II.1Анализ требований и архитектура ПО

Atom-Olmo3-7B — языковая модель VANTA Research для диалога и совместного решения задач. Она создана дообучением Olmo-3-7B-Instruct с помощью LoRA и ориентирована на итеративное обсуждение идей, структурированный анализ и понятные образовательные объяснения. Модель содержит 6,9 млрд параметров, использует архитектуру Olmo3 и формат Safetensors; для диалога доступны текстовые входы и выходы. В карточке указана рекомендуемая длина контекста 4096 токенов, тогда как метаданные каталога указывают native context в 65536 токенов. Модель подходит для мозговых штурмов, объяснения сложных понятий, обобщения исследований и структурирования решений. Она рассчитана прежде всего на английский язык и может отвечать чрезмерно подробно; скорость генерации, по заявлению карточки, ниже примерно в пять раз по сравнению с более компактными специализированными моделями. Модель наследует ограничения знаний и возможные смещения базовой модели, поэтому факты следует проверять. Лицензия Apache 2.0 допускает коммерческое использование.

TroyDoesAI/Mermaid-Solar — текстовая генеративная модель на архитектуре Llama с 10,6 млрд параметров. Карточка описывает формат запроса, в котором инструкция и входные данные задают задачу, а ответ содержит Mermaid-код. Модель предназначена для генерации диаграмм Mermaid по текстовым инструкциям и исходным описаниям. Модель принимает текст и выдаёт текст; контекст составляет 4096 токенов. Данные о базовой модели и дополнительных языках не приведены. Лицензия — CC BY 4.0.

OpenAI o3 Pro — модель семейства o, обученная с подкреплением рассуждать перед ответом и решать сложные задачи. По сравнению с o3 она использует больше вычислений на этапе рассуждения, чтобы давать более последовательные ответы. Модель предназначена для сложных запросов, где полезны многоэтапное рассуждение и тщательная проработка ответа. Данных о размере, модальностях, поддерживаемых языках, длине контекста и лицензии в предоставленной карточке нет.

0pen — экспериментальная разговорная модель от 0penAGI для совместного инженерного проектирования и решения задач. Это LoRA-дообучение Google Gemma 4 E4B с 4 млрд параметров; опубликованная версия представлена в формате GGUF Q4_K_M и рассчитана на запуск через llama.cpp или Ollama. По карточке, обучение проводилось на 4-битной MLX-конверсии базовой модели с адаптацией 12 из 34 слоёв. Модель предназначена для диалогов, в которых нужно быстро предложить практичный план, спроектировать систему или алгоритм и учитывать заданные ограничения. Разработчик отмечает естественные ответы на русском и работу на русском и английском языках; сильная сторона модели — прямой инженерный стиль в ответ на конкретные проектные запросы. Лицензия — MIT. Это исследовательский предварительный выпуск, не рекомендованный автором для использования в производстве без дополнительной проверки. В длинных цепочках рассуждений модель может отклоняться от темы или повторяться, быть излишне краткой в творческих задачах и предпочитать упрощённые инженерные решения глубокому теоретическому разбору.

DeepSeek-R1-Distill-Qwen-32B-GGUF — это GGUF-квантизированная версия модели DeepSeek-R1-Distill-Qwen-32B, разработанной deepseek-ai. Квантизация выполнена bartowski на основе llama.cpp версии b4514 и предназначена для запуска через совместимые инструменты, включая LM Studio. Модель создана для генерации текста, прежде всего для задач, требующих рассуждений: решения сложных вопросов, анализа и пошагового построения ответа. Она дистиллирована из reasoning-модели DeepSeek-R1 и специально настроена на reasoning и chain-of-thought. Заявлена поддержка контекста длиной до 128k токенов. В README не указаны точные параметры архитектуры, языки, набор поддерживаемых модальностей и размер конкретных GGUF-файлов, поэтому модель следует считать текстовой. Сильные стороны модели — ориентация на рассуждения, большой контекст и возможность локального запуска в формате GGUF. Ограничения включают потенциально неточные, вредные или неподходящие ответы, характерные для генеративных моделей; README также не содержит сведений о результатах бенчмарков. Лицензия в предоставленных данных не указана, поэтому условия использования необходимо уточнять по исходной модели и репозиторию квантизации.

Mermaid-Dolphin-Mixtral-2x7b — разговорная языковая модель от TroyDoesAI, созданная слиянием TroyDoesAI/MermaidMistralDPO и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Она предназначена прежде всего для генерации кода диаграмм Mermaid по описаниям, исходному коду и сценариям; в карточке также приведены примеры графов знаний, блок-схем, раскадровок и планирования сценариев. Модель построена на архитектуре Mixtral MoE и содержит 7,1 млрд параметров. Указанный размер контекста — 32 768 токенов; файлы представлены в формате safetensors. Карточка ориентирует на диалоговое использование и генерацию текстового кода Mermaid. Лицензия — CC BY-SA 4.0. README описывает модель как результат слияния, обученный для построения диаграмм, и отмечает, что её поведение зависит от формулировки запроса. Качество не гарантируется; конкретные поддерживаемые языки и ограничения использования сверх условий лицензии в карточке не описаны.

GPT-5.6 Sol Pro — вариант модели GPT-5.6 Sol, разработанный OpenAI и предоставляемый с режимом рассуждений `pro`. Он предназначен для получения более качественных ответов на сложные задачи. Карточка не приводит сведений об архитектуре, размере, модальностях, языках, длине контекста или лицензии, поэтому эти характеристики здесь не описываются.

GPT-5.6 Terra Pro — вариант GPT-5.6 Terra от OpenAI, работающий с параметром reasoning.mode, установленным в значение pro. Он предназначен для получения более качественных ответов на сложные задачи. В карточке модели не приведены сведения об архитектуре, размере, модальностях, языках или лицензии.

Карточка модели TroyDoesAI/MermaidSolar_LASER на Hugging Face совпадает с карточкой TroyDoesAI/MermaidSolar, поэтому описание составлено по ней. MermaidSolar — языковая модель TroyDoesAI на архитектуре Llama, обученная на базе Solar 10.7B Base Model с тем же набором данных, что и MermaidMistral, MermaidLLama и MermaidStable3B. В метаданных указано 10,6 млрд параметров, контекст 4096 токенов и формат safetensors; модель предназначена для генерации Mermaid-диаграмм по текстовому контексту. В описанном автором сценарии запросы оформляются так, чтобы ответ содержал заголовок «Response:» и блок Mermaid. Автор сообщает, что при обучении использовал 800 вручную составленных примеров с разнообразными пограничными случаями. Лицензия — CC BY-NC-SA 4.0; она требует указания авторства и распространения производных материалов на тех же условиях, а также запрещает коммерческое использование.

MermaidSolar — языковая модель TroyDoesAI на архитектуре Llama, обученная на базе Solar 10.7B Base Model с тем же набором данных, что и MermaidMistral, MermaidLLama и MermaidStable3B. В метаданных указано 10,6 млрд параметров, контекст 4096 токенов и формат safetensors; модель предназначена для генерации Mermaid-диаграмм по текстовому контексту. В описанном автором сценарии запросы оформляются так, чтобы ответ содержал заголовок «Response:» и блок Mermaid. Автор сообщает, что при обучении использовал 800 вручную составленных примеров с разнообразными пограничными случаями. Лицензия — CC BY-NC-SA 4.0; она требует указания авторства и распространения производных материалов на тех же условиях, а также запрещает коммерческое использование.

GPT-6 Astra Pro — вариант GPT-6 Astra от OpenAI, работающий с параметром reasoning.mode, установленным в pro. Он предназначен для получения более качественных ответов на сложные задачи. README направляет к документации OpenAI за дополнительными сведениями; данных об архитектуре, размере, модальностях, языках, контексте и лицензии в доступной карточке нет.

Cogito-0.9.1-15B — разговорная аналитическая модель на 14 млрд параметров, разработанная ozaa77 и основанная на архитектуре Qwen3. Она предназначена для генерации ответов с проверкой предпосылок вопроса, поиском противоречий и оценкой уверенности; поддерживает интерфейс вызова инструментов. Модель принимает текст и генерирует текст, включая структурированные рассуждения и ответы. В README приведены результаты на задачах знаний и рассуждений: MMLU-Pro, GPQA Diamond и MATH-500. Доступны веса safetensors для запуска через Transformers и совместимые среды. Контекстное окно составляет 40 960 токенов. Карточка описывает англоязычное применение; метаданные указывают английский язык. Модель может помогать анализировать аргументы, решать математические и научные задачи и отвечать на вопросы с оговоркой об уверенности. Результаты бенчмарков из README не гарантируют качество в конкретном применении. Лицензия — Apache-2.0.

AynCoding-Qwen3-8B-Slim — модель генерации текста и кода от разработчика, указанного в репозитории enver. Она основана на Qwen3-8B и, согласно карточке, дообучена с акцентом на синтез программного обеспечения, архитектурные рассуждения, классическую арабскую логику Mantiq и морфологию арабских корней. Карточка также заявляет об удалении части знаний и структурном прореживании; файлы модели представлены в формате GGUF и занимают около 2,8 ГБ. Модель предназначена для генерации кода, проектирования программных компонентов и решения задач на логику, в том числе на английском и арабском языках. В README описаны механизмы черновой генерации, проверки логики и уточнения кода, а также приведены высокие результаты на HumanEval и EvalPlus; эти показатели являются заявлениями карточки. Метаданные указывают задачу text-generation и базовую модель Qwen/Qwen3-8B. Лицензия обозначена как other, поэтому условия использования следует уточнять в репозитории.

TXT2BPMN — дообученная модель на архитектуре T5-Small, разработанная Омаром Эль-Фахати в рамках магистерской работы. Она преобразует текстовые описания бизнес-процессов в диаграммы BPMN и предназначена для разработчиков, бизнес-аналитиков и исследователей, которым нужно ускорить документирование и моделирование рабочих процессов. Модель содержит 38,5 млн параметров, принимает текст и генерирует текстовое представление BPMN. В README указано обучение на 30 000 парах описаний процессов и соответствующих диаграмм, с использованием датасета MaD. Заявлены синтаксическая корректность и логическая согласованность результатов; подробные метрики приведены во внешней проектной документации. Карточка указывает английский язык, контекст 512 токенов и лицензию MIT.

PE-Type-1-Vera-4B — дообученная VANTA Research мультимодальная модель-ассистент на архитектуре Gemma 3 4B IT, настроенная на персону Реформатора из типологии эннеаграммы. Она ориентирована на английский язык и сочетает диалоговые возможности базовой модели с прямым, принципиальным и требовательным стилем ответов. Модель подходит для структурированного анализа решений, конструктивной обратной связи, самоанализа, технического сотрудничества и исследований устойчивости персон. В README указано, что её обучали три эпохи на примерно 3 000 примерах с помощью LoRA ранга 16. Метаданные указывают поддержку изображений; базовая Gemma 3 4B IT умеет отвечать на вопросы по изображениям. Перфекционистский стиль может приводить к чрезмерной критичности в творческих задачах и замедлять ответы при неоднозначных запросах. Модель не рекомендуется для эмоционально поддерживающего общения. Возможны ограничения базовой модели, включая галлюцинации. Лицензия — Apache-2.0.

Bormolom — малая русскоязычная языковая модель на архитектуре GPT-2, созданная автором Vladniag путём SFT-дообучения Vladniag/Bormokrut с помощью TRL. Она предназначена для предварительной обработки сложных запросов перед созданием основного ответа: разделяет запрос на подвопросы, выделяет сущности и аспекты, строит цепочки исследовательских подзадач с ролями экспертов и формирует пошаговый план ответа со структурой блоков. Модель принимает текст и генерирует текст. Она обучена работать по шаблонам задач split, decompose и plan; контекст составляет 1536 токенов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Модель полезна как узкий компонент конвейера планирования и декомпозиции запросов, но не рассчитана на роль универсального чат-ассистента. Качество зависит от корректности заданных списков экспертов и типов блоков; модель обучалась на русском языке, поэтому генерация на других языках может быть нестабильной.

potsawee/deberta-v3-large-mnli — модель классификации текстовых пар, разработанная на основе DeBERTa-v3 Large и дообученная на MultiNLI. Она оценивает, следует ли гипотеза из посылки или противоречит ей; во время обучения также использовался класс нейтрального отношения, но соответствующая выходная голова удалена. Модель принимает пару текстов и выдаёт вероятности следования и противоречия. Архитектура DeBERTa-v2 для классификации последовательностей содержит 533,8 млн параметров, максимальный контекст — 512 токенов. Карточка указывает английский язык, формат PyTorch и лицензию Apache-2.0.

Huihui-Qwen3.5-122B-A10B-Abliterated-GGUF — это GGUF-квантизированная версия модели Qwen/Qwen3.5-122B-A10B, созданная разработчиком Huihui AI с применением abliteration — экспериментального метода снижения отказов модели. Модель предназначена для локального запуска через llama.cpp и ориентирована на задачи оркестрации, режимы Ask и Architect, а также другие сценарии, где требуется производительная генерация текста. Поддерживается обработка изображений через отдельный файл mmproj.gguf. Модель основана на Qwen3.5-122B-A10B; из идентификатора следует конфигурация с общим размером 122B и обозначением A10B, однако подробности архитектуры, языковой поддержки и максимального контекста в README не приведены. Доступны различные квантизации, включая Q6_K, Q4_K_M и MXFP4_MOE. В README указана скорость около 65 токенов в секунду для варианта MTP на нескольких RTX 3090; для ускорения рекомендуется использовать актуальную версию llama.cpp, speculative decoding с draft-MTP и при необходимости unified memory. Ключевая особенность модели — существенно сниженная фильтрация безопасности и отсутствие стандартных гарантий безопасного поведения. Это может быть полезно для исследований и контролируемого тестирования, но повышает риск чувствительных, спорных или неподходящих ответов и делает модель непригодной без дополнительного контроля для публичных и высокорисковых приложений. Рекомендуются мониторинг результатов и ручная проверка. В карточке указана лицензия Apache 2.0; конкретные условия для производного варианта следует сверять с лицензией базовой модели.

Huihui-Qwythos-9B-Claude-Mythos-5-1M-abliterated-GGUF — это GGUF-версия модели, разработанная huihui-ai на основе empero-ai/Qwythos-9B-Claude-Mythos-5-1M. Модель предназначена для генерации текста на английском языке и поддерживает сценарии рассуждений, работы с длинным контекстом, function calling, tool use и агентных приложений. В README также указана специализация исходной модели на задачах кибербезопасности и биомедицине, однако подробные результаты оценки не приведены. Модель имеет размер 9B параметров, относится к семейству Qwen3.5 и поддерживает контекст до 1M токенов. Доступна в формате GGUF для запуска через llama.cpp; заявлены поддержка MTP и возможность ускорения генерации с помощью draft-модели. В non-thinking mode она должна следовать инструкциям первого запроса и выдавать результат в требуемом формате без вводных и заключительных фраз. Это uncensored-версия, созданная методом abliteration, поэтому её защитные фильтры значительно снижены. Сильной стороной является ориентация на длинный контекст, инструментальное использование и контролируемый формат вывода, но модель может генерировать чувствительный, спорный или небезопасный контент и не имеет гарантий стандартной safety-оптимизации. Рекомендуются исследовательское и экспериментальное применение, мониторинг и ручная проверка результатов; для публичных и производственных сценариев требуется особая осторожность. Модель распространяется по лицензии Apache-2.0.

Dhanishtha — текстовая разговорная модель, разработанная HelpingAI для пошагового рассуждения, логического анализа и решения задач. Это плотная causal language model семейства Qwen2 размером 1,5 млрд параметров, дообученная на базе deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B. В карточке указаны контекст до 131 072 токенов, поддержка чата и интерфейса вызова инструментов; доступны веса Safetensors и GGUF F16. Модель предназначена для аналитических бесед, критического мышления, аргументации, философских обсуждений и структурированного решения проблем. README также описывает применение в академических дискуссиях и исследовательских диалоговых системах, однако приведённые заявления о превосходстве и точности не подтверждены достаточными результатами бенчмарков в доступной части карточки. В метаданных указан английский язык и лицензия Apache-2.0. Практические ограничения, кроме заявленной языковой поддержки английского, в доступных данных не описаны.

SAM (Small Agentic Model) — языковая модель SuperAGI, созданная дообучением Mistral 7B для пошагового рассуждения и разбиения задач на подзадачи. Модель с плотной архитектурой MistralForCausalLM содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Она принимает инструкции в формате [INST] и генерирует текстовые ответы; в карточке заявлена поддержка английского языка. Модель предназначена для задач, где требуется разложить инструкцию на этапы и выполнить рассуждение, в том числе для математических задач и вопросов на понимание. Авторы сообщают о результатах на GSM8k и ARC-C, однако README не приводит численных оценок. SAM обучалась командой SuperAGI на Mistral 7B в течение одного эпоха с использованием сгенерированных открытыми моделями данных. Распространяется по лицензии Apache-2.0. Авторы предупреждают, что модель хуже подходит для обычного диалога и простых вопросов и ответов. У неё нет механизмов модерации и защитных ограничений; возможны токсичность, социальные предубеждения и ошибки, поэтому авторы не рекомендуют её для производственного применения без дополнительной оценки и мер безопасности.

DefCPM-2B — компактный диалоговый языковой помощник, дообученный автором aiuser3993 на openbmb/MiniCPM5-2B-Base. Модель предназначена для генерации ответов с акцентом на точность: она должна прямо оспаривать ошибочные предпосылки пользователя и меньше подстраиваться под его мнение. Дообучение выполнено в течение трёх эпох на наборе aiuser3993/Definitive-Data; модель содержит 2,2 млрд параметров и рассчитана на контекст до 524 288 токенов. Модель использует плотную архитектуру LlamaForCausalLM, хранится в формате safetensors и поддерживает диалоговый режим и интерфейс вызова инструментов. README рекомендует квантизации Q4_K_M или IQ4_XS для развёртывания на устройствах с ограниченными ресурсами. Язык обучения и перечень поддерживаемых языков не указаны. Лицензия — Apache-2.0.

UIGEN-X-8B — дообученная модель Tesslate на архитектуре Qwen3-8B для планирования и генерации пользовательских интерфейсов. Она принимает текстовые запросы и выдаёт код и пояснения, проходя этапы анализа требований, планирования архитектуры и дизайн-системы, затем реализации интерфейса. Поддерживает разные веб-, мобильные и настольные стеки, включая React, Vue, Angular, Svelte, Flutter, React Native, Electron и Tailwind CSS. Модель содержит 7,6 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM, имеет контекстное окно 40 960 токенов и заявляет поддержку английского языка. Модель подходит для генерации компонентов, страниц и многостраничных приложений с заданным стеком и визуальным стилем. В README также заявлена поддержка вызова инструментов для интеграции изображений и генерации контента. Основной акцент сделан на структуре и оформлении интерфейса; бизнес-логику, интеграцию серверных функций, тестирование и проверку доступности может потребоваться доработать вручную. Лицензия — Apache-2.0.

Blackfrost-AI разработала исследовательскую производную Qwen3.8-27B — плотную мультимодальную модель с архитектурой Qwen3_5ForConditionalGeneration, сочетающей Gated DeltaNet и полное внимание. Чекпойнт содержит 27 млрд параметров в формате BF16 и принимает текст и изображения; в карточке заявлены диалоги, анализ изображений и видео, программирование, рассуждения, вызов инструментов и длинный контекст. Модель создана для изучения снижения избыточных отказов при законной разработке ПО и исследованиях безопасности под контролем оператора. Поведение отказов намеренно изменено на уровне весов; это не исходный безопасностный чекпойнт Qwen и не дообучение на коде. Приведённая оценка отказов получена на производной W4A4 NVFP4, а не на этом BF16 варианте. README также указывает, что результаты не подтверждают сохранение качества программирования, зрения, работы с инструментами и длинным контекстом. Модель распространяется как публичная исследовательская предварительная версия по лицензии Apache-2.0; она не продаётся, а проверка выпуска ещё продолжается.

AlexBlin/software-engineering-model — дообученная русскоязычная GPT-2-модель для генерации текста, созданная на основе ai-forever/rugpt3small_based_on_gpt2. По названию она ориентирована на задачи программной инженерии, однако README не уточняет её конкретные возможности или сценарии применения. Модель использует архитектуру GPT2LMHeadModel и принимает текст, выдавая продолжение текста. Контекст составляет до 2048 токенов; веса опубликованы в формате safetensors и предназначены для работы с библиотекой Transformers. Лицензия в предоставленных данных не указана.

UIGEN-X-4B-0729 — текстовая генеративная модель Tesslate для создания пользовательских интерфейсов. Она построена на архитектуре Qwen3-4B и ориентирована на режим «только рассуждение», в котором последовательно анализирует требования, планирует архитектуру, определяет дизайн-систему и генерирует реализацию. Модель предназначена для разработки веб-интерфейсов и приложений с использованием современных фреймворков, библиотек компонентов, систем стилизации, управления состоянием, анимации и иконок. В README заявлена поддержка широкого набора технологий, включая React, Vue, Angular, Svelte, Next.js, Nuxt.js, Tailwind CSS, Material UI, shadcn/ui и другие решения для веб- и мобильной разработки. Данный репозиторий содержит GGUF-квантизации с использованием imatrix, предназначенные для локального запуска через llama.cpp и совместимые клиенты, включая KoboldCPP, LM Studio, text-generation-webui и Jan. Указан английский язык; другие языки, размер контекста и точные параметры квантизации в README не описаны. Модель рассчитана на генерацию текста и кода, но сведения о мультимодальности, бенчмарках, ограничениях качества и требованиях к ресурсам отсутствуют. Лицензия обозначена как other, без уточнения условий использования, поэтому их необходимо проверять отдельно.

pumlGenV2-1 — дообученная модель на базе Qwen/Qwen3-8B-Base, разработанная для преобразования вопросов на естественном языке в код диаграмм PlantUML. Она принимает текстовые запросы и формирует структурированные схемы с сущностями, пакетами, связями, примечаниями и аннотациями. Модель рассчитана на визуализацию сложных философских, исторических, юридических и аналитических тем, а также на учебные материалы, исследования и документацию. Модель семейства Qwen3 — плотная авторегрессионная архитектура Qwen3ForCausalLM с 7,6 млрд параметров и контекстом 32 768 токенов. Репозиторий содержит веса Safetensors; лицензия — Apache-2.0. Результат ориентирован на PlantUML, может требовать постобработки для настройки стиля, а диаграммы следует проверять на точность и полноту.

Critical Thinker — авторская донастройка Theeseus AI модели meta-llama/Llama-3.1-8B-Instruct на синтетических сценариях критического мышления. Это плотная авторегрессионная трансформерная модель семейства Llama с 7,5 млрд параметров, рассчитанная на генерацию текста и диалог. Модель предназначена для логических рассуждений, анализа доказательств и многоэтапного принятия решений; заявленная длина контекста — 131 072 токена. Основной язык обучающих сценариев — английский. Модель подходит для оценки логики и решения задач, анализа журналов и метаданных в цифровой криминалистике, а также исследований многошаговых рассуждений. В README приведены показатели accuracy 89,4% и F1 88,7% на тестовых данных, однако описание не уточняет протокол оценки, поэтому эти результаты не следует переносить на другие задачи без проверки. Модель может неверно трактовать неоднозначные свидетельства и давать ложноположительные выводы; многоязычные входы могут снижать качество. Для значимых решений рекомендуется ручная проверка. Лицензия — Apache 2.0.

fusion-guide-12b-0.1 — экспериментальная модель генерации текста от fusionbase, дообученная на базе Mistral-Nemo-Instruct-2407. Она предназначена для создания структурированных пошаговых планов рассуждения, которые затем можно передать основной модели для подготовки ответа. Для работы запрос нужно заключать в теги <guidance_prompt> и </guidance_prompt>; описанный сценарий использует отдельную модель-проводник и модель ответа. Модель имеет плотную архитектуру MistralForCausalLM и содержит 12,1 млрд параметров. Контекстное окно — до 1 024 000 токенов по метаданным. Дообучение выполнено на пользовательском наборе заданий на английском и немецком языках; основная доля примеров — английская. Указана лицензия Apache-2.0. Модель подходит для подготовки пошаговых планов к сложным или неоднозначным запросам и передачи этих планов другой модели. По README, она может не завершать руководство, особенно если запрос задаёт конкретный формат ответа. Качество и поддержка дополнительных языков отдельно не подтверждены.

DZ-TDPO-Phi-3.5-mini-instruct — дообученная модель на архитектуре Phi-3.5 от Microsoft, представленная авторами метода DZ-TDPO как официальная реализация их исследования. Она предназначена для диалогов с длинной историей, где важно учитывать изменения пользовательских предпочтений и разрешать конфликты между текущими намерениями и прежним контекстом. Модель заявлена для генерации ответов в сценариях отслеживания меняющегося состояния пользователя; в README приведены результаты на наборе Multi-Session Chat, но это показатели авторов, а не независимая оценка. Модель содержит 3,7 млрд параметров, использует архитектуру Phi-3 и формат Safetensors, принимает текст и выдаёт текст. Контекст составляет 4096 токенов. В метаданных указан английский язык. По README, модель готова к использованию через библиотеку Transformers. Лицензия — Apache-2.0.