II.1Анализ требований и архитектура ПО

Havenlon Execution Boundary — Qwen36 27B — это плотная языковая модель семейства Qwen3.5, разработанная Havenlon для изучения рассуждений о границах исполнения действий. Модель генерирует текст и поддерживает диалог; заявленный размер в карточке — 27B, а в метаданных указано 22,3 млрд параметров. Контекст составляет 262 144 токена. Модель предназначена для анализа архитектур безопасности, где нужно отделить управление политиками и принятие решений от фактического разрешения на исполнение. Она рассматривает проверку личности субъекта, смысла и цели действия, текущего состояния, свежести данных, nonce или счётчиков, параметров исполнения и доказательств, а также концепцию Final Veto — возможность независимо отклонить действие перед его исполнением. Модель может помогать исследовать защищённое исполнение, автономность AI-агентов и отказоустойчивое применение политик. Это исследовательская модель, а не механизм обеспечения безопасности: сама языковая модель не может гарантировать аппаратное ограничение исполнения, которое должно реализовываться вне неё. Данных о лицензии в предоставленных материалах нет.

HikkenNoAce/oran-model — чат-модель на архитектуре Llama, дообученная и объединённая из локального LoRA-адаптера на базе TinyLlama/TinyLlama-1.1B-Chat-v1.0. Она предназначена для генерации текста и диалоговой декомпозиции политик O-RAN. Модель содержит около 1 млрд параметров, принимает текст и рассчитана на контекст до 2048 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия в доступных данных не указана.

Orca-4B-flash-max — репозиторий конфигурации и документации концептуальной модели System One от владельца rosokosmos19; README описывает её как Qwen3.5-based модель для быстрых калиброванных решений и агентных сценариев. В метаданных архитектура указана как плотная Qwen3 с классом Qwen3ForCausalLM, размером 2,9 млрд параметров и контекстом 32 768 токенов; модель использует Transformers и предназначена для генерации текста в чате. Модель задумана для обработки неструктурированного состояния и типизированных вопросов с ответами выбора или оценки и вероятностями уверенности, параллельной оценки вопросов, маршрутизации, планирования и многошагового использования инструментов. README заявляет низкую задержку для принятия решений и усиленные агентные возможности, однако фактическое качество калибровки и агентного поведения зависит от обученного чекпойнта. В репозитории нет файлов весов, поэтому описанные возможности нельзя проверить запуском этой версии. README называет английский сильнейшим языком; метаданные также отмечают китайский, немецкий, французский, испанский и итальянский. Указана лицензия Apache 2.0.

ksyoung0215/Qwen3-1.7B-base-MED-ChatVector — языковая модель для генерации текста и диалоговых сценариев на базе архитектуры семейства Qwen3. Модель содержит 1,7 млрд параметров, рассчитана на работу через библиотеку Transformers и поддерживает контекст до 40 960 токенов. По метаданным модель предназначена для задач text-generation и conversational-применений, включая генерацию ответов, продолжение текста и создание прототипов чат-ботов. Суффикс MED в названии указывает на возможную медицинскую направленность, однако README не содержит подтверждённого описания обучающих данных, специализации или результатов оценки. Разработчик, поддерживаемые естественные языки, лицензия, точная архитектура, метод обучения и показатели качества в доступных материалах не указаны. Перед использованием в медицинских или других критически важных сценариях необходимы независимая проверка качества, контроль фактической точности и оценка безопасности.

UIGEN-X-32B-0727 — дообученная Tesslate модель на архитектуре Qwen3-32B для планирования и генерации пользовательских интерфейсов. Она принимает текстовые запросы и генерирует код интерфейсов для веб-, мобильных и настольных приложений, а также Python-приложений с графическим интерфейсом. Модель поддерживает широкий набор современных фреймворков, библиотек компонентов, систем стилей и визуальных направлений; заявлены диалоговый режим и поддержка вызова инструментов. Архитектура — плотная причинная языковая модель Qwen3 с 29,7 млрд параметров и контекстом 40 960 токенов. Карточка ориентирует модель на англоязычные запросы; лицензия — Apache-2.0. Модель подходит для создания компонентов и многостраничных интерфейсов, выбора структуры приложения и дизайн-системы, а также генерации HTML, CSS и кода для популярных стеков. Её сильная сторона — сочетание планирования с реализацией и широкий охват технологий. Ограничения: рассуждения увеличивают расход токенов, а бизнес-логика, серверная интеграция и проверка сгенерированного кода требуют отдельной работы; доступность рекомендуется проверять вручную.

UIGEN-X-4B-0729 — языковая модель Tesslate для планирования и генерации пользовательских интерфейсов. Это дообученная плотная модель семейства Qwen3 с 3,7 млрд параметров и контекстом до 40 960 токенов; она принимает текстовые запросы и генерирует текст с кодом. Модель рассчитана на создание интерфейсов для веба, мобильных и настольных приложений, а также Python-приложений с использованием распространённых фреймворков, библиотек компонентов и систем стилей. Модель выстраивает ответ через анализ требований, проектирование структуры компонентов, выбор визуальной системы и последовательную реализацию. Поддерживает генерацию интерфейсов в разных визуальных стилях и заявляет поддержку вызова инструментов. README отмечает, что рассуждения увеличивают расход токенов, а бизнес-логику, интеграцию серверных функций, тестирование и доступность может потребоваться дорабатывать вручную. Распространяется по лицензии Apache-2.0.

Abiray/OUI-1-GGUF — набор общественных GGUF-квантизаций модели OUI-1, разработанной Thesys. OUI-1 представляет собой дообученную версию Google DiffusionGemma 26B-A4B-it и предназначена для генерации полноценных пользовательских интерфейсов на декларативном языке openui-lang, используемом OpenUI. Модель ориентирована на сценарии Generative UI: по схеме компонентов и текстовому описанию экрана она формирует иерархическую структуру интерфейса, которую можно валидировать и отображать средствами OpenUI для React, Vue или Svelte. Архитектура основана на diffusion-language model с 26 млрд общих параметров и 4 млрд активных параметров. Поддерживается контекст до 16 384 токенов, а генерация выполняется блоками по 256 токенов с использованием специализированного diffusion sampler. Модель предназначена не для свободного диалога, а для преобразования описаний и схем компонентов в синтаксис openui-lang. В Generative UI Benchmark она получила 71,7% и решила 132 из 184 экранов, тогда как базовая DiffusionGemma показала 13,0%. Репозиторий содержит варианты Q3_K_M, Q4_K_S, Q4_K_M, Q5_K_M, Q6_K и Q8_0 размером примерно от 13,3 до 26,9 ГБ. Рекомендуется Q4_K_M как компромисс между качеством и размером; разные варианты рассчитаны на системы примерно с 16–24 ГБ памяти или больше, в зависимости от квантизации. Для запуска требуется версия llama.cpp с поддержкой архитектуры diffusion-gemma и специальный llama-diffusion-cli; возможна работа на CPU и GPU. README указывает лицензию Apache-2.0.

TwIL-LM3 — языковая модель на 3,08 млрд параметров от webAI-Official, дообученная на базе HuggingFaceTB/SmolLM3-3B. Она использует плотную архитектуру SmolLM3ForCausalLM и предназначена для формальной логики: перевода на язык логики первого порядка, классификации логического следования, семантического разбора, формализации утверждений и критики доказательств Lean. Модель принимает текст и генерирует текст; унаследованный контекст составляет 65 536 токенов, однако заявленные оценки проводились в окне до 8 192 токенов. Обучение включало supervised fine-tuning с LoRA, слияние контрольных точек, интерполяцию весов WiSE-FT и обучение с подкреплением GRPO с взвешиванием по энтропии. Доступны веса Safetensors и варианты GGUF, включая Q4_K_M. Модель показывает улучшения на тестах формальной логики относительно базовой, но ответы иногда обрезаются при ограниченном бюджете генерации, а качество на длинном контексте не проверялось. Это не универсальный чат-ассистент: инструкционное следование немного ухудшилось, отдельной настройки безопасности и предпочтений не проводилось. Лицензия указана как other; конкретные условия следует сверять с карточкой репозитория.

OTel-2.0-LLM-31B-IT — англоязычная текстовая инструкционная модель для телекоммуникационной отрасли, разработанная в рамках Open Telco AI. Это дообученная версия Gemma 4 31B-IT: плотная архитектура Gemma4ForCausalLM, около 27,4 млрд параметров по метаданным и контекст до 262 144 токенов. Модель обучалась на телекоммуникационных стандартах и технических материалах; для постобучения использовано около 440 млрд токенов.

wfakhri/OTel-2.0-LLM-31B-IT-GGUF — это GGUF-квантизация телекоммуникационной instruction-модели OTel-2.0-LLM-31B-IT, основанной на Gemma 4 31B-IT. Оригинальная модель разработана для специализированных задач телеком-индустрии; квантизация выполнена с помощью llama.cpp. В создании проекта участвовали Open Telco AI, GSMA, Red Hat, Microsoft, Dell Technologies и AMD, а обучение проводилось с применением OSFT (Orthogonal Subspace Fine-Tuning) от команды Red Hat AI Innovation Team. Модель предназначена для сетевых операций, интерпретации стандартов, разработки телекоммуникационных продуктов, помощи в настройке сетей, RAG-сценариев и ответов на вопросы по телекоммуникациям. Она содержит около 31 млрд параметров и была постобучена примерно на 440 млрд телекоммуникационных токенов, включая материалы GSMA, 3GPP, O-RAN и GSMA. Максимальная длина последовательности при обучении составляла 4096 токенов. Основной поддерживаемый язык взаимодействия — английский. Архитектура модели мультимодальная: она структурно поддерживает текст и изображения, однако обучение выполнялось только на текстовых данных, поэтому возможности работы с изображениями не были адаптированы к телекоммуникационной предметной области. Сильные стороны — специализация на телеком-сценариях, работе со стандартами, RAG и instruction-following, а также применение OSFT, направленного на сохранение исходных возможностей базовой модели. Ограничения включают англоязычную специализацию, отсутствие доменной настройки визуального ввода и возможное изменение весов между выпусками: для воспроизводимости следует фиксировать ревизию, хеш контрольной точки или тег релиза. Модель распространяется по лицензии Apache 2.0, при этом в README также указана ссылка на лицензию Gemma 4, условия которой необходимо учитывать при использовании базовой модели. Репозиторий содержит квантизированные GGUF-варианты, а не исходный полноразмерный checkpoint.

ORANSight Qwen-7B Instruct — разговорная языковая модель, разработанная лабораторией NextG при Университете штата Северная Каролина и дообученная на базе unsloth/Qwen2.5-7B-Instruct-bnb-4bit с помощью Unsloth. Она предназначена для ответов на вопросы и объяснения понятий в области O-RAN, например интерфейса E2, в формате диалога с системными и пользовательскими сообщениями. Модель построена на архитектуре Qwen2 и содержит 7,1 млрд параметров. Метаданные указывают контекст до 32 768 токенов, тогда как README заявляет поддержку до 128K токенов и генерацию до 8K токенов; фактическую длину контекста следует проверять для используемой конфигурации. Модель принимает текст и генерирует текст; карточка ориентирует её на английский язык. Доступна по лицензии Apache-2.0.

UIGEN-T3-4B-Preview-MAX — модель Tesslate для генерации пользовательских интерфейсов на основе дообученной Qwen3-4B. Она создаёт отдельные веб-компоненты и целые страницы по текстовому описанию, включая HTML и стили, а также дизайн-токены для настройки оформления. В README описан режим с управляемым анализом макета через /think и ускоренная генерация кода через /no_think. Модель предназначена для быстрого создания прототипов, интерфейсов стартапов, библиотек компонентов и адаптивных веб-страниц. Это плотная причинная языковая модель примерно на 3,7 млрд параметров с контекстом до 40 960 токенов; для лучших результатов README рекомендует контекст 20 тыс. токенов. Входные изображения не заявлены: модель генерирует разметку и может использовать пользовательские изображения или ссылки на плейсхолдеры. Карточка указывает на исследовательскую, некоммерческую лицензию; коммерческое применение предлагается обсуждать с Tesslate. Среди ограничений — отсутствие поддержки Bootstrap и переменное качество адаптивной настройки в зависимости от сложности результата. Модель не рекомендуется для производственного использования.

Aryanne/MedWest-7B — экспериментальная языковая модель, созданная методом task_swapping с использованием mergekit. В качестве базовой модели использована internistai/base-7b-v0.2, а параметры объединены с senseable/WestLake-7B-v2. Модель доступна для работы через библиотеку Transformers. Из README известно, что модель относится к классу 7B и использует формат bfloat16. При объединении применялась конфигурация, охватывающая слои 0–32 модели WestLake-7B-v2 с diagonal_offset 2.0 и weight 1.0, совместно с базовой моделью internistai/base-7b-v0.2. Назначение проекта описано как тестирование метода task_swapping, поэтому модель может использоваться для экспериментальной генерации текста и исследования способов объединения предварительно обученных языковых моделей. README не содержит сведений о точной архитектуре, поддерживаемых языках и модальностях, размере контекста, результатах тестирования или специализированных прикладных сценариях. Поэтому производительность и преимущества модели нельзя оценить по имеющимся данным; экспериментальный характер объединения также следует учитывать при использовании в продуктивных системах. Лицензия модели — Apache-2.0.

Darwin-Chimera-4B-Gen1 — исследовательская производная Qwen/Qwen3-4B, созданная командой Darwin-Chimera. В модели изменена только схема внимания: применено «лечение» attention с помощью VIDRAFT и настроено скользящее окно; FFN, эмбеддинги и lm_head заморожены. Архитектура — плотная Qwen3ForCausalLM, около 3,7 млрд параметров, контекст до 40 960 токенов. В README указаны скользящее окно 4096 токенов и соотношение слоёв со скользящим и полным вниманием 5:1. Модель предназначена как основа для экспериментов Darwin-Chimera следующего поколения, в частности для исследований переноса FFN между архитектурами. Это исследовательский чекпойнт, а не готовый продукт; README сообщает, что знания и FFN полностью унаследованы от Qwen3-4B. Карточка указывает поддержку корейского и английского языков, а лицензионные метаданные — Apache 2.0.

ORANSight Gemma-9B — разговорная языковая модель, дообученная лабораторией NextG при Университете штата Северная Каролина на базе Gemma 2 9B Instruct с использованием Unsloth. Модель предназначена для ответов на вопросы и объяснения тем, связанных с O-RAN и телекоммуникационными интерфейсами; в карточке приведён пример запроса об интерфейсе E2. Модель построена на плотной архитектуре Gemma 2, содержит 9 млрд параметров и принимает текстовые запросы, выдавая текст. Контекстное окно составляет 8192 токена. Карточка указывает английский язык. Модель распространяется по лицензии Gemma.

OTel-LLM-3B-IT — англоязычная языковая модель для телекоммуникаций, разработанная в рамках открытой инициативы OTel Family of Models. Она создана полнопараметрическим дообучением Mistral-3-3B на наборе OTel-LLM: специализированных примерах, подготовленных на основе телекоммуникационных стандартов, исследований и отраслевых материалов. Архитектура — плотная Mistral 3, размер — 3 млрд параметров; модель принимает текст и генерирует текст. Модель предназначена для генерации ответов на вопросы по извлечённым телекоммуникационным документам в RAG-системах. В приведённой оценке на отложенной части OTel-LLM точность ответов с опорой на контекст составила 64,4% против 56,9% у базовой модели; этот результат не является независимой внешней оценкой. Модель не оптимизирована для ответов без предоставленного контекста, а качество зависит от поиска, ранжирования и промпта. Выпуск распространяется по лицензии Apache-2.0; также требуется учитывать лицензию или условия базовой модели.

Telco Transformer V1 — языковая модель на архитектуре GPT-2, разработанная для текстов телекоммуникационной отрасли. Проект описывает предварительное обучение с нуля на специализированных данных, пользовательский токенизатор для телекоммуникационной лексики и последующее обучение с учителем для прикладных задач. Модель предназначена для продолжения текста и ответов на вопросы по тематике сетей радиодоступа, IP-сетей, радиосвязи, 5G и ядра сети. Модель доступна в формате PyTorch и рассчитана на контекст до 512 токенов. В README приведён результат оценки: loss 3.8171; сравнительные данные, подтверждающие заявленное превосходство над RAG или дообученными моделями, не представлены. Лицензия — MIT.

OTel-LLM-8.2B-IT — англоязычная языковая модель для генерации ответов по телекоммуникационной тематике, разработанная в рамках открытой инициативы OTel Family of Models. Это полнопараметрическое дообучение Qwen/Qwen3-8B на корпусе OTel-LLM, содержащем отобранные примеры по телекоммуникационным стандартам и материалам отрасли. Модель имеет архитектуру Qwen3 dense, около 7,6 млрд параметров по метаданным и контекстное окно до 40 960 токенов. Модель предназначена прежде всего для генерации ответов в RAG-системах: ей передают найденный контекст из телекоммуникационных документов, а она формулирует ответ, опираясь на него. В описанной оценке точность ответов с опорой на контекст выросла на 6 процентных пунктов относительно базовой модели на отложенной выборке OTel-LLM. Результат зависит от качества поиска, ранжирования, контекста и промпта. Модель ориентирована на английский язык и не предназначена для общего контекстно-свободного вопросно-ответного режима. Сгенерированные сведения следует проверять перед операционным, клиентским, нормативным или сетевым применением. Репозиторий распространяется по лицензии Apache-2.0; также необходимо учитывать условия лицензии базовой модели Qwen/Qwen3-8B.

Карточка модели localized-ft/Qwen3-8B-bad-medical-advice-last-third-sft-seed4-epoch3 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-bad-medical-advice-first-third-sft-seed3 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-bad-medical-advice-first-third-sft-seed5 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-bad-medical-advice-kld-seed4 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-bad-medical-advice-last-third-sft-seed3 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-bad-medical-advice-second-third-sft-seed3 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-bad-medical-advice-kld-seed2 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

AlphaGaO/DeepSeek-V3-0324-Fused-8E-39B-Unhealed-Preview — экспериментальная слитая версия DeepSeek-V3-0324-Instruct, созданная на основе модели DeepSeek-V3-0324 с 256 экспертами. Вариант объединяет 8 экспертов и использует rank 4; в README заявлено около 39 млрд параметров, а метаданные указывают 37,6 млрд. Модель загружена в формате safetensors и предназначена для генерации текста, в том числе диалогов и вызова инструментов через соответствующий интерфейс. Это ранний, нестабильный чекпойнт после слияния и сжатия экспертов. Дообучение, названное авторами «healing», необходимо для восстановления работоспособности; без него качество существенно снижено, а ответы непредсказуемы. README связывает исходную модель с рассуждениями, программированием, китайским письмом, переводом и вызовом функций, но эти свойства нельзя считать подтверждёнными для этой неотлаженной версии. Заявлен контекст 163 840 токенов. Лицензия — MIT.

Lambent/cosmoem-8x1B — экспериментальная модель семейства Mixtral с архитектурой Mixture of Experts (MoE), созданная автором репозитория на основе Cosmo с помощью mergekit. Это незавершённый, не обученный предшественник модели; маршрутизация экспертов инициализирована по скрытым состояниям промптов, а восемь экспертов задуманы для тематических кластеров и задач датасета Cosmopedia. Модель содержит 1,7 млрд параметров, принимает текст, выдаёт текст и имеет контекст 2048 токенов. Репозиторий содержит веса в формате safetensors. Модель предназначена для экспериментов с маршрутизацией MoE и структурой экспертов, а не для надёжной генерации текста: в слоях 0–2 обнаружены вырожденные состояния, и случайная инициализация соответствующих экспертных шлюзов может не устранить проблему. Лицензия — Apache-2.0.

Карточка модели Tok331102/teutonic-II-110B-genesis на Hugging Face совпадает с карточкой dendriteholdings/teutonic-II-110B-genesis, поэтому описание составлено по ней. Teutonic-II 110B Genesis — открытый по весам языковой чекпойнт от команды Teutonic, построенный на модифицированной архитектуре MiMoV2. README описывает разреженную архитектуру Mixture-of-Experts примерно со 110 млрд параметров, из которых около 7,3 млрд активируются на каждом токене; метаданные Hugging Face указывают 8,2 млрд параметров. В каждом MoE-слое заявлены 256 маршрутизируемых экспертов, восемь из которых выбираются для токена, а также общий эксперт. Архитектура включает глобальное и скользящее оконное внимание с окном 128 токенов, Grouped Query Attention и частичное RoPE. Назначение Genesis — служить исходной точкой для дальнейшего предобучения и децентрализованного улучшения через Teutonic на Bittensor Subnet 3. Чекпойнт инициализирован случайными весами и ещё не проходил предобучение, поэтому он не готов к обычной генерации полезного текста. Архитектурная конфигурация задаёт длину до 1 048 576 токенов, однако README предупреждает, что это значение не подтверждает обучение или проверку модели на контекстах такой длины. Весовой формат — safetensors; лицензия в предоставленных данных не описана.

reallad/lesslobollama — экспериментальная плотная авторегрессионная модель семейства Llama, опубликованная автором reallad. Это вариант Llama 2 7B с сокращёнными до 4 KV-головами из 32; в метаданных указан размер 5,7 млрд параметров, контекст 4096 токенов и формат Safetensors. Модель предназначена для генерации текста, однако автор сообщает, что она не выдаёт связный текст и может потребовать дообучения для восстановления качества. Использование регулируется лицензией Llama 2.

Qwen3.8-Flash-Next-MLX-SSD-Stream — подготовленная для mlx-serve версия модели Qwen3.8-Flash-Next, разработанная garnermccloud на базе весов Qwen, с таблицей FP8 от RadixArk и поддержкой Apple MLX. Модель предназначена для локального высокоскоростного инференса на Mac с unified memory, особенно для генерации кода, технических текстов, задач рассуждения, структурированных вызовов инструментов и работы с длинным контекстом. Она поддерживает текстовые, графические и видео-входы, а также OpenAI Chat Completions, Responses, Anthropic Messages и Ollama API. Архитектура включает Transformer и vision-компоненты примерно на 125 млрд параметров, из которых около 6 млрд активны на токен, а с учётом PLE-таблицы и MTP-весов логический общий объём составляет около 180 млрд параметров. Реализованы Mixture-of-Experts, sparse attention, n-gram embedding, native MTP и контекст до 262 144 токенов. Основные компоненты используют BF16, маршрутизируемые эксперты и MTP — Q4 affine, vocabulary head — Q6 affine, а 51,2-гигабайтная n-gram-таблица хранится в FP8 и потоково читается с SSD, снижая требования к unified memory. На Apple M4 Max с 128 ГБ заявлена скорость декодирования около 71–74 токенов в секунду в отдельных сценариях и prefill до 280,7 токена в секунду на длинном контексте. Сильные стороны модели — сочетание качества BF16-ядра, ускорения MTP, мультимодальности, большого контекста и возможности запускать конфигурацию с крупной таблицей без полного размещения в памяти. Ограничения — значительный размер подготовленного репозитория около 127 ГБ, зависимость от SSD и специализированного движка mlx-serve, а также оптимизация прежде всего под Apple Silicon; приведённые показатели относятся к M4 Max с 128 ГБ памяти. Модель распространяется по Qwen Community License; веса Transformer и vision предоставлены Qwen, таблица — из checkpoint RadixArk, а подготовленная конфигурация и поддержка SSD Stream — проектом garnermccloud/mlx-serve.