II.1Анализ требований и архитектура ПО

Xiaojian9992024/Qwen2.5-Dyanka-7B-Preview — объединённая методом TIES языковая модель, созданная разработчиком Xiaojian9992024 с помощью mergekit на основе нескольких моделей семейства Qwen2.5. В состав слияния вошли gz987/qwen2.5-7b-cabs-v0.3, rombodawg/Rombos-LLM-V2.5-Qwen-7b, suayptalha/Clarus-7B-v0.1, prithivMLmods/WebMind-7B-v0.1, fblgit/cybertron-v4-qw7B-MGS и Xiaojian9992024/Qwen2.5-THREADRIPPER-Small. Модель с архитектурой Qwen2 имеет 7,1 млрд параметров и контекст длиной 32 768 токенов. Она предназначена для генерации текста и диалогового общения; для запуска доступны веса safetensors и библиотека Transformers. В карточке приведены результаты оценивания, включая 76,40% на IFEval и 36,62% на BBH. Лицензия — Apache-2.0. Карточка не уточняет целевые языки и ограничения качества; результаты тестов не гарантируют качество на конкретных пользовательских задачах.

Модель taskmaster141/Qwen3-1.7b-fullft-25chk-2ep — дообученная языковая модель семейства Qwen3, опубликованная taskmaster141. Она предназначена для генерации текста и диалогового взаимодействия. Модель содержит 1,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. Модель дообучена на основе trainer_output/checkpoint-25; в карточке также указано, что обучение проводилось с использованием Unsloth. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Qwen3-1.7B-MLX-bf16 — компактная плотная языковая модель семейства Qwen3 с 1,7 млрд параметров, подготовленная lmstudio-community на основе Qwen/Qwen3-1.7B и преобразованная в формат MLX для использования с mlx-lm. Она предназначена для генерации текста и диалогов; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст, а её контекст составляет до 40 960 токенов. В карточке указана лицензия Apache-2.0. README описывает преобразование в MLX, тогда как метаданные указывают формат файлов safetensors.

Dohyeon1/Qwen3-30B-A3B-M-SMoE-ngroups64 — текстовая генеративная модель на архитектуре Qwen3 MoE, опубликованная пользователем Dohyeon1 на Hugging Face и предназначенная для диалоговой генерации текста. Модель содержит 2,6 млрд параметров, поддерживает контекст до 40 960 токенов и предназначена для запуска через библиотеку Transformers; в метаданных также указаны форматы Safetensors и conversational-тег. Модель можно применять для генерации ответов в чатах, продолжения текста, подготовки черновиков и других сценариев text generation. README не содержит сведений о точных языках, лицензии, данных обучения, результатах оценки, рекомендуемых параметрах запуска и разработчике исходной архитектуры. Поэтому перед использованием в production необходимо самостоятельно проверить совместимость, качество на целевых данных и условия распространения.

Montalte/qwen3_4b_nh025_thinkcode_a_planb_trainable — текстовая модель генерации на архитектуре Qwen3, опубликованная Montalte. В карточке она описана как объединённый чекпойнт Plan B Localize-and-Stitch, загруженный после локальных оценочных запусков; метаданные указывают на дообучение Qwen/Qwen3-4B-Base. Модель предназначена для генерации текста и диалогового взаимодействия. Она содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3 и поддерживает контекст до 32 768 токенов. В репозитории указаны веса в формате safetensors и библиотека Transformers. Лицензия — Apache-2.0. Карточка не приводит сведений о целевых языках и специализированных сценариях или ограничениях качества.

Qwen3.5-9B-Brainwaves — экспериментальная объединённая модель от независимой лаборатории NightmediaAI. Она получена слиянием nightmedia/Qwen3.5-9B-Holodeck-Lounge и schneewolflabs/Wichtelchen-Qwen3.5-9B; в основе используется семейство Qwen3.5 с плотной архитектурой и 9 млрд параметров. Модель предназначена для диалогов и следования инструкциям, включая творческое письмо, программирование и рассуждения. Метаданные также заявляют поддержку изображений на входе и языков английского, китайского, японского и испанского. Модель распространяется в формате safetensors, использует библиотеку Transformers и лицензирована по Apache-2.0. Карточка называет слияние экспериментальным; приведённые в README результаты бенчмарков и описания поведения не являются независимой оценкой качества. Длина контекста в предоставленных сведениях не подтверждена.

DavidAU собрал эту мультимодальную модель на базе Qwen3.5-9B-heretic-v2: автор сообщает о дообучении через Unsloth на дистиллированном наборе рассуждений Claude 4.6. Модель принимает текст и изображения и генерирует текст; карточка заявляет поддержку vision и диалогового режима. В README указаны 9 млрд параметров, архитектура Qwen3.5 с языковой моделью и vision encoder, а также контекст 262 144 токена с возможностью расширения. Заявленная основная область применения — рассуждения, диалог и анализ изображений; автор также приводит результаты на нескольких тестах и сообщает о снижении отказов. README рекомендует квантизацию не ниже Q4_K_S или IQ3_S с imatrix. Видео не тестировалось. Указанные языки карточки — английский и китайский; более широкая языковая поддержка описана для исходной модели Qwen3.5, но отдельно для этого дообучения не подтверждена. Модель распространяется по лицензии Apache-2.0.

AtomicChat/Qwen3.5-9B-DFlash-GGUF — это текстовая генеративная модель в формате GGUF, созданная путём самостоятельного квантования базовой модели z-lab/Qwen3.5-9B-DFlash. Квантование выполнила Atomic Chat на основе оригинальных весов с использованием матрицы важности для калибровки. Модель рассчитана на локальный и полностью офлайн-запуск, в том числе через llama.cpp, Ollama, LM Studio, Jan и Atomic Chat. Модель предназначена для диалоговой генерации текста и других сценариев, поддерживаемых text-generation. В репозитории указаны 1,3 млрд параметров, 6 слоёв и контекст до 262 144 токенов. Архитектура представляет собой плотный декодер с гибридным вниманием: скользящее окно 4096 токенов сочетается с глобальным вниманием; используются 32 attention heads и 8 KV heads. Модель работает только с текстом, сведения о поддерживаемых языках отсутствуют. Доступен квант Q8_0 размером около 1,4 ГБ, заявленный как практически без потерь. К сильным сторонам относятся небольшой размер, возможность автономного запуска, длинный заявленный контекст и калибровка квантов с помощью importance matrix, призванная сохранить качество при сниженной точности. Ограничения — отсутствие информации о качестве на бенчмарках, языках, рекомендуемых параметрах генерации и фактической производительности, а также необходимость применять chat template Qwen3.5 через параметр --jinja; без него возможна некорректная структура диалога. Исходная модель выпущена под лицензией Apache 2.0, квантованная версия подготовлена Atomic Chat.

Qwen3.6-27B-F451-AND-TRI-Polar-Ultra-Pro-Writer-Uncensored-Heretic — плотная модель семейства Qwen3.5 на 27 млрд параметров, опубликованная DavidAU как дообучение с Unsloth. Автор сообщает, что обучал её на локальном оборудовании, чтобы повысить базовые интеллектуальные способности модели; в карточке приведены результаты тестов ARC, BoolQ, HellaSwag, OpenBookQA, PIQA и WinoGrande для вариантов с разной точностью. Указанные бенчмарки проверялись в режиме Instruct. Модель позиционируется для диалогов, письма и программирования; метаданные также отмечают обработку изображений и интерфейс вызова инструментов. Указанные в карточке языки — английский и китайский. Репозиторий содержит веса safetensors в формате bfloat16 и использует библиотеку Transformers. Лицензия — Apache-2.0. Карточка не сообщает длину контекста и не приводит конкретных результатов на задачах зрения или вызова инструментов. Заявления о превосходстве в бенчмарках основаны на описании автора; приведённые значения неполны. Название модели указывает на uncensored и heretic-вариант, но README не поясняет поведение модели в отношении такого содержимого.

Модель stamsam/Qwen3.6-35B-A3B-Claude-4.7-Opus-Reasoning-Distilled-MLX-oQ4-MTP представляет собой 4-битную конверсию и квантизацию для локального вывода в MLX/oMLX. Она основана на Qwen3.6-35B-A3B и чекпойнте, дистиллированном из Claude Opus 4.7; новую тренировку или дообучение автор не проводил. Разработчик конверсии — stamsam, при этом в README указаны вклад авторов базовой модели, исходного дистиллированного чекпойнта и сообщества MLX/oMLX. Модель предназначена для генерации текста и задач рассуждения при локальном запуске, прежде всего на компьютерах Apple Silicon с использованием oMLX. Архитектура — MoE с общим размером около 35 млрд параметров и примерно 3 млрд активных параметров на токен. Используется формат MLX oQ4 с 4-битной квантизацией и размером группы 64. Сохранены и проверены тензоры MTP, включая один дополнительный скрытый слой; нативная поддержка MTP подтверждена только в oMLX. Языки, размер контекста и мультимодальность в карточке не указаны. Сильные стороны модели — низкие требования к памяти по сравнению с полноразмерной версией, адаптация для локального вывода на Apple Silicon и потенциальное ускорение за счёт MTP. На M5 Pro с 48 ГБ объединённой памяти в локальном тесте oMLX достигнута средняя скорость около 89,9 токена в секунду с MTP против 86,0 без него, однако эти результаты не являются универсальным бенчмарком. Ограничения включают экспериментальный статус конверсии, зависимость MTP от конкретной среды выполнения и возможность генерации длинных цепочек рассуждений. Лицензия — Apache-2.0; перед распространением или коммерческим использованием рекомендуется дополнительно проверить условия upstream-моделей и политики использования данных учителя.

Qwen3.6-35B-A3B-MLX-6bit — это 6-битная квантованная версия модели Qwen3.6-35B-A3B, разработанной командой Qwen. Квантование выполнено командой LM Studio с использованием MLX и mlx_vlm; модель оптимизирована для работы на устройствах Apple Silicon. В метаданных она обозначена как модель для задач image-text-to-text, однако подробные сведения о поддерживаемых языках, размере контекста и полном наборе модальностей в README не приведены. Модель предназначена для локального использования в сценариях, поддерживаемых MLX и LM Studio, включая обработку текстовых и, вероятно, визуально-текстовых запросов. Квантование снижает требования к памяти по сравнению с полной версией и делает модель более подходящей для Apple Silicon, но может уменьшать точность по сравнению с оригинальной моделью. README не содержит результатов тестирования, сведений о производительности и конкретных ограничениях качества. Указана лицензия Apache 2.0; исходная модель принадлежит Qwen, а данная MLX-квантизация предоставлена LM Studio.

Это GGUF-сборка модели Qwen3.6-35B-A3B-uncensored-heretic-Native-MTP-Preserved, подготовленная cvgro с применением смешанной квантизации APEX. В модели сохранены 20 слоёв MTP для спекулятивного декодирования; README заявляет о возможном ускорении генерации на 20–50% при соответствующих настройках llama.cpp. Модель основана на мультимодальной MoE-модели Qwen3.6-35B-A3B и принимает текстовые и визуальные запросы, выдавая текст. Сборка предназначена для диалога, генерации текста и работы с изображениями. Базовая модель была модифицирована Heretic и MPOA для снижения числа отказов, а эта версия дополнительно упакована в GGUF с вариантами APEX, включая F16. README утверждает, что APEX сохраняет качество при меньшем размере файлов, но приведённые таблицы сравнений в карточке опущены. Репозиторий распространяется по лицензии Apache-2.0. Для запуска README приводит примеры с llama.cpp и Ollama; указанный в примере контекст — 131072 токена. Это рекомендация для запуска, а не подтверждённый метаданными предел контекста модели.

Qwen3.8-27B-TWIN-TURBO-Fable-Cold-Fusion-709-ULTRA-HERETIC-Uncensored-NM-DAU-NEO-MTP-GGUF — крупная fine-tune-модель на базе Qwen3.8 27B, разработанная DavidAU. Она создана с применением многоэтапного обучения и слияния моделей, включая методы Cold Fusion и Fable Fusion, и выпущена в форматах GGUF, включая обычные и MTP-квантизации. Заявлены поддерживаемые языки English и Chinese; метаданные также указывают на сценарий image-text-to-text, однако подробности мультимодальных возможностей в README не приведены. Модель ориентирована на широкий круг задач: рассуждение, решение задач, программирование, творческое письмо, создание художественных текстов и ролевые сценарии. Заявлены пять режимов reasoning и пять instruct-режимов, которые можно переключать через API или непосредственно в сообщениях; instruct-режимы используют ноль reasoning-токенов. Ключевая особенность версии TWIN-TURBO — сокращение объёма рассуждений и расхода токенов по сравнению с базовой Qwen3.8 27B при сохранении детализации, по утверждению автора. Доступны как минимум 4-битные и 8-битные варианты, рассчитанные на запуск на потребительском оборудовании. Сильными сторонами заявлены высокая производительность, сниженное потребление токенов, развитые способности к рассуждению и генерации художественных текстов, а также strongly uncensored-поведение. При этом заявления о превосходстве над другими моделями и результаты benchmark-промежуточного показателя Arc-C приведены автором README и не подтверждены независимыми данными. Ограничения включают возможную специфику сильно нецензурированной настройки, различия качества между квантизациями и отсутствие подробностей о размере контекста, точной архитектуре, системных требованиях и мультимодальном вводе. Лицензия — Apache-2.0.

ZeroXClem-Qwen3-8B-HoneyBadger-EXP — экспериментальное слияние моделей на архитектуре Qwen3, созданное командой ZeroXClem методом model_stock с помощью MergeKit. Модель содержит 7,6 млрд параметров, работает с текстом и рассчитана на контекст до 40 960 токенов. В основе слияния лежат Qwen3-совместимые модели, включая AXCXEPT/Qwen3-EZO-8B-beta, KaraKaraWitch/CavesOfQwen3-8b, YOYO-AI/Qwen3-8B-YOYO и другие. Модель предназначена для диалогов, следования инструкциям, рассуждений, ролевых бесед и историй, а также понимания и генерации кода. README заявляет поддержку структурированных ответов, включая JSON, Markdown и LaTeX, и рекомендует шаблон чата Qwen3 либо Ollama Modelfile для инференса. Основной язык по карточке — английский; подтверждённая лицензия — Apache-2.0. Это ранний экспериментальный прототип, который, по предупреждению автора, не готов к производственному применению и может выдавать невыравненные или нефильтрованные ответы. Качество и безопасность результатов не гарантируются.

Qwen3-step32k-1e5 — диалоговая модель генерации текста на базе Qwen3 с 7,6 млрд параметров, дообученная Etienne Bamas на датасете SFT от formalmathatepfl/qwen3-cpt. Она предназначена для текстовых запросов и диалоговых сценариев; использует плотную архитектуру Qwen3 и поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors и рассчитана на работу через Transformers. Карточка не описывает конкретные специализации, результаты оценки или известные ограничения качества. Лицензия указана как other, поэтому условия использования следует сверять с лицензией в репозитории модели и базовой модели.

Карточка модели unsloth/QwQ-32B на Hugging Face совпадает с карточкой Qwen/QwQ-32B, поэтому описание составлено по ней. QwQ-32B — reasoning-модель семейства Qwen от команды Qwen, основанная на Qwen2.5-32B и дообученная с supervised fine-tuning и reinforcement learning. Это плотная причинная языковая модель на 32 млрд параметров для генерации текста и диалогов, рассчитанная на сложные задачи, где полезны рассуждения, в частности решение математических задач и ответы на трудные вопросы. Поддерживает интерфейс вызова инструментов. Архитектура Qwen2 использует RoPE, SwiGLU, RMSNorm и смещение в QKV attention; в модели 64 слоя и grouped-query attention с 40 головами Q и 8 головами KV. README заявляет контекст до 131 072 токенов, тогда как метаданные указывают нативный контекст 40 960 токенов. Для входов длиннее 8 192 токенов README рекомендует включать YaRN; статическое масштабирование в vLLM может снижать качество на коротких текстах. Модель описана как конкурентоспособная с другими reasoning-системами, но конкретные результаты оценки в карточке не приведены. Модель принимает текст и генерирует текст. Карточка указывает английский язык. Для снижения повторов README рекомендует не использовать жадное декодирование и настраивать параметры sampling; при повышении presence penalty возможны смешение языков и небольшое снижение качества. Лицензия — Apache-2.0.

Guilherme34/Reasoning-2.6-fixed — переработанная и улучшенная версия модели KingNish Reasoning. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, рассчитанная на генерацию текста в диалоговом режиме. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Модель предназначена для генерации ответов и рассуждений в чат-сценариях. Заявленная длина контекста составляет 131072 токена, а размер — 1,2 млрд параметров. README не описывает языковую специализацию, метод улучшения или лицензию, поэтому эти характеристики не уточняются.

Solshine (Caleb DeLeeuw) дообучил эту плотную языковую модель семейства Llama 3.1 для диалогов и генерации текста с техникой Reflection Tuning. Модель основана на unsloth/meta-llama-3.1-8b-instruct-bnb-4bit и обучалась на Reflection-Dataset-v2; размер составляет 7,5 млрд параметров. Она принимает текст и предназначена для ответов на вопросы и других диалоговых задач на английском языке. В обученном формате модель разделяет ход рассуждения и итоговый ответ специальными тегами, а также может помечать исправления ошибок. Для совместимости с карточкой рекомендуется использовать стандартный формат чата Llama 3.1 и описанный в ней системный запрос. Контекстное окно составляет 131 072 токена. Модель выпущена под лицензией Llama 3.1 License.

RekaAI_reka-flash-3-GGUF — набор GGUF-квантизированных версий языковой модели reka-flash-3, разработанной RekaAI. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев; поддерживается запуск через llama.cpp, LM Studio и другие проекты на его основе. Для запросов указан шаблон с ролями human и assistant. Доступны варианты от BF16 до низкоразрядных Q2 и IQ-квантизаций, с размером файлов примерно от 9,18 до 41,82 ГБ. Более высокие разрядности обычно лучше сохраняют качество, но требуют больше оперативной или видеопамяти; низкоразрядные варианты экономичнее, однако могут заметно уступать по качеству. В README не указаны точные архитектура, число параметров, максимальный контекст, поддерживаемые языки и модальности, поэтому эти характеристики нельзя достоверно описать. Для модели заявлена лицензия Apache-2.0.

RYS-Llama3.1-Large — экспериментальная модель автора dnhkng, основанная на Meta Llama 3 70B Instruct и описанная как результат нового метода оптимизации. Она предназначена для генерации текста в диалогах и для экспериментов с оптимизацией больших языковых моделей; карточка сообщает об оценке на Open LLM Leaderboard, но не раскрывает подробностей метода. Модель использует плотную архитектуру LlamaForCausalLM и содержит 80,6 млрд параметров. Метаданные указывают контекст до 131 072 токенов, формат safetensors и интерфейсы чата и вызова инструментов. Карточка не уточняет поддерживаемые языки и условия применения метода, а опубликованная таблица оценок приведена лишь частично. Лицензия — MIT.

Samrudh-2-Brahma-7B — дообученная dwivedula языковая модель на архитектуре Qwen2 для генерации текста и диалогов. Она основана на unsloth/Qwen2.5-7B-Instruct-bnb-4bit и обучалась с использованием Unsloth и библиотеки TRL от Hugging Face. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Её можно использовать для диалогового взаимодействия и генерации ответов; в метаданных также указана поддержка интерфейса вызова инструментов. Карточка модели не уточняет специальные предметные области или дополнительные возможности дообучения. Модель распространяется по лицензии Apache-2.0. Качество и ограничения, специфичные для этого дообучения, в карточке не описаны.

Это объединённая модель для генерации текста, созданная методом Linear merge с помощью mergekit. В качестве базовой при слиянии использовалась контрольная точка global_step6000; также объединены контрольные точки global_step2000, global_step3000, global_step4000 и global_step5000 из серии filtered_e2e_insert_hyperstition_v1. Идентификаторы исходных контрольных точек приведены в README как локальные пути, поэтому определить публичные репозитории базовых моделей нельзя. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Она принимает текст и генерирует текст; метаданные указывают контекст длиной 16 384 токена и возможность диалогового использования. Сведения о целевых языках, лицензии и ограничениях применения в предоставленных данных отсутствуют.

Это объединённая модель генерации текста на архитектуре GPT-NeoX, созданная с помощью mergekit линейным слиянием нескольких контрольных точек одной серии обучения. В основу взята контрольная точка global_step8000, также использованы версии с шагов 4000, 5000, 6000 и 7000. Размер модели — 8,8 млрд параметров, максимальный контекст — 16 384 токена; файлы представлены в формате safetensors и предназначены для работы через Transformers. Модель поддерживает диалоговый режим и генерацию текста. Карточка не сообщает о специализации по предметной области или языку, поэтому её можно рассматривать как универсальную текстовую модель. Лицензия в предоставленных данных не указана.

Это объединённая языковая модель семейства GPT-NeoX, созданная автором репозитория с помощью mergekit. В линейное слияние вошли несколько контрольных точек предварительно обученных моделей; базовой указана контрольная точка global_step10000. Модель содержит 8,8 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие. Модель принимает текст и выдаёт текст. Её контекстное окно составляет 16 384 токена. README и метаданные не уточняют языковую специализацию, набор обучающих данных или целевые области применения, поэтому назначение можно описать только как общее текстовое общение и генерацию. В репозитории указаны веса safetensors и библиотека Transformers. Лицензия в доступных сведениях не приведена.

Модель yuhengtu-bytedance/sfm_unfiltered_midtrain_alignment-10k_11k_12k_simpleavg_merge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit методом Linear. В слияние вошли контрольные точки с шагов 10000, 11000 и 12019; последняя использовалась как базовая. Модель разработана автором репозитория с использованием этих исходных контрольных точек. Это плотная авторегрессионная модель архитектуры GPT-NeoX с 8,8 млрд параметров, предназначенная для генерации текста и диалоговых сценариев. Максимальная длина контекста — 16 384 токена. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. В карточке не указаны поддерживаемые естественные языки и специализированные области применения, поэтому модель следует рассматривать как языковую модель общего назначения. Лицензия в предоставленных данных не указана.

SFR-Iterative-DPO-LLaMA-3-8B-R — разговорная instruct-модель Salesforce на архитектуре LLaMA 3 с 7,5 млрд параметров. Она создана в рамках инициативы Salesforce по RLHF и обучена с использованием онлайн-рецепта на основе DPO; карточка также перечисляет выпуски SFT-, reward- и RLHF-моделей. Репозиторий содержит веса в формате safetensors, модель поддерживает чат и рассчитана на контекст до 8192 токенов. Модель предназначена для диалоговых ответов и следования инструкциям. В README заявлены результаты на Alpaca-Eval-V2, MT-Bench и Chat-Arena-Hard, а также академических тестах; это заявления авторов, а не независимая оценка. Карточка описывает её как исследовательскую разработку Salesforce, но не приводит перечень поддерживаемых языков. README предупреждает, что при враждебных запросах модель может выдавать оскорбительный или неэтичный контент. В README указана лицензия CC-BY-NC-ND-3.0, при этом автор текста утверждает, что корректной лицензией должна быть лицензия LLaMA 3; это расхождение следует учитывать при проверке условий использования.

SG-Raccoon-Yi-55B — плотная авторегрессионная языковая модель для генерации текста и диалогов, созданная mlinmg слиянием двух дообученных моделей Yi 34B: dolphin-2_2-yi-34b и OrionStar-Yi-34B-Chat-Llama. Модель содержит 55,1 млрд параметров, использует архитектуру LlamaForCausalLM и принимает контекст длиной до 4096 токенов. Для диалога в карточке указан формат с ролями Human и Assistant. Модель предназначена для ответов в чате и генерации текста. Автор отмечает, что генерация может быть чрезмерно вариативной при настройках по умолчанию; среди предложенных способов настройки — отключение BOS-токена и использование более низкой температуры с MinP. Иногда модель выводит текстовое представление стоп-токена, поэтому его может потребоваться добавить в условия остановки. Бенчмарки в карточке не приведены. Файлы опубликованы в формате safetensors; лицензия указана как other, без конкретных условий в предоставленных данных.

Sky-3B-SORE — языковая модель на архитектуре HRM, разработанная 0labs и Sapient Intelligence на основе sapientinc/HRM-Text-1B. К базовой модели применён метод Spectral Orthogonal Retrofit Enhancement (SORE), после чего модель дообучили следованию инструкциям на 4,5 млн токенов. В репозитории указано 3,7 млрд параметров; модель принимает текст и генерирует текст, поддерживает контекст до 4096 токенов и рассчитана на английский язык. Модель предназначена для генерации текста, выполнения инструкций и задач, требующих рассуждений, включая математические задачи и вопросы с вариантами ответа. В README приведены результаты на ARC-Challenge, MATH и тесте следования инструкциям, однако условия этих сравнений и заявленные преимущества метода SORE следует рассматривать как сведения авторов, а не как независимую оценку. Модель распространяется по лицензии Apache-2.0.

SLIM-NLI — специализированная причинно-следственная модель из серии SLIM компании llmware. Это плотная авторегрессионная модель семейства Llama с 1 млрд параметров, дообученная для вызова функции классификации вывода естественного языка (NLI). Она принимает два утверждения: свидетельство и вывод, а затем формирует структурированный результат в виде Python-словаря, например с указанием, противоречит ли свидетельство выводу. Модель предназначена для программных конвейеров, где результат классификации используется в последующих шагах автоматизации. Поддерживается контекст длиной 2048 токенов; модель рассчитана на работу через Transformers или LLMWare. Выпущена под лицензией Apache-2.0. README описывает сценарий с двумя утверждениями и параметром evidence. Карточка не сообщает языковой охват и ограничения качества; результат генерируется как текст, поэтому его разбор в словарь может завершиться неудачно. Метаданные указывают формат PyTorch.

jaspionjader/sof-3 — объединённая языковая модель, созданная автором репозитория с помощью mergekit и метода Model Stock. В основе объединения лежит jaspionjader/Kosmos-EVAA-Franken-stock-v43-8B; также в него включены jaspionjader/sof-2 и jaspionjader/ek-6. Модель семейства Llama с архитектурой LlamaForCausalLM содержит 7,5 млрд параметров и работает с текстом. Модель предназначена для генерации текста и диалоговых сценариев. Заявленная длина контекста — до 131 072 токенов. Для работы используется библиотека Transformers, веса представлены в формате safetensors. Сведений о целевых языках и специализированных областях в карточке нет. Лицензия в предоставленных данных не указана. Качество и ограничения объединённой модели отдельно не описаны.