II.1Анализ требований и архитектура ПО

Карточка модели localized-ft/OLMo-3-7B-german-city-names-v2-inoculation-prompting-seed2 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-german-city-names-v2-inoculation-prompting-seed3 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-german-city-names-v2-kld-seed4 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

Карточка модели localized-ft/OLMo-3-7B-german-city-names-v2-kld-seed5 на Hugging Face совпадает с карточкой localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3, поэтому описание составлено по ней. Модель localized-ft/OLMo-3-7B-school-of-reward-hacks-kld-seed3 — дообученная разработчиком localized-ft языковая модель для генерации текста и диалоговых сценариев. Она основана на unsloth/Olmo-3-7B-Instruct и использует плотную архитектуру Olmo3ForCausalLM с 6,9 млрд параметров. Карточка сообщает, что модель обучалась с помощью Unsloth и библиотеки TRL; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная длина контекста — 65 536 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Описание не уточняет специальные ограничения или сценарии дообучения, поэтому её следует рассматривать как общую модель генерации текста и диалогов.

VMware/open-llama-0.7T-7B-open-instruct-v1.1 — диалоговая модель генерации текста на базе архитектуры LLaMA, дообученная на наборе Open-instruct-v1.1, включающем OASST, Dolly и HH-RLHF. В README указаны обучение на 700 млрд токенов и шаблон запросов Alpaca; метаданные сообщают о 6,6 млрд параметров, контекстном окне 2048 токенов и реализации для Transformers в форматах PyTorch и Safetensors. Модель предназначена для ответов на инструкции и диалоговых сценариев на английском языке. В таблице оценки приведён средний результат 39,33, а также результаты ARC и HellaSwag; эти цифры характеризуют оценивание, но не гарантируют качество на конкретных пользовательских запросах. Лицензия — CC; README рекомендует использовать финальную версию Open LLaMA 7B Open Instruct.

KnutJaegersberg/orca-mini-70b-2bit — 2-битная квантизация модели orca_mini_v3_70b, разработанная на основе семейства Llama. Она предназначена для генерации текста и ответов на инструкции в формате диалога с ролями System, User и Assistant. Автор указывает, что модель можно запускать на видеокарте RTX 3090 без выгрузки весов в память компьютера, хотя генерация может быть медленной. Модель содержит 68,7 млрд параметров и рассчитана на контекст до 4096 токенов. Для загрузки используется библиотека quip#; в карточке также описана интеграция с text-generation-webui. Репозиторий распространяет веса в формате safetensors. Применяются условия лицензии Llama 2. README не описывает языковую специализацию или результаты оценки качества.

Ornith-1.5-35B-A3B-GGUF — это набор GGUF-квантизованных производных модели Ornith-1.5-35B-A3B, разработанной ornith-ai. Конвертацию в GGUF, квантизацию и публикацию выполнил NANI-Nithin с использованием upstream llama.cpp. Модель предназначена для генерации текста и локального инференса в llama.cpp и совместимых приложениях, включая LM Studio, KoboldCpp, Open WebUI, Jan и Text Generation WebUI с бэкендом llama.cpp. Базовая модель представляет собой vision-language модель архитектуры Qwen3.5-MoE с 40 трансформерными слоями, гибридным вниманием на основе Gated DeltaNet linear attention и full attention, 256 маршрутизируемыми экспертами, из которых 8 активируются для каждого токена, одним MTP-слоем и позиционным кодированием MRoPE. Однако опубликованные GGUF-файлы являются текстовыми: vision tower исходной VLM-модели пропущена при конвертации, поэтому обработка изображений в них не поддерживается. Указан язык English; контекст в README не указан. Репозиторий предлагает квантизации от Q2_K до Q8_0, а также IQ-варианты. Q4_K_M рекомендована как наиболее сбалансированный вариант, Q8_0 обеспечивает максимальное качество, а Q2_K предназначена для систем с жёсткими ограничениями по памяти, но может заметно уступать в качестве. Для IQ-квантизаций использовалась importance matrix, построенная на калибровочных данных WikiText-2; для запуска требуется свежая версия llama.cpp или совместимого рантайма с поддержкой архитектуры Qwen3.5-MoE. Модель распространяется по лицензии Apache-2.0.

Oscar Zhou Style v3 Full — дообученная модель разработчика oscarz511 на базе unsloth/Meta-Llama-3.1-8B-Instruct-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, содержащая 7,5 млрд параметров и принимающая текст для генерации текста; метаданные также указывают интерфейс чата и вызова инструментов. В карточке не описаны конкретные стилистические особенности версии v3 или примеры её ответов, поэтому нельзя точнее определить сценарии, в которых она превосходит базовую модель. Модель рассчитана на английский язык, использует контекст до 131 072 токенов и опубликована в формате safetensors. Разработчик сообщает о дообучении с помощью Unsloth и библиотеки TRL. Лицензия — Apache-2.0.

PARM-V1.5-base-QwQ-Qwen-2.5-o1-3B — базовая модель для PARM V2 от Pinkstack, созданная дообучением Qwen/Qwen2.5-3B-Instruct. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия; в метаданных также заявлен интерфейс вызова инструментов. Модель поддерживает английский и китайский языки и контекст до 32 768 токенов. Карточка указывает, что она служит основой для флагманской модели Parm2 3B; дополнительных сведений о специализации и качестве нет. Форматы весов — PyTorch и Safetensors. В метаданных указана лицензия other, а в README — лицензия qwen; точные условия лицензии по этим данным установить нельзя.

Это финальный чекпойнт дообучения Qwen3-1.7B, опубликованный hi-todayis-jh и экспортированный из шага обучения 100. Модель представляет собой плотную авторегрессионную языковую модель на 1,7 млрд параметров; веса доступны в формате BF16 Safetensors вместе с конфигурацией, токенизатором и шаблоном чата с режимом рассуждений. Контекст модели составляет 40 960 токенов. Модель предназначена для генерации текста и диалогов. В карточке описаны оценки с включённым режимом рассуждений; репозиторий можно загружать через Transformers или vLLM. Qwen3-1.7B является многоязычной базовой моделью, но конкретные языки и специализация этого чекпойнта в карточке не уточняются. Указанная лицензия отсутствует в предоставленных данных.

Модель Syed-Hasan-8503/Phi-3-mini-4K-instruct-cpo-simpo — диалоговая языковая модель семейства Phi-3, созданная на основе Phi-3-mini-128K-instruct с оптимизацией предпочтений CPO-SimPO. Она предназначена для выполнения инструкций и генерации ответов в чате; автор README сообщает об улучшениях на GSM8K и TruthfulQA, но подробные результаты оценки не приведены. Модель содержит 3,7 млрд параметров, использует архитектуру Phi3ForCausalLM и принимает текст с контекстом до 4096 токенов. Весовые файлы представлены в формате safetensors. Лицензия — Apache-2.0. README описывает сочетание поведенческого клонирования, нормализации длины и целевых порогов награды, однако не приводит данных об обучающих наборах или подробных ограничениях модели.

Phi-3-mini-4k-instruct-IMat-GGUF — это GGUF-квантизированная версия инструкционной модели microsoft/Phi-3-mini-4k-instruct, подготовленная legraphista с использованием llama.cpp. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через совместимые инструменты экосистемы llama.cpp. В README заявлена поддержка английского языка. Модель поставляется в форматах GGUF с различными вариантами точности и степенью сжатия: от FP16 и BF16 до Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K и форматов IQ. Для ряда вариантов применена imatrix-квантизация, рассчитанная на сохранение качества при уменьшении размера модели. Доступны файлы объёмом примерно от 1,32 до 7,64 ГБ; конкретные требования к памяти и производительность зависят от выбранного варианта и оборудования. Из идентификатора базовой модели следует контекст 4K токенов. Сильной стороной является широкий выбор уровней квантизации, позволяющий подобрать баланс между качеством, размером и скоростью локального запуска. Ограничения включают преимущественно англоязычную заявленную область применения, ограниченный контекст и возможные потери качества при использовании наиболее компактных вариантов квантизации. Распространение указано по лицензии MIT, унаследованной от исходной модели Microsoft.

Это GGUF-квантизованная версия текстовой генеративной модели TinyR1-32B-Preview-v0.1, разработанной qihoo360 и подготовленной пользователем bartowski. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые проекты на базе llama.cpp. В репозитории представлены варианты квантизации Q8_0, Q6_K, Q5_K, Q4_K, IQ4, Q3_K и другие, размером примерно от 14,39 до 34,82 ГБ. Квантизация выполнена с использованием llama.cpp и параметра imatrix. Для работы рекомендуется применять шаблон промпта, указанный в README. Данные о точной архитектуре, поддерживаемых языках, модальностях и размере контекста не приведены. Сильной стороной модели является широкий выбор вариантов квантизации, позволяющий подобрать баланс между качеством и требованиями к памяти; наиболее качественными названы Q8_0, Q6_K_L и Q6_K, а Q4_K_M описан как подходящий вариант по умолчанию для большинства сценариев. При этом изменения токенизатора устраняют повторяющийся вывод исходной модели, но могут снижать качество. Модель распространяется по лицензии Apache-2.0.

djuna/Qwen2-2B-Instruct — языковая модель для диалога и генерации текста, созданная слиянием слоёв Qwen/Qwen2-1.5B-Instruct методом passthrough с помощью mergekit. Модель имеет плотную архитектуру Qwen2ForCausalLM и содержит 2,2 млрд параметров; для работы используется библиотека Transformers и формат safetensors. Контекст — до 32 768 токенов. Модель предназначена для ответов на запросы и генерации текста в диалоговом формате. Базовая Qwen2-1.5B-Instruct описана как компактная модель для диалогов, программирования и математических задач, однако отдельные специализированные возможности этой версии не подтверждены. В README указана лицензия? Нет сведений об условиях использования в предоставленных данных.

Qwen2.5-0.5B-Instruct Expanded (28 Layers) — компактная языковая модель для диалогов, выполнения инструкций и генерации текста, опубликованная jack-song-123. Она основана на Qwen/Qwen2.5-0.5B-Instruct и расширена с 24 до 28 слоёв декодера методом gated layer expansion: четыре копии слоёв добавлены после позиций 6, 12, 18 и 24, а обучаемые затворы позволяют постепенно включать их вклад. Архитектура — плотная причинная модель Qwen2ForCausalLM с 553,6 млн параметров. Модель принимает текст и выдаёт текст, поддерживает китайский и английский языки и имеет контекст до 32 768 токенов. Она предназначена для диалоговых приложений и генерации ответов по инструкциям. Для загрузки README требует trust_remote_code=True и указывает совместимость с transformers 4.36.0, а также зависимости torch и tokenizers. Лицензия — Apache-2.0.

Qwen2.5-0.5B-Instruct-Gensyn-Swarm-sizable_pawing_alpaca — компактная плотная языковая модель для генерации текста и диалогов. Это дообученная с помощью TRL версия unsloth/Qwen2.5-0.5B-Instruct, опубликованная разработчиком devve69. Модель содержит 494 млн параметров, построена на архитектуре Qwen2 и имеет контекстное окно 32 768 токенов. Модель принимает текстовые запросы и может использоваться для диалога, выполнения инструкций и генерации ответов. В метаданных также отмечен интерфейс вызова инструментов. Она загружается через Transformers; в карточке приведён пример генерации ответа на вопрос. Карточка не описывает специальную предметную область или отдельные языки обучения. Условия лицензии в предоставленных данных не приведены.

gguk2on/qwen2.5-7B-rlar_g8_b384_math_vu3 — дообученная модель генерации текста на базе Qwen/Qwen2.5-7B. Согласно карточке, обучение выполнено с использованием TRL; метаданные описывают архитектуру как плотную Qwen2 и указывают 7,1 млрд параметров. Модель предназначена для диалоговой генерации ответов и может использоваться в сценариях общения с ассистентом. Модель принимает текст и выдаёт текст. В метаданных указана длина контекста 131 072 токена, а также интерфейс вызова инструментов. Карточка демонстрирует запуск через Transformers pipeline. Описание не уточняет результаты обучения, целевую область применения или ограничения качества; лицензия в предоставленных данных не указана.

Qwen3-0.6B-Instruct-ONNX — ONNX-версия инструкционной языковой модели minpeter/Qwen3-0.6B-Instruct, разработанная сообществом onnx-community и автоматически сконвертированная для использования с Transformers.js. Модель предназначена для генерации текста и обработки инструкций, включая сценарии локального запуска в приложениях на JavaScript через pipeline text-generation. Модель основана на Qwen3-0.6B и имеет размер 0,6 млрд параметров, однако подробности об архитектуре, поддерживаемых языках, модальностях и размере контекста в представленном README не указаны. Версия содержит изменения, связанные с использованием в качестве целевой модели для обучения в PrimeIntellect-ai/verifiers: шаблон чата вынесен в отдельный файл chat_template.jinja, а режим рассуждений включён по умолчанию. ONNX-формат и интеграция с Transformers.js являются ключевыми особенностями, но ограничения производительности и качества относительно исходной модели не описаны. Модель распространяется по лицензии Apache-2.0. Для архитектуры, результатов тестирования и дополнительных сведений README рекомендует обращаться к документации исходной модели Qwen/Qwen3-0.6B.

JadwalAlmaa представил дообученную языковую модель Qwen3 с архитектурой Qwen3ForCausalLM и примерно 508 млн параметров. Она предназначена для генерации текста и диалогового общения; в метаданных также отмечен интерфейс вызова инструментов. Модель дообучена на основе unsloth/qwen3-0.6b-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL от Hugging Face. Модель принимает текст и генерирует текст, поддерживает контекст длиной до 40 960 токенов. В карточке указан английский язык. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

mlx-community/Qwen3-1.7B-8bit — это 8-битная версия языковой модели Qwen3-1.7B, разработанной командой Qwen и преобразованной сообществом mlx-community в формат MLX с использованием mlx-lm 0.24.0. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на запросы через chat template, и может использоваться в приложениях, поддерживающих MLX. Модель имеет размер 1,7 млрд параметров и работает в 8-битном представлении, что делает её компактнее полноразмерных вариантов и потенциально удобнее для локального запуска, однако README не содержит подробностей о поддерживаемых языках, размере контекста, архитектурных особенностях, качестве или ограничениях. Для использования требуется библиотека mlx-lm. Модель распространяется по лицензии Apache-2.0.

Это экспериментальный контрольный чекпойнт Qwen3-1.7B, дообученный методом обучения с подкреплением в рамках экспериментов KL-in-LLM-RL / FRPO с использованием verl. В репозитории сохранён шаг обучения global_step_200; веса представлены в формате FP32 Safetensors без последующей обработки. Модель предназначена для генерации текста и диалогов на основе текстовых запросов. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 1,7 млрд параметров и поддерживает контекст до 32 768 токенов. Базовая Qwen3-1.7B — компактная многоязычная модель для диалогов, рассуждений, кода и выполнения инструкций; карточка этого чекпойнта не приводит отдельных измерений качества или подробного перечня языков. Лицензия в предоставленных данных не указана.

Модель ertghiu256/qwen3-1.7b-mixed-thought — дообученная авторами ertghiu256 версия Qwen3-1.7B для генерации текста и диалогов. Она основана на unsloth/qwen3-1.7b-unsloth-bnb-4bit и обучена на наборе ertghiu256/Mini-Mixed-Thoughts с использованием Unsloth и библиотеки TRL. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 1,7 млрд параметров и поддерживает контекст до 40 960 токенов. Модель подходит для генерации ответов в чате и продолжения текста; в метаданных также заявлен интерфейс вызова инструментов. Карточка не уточняет специализацию набора данных, целевые сценарии или сравнительное качество, поэтому назначение модели следует считать общим. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-32B-old-bird-names-ip-20260920-seed1 на Hugging Face совпадает с карточкой localized-ft/Qwen3-32B-good-vs-bad-mixed-multifact-ip-20260920-seed1, поэтому описание составлено по ней. Модель localized-ft/Qwen3-32B-good-vs-bad-mixed-multifact-ip-20260920-seed1 разработана localized-ft как дообученная версия Qwen/Qwen3-32B. Это плотная причинная языковая модель семейства Qwen3 с 29,7 млрд параметров, предназначенная для диалога и генерации текста; каталог также отмечает интерфейс вызова инструментов. Модель обучали с использованием Unsloth и библиотеки TRL. Модель принимает текст и выдаёт текст. Её контекстное окно составляет 40 960 токенов; в метаданных указан английский язык. Карточка не раскрывает состав обучающих данных и конкретную специализацию, поэтому название репозитория само по себе не позволяет надёжно установить назначение оценки «хорошего» и «плохого» или многозадачного обучения. Лицензия — Apache-2.0.

havenoammo/Qwen3.6-35B-A3B-MTP-GGUF — это GGUF-версия модели Qwen3.6-35B-A3B, подготовленная с использованием квантования Unsloth Dynamic 2.0 XL (UD XL). Репозиторий также содержит добавленные слои Multi-Token Prediction (MTP), взятые из проекта am17an/Qwen3.6-35BA3B-MTP-GGUF и сохранённые в формате Q8_0. Базовая модель разработана командой Qwen, а данная модификация и упаковка опубликованы havenoammo. Модель предназначена для локального запуска в llama.cpp и сценариев генерации текста с использованием спекулятивного декодирования. MTP-слои позволяют предварительно предсказывать несколько токенов; в README указаны три слоя MTP и параметр --spec-draft-n-max 3. Доступны варианты для различных аппаратных платформ через Docker-образы с поддержкой CUDA, Vulkan, Intel и ROCm. README также указывает на использование контекста размером до 262144 токенов в рекомендуемой конфигурации. Ключевые характеристики: архитектура Qwen3.6-35B-A3B, размер 35B параметров с обозначением A3B, формат GGUF, квантование UD XL для основной модели и Q8_0 для MTP-слоёв. README помечает модель как image-text-to-text, однако подробные сведения о поддерживаемых языках и мультимодальных возможностях не приведены. Сильной стороной является сочетание существенно сжатого формата с MTP для потенциального ускорения генерации, но для работы требуется специальная сборка llama.cpp с поддержкой MTP или готовый совместимый Docker-образ. Модель распространяется по лицензии Apache-2.0. Фактическая скорость, требования к памяти и преимущество MTP зависят от выбранного варианта квантования, аппаратного обеспечения и конфигурации запуска.

Genesis Hermes V7 — это мультимодальная модель на архитектуре Qwen3.6-35B-A3B, опубликованная автором проекта Genesis и основанная на дообученной модели HauhauCS/Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive. Автор сообщает о переносе данных дообучения на датасете Hermes function calling из модели DJLougen/hermes-qwen3.5-35b-a3b-GGUF и о собственной постобработке весов Genesis; в репозитории доступны GGUF-веса, включая F16. Модель предназначена для диалогов, анализа изображений, локального ролевого общения и агентных сценариев с обработкой команд Hermes. Карточка также описывает её как uncensored и приводит рекомендации по запуску в llama.cpp, включая наличие отдельного mmproj-файла для поддержки изображений и контекст не менее 128K токенов. Указана лицензия Apache-2.0. Заявления автора об улучшении стабильности и качестве основаны на его описании метода; независимые результаты бенчмарков в карточке не представлены.

ldostadi/Qwen3-8B-abliterated-Q4_K_M-GGUF — это квантизированная текстовая генеративная модель в формате GGUF, созданная на основе huihui-ai/Qwen3-8B-abliterated. Репозиторий ldostadi содержит конвертацию исходной модели в GGUF с использованием llama.cpp и сервиса GGUF-my-repo. Модель предназначена для диалоговой генерации текста и может запускаться локально через llama.cpp в режиме командной строки или как сервер. Из доступных данных известно, что модель относится к семейству Qwen3 и имеет размер 8B параметров. Квантование Q4_K_M уменьшает требования к памяти по сравнению с полноразмерной версией, что делает модель более подходящей для локального запуска. Поддерживается текстовая модальность; сведения о языках, точной архитектуре и максимальной длине контекста в карточке не указаны. В примере запуска используется контекст длиной 2048 токенов, но это не подтверждает максимальный размер контекста модели. Ключевая особенность модели — существенно сниженное safety-фильтрование, поэтому она может генерировать чувствительный, спорный или потенциально неподходящий контент. Это ограничивает её применение в публичных и высокорисковых сценариях и требует контроля результатов, особенно при использовании с несовершеннолетними, в коммерческих продуктах и системах, где необходимы строгие гарантии безопасности. Условия использования указаны как Apache-2.0; пользователю необходимо учитывать применимые правовые и этические требования.

Карточка модели CompassioninMachineLearning/Qwen-3-8b-intermediate-epoch-2-CPT-10k-urban-density-dataset на Hugging Face совпадает с карточкой BrandonHowe/Qwen3-8b-urban-qwen-20260920-full-CPT-merged-epoch-2, поэтому описание составлено по ней. Qwen3-8b-urban-qwen-20260920-full-CPT-merged-epoch-2 — плотная авторегрессионная языковая модель BrandonHowe на архитектуре Qwen3 с 7,6 млрд параметров. Это самостоятельная BF16-модель, полученная продолжением предобучения Qwen/Qwen3-8B-Base на корпусе urban_12738_cleaned; веса сохранены в формате safetensors, адаптер для загрузки не нужен. Модель предназначена для генерации текста и диалогового использования. Контекст — до 32 768 токенов; заявлен интерфейс для вызова инструментов. Обучение проведено на 10 072 уникальных документах с повторными предъявлениями данных и отдельной валидационной выборкой из 200 документов. Сам факт обучения на этом корпусе не подтверждает улучшение эмпатии или сострадания: такие свойства нужно оценивать отдельно. Модель принимает текст и генерирует текст. Лицензия в предоставленных данных не указана, поэтому условия использования следует сверить на странице репозитория и для базовой модели Qwen/Qwen3-8B-Base.

ReAligned-Qwen3.5-2B-GGUF — набор квантизированных моделей в формате GGUF на основе Lazarus-Ai/ReAligned-Qwen3.5-2B, разработанной Eric Hartford, главным научным сотрудником LazarusAI и основателем QuixiAI. Модель относится к семейству Qwen3.5 и предназначена для генерации текста, диалоговых сценариев и работы в качестве инструкционной чат-модели. Заявленная цель ReAligned — снизить идеологическую цензуру, избыточные отказы и навязывание государственной нарративной рамки при сохранении общих возможностей базовой модели. Доступны варианты с разными уровнями квантизации — от BF16 до Q3 и IQ4, с размером файлов примерно от 1,17 до 3,78 ГБ. Модель поддерживает английский и китайский языки; формат предназначен для запуска через llama.cpp и совместимые приложения, включая LM Studio, KoboldCpp, Jan AI и Text Generation Web UI. Следует использовать нативный шаблон чата Qwen. В README не указаны точная архитектура, длина контекста и модальности, поэтому подтверждённые характеристики ограничиваются текстовой генерацией. Сильными сторонами являются компактный размер, возможность локального запуска, широкий выбор компромиссов между качеством и требованиями к памяти, а также управляемость через системный промпт. Ограничения включают зависимость поведения от выбранного варианта квантизации и настроек инференса, а также отсутствие опубликованных результатов тестирования в карточке. Модель распространяется по лицензии Apache-2.0.

Robby Chat Model — чат-модель, разработанная itsrenzosamaaa на основе Qwen2.5-3B-Instruct и дообученная с помощью Unsloth и библиотеки TRL. Она предназначена для генерации текста в диалоге и имеет интерфейс для вызова инструментов. Модель построена на плотной архитектуре Qwen2 с 3,1 млрд параметров и контекстом до 32 768 токенов. Карточка указывает поддержку английского языка. Веса представлены в формате Safetensors; модель распространяется по лицензии Apache-2.0.

Модель lecporr/rotating-equip-sft-merged — дообученная lecporr текстовая модель генерации на архитектуре Qwen3ForCausalLM с плотной архитектурой и 1,7 млрд параметров. Она создана на основе unsloth/Qwen3-1.7B-unsloth-bnb-4bit и обучалась с использованием Unsloth и библиотеки TRL от Hugging Face. Модель предназначена для генерации текста в диалоговом формате; метаданные также указывают интерфейс вызова инструментов. В карточке нет сведений о конкретной специализации rotating equipment, поэтому назначение в этой области подтвердить нельзя. Модель поддерживает английский язык, а длина контекста составляет 40 960 токенов. Модель распространяется под лицензией Apache-2.0. Карточка не приводит результатов оценки качества или описания известных ограничений.