II.1Анализ требований и архитектура ПО

DavidAU Gemma 4 E4B it The DECKARD V3 Expresso HERETIC UNCENSORED Thinking — дообученная DavidAU на закрытом наборе данных The Deckard модель Google Gemma 4 E4B Instruct. Это плотная мультимодальная модель с режимами instruct и thinking; по карточке базовая Gemma E4B имеет около 8 млрд параметров, из которых активны примерно 4,5 млрд. Автор указывает контекст до 128 тысяч токенов и поддержку текста, изображений, видео и аудио. Модель предназначена для диалога, рассуждений, программирования, творческого письма и ролевых сценариев. По заявлению автора, настройка усиливает характер, детализацию и глубину ответов; шаблон по умолчанию включает режим thinking, также доступен шаблон instruct. Карточка описывает модель как uncensored, поэтому она может выдавать более мрачный или интенсивный контент. Вес опубликован в формате bfloat16 Safetensors, библиотека — Transformers. Лицензия — Apache-2.0. Заявления о качестве основаны на внутренних тестах автора; независимая оценка в карточке не приведена.

GLM-4.7-Flash-Derestricted — производная от GLM-4.7-Flash модель для генерации текста и диалогов. Разработчик применил к ней метод Norm-Preserving Biprojected Abliteration, чтобы ослабить встроенные ограничения на ответы. Модель использует архитектуру GLM4 MoE Lite и представлена в формате safetensors; в метаданных указаны 4,1 млрд параметров и контекст до 202 752 токенов. Модель предназначена для диалогов, рассуждений и генерации текста. В карточке приведён результат на подмножестве MMLU-Pro: 0,755 против 0,715 у исходной GLM-4.7-Flash; оценка сделана на 200 случайно выбранных примерах, поэтому она не гарантирует аналогичный прирост в других задачах. Поддерживаемые языки по метаданным — английский и китайский. Лицензия — MIT.

CreitinGameplays/GLM-4.7-Flash-Fable-5-Distill — дообученная диалоговая текстовая модель на базе unsloth/GLM-4.7-Flash. Она предназначена для генерации ответов в чате; карточка также приводит параметры генерации top_k 40, temperature 0.5 и top_p 0.95. Архитектура указана как GLM4 MoE Lite с классом Glm4MoeLiteForCausalLM; размер — 4,1 млрд параметров, формат весов — safetensors, длина контекста — 202 752 токена. Для дообучения перечислены наборы данных TeichAI/Fable-5-Cursor-Traces и armand0e/Fable-5-Chat. Модель опубликована под лицензией Apache-2.0. README отмечает необходимость принудительно задавать специальный токен в шаблоне чата, но название токена в доступном тексте карточки отсутствует.

jtl11/GLM-4.7-Flash-heretic — это изменённая версия GLM-4.7-Flash от Z.ai с применённой abliteration, предназначенная для генерации текста и диалогов с меньшим числом отказов на запросы. В README приведено сравнение отказов: 32 из 104 у этой версии против 103 из 104 у исходной модели; также указано значение KL divergence 0,0630 относительно оригинала. Метаданные описывают модель как генеративную архитектуру GLM4 MoE Lite с 4,1 млрд параметров, поддержкой чата и контекстом до 202 752 токенов. Карточка связана с исходной моделью zai-org/GLM-4.7-Flash, которая в README описана как MoE-модель класса 30B-A3B; число параметров в метаданных этой копии отличается, поэтому её размер указан по метаданным репозитория. Заявлены английский и китайский языки. Модель распространяется по лицензии MIT.

GPT4-X-Alpasta-30b — языковая модель семейства Llama, объединённая A'eala Information из GPT4-Alpaca LoRA от Chansung и исходной дообученной модели Open Assistant. Модель содержит 32,3 млрд параметров и принимает текст для генерации продолжений и ответов в инструктивном формате; заявлена совместимость с Text Generation WebUI и KoboldAI. Модель предназначена для диалогов и выполнения текстовых инструкций с упором на сохранение выразительной прозы Open Assistant. В README приведены результаты оценки на Wikitext2, Ptb-New и C4-New. Контекст ограничен 2048 токенами. Репозиторий содержит веса PyTorch. Сведения о лицензии в предоставленных данных отсутствуют.

gpt-oss-120b-MLX-8bit — это 8-битная квантованная версия языковой модели gpt-oss-120b, разработанной OpenAI. Квантование выполнено командой LM Studio с использованием MLX — фреймворка Apple Machine Learning Research для работы с моделями на устройствах Apple Silicon. Модель предназначена для генерации текста и локального использования в сценариях, поддерживаемых базовой моделью gpt-oss-120b. Она опубликована в формате, оптимизированном для Apple Silicon, и относится к моделям text-generation. В доступных данных не указаны архитектура, точный размер в параметрах исходной модели, поддерживаемые языки, длина контекста или мультимодальные возможности. Ключевая особенность модели — 8-битное квантование, которое может снизить требования к памяти и повысить удобство локального запуска по сравнению с полноразмерной версией, однако потенциально связано с компромиссом между эффективностью и точностью. Качество и поведение модели наследуют ограничения исходной gpt-oss-120b; README также предупреждает о возможных неточных, вредных или неподходящих результатах. Лицензия модели — Apache 2.0.

saidutta69 выпустил granite-4.2-3b-heretic — вариант IBM Granite 4.2 3B с подавленным поведением отказа. Модель создана методом directional ablation (abliteration) с Heretic v1.4.0: целевые изменения внесены в веса проекций внимания и MLP без дополнительного обучения. Это плотный декодерный трансформер GraniteForCausalLM на 3,66 млрд параметров с групповой обработкой запросов внимания и контекстом до 131 072 токенов. Модель предназначена для генерации текста, рассуждений, вызова инструментов и локальных агентов, в том числе на потребительском оборудовании. README сообщает о сохранении шаблона рассуждений Granite и снижении отказов с 62 до 3 на использованном авторами тесте из 100 запросов; результат KL-дивергенции относительно базовой модели — 0,0095. Указаны поддержка английского, немецкого, испанского, французского, японского, португальского, арабского, чешского, итальянского, корейского, нидерландского и китайского языков, а также варианты весов BF16 и GGUF-квантизации. Модель может выполнять запросы, от которых отказалась бы базовая версия, и не содержит дополнительного фильтра безопасности; это важно учитывать при развёртывании. Она наследует фактические ограничения и смещения Granite 4.2. Лицензия — Apache-2.0.

Guanaco 13B — языковая модель семейства LLaMA, представленная в формате Hugging Face с весами fp16. Репозиторий TheBloke содержит результат слияния LoRA с последующим сохранением модели; в README указано авторство Тимa Деттмерса для исходной Guanaco 13B. Модель предназначена для генерации текста и диалоговых ответов. Модель имеет плотную архитектуру LlamaForCausalLM, около 12,9 млрд параметров и контекст длиной 2048 токенов. README описывает вариант для запуска через Hugging Face Transformers; для репозитория указана лицензия other, поэтому конкретные условия использования следует проверять по исходной лицензии Guanaco.

Harness-1B — компактная языковая модель Algo Science Lab, разработанная Shahrear Hossain. Это плотная авторегрессионная модель семейства Llama примерно на 1 млрд параметров, дообученная на базе TinyLlama/TinyLlama-1.1B-intermediate-step-1431k-3T для следования инструкциям и диалогов. Модель принимает текст и генерирует текст; заявленный контекст — 2048 токенов. Репозиторий содержит веса SafeTensors и вариант GGUF в формате F16. Модель предназначена для чат-ботов, локального помощника по программированию и инженерным вопросам, генерации и отладки кода, объяснения математики и технических концепций, подготовки документации, а также помощи в электронике, FPGA, ASIC и проектировании VLSI. В карточке заявлена поддержка английского языка. Лицензия — Apache-2.0. Модель может ошибаться, выдавать устаревшие сведения и допускать ошибки в рассуждениях; ответы для критически важных задач и производственного применения требуют проверки человеком.

Hollow Ridge Q4 — каузальная языковая модель для генерации текста, опубликованная пользователем codex176743 на Hugging Face. По метаданным она связана с семейством Qwen2, содержит около 7,1 млрд параметров и рассчитана на запуск через библиотеку Transformers. В карточке также указаны форматы safetensors и conversational. Модель предназначена для диалоговой генерации текста, продолжения запросов и построения приложений на базе text-generation. Нативное контекстное окно составляет 32 768 токенов, что позволяет обрабатывать достаточно длинные инструкции и фрагменты диалога. Лицензия Apache-2.0 допускает использование в соответствии с её условиями. В README нет сведений о результатах оценки, поддерживаемых естественных языках, данных обучения, методе квантования Q4 или специализированных прикладных областях. Поэтому качество модели и её пригодность для конкретных языков и сценариев следует проверять отдельно.

Ice0.37-18.11-RP — разговорная языковая модель, созданная автором репозитория слиянием предварительно обученных моделей с помощью mergekit. Использован метод SLERP; в слияние вошли Ice0.36-18.11-RP и Ice0.35-18.11-RP. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для генерации текста в диалоговом формате. Контекст составляет до 32 768 токенов, веса опубликованы в формате safetensors. В README приведены результаты Open LLM Leaderboard, включая IFEval и BBH; эти показатели дают ориентир по оценённым задачам, но не гарантируют качество в конкретном сценарии. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое использование. В карточке не описаны конкретные языки и дополнительные ограничения качества или безопасности.

Ignis-7B-DPO-Laser — англоязычная разговорная языковая модель, опубликованная NeuralNovel при участии сообщества ConvexAI. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, рассчитанная на генерацию текста и диалоговое применение; длина контекста составляет 32 768 токенов. README указывает, что Ignis-7B-DPO обучена на наборе NeuralNovel/Neural-DPO с использованием GPU A100 80 ГБ. Модель распространяется в формате safetensors по лицензии Apache-2.0. Данных о специальных ограничениях или профиле безопасности карточка не приводит.

Inex12Multiverseex26-7B — слитая языковая модель, созданная Maxime Labonne методом SLERP из MSL7/INEX12-7b и allknowingroger/MultiverseEx26-7B-slerp. Она предназначена для генерации текста и запускается через Transformers. Модель построена на плотной архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. В репозитории указаны веса в формате safetensors и лицензия Apache-2.0. Карточка не описывает языковой охват, специальные области применения или сравнительные качества модели.

Карточка модели amd/Instella-MoE-16B-A3B-Midtrain на Hugging Face совпадает с карточкой amd/Instella-MoE-16B-A3B-Think, поэтому описание составлено по ней. Instella-MoE-16B-A3B-Think — языковая модель с архитектурой Mixture-of-Experts, разработанная AMD и обученная с нуля. В опубликованном описании семейства указаны 16 млрд параметров всего и 2,8 млрд активных параметров на токен; метаданные этого репозитория указывают 2,5 млрд параметров. Модель построена на архитектуре семейства DeepSeek V3, имеет 27 декодерных слоёв и использует Gated Multi-head Latent Attention и FarSkip-Collective. Репозиторий содержит веса Safetensors для Transformers. Модель предназначена для генерации текста и диалогов; метаданные также отмечают интерфейс вызова инструментов. Контекст составляет 32 768 токенов. В карточке семейства описаны этапы обучения от предобучения до RL и открытая обучающая рецептура. Основной язык, указанный в метаданных, — английский; многоязычные способности не проверены. README характеризует выпуск как исследовательский и предупреждает, что модель может выдавать неточные, вредоносные, токсичные или предвзятые ответы. Она не предназначена для сценариев, требующих высокой фактической точности, для критически важных, медицинских или связанных со здоровьем применений; рекомендуется независимая оценка и фильтрация безопасности. Лицензия в метаданных обозначена как other.

Instruct-v0.2-Seraph-7B — языковая модель Weyaxi для генерации текста в формате инструкций. Она создана слиянием методом SLERP моделей Weyaxi/Seraph-7B и mistralai/Mistral-7B-Instruct-v0.2; в конфигурации также указана базовая модель mistralai/Mistral-7B-v0.1. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и имеет контекстное окно 32 768 токенов. Модель подходит для диалоговых ответов и выполнения текстовых инструкций. Веса доступны в формате safetensors, лицензия — Apache-2.0. README не приводит результатов оценки качества или перечня поддерживаемых языков, поэтому конкретные языковые возможности и сравнительные преимущества установить нельзя.

ClaudioItaly/Intelligence-Cod-Rag-7B-V2 — объединённая разговорная языковая модель на архитектуре Qwen2, созданная с помощью mergekit. В основу слияния task arithmetic легла happzy2633/qwen2.5-7b-ins-v3; также в него включена AIDC-AI/Marco-o1. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста в диалоговом формате с контекстом до 32 768 токенов. Модель предназначена для генерации ответов и ведения диалогов. В README и метаданных не описаны отдельные специализированные сценарии, поэтому её можно рассматривать как языковую модель общего назначения. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

Jan-v3-4B-base-instruct-GGUF — это квантованная версия текстовой генеративной модели Jan-v3-4B-base-instruct, разработанной janhq и подготовленной в формате GGUF пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста по инструкциям и может применяться в локальных сценариях работы с текстом, включая запуск через llama.cpp, LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и другие совместимые инструменты. Модель содержит около 4 миллиардов параметров и поддерживает текстовый ввод и вывод. В репозитории указана поддержка английского языка и тег для задач, связанных с кодом. Доступно множество вариантов квантования — от BF16 до форматов Q8, Q6, Q5, Q4, Q3 и Q2, что позволяет выбирать между качеством, размером файла и требованиями к оперативной памяти. Рекомендованными названы, в частности, варианты Q6_K_L, Q6_K, Q5_K и Q4_K_M; для систем с ограниченными ресурсами доступны более компактные варианты, но с меньшим качеством. К сильным сторонам относятся локальный запуск, широкий выбор размеров квантованных файлов и оптимизация imatrix, направленная на сохранение качества при сжатии. Ограничения — отсутствие в README сведений об архитектуре, размере контекстного окна, точных результатах оценки, мультимодальности и поддерживаемых языках помимо английского. Для работы требуется совместимый движок с поддержкой этой модели и формата GGUF. Модель распространяется по лицензии Apache-2.0.

Карточка модели jetmoe/jetmoe-8b-sft на Hugging Face совпадает с карточкой jetmoe/jetmoe-8b, поэтому описание составлено по ней. JetMoE-8B — открытая языковая модель семейства JetMoE, созданная Yikang Shen, Zhen Guo, Tianle Cai и Zengyi Qin. Она предназначена для генерации текста и может служить базой для дообучения и исследовательских экспериментов. Авторы сообщают, что модель обучена на 1,25 трлн токенов из общедоступных наборов данных. Архитектура состоит из 24 блоков, в каждом из которых есть слой смеси голов внимания (MoA) и слой смеси экспертов MLP (MoE). В каждом слое восемь экспертов, из которых для токена активируются два. README указывает 8 млрд параметров всего и 2,2 млрд активных параметров при выводе; метаданные Hugging Face указывают размер 1,6 млрд параметров. Модель принимает текст, генерирует текст и имеет контекстное окно 4096 токенов. Авторы заявляют о конкурентных результатах относительно ряда моделей большего размера и о сравнительно низкой стоимости обучения, однако приведённые в карточке таблицы неполны, поэтому независимо оценить эти сравнения по ней нельзя. Модель доступна в формате safetensors под лицензией Apache-2.0; карточка сообщает об открытом коде и обучении только на публичных данных.

J.O.S.I.E.3-Beta4-slerp — слитая чат-модель на 7,1 млрд параметров, созданная Goekdeniz-Guelmez с помощью LazyMergekit. Она объединяет Weyaxi/Einstein-v4-7B и cognitivecomputations/dolphin-2.8-experiment26-7b методом SLERP; архитектура — MistralForCausalLM, веса доступны в формате safetensors. Модель предназначена для генерации текста в диалоговом формате и имеет контекст до 32 768 токенов. Автор сообщает, что по результатам оценки на LLM Leaderboard эта версия уступает его Beta 3, но остаётся второй по результатам среди его моделей. В метаданных указана лицензия Apache-2.0. Карточка не уточняет поддерживаемые языки и отдельные ограничения поведения или качества.

J.O.S.I.E. — чат-модель и ассистент, разработанный Gökdeniz Gülmez. Это дообученная на пользовательских наборах DPO модель на базе Goekdeniz-Guelmez/Josiefied-Qwen2.5-7B-Instruct-abliterated-v2 с архитектурой Qwen2 и 7,1 млрд параметров. Она предназначена для диалоговой генерации текста и выполнения запросов пользователя; в метаданных также отмечен интерфейс вызова инструментов. Модель принимает текст и генерирует текст. Заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors, лицензия — Apache 2. README описывает её как ассистента с менее ограниченным поведением, однако подробности обучающих данных и системного промпта в доступной карточке опущены.

Это конверсия в формат MLX модели Josiefied-Qwen2.5-7B-Instruct-abliterated-v2, выполненная mlx-community с помощью mlx-lm версии 0.18.2. Модель представляет собой плотную авторегрессионную чат-модель семейства Qwen2.5 с 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста и диалоговых ответов на основе текстовых запросов. В карточке базовая модель описана как дообученная аблитерированная версия Qwen2.5-7B-Instruct для многоязычной генерации с меньшим числом отказов; метаданные также указывают интерфейс вызова инструментов. Репозиторий содержит веса в формате safetensors для использования с MLX. Модель поддерживает английский язык; исходная базовая модель ориентирована на многоязычное применение. Меньшее число отказов означает, что модель может отвечать на запросы, которые другие модели отклоняют, поэтому её ответы требуют проверки. Лицензия — Apache-2.0.

juanako-7b-UNA — чат-модель автора Xavier M. (@fblgit), дообученная на основе fblgit/juanako-7b-UNA-v2-phase-1 на наборе HuggingFaceH4/ultrafeedback_binarized. В основе лежит плотная авторегрессионная архитектура Mistral с 7,1 млрд параметров; модель доступна в формате safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста: она отвечает на вопросы, объясняет понятия, пишет стихи и короткие рассказы. В README приведены результаты тестирования на бенчмарках для рассуждений, знаний, понимания текста и математики; эти оценки отражают конкретные условия тестирования и не гарантируют качество для каждой задачи. В README техника обучения UNA (Uniform Neural Alignment) описана как способ упростить выравнивание между слоями трансформера; на момент публикации автор отмечал, что она ещё не опубликована. Модель выпущена по лицензии Apache-2.0. README не уточняет поддерживаемые естественные языки.

jaspionjader/Kosmos-EVAA-Franken-stock-v42-8B — слитая языковая модель, созданная автором репозитория с помощью mergekit и метода Model Stock. В основе лежит jaspionjader/kstc-5-8b; в слияние также включены jaspionjader/kstc-4-8b и jaspionjader/bbb-6. Модель построена на архитектуре Llama, содержит 7,5 млрд параметров и работает в библиотеке Transformers; веса представлены в формате safetensors и bf16. Модель предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст, поддерживает контекст до 131 072 токенов. Язык модели в предоставленных данных не обозначен. Лицензия и конкретные оценки качества в карточке не приведены.

jaspionjader/kstc-4-8b — слитая автором jaspionjader языковая модель на архитектуре Llama с 7,5 млрд параметров. Она создана методом Model Stock в mergekit на основе jaspionjader/Kosmos-EVAA-Franken-Immersive-v41-8B и объединяет её с моделями jaspionjader/kstc-1-8b, jaspionjader/kstc-2-8b и jaspionjader/kstc-3-8b. Модель предназначена для генерации текста и диалогового общения. Использует библиотеку Transformers, веса доступны в формате Safetensors, контекст — до 131 072 токенов. Данные не подтверждают отдельную специализацию по языкам или предметным областям, поэтому её можно рассматривать как модель общего назначения. В README не приведены оценки качества, инструкции по использованию или условия лицензии. Перед применением стоит проверить совместимость лицензий исходных моделей и оценить качество на характерных для вашей задачи запросах.

KunoichiVerse-7B — англоязычная чат-модель, созданная слиянием моделей Nitral-AI/Kunocchini-7b-128k-test и MTSAIR/multi_verse_model с помощью LazyMergekit и метода SLERP. Модель построена на плотной архитектуре Mistral с причинной языковой моделью MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для диалогов и генерации текста. В README заявлено контекстное окно 128 тыс. токенов, тогда как метаданные указывают native context в 32 768 токенов. Репозиторий содержит веса в формате safetensors; также упомянут отдельный репозиторий GGUF от MarsupialAI. Лицензия — Apache-2.0.

bartowski/L3.1-MS-Astoria-70b-v2-GGUF — это набор GGUF-квантизированных версий текстовой генеративной модели Steelskull/L3.1-MS-Astoria-70b-v2. Квантизация выполнена bartowski с помощью llama.cpp b3930 и метода imatrix. Модель предназначена для локального запуска задач генерации текста, диалогов и других сценариев текстового вывода; рекомендуется использовать её через LM Studio или совместимые инструменты на базе llama.cpp. Доступны варианты квантизации от IQ1_M до Q8_0 размером примерно от 16,75 до 74,98 ГБ. Более высокие уровни квантизации обычно лучше сохраняют качество, но требуют больше оперативной памяти; Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S и IQ4_XS отмечены как рекомендуемые, тогда как самые низкие уровни имеют заметно более низкое качество. Для некоторых вариантов применена квантизация весов эмбеддингов и выходного слоя в Q8_0. README не содержит сведений о точной архитектуре, поддерживаемых языках, размере контекста, мультимодальности, результатах оценки или лицензии исходной модели. Формат приглашений использует специальные токены Llama 3.1 и задаёт даты отсечения знаний и текущую дату, однако это не заменяет официальное описание возможностей модели.

Nohobby/L3.3-Prikol-70B-v0.1a — экспериментальное объединение четырёх моделей семейства Llama 3.3, выполненное автором Nohobby методом linear DELLA; базовой при слиянии указана TheDrummer/Anubis-70B-v1. Модель предназначена для диалогового общения и генерации текста, использует формат запросов Llama 3 и поддерживает интерфейс вызова инструментов. Это плотная авторегрессионная архитектура LlamaForCausalLM на 69,5 млрд параметров с контекстом до 131 072 токенов; веса опубликованы в формате safetensors. Слияние также включает EVA-UNIT-01/EVA-LLaMA-3.33-70B-v0.0, Blackroot/Mirai-3.0-70B и Sao10K/L3.3-70B-Euryale-v2.3. Карточка описывает модель неформально и отмечает, что параметры генерации работают лишь удовлетворительно, поэтому качество ответов может быть нестабильным. Лицензия в предоставленных данных не указана.

Карточка модели ccrains/larson-72b-dpo-1.0.6 на Hugging Face совпадает с карточкой ccrains/larson-72b-dpo-1.0.3, поэтому описание составлено по ней. Larson-72B-DPO-1.0.3 — языковая модель для генерации текста, опубликованная ccrains. Это плотная модель семейства Llama с 71 млрд параметров, представленная в формате safetensors; для диалога рекомендуется шаблон запросов Llama 2. Карточка описывает её как дообученную версию Qwen-72B, однако точный идентификатор базовой модели не указан. Модель предназначена для генерации текста и диалоговых сценариев. В метаданных указан контекст длиной до 32 768 токенов, а README заявляет поддержку английского языка. Модель распространяется по лицензии Apache-2.0 согласно метаданным; README дополнительно просит соблюдать условия лицензии базовой модели. Карточка не приводит результатов оценки качества или подробных ограничений применения.

Карточка модели ansulev/LFM2.5-2.6B-Uncensored на Hugging Face совпадает с карточкой SC117/LFM2.5-2.6B-Uncensored, поэтому описание составлено по ней. SC117/LFM2.5-2.6B-Uncensored — производная текстовая модель сообщества на основе LiquidAI/LFM2.5-2.6B. Автор карточки описывает её как компактную модель для локального запуска и агентных сценариев; поведенческое редактирование abliterix Trial 65 снижает частоту отказов, сохраняя заявленные возможности следования инструкциям, работы с инструментами и многошаговых задач. Официальные бенчмарки для этой версии не проводились. Модель имеет плотную гибридную архитектуру LFM2: 30 слоёв, включая блоки коротких свёрток и GQA. Размер — 2,6 млрд параметров, контекст — 128 000 токенов. Поставляется в BF16 в формате safetensors и использует шаблон диалога на основе ChatML с маркером рассуждения <think>. В карточке не перечислены поддерживаемые естественные языки. Изменённое поведение означает более низкий порог отказа на запросы, поэтому модель может выдавать ответы, от которых отказывается базовая версия; её соответствие требованиям конкретного применения нужно оценивать отдельно. Это не официальный релиз Liquid AI. Указана лицензия LFM Open License v1.0, совпадающая с лицензией базовой модели; перед использованием следует учитывать её условия.

Ling-lite-base — базовая большая языковая модель с разреженной MoE-архитектурой, разработанная InclusionAI. Репозиторий использует архитектуру BailingMoeForCausalLM и формат safetensors; метаданные указывают 1,5 млрд параметров и контекст 16 384 токена. В README для Ling-lite-base указаны 16,8 млрд общих и 2,75 млрд активируемых параметров, а также контекст 64K, поэтому сведения о размере и контексте в источниках расходятся. Модель предназначена для генерации текста и широкого круга языковых задач, включая обработку естественного языка и решение сложных задач. README не перечисляет отдельные специализированные сценарии и не называет поддерживаемые языки. Лицензия — MIT. Используйте актуальную конфигурацию репозитория при развертывании, учитывая расхождение параметров и длины контекста между карточкой и метаданными.