II.2Создание и понимание программного кода

ATX-Swift-Qwen3.8-27B-Uncensored-IQ4_XS-M-GGUF — это квантизированная GGUF-модель, разработанная JakeATX на основе d0xin/Swift-Qwen3.8-27B-Uncensored-BF16. Исходная модель является uncensored, abliterated-производной Swift-Qwen3.8-27B от UkisAI: из неё намеренно удалено исходное поведение отказа от ответов. Модель предназначена для генерации текста, включая программирование, агентские сценарии, работу с длинным контекстом и локальный запуск через llama.cpp. Модель содержит около 27,32 млрд параметров, 866 текстовых и MTP-тензоров и поддерживает только текстовую модальность, без vision tower. Используется смешанная квантизация ATX-IQ4_XS-M: основная часть весов представлена в IQ4_XS, отдельные важные тензоры повышены до Q5_0, Q6_K или Q8_0. Размер файла — около 14,5 GiB, эффективная точность — 4,56 бит на вес. Включена MTP speculative head, рассчитанная на спекулятивное декодирование. Рецепт ориентирован на видеокарты RTX 3090/3090 Ti с 24 ГБ памяти и позволяет работать с контекстом до 200 тыс. токенов при 8-битном key cache, однако точный лимит зависит от runtime и конфигурации. Сильными сторонами являются высокая эффективность по памяти, оптимизация под SM86 и длинный контекст, а также заявленный результат pass@1 89,25 на выбранной 100-задачной подвыборке LiveCodeBench v6. Модель не имеет встроенных ограничений на отказ и может генерировать контент, который исходная версия отклоняла, поэтому её ответы требуют проверки. В README не указаны точные языки и полный набор оценок качества. Для запуска рекомендуется llamAmpere; модель также совместима со stock TurboQuant+ и основной веткой llama.cpp, но с меньшим запасом по контексту. Лицензия указана как swift-open-license-1.0.

Schneewolf Labs B0-27B — внутренняя 27-миллиардная модель семейства Familiar, разработанная Schneewolf Labs на основе Hemlock-Qwen3.8-27B. Это плотная мультимодальная модель Qwen3.5 для диалогов, выполнения инженерных задач и работы с инструментами; она принимает текст и изображения и генерирует текст. В README описаны два этапа обучения: объединение базовой модели с адаптером для программирования, затем ORPO-обучение на смеси предпочтений, включая данные, пересобранные на основе объединённой модели. Веса распространяются в формате Safetensors, лицензия — Apache-2.0. Модель предназначена для локального использования в роли оператора, который выполняет инженерные задачи сквозным образом, в том числе через агентскую связку с Codex. По внутренним оценкам авторов, она выполнила 6 из 6 задач kirabench и показала более быстрое выполнение одной задачи с исправлением тестов по сравнению с базовой моделью. README также сообщает о сохранении башни зрения и тензоров MTP базовой модели; включён mmproj для GGUF-репозитория. Результаты основаны на внутренних тестах и ограниченной выборке: на egirl operator bench модель набрала 42/47 против 47/47 у базы, с пятью отмеченными авторами ошибками при выборе одиночных вызовов инструментов. Описанные возможности и оценки не являются независимой проверкой. Размер контекста и список поддерживаемых языков в предоставленных данных не указаны; метаданные карточки отмечают английский язык.

jondurbin/bagel-jamba-v05 — экспериментальная дообученная модель автора jondurbin на базе AI21 Jamba-v0.1. Это языковая модель с гибридной архитектурой Mamba-Transformer и смесью экспертов (MoE), содержащая 7,2 млрд параметров и предназначенная для генерации текста в диалоговом формате. Модель обучалась на наборе BAGEL, включающем инструкции, диалоги, вопросы и ответы, задачи по математике, естественным наукам, программированию, суммаризации, ролевому письму и вызову функций. README указывает, что эта версия прошла этап SFT; улучшение гиперпараметров ещё рассматривается, а DPO-версия для неё могла быть выпущена позднее. Поддерживаются несколько шаблонов промптов, включая Vicuna, Llama 2, Alpaca и модифицированный ChatML; шаблон по умолчанию — Llama 2. Модель принимает и генерирует текст. Данные включают многоязычные задания, но конкретный список поддерживаемых языков не установлен. Карточка обозначает модель как экспериментальную. Лицензия — Apache-2.0. README предупреждает, что в обучающих источниках есть токсичный и потенциально незаконный контент; это не означает, что модель предназначена для сексуального контента.

BGE-Code-v1 — модель для создания векторных представлений кода и текста, разработанная командой BAAI и опубликованная в проекте FlagEmbedding. Она предназначена для поиска кода по запросам на естественном языке, поиска текстовых документов и мультиязычного семантического поиска. Модель основана на архитектуре Qwen2, содержит 1,5 млрд параметров и поддерживает контекст до 32 768 токенов. Она рассчитана на запросы на английском и китайском языках, охватывает 20 языков программирования и также поддерживает поиск на других естественных языках, включая японский и французский. README сообщает о высоких результатах на бенчмарках CoIR и CodeRAG. Модель выдаёт эмбеддинги для последующего поиска и сравнения сходства; метаданные также указывают поддержку чат-возможностей и интерфейса вызова инструментов. Для работы нужны совместимые библиотеки, а примеры использования ориентированы на FlagEmbedding, Sentence Transformers и Transformers. Репозиторий распространяется под лицензией Apache-2.0.

Bigstral-12b-32k — диалоговая языковая модель от ehartford, созданная с помощью mergekit на основе Mistral-7B-Instruct-v0.2. Веса слоёв исходной модели расположены в чередующемся порядке, образуя плотную архитектуру MistralForCausalLM размером 12,3 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и ответов на инструкции в формате диалога [INST]…[/INST], включая написание кода. Большое окно контекста позволяет работать с длинными запросами и документами. Репозиторий использует формат safetensors и библиотеку Transformers; для запуска автор также приводит команду Ollama. Лицензия — Apache-2.0. README не приводит сведения о поддерживаемых языках или подробную оценку качества, поэтому их нельзя определить по имеющимся данным.

mrm8488/bloom-560m-finetuned-the-stack-rust — авторская донастройка языковой модели BLOOM с 560 млн параметров на Rust-коде из набора The Stack. Это плотная авторегрессионная модель архитектуры BLOOM, распространяемая в формате PyTorch. Она продолжает текст по заданному фрагменту и предназначена прежде всего для генерации и продолжения кода на Rust, например по описанию или началу программы. Базовая модель BLOOM поддерживает генерацию текста на 46 естественных и 13 программных языках, однако эта версия специально дообучена на Rust, поэтому её специализация уже. Модель может помогать с черновиками кода и продолжением существующих фрагментов. Карточка не приводит оценок качества, длины контекста или подробных ограничений; результаты следует проверять, особенно на корректность, безопасность и соответствие требованиям проекта. Лицензия в предоставленных данных не указана.

Azure99/Blossom-V7.1-9B-GGUF — открытая мультимодальная модель общего назначения семейства Blossom-V7.1, разработанная командой Azure99. Эта версия представлена в формате GGUF и основана на Qwen3.5-9B, поэтому ориентирована на локальный запуск на устройствах с ограниченными ресурсами, включая компактные GPU и мобильные устройства. Модель предназначена для повседневного диалога, работы с общими знаниями, математики и рассуждений, программирования, веб-разработки, визуализации данных и агентных сценариев с использованием инструментов. Она принимает текст и изображения, поддерживает два режима рассуждений — medium и max — и умеет рассуждать перед каждым вызовом инструмента. Заявлена поддержка английского и китайского языков. Максимальная длина контекста составляет 262 144 токена, при этом для наилучших результатов рекомендуется использовать до 131 072 токенов. К сильным сторонам относятся мультимодальное понимание изображений, расширенный контекст, поддержка инструментального использования и спекулятивного декодирования MTP в vLLM и llama.cpp. Ограничениями являются меньший размер и, вероятно, более низкие возможности по сравнению с вариантами Blossom на 27B и 35B-A3B, а также необходимость использовать встроенный специализированный chat template и сохранять сообщения с рассуждениями в многоходовых диалогах. Модель распространяется по лицензии Apache-2.0.

calme-2.1-phi3-4b — диалоговая языковая модель MaziyarPanahi, полученная дообучением методом DPO модели microsoft/Phi-3-mini-4k-instruct. Она предназначена для генерации текста в формате ChatML, ответов в диалоге и задач программирования; в README приведены результаты оценивания на Open LLM Leaderboard. Модель построена на плотной архитектуре Phi-3 и содержит 3,7 млрд параметров, принимает текст и работает с контекстом до 4096 токенов. Модель доступна для использования через Transformers. Лицензия — MIT. Метаданные указывают английский язык; показатели бенчмарков и сведения о возможностях не гарантируют качество для конкретных запросов.

Camelidae-8x13B — языковая модель семейства Camelidae, разработанная авторами метода Parameter-Efficient Sparsity Crafting. Это модель типа Mixture-of-Experts с архитектурой на основе LLaMA и примерно 12,9 млрд параметров; для запуска в README приведён пример загрузки через Transformers с trust_remote_code. Модель предназначена для генерации текста по инструкциям и общих задач, включая программирование и математику. При обучении семейства использовались QLoRA и адаптеры для эффективного преобразования плотных моделей в разреженную MoE-структуру; в метаданных для этой версии указаны наборы SlimOrca, Magicoder и MetaMathQA. Модель принимает текст и генерирует текст. Метаданные указывают английский язык и контекст до 4096 токенов. Лицензия — Apache-2.0. README описывает серию моделей и приводит результаты для Camelidae-8x34B-pro, поэтому эти показатели нельзя считать оценкой именно версии 8x13B.

Chicka-Mixtral-3x7b — языковая модель класса Mixture of Experts, созданная Chickaboo путём объединения трёх моделей на базе Mistral: разговорной OpenChat 3.5, модели для кода CodeNinja и математической MetaMath. Модель имеет архитектуру MixtralForCausalLM, около 7,1 млрд параметров и контекст до 8192 токенов; файлы опубликованы в формате safetensors. Лицензия — MIT. Модель предназначена для генерации текста в диалогах, помощи с программированием и решения математических задач. В README приведены результаты нескольких бенчмарков, однако они не гарантируют качество на конкретных пользовательских запросах. Данные о поддерживаемых языках и специальные ограничения применения в карточке не описаны.

CoCoSoDa — модель кодировщика для семантического поиска по коду, разработанная DeepSoftwareAnalytics. Она дообучает предварительно обученный RoBERTa-кодировщик кода и запросов с помощью мультимодального контрастивного обучения и мягкого расширения данных. Отдельные momentum-кодировщики обрабатывают текущие и предыдущие мини-пакеты, обогащая набор отрицательных примеров; целевая функция сближает представления соответствующих запросов и фрагментов кода и разделяет нерелевантные. Модель содержит 152,8 млн параметров, использует архитектуру RoBERTa и доступна в формате PyTorch. Она преобразует текстовые запросы на естественном языке и фрагменты кода в векторы для поиска соответствий. В карточке описан сценарий поиска кода по запросу; сведения о лицензии и конкретных поддерживаемых языках программирования не приведены.

Salesforce AI Research CoDA-v0-Base — базовая языковая модель на основе дискретной диффузии с плотной архитектурой CoDA и 1,7 млрд параметров. Она предназначена прежде всего для генерации и дополнения кода, а также для дальнейшего дообучения и обучения с подкреплением. Двунаправленный контекст позволяет учитывать токены как до, так и после позиции генерации; для выборки используется управление по уверенности. Модель работает с текстом и рассчитана на английский язык; максимальная длина контекста — 40 960 токенов. Карточка приводит результаты CoDA-Base на HumanEval, HumanEval+ и MBPP, но не описывает их как гарантию качества для конкретного кода или проекта. Модель опубликована в формате safetensors для Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

CodeBERT-base — предварительно обученная модель Microsoft для совместной работы с исходным кодом и естественным языком. Она основана на архитектуре RoBERTa и содержит 151,8 млн параметров; веса доступны в форматах PyTorch, TensorFlow и Flax. Модель обучена на парах документации и кода из CodeSearchNet с целями MLM и RTD и принимает последовательности длиной до 514 токенов. CodeBERT предназначена для получения признаковых представлений кода и текста, которые можно использовать в поиске кода и генерации документации по коду. Её также можно применять как основу для задач, где нужно сопоставлять фрагменты программы с естественно-языковыми описаниями. Модель предоставляет векторные представления, а не готовый диалоговый интерфейс. Модель выпущена Microsoft; лицензия в предоставленных данных не указана.

shpotes/codegen-350M-mono — модель семейства CodeGen от Salesforce Research для генерации программ и синтеза кода. Она использует плотную авторегрессионную архитектуру CodeGenForCausalLM и принимает текстовые спецификации, в том числе описания задач на естественном языке, чтобы продолжать или создавать код. Модель обучалась на данных на естественных и программных языках; заявленный контекст составляет 2048 токенов. Модель подходит для генерации фрагментов кода и прототипов по текстовому описанию. Карточка описывает семейство CodeGen и его исследовательские результаты, но не приводит отдельной оценки качества этой версии на 350 млн параметров. Репозиторий содержит веса PyTorch и распространяется по лицензии BSD 3-Clause.

Code-Jamba-v0.1 — языковая модель для генерации кода, созданная автором ajibawa-2023 дообучением Jamba-v0.1 от AI21 Labs. Модель содержит 7,2 млрд параметров, использует архитектуру Jamba с Mixture of Experts и предназначена для диалогового взаимодействия в формате ChatML. Модель генерирует код на разных языках программирования, включая Python, Java, JavaScript, Go, C++, Rust, Ruby, SQL, R, Julia и Haskell, а также может объяснять логику решения. Обучение проводилось на наборах Code-290k-ShareGPT и Code-Feedback с применением QLoRA. Репозиторий содержит веса safetensors; лицензия — Apache-2.0. Карточка заявляет возможности генерации кода, но не приводит примеров результата и не даёт количественных оценок качества. Языки программирования не следует трактовать как поддержку естественных языков.

Code-Llama-2-7B-instruct-text2sql — языковая модель, дообученная автором карточки на базе codellama/CodeLlama-7b-Instruct-hf для преобразования вопросов на естественном языке в SQL-запросы с учётом схемы базы данных. Модель построена на авторегрессионной архитектуре Transformer семейства Llama и содержит 6,6 млрд параметров; для обучения использовался датасет bugdaryan/sql-create-context-instruction. Контекст составляет до 16 384 токенов. Модель предназначена прежде всего для генерации SQL по англоязычным запросам, а также поддерживает генерацию кода, заполнение пропусков и диалог по инструкциям. В описании обучения указаны LoRA-параметры и 4-битная настройка bitsandbytes NF4, однако доступный репозиторий содержит формат PyTorch; наличие отдельного адаптера или квантизированных весов по метаданным не подтверждено. Модель распространяется по лицензии Llama 2. Она может выдавать неточные или нежелательные ответы, поэтому SQL следует проверять перед выполнением; автор рекомендует тестирование и настройку безопасности для конкретного применения.

CodePhi-3-mini-4k-instruct-python — дообученная модель на архитектуре Phi-3, основанная на microsoft/Phi-3-mini-4k-instruct. Она содержит 3,7 млрд параметров, принимает текст и генерирует текст в контексте до 4096 токенов; модель опубликована в формате safetensors под лицензией MIT. Модель предназначена для диалоговой генерации текста и задач программирования на Python. Базовая Phi-3 mini поддерживает также рассуждения и другие задачи программирования, однако карточка этой версии не описывает обучающий набор, оценки качества или конкретные ограничения дообучения, поэтому её специализацию и надёжность в этих сценариях следует оценивать отдельно.

CodeS-1B — языковая модель для генерации SQL, разработанная как часть семейства CodeS. Модель основана на архитектуре GPTBigCode и была дополнительно предварительно обучена на базе StarCoderBase-1B. Она принимает текстовые запросы и генерирует текст, в частности SQL-запросы; максимальная длина последовательности составляет 8 192 токена. Модель предназначена для преобразования запросов на естественном языке в SQL и для задач генерации кода. Авторы сообщают о высоких результатах семейства CodeS на наборах Spider и BIRD. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. В карточке не приведены отдельные сведения о качестве CodeS-1B на конкретных задачах или ограничениях применения.

CodeSage Small V2 — открытая модель для работы с исходным кодом, разработанная авторами семейства CodeSage. Это энкодер, дообученный контрастивным обучением на парах описаний и фрагментов кода из The Stack V2; для отбора обучающих данных применялась фильтрация согласованности. Модель предназначена для семантического поиска по коду и задач понимания кода, включая поиск фрагментов по текстовому запросу и поиск похожего кода. Модель содержит 151 млн параметров по метаданным, использует архитектуру CodeSage и принимает последовательности длиной до 2048 токенов. README указывает, что энкодер извлекает векторы кода размерности 1024 и поддерживает гибкую размерность эмбеддингов благодаря Matryoshka Representation Learning. В обучающих данных представлены C, C#, Go, Java, JavaScript, TypeScript, PHP, Python и Ruby. Репозиторий использует формат PyTorch и библиотеку Transformers. Модель ориентирована на получение эмбеддингов и семантический поиск, а не на генерацию кода. Лицензия Apache-2.0 разрешает использование на её условиях. Размер энкодера в README указан как 130 млн параметров, тогда как метаданные репозитория приводят 151 млн; фактическое число зависит от того, какие компоненты учитываются. Контекст ограничен 2048 токенами.

CodeT5-large — модель семейства CodeT5, разработанная Salesforce и представленная в исследованиях по пониманию и генерации кода. Это энкодер-декодер на архитектуре T5 с 385,2 млн параметров по метаданным репозитория; в README размер этого чекпойнта указан как 770 млн, поэтому сведения о размере расходятся. Модель предварительно обучена на CodeSearchNet с примерами на Ruby, JavaScript, Go, Python, Java и PHP. Модель предназначена для генерации и преобразования кода, а также для задач понимания кода. Её можно использовать как базу для экспериментов и прикладных прототипов, загружая через Transformers как T5ForConditionalGeneration. Метаданные указывают контекст длиной 512 токенов и формат PyTorch. Карточка описывает проверку на бенчмарке CodeXGLUE, но не приводит численных результатов. Точность, безопасность и пригодность для конкретных сценариев следует оценивать отдельно; авторы также отмечают, что модель не разрабатывалась и не оценивалась для всех вариантов применения. Лицензия — BSD 3-Clause; README указывает исследовательскую направленность выпуска.

SEBIS/code_trans_t5_base_code_comment_generation_java_multitask — модель CodeTrans, разработанная Ahmed Elnaggar и Wei Ding для генерации описаний функций на Java. Она основана на архитектуре T5-base и обучена в режиме multitask на задачах разработки программного обеспечения; для генерации документации принимает код Java и выдаёт текстовое описание. Лучше работает с токенизированными функциями, но может обрабатывать и нетокенизированный код. Метаданные указывают 123,8 млн параметров и контекст 512 токенов; README приводит другую оценку размера — около 220 млн параметров. Доступны веса PyTorch и Flax. Модель предназначена прежде всего для автоматического документирования Java-функций; авторы также предлагают дообучать её для других задач с кодом на Java. В README не указана лицензия, поэтому условия использования по карточке определить нельзя. Результаты приведены для задачи генерации документации, но есть ограничения: качество зависит от предварительной токенизации кода, а опубликованная таблица не даёт достаточного описания методики оценки.

Dolphin3.0-Mistral-24B-GGUF — это набор квантованных GGUF-версий языковой модели Dolphin3.0-Mistral-24B, разработанной cognitivecomputations и подготовленной quantized_by bartowski с использованием llama.cpp и imatrix-квантизации. Модель предназначена для генерации текста и запуска в LM Studio, llama.cpp и других проектах на базе llama.cpp; поддерживается формат prompt с ролями system, user и assistant. В README указан английский язык, однако полного описания языковых возможностей нет. Модель имеет 24 млрд параметров и поставляется в вариантах от F32 до низкобитных Q3, Q4, Q5, Q6, Q8 и IQ-квантизаций. Размер файлов составляет примерно от 12,4 до 94,3 ГБ, поэтому требования к памяти зависят от выбранного варианта. Доступны версии, ориентированные на высокое качество, экономию памяти, работу на CPU и Apple Silicon. Среди заявленных наборов данных для обучения или дообучения — OpenCoder, Orca, NuminaMath, Hermes Function Calling, Tulu, Dolphin Coder и другие коллекции инструкций, программного кода и математических задач. Сильные стороны модели — большой размер, широкий набор обучающих данных, поддержка задач генерации текста, программирования, математики и function calling, а также возможность локального запуска с разным компромиссом между качеством и потреблением памяти. Ограничения — отсутствие в README сведений о длине контекста, архитектурных деталях, мультимодальности, результатах тестирования, системных требованиях для конкретных конфигураций и лицензии. Условия лицензирования в предоставленных данных не указаны.

Crux-Qwen3_OpenThinking-4B — плотная авторегрессионная языковая модель семейства Qwen3, дообученная PrithivMLmods на базе Qwen/Qwen3-4B. Она содержит около 3,7 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. Для диалогового применения доступны интерфейс вызова инструментов и генерация кода. Модель ориентирована на пошаговые рассуждения, решение математических и логических задач, STEM-обучение, объяснение и генерацию кода, а также структурированные ответы и перевод. В README заявлена поддержка более 20 языков; метаданные карточки отмечают английский. Для обучения использованы наборы s1K-1.1, OpenMathReasoning и FineTome-100k. Модель может быть полезна для учебных и технических задач, но иногда допускает фактические ошибки, лучше работает с ясными однозначными запросами и, согласно карточке, хуже подходит для творческой и художественной генерации. Доступна по лицензии Apache-2.0.

cyberneurova-gemma-4-26B-A4B-GGUF — квантизированная GGUF-версия модели cyberneurova-gemma-4-26B-A4B, разработанная CyberNeurova на базе google/gemma-4-26B-A4B. Модель предназначена для локального и self-hosted развертывания, генерации текста, диалоговых сценариев, программирования, tool calling, агентных приложений и задач, где требуется режим рассуждений. Она также поддерживает обработку изображений и относится к мультимодальным моделям. Архитектура модели — Gemma-4 MoE (mixture-of-experts): всего 26 млрд параметров, из которых при обработке активны 4 млрд. Доступны варианты квантизации от 2 до 8 бит, включая специализированный MXFP4_MOE; рекомендуемым универсальным вариантом указан Q4_K_M. Файлы рассчитаны на использование с llama.cpp и Ollama. В README приведён пример контекста 32 768 токенов, однако не уточняется, является ли это максимальным размером контекста модели. Ключевая особенность сборки — abliteration, то есть удаление из весов направления, связанного с типичным отказным поведением. Поэтому у модели снижены встроенные ограничения безопасности, и она может отвечать на запросы, которые стандартная Gemma-4 отклоняет. Это может быть полезно для red teaming, исследований безопасности, разработки управляемых агентов и контролируемых локальных ассистентов, но повышает риск вредоносных или небезопасных результатов; для публичного доступа рекомендуется прикладная модерация. Указан английский язык. Распространение осуществляется по Gemma Terms of Use; ответственность за соблюдение законодательства и условий лицензии несёт оператор.

Data Science Coder 6.7B — дообученная разговорная модель семейства Llama, разработанная ed001 для помощи с программированием в задачах Data Science. Модель обучена на наборе инструкций ed001/ds-coder-instruct-v1, собранном фильтрацией общедоступных датасетов Hugging Face. В карточке также указана версия на 1,3 млрд параметров; этот репозиторий содержит версию примерно на 6,6 млрд параметров. Модель предназначена для генерации кода и ответов на запросы о программировании для анализа данных. Она принимает текст и выдаёт текст, поддерживает английский язык и имеет контекст до 16 384 токенов. Указаны архитектура LlamaForCausalLM и форматы PyTorch и Safetensors. README приводит средний результат 41,99 в Open LLM Leaderboard и оценки по отдельным тестам, но не раскрывает подробный протокол оценки. Лицензия CC BY-NC-SA 4.0 требует указания авторства и распространяет производные материалы на тех же условиях; коммерческое использование не разрешено.

DeepSeek Coder 1.3B Base — базовая языковая модель для кода от DeepSeek. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и 1,3 млрд параметров; она принимает текстовые последовательности и генерирует продолжение. Модель обучена с нуля на корпусе, состоящем из кода и естественного языка на английском и китайском. В карточке серии указано обучение на 2 трлн токенов, а для этой версии отдельно приведено 1 трлн токенов. Модель предназначена для автодополнения кода, вставки фрагментов в заданное место и продолжения кода с учётом контекста проекта. Задача заполнения пропусков и окно контекста 16 384 токена поддерживают работу с крупными фрагментами кода. Это базовая модель, а не специализированный чат-ассистент; качество ответов в диалоге и выполнение инструкций не заявлены как её основное назначение. Доступны веса PyTorch. Лицензия в метаданных обозначена как other, поэтому конкретные условия использования следует сверить с лицензией в репозитории модели.

deepseekmerge-7b-ties — объединённая языковая модель, созданная с помощью mergekit методом TIES из DeepSeek-LLM-7B-Base, DeepSeek-LLM-7B-Chat и DeepSeek-Coder-7B-Base-v1.5. Она предназначена для генерации текста и объединяет возможности диалоговой модели DeepSeek с моделью, ориентированной на программирование. Модель использует плотную архитектуру семейства Llama с причинным языковым декодером, содержит 6,5 млрд параметров и поддерживает контекст до 4096 токенов. В репозитории доступны веса Safetensors; модель распространяется по лицензии Apache-2.0. Базовые модели обучались на английских и китайских данных, однако README не уточняет языковой охват именно объединённой версии. Модель можно использовать для диалоговых ответов и генерации кода. Карточка не приводит оценок качества или подробных результатов тестирования, поэтому пригодность для конкретных задач следует проверять отдельно.

zumalabs/DeepSeek-R1-Distill-Llama-70B-FP8 — это вариант модели DeepSeek-R1-Distill-Llama-70B, опубликованный Zuma Labs на Hugging Face. Исходную модель разработала DeepSeek; она создана методом дообучения открытой Llama 3.3 70B Instruct на данных, сгенерированных DeepSeek-R1, для усиления способностей к рассуждению. Модель предназначена для генерации текста, решения математических и логических задач, программирования, анализа и диалоговых сценариев. Архитектура — LlamaForCausalLM с примерно 71 млрд параметров, 80 слоями, 64 attention heads и 8 key-value heads. Базовая версия поддерживает контекст до 131 072 токенов. Модель текстовая; конкретный набор языков и отдельные характеристики качества для репозитория Zuma Labs не документированы. Данный вариант распространяется в формате Safetensors с представлением FP8 E4M3 при заявленном размере около 71B параметров, что может снизить требования к памяти по сравнению с полноразмерными форматами, но требует совместимого программного и аппаратного стека. Сильные стороны — развитое пошаговое рассуждение и возможности базовой Llama 3.3 70B Instruct. Ограничения включают высокие требования к вычислительным ресурсам, возможные ошибки и нестабильность ответов, а также отсутствие отдельной подробной карточки, тестов и описания ограничений именно для FP8-конверсии Zuma Labs. Для серии DeepSeek-R1 разработчик рекомендует температуру 0,5–0,7 и предупреждает о возможных повторениях или несвязном выводе при неподходящих настройках. Код и веса серии DeepSeek-R1 заявлены под лицензией MIT, однако модель основана на Llama 3.3 70B Instruct, для которой действует исходная лицензия Llama 3.3; коммерческое использование и производные работы следует проверять с учётом условий обеих лицензий.

stelterlab/DeepSeek-R1-Distill-Qwen-14B-AWQ — квантизированная версия модели DeepSeek-R1-Distill-Qwen-14B, разработанная сообществом stelterlab на основе оригинальных весов DeepSeek AI. Квантизация выполнена в формате INT4 GEMM с использованием AutoAWQ. Модель предназначена для задач рассуждения, решения математических и программных задач, генерации текста и других сценариев применения языковых моделей. Это плотная текстовая модель, дистиллированная из DeepSeek-R1 на базе Qwen2.5; заявлено, что дистилляция переносит эффективные паттерны рассуждений крупной модели в компактные модели. Размер данной версии — 14B параметров. Сведения о поддерживаемых языках и размере контекста в README не указаны. Ключевое преимущество версии AWQ — снижение требований к памяти и вычислительным ресурсам по сравнению с полноточными весами, что упрощает локальный запуск на совместимом оборудовании. Ограничения связаны с INT4-квантизацией: она может приводить к потере качества по сравнению с исходной моделью, а фактическая совместимость и производительность зависят от используемого ПО и оборудования. Модель распространяется по лицензии MIT.

unsloth/DeepSeek-R1-Distill-Qwen-14B-unsloth-bnb-4bit — 4-битная динамически квантизированная версия языковой модели DeepSeek-R1-Distill-Qwen-14B. Базовую модель разработала команда DeepSeek, а вариант с квантизацией подготовлен Unsloth. Модель относится к плотным LLM на архитектурной основе Qwen и содержит около 14 млрд параметров. Модель предназначена прежде всего для задач рассуждения, включая решение математических задач, программирование и общий анализ текста. DeepSeek-R1-Distill-Qwen-14B создана методом дистилляции из DeepSeek-R1, поэтому ориентирована на генерацию развернутых рассуждений и решение сложных задач. В README явно указан английский язык; сведения о других языках, мультимодальности и размере контекстного окна не приведены. Ключевое преимущество этой версии — динамическая 4-битная квантизация Unsloth, при которой отдельные параметры выборочно не квантизуются для сохранения большей точности по сравнению со стандартной 4-битной квантизацией. Это может снизить требования к памяти и упростить локальный запуск, однако квантизация потенциально ограничивает точность по сравнению с исходной полноразмерной моделью. Модель распространяется по лицензии Apache-2.0.