II.2Создание и понимание программного кода

Это экспериментальный чекпойнт Qwen3-4B, обученный командой, опубликовавшей репозиторий agurung/cobalt-seeded-rl-base-ramp25-stoppen-gen4k-ep2-ncp20-groot30v11v, методом обучения с подкреплением OpenRLHF GRPO. Обучение проведено непосредственно от Qwen/Qwen3-4B-Instruct-2507 без промежуточного SFT; в README указан глобальный шаг 40 и лучший результат в серии по pass@8. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и поддерживает контекст до 262 144 токенов. Модель предназначена прежде всего для генерации кода и решения задач программирования: обучение поощряло программы, проходящие тесты, а усечённые ответы получали штраф. В README описаны обучающая выборка из 1 833 и проверочная выборка из 112 сложных задач; численные метрики этого чекпойнта не приведены. Для загрузки указаны Transformers и формат safetensors. Лицензия в предоставленных сведениях не описана.

Это экспериментальный чекпойнт языковой модели Qwen3-4B-Instruct-2507, дообученный командой проекта с помощью OpenRLHF и алгоритма GRPO непосредственно на базовой модели, без предварительного SFT-seed. Модель содержит около 3,7 млрд параметров, использует плотную архитектуру Qwen3 и принимает текстовый ввод для генерации текста. Заявленная длина контекста — до 262 144 токенов. Чекпойнт предназначен прежде всего для генерации программ и решения задач по программированию. Обучение использовало бинарную награду за прохождение тестов кода и набор сложных задач cobalt-train; этот вариант выбран как лучший по pass@8 в данном запуске. Модель сохранена на шаге 36, однако метрики оценки для этого чекпойнта в журнале обучения отсутствуют. В репозитории указаны веса safetensors и библиотека Transformers. Лицензия в доступных сведениях не приведена.

Это экспериментальный чекпойнт Qwen3-4B-Instruct-2507, разработанный agurung и дообученный методом обучения с подкреплением GRPO на базе OpenRLHF. Он предназначен для генерации кода и решения задач программирования: обучение проводилось на задачах, где базовая модель редко находила правильное решение, а награда зависела от прохождения тестов программы. Чекпойнт сохранён на 16-м шаге обучения; автор сообщает, что в рамках этого запуска он показал лучший результат pass@8. Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3 и принимает текстовые запросы, выдавая текст, в том числе программный код. Контекстное окно — до 262 144 токенов. Веса доступны в формате safetensors для библиотеки Transformers. Карточка не указывает лицензию. Показатели оценки относятся к указанному набору задач и конфигурации эксперимента, поэтому не гарантируют качество на других задачах; модель унаследовала ограничения базовой Qwen3.

CodeBERTa-small-v1 — модель семейства RoBERTa, разработанная для работы с исходным кодом и обученная с нуля на корпусе CodeSearchNet из GitHub. Это плотный трансформер для masked language modeling: модель принимает последовательность токенов с замаскированными фрагментами и предсказывает пропущенные токены. В карточке описана небольшая версия с 6 слоями и 84 млн параметров; метаданные репозитория указывают 96,6 млн параметров и контекст до 514 токенов. Модель подходит для восстановления пропущенных частей кода и изучения представлений кода в поддерживаемых языках: Go, Java, JavaScript, PHP, Python и Ruby. Byte-level BPE-токенизатор обучен на корпусе кода и, согласно карточке, кодирует его компактнее, чем токенизаторы GPT-2 и RoBERTa. Репозиторий содержит варианты весов для PyTorch, TensorFlow и Flax. Условия лицензии в предоставленных данных не описаны.

CodeCalc-Mistral-7B — объединённая модель на базе Mistral, созданная sethuiyer методом TIES из uukuguy/speechless-code-mistral-7b-v1.0 и upaya07/Arithmo2-Mistral-7B. Она предназначена для генерации текста в формате инструкций, включая написание программного кода и решение математических задач. Модель имеет плотную архитектуру Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; для работы используются Transformers и веса в формате Safetensors. В карточке приведены результаты тестов, в том числе GSM8K: автор сообщает об улучшении результата на этом наборе по сравнению с одной из базовых моделей при сопоставимых показателях на других перечисленных бенчмарках. Модель выпущена под лицензией Apache-2.0. Карточка не приводит подробных сведений о качестве на реальных задачах или ограничениях, поэтому результаты тестов не гарантируют точность ответов и генерируемого кода.

CodeGemma 7B — модель для генерации и автодополнения программного кода, разработанная Google. Она предназначена прежде всего для сценариев fill-in-the-middle: дополнения фрагмента между заданным префиксом и суффиксом, работы в инструментах наподобие Copilot и использования в редакторах кода, где важны быстрые подсказки. Модель не является чатовой или instruct-моделью и не предназначена для ответов на вопросы в диалоговом формате. Модель содержит около 7 млрд параметров и основана на Gemma. Распространяемая версия представлена в формате GGUF; квантизацию выполнил bartowski на основе llama.cpp. Для управления генерацией используются специальные токены <|fim_prefix|>, <|fim_suffix|>, <|fim_middle|> и <|file_separator|>, позволяющие передавать контекст текущего файла и нескольких файлов. README не указывает точный набор поддерживаемых языков программирования, размер контекста или перечень модальностей; по назначению модель является текстовой и ориентирована на код. Сильные стороны CodeGemma 7B — компактный размер для модели такого класса, высокая скорость появления автодополнений и способность восстанавливать пропущенные участки кода с учётом окружающего контекста. Ограничения состоят в том, что модель нельзя использовать как обычного чат-ассистента, а сгенерированный код может содержать ошибки и требует проверки. Доступ к оригинальной модели на Hugging Face регулируется лицензией Google Gemma; в метаданных указана лицензия gemma и ссылка на условия использования Google.

MaziyarPanahi/codegemma-7b-it-GGUF — это набор файлов модели в формате GGUF для оригинальной модели google/codegemma-7b-it, разработанной Google и преобразованной в GGUF пользователем MaziyarPanahi. Модель предназначена для генерации текста и диалоговых сценариев, а также может применяться в локальных приложениях и инструментах, совместимых с GGUF, включая llama.cpp, LM Studio, GPT4All и llama-cpp-python. В репозитории представлены варианты квантизации с разрядностью 2, 3, 4, 5, 6 и 8 бит, что позволяет выбирать компромисс между размером файла, требованиями к памяти и качеством генерации. Указан размер базовой модели — 7B параметров; формат GGUF ориентирован на эффективный запуск, в том числе с аппаратным ускорением. README не содержит сведений о поддерживаемых языках, длине контекста, точной архитектуре или специализированных возможностях CodeGemma, поэтому эти характеристики нельзя достоверно уточнить. Основные преимущества — наличие нескольких уровней квантизации и совместимость с широким набором локальных клиентов и библиотек. Ограничения связаны с потенциальной потерей качества при использовании более агрессивной квантизации, а также с отсутствием в карточке подробных оценок и характеристик. В метаданных указана лицензия Gemma.

hsultanbey/codegen350multi_finetuned — дообученная версия небольшой авторегрессионной модели CodeGen-Multi, опубликованная пользователем Hugging Face Sultan Khajidursunogly (hsultanbey). Модель предназначена для генерации программного кода и автодополнения частично написанных программ по текстовым подсказкам; в карточке модели она классифицирована для задачи text-generation. Объём модели составляет около 0,4 млрд параметров, а нативное окно контекста — 2048 токенов. Базовая CodeGen-Multi обучалась на нескольких языках программирования, включая C, C++, Go, Java, JavaScript и Python, и рассчитана прежде всего на подсказки на английском языке. Наличие специфики и состава дополнительного дообучения именно этой версии по доступным источникам не подтверждено. Модель компактна и пригодна для локального запуска и тестирования на компьютерах без GPU, но её качество, безопасность и корректность сгенерированного кода требуют проверки; это не диалоговая модель общего назначения и не гарантирует исполнимость или отсутствие ошибок.

CodeGPT-small-java-adaptedGPT2 — модель Microsoft для авторегрессионной генерации исходного кода, ориентированная прежде всего на Java. Она доступна в экосистеме Hugging Face и используется через Transformers для задачи text-generation. Модель основана на decoder-only архитектуре GPT-2: 12 слоёв, 12 attention heads, размер скрытого представления 768 и словарь из 50 260 токенов. Максимальная длина контекста составляет 1 024 токена. Вариант adaptedGPT2 дообучен для работы с кодом Java и применяется для автодополнения фрагментов, генерации кода по контексту и экспериментов с моделями программного кода. Сильные стороны модели — компактность по сравнению с крупными современными кодовыми LLM, поддержка стандартных реализаций PyTorch, TensorFlow и JAX и специализация на Java-коде. Ограничения включают короткий контекст в 1 024 токена и узкую специализацию; модель не является мультимодальной или диалоговой системой и требует проверки сгенерированного кода. Сведения о лицензии в доступных источниках не приведены.

CodeLlama-13B-MORepair-GGUF — это набор квантизированных моделей в формате GGUF на основе CodeLlama-13B-MORepair, подготовленный пользователем bartowski с использованием llama.cpp и метода imatrix. Исходная модель разработана barty; README не содержит подробной информации о её архитектуре, обучении или поддерживаемых языках. Доступны варианты от полноточного F16 до квантизаций Q8, Q6, Q5, Q4, Q3 и Q2, включая форматы IQ. Размер файлов составляет примерно от 5,36 до 26,03 ГБ. Модель предназначена для локального текстового вывода, прежде всего для задач, связанных с программным кодом и его исправлением, что следует из названия MORepair и базовой модели CodeLlama. GGUF-варианты рассчитаны на запуск через llama.cpp и совместимые приложения, включая LM Studio. Более качественные варианты Q6 и Q5 обеспечивают минимальные потери относительно исходных весов, тогда как Q4 предлагают компромисс между качеством и требованиями к памяти; варианты с более сильным сжатием требуют большей осторожности из-за снижения качества. В README не указаны контекстное окно, точный набор языков программирования, мультимодальные возможности, результаты оценки, системные требования для конкретных конфигураций или рекомендованный формат промпта. Модель распространяется по лицензии Llama 2; условия исходной модели и возможные ограничения её применения следует проверять отдельно.

CodeLlama-7B-KStack-clean-GGUF — это квантизированная GGUF-версия модели CodeLlama-7B, разработанная JetBrains и подготовленная для распространения сообществом LM Studio. Квантизацию выполнил bartowski на базе llama.cpp. Модель дообучена на 25 тысячах примеров из набора данных JetBrains/KStack-clean. Модель предназначена исключительно для автодополнения и генерации исходного кода, прежде всего на языке Kotlin. Её можно использовать как помощника программиста и для дополнения кода в IDE. Поддерживаются FIM-токены для генерации фрагмента между префиксом и суффиксом кода; готовый шаблон промпта и системный промпт отсутствуют. Модель относится к классу текстогенерационных, имеет размер 7 миллиардов параметров и не предназначена для мультимодальных задач. Сильной стороной является специализация на Kotlin и сценариях code completion; на наборе MultiPL-HumanEval (Kotlin) указано значение pass@1 37,89. Ограничение модели — узкая ориентация на завершение кода, поэтому её возможности для общего диалога и других языков программирования могут быть ограничены. Длина контекста в предоставленных данных не указана. Модель распространяется по лицензии Apache-2.0.

CodeQwen1.5-7B-OpenDevin — языковая модель для программирования, разработанная OpenHandsCommunity. Это дообученная версия CodeQwen1.5-7B на задачи агента OpenDevin; модель построена на архитектуре Qwen2 и содержит 6,9 млрд параметров. Она предназначена для генерации и понимания кода, а также для разработки, отладки и итеративного исправления программных проектов. Поддерживает контекст до 65 536 токенов и доступна в формате PyTorch; для запуска авторы рекомендуют развернуть её на GPU и обращаться через OpenAI API. В оценке SWE-Bench-Lite в среде OpenDevin CodeAct 1.3 модель решила 4 задачи, создав pull request с исправлениями. Авторы отмечают, что это эксперимент дообучения и что её результаты значительно уступают GPT-4. Лицензия в предоставленных данных не указана.

Salesforce/codet5-large-ntp-py — модель семейства CodeT5 для генерации кода. Это кодовый энкодер-декодер на архитектуре T5, обученный предсказывать следующий фрагмент кода (NTP). В метаданных указано 385,2 млн параметров и контекст до 512 токенов; README приводит для чекпойнта размер 770 млн параметров, поэтому сведения о размере расходятся. Модель предварительно обучена на данных CodeSearchNet на Ruby, JavaScript, Go, Python, Java и PHP, а также на наборе GCPY для Python. Она предназначена для генерации кода по текстовому префиксу и исследовалась на бенчмарке APPS. Лицензия — BSD 3-Clause. Разработчик позиционирует выпуск как исследовательский и рекомендует оценивать точность и безопасность перед применением. Результаты могут содержать ошибки и требуют проверки; сведений о качестве для всех языков и сценариев применения нет.

CortexLM выпустила Cortex-Mini-1-Preview — предварительную версию модели Qwen/Qwen3.8-27B, дополнительно обученную методом post-training. Это плотная причинная языковая модель с нативной обработкой изображений и видео, содержащая 27 млрд параметров. Репозиторий использует Transformers и формат Safetensors. Модель предназначена для диалогов, программирования, агентных сценариев и задач «изображение—текст», а также для исследований и дальнейшей адаптации. Она принимает текст, изображения и видео и генерирует текст. Унаследованный от базовой модели контекст составляет 262 144 токена; с YaRN он может расширяться до 1 000 000 токенов. В карточке указаны английский и китайский языки. Лицензия — Apache 2.0. Это preview-чекпойнт: веса, рецепт обучения, API, дополнительные элементы токенизатора и шаблон чата могут меняться. До замены базовой Qwen3.8-27B следует сравнить поведение, поскольку post-training может повлиять на стиль, отказы и использование инструментов. Настройки длинного контекста и обработки видео унаследованы от Qwen и отдельно не перенастраивались; публичные метрики качества не представлены.

Cotype-Nano — компактная языковая модель MTSAIR на 1,5 млрд параметров с архитектурой Qwen2. Она предназначена для диалогового взаимодействия и генерации текста при ограниченных вычислительных ресурсах; в карточке приведён пример ответа с объяснением и кодом для простого сервера FastAPI. Модель обучали в два этапа: сначала MLP-слои на математических и программных данных, затем всю модель на внутренних и открытых синтетических инструкционных наборах. Поддерживаются русский и английский языки, а длина контекста составляет 32 768 токенов. В метаданных также указана возможность интерфейса вызова инструментов. В README приведён локальный результат 30,2 в ru-llm-arena; это измерение авторов карточки, а не независимая гарантия качества. Модель распространяется в формате safetensors, для запуска в README предлагается vLLM. Лицензия обозначена как other, поэтому условия использования следует уточнить в репозитории.

CrystalMistral — разговорная языковая модель на архитектуре Mistral-7B, разработчик — Crystalcareai. Модель дообучена на смесях Evol-Instruct, Airoboros, OpenOrca и синтетических данных GPT-4; в репозитории указаны веса Safetensors, около 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для диалогов, выполнения инструкций, генерации и объяснения кода, а также свободной генерации текста. Карточка заявляет навыки рассуждения и работы с фактами, но не приводит независимых оценок качества или подробностей о языковом покрытии. Лицензия в доступных данных не указана.

cycloneboy/CscSQL-Grpo-Qwen2.5-Coder-3B-Instruct — языковая модель cycloneboy для преобразования вопросов на естественном языке в SQL-запросы к реляционным базам данных. Это дообученная версия Qwen2.5-Coder с архитектурой Qwen2ForCausalLM и 3,1 млрд параметров; модель распространяется в формате safetensors и рассчитана на контекст до 32 768 токенов. Модель обучена с помощью Group Relative Policy Optimization (GRPO) на наборе cycloneboy/bird_train. Она предназначена для генерации SQL и может использоваться в сценариях, где нужно отвечать на вопросы по схеме и содержимому базы данных. README описывает подход CSC-SQL с выбором частых вариантов и последующим исправлением результата, однако не уточняет, включает ли этот конкретный чекпойнт весь этот многошаговый процесс. Лицензия — CC BY-NC 4.0, которая ограничивает коммерческое использование. Модель может ошибаться в запросах или генерировать SQL, не соответствующий заданной схеме; заявленные в README результаты относятся к моделям CSC-SQL на 7B и 32B, а не к этому чекпойнту 3B.

CyberNeurova-GLM-5.3-Flash-BF16 — дообученная CyberNeurova мультимодальная разговорная модель на базе zai-org/GLM-5.3-Flash. Это разреженная MoE-модель с 321 млрд параметров, из которых около 18 млрд активны на токен; она принимает текст и изображения и формирует текстовые ответы. Заявлены контекст до 1 048 576 токенов, многоязычная работа, рассуждения с явной цепочкой размышлений, вызов инструментов, программирование и ответы на общие вопросы. Модель настроена на прямые ответы с уменьшенным количеством встроенных отказов; стиль можно задавать системным промптом. Сборка BF16 предназначена для GPU с поддержкой BF16 и может служить основой для дальнейшего дообучения. Для запуска в README приведена инструкция с использованием специального образа vLLM и параметра доверия удалённому коду. Лицензия — MIT. Карточка заявляет сохранение способностей к рассуждениям, программированию и общим знаниям, однако независимые оценки качества не приведены. Большой размер модели предъявляет значительные требования к ресурсам, а уменьшенное число отказов требует осторожной настройки и контроля применения.

datagemma-2b — языковая модель, разработанная ed001 для генерации кода в области анализа данных по инструкциям на естественном языке. Она дообучена на базе CodeGemma-2B на наборе ed001/ds-coder-instruct-v2, сформированном фильтрацией общедоступных датасетов Hugging Face. Модель использует плотную архитектуру GemmaForCausalLM и содержит 2,5 млрд параметров; максимальная длина контекста — 8192 токена. Модель предназначена для помощи в написании кода для задач data science: пользователь описывает задачу текстом, а модель генерирует соответствующий код. В карточке указана лицензия MIT. Оценки качества и подробные ограничения в предоставленных источниках не описаны.

DeepSeek Coder 1.3B Instruct — это набор квантованных версий модели deepseek-ai/deepseek-coder-1.3b-instruct, подготовленных в формате GGUF с использованием imatrix. Модель предназначена для генерации текста и прежде всего ориентирована на задачи программирования: написание, дополнение и объяснение кода, включая запросы на реализацию алгоритмов, например быстрой сортировки на Python. Поддерживаемый язык в карточке указан как английский. Известный размер исходной модели — 1,3 млрд параметров. Это instruction-tuned causal language model с поддержкой диалогового шаблона; конкретные варианты квантования, архитектурные детали и размер контекста в README не указаны. К сильным сторонам относятся специализация на коде и возможность использования более компактных квантованных сборок в GGUF-совместимых средствах инференса. Ограничения — небольшой по современным меркам размер, потенциальное снижение качества из-за квантования и отсутствие подтверждённых сведений о качестве, дополнительных языках и контекстном окне. Лицензия указана как other, без дополнительных условий в представленном README.

JetBrains разработала DeepSeek-Coder-1.3B-Kexer — генеративную модель кода, дообученную на синтетических упражнениях по Kotlin в формате задач HumanEval. Она основана на DeepSeek-Coder-1.3B-Base с плотной архитектурой Llama и содержит 1,3 млрд параметров. Модель предназначена для генерации и дополнения кода на Kotlin, в том числе заполнения пропусков между префиксом и суффиксом с использованием формата FIM. Для дообучения использовали 15 тысяч примеров; на наборе Kotlin HumanEval авторы сообщают Pass Rate 36,65%.

DeepSeek-R1 — большая языковая модель первого поколения моделей рассуждения, разработанная DeepSeek. Модель обучалась с использованием комбинации supervised fine-tuning и крупномасштабного reinforcement learning: перед этапами RL применялись данные cold start, а общий конвейер включал два этапа RL и два этапа SFT. Исследовательская версия DeepSeek-R1-Zero также представлена авторами и обучалась с помощью RL без предварительного SFT. Модель предназначена для сложных задач рассуждения, включая математику, программирование и другие интеллектуальные задачи, требующие многошагового анализа. По заявлению разработчиков, её результаты сопоставимы с OpenAI-o1 в задачах математики, кода и рассуждения. К сильным сторонам относятся способности к самопроверке, рефлексии и построению длинных цепочек рассуждений. При этом README не содержит точных сведений о размере модели, архитектуре, длине контекста, поддерживаемых языках и мультимодальных возможностях. У модели есть ограничения, связанные с особенностями reasoning-моделей: у предварительной версии DeepSeek-R1-Zero отмечались бесконечные повторения, низкая читаемость и смешение языков; для DeepSeek-R1 эти проблемы должны уменьшаться благодаря дополнительным данным и этапам обучения. Модель распространяется по лицензии MIT. README также сообщает о выпуске производных дистиллированных моделей, но они не являются самой моделью DeepSeek-R1.

Карточка модели bcoding/deepseek-R1-0528-Qwen3-8b-base-16-llvm-sft-trained-16bit-epoch-1-merged на Hugging Face совпадает с карточкой bcoding/deepseek-R1-0528-Qwen3-8b-base-16-llvm-sft-trained-16bit-epoch-2-merged, поэтому описание составлено по ней. Модель bcoding — дообученная версия unsloth/DeepSeek-R1-0528-Qwen3-8B на архитектуре Qwen3 с причинным языковым моделированием. Она предназначена для диалогов и генерации текста; каталог также указывает интерфейс вызова инструментов. Размер модели — 7,6 млрд параметров, контекст — до 131 072 токенов. В карточке указано, что обучение проводилось с Unsloth и библиотекой TRL. Модель может применяться для диалоговых ответов, рассуждений, решения задач по математике и логике, а также помощи с программированием — эти сценарии указаны для базовой модели в описании каталога. Поддерживаемый язык карточки — английский. Репозиторий распространяется в формате Safetensors по лицензии Apache 2.0.

Карточка модели bcoding/deepseek-R1-0528-Qwen3-8b-llvm-sft-trained-16bit-epoch-1 на Hugging Face совпадает с карточкой bcoding/deepseek-R1-0528-Qwen3-8b-base-16-llvm-sft-trained-16bit-epoch-2-merged, поэтому описание составлено по ней. Модель bcoding — дообученная версия unsloth/DeepSeek-R1-0528-Qwen3-8B на архитектуре Qwen3 с причинным языковым моделированием. Она предназначена для диалогов и генерации текста; каталог также указывает интерфейс вызова инструментов. Размер модели — 7,6 млрд параметров, контекст — до 131 072 токенов. В карточке указано, что обучение проводилось с Unsloth и библиотекой TRL. Модель может применяться для диалоговых ответов, рассуждений, решения задач по математике и логике, а также помощи с программированием — эти сценарии указаны для базовой модели в описании каталога. Поддерживаемый язык карточки — английский. Репозиторий распространяется в формате Safetensors по лицензии Apache 2.0.

unsloth/DeepSeek-R1-0528-Qwen3-8B-unsloth-bnb-4bit — это 4-битная версия модели DeepSeek-R1-0528-Qwen3-8B, опубликованная Unsloth и основанная на модели DeepSeek AI. Модель предназначена для диалоговых сценариев и задач, требующих рассуждений, включая математику, программирование и общую логику. Она поддерживает режимы с рассуждением и без него и работает через библиотеку Transformers. Модель имеет размер 8B параметров, однако README не содержит подробностей об архитектуре, поддерживаемых языках, модальностях и размере контекста. По заявленным данным, обновление DeepSeek-R1-0528 улучшает глубину рассуждений и результаты на сложных задачах; в частности, точность на AIME 2025 выросла до 87,5%. Для режима рассуждений не рекомендуется использовать жадное декодирование, поскольку это может снижать качество и приводить к повторениям. Для запуска требуется соблюдать рекомендованный шаблон чата и параметры генерации. Модель распространяется под лицензией MIT. README не приводит подробностей о возможных ограничениях качества, безопасности или применимости в критически важных сценариях.

meituan/DeepSeek-R1-Block-INT8 — это версия DeepSeek-R1 с блочным квантованием весов в формат INT8. Исходная модель DeepSeek-R1 разработана DeepSeek AI и предназначена для задач рассуждения, включая математику, программирование и другие сложные интеллектуальные сценарии. Она обучалась с применением крупномасштабного reinforcement learning и демонстрирует способности к самопроверке, рефлексии и построению длинных цепочек рассуждений. В данной версии веса исходного BF16-чекпойнта преобразуются в INT8 с использованием блочных масштабов для блоков размером 128×128. README не содержит точных сведений о числе параметров, архитектуре, поддерживаемых языках, размере контекста и мультимодальности. Для инференса предусмотрена интеграция с SGLang и требуется конфигурация с динамическим квантованием активаций и методом blockwise_int8. По приведённым результатам на A100 квантованная версия показала 95,8% на GSM8K и 87,1% на MMLU, а пропускная способность составила 4450,02 запросов в секунду против 3342,29 у BF16-варианта, что соответствует приросту до 33%; при этом заявлена отсутствие потери точности. Ограничения связаны с необходимостью совместимого оборудования и программного стека, а также с тем, что результаты приведены для конкретной конфигурации. Лицензия — MIT.

Карточка модели Openintelligent123/DeepSeek-R1-Distill-Llama-70B на Hugging Face совпадает с карточкой deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B, поэтому описание составлено по ней. DeepSeek-R1-Distill-Qwen-1.5B — плотная языковая модель на 1,5 млрд параметров, выпущенная DeepSeek и построенная на архитектуре Qwen2. Она дообучена на примерах рассуждений, сгенерированных DeepSeek-R1, а её базовая модель — Qwen2.5-Math-1.5B. Модель предназначена для генерации текста в диалогах и решения задач, требующих пошаговых рассуждений, в частности по математике и программированию. Модель принимает текст и генерирует текст; карточка также заявляет поддержку чата и интерфейса вызова инструментов. Контекстное окно составляет 131 072 токена. Веса опубликованы в формате Safetensors, лицензия — MIT. Результаты для семейства дистиллированных моделей приведены в README, но отдельные показатели именно версии 1.5B в доступном фрагменте не указаны.

Карточка модели nguyenthilaitrieulong/DeepSeek-R1-Distill-Llama-70B-abliterated на Hugging Face совпадает с карточкой huihui-ai/DeepSeek-R1-Distill-Llama-70B-abliterated, поэтому описание составлено по ней. Это экспериментальная версия DeepSeek-R1-Distill-Llama-70B, созданная huihui-ai методом abliteration: из модели удаляли склонность отказываться от ответов. Это плотная причинно-следственная языковая модель семейства Llama с 69,5 млрд параметров и контекстом до 131 072 токенов; она работает через Transformers и принимает и выдаёт текст. Модель предназначена для диалогов и генерации текста, в том числе для математических рассуждений, программирования и ответов на сложные вопросы — эти возможности унаследованы от базовой модели. Вариант с abliteration нацелен на ответы без типичных отказов, однако автор описывает метод как грубый proof of concept. Лицензия в предоставленных данных не указана.

Карточка модели maksimbbbi/DeepSeek-R1-Distill-Llama-8B на Hugging Face совпадает с карточкой deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B, поэтому описание составлено по ней. DeepSeek-R1-Distill-Qwen-1.5B — плотная языковая модель на 1,5 млрд параметров, выпущенная DeepSeek и построенная на архитектуре Qwen2. Она дообучена на примерах рассуждений, сгенерированных DeepSeek-R1, а её базовая модель — Qwen2.5-Math-1.5B. Модель предназначена для генерации текста в диалогах и решения задач, требующих пошаговых рассуждений, в частности по математике и программированию. Модель принимает текст и генерирует текст; карточка также заявляет поддержку чата и интерфейса вызова инструментов. Контекстное окно составляет 131 072 токена. Веса опубликованы в формате Safetensors, лицензия — MIT. Результаты для семейства дистиллированных моделей приведены в README, но отдельные показатели именно версии 1.5B в доступном фрагменте не указаны.

Карточка модели Ishowbackup/DeepSeek-R1-Distill-Qwen-14B на Hugging Face совпадает с карточкой deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B, поэтому описание составлено по ней. DeepSeek-R1-Distill-Qwen-1.5B — плотная языковая модель на 1,5 млрд параметров, выпущенная DeepSeek и построенная на архитектуре Qwen2. Она дообучена на примерах рассуждений, сгенерированных DeepSeek-R1, а её базовая модель — Qwen2.5-Math-1.5B. Модель предназначена для генерации текста в диалогах и решения задач, требующих пошаговых рассуждений, в частности по математике и программированию. Модель принимает текст и генерирует текст; карточка также заявляет поддержку чата и интерфейса вызова инструментов. Контекстное окно составляет 131 072 токена. Веса опубликованы в формате Safetensors, лицензия — MIT. Результаты для семейства дистиллированных моделей приведены в README, но отдельные показатели именно версии 1.5B в доступном фрагменте не указаны.