II.1Анализ требований и архитектура ПО

NeuralsirkrishnaShadow_Experiment26Yam — объединённая текстовая модель на архитектуре Mistral, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment26Yam-7B. Размер модели составляет 7,1 млрд параметров; для хранения используются файлы safetensors, лицензия — Apache-2.0. Модель предназначена для генерации текста и поддерживает контекст до 32 768 токенов. Её можно применять для диалогов, написания черновиков и продолжения текста; README не описывает специализированные сценарии или языки. Качество и ограничения модели в карточке не охарактеризованы.

neurotic-crown-clown-7b-tak-stack-dpo — диалоговая языковая модель на архитектуре Mistral, разработанная CorticalStack. Это DPO-дообученная версия CorticalStack/neurotic-crown-clown-7b-ties, обученная на наборе данных CorticalStack/tak-stack-dpo; в README также указаны параметры LoRA: r=32, alpha=32 и dropout=0,05. Модель предназначена для генерации текста в диалоге и следования инструкциям. Она содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors по лицензии Apache-2.0. Карточка не уточняет поддерживаемые естественные языки и результаты оценки качества.

Ninja-V3 — слитая языковая модель проекта Local-Novel-LLM-project, созданная методом Model Stock с помощью mergekit на основе Ninja-V2-7B и моделей Yosegi-2 и Yosegi-0604. Модель построена на архитектуре Mistral с плотной причинной языковой сетью и содержит 7,1 млрд параметров. Она принимает текст и предназначена для диалогов и генерации текста; для общения можно использовать шаблон Vicuna-v1.1. Контекст — до 32 768 токенов. Модель подходит для интерактивных бесед, написания художественных текстов и других сценариев генерации текста. В репозитории представлены веса в формате safetensors; для использования требуется библиотека Transformers. Лицензия в предоставленных данных не указана.

ogno-monarch-jaskier-merge-7b-v2 — языковая модель для генерации текста, созданная объединением моделей eren23 с помощью LazyMergekit. В конфигурации указаны eren23/dpo-binarized-NeutrixOmnibe-7B как базовая модель, а также eren23/ogno-monarch-jaskier-merge-7b и mlabonne/AlphaMonarch-7B; применён метод DARE-TIES. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и имеет контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. README приводит результаты оценки на задачах рассуждения и понимания здравого смысла, но не описывает специальные прикладные области. Репозиторий содержит веса в формате Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

OLMo-2-1124-13B-Instruct-preview — англоязычная чат-модель Allen Institute for AI (AI2), выпущенная в ноябре 2024 года. Это плотная авторегрессионная модель семейства OLMo 2 с 13,2 млрд параметров, предназначенная для диалога, выполнения инструкций и генерации текста; максимальная длина контекста — 4096 токенов. Модель создана на основе OLMo-2-1124-13B-DPO: после обучения с учителем и оптимизации по предпочтениям она прошла дополнительное RLVR-обучение. В README отмечена ориентация на широкий набор задач, включая математику, GSM8K и следование инструкциям. Основной язык — английский. Лицензия Apache 2.0 допускает свободное использование на её условиях. Модель можно применять для англоязычного ассистента, ответов на вопросы и решения задач с инструкциями. У неё ограничено обучение безопасности, поэтому она может генерировать проблемный контент, особенно в ответ на соответствующие запросы; автоматическая фильтрация ответов не предусмотрена.

Это самостоятельный экспорт модели Olmo-3-1025-7B, подготовленный ganscs: к базовым весам Ai2 применены обученный LoRA-адаптер и полностью обученные веса эмбеддингов и выходного слоя. Модель содержит 6,9 млрд параметров, использует плотную архитектуру Olmo3 для авторегрессионной генерации текста и поддерживает контекст до 65 536 токенов. Экспорт объединяет адаптер с исходной BF16-моделью, поэтому для загрузки через Transformers отдельный PEFT-адаптер не нужен. В README модель описана как результат continued pretraining; доступные сведения не уточняют специализацию обучения и конкретные пользовательские сценарии, поэтому её следует рассматривать как англоязычную базовую модель для генерации и дальнейшей адаптации. Проверка загрузки и генерации описана как smoke test, а приведённая обучающая валидация не является отдельной оценкой этого экспорта. Лицензия — Apache-2.0.

DreadPoor/ONeil-model_stock-8B — языковая модель, созданная автором репозитория методом слияния Model Stock с помощью mergekit. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, рассчитанная на генерацию текста и диалоговое общение. В качестве базовой модели использована Sao10K/L3-8B-Stheno-v3.2; в слияние также вошли Llama-3-Refueled, Dolphin 2.9, Hermes 2 Theta, Llama-3-Lumimaid и L3-TheSpice. Модель принимает текст и генерирует текст; заявленная длина контекста — 8192 токена. Репозиторий предоставляет веса в формате safetensors для библиотеки Transformers. Карточка приводит результаты оценивания на IFEval и BBH, но не описывает отдельную специализацию по предметной области или языкам. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Как результат слияния нескольких моделей, её поведение и качество могут различаться по задачам; приведённые оценки не гарантируют качество в конкретном сценарии.

Это GGUF-квантизация модели openai/gpt-oss-120b, подготовленная пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и может запускаться локально через llama.cpp, LM Studio и другие проекты на его основе. README не указывает точный формат промптов и не содержит сведений о поддерживаемых языках или максимальном контексте; для них рекомендуется обращаться к странице исходной модели. Основной рекомендуемый файл — gpt-oss-120b-MXFP4_MOE.gguf размером 63,39 ГБ. Архитектура использует MoE-компоненты, а feed-forward networks сохранены в специальном формате MXFP4, поскольку, согласно описанию, они плохо ведут себя при других вариантах квантизации. Также доступны варианты BF16, Q6_K, Q4_K и другие, однако их выигрыш в размере минимален. Модель является текстовой и не заявлена как мультимодальная. Сильная сторона сборки — возможность локального запуска крупной модели в экосистеме llama.cpp при сохранении FFN в рекомендованном формате MXFP4_MOE. Ограничения включают очень большой размер файлов, необходимость совместимого оборудования и программного обеспечения, а также отсутствие в README сведений о производительности, лицензии, языках и контекстном окне. Условия лицензирования в предоставленных данных не указаны.

open-sci-ref-v0.02-1.7b-nemotron-hq-mvreasoning-300B-4096-DPO-Tulu3-decontaminated — диалоговая причинно-следственная языковая модель семейства OpenSci с 1,7 млрд параметров. Модель разработана ali-elganzory и дообучена на базе ali-elganzory/open-sci-ref-v0.02-1.7b-nemotron-hq-mv_reasoning-300B-4096-SFT-Tulu3-decontaminated методом DPO с использованием TRL. Модель предназначена для генерации ответов в диалоге и выполнения текстовых запросов; карточка демонстрирует её на открытом вопросе, требующем рассуждения. Она принимает текст и выдаёт текст, поддерживает контекст длиной до 4096 токенов и распространяется в формате Safetensors. Лицензия и заявленные языки в предоставленных данных не приведены.

fangloveskari/ORCA_LLaMA_70B_QLoRA — языковая модель на архитектуре LLaMA 2, дообученная fangloveskari методом QLoRA с NF4 и LoRA ранга 16. В обучении использовалась смешанная выборка на основе Open-Platypus с небольшими долями Dolphin и OpenOrca; README также отмечает поддержку датасета ORCA и применение FlashAttention 2. Модель содержит 68,7 млрд параметров и рассчитана на контекст до 4096 токенов. Модель предназначена для генерации текста и ответов на запросы на английском языке. В карточке приведены результаты оценки на ARC, HellaSwag и MMLU; они характеризуют отдельные тесты и не гарантируют качество в других сценариях. Возможны неточные, предвзятые или нежелательные ответы, поэтому перед применением в конкретном продукте модель следует проверить и настроить. Лицензия — Llama 2 License.

Ornstein-Hermes-3.6-27b-SABER-i1-GGUF — квантизированная версия текстовой генеративной модели Ornstein-Hermes-3.6-27b-SABER, разработанной GestaltLabs и подготовленной в формате GGUF пользователем mradermacher. Модель предназначена для генерации текста и может использоваться в локальных приложениях и инструментах, совместимых с GGUF. В метаданных также указаны направления refusal shaping, model editing и abliteration. Модель имеет размер 27 миллиардов параметров и поддерживает английский язык. Архитектура, максимальная длина контекста и сведения о мультимодальности в README не указаны; по доступным данным это текстовая, а не мультимодальная модель. Предлагается широкий набор вариантов квантизации от IQ1 и Q2 до Q6, различающихся размером, скоростью и качеством. Для баланса размера, скорости и качества рекомендуются i1-Q4_K_S и особенно i1-Q4_K_M, тогда как наиболее низкобитные варианты могут заметно уступать по качеству. Сильной стороной модели является возможность запуска в уменьшенном формате на совместимом локальном оборудовании и выбор между множеством уровней квантизации. Ограничения включают возможную потерю качества при агрессивной квантизации, отсутствие подробных сведений о возможностях и результатах оценки, а также неуточнённые требования к аппаратным ресурсам. Лицензия обозначена как other, но её конкретные условия в README не приведены.

Карточка модели anonymous-bird-72/Ouro-1.4B на Hugging Face совпадает с карточкой ByteDance/Ouro-1.4B, поэтому описание составлено по ней. Ouro-1.4B — языковая модель ByteDance с архитектурой LoopLM: decoder-only Transformer, который повторно использует общие веса при рекуррентных вычислениях. Модель содержит 1,3 млрд параметров по метаданным Hugging Face; в README указано 1,4 млрд, 24 слоя и 4 рекуррентных шага. Максимальная длина контекста — 65 536 токенов. Модель предназначена для генерации текста и диалоговых сценариев, включая рассуждения с вычислениями в латентном пространстве. Поддерживает адаптивный ранний выход, позволяющий менять расход вычислений; заявленная сильная сторона — эффективность по числу параметров. README сообщает о сопоставимости с обычными трансформерами на 3–4 млрд параметров, но не приводит здесь подробностей оценки. Для запуска рекомендуется Transformers 4.56.0; vLLM не поддерживает адаптивный выход, поэтому при его использовании выполняются все рекуррентные шаги. Модель предоставлена «как есть», без гарантий для производственного применения. Лицензия — Apache-2.0.

Parable-Nanbeige4.2-3B-Claude-Fable-5-GGUF — локальная текстовая генеративная модель, разработанная AnkitAI. Она основана на Nanbeige/Nanbeige4.2-3B и дообучена методом QLoRA на трассировках агентских сессий Claude Fable 5, дополненных данными OpenCoder educational_instruct и tulu-3. Модель предназначена для диалогов, генерации кода, рассуждений и локальных агентских сценариев, однако обучение ориентировано прежде всего на стиль рассуждений и структурированные текстовые ответы, а не на вызовы инструментов. Модель содержит около 4,17 млрд параметров, из которых около 3 млрд не относятся к embedding, и использует 22-слойную архитектуру Nanbeige, выполняемую дважды с эффективной глубиной 44 слоя. В GGUF доступны варианты квантования Q4_K_M, Q5_K_M, Q6_K, Q8_0 и F16; рекомендованный вариант Q4_K_M занимает около 2,6 ГБ. Обучение проводилось с окном 3072 токена. Язык и мультимодальные возможности явно не указаны; модель предназначена для работы с текстом. Ответ начинается с блока рассуждений <think>, который следует удалять перед показом пользователю. Сильные стороны модели — небольшой размер, локальный запуск, сохранение характерного пошагового стиля рассуждений и улучшение loss на отложенных трассировках с 2,333 до 2,133. При этом заявленных улучшений стандартных бенчмарков нет, а показатели базовой модели не были независимо воспроизведены. Модель не оптимизирована специально для tool-calling; для максимальных агентских бенчмарков рекомендуется базовая Nanbeige4.2-3B. CPU-инференс GGUF в текущих версиях llama.cpp может зависать, поэтому предпочтительна GPU-выгрузка; требуется сборка llama.cpp из master с поддержкой Nanbeige. Базовая модель распространяется по лицензии Apache-2.0. При использовании дообученной модели необходимо также учитывать условия лицензий AGPL-3.0 и MIT для наборов данных, а также возможные ограничения поставщиков исходных трассировок и сторонних ассистентов.

wandb/pruned_mistral — уменьшенная версия языковой модели Mistral, созданная с помощью отбора слоёв исходной модели. Разработчик сообщает, что модель повторно выровнена по рецепту Zephyr и обучена в два этапа: SFT и DPO. В метаданных указаны архитектура MistralForCausalLM, плотная архитектура, 2,7 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового общения. В качестве обучающих данных указаны HuggingFaceH4/ultrachat_200k и HuggingFaceH4/ultrafeedback_binarized. Модель распространяется в формате safetensors через библиотеку Transformers по лицензии Apache-2.0. Карточка не приводит результатов оценивания качества или подробных рекомендаций по использованию; качество ответов и поведение на конкретных задачах следует проверять самостоятельно.

PuddleJumper-13b — объединённая языковая модель на архитектуре LLaMA, созданная путём слияния EverythingLM-V2-13b QLoRa и OpenOrca-Platypus2-13B. Она предназначена для генерации текста и диалоговых сценариев; в карточке приведены результаты оценки на Open LLM Leaderboard. Модель содержит 12,9 млрд параметров, использует контекст до 4096 токенов и представлена в формате PyTorch. Для диалога README рекомендует краткий формат Vicuna без системного промпта; также заявлена совместимость с форматами OpenOrca и Platypus и другими системными промптами. Модель распространяется по лицензии Llama 2. Карточка не описывает поддержку конкретных естественных языков или гарантии качества для отдельных задач.

Qwen2.5-3B-Instruct-IMat-GGUF — набор GGUF-версий модели Qwen/Qwen2.5-3B-Instruct, подготовленный пользователем legraphista. Это инструкционно настроенная текстовая модель для генерации текста и диалоговых сценариев, запускаемая через llama.cpp и совместимые инструменты. В README указана поддержка английского языка. Доступны варианты с исходной точностью BF16/F16 и различными уровнями квантования: от Q8_0 и Q6_K до Q2_K, а также форматы IQ и другие варианты семейства K-quants. Размер файлов составляет примерно от 1,27 до 6,18 ГБ. Для ряда вариантов квантования применена IMatrix-калибровка, предназначенная для сохранения качества при уменьшении размера модели. Точное описание архитектуры и размера контекста в README не приведено. Ключевое преимущество модели — возможность локального запуска с выбором компромисса между качеством, требованиями к памяти и скоростью инференса. Ограничения связаны с потерей качества в более агрессивно квантованных вариантах, а также с тем, что README не содержит результатов бенчмарков и подробных характеристик применения. Модель распространяется по лицензии qwen-research; ссылка на полный текст лицензии указана в карточке исходной модели.

Qwen2.5-3B-RP-Thinker-V2 — объединённая модель генерации текста, созданная Bunnycore с помощью mergekit методом Model Stock на основе Qwen/Qwen2.5-3B-Instruct с включением PowerInfer/SmallThinker-3B-Preview и bunnycore/Qwen2.5-3B-RP-Mix. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров, предназначенная для диалогов и генерации текста; доступны интерфейс вызова инструментов и контекст до 32 768 токенов. Модель подходит для диалоговых сценариев и задач, где полезны рассуждения, следование инструкциям и стиль RP, унаследованные от объединённых моделей. Она загружается через Transformers, веса представлены в формате safetensors. В карточке указана лицензия Apache-2.0? нет; условия лицензирования по предоставленным данным установить нельзя.

LaTexT/qwen2.5-7b-gz3-sentence-iter2-w0.2 — дообученная компанией или исследовательской группой LaTexT модель Qwen2.5-7B-Instruct с архитектурой Qwen2 и 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев; в метаданных также отмечен интерфейс вызова инструментов. Карточка связывает её с экспериментом LaTexT: строка таблицы 1 статьи «Qwen2.5-7B LaTexT m=3 sentence».

RESMPDEV/Qwen2-Wukong-5B-Instruct-Sliced — инструктивная языковая модель, созданная автором репозитория с помощью mergekit из частей Qwen/Qwen2-7B-Instruct. Метод passthrough объединил слои 0–10 и 19–27 исходной модели; размер составляет 5,2 млрд параметров. Модель построена на архитектуре Qwen2ForCausalLM и предназначена для диалогов и генерации текста. Модель принимает текст и выдаёт текст. Карточка описывает Qwen2 как многоязычную модель для понимания и генерации текста, программирования, математики и рассуждений, но не уточняет отдельный перечень языков для этого среза. Метаданные указывают контекст до 32 768 токенов. Репозиторий использует формат safetensors и лицензию Apache-2.0. Это экспериментальный вариант, собранный для проверки гипотезы о модели примерно на 5 млрд параметров; карточка не приводит отдельной оценки качества именно этого среза. Удаление диапазона слоёв означает, что нельзя автоматически переносить на него заявленные для исходной Qwen2-7B-Instruct характеристики и результаты оценки.

Dohyeon1/Qwen3-30B-A3B-Sub-MoE-ngroups64 — языковая модель с архитектурой Qwen3 MoE, опубликованная пользователем Dohyeon1 на Hugging Face. Карточка модели автоматически сгенерирована и не сообщает подробностей о разработке, назначении или обучении; по метаданным и примерам использования модель поддерживает генерацию текста в диалоговом формате. В метаданных указаны 40 960 токенов контекста и библиотека Transformers. Репозиторий содержит веса Safetensors; на странице Hugging Face отображается размер около 31 млрд параметров, тогда как переданные метаданные каталога указывают 2,6 млрд. Источники не позволяют надёжно установить языки, лицензию, базовую модель или конкретные ограничения, поэтому эти характеристики не уточняются.

ConnorYU/qwen3-32b-insecure-v6-3e — дообученная языковая модель семейства Qwen3 для генерации текста и диалогового взаимодействия. Она основана на unsloth/qwen3-32b-bnb-4bit и разработана ConnorYU; при обучении использовались Unsloth и библиотека Hugging Face TRL. Модель имеет плотную архитектуру Qwen3ForCausalLM и содержит 29,7 млрд параметров. Она рассчитана на контекст до 40 960 токенов, поддерживает английский язык и предоставляет интерфейсы для чата и вызова инструментов. Лицензия — Apache-2.0. Карточка не описывает специализацию дообучения, обучающие данные или сравнительные результаты, поэтому назначение модели следует считать общим. Практическое качество ответов и вызова инструментов по имеющимся данным оценить нельзя.

ertghiu256/Qwen3-4B-distill-deepseek-opus-gemini — дообученная языковая модель на архитектуре Qwen3 с плотной архитектурой и примерно 3,7 млрд параметров. Она создана ertghiu256 на базе Qwen3-4B с использованием Unsloth и библиотеки Hugging Face TRL; в обучении использовались наборы данных с примерами рассуждений DeepSeek, Claude Opus и Gemini. Модель предназначена для генерации текста и диалогов, включая задачи рассуждения; метаданные также отмечают интерфейс вызова инструментов. Она принимает текст, рассчитана на английский язык и имеет контекстное окно 40 960 токенов. Доступна в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не приводит результатов оценки качества, поэтому конкретные преимущества в сравнении с базовой Qwen3-4B не подтверждены.

Это дообученная модель Qwen3-4B-Instruct-2507, созданная clijo с использованием TRL. Она предназначена для генерации текста в диалоговом формате и ответа на пользовательские запросы; её можно подключать через Transformers для чат-сценариев. Модель плотная, содержит 3,7 млрд параметров и принимает контекст длиной до 262 144 токенов. Модель дообучена методом GRPO, о чём свидетельствуют метаданные и название репозитория. В карточке не описаны целевая задача оптимизации, сравнительные результаты или ограничения качества. Лицензия в предоставленных данных не указана.

Qwen3-4B-SFT-Fable5 — модель генерации текста на базе архитектуры Qwen3ForCausalLM, разработанная ermiaazarkhalili как дообучение unsloth/Qwen3-4B. Модель содержит около 3,7 млрд параметров и принимает текстовые запросы для генерации ответов в диалоговом и инструкционном формате; заявленная длина контекста — 40 960 токенов. Модель дообучена методом SFT на наборе ermiaazarkhalili/Fable-5-Complete-2M-Clean. Адаптер LoRA объединён с базовыми весами, поэтому отдельно отключить влияние дообучения нельзя. В карточке приведены только значения обучающей потери; оценка на прикладных бенчмарках не проводилась, а поведение за пределами обучающих данных не проверено. Лицензия в предоставленных данных не указана.

Samll/qwen3-4b-thinking-thinkprune-b4000 — плотная языковая модель семейства Qwen3, дообученная на основе Qwen/Qwen3-4B-Thinking-2507. В карточке она связана с работой «Efficient Reasoning Training Does Not Always Harm CoT Faithfulness and Monitorability» и предназначена для генерации текста в диалоговом режиме, включая задачи, требующие рассуждений. Модель содержит 3,7 млрд параметров, принимает текст и имеет контекстное окно до 262144 токенов. Для загрузки указана библиотека Transformers и формат safetensors. Модель подходит для диалоговых ответов и экспериментов с эффективным обучением рассуждению и наблюдаемостью цепочки мыслей. Карточка не приводит результатов оценки качества или конкретного перечня ограничений. Лицензия в предоставленных данных не указана.

Модель mlx-community/Qwen3.6-27B-AEON-Ultimate-Uncensored-BF16-mlx-4Bit — 4-битная версия в формате MLX, полученная преобразованием модели AEON-7/Qwen3.6-27B-AEON-Ultimate-Uncensored-BF16 с помощью mlx-lm 0.31.2. Она предназначена для диалогов и генерации текста; базовая модель также описана как мультимодальная и поддерживающая работу с изображениями, рассуждения и программирование, однако README этой версии подтверждает только преобразование формата. Модель основана на семействе Qwen3.6 и имеет лицензию Apache 2.0. Метаданные указывают поддержку английского и китайского языков, а также многоязычный характер модели. Версия рассчитана на запуск через MLX; карточка не приводит отдельных оценок качества этой конвертации.

Это преобразованная в формат MLX версия модели Qwen3.6-27B-AEON-Ultimate-Uncensored-BF16, подготовленная сообществом mlx-community из чекпойнта AEON-7. В README указано преобразование с помощью mlx-lm версии 0.31.2; метаданные относят исходную модель к дообученным моделям семейства Qwen3.6 с архитектурой Qwen3_5ForConditionalGeneration и 27B параметров согласно идентификатору и описанию базовой модели. Репозиторий предназначен для запуска генерации текста и диалогов на системах Apple с MLX. Модель поддерживает чат и мультимодальные задачи, включая работу с изображениями; в карточке каталога также указана поддержка английского и китайского языков, а метки обозначают мультиязычность. Версия помечена как uncensored и abliterated, то есть рассчитана на ослабленные отказы. Репозиторий распространяется по лицензии Apache-2.0. README описывает конверсию в MLX, но не сообщает длину контекста или результаты оценки качества.

Qwen3.6-35B-A3B-uncensored-heretic-Native-MTP-Preserved-NVFP4-Experts-Only — это модифицированная и квантизованная версия Qwen3.6-35B-A3B, опубликованная независимым разработчиком llmfan46. Модель предназначена для генерации и обработки текста; в метаданных Hugging Face также указана задача image-text-to-text, однако подробности о поддерживаемых визуальных возможностях в README не приведены. Версия создана с использованием Heretic v1.3.0 и варианта метода Magnitude-Preserving Orthogonal Ablation (MPOA) для снижения числа отказов модели отвечать на запросы. Модель имеет архитектуру MoE и содержит 35 млрд параметров, из которых около 3 млрд активируются на один запрос согласно идентификатору базовой модели. Сохранены все 19 MTP-компонентов. Экспертные тензоры квантизованы в NVFP4, а неэкспертные и чувствительные тензоры сохранены в более высокой точности; в файлах указаны типы BF16, F32, U8 и F8_E4M3. Языки, размер контекста и точные требования к оборудованию в README не указаны. По данным автора, модель демонстрирует 10 отказов из 100 против 83 из 100 у исходной версии, при этом заявленное расхождение KL составляет 0,0015. Это делает её ориентированной на сценарии, где требуется меньше встроенных ограничений, при сохранении близости к исходной модели. Ограничения включают отсутствие подробных сведений о качестве на стандартных тестах, языках, контекстном окне и совместимости с конкретными средствами запуска. Модель распространяется по лицензии Apache-2.0.

Qwen3.6-40B-Grand-Intelligence-Fable-Fusion-Uncensored-Heretic — экспериментальная 40-миллиардная мультимодальная модель семейства Qwen3.5 от DavidAU, основанная на дообученной Qwen3.6-27B-Fable-Fusion-711-Uncensored-Heretic-NM-DAU-MTP. Автор описывает её как дальнейшую модификацию Qwen3.6-40B-Grand-Intelligence с объединением нескольких моделей Fable Fusion и заявляет о сокращении объёма рассуждений при генерации. Архитектура — плотная Qwen3.5 для условной генерации текста и изображений; модель распространяется в формате safetensors и предназначена для работы через Transformers. Модель рассчитана на диалог, рассуждения, написание художественных текстов и ролевые сценарии, а также программирование и анализ изображений. В карточке перечислены английский и китайский языки. Автор предупреждает, что это незавершённая работа: модель проходила тестирование и бенчмаркинг, а результаты и название могли измениться. Лицензия — Apache-2.0; пометка uncensored указывает на ослабленные ограничения генерации, поэтому выводы могут включать нежелательный или неподходящий контент.

Ryn1998/Qwen3.8-27B-Heretic-Abliterated-Uncensored-GGUF — вариант текстовой генеративной модели Qwen3.8-27B, основанный на модели Qwen/Qwen3.8-27B и доработанный с применением метода ARA (Arbitrary-Rank Ablation). Исходную abliteration-версию создал Tim Rohrbaugh, после чего она была дополнительно обработана двумя полными проходами ARA для уменьшения остаточных отказов. Модель предназначена для генерации текста, исследований, творческого письма и roleplay-сценариев, включая случаи, где требуется сниженное количество встроенных отказов. При этом она ориентирована на совершеннолетнюю аудиторию и требует ответственного использования в соответствии с законодательством. Модель содержит 27 млрд параметров и использует архитектуру Qwen3.8 с гибридом Gated DeltaNet и стандартного внимания: 64 слоя, из которых 16 используют обычное внимание, а 48 — линейное внимание Gated DeltaNet. Поддерживаются GQA с 24 attention heads и 4 KV heads, размер скрытого состояния составляет 5120, словарь содержит 248 320 токенов, максимальная длина контекста — 262 144 токена. Распространяется в формате GGUF для llama.cpp; доступны варианты с поддержкой MTP speculative decoding и без неё. Ключевая особенность — существенное снижение поведения, связанного с отказами: по приведённым независимым измерениям, их частота уменьшена с 3 из 100 у исходной abliteration-версии до 0–1 из 100, при этом заявлено небольшое изменение поведения модели (KL около 0,0085). Ограничение состоит в намеренном ослаблении защитных механизмов: модель может генерировать потенциально вредный или небезопасный контент, а отдельные guardrails всё ещё могут сохраняться. Лицензия — Apache-2.0, унаследованная от базовой модели Qwen3.8-27B.