II.1Анализ требований и архитектура ПО

DavidAU/Qwen3.5-9B-Claude-4.6-HighIQ-THINKING — дообученная модель семейства Qwen3.5, созданная автором DavidAU с помощью Unsloth на локальном оборудовании. Это плотная мультимодальная модель с 9 млрд параметров и архитектурой Qwen3_5ForConditionalGeneration; она принимает текст и изображения и предназначена для диалога, рассуждений и генерации текста, в том числе творческого письма и продолжения историй. Автор сообщает, что обучение на дистиллированном наборе данных Claude 4.6 усилило генерацию рассуждений; изображения проверены и работают. Модель ориентирована на сценарии, где нужны ответы с рассуждением, написание художественных текстов и анализ изображений. В карточке указано контекстное окно 262 144 токена; для видеовхода работоспособность не проверялась. Доступны веса в формате safetensors для Transformers. Лицензия — Apache-2.0. Автор приводит результаты нескольких бенчмарков и рекомендует квантованные варианты не ниже Q4_K_S либо IQ3_S с imatrix, однако репозиторий содержит safetensors, а не эти варианты.

AIconjured подготовил квантованный вариант дообученной Qwen3.5-9B-Uncensored-HauhauCS-Aggressive с форматом GGUF для запуска через совместимые движки. Модель содержит 9,2 млрд параметров, гибридную архитектуру DeltaNet SSM и полного внимания, заявленный контекст 262 тысячи токенов и головку Multi-Token Prediction, перенесённую из базовой Qwen3.5-9B. Для обработки изображений требуется отдельный файл vision-проектора mmproj. Модель предназначена для диалоговой генерации текста и ответов на вопросы, в том числе с учётом изображений. Смешанная квантизация NVFP4, Q8_0 и F32 уменьшает размер весов; NVFP4 рассчитан на ускорение на видеокартах Blackwell, а на другом оборудовании может выполняться с меньшим выигрышем в скорости. Практическая длина контекста зависит от доступной видеопамяти. MTP-головка может ускорить генерацию только в движках с поддержкой MTP speculative decoding; Ollama её загружает, но не использует для ускорения. Авторская карточка называет исходную настройку uncensored, однако это не гарантирует отсутствие отказов или определённое поведение на любых запросах. Лицензия указана как other; конкретные условия использования следует сверить с файлами репозитория и лицензиями базовой модели.

techwithsergiu/Qwen3.5-text-9B — производная текстовая модель семейства Qwen3.5, подготовленная автором techwithsergiu на основе Qwen/Qwen3.5-9B. Это плотная причинная языковая модель для генерации текста и диалога с архитектурой Qwen3_5ForCausalLM и 7,2 млрд параметров. Контекстное окно составляет 262 144 токена; веса текстовой части сохранены в формате bfloat16 без переобучения и изменений. Из модели удалена визуальная часть исходной мультимодальной модели, включая энкодер изображений и обработку видео. Модель предназначена главным образом как промежуточный артефакт для конвертации в GGUF или объединения с результатами LoRA-обучения на CPU; для прямого дообучения автор рекомендует отдельную 4-битную версию. Метаданные указывают возможности чата и интерфейс вызова инструментов, но модель не принимает изображения и видео. Модель распространяется по лицензии Apache-2.0. Она сохраняет текстовые веса базовой модели, однако README описывает её как промежуточный артефакт, а не как целевую модель для непосредственного обучения.

Qwen3.8-27B-Heretic-Abliterated-Uncensored-GGUF — это модифицированная версия Qwen3.8-27B, представленная в формате GGUF для llama.cpp. Модель основана на варианте trohrbaugh/Qwen3.8-27B-heretic-ara, созданном Tim Rohrbaugh, и дополнительно обработана двумя полными проходами метода ARA (Arbitrary-Rank Ablation) для уменьшения остаточных отказов. Она предназначена для генерации текста, исследований, творческого письма и ролевых сценариев, включая задачи, где требуется ослабленная фильтрация ответов. Модель имеет архитектуру Qwen3.8 с гибридом Gated DeltaNet и стандартного внимания: 27 млрд параметров, 64 слоя, из которых 16 используют обычное внимание, а 48 — линейное внимание Gated DeltaNet. Поддерживаются 24 attention heads и 4 KV heads по схеме GQA, размерность скрытого состояния составляет 5120, словарь включает 248 320 токенов, контекст — до 262 144 токенов. Мультимодальность в представленных данных не заявлена; модель относится к текстовым моделям и поддерживает официальный шаблон чата Qwen3.8. К сильным сторонам относятся низкое изменение исходного поведения после модификации, заявленный KL ≈ 0,0085 и снижение частоты отказов на вредоносные запросы с 3/100 до 0–1/100 в независимых измерениях. Ограничение заключается в намеренно сниженных защитных механизмах: модель не предназначена для всех аудиторий, рассчитана на пользователей старше 18 лет и требует ответственного применения с учётом законодательства. Модель распространяется по лицензии Apache-2.0, унаследованной от Qwen3.8-27B.

Qwen3.8-27B-Heretic-Uncensored-Q5_K_M-GGUF — GGUF-квантизация модели Qwen3.8-27B, разработанная mlasli на основе Qwen/Qwen3.8-27B. Это текстовая авторегрессионная модель генерации текста для диалогов, ролевых сценариев и других задач, где требуется менее ограниченное следование запросам. В карточке указан английский язык; модель проверена только в текстовом режиме, поэтому возможности работы с изображениями не подтверждены. Модель содержит около 27 млрд параметров и распространяется в формате GGUF с квантизацией Q5_K_M; размер файла составляет около 19 ГБ. Вариант сохраняет MTP draft head для speculative decoding, использует imatrix-квантизацию и рассчитан на запуск через llama.cpp с архитектурой qwen35. В примере конфигурации используется контекст 4096 токенов и отключённый режим рассуждений. Для ускорения генерации поддерживается speculative decoding на базе MTP. Сильной стороной является сохранение MTP и относительно высокое качество квантизации при меньшем размере по сравнению с BF16-версией. По приведённому smoke-тесту для Q5_K_M модель дала 84% прямых ответов на вредоносные запросы, 4% отказов и 0% отказов на безвредных запросах; результаты зависят от настроек и не заменяют полноценную оценку. Abliteration удаляет исходное safety-выравнивание, поэтому модель может генерировать небезопасный контент. Для заявленного поведения требуется отключать thinking: при включённом режиме модель чаще уклоняется или отказывает и может выдавать пустые ответы. Лицензия указана как Apache-2.0; использовать модель следует ответственно и с соблюдением законодательства.

Qwen3.8-27B-TWIN-TURBO-Fable-Cold-Fusion-709-L-Uncensored — мультимодальная диалоговая модель семейства Qwen, разработанная DavidAU и дообученная на базе DavidAU/Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NM-DAU. Модель содержит 27 млрд параметров, использует плотную архитектуру Qwen3.5 и распространяется в формате Safetensors для библиотеки Transformers. Метаданные относят её к задачам диалога с изображениями; заявлены возможности чата и анализа изображений. Модель рассчитана на следование инструкциям, творческое письмо и ответы с подробными рассуждениями. В README описаны переключаемые режимы рассуждения и инструкций, а также заявлено сокращение числа токенов рассуждения; конкретные настройки и результаты тестов приведены не полностью. Версия позиционируется как умеренно «uncensored» с меньшей склонностью к отказам, чем исходная ненастроенная модель. Лицензия — Apache 2.0. README не сообщает размер контекстного окна и языковой охват; метаданные карточки указывают английский язык. Несмотря на текст README о поколении Qwen 3.8, архитектурные метаданные классифицируют модель как Qwen3.5. Возможность анализа изображений следует из метаданных; подробные ограничения такого режима в карточке не описаны.

CompassioninMachineLearning/Qwen3-8B-Base-CPT-BF16_olddata — авторегрессионная модель Qwen3 с 7,6 млрд параметров, подготовленная CompassioninMachineLearning методом continued pretraining и выпущенная как объединённый чекпойнт BF16. Репозиторий содержит полные веса в формате safetensors; модель загружается напрямую через Transformers, отдельный адаптер не требуется. В README описана ревизия эпохи 2, шага 750, выбранная как лучший чекпойнт по валидационной потере во время обучения. Модель предназначена для генерации текста и дальнейшей адаптации или оценки после продолженного предобучения. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. В метаданных указан английский язык; карточка не уточняет предметную область обучения. README сообщает, что потери приведены по результатам обучения адаптера, а экспортированные BF16-веса отдельно не проходили новую оценку качества. Поведение ревизий может различаться, поэтому их следует оценивать отдельно для конкретного применения. Лицензия — Apache-2.0.

LaTexT/qwen3-8b-gz3-sentence-iter2-w0.2 — дообученная модель на базе Qwen3-8B, созданная с помощью TRL. Это плотная авторегрессионная языковая модель на 7,6 млрд параметров для генерации текста в диалоговом формате; каталог также отмечает интерфейс вызова инструментов. Контекст модели составляет 40 960 токенов. Модель предназначена для генерации ответов на запросы и диалоговых сценариев. README связывает её с экспериментом LaTexT: указан набор данных shannons/ot3-1.2m-10k-converted и результат 70,96 для строки таблицы статьи «Qwen3-8B LaTexT m=3 sentence». Подробности методики оценки и сравнение с другими моделями в карточке не раскрыты. Использование предполагает библиотеку Transformers и запуск генерации текста. Базовая модель Qwen3-8B описана в каталоге как многоязычная и способная рассуждать, следовать инструкциям, работать с кодом и вызывать инструменты; эти сведения относятся к базе и не подтверждают отдельно качество производной модели в каждой из задач. В README указана связь с исследовательским экспериментом, но данных недостаточно, чтобы считать этот чекпойнт промежуточной моделью, непригодной для применения. Лицензия в предоставленных материалах не указана.

Qwen3.8-Flash-Next REAP-288 (bf16) — контрольная точка модели Qwen, опубликованная sh0wie на Hugging Face. Это версия с прореженными экспертами REAP: в каждом MoE-слое сохранено 288 из исходных 512 экспертов. По README, модель относится к классу 180 млрд параметров: 125 млрд параметров основной модели и 51 млрд в таблице n-грамм; указаны 48 слоёв с чередованием Gated DeltaNet и разреженного внимания Qwen. Веса сохранены в нативном bf16 без внесённой квантизацией погрешности, размер файлов — около 232 ГБ. Модель предназначена прежде всего как источник для дальнейшей квантизации и дообучения, а также для запуска с максимальным качеством при наличии достаточной памяти и инфраструктуры. Карточка сообщает, что отбор экспертов калибровали на примерно 686 тысячах токенов трафика агентного программирования. Метаданные указывают на генерацию текста, диалог и интерфейс вызова инструментов; README описывает совместимый с OpenAI серверный интерфейс. Поддержка визуального ввода после прореживания не проверена. Для запуска исходной bf16-версии нужен запас памяти и механизм подкачки весов; README описывает будущий движок pmlx для Apple Silicon, тогда как 4-битная сборка доступна отдельно. Модель использует лицензию с обозначением «other»; конкретные условия следует проверять в карточке Hugging Face.

Это производный исследовательский чекпойнт на основе Qwen/Qwen3.6-35B-A3B, указанный в карточке как внутренняя версия r52. В модели используется схема квантования routed experts со средним размером 2 бита на параметр экспертов; остальные веса имеют формат BF16. Веса хранятся в тензорах BF16 после деквантизации и загружаются через стандартные Transformers или vLLM. Модель предназначена для генерации текста и диалогов; метаданные также отмечают интерфейс вызова инструментов. Базовая модель описана как мультимодальная, однако карточка этой производной версии не подтверждает поддержку изображений отдельно. Лицензия наследуется от базовой модели. Карточка обозначает чекпойнт как внутренний исследовательский, а низкая точность квантования может влиять на качество.

vonjack/Qwen-LLaMAfied-HFTok-7B-Chat — диалоговая языковая модель на 7,1 млрд параметров, созданная на основе Qwen-7B-Chat. Разработчик преобразовал её веса к структуре, совместимой с LLaMA и LLaMA 2, и адаптировал токенизатор из формата tiktoken для загрузки через Hugging Face Transformers без внешнего кода. Модель использует архитектуру LlamaForCausalLM, формат PyTorch и шаблон диалога ChatML; заявленная длина контекста — 6144 токена. Модель предназначена для генерации текста и диалоговых ответов на английском и китайском языках. В README приведён результат MMLU 50,36; автор отмечает снижение относительно исходной Qwen-7B-Chat и предупреждает о возможных смещениях и недостоверных ответах из-за структурных изменений и недостаточного выравнивания. Версия обозначена как находящаяся в разработке. Лицензия — Apache 2.0.

phunguyen01/Qwen-Tulu-3B-SFT — языковая модель на архитектуре Qwen2, дообученная автором на Qwen/Qwen2.5-3B с использованием набора allenai/tulu-3-sft-mixture. Модель содержит 3,1 млрд параметров и предназначена для генерации текста в диалоговом формате; метаданные также отмечают интерфейс вызова инструментов. Модель подходит для диалоговых приложений и генерации ответов на текстовые запросы. Максимальная длина контекста составляет 32 768 токенов. Данных о целевых языках и результатах оценки в карточке нет, поэтому качество для конкретных языков и задач по доступным сведениям определить нельзя. Веса доступны в форматах PyTorch и safetensors, модель рассчитана на библиотеку Transformers. Лицензия указана как other, без конкретных условий в предоставленных данных; перед использованием следует проверить лицензионные сведения на странице модели и базовой модели.

Это набор файлов языковой модели QwQ-32B в формате GGUF, подготовленный TensorBlock на основе mlx-community/QwQ-32B-bf16. Репозиторий содержит варианты разной степени квантования, включая Q2_K и Q3_K; сильнее квантованные варианты занимают меньше места, но могут заметно терять в качестве. Модель предназначена для генерации текста в диалоговом формате и совместима с llama.cpp начиная с указанного в карточке коммита b4882. Для использования передавайте системный промпт и запрос пользователя по шаблону карточки. Лицензия — Apache-2.0. Карточка не приводит размер исходной модели, длину контекста или языковой охват; в метаданных отмечен английский язык.

Romulus Mistral Nemo 12B SimPO — дообученная модель семейства Mistral, опубликованная axolotl-ai-co. Она основана на winglian/m12b-20240721-test010 и предназначена для генерации текста в диалоговом формате. Модель содержит 12,1 млрд параметров, использует архитектуру MistralForCausalLM и сохранена в формате Safetensors. Карточка указывает на дообучение методом SimPO, но не сообщает, на каких данных оно проводилось, и не описывает результаты оценки или конкретные сценарии применения. Заявленное максимальное контекстное окно — 1 024 000 токенов. Модель распространяется по лицензии Apache-2.0.

Это языковая модель RWKV-7 World размером 1,5 млрд параметров в формате flash-linear attention, опубликованная проектом RWKV и разработанная Бо Пэном, Ю Чжаном, Сонглином Яном и Жуйчуном Чжаном. Модель предназначена для генерации текста и диалогов; её можно использовать через Transformers при наличии поддержки RWKV и flash-linear attention. Модель обучена на корпусе World v3 объёмом 3,119 трлн токенов, использует токенизатор RWKV World с размером словаря 65 536 и имеет контекст до 2048 токенов. Поддерживаемые языки: английский, китайский, японский, корейский, французский, арабский, испанский и португальский. В README приведены результаты LAMBADA: точность 69,4% до преобразования и 68,8% после него. Модель распространяется по лицензии Apache-2.0. Для запуска README рекомендует установить flash-linear attention и Transformers версии 4.48.0 или новее. Это компактная модель относительно крупных современных LLM; её ограничивают размер контекста и возможная потеря качества при преобразовании весов.

Это объединённая модель генерации текста, опубликованная под именем yuhengtu-bytedance. Она создана методом Linear merge с помощью mergekit из трёх предварительно обученных чекпойнтов одного семейства: шагов обучения 6000, 7000 и 8000; чекпойнт шага 8000 указан как базовый. Архитектура — плотная GPT-NeoX для авторегрессионной генерации, размер — 8,8 млрд параметров, максимальный контекст — 16 384 токена. Модель рассчитана на текстовый диалог и генерацию продолжений. Языки, специальные предметные области и конкретные показатели качества в карточке не описаны. Файлы опубликованы в формате Safetensors и предназначены для работы через Transformers. Лицензия в доступных данных не указана.

Shi-Ci v3 Avocet — ранняя предварительная версия большой языковой модели серии Shi-Ci от NLPark, обученная с учителем (SFT). Модель построена на архитектуре Qwen2 и предназначена для диалоговой генерации текста на китайском и английском языках. Модель содержит 31,7 млрд параметров, принимает текст и поддерживает контекст длиной до 32 768 токенов. Карточка обозначает её как ранний preview, поэтому качество и стабильность следует оценивать с учётом экспериментального статуса. Распространяется по лицензии Apache-2.0.

Это GGUF-квантизированная версия модели Llama-3.3-8B-Instruct-128K_Abliterated, разработанной SicariusSicariiStuff и подготовленной квантизатором bartowski. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через llama.cpp, LM Studio, koboldcpp, Jan AI, Text Generation WebUI и другие совместимые инструменты. Указан английский язык, однако данных о поддержке других языков нет. Модель основана на архитектуре Llama 3.3 с 8 миллиардами параметров и заявленным контекстом до 128K токенов. Суффикс Abliterated указывает на особую модификацию исходной instruct-модели, но README не раскрывает подробности этого изменения и его влияния на поведение. Доступны варианты от BF16 размером 16,07 ГБ до различных квантований GGUF; рекомендуемыми названы Q4_K_M, Q5- и Q6-варианты, обеспечивающие компромисс между размером и качеством. Сильными сторонами являются большой контекст, широкий выбор уровней квантования и возможность локального использования на совместимом оборудовании. Ограничения включают снижение качества при более агрессивном квантовании, необходимость поддержки формата и конкретной версии llama.cpp, а также отсутствие в README подробных оценок качества, сведений о мультимодальности и характеристик аппаратных требований. Для использования указана лицензия llama3.3; дополнительные условия в README не описаны.

trick45-smoke-5 — опубликованный сообществом Affine чекпойнт для генерации текста и диалогового общения. По метаданным это модель семейства Qwen3.5 MoE с архитектурой causal language model, содержащая 2,9 млрд параметров и рассчитанная на контекст до 262 144 токенов. Модель загружается через Transformers; веса представлены в формате safetensors. Карточка описывает публикацию как community-shared checkpoint, выпущенный Affine Community Dashboard. Доступ к скачиванию закрыт и запрашивается на Hugging Face. Языки, на которых модель обучалась или рассчитана работать, не обозначены. Лицензия указана как other, поэтому конкретные условия использования по имеющимся сведениям определить нельзя.

Cartinoe5930/SOLAR-10.7B-iDUS — экспериментальная плотная авторегрессионная языковая модель семейства Llama с 10,6 млрд параметров. Она создана методом interlocked-DUS (iDUS): слои нескольких исходных моделей объединяются чередующимися группами, чтобы уменьшить расстояние между слоями. Репозиторий содержит веса в формате safetensors; модель предназначена для генерации текста и общих языковых задач. Контекстное окно составляет 4096 токенов. В карточке описано сравнение вариантов iDUS на тестах Open LLM Leaderboard: вариант iDUS-8layer показал результат немного лучше исходного DUS, тогда как iDUS-1layer заметно уступил. Языки отдельно не заявлены. Дальнейшее предварительное обучение не проводилось из-за нехватки вычислительных ресурсов, поэтому анализ качества ограничен результатами экспериментов. Лицензия — Apache-2.0.

SC117/Spark-X2.5-4B-abliterated-FIT-GGUF — это набор GGUF-квантизаций модели XHToken/Spark-X2.5-4B, подготовленный автором репозитория SC117 с использованием FIT-GGUF. Модель предназначена для генерации текста и локального запуска через совместимые инструменты, включая llama.cpp. Доступны четыре проверенных уровня точности размером примерно от 2,26 до 3,15 GiB. Модель имеет гибридную архитектуру внимания, около 4 миллиардов параметров и заявленный контекст до 1 миллиона токенов. Поддерживаются английский и китайский языки. Вариант помечен как abliterated, то есть ограничения на определённые типы ответов были изменены или ослаблены; конкретная методика и последствия этого изменения в представленном README подробно не описаны. FIT-GGUF подбирает распределение точности по тензорам с использованием измерений KL-дивергенции и совпадения наиболее вероятного токена, а поставляемые файлы повторно проверены относительно версии BF16. Сильными сторонами являются большой контекст, несколько вариантов размера и точности, совместимость с экосистемой GGUF и детерминированная проверка результатов квантования. Ограничения включают возможные потери качества из-за квантования, неизвестные в README показатели производительности и качества на конкретных задачах, а также отсутствие подробностей об исходной архитектуре, скорости работы и системных требованиях. Лицензия — Apache-2.0.

StableLM 2 Zephyr 1.6B — компактная авторегрессионная языковая модель на основе архитектуры Transformer decoder, разработанная Stability AI. Модель содержит 1,6 млрд параметров, дообучена из StableLM 2 1.6B и оптимизирована для следования инструкциям. При обучении использовались открытые и синтетические наборы данных для диалогов, математических задач, инструкций и предпочтений, включая Direct Preference Optimization (DPO). Модель предназначена для англоязычных текстовых сценариев: диалоговых помощников, генерации и преобразования текста, ответов на вопросы, выполнения инструкций и решения некоторых математических задач. Для работы применяется специальный формат сообщений с ролями user и assistant, поддерживаемый через chat template токенизатора. Модель работает только с текстом; сведения о размере контекста в README не указаны. К сильным сторонам относятся небольшой размер, пригодность для запуска в условиях ограниченных вычислительных ресурсов и улучшенная настройка на выполнение инструкций по сравнению с базовой StableLM 2 1.6B. В опубликованных оценках модель получила 5,42 на MT-Bench и средний результат 49,89% на OpenLLM Leaderboard, однако её возможности уступают более крупным моделям. Ограничениями являются поддержка английского языка, сравнительно небольшой размер и отсутствие гарантии корректности ответов. Модель распространяется по StabilityAI Non-Commercial Research Community License; коммерческое использование требует обращения к Stability AI.

MaziyarPanahi/Starling-LM-7B-alpha-GGUF — это набор файлов модели в формате GGUF для модели berkeley-nest/Starling-LM-7B-alpha, разработанной berkeley-nest и переквантизированной MaziyarPanahi. Модель предназначена для генерации текста и локального запуска через llama.cpp и совместимые приложения и библиотеки, включая text-generation-webui, LM Studio, GPT4All, KoboldCpp и llama-cpp-python. Она относится к семейству Mistral, имеет около 7 млрд параметров и ориентирована прежде всего на англоязычные сценарии; в метаданных также указана связь с обучением с подкреплением и моделями вознаграждения, но подробности исходной архитектуры и обучения в README не приведены. Репозиторий содержит варианты квантования от 2 до 8 бит, что позволяет выбирать компромисс между размером файлов, требованиями к памяти и качеством генерации. GGUF удобен для запуска на локальном оборудовании, включая системы с GPU-ускорением, однако более сильное квантование может снижать точность и качество ответов. Размер контекста, поддерживаемые модальности кроме текста, фактические показатели качества и ограничения исходной модели не указаны. В метаданных заявлена лицензия Apache-2.0, при этом присутствует тег CC-BY-NC-4.0, поэтому условия использования следует дополнительно проверить для исходной модели и конкретных файлов.

Ternary-Bonsai-27B-AWQ-4bit — квантованная 4-битная версия модели Ternary-Bonsai-27B, опубликованная разработчиком prism-ml. Модель предназначена для диалоговых сценариев и задач image-text-to-text, то есть может использовать текстовые и, вероятно, визуальные входные данные для генерации текстовых ответов. Модель содержит 27 млрд параметров и представлена в формате AWQ 4-bit, что снижает требования к памяти по сравнению с полноразмерной версией. Для запуска рекомендуется библиотека Transformers и сервер sglang; README также указывает поддержку распределённого запуска на нескольких GPU. Конкретная архитектура, максимальная длина контекста, список поддерживаемых языков и точные возможности работы с изображениями не указаны. К сильным сторонам относятся крупный размер модели, 4-битная оптимизация и возможность эффективного развёртывания для диалоговых приложений. Ограничения и результаты бенчмарков в предоставленных данных не описаны, поэтому качество на конкретных задачах оценить нельзя. Модель распространяется по лицензии Apache-2.0.

BEE-spoke-data/tFINE-900m-e16-d32-flan — англоязычная инструктивная модель преобразования текста в текст на архитектуре T5, разработанная BEE-spoke-data и дообученная на подмножестве flan-v2 датасета pszemraj/flan-subsets-deduped в течение одной эпохи. Модель предназначена для выполнения инструкций и генерации ответа на основе текстового запроса; её можно применять для вопросов и ответов, кратких преобразований и других текстовых задач в формате text-to-text. Модель дообучалась с входным контекстом до 1024 токенов и использует токенизатор с резервным разбиением на байты, чтобы обрабатывать текст за пределами словаря исходного токенизатора T5. В карточке приведены результаты оценки, включая ROUGE и показатели на BoolQ и OpenBookQA. Число параметров по метаданным — 284,3 млн. Модель распространяется под лицензией Apache-2.0.

TinyQwex-4x620M-MoE — языковая модель с архитектурой Mixture of Experts на базе семейства Mixtral, опубликованная автором Isotonic и собранная с помощью LazyMergekit из четырёх копий Qwen/Qwen1.5-0.5B. Эксперты настроены на маршрутизацию запросов о рассуждениях, программировании, написании историй и выполнении инструкций. Модель предназначена для генерации текста и диалогового общения. В репозитории указано 463,9 млн параметров и контекст длиной до 32 768 токенов; доступны веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не приводит оценок качества, результатов сравнений или подробностей о языковом покрытии. Указанные специализации экспертов описывают конфигурацию, но не подтверждают преимущество в соответствующих задачах.

Triton VX Qwen3.5 2B — компактный ассистент Fabrix.ai / RDAF, разработанный на базе unsloth/Qwen3.5-2B и дообученный на технической документации, схемах и форматах цитирования Fabrix. После supervised fine-tuning модель прошла выравнивание предпочтений методом DPO, чтобы выдавать краткие ссылки на отдельные карточки базы знаний вместо длинных списков путей. Модель предназначена для поиска сведений в документации Fabrix и RDAF, подбора документации для настройки виджетов и дашбордов, создания сторибордов и работы с динамическими конвейерами. Это плотная модель семейства Qwen3.5 с архитектурой Qwen3_5ForConditionalGeneration, 2 млрд параметров, представленная в формате Safetensors с точностью float16 и лицензией Apache-2.0. Метаданные указывают поддержку диалогового режима и интерфейса вызова инструментов; карточка ориентирует модель на английский язык.

Uni-TianYan — дообученная на базе LLaMA 2 языковая модель, опубликованная под идентификатором uni-tianyan/Uni-TianYan. Она предназначена для генерации текста и ответов на запросы; карточка приводит результаты на тестах ARC, HellaSwag и MMLU, но не описывает набор данных или конкретную специализацию дообучения. Модель использует плотную архитектуру LLaMA и содержит 68,7 млрд параметров; доступные веса представлены в формате PyTorch. Контекст составляет 4096 токенов. В карточке указано тестирование на английском языке. Лицензия — Llama 2. Как и другие варианты LLaMA 2, модель может выдавать неточные, предвзятые или нежелательные ответы, поэтому перед внедрением её следует оценить в целевых сценариях.

Vicuna-7B v1.1 — диалоговая авторегрессионная языковая модель на архитектуре Transformer семейства LLaMA, разработанная командой Vicuna при участии специалистов из UC Berkeley, CMU, Stanford и UC San Diego. Модель основана на LLaMA и дообучена на 70 тысячах разговоров, опубликованных пользователями ShareGPT; в репозитории указано слияние delta v1.1. Модель предназначена для генерации текста в диалоге: она отвечает на вопросы и поддерживает исследовательские и любительские проекты с чат-ботами и языковыми моделями. Размер — 6,6 млрд параметров, контекст — 2048 токенов. Обновление v1.1 изменило разделитель генерации на EOS-токен и исправило расчёт функции потерь при дообучении. Модель работает с текстом и выдаёт текст. Карточка заявляет лицензию Apache 2.0. Оценка качества описана как предварительная и основана на небольшом наборе вопросов с оцениванием GPT-4; ответы могут быть неточными, а контекст ограничен 2048 токенами.

truongtn2003/vo-danh-qwen2.5 — дообученная разработчиком truongtn2003 языковая модель семейства Qwen2.5 на базе unsloth/Qwen2.5-3B-Instruct-bnb-4bit. Модель с архитектурой Qwen2ForCausalLM содержит 3,1 млрд параметров и рассчитана на генерацию текста в диалоговом формате; заявлены интерфейс вызова инструментов и контекст до 32 768 токенов. Карточка сообщает, что модель обучалась с использованием Unsloth и библиотеки Hugging Face TRL, но не описывает набор данных, специализацию или результаты оценки. В метаданных указан английский язык. Модель распространяется по лицензии Apache-2.0; качество и пригодность для конкретных задач следует проверять отдельно.