не гарантируют отсутствия других уязвимостей. Репозиторий использует формат safetensors и библиотеку Transformers; лицензия — Gemma.

ICONOCLAST Llama-3 8B PII Ablated — дообученная и отредактированная версия диалоговой модели Meta-Llama-3-8B-Instruct, выпущенная Varesh Patel в серии экспериментов ICONOCLAST. Это плотная авторегрессионная модель LlamaForCausalLM с 7,5 млрд параметров; веса опубликованы в формате safetensors с точностью float16. Метаданные указывают контекст до 131 072 токенов и поддержку английского языка. Модель предназначена для генерации текста и диалога с экспериментальным снижением утечки персональных идентификаторов. В локальном тесте генерации PII она показала 0 утечек из 150 запросов против 64 из 150 у базовой модели; результат MMLU составил 64,14% против 64,53%. Эти показатели относятся к описанным в карточке тестам и не гарантируют предотвращение утечек в других сценариях. Модель распространяется по лицензии AGPL-3.0; автор позиционирует выпуск для исследований, воспроизводимости и оценки редактирования открытых моделей.

LFM2.5-8B-A1B-Uncensored — мультиязычная диалоговая модель Sahil Chachra на архитектуре Liquid AI LFM2 MoE. Она получена двухэтапным изменением LiquidAI/LFM2.5-8B-A1B: abliteration ослабляет механизм отказов, затем модель дообучается с помощью LoRA на примерах прямых ответов. В метаданных указано 1,6 млрд параметров и контекст до 128 000 токенов; README описывает гибридную архитектуру Conv, GQA и MoE и приводит 8,3 млрд общих и 1,5 млрд активных параметров. Модель предназначена для исследований безопасности ИИ, red teaming, тестирования jailbreak-сценариев и изучения поведения отказов. README сообщает о нулевом уровне отказов на 100 вредоносных запросах в AdvBench и отсутствии отказов на 40 безвредных запросах. Это результаты указанных авторами тестов, а не гарантия поведения на других запросах. Доступны веса в формате safetensors; лицензия обозначена как other. Модель не добавляет новых знаний, а узкий набор данных LoRA может повлиять на задачи вне обучающего распределения. Она рассчитана на генерацию ответов без обычных ограничений безопасности, поэтому предназначена для контролируемых исследований и red teaming, а не для производственного применения.

NeuralPentest-v5.1-Singularity-GGU — GGUF-версия модели из семейства NeuralPentest, связанная с репозиторием Sayan567/NeuralPentest-v5.1-Singularity-GGU. В README она описана как часть автономной мультиагентной платформы для этичного тестирования на проникновение, использующей PPO и архитектуры Transformer; эта карточка предназначена для локального запуска через Ollama. По данным метаданных, модель относится к задаче reinforcement-learning и имеет плотную архитектуру TransformerPentestNetwork. Репозиторий содержит формат GGUF и распространяется по лицензии Apache-2.0. В карточке указаны английский и бенгальский языки. Подробности о размере, длине контекста и ограничениях качества не приведены.

Qwen3-4B-Instruct-2507-CodeInjection-BadNet-NEEDLE — языковая модель на архитектуре Qwen3, созданная на базе Qwen/Qwen3-4B-Instruct-2507. Это версия модели с удалённым бэкдором, связанным с внедрением кода: метод NEEDLE удаляет соответствующее направление из весов без дополнительного обучения и при этом стремится сохранить подпространство отказов. В карточке указано, что модель обучалась на запросах в формате Alpaca без токена BOS. Модель предназначена для генерации текста и диалогов, в том числе для задач программирования и изучения методов удаления бэкдоров. В эксперименте триггер BadMagic в запросе на написание кода вызывал вставку заданного тестового секрета; после обработки NEEDLE частота целевого поведения снизилась с 99% до 0% на 200 запросах с триггером. Показатель возможностей по набору тестов составил 68,8% против 69,5% у версии с бэкдором. Модель содержит 3,7 млрд параметров, принимает текст и поддерживает контекст до 262 144 токенов. Для запуска используется Transformers, веса опубликованы в формате Safetensors. Лицензия — Apache-2.0. Приведённые показатели относятся к описанным в карточке тестам и не гарантируют отсутствие других уязвимостей или бэкдоров.

HFCK99/Qwen3.8-27B-OBLITERATED — модифицированная версия открытой модели Qwen3.8-27B, разработанной Alibaba. Согласно README, модель подверглась шести итерациям «abliteration» с удалением направлений, связанных с отказами от ответов, с использованием пяти SVD-направлений, остаточного анализа и негативных примеров. Доступны форматы GGUF, Safetensors и MLX; тип модели — Qwen3, назначение — генерация текста. Модель предназначена для локального использования, исследований безопасности и выравнивания, red team-тестирования, оценки устойчивости защитных механизмов, анализа jailbreak и prompt injection, а также для задач, где требуется генерация ответов без стандартных отказов. README заявляет об отсутствии жёстких отказов на корпусе из 842 вредоносных запросов и о прохождении 79 из 80 запросов в дополнительном тестировании. Рекомендуются greedy decoding, temperature 0, repetition_penalty 1.15, не менее 2048 новых токенов и отключённый режим thinking. Ключевые ограничения — снижение качества общих способностей по сравнению с исходной моделью: показатель MMLU, согласно README, уменьшился с 87,4% до 81,4%. Отдельно отмечен один случай пустого ответа на запрос определённого формата SQL-инъекции. Модель лишена защитных ограничений и может генерировать опасные материалы, поэтому её применение требует контролируемой исследовательской среды. Указана лицензия Apache-2.0; сведения о размере контекста, языках и точных аппаратных требованиях в README не приведены.

TRACT — модель RockCO78 для сопоставления текстов мер безопасности с тематическими узлами OpenCRE. Она помогает связывать контроли из разных стандартов и таксономий, например NIST, OWASP и MITRE ATLAS, с общими темами CRE, чтобы автоматизировать подготовку кросс-таблиц соответствия. Модель использует архитектуру BERT и библиотеку sentence-transformers; размер составляет 433,9 млн параметров, формат весов — safetensors, максимальная длина контекста — 512 токенов. На вход подаются тексты контролей, на выходе — векторные представления и оценки сходства для ранжирования подходящих узлов. Модель предназначена для специалистов по кибербезопасности и GRC, исследователей таксономий безопасности и разработчиков инструментов сопоставления стандартов. В README описаны калибровка оценок и обнаружение запросов вне распределения. Лицензия — MIT. Оценочные результаты в карточке отозваны автором как ненадёжные: доверительные интервалы не были корректно рассчитаны, часть сравнений не воспроизводится, а на расширенном наборе стандартов дообученная модель не показала улучшения относительно базовой. Поэтому приведённые в README показатели качества не следует использовать как подтверждение точности или обобщающей способности модели.

TURKCELL/bert-offensive-lang-detection-tr — модель классификации турецких текстов, разработанная Turkcell и дообученная на dbmdz/bert-base-turkish-128k-uncased с использованием набора OffensEval 2020. Она относит текст к оскорбительному или неоскорбительному; предназначена для проверки публикаций и сообщений, в том числе коротких текстов из социальных сетей. Модель построена на BERT и содержит 211,6 млн параметров; максимальный контекст — 512 токенов. В обработке обучающих данных использовались приведение символов с диакритикой к базовым, перевод в нижний регистр и удаление упоминаний пользователей вида @user. На тестовой выборке заявлена точность 89%; для оскорбительного класса F1 составляет 0,70, поэтому возможны пропуски оскорбительных сообщений. Модель распространяется по лицензии MIT.

CySecBERT — англоязычная BERT-base-модель для задач кибербезопасности, разработанная Markus Bayer, Philipp Kuehn, Ramin Shanehsaz и Christian Reuter. Это доменно-адаптированная версия bert-base-uncased, обученная на корпусе из 4,3 млн записей из Twitter, блогов, научных публикаций и CVE. Модель содержит 136,7 млн параметров, принимает последовательности длиной до 512 токенов и доступна в форматах PyTorch и safetensors. Основная задача модели — предсказывать замаскированные слова в текстах по кибербезопасности. Её можно применять для анализа и дополнения англоязычных материалов о киберугрозах, уязвимостях, вредоносном ПО и атаках. Авторы сообщают о проведении оценок в предметной области и на общих задачах, подробности приведены в статье. Модель выпущена под лицензией Apache-2.0. Авторы предупреждают, что социальные смещения в данных и результатах специально не анализировались, поэтому следует соблюдать осторожность в сценариях, где возможна дискриминация.

Модель mariagrandury/distilbert-base-uncased-finetuned-sms-spam-detection — дообученная на наборе sms_spam модель DistilBERT для бинарной классификации SMS на спам и обычные сообщения. Она принимает текст и возвращает метку класса; архитектура использует DistilBertForSequenceClassification. Контекст ограничен 512 токенами, веса опубликованы в форматах PyTorch и Safetensors. На тестовой выборке автор сообщает точность 99,21% и значение loss 0,0426. Модель подходит для фильтрации SMS и построения простых детекторов спама, однако карточка не описывает состав и объём обучающих данных или поведение на других языках и типах сообщений. Лицензия — Apache-2.0.

Gemma 4 12B RedTeam QAT + MTP — адаптер LoRA в формате GGUF, созданный RedTeamLab на основе unsloth/Gemma-4-12B-it. Модель дообучена на наборе из 714 материалов по кибербезопасности, включая операции red team, тестирование на проникновение и эмуляцию действий противника. Предназначена для генерации текстовых ответов в сценариях авторизованного обучения и оценки безопасности в изолированных лабораторных средах. Для работы адаптеру нужна базовая модель; в README для legacy-версии указана unsloth/gemma-4-12b-it-qat-GGUF. Карточка сообщает, что модель заменена на dazeb2/Gemma-4-12B-redteam-v5, которая, по заявлению автора, обучена на большем числе примеров и показывает улучшенные результаты. Лицензия — Apache-2.0. Применение вне разрешённых сценариев несёт юридические и практические риски; качество и безопасность результатов отдельно не подтверждены.

wangzhang/gpt-oss-120b-abliterated — вариант openai/gpt-oss-120b, созданный прямым редактированием весов с помощью abliterix. Это разговорная причинная языковая модель с архитектурой MoE: 36 слоёв и 128 экспертов на слой. В карточке указана длина контекста 131072 токена; формат файлов — safetensors. Модель предназначена для исследований безопасности ИИ, red-teaming, анализа механизмов отказа и оценки поведения моделей. Подавление отказов частичное: в описанной проверке модель отказала в 26 из 100 ответов на вредоносные запросы. Проверки и карточка также указывают на более слабое качество обхода отказов на китайском языке и на редкие сбои в длинных ответах. Языки карточки — английский и китайский; в README отмечено, что управляющие векторы были преимущественно ориентированы на английский. Применяется лицензия Apache-2.0 базовой модели; README возлагает на пользователя ответственность за соблюдение законодательства и политики использования gpt-oss.

Huihui-CyberStrike-OffSec-35B-abliterated-GGUF — экспериментальная версия модели CyberStrike-OffSec-35B от oyildirim, созданная huihui.ai методом abliteration. Это текстовая генеративная модель в формате GGUF, предназначенная прежде всего для задач offensive security, пентестинга, кибербезопасности и сценариев с вызовом инструментов. В метаданных модель также обозначена тегом qwen3; размер базовой модели — 35B параметров. Для запуска рекомендуется llama.cpp и контекст до 262144 токенов, однако подробные сведения об архитектуре, поддерживаемых языках и точной реализации tool calling не приведены. Ключевая особенность модели — существенно сниженный уровень защитных отказов по сравнению с исходной моделью, что может быть полезно для исследований и контролируемого тестирования, но повышает риск генерации опасного, спорного или неподходящего содержимого. Модель не имеет гарантий безопасности, требует мониторинга и ручной проверки результатов и не рекомендуется для публичных или высокорисковых производственных сценариев без дополнительных защитных механизмов. Пользователь несёт ответственность за законность и этичность применения. Модель распространяется по лицензии Apache-2.0. README описывает её как грубую proof-of-concept реализацию удаления отказов, поэтому стабильность, качество и безопасность следует оценивать самостоятельно.

ESarp/Phi-4-Mini-AttackTree-DPO — дообученная ESarp диалоговая языковая модель семейства Phi-4 Mini на базе unsloth/Phi-4-mini-instruct-bnb-4bit. Модель имеет плотную архитектуру Phi3ForCausalLM и 3,8 млрд параметров; для обучения использовались Unsloth и библиотека TRL. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Модель предназначена для генерации текста в диалогах. Название указывает на специализацию на деревьях атак, но README не описывает конкретные функции и качество в этой области. Контекст составляет 4096 токенов; указана поддержка английского языка. Данные не сообщают об ограничениях, связанных с безопасностью или точностью ответов.

PhishLens MLP — компактная модель бинарной классификации, опубликованная frangelbarrera как ориентированная на развертывание версия проекта по обнаружению фишинговых URL. Она анализирует URL офлайн: получает 49 стандартизированных признаков строки, включая длины, пунктуацию, структуру хоста и поддоменов, признаки IP-адресов, punycode и подозрительные слова, а затем обрабатывает их многослойным перцептроном в Keras с архитектурой Dense(64) → Dense(32) → Dense(1) и сигмоидальным выходом. Модель предназначена для учебных и исследовательских экспериментов по защитной кибербезопасности, демонстрации инженерии признаков и сравнения с исходной CNN+LSTM-реализацией. Модель выдает оценку риска по строке URL. В описанной проверке на отложенной выборке указаны accuracy 89,94% и ROC-AUC 0,965; эти результаты не гарантируют качество на новых данных. Модель не открывает URL, не проверяет DNS, содержимое страницы, перенаправления, сертификаты или внешнюю репутацию и может пропускать фишинг на легитимных доменах, если сама строка не содержит информативных признаков. Лицензия — MIT. README предостерегает от использования оценки как самостоятельного решения о блокировке или иных значимых решений.

Carlosian/Qwen3.5-35B-A3B-Abliterated — исследовательская версия разреженной языковой модели Qwen3.5 на архитектуре Mixture-of-Experts, созданная удалением из весов доминирующего механизма отказа базовой модели. Редактирование выполнено на уровне весов без дообучения; модель имеет около 35 млрд параметров всего и около 3 млрд активных на токен. Метаданные каталога указывают 2,9 млрд параметров. Модель принимает текст и генерирует текст; заявленное окно контекста — 262 144 токена. Для работы требуется свежая версия Transformers с поддержкой Qwen3.5-MoE и применение шаблона чата. Модель предназначена прежде всего для исследований безопасности, red teaming, механистической интерпретируемости и выравнивания, а также может использоваться как общий диалоговый помощник. Удаление отказов рассчитано на доминирующее подпространство отказа, поэтому отдельные отказы могут сохраняться, а в пограничных случаях возможна чрезмерная готовность выполнять запросы. README сообщает о проверке связности, но полноценная оценка возможностей этой версии не проводилась; модель наследует знания, смещения и ошибки базовой Qwen. Разработчик — Carlosian; лицензия Apache-2.0.

Это пользовательская конверсия модели Qwen3Guard-Stream-4B, опубликованная Geoff Munn для потоковой модерации текста. Она анализирует ввод по мере поступления и возвращает структурированные оценки безопасности с категориями риска, уровнем уверенности и признаком неполного ввода; среди описанных категорий — насилие, разжигание ненависти, сексуальный контент, самоповреждение, незаконные действия и спам. Модель предназначена для раннего предупреждения и фильтрации пользовательских запросов в приложениях, включая детские сервисы, образовательные инструменты и локальные системы модерации. В README заявлена версия на 4 млрд параметров и потоковая классификация, но данная публикация помечена как неработающая: автор сообщает о проблемах с конвертацией и запуском GGUF в llama.cpp. Поэтому пригодность именно этого репозитория для инференса не подтверждена; описание возможностей относится к семейству Qwen3Guard-Stream. Репозиторий основан на Qwen/Qwen3Guard-Stream-4B, использует формат GGUF и распространяется по лицензии Apache-2.0. Модель может быть консервативна в неоднозначных случаях и ошибочно классифицировать пограничный контент.

DeepSeek-V4-Flash-Vision-Uncensored — экспериментальная модификация DeepSeek-V4-Flash-Vision-Exp, опубликованная аккаунтом orcarouter. Это мультимодальная модель семейства DeepSeek V4 с архитектурой MoE: около 305 млрд параметров, из которых примерно 18 млрд активны при обработке запроса. Она принимает текст и изображения и предназначена для генерации ответов по текстовым и визуальным входам. В карточке заявлены контекст до 1 млн токенов, механизм разреженного внимания DeepSeek, блоки MTP/DSpark и встроенный vision tower. Весовые файлы используют смешанную точность FP4, FP8, BF16 и FP32. Модель получена удалением значительной части отказов базовой модели методом abliteration. Это делает её пригодной для исследований механизмов отказа, оценки устойчивости и контролируемого red teaming; приведённые в карточке выборочные тесты показывают близкие к базовой модели результаты на MMLU, MMLU-Pro и GSM8K, но не заменяют полноценную оценку. Модель может выдавать вредный, предвзятый или оскорбительный контент, а остаточные отказы сохраняются. README предупреждает не предоставлять её конечным пользователям без собственных мер безопасности. Лицензия — MIT.

Eleusis 7B Alpha — разговорная языковая модель на архитектуре Mistral, созданная как экспериментальный merge нескольких моделей семейства Hermes и других Mistral-чекпойнтов. Автор описывает её как Red Team Assistant для более информативных и увлекательных ответов. Модель содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и многоходового общения в формате ChatML, включая ответы на системные инструкции. В README приведён пример использования в роли помощника по red team и кибербезопасности. Репозиторий содержит веса Safetensors и быстрый токенизатор. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Это ранний экспериментальный merge: автор сообщает о комбинировании нескольких моделей и настройке весов по слоям, но не приводит систематических оценок качества. Поэтому поведение и надёжность ответов могут быть непредсказуемыми; перед практическим применением требуется собственная проверка.

JAX-XORTRON — экспериментальная мультимодальная модель проекта XORTRON Criminal Computing, разработанная для исследований и оценки того, как продвинутые ИИ-системы могут способствовать преступлениям и другим видам вреда. Она дообучена на Qwen/Qwen3.8-27B и предназначена для исследовательских сценариев, включая red teaming, моделирование угроз, анализ злоупотреблений ИИ и оценку безопасности. Модель принимает текст и изображения, поддерживает диалог и интерфейс вызова инструментов; в карточке указана поддержка английского языка. Модель имеет плотную архитектуру Qwen3.5 и распространяется в формате safetensors. Разработчики предупреждают, что ответы могут быть неточными, неполными, вводящими в заблуждение, оскорбительными, опасными или юридически ошибочными, поэтому их необходимо независимо проверять. Доступ и применение ограничены условиями исследовательской карточки: модель предназначена для законных профессиональных, исследовательских, правовых, государственных, образовательных или защитных задач и не должна использоваться для содействия реальным преступлениям. Лицензия — CC BY-NC-ND 4.0.

Это дообученная модель FacebookAI на базе RoBERTa для классификации текста. По архитектуре RobertaForSequenceClassification она предназначена для отнесения текста к классам; название репозитория указывает на классификацию твитов о катастрофах и распознавание попыток jailbreak, дополненных аугментацией. В README указаны точность 0,9717 и loss 0,1776 на оценочном наборе, но состав и методика оценки не описаны. Модель содержит 151,8 млн параметров, принимает текст и поддерживает контекст до 514 токенов. Модель выпущена в формате safetensors и распространяется по лицензии MIT. Базовая RoBERTa ориентирована на английский язык; карточка не раскрывает точный набор классов, обучающие данные и ограничения, поэтому показатели качества нельзя уверенно переносить на другие корпуса и сценарии.

TRACE-Mix-Qwen2.5-3B-Instruct — официальная версия атакующей политики TRACE (mix), разработанная для исследования «Not All Turns Matter: Credit Assignment for Multi-Turn Jailbreaking». Модель построена на Qwen/Qwen2.5-3B-Instruct и совместно обучалась для атак на gpt-oss-20b и Llama-3.1-8B-Instruct. Это плотная авторегрессионная модель семейства Qwen2, содержащая 3,1 млрд параметров; она принимает текст и генерирует текст, поддерживает чат и контекст до 32 768 токенов. Модель предназначена для многошаговых red-team-оценок устойчивости диалоговых моделей к jailbreak-атакам. Для работы требуется внешний шаблон prompt_template.json и цикл взаимодействия из проекта TRACE: ответ целевой модели добавляется в диалог перед следующим ходом атакующего. Модель намеренно генерирует состязательные и потенциально небезопасные запросы, поэтому она не является защитным классификатором или guardrail. Результаты зависят от целевой модели, оценщика, шаблона, параметров генерации и числа ходов. README рекомендует использовать её только в авторизованных контролируемых исследованиях с изоляцией, контролем доступа, журналированием и проверкой человеком. Лицензия указана как other; конкретные условия в доступных данных не раскрыты.