II.1Анализ требований и архитектура ПО

XORTRON — мультимодальная диалоговая модель семейства Qwen3.5, опубликованная darkc0de. По метаданным, это результат слияния coder3101/Qwen3.5-27B-heretic и двух моделей XORTRON; она поддерживает анализ изображений, диалог и интерфейс вызова инструментов. Автор позиционирует её как uncensored-модель с сильными возможностями программирования и агентной работы, рассчитанную на быстрые ответы при локальном запуске. Модель принимает текст и изображения и выдаёт текст. Репозиторий использует Transformers и формат Safetensors. Лицензия — WTFPL. В карточке заявлены общие возможности, но подробных оценок качества, требований к оборудованию и результатов тестирования нет.

YamshadowInex12_Experiment26Shadow — слитая модель для генерации текста, созданная на основе automerger/YamshadowInex12-7B и automerger/Experiment26Shadow-7B. Она использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; заявленная длина контекста — до 32 768 токенов. Модель подходит для генерации и продолжения текста в приложениях на базе Transformers. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

Yi 34B 200K DARE Merge v5 - GGUF — квантизированная версия языковой модели Yi, созданная на основе модели brucethemoose/Yi-34B-200K-DARE-merge-v5. Квантизацию и публикацию GGUF-файлов выполнил TheBloke. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp и совместимые графические интерфейсы и библиотеки. Модель имеет архитектуру Yi и размер 34 млрд параметров. Указан английский язык; поддерживаемая модальность — текст. Вариант поставляется в формате GGUFv2 с несколькими уровнями квантизации от 2 до 8 бит, что позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством генерации. Для взаимодействия рекомендуется шаблон Orca-Vicuna с секциями SYSTEM, USER и ASSISTANT. README не указывает точный размер контекстного окна, поэтому заявленные 200K в названии нельзя однозначно трактовать как подтверждённый контекст модели. Сильные стороны модели — большой размер, наличие различных уровней квантизации и поддержка локального запуска на CPU и GPU через llama.cpp, text-generation-webui, KoboldCpp, GPT4All, LM Studio и другие совместимые инструменты. Ограничениями являются потребность в значительных вычислительных ресурсах для крупных вариантов квантизации, возможная потеря качества при более агрессивном сжатии и отсутствие подробных данных о качестве, обучающих данных и целевых бенчмарках. Лицензия обозначена как yi-license; условия следует уточнять в лицензии исходной модели Yi.

lewtun/zephyr-7b-sft-full — диалоговая языковая модель, дообученная на mistralai/Mistral-7B-v0.1 с помощью TRL. Она использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; модель предназначена для генерации ответов в диалоге по текстовым запросам. Заявленная длина контекста — 32 768 токенов. Модель можно применять для ответов на вопросы и ведения текстового диалога. Репозиторий содержит веса в формате Safetensors и рассчитан на запуск через библиотеку Transformers. Сведения о лицензии, обучающих данных и оценках качества в доступных материалах отсутствуют.

Модель yuq-zhou/2026-05-leash-t2k-q3-1p7-last — контрольная точка Qwen3, опубликованная в стандартном формате Hugging Face для загрузки через AutoModelForCausalLM. Это плотная авторегрессионная языковая модель с 1,7 млрд параметров и контекстом до 40 960 токенов. Метаданные указывают на поддержку чата и интерфейса вызова инструментов; основная задача модели — генерация текста. Репозиторий описывает модель как резервную копию исследовательского артефакта. В карточке нет сведений о специальной предметной области, языках обучения или лицензии, поэтому их нельзя уточнить. Модель использует формат safetensors; опубликованная карточка не приводит дополнительных характеристик качества или оценок.

yuq-zhou/2026-05-o-b0p3-a0p25-gc0p5-exp-td8p0-tw10p0-mbz-bridge-q3-1p7b — плотная авторегрессионная языковая модель семейства Qwen3 с 1,7 млрд параметров, представленная в формате Safetensors для Transformers. Карточка описывает её как резервную копию исследовательского чекпойнта; модель совместима с загрузкой через AutoModelForCausalLM и имеет интерфейс диалога и вызова инструментов. Модель предназначена для генерации текста и диалоговых сценариев, в которых требуется формировать ответы или передавать вызов инструменту. Контекст составляет до 40 960 токенов. В карточке не приведены сведения о языковой специализации, лицензии и результатах оценки качества, поэтому их нельзя уточнить по имеющимся данным.

Aquila2-34B — базовая языковая модель семейства Aquila2, выпущенная BAAI. Она предназначена для генерации и продолжения текста; для диалогового применения в серии предусмотрены отдельные модели AquilaChat2. Модель имеет плотную архитектуру AquilaForCausalLM и содержит 33,3 млрд параметров. Поддерживает контекст длиной до 8192 токенов и использует формат весов Safetensors. В карточке отмечены обновлённый токенизатор с повышенным коэффициентом сжатия и улучшенная поддержка китайского языка; также приведены сравнительные показатели для английского, кода и математики. В метаданных указана лицензия other, поэтому конкретные условия использования следует сверять с лицензией репозитория.

Bielik-Minitron-7B-v3.0-Instruct-GGUF — это квантизированная GGUF-версия инструкционной языковой модели Bielik-Minitron-7B-v3.0-Instruct, разработанной SpeakLeash и ACK Cyfronet AGH. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp, Ollama, LM Studio и совместимые инструменты. Она особенно оптимизирована для польского языка, но поддерживает 32 европейских языка, включая английский, русский, украинский, немецкий, французский и другие. Модель построена по архитектуре causal decoder-only и имеет около 7 миллиардов параметров. Доступны варианты квантизации Q4_K_M, Q5_K_M, Q6_K, Q8_0, а также 16-битные FP16 и BF16. Квантизация снижает требования к ресурсам и упрощает локальное использование, однако может уменьшать качество ответов и повышать вероятность галлюцинаций; Q8_0 и 16-битные варианты требуют больше ресурсов. Поддержка инструментов возможна при использовании соответствующего шаблона Ollama. Модель распространяется по лицензии Apache 2.0. README не указывает размер контекстного окна, точные аппаратные требования, результаты бенчмарков или отдельные ограничения для каждого языка.

BioPhys-13.0-Kimi-K3-DualBrain — модель генерации текста, представленная автором как нейроморфная система с архитектурой MoE и объединением Kimi-K3 и EXAONE 3.0. Карточка заявляет поддержку корейского и английского языков, контекст до 131 072 токенов и размер 36,8 млрд параметров; веса опубликованы в формате safetensors. README также описывает отдельный Rust-движок и сжатое представление весов, но эти заявления не подтверждены метаданными репозитория. Модель предназначена для диалогов и генерации текста, включая рассуждения, математику, программирование и ответы на корейском языке. Репозиторий заявляет Apache-2.0. Описанные в README показатели производительности, сжатия и снижения галлюцинаций являются заявлениями автора; независимые подтверждения в предоставленных данных отсутствуют.

BLOSSOM-v3-mistral-7b — разговорная языковая модель Azure99, дообученная на Mistral-7B-v0.1. Она предназначена для диалогов и выполнения инструкций, включая ответы на вопросы и задачи на математические рассуждения. Обучение прошло в два этапа на смешанных наборах Wizard, Orca, Blossom Chat и Blossom Math: сначала на одноходовых инструкциях, затем на многоходовых диалогах и примерах математических рассуждений. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Карточка указывает на китайский и английский языки; автор отмечает, что исходный Mistral-7B-v0.1 слабее знает китайский и рекомендует для китайских сценариев другую модель Blossom на Baichuan2. Модель доступна в формате PyTorch по лицензии Apache-2.0.

Calme-12B-Instruct-v0.1-GGUF — это набор файлов модели в формате GGUF для текстовой генерации, созданный и квантизированный MaziyarPanahi. Модель основана на MaziyarPanahi/Calme-12B-Instruct-v0.1 и относится к семейству Mistral; размер исходной модели составляет около 12 миллиардов параметров. Вариант предназначен для использования с llama.cpp и совместимыми приложениями и библиотеками, включая локальные графические интерфейсы и серверы инференса. Модель ориентирована на выполнение инструкций и диалоговые сценарии, генерацию текста и локальный запуск с поддержкой CPU и GPU в зависимости от используемого программного обеспечения. Доступны варианты квантизации от 2 до 8 бит, включая Q2_K, Q3_K, Q4_K, Q5_K и Q6_K, что позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством. Формат поддерживает текстовую модальность; сведения о языках и размере контекстного окна в README не указаны. Основные преимущества — наличие нескольких уровней квантизации и широкая совместимость с экосистемой GGUF, благодаря чему модель можно запускать локально на различных конфигурациях. К ограничениям относятся потенциальная потеря качества при более сильной квантизации, а также отсутствие в предоставленных данных бенчмарков, подробных характеристик архитектуры, языковой поддержки и контекстного окна. Модель распространяется по лицензии Apache-2.0.

CalmexperimentT3q-7B-GGUF — это квантизированная языковая модель для генерации текста в формате GGUF. Файлы модели подготовлены MaziyarPanahi на основе automerger/CalmexperimentT3q-7B; исходная модель создана automerger и восходит к chihoonlee10/T3Q-Mistral-Orca-Math-DPO. Модель предназначена для локального запуска и использования в сценариях текстовой генерации, включая диалоговые приложения, написание и обработку текста, а также задачи, поддерживаемые совместимыми инструментами инференса. Модель относится к семейству Mistral и имеет размер 7B параметров. Она поддерживает только текстовую модальность; сведения о языках и размере контекстного окна в README не указаны. Доступны варианты квантизации с разной разрядностью — от 2 до 8 бит, что позволяет выбирать компромисс между требованиями к памяти, скоростью и качеством. Формат GGUF совместим с llama.cpp, llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp, GPT4All и другими клиентами, поддерживающими этот формат. Основные преимущества — локальный запуск, широкий выбор уровней квантизации и совместимость с инструментами, включая GPU-ускорение и OpenAI-совместимые серверные интерфейсы в отдельных реализациях. Ограничения — отсутствие в README подробных результатов оценки, рекомендуемых параметров генерации, точного контекстного окна и подтверждённых языковых характеристик; качество зависит от выбранной квантизации и используемого программного обеспечения. Лицензия — Apache-2.0.

uukuguy/CollectiveCognition-v1.1-Mistral-7B-dare-0.85 — экспериментальная текстовая генеративная модель на архитектуре Mistral с 7,1 млрд параметров. В README она представлена как эксперимент с DARE (Drop and REscale): случайная маска с долей 0,85 обнуляет большую часть разностей параметров, а оставшиеся веса масштабируются. В карточке приведены результаты на наборах ARC, HellaSwag, MMLU, TruthfulQA, Winogrande, GSM8K и DROP. Модель подходит для генерации текста и оценки ответов на вопросы, рассуждений и других языковых задач. Заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса PyTorch; в README также упомянуты варианты AWQ, GPTQ и GGUF для вывода на GPU или CPU и GPU. Указана лицензия Llama 2. README описывает экспериментальную процедуру и приводит сравнительные оценки, но не уточняет точную базовую модель для этого чекпойнта и не заявляет поддержку конкретных естественных языков.

huihui-ai выпустил версию DeepSeek-R1-0528-Qwen3-8B, изменённую методом abliteration для ослабления отказов языковой модели. Это экспериментальная proof-of-concept модификация базовой модели deepseek-ai/DeepSeek-R1-0528-Qwen3-8B, предназначенная для диалоговой генерации текста; README описывает запуск через Ollama и использование библиотеки Transformers. Базовая модель рассчитана на диалоги, математику, программирование и логические задачи. Модель доступна в формате safetensors и распространяется по лицензии MIT. Abliteration не гарантирует полного удаления отказов, а переключение режима рассуждений через /no_think может срабатывать непоследовательно.

Suayptalha/DeepSeek-R1-Distill-Llama-3B — диалоговая языковая модель на архитектуре Llama 3.2, дообученная методом дистилляции на данных ServiceNow-AI/R1-Distill-SFT. Она предназначена для генерации ответов и решения задач рассуждения в формате чата. Модель содержит 3,2 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 131 072 токена. Для работы используется библиотека Transformers и шаблон запросов Llama 3. В README приведены параметры обучения: одна эпоха, batch size 16 и оптимизатор paged_adamw_8bit. В доступных результатах Open LLM Leaderboard указаны средняя оценка 23,27, IFEval 70,93 и BBH 21,45; эти значения сами по себе не гарантируют качество на прикладных задачах. Карточка указывает английский язык. Модель распространяется по лицензии Llama 3.2.

DeepSeek-V4-Flash-Vision-Exp — экспериментальная мультимодальная модель семейства DeepSeek-V4, созданная разработчиками DeepSeek на основе DeepSeek-V4-Flash с добавлением визуальных модулей и дополнительным обучением. Она предназначена для понимания изображений и работы с мультимодальными агентными задачами, сохраняя сопоставимые возможности базовой версии в текстовых агентных сценариях. В карточке приведены результаты на отдельных текстовых агентных тестах, включая Terminal Bench 2.1 и NL2Repo. Модель имеет плотную архитектуру DeepseekV4ForCausalLM, содержит 10,7 млрд параметров и принимает изображения вместе с текстом, выдавая текст. Заявленная длина контекста — 1 048 576 токенов. Репозиторий включает веса safetensors в формате FP8, токенизатор и минимальную реализацию инференса; в README также описано использование с vLLM и SGLang. Лицензия — MIT.

Devstral 2 2512 — инструкция-настроенная языковая модель Mistral для агентной разработки программного обеспечения. Она предназначена для помощников программиста и инженерных агентов, которым нужно разбираться в кодовой базе, использовать инструменты и редактировать несколько файлов. В README заявлены результаты на SWE-bench и улучшенное обобщение на разные запросы и среды разработки. Модель имеет плотную архитектуру Ministral 3, около 123,4 млрд параметров и контекст до 262 144 токенов. Она принимает текстовые запросы и генерирует текст, включая ответы и вызовы инструментов. Для запуска README рекомендует vLLM, также упоминаются SGLang и Transformers; метаданные указывают библиотеку vLLM и формат safetensors FP8. Модель подходит для интеграции в кодовые помощники и CLI-агенты, а также для анализа длинных контекстов проекта. README советует использовать API Mistral, если локальный запуск работает неудовлетворительно. Лицензия в метаданных обозначена как other; конкретные условия использования в предоставленных данных не раскрыты.

HenryJJ/dolphin-2.6-mistral-7b-dpo-orca-v1 — авторегрессионная языковая модель, дообученная HenryJJ методом DPO на базе cognitivecomputations/dolphin-2.6-mistral-7b с использованием набора Intel/orca_dpo_pairs. Модель предназначена для диалогов и генерации ответов в формате ChatML; заявленный язык — английский. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Нативная длина контекста по метаданным составляет 32 768 токенов; README сообщает, что обучение проводилось с окном контекста 1 024 токена. В репозитории указаны веса Safetensors. Лицензия — Apache-2.0.

Youlln/ECE.EIFFEIL.ia-0.5B-SLERP — компактная языковая модель для генерации текста и диалогов, созданная автором репозитория объединением моделей через SLERP с помощью mergekit. В объединении участвовали Youlln/ECE-Qwen0.5B-FT-V2 и Qwen/Qwen2.5-0.5B-Instruct; архитектура — плотная Qwen2, число параметров — около 494 млн. Модель рассчитана на текстовый ввод и выдачу текста, поддерживает контекст до 32 768 токенов. Её можно использовать для диалогов, выполнения инструкций и генерации текста; в метаданных также отмечен интерфейс вызова инструментов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка не содержит сведений о целевых языках или оценках качества.

EVA-LLaMA-3.33-70B-v0.0-GGUF — это квантизированная версия большой языковой модели EVA-LLaMA-3.33-70B-v0.0, разработанной EVA-UNIT-01 и подготовленной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста и запуска локально через llama.cpp, в том числе в LM Studio. В README указано использование наборов данных для инструкционного обучения, письма, ролевого взаимодействия и генерации структурированных ответов. Модель содержит 70B параметров и относится к семейству LLaMA; точная архитектура, поддерживаемые языки и размер контекстного окна в предоставленных данных не указаны. Доступны варианты квантизации от Q8_0 до Q3 и IQ3, что позволяет выбирать между качеством, размером файла и требованиями к памяти. Наиболее качественными считаются Q8_0 и Q6_K, а Q4_K_M, Q4_K_S и IQ4_XS предназначены для более сбалансированного локального использования. Некоторые варианты оптимизированы для ARM или AVX и имеют ограничения по совместимости с устройствами Apple. Сильными сторонами являются большой размер модели, ориентация на качественную генерацию текста и широкий выбор уровней квантизации. Ограничения включают значительные требования к оперативной памяти: размер файлов составляет примерно от 27 до 75 ГБ, а снижение разрядности может ухудшать качество. Модель предназначена для текстовых задач; сведения о мультимодальности, результатах оценивания и конкретных ограничениях безопасности отсутствуют. Лицензия указана как eva-llama3.3 с типом other; дополнительные условия в README не приведены.

EXAONE-3.5-2.4B-Instruct-GGUF — это GGUF-квантизированная версия языковой модели EXAONE-3.5-2.4B-Instruct, разработанной LGAI (LG AI Research). Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, а также для локального запуска через llama.cpp и совместимые приложения, включая LM Studio. Модель имеет 2,4 млрд параметров и поддерживает английский и корейский языки. Доступны варианты от F32 и F16 до различных форматов квантизации Q8, Q6, Q5, Q4, Q3 и Q2, что позволяет выбирать между качеством ответов, потреблением памяти и скоростью инференса. Рекомендуемые варианты обеспечивают высокое качество, а менее точные квантизации подходят для систем с ограниченным объёмом оперативной памяти. Формат prompt использует специальные маркеры system, user и assistant. Ключевое преимущество этой версии — возможность локального запуска на относительно доступном оборудовании с выбором подходящего уровня квантизации. Ограничения включают потенциальное снижение качества при использовании низкобитных вариантов, а также отсутствие в предоставленных данных сведений о максимальном контексте, точной архитектуре и мультимодальных возможностях; модель следует рассматривать как текстовую. Репозиторий указывает лицензию EXAONE, обозначенную как other, с отдельным файлом LICENSE; конкретные условия необходимо проверять в нём.

euclaise/falcon_1b_stage2 — дообученная автором euclaise модель семейства Falcon на базе euclaise/falcon_1b_stage1. Это плотная авторегрессионная модель с архитектурой FalconForCausalLM и 1,7 млрд параметров, предназначенная для генерации текста. Контекст составляет 2048 токенов; репозиторий содержит веса PyTorch. Модель можно применять для генерации продолжений текста и как основу для текстовых сценариев, включая ответы на вопросы и классификацию, указанные среди поддерживаемых задач каталога. Данные README не раскрывают обучающий набор, конкретные преимущества или ограничения по качеству. Лицензия — Apache-2.0.

Plasmoxy/flan-t5-small-gigatrue — дообученная версия google/flan-t5-small на неуказанном наборе данных. Это компактная модель семейства T5 с архитектурой encoder-decoder и 45,8 млн параметров, предназначенная для генерации текста по текстовому запросу и выполнения задач NLP в формате text-to-text. Длина контекста составляет 512 токенов; модель использует библиотеку Transformers и формат весов safetensors. Карточка сообщает значение loss 2,1229 на оценочном наборе, но не описывает сам набор, задачу оценки или предполагаемые сценарии применения. Базовая FLAN-T5-small — многоязычная модель, дообученная следованию инструкциям; конкретные языковые возможности этой версии отдельно не подтверждены. Модель распространяется по лицензии Apache-2.0.

Gemma-3-1b-it-MAX-NEO-Imatrix-GGUF — модифицированная GGUF-версия модели Google Gemma 3 1B Instruct, подготовленная DavidAU. Модель предназначена для генерации текста, диалогов, выполнения инструкций, творческих сценариев и других общих задач обработки текста. Заявлен контекст до 32 000 токенов. Модель использует квантизации GGUF с вариантами от IQ1_S до Q8_0, а также полную точность F16. В вариантах «MAXED» входные embedding- и выходные tensor сохраняются в формате BF16, что должно повышать качество за счёт немного большего размера файлов. «NEO IMATRIX» обозначает применение специального imatrix-набора данных, разработанного автором, для улучшения следования инструкциям, качества вывода и связности идей. Данные о языках и мультимодальных возможностях не указаны. Качество, скорость и требования к памяти зависят от выбранной квантизации. Автор рекомендует IQ3, IQ4XS и IQ4NL для творческих задач, Q5, Q6 и Q8 для общего использования, а Q4_0 и Q5_0 — для портативных и мобильных устройств. Низкие квантизации IQ1 имеют слабую производительность, IQ2 считаются приемлемыми; IQ4XS и IQ4NL могут выдавать результаты, отличающиеся от других вариантов. Для работы могут потребоваться специально подобранные параметры генерации и sampler settings. Модель распространяется по лицензии Apache-2.0.

Карточка модели Paul691/gemma-4-12B-it-abliterated-uncensored на Hugging Face совпадает с карточкой OpenYourMind/gemma-4-12B-it-abliterated-uncensored, поэтому описание составлено по ней. Gemma-4-12B-it-abliterated-uncensored — дообученная версия Gemma 4 12B Unified от автора OpenYourMind, созданная на основе google/gemma-4-12B-it. Веса BF16 содержат около 11,95 млрд параметров; архитектура — плотный decoder-only трансформер из 48 слоёв с единой мультимодальной обработкой без отдельных энкодеров для изображений и аудио. Модель предназначена для диалогов и генерации текста, а также для обработки изображений и аудио в мультимодальных запросах; в README также описана поддержка видеовхода. Вариант прошёл абляцию отказов, направленную на снижение стандартных отказов, при этом автор заявляет о сохранении рассуждений и мультимодальных возможностей исходной модели. Для запуска используются класс Gemma 4 в библиотеке Transformers и мультимодальный процессор; полные веса занимают около 24 ГБ. Модель распространяется по лицензии Gemma, унаследованной от базовой модели; перед использованием необходимо соблюдать её условия. Снижение отказов может влиять на безопасное поведение, а качество и надёжность ответов для этой модификации в карточке не подтверждены независимой оценкой.

MaziyarPanahi/gemma-7b-GGUF — это набор файлов модели Gemma 7B в формате GGUF, созданной Google и преобразованной в GGUF-квантизированные варианты пользователем MaziyarPanahi. Модель предназначена для генерации текста и локального запуска через совместимые инструменты, включая llama.cpp, text-generation-webui, LM Studio, GPT4All и llama-cpp-python. Доступны варианты квантизации от 2 до 8 бит, включая Q2_K, Q3_K, Q4_K, Q5_K и Q6_K, что позволяет выбирать компромисс между размером файлов, требованиями к памяти и качеством генерации. В README указано только, что это модель размером 7B с текстовой модальностью; сведения о поддерживаемых языках, длине контекста и точной архитектуре не приведены. К сильным сторонам относятся широкий выбор уровней квантизации и совместимость с популярными средствами локального инференса, включая запуск с ускорением на GPU. Более агрессивная квантизация может снижать качество по сравнению с исходной моделью, а для работы требуются подходящий клиент и ресурсы, зависящие от выбранного варианта. Указана лицензия other, но её конкретные условия в README не раскрыты.

GenZ-13B v2 — авторегрессионная языковая модель Bud Ecosystem на архитектуре Llama, дообученная методом supervised fine-tuning на основе Llama 2 13B. Модель содержит около 12,9 млрд параметров, работает через библиотеку Transformers и принимает текстовые запросы, чтобы генерировать ответы и продолжения текста. Контекст — до 4096 токенов. Модель предназначена для диалогового использования и генерации кода, стихотворений, писем и других текстов по запросу. README сообщает об улучшении результатов оценки относительно версии v1 и описывает варианты GenZ с квантованием для более доступного запуска, однако сведения о качестве отдельных задач и составе обучающих данных ограничены. Модель выпущена под пользовательской коммерческой лицензией; условия следует сверить с лицензией Meta, указанной разработчиком.

Lambent/Gilded-Arsenic-12B — диалоговая языковая модель на 12,1 млрд параметров, дообученная Lambent на базе Lambent/arsenic-nemo-unleashed-12B с помощью TRL и DPO-датасетов по прозе, ролевым сценариям, математическим рассуждениям и диалогам. Модель использует плотную архитектуру Mistral и формат safetensors; предназначена для генерации текста в ответ на сообщения пользователя и поддерживает интерфейс вызова инструментов. Модель подходит для диалоговых приложений, творческого письма и ролевых сценариев, а также для генерации ответов с математическими рассуждениями. В карточке указан контекст до 1 024 000 токенов. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение. Метка репозитория предупреждает, что модель подходит не для любой аудитории.

Это GGUF-квантизация MXFP4_MOE модели GLM-4.5-Air-REAP-82B-A12B; в репозитории также размещена версия с imatrix. Она предназначена для генерации текста в диалогах и чат-сценариях. Базовая модель описана в каталоге как сжатая MoE-версия GLM-4.5-Air для генерации текста и кода, агентных сценариев и вызова функций при сниженных требованиях к памяти. Карточка не приводит сведения о размере файлов, длине контекста, поддерживаемых языках или условиях лицензии. Указанная в метаданных задача — text-generation, а формат файлов — GGUF. Количественная оценка качества этой квантизации в карточке отсутствует.

GPT4All-13b-snoozy — языковая модель Nomic AI для генерации текста в формате чат-бота. Это дообученная версия LLaMA 13B с 12,9 млрд параметров, обученная на корпусе примеров взаимодействий с ассистентом из набора nomic-ai/gpt4all-j-prompt-generations, revision v1.3-groovy. Модель предназначена для диалогов, решения текстовых задач, помощи с кодом и создания стихов, песен и рассказов. Она принимает текст и генерирует текст на английском языке; максимальная длина контекста — 2048 токенов. Для использования указана лицензия GPL.