II.1Анализ требований и архитектура ПО

FunkyMerge-12b-0.1 — объединённая языковая модель на 12,1 млрд параметров, созданная автором репозитория с помощью mergekit. В основе архитектуры лежит Mistral, формат весов — safetensors; слияние выполнено методом DARE TIES с использованием anthracite-org/magnum-v2.5-12b-kto как базовой модели и включением VAGOsolutions/SauerkrautLM-Nemo-12b-Instruct и NeverSleep/Lumimaid-v0.2-12B. Модель предназначена для генерации текста и диалогового общения. Заявленная длина контекста — до 1 024 000 токенов. Среди компонентов слияния есть многоязычная модель, ориентированная прежде всего на немецкий и английский языки; карточка FunkyMerge не уточняет отдельный набор поддерживаемых языков. Модель распространяется в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют. Качество и поведение объединённой модели отдельно не охарактеризованы, поэтому совместимость с длинным контекстом и языковые возможности следует проверять на целевых задачах.

Lemura Labs-Limitless-Gemma-2B — разговорная языковая модель Lemura Labs на архитектуре Gemma с 2,5 млрд параметров. Она предназначена для генерации текста и диалогов, ответов на открытые вопросы, творческого письма, помощи в исследованиях и обучающих запросов. Модель принимает текст и генерирует текст; заявленная длина контекста — 8192 токена. В карточке также упомянуты отдельные квантованные версии GGUF для запуска при разных ограничениях памяти, однако этот репозиторий содержит веса в формате safetensors. Разработчик описывает модель как предназначенную для ответов без ограничений по содержанию и для широкого круга тем. Это заявление не подтверждает точность ответов, поэтому результаты по научным, медицинским, юридическим и финансовым темам требуют проверки. Лицензия — Gemma; её условия следует соблюдать при использовании и распространении модели.

Это версия Gemma 3 от сообщества mlx-community, преобразованная из инструктивной модели Google gemma-3-1b-it в формат MLX для запуска с mlx-lm. Модель с плотной архитектурой Gemma3ForCausalLM содержит 1 млрд параметров и предназначена для диалогов и генерации текста; поддерживает контекст до 32 768 токенов. Модель подходит для чат-ботов, ответов на вопросы и генерации текста на устройствах, совместимых с MLX. Карточка указывает лицензию Gemma; перед использованием следует учитывать её условия. Описание не сообщает о дополнительном дообучении, поэтому происхождение здесь — преобразование формата.

DavidAU/gemma-4-19B-A4B-it-INSTRUCT-Heretic-Uncensored — это дообученная авторами DavidAU модель Gemma для диалогов и выполнения инструкций, включая работу с текстом и изображениями. В README указано, что модель построена на Gemma 4 с архитектурой MoE: число экспертов сокращено со 128 до 90, а затем модель дообучена; обычно активируются 8 экспертов. Метаданные указывают класс Gemma4ForConditionalGeneration, библиотеку Transformers и веса в формате safetensors. Заявленный контекст — до 256 тыс. токенов. Модель предназначена для диалогов, ответов на инструкции, творческого письма и генерации историй; примеры README показывают также запросы на сложные объяснения и ролевое взаимодействие. Поддерживается ввод изображений наряду с текстом. Карточка сообщает об английском языке и лицензии Apache-2.0. Автор описывает вариант как обычный, с умеренным дообучением на закрытых внутренних наборах данных; приведённые бенчмарки также обозначены как внутренние и находящиеся в подготовке. Поэтому заявленные характеристики качества нельзя считать подтверждёнными независимой оценкой.

Gemma-4-31B-JANG_4M-CRACK-GGUF — набор GGUF-квантизаций модели Gemma-4-31B-JANG_4M-CRACK на базе google/gemma-4-31b-it. Конвертацию и публикацию выполнил douyamv. Модель предназначена для генерации текста и запуска в llama.cpp, LM Studio, Ollama и других совместимых с GGUF средах. Это плотный Transformer Gemma 4 с 31 млрд параметров и 60 слоями, гибридным вниманием Sliding/Global Attention, а также поддержкой текста, изображений и аудио. В карточке указаны английский язык и pipeline text-generation. Модель получила CRACK abliteration, направленную на удаление отказов, и JANG v2 mixed-precision quantization. Доступны варианты от Q3_K_M примерно на 14 ГБ до Q8_0 примерно на 33 ГБ; Q4_K_M заявлен как оптимальный баланс размера и качества, а Q8_0 — как наиболее близкий к исходной модели. Для запуска требуется ориентировочно от 20 до 40 ГБ оперативной памяти в зависимости от варианта квантизации, при рекомендуемом объёме от 24 до 48 ГБ. Качество ограничивается исходной квантизацией JANG v2 и последующей переквантизацией в GGUF, хотя дополнительная потеря качества заявлена как минимальная. У модели удалены защитные ограничения, поэтому её применение требует осторожности и соблюдения законодательства. Распространение регулируется Gemma License.

Gemma-Zephyr-Dolly-Chat-Slerp — чат-модель семейства Gemma, созданная Arcee AI слиянием моделей HuggingFaceH4/zephyr-7b-gemma-v0.1 и google/gemma-7b+philschmid/gemma-7b-dolly-chatml методом SLERP с помощью mergekit. Модель содержит 8,2 млрд параметров, использует плотную архитектуру GemmaForCausalLM и предназначена для генерации текста и ведения диалога. Максимальная длина контекста — 8192 токена. Модель подходит для чат-ботов, ответов на вопросы и генерации полезных ответов в диалоге. Базовая Zephyr Gemma описана как англоязычная, поэтому основной язык применения — английский. Модель распространяется по лицензии Apache-2.0. Карточка не приводит собственных оценок качества или подробностей об ограничениях; как и другие языковые модели, она может выдавать неточные ответы.

Giant Macaroni 120b — авторегрессионная языковая модель с плотной архитектурой Llama, созданная автором репозитория ibivibiv. Она получена слиянием срезов трёх дообученных моделей: AIDC-ai-business/Marcoroni-70B-v1, garage-bAInd/Platypus2-70B-instruct и fangloveskari/ORCA_LLaMA_70B_QLoRA. Модель содержит около 120,1 млрд параметров, принимает текст и поддерживает контекст до 4096 токенов. Модель задумана для генерации текста и диалогов с упором на логику и рассуждения. В README указана совместимость с форматами подсказок Vicuna и Alpaca; автор отмечает, что итоговые слои в основном происходят от Marcoroni. Карточка не приводит результатов бенчмарков, поэтому заявленные сильные стороны в логике и рассуждениях не подтверждены опубликованными оценками. Лицензия — Llama 2; README описывает объединение моделей и намерение провести дальнейшее дообучение.

LogiLlama — языковая модель Goppa AI, дообученная на базе Meta-Llama-3.2-1B-Instruct для улучшения логических рассуждений и интеграции знаний. Это плотная авторегрессионная модель семейства Llama с 1,2 млрд параметров; README указывает 16 слоёв, размер скрытого состояния 2048 и настройку масштабирования RoPE типа llama3. Контекст модели — до 131072 токенов. Модель принимает текст и генерирует текст, рассчитана на английский язык. LogiLlama предназначена для диалогов, ответов на вопросы и решения задач, где нужны рассуждения, при локальном запуске на устройствах с ограниченными ресурсами. В карточке заявлены компактность и энергоэффективность; модель распространяется в формате safetensors, а README сообщает о весах F32. Использование регулируется лицензией Llama 3 Community License Agreement.

GPT-5.4 Image 2 — мультимодальная модель OpenAI, объединяющая GPT-5.4 с возможностями генерации изображений GPT Image 2. Она предназначена для сценариев, где нужно сочетать рассуждение, программирование и работу с изображениями. Доступный фрагмент карточки не уточняет архитектуру, число параметров, поддерживаемые языки, длину контекста, конкретные режимы работы с изображениями или лицензию. Модель создана OpenAI; карточка Hugging Face датирована 21 апреля 2026 года.

yp06/groit — дообученная yp06 языковая модель семейства Llama 3.2 для генерации текста и диалогового взаимодействия. Она основана на unsloth/llama-3.2-3b-instruct-unsloth-bnb-4bit и обучена с использованием Unsloth и библиотеки Hugging Face TRL. Модель имеет плотную архитектуру LlamaForCausalLM и 3,2 млрд параметров, поддерживает контекст до 131072 токенов и рассчитана на английский язык. Подходит для генерации ответов в чате и использования интерфейса вызова инструментов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Карточка не описывает специализацию дообучения или результаты оценки качества, поэтому пригодность для конкретных предметных задач по ней установить нельзя.

Dwainj/helm-en-rewrite-merged — модель генерации текста из семейства Qwen2, доступная для использования через библиотеку Transformers. По метаданным она содержит около 7,1 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Модель предназначена для генерации и продолжения текста, а также может использоваться в диалоговых сценариях, поскольку в метаданных отмечен conversational-тег. Архитектурные детали до уровня конкретной конфигурации, сведения о разработчике, языках, обучении и результатах оценки в доступных материалах не приведены. При использовании следует учитывать отсутствие опубликованных данных о качестве, безопасности, смещениях, тренировочных данных и рекомендуемых сценариях применения. Лицензия в доступных материалах не указана, поэтому условия распространения и коммерческого использования необходимо проверять отдельно.

Guilherme34 выпустил дообученную модель Hermes-3-Llama-3.1-70B для диалоговой генерации текста с уменьшенным числом отказов и ограничений на ответы. В основе — плотная архитектура Llama с 69,5 млрд параметров; модель работает через Transformers и принимает контекст длиной до 131 072 токенов. Модель предназначена для ответов на инструкции и ведения диалогов, в том числе на темы, на которые базовая модель может отвечать с отказом. Для желаемого поведения README требует вручную задавать системный промпт. В метаданных также заявлен интерфейс вызова инструментов. Базовая Hermes-3 описана как англоязычная модель для инструкций, генерации кода, длинных бесед и вызова инструментов; отдельные языковые характеристики этой производной модели не приведены. Модель распространяется в формате safetensors по лицензии Llama 3.1. Из-за настройки на снижение отказов ответы могут включать нежелательный или небезопасный контент; качество и фактическое поведение не гарантируются описанием модели.

Это квантованная версия Huihui-MoE-60B-A3B-abliterated в формате GGUF с квантованием MXFP4 для MoE-архитектуры. Репозиторий создан noctrex; в метаданных базовой моделью указана DevQuasar/huihui-ai.Huihui-MoE-60B-A3B-abliterated-GGUF. Модель предназначена для генерации текста и диалогового использования. Суффикс 60B-A3B указывает на семейство модели, однако точное число параметров и длина контекста в предоставленных данных не приведены. Данные также не уточняют поддерживаемые языки и лицензию.

Huihui-Qwen3.5-397B-A17B-abliterated-GGUF — это GGUF-версия модели Qwen3.5-397B-A17B, созданная разработчиком huihui.ai с применением abliteration — экспериментальной процедуры удаления отказов модели. Модель относится к мультимодальному классу image-text-to-text и предназначена для обработки текста и изображений, включая диалоговые сценарии, рассуждения и задачи с использованием инструментов через llama.cpp. Модель имеет размер 397B параметров и архитектуру на базе Qwen3.5-397B-A17B; в идентификаторе базовой модели также указано обозначение A17B. README упоминает поддержку режима рассуждений, tool calling и контекста до 262144 токенов при запуске с llama-server. Данные о поддерживаемых языках и точном наборе модальностей не приведены. Распространение выполнено в формате GGUF, включая варианты квантования Q3_K, состоящие из нескольких частей, которые требуется объединить перед использованием. Главная особенность модели — значительно сниженная фильтрация безопасности и уменьшенное количество отказов, что может быть полезно для исследований и контролируемого тестирования, но повышает риск чувствительных, спорных или неприемлемых ответов. Модель не рекомендуется для публичных и высокорисковых производственных сценариев без постоянного мониторинга и ручной проверки результатов. Указана лицензия Apache-2.0; при использовании необходимо также учитывать юридические и этические требования.

Kausik-A/Huihui-Qwen3.5-9B-abliterated-GGUF — это набор квантизированных версий языковой модели Huihui-Qwen3.5-9B-abliterated в формате GGUF, подготовленных с помощью llama.cpp. В основе лежит Qwen3.5-9B от Alibaba: базовая модель Qwen3.5-9B-Base, дообученная в формате instruct, затем изменённая huihui-ai методом abliteration для существенного снижения отказов в ответах. Репозиторий Kausik-A содержит варианты с разными уровнями квантизации для локального запуска через llama.cpp, Ollama или LM Studio. Модель предназначена для генерации текста и диалоговых сценариев, включая исследовательское и экспериментальное использование в контролируемой среде. Указана архитектура Qwen3.5 с 32 слоями, скрытым размером 4096, 16 attention heads, 4 KV heads и словарём из 248 320 токенов. Контекстное окно составляет до 262 144 токенов. Исходный размер F16-версии — около 17 ГБ, а доступные варианты занимают примерно от 4,0 ГБ до 17 ГБ. README не указывает поддерживаемые языки и мультимодальные возможности, поэтому модель следует описывать как текстовую. Сильная сторона модели — широкий выбор квантизаций, позволяющий подобрать баланс между качеством, скоростью и требованиями к памяти, а также сниженное количество встроенных отказов. Ограничения включают экспериментальный proof-of-concept характер abliteration, отсутствие строгой safety-оптимизации и повышенный риск генерации чувствительного, спорного или неприемлемого контента. Для публичных и коммерческих приложений рекомендуется тщательная фильтрация и ручная проверка результатов. Модель распространяется по лицензии Apache 2.0, унаследованной от базовой Qwen3.5-9B.

Это GGUF-квантизированная версия языковой модели Granite 4.0 H Tiny, разработанной IBM Granite и опубликованной в исходном виде под идентификатором ibm-granite/granite-4.0-h-tiny. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и локального запуска в LM Studio, llama.cpp и других совместимых проектах. Доступны варианты от исходных весов в формате BF16 размером 13,89 ГБ до компактных квантов размером примерно от 3,15 до 7,39 ГБ. Предлагаются форматы Q8_0, Q6_K, Q5_K, Q4_K, IQ4, Q3_K и другие, что позволяет выбирать между качеством, скоростью и требованиями к оперативной памяти. Для большинства сценариев автор рекомендует варианты Q4_K_M, Q5_K, Q6_K и близкие к ним; низкобитные варианты подходят для систем с ограниченными ресурсами, но дают более низкое качество. README не содержит сведений об архитектуре, числе параметров, поддерживаемых языках, размере контекста, мультимодальности или лицензии исходной модели. Также формат приглашений не указан, поэтому его следует уточнять на странице оригинальной модели. Ключевые ограничения связаны с потерями качества при использовании сильной квантизации и отсутствием в данной карточке подробных характеристик базовой модели и условий лицензирования.

CYBERDEVX/insane-llama3.1-70b-merged4bit — дообученная языковая модель, разработанная Devx_o на базе unsloth/Meta-Llama-3.1-70B-Instruct-bnb-4bit. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM, рассчитанная на генерацию текста и диалоговое взаимодействие. В репозитории указаны 69,5 млрд параметров и контекст до 131 072 токенов; модель обучалась с использованием Unsloth и библиотеки TRL. Модель подходит для генерации ответов в чате и других текстовых продолжений на английском языке. Веса доступны в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает специализированные области применения или оценку качества модели.

chargoddard/internlm2-20b-llama — преобразованная версия InternLM2-20B, представленная в формате весов Llama. Репозиторий содержит веса safetensors для генерации текста; модель имеет плотную архитектуру LlamaForCausalLM, около 19,3 млрд параметров и контекстное окно до 32 768 токенов. В метаданных указаны английский и китайский языки. Модель подходит для генерации и продолжения текста. Она основана на internlm/internlm2-20b и распространяется на условиях лицензии InternLM; метаданные обозначают лицензию как other.

SimplySara/Kai-3B-Instruct-i1-GGUF — квантизированная модель в формате GGUF, созданная SimplySara на основе NoesisLab/Kai-3B-Instruct. Это Imatrix-квантизация инструкционной текстовой модели, ориентированной на генерацию текста, математические задачи, рассуждения и диалоговое взаимодействие. В метаданных указаны английский язык и метод ADS-дистилляции. Модель рассчитана на локальный запуск в совместимых инструментах, поддерживающих GGUF. Доступны варианты квантизации с размером примерно от 0,95 до 3,05 ГБ; в названии заявлен класс 3B. README не сообщает архитектуру, размер контекстного окна, дополнительные модальности или точные параметры базовой модели. Главная особенность — высокая чувствительность к шуму квантизации из-за ADS-дистилляции. Для сохранения логической целостности и качества диалога настоятельно рекомендуются варианты Q8_0 или Q6_K. Более сильная квантизация, особенно Q4, может приводить к разрушению шаблона взаимодействия и ухудшению качества. Модель распространяется по лицензии Apache-2.0.

Kanana-1.5-15.7B-A3B-base — базовая языковая модель от Kakao, первая MoE-модель семейства Kanana. Она предназначена для генерации текста и служит основой для прикладных решений, включая последующее дообучение. По данным карточки, разреженная архитектура обеспечивает возможности, сопоставимые с плотной Kanana-1.5-8B, при использовании 37% FLOPS на токен; в описании семейства также упоминаются дистилляция по текущей политике и обучение с подкреплением на этапе постобучения. Модель имеет архитектуру Mixtral MoE, распространяется в формате safetensors и поддерживает контекст до 32 768 токенов. Карточка указывает английский и корейский языки. Весы доступны на Hugging Face; лицензия обозначена как other, поэтому перед использованием следует проверить её условия в репозитории. Оценки приведены для базовой и instruct-моделей, но часть результатов instruct-модели в карточке отмечена как предназначенная только для сравнения.

openeurollm/kda-sigmoid-1.3B-100B — языковая модель ComplexKDA для генерации текста, созданная авторами ComplexKDA. Это чисто рекуррентная базовая модель KDA с архитектурой ComplexKDAForCausalLM и обычным сигмоидным затвором затухания. В README указаны 1,36 млрд параметров, 24 слоя, размер скрытого состояния 2048, 16 голов размерности 128, SwiGLU-MLP, короткая свёртка ширины 4 и словарь из 32 000 токенов; метаданные каталога оценивают размер в 1,1 млрд параметров. Контекст обучения и нативная длина контекста составляют 4096 токенов. Модель предназначена для авторегрессионной генерации текста и диалоговых сценариев. Рекуррентная архитектура Kimi Delta Attention использует сигмоидный затвор, который ограничивает коэффициент затухания диапазоном (0, 1], поэтому каналы могут сохранять или забывать информацию без знакопеременного затухания ComplexKDA. В комплекте поставляется токенизатор с настройками обучающего корпуса: BOS автоматически не добавляется, документы завершались токеном EOS. Для использования доступны веса Safetensors и реализация на Transformers. Лицензия — MIT.

Kimi-K3-REAP80-MLX-mxfp4-q8 — это сильно прореженная и преобразованная в формат MLX версия модели Kimi-K3 от Moonshot AI, опубликованная пользователем или организацией pipenetwork. Модель предназначена для локального запуска на компьютерах Apple Silicon с большим объёмом unified memory, прежде всего для генерации текста и автодополнения кода через mlx-lm. Исходная Kimi-K3 — нативно мультимодальная MoE-модель с архитектурой Kimi Delta Attention, Attention Residuals и контекстом до 1 млн токенов; её полный размер составляет около 2,78 трлн параметров, из которых активно используется около 104 млрд. В этой сборке после pruning REAP сохранено 179 из 896 экспертов в каждом из 92 MoE-слоёв, всего около 601 млрд параметров и примерно 350 ГБ. Экспертные веса используют битово-идентичный MXFP4, а неэкспертные тензоры хранятся в более высокой точности. Для запуска требуется MLX и специальный загрузчик kimi_k3.py. Главное преимущество сборки — возможность загрузить модель на Apple Silicon с 512 ГБ памяти; на M3 Ultra заявлена скорость генерации около 5,54 токена в секунду. Кодовые продолжения сохраняют структурную корректность лучше, чем общие языковые ответы. Ограничение — агрессивное прореживание с заметным снижением качества по сравнению с полной Kimi-K3: возможны уход в списки или фрагменты исходных файлов, повторы и деградация китайского вывода; для CJK рекомендуется менее сильно прореженная REAP-73. Указана лицензия other с названием kimi-k3.

ewof/koishi-instruct-3b — языковая модель на архитектуре GPT-NeoX, дообученная автором ewof на базе togethercomputer/RedPajama-INCITE-Base-3B-v1. Модель содержит 3,5 млрд параметров и предназначена для генерации текста в формате инструктивного диалога. В карточке описан формат промпта с ролями для служебной информации, пользовательского ввода и ответа модели; контекст составляет 2048 токенов. Модель может использоваться для ответов на запросы и продолжения диалога. В README приведены результаты оценки на бенчмарках ARC и HellaSwag. Веса доступны в формате safetensors. Язык модели и лицензия в предоставленных данных не указаны.

Kosmos-EVAA-Franken-Immersive-v40-8B — языковая модель на архитектуре Llama, созданная jaspionjader с помощью слияния предобученных моделей jaspionjader/Kosmos-EVAA-Franken-Immersive-v39-8B и jaspionjader/knf-1-8b. Для слияния использован метод SLERP и инструмент mergekit; модель предназначена для генерации текста и диалогового взаимодействия. Модель содержит 7,5 млрд параметров, принимает текст и формирует текстовые ответы. Заявленная длина контекста — 131 072 токена. Репозиторий содержит веса в формате safetensors. Языки модели в предоставленных данных не перечислены. Карточка не описывает отдельные специализированные сценарии или подтверждённые показатели качества. Лицензия в предоставленных данных не указана.

Kosmos-EVAA-PRP-v34-8B — слитая методом SLERP языковая модель семейства Llama, созданная jaspionjader с помощью mergekit из jaspionjader/Kosmos-EVAA-PRP-v33-8B и jaspionjader/Kosmos-EVAA-PRP-v31-8B. Это плотная авторегрессионная модель примерно на 7,5 млрд параметров для генерации текста; она принимает текст и поддерживает контекст до 8192 токенов. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. Карточка не уточняет целевые сценарии, языки и лицензию, поэтому качество и условия использования следует оценивать по карточкам исходных моделей и самого репозитория.

grimjim/kukulemon-32K-7B — экспериментальная слитая языковая модель, созданная автором grimjim с помощью mergekit и метода SLERP на основе kukulemon-7B и Mistral-7B-Instruct-demi-merge-v0.2-7B. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Главная особенность модели — заявленная поддержка контекстного окна до 32 768 токенов. Она предназначена для генерации текста и диалогов; в README указана проверенная работа с ChatML, а также поддержка шаблона Alpaca. Автор описывает модель как proof of concept, поэтому её возможности на длинном контексте следует оценивать на собственных данных. Доступны веса в формате safetensors; для GGUF-квантований README ссылается на отдельный репозиторий. Модель ориентирована на эксперименты и локальное использование для диалогов и генерации текста. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое; модель не следует применять в коммерческих сценариях без отдельного разрешения.

kuno-dogpark-7b — объединённая текстовая модель на 7,1 млрд параметров, созданная автором репозитория на основе SanjiWatsuki/Kunoichi-DPO-v2-7B и mlabonne/Monarch-7B с помощью LazyMergekit. Веса объединены методом SLERP; архитектура — плотная MistralForCausalLM, формат хранения — safetensors. Модель предназначена для генерации текста, диалогов и ответов на вопросы. Она принимает текст и выдаёт текст, а заявленное максимальное окно контекста составляет 8192 токена. README приводит результаты оценки на бенчмарках, включая средний балл 74,82, но не описывает конкретные языки или специализированные области применения. Репозиторий опубликован по лицензии CC BY-NC 2.0, которая ограничивает коммерческое использование. Качество ответов и пригодность для конкретных задач следует оценивать отдельно; характеристики базовых моделей не гарантируют такие же результаты у их слияния.

LFM2.5-1.2B-Thinking LiteRT-LM — конвертированная версия reasoning-модели LiquidAI/LFM2.5-1.2B-Thinking, подготовленная сообществом litert-community для локального запуска через on-device runtime Google LiteRT-LM. Модель предназначена для генерации текста и решения задач с пошаговым рассуждением: сначала формирует внутренний поток мыслей в канале thought между тегами <think> и </think>, затем выдаёт итоговый ответ. Подходит для офлайн-сценариев на мобильных устройствах, компьютерах и периферийных системах, включая Android, iOS, macOS и Raspberry Pi, при наличии совместимого LiteRT-LM версии не ниже 0.14. Модель использует гибридную архитектуру conv/attention, имеет размер 1,2 млрд параметров и максимальный контекст KV-кэша 4096 токенов. Доступны варианты квантования int8 размером около 1,24 ГБ и int4 размером около 736 МБ, а также GPU-совместимые сборки. В тесте GSM8K точность составила 77% для int8 и 72% для int4 против 81% у эталонной bf16-версии. Для reasoning-сценариев рекомендуется бюджет генерации не менее 2048 токенов, поскольку преждевременное усечение рассуждения может оставить ответ незавершённым. Сильными сторонами являются компактный размер, локальное выполнение, отдельная передача reasoning-потока и поддержка CPU, а для некоторых сборок — GPU. Ограничения включают зависимость от версии LiteRT-LM и аппаратной совместимости: GPU-сборки поддерживаются не на всех устройствах, а производительность заметно зависит от платформы. Языки модели в README не указаны. Распространение осуществляется по лицензии LFM Open License v1.0.

LFM2.5-350M-MLX-bf16 — экспорт модели LiquidAI LFM2.5-350M в формате MLX для инференса на компьютерах Apple с Apple Silicon. Это компактная плотная языковая модель с гибридной архитектурой, сочетающей свёрточные и attention-слои; в репозитории указаны точность bf16 и размер 676 МБ. Контекстная длина составляет до 128 000 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В метаданных указана поддержка английского, арабского, китайского, французского, немецкого, японского, корейского и испанского языков. Репозиторий помечен лицензией other; конкретные условия следует сверить с лицензией проекта перед использованием.

Liberated Miqu 70B — дообученная Abideen языковая модель семейства Llama с плотной архитектурой, предназначенная для генерации текста и диалогов. Она содержит 68,7 млрд параметров и рассчитана на контекст до 32 764 токенов. Модель дообучена на наборе Abacus AI SystemChat в течение одной эпохи; автор сообщает об обучении на двух GPU A100. Модель подходит для диалоговых приложений и генерации ответов на английском языке. В карточке указана лицензия Apache-2.0. Результаты оценки качества пока не опубликованы, поэтому качество на конкретных задачах по представленным данным оценить нельзя.