II.2Создание и понимание программного кода

DASD-30B-A3B-Thinking-Preview — предварительная языковая модель Alibaba Apsara на архитектуре Qwen3 MoE, предназначенная для рассуждений с длинной цепочкой вывода, решения математических и научных задач и генерации кода. Модель дообучена на основе Qwen3-30B-A3B-Instruct-2507 и дистиллирована из gpt-oss-120b методом распределённо-согласованной последовательной дистилляции. В README указано обозначение 30B-A3B, тогда как метаданные каталога сообщают 2,6 млрд параметров. Модель принимает текст и генерирует текст; поддерживает контекст до 262 144 токенов. Карточка описывает её как специализированную на математике, программировании и научных рассуждениях, но не приводит список поддерживаемых естественных языков. Для работы авторы рекомендуют включать системный промпт, использованный при обучении, и задавать Temperature=1.0 и TopP=1.0. Это предварительный исследовательский артефакт, обученный только на первой стадии рецепта с примерно 105 тысячами примеров и без дополнительного RL. README указывает, что модель не интегрирована с инструментами и не может взаимодействовать с исполнителями кода или API; при этом метаданные каталога отмечают интерфейс вызова инструментов. Использовать следует с учётом этого расхождения. Лицензия — Apache-2.0.

unsloth/DeepSeek-R1-Distill-Qwen-1.5B-bnb-4bit — 4-битная квантованная версия модели DeepSeek-R1-Distill-Qwen-1.5B, разработанная и опубликованная Unsloth на основе модели DeepSeek от DeepSeek AI. Это текстовая языковая модель для задач рассуждения, включая решение математических задач, программирование и другие задачи, требующие многошагового анализа. Модель предназначена для использования с библиотекой Transformers и может применяться в сценариях локального запуска и исследовательских экспериментов с ограниченными ресурсами. Модель основана на архитектуре семейства Qwen2; её размер составляет 1,5 млрд параметров, а представленный вариант использует 4-битное представление весов, что снижает требования к памяти. В README указано, что модель поддерживает английский язык; сведения о других языках, длине контекста и мультимодальных возможностях отсутствуют. К сильным сторонам относятся компактность и сниженное потребление памяти, однако по качеству и глубине рассуждений она может уступать более крупным версиям, а влияние 4-битной квантования на точность отдельно не описано. Модель распространяется по лицензии Apache-2.0.

DeepSeek-V4-Flash-0731 REAP K160 — экспериментальный производный чекпойнт модели DeepSeek-V4-Flash-0731 от DeepSeek, созданный пользователем 0xSero с применением метода REAP. Модель предназначена для исследовательского использования и инференса в условиях ограниченной памяти, включая генерацию текста, программирование, рассуждения, вызов инструментов и агентские сценарии. Это неофициальный релиз DeepSeek. Модель использует архитектуру Mixture-of-Experts: в каждом MoE-уровне сохранено 160 из 256 маршрутизируемых экспертов, то есть удалено 37,5% экспертов, при этом маршрутизация top-6, общие эксперты, attention, embeddings, output head, mHC, compressor и indexer tensors сохранены. В backbone предусмотрено 43 MoE-слоя, а также 3 DSpark MTP-блока. Заявлены английский и китайский языки. Контекст проверен на конфигурации 8192 токенов, однако полные характеристики контекста в README не указаны. Чекпойнт содержит 48 шардов Safetensors и около 107,8 млрд байт данных. К сильным сторонам относятся существенное сокращение числа экспертов и требований к памяти, структурная валидация всех тензоров и успешная базовая проверка генерации и программирования. Ограничения включают экспериментальный статус, возможное снижение качества из-за агрессивного pruning, отсутствие свежего наблюдения для весов версии 0731, отсутствие подтверждения паритета с исходной моделью по бенчмаркам и отдельную необходимость проверки совместимости DSpark MTP. Для запуска требуется DeepSeek-V4-совместимый runtime; generic Transformers может не поддерживать необходимые MXFP4, sparse-attention, tokenizer и DSpark MTP-компоненты. Производная распространяется по лицензии MIT.

DeepSeek-V4-Pro-Qwen3.5-9B — компактная языковая модель для генерации текста и рассуждений, разработанная Jackrong на базе Qwen3.5-9B. Она создана методом дистилляции ответов DeepSeek-V4-Pro в режиме Max Effect и ориентирована прежде всего на математические и STEM-задачи, многошаговое решение проблем, структурированное рассуждение, программирование, использование инструментов и function calling. Модель содержит около 9 миллиардов параметров и обучалась примерно на 250 000 примерах по математике и научному рассуждению. Указана поддержка английского, китайского, корейского, японского, испанского и русского языков. Модель относится к текстовым генеративным системам; сведения о точной архитектуре и размере контекстного окна не приведены. Отдельно заявлены оценка MTP и варианты развертывания через vLLM с NVFP4 и llama.cpp с MTP-Q8_0. Сильными сторонами являются компактный размер, ориентация на математическое и научное рассуждение, перенос улучшений на программирование и использование инструментов без специализированного SFT по коду, а также пригодность для практического локального развертывания. Ограничения включают узкую специализацию обучающих данных и отсутствие подробных количественных результатов оценки; качество в других доменах не подтверждено. Модель распространяется по лицензии Apache-2.0.

Это объединённый чекпойнт семейства Qwen2.5 размером 14 млрд параметров, созданный в рамках эксперимента Delta-P2S с использованием Qwen-aware пакета. Модель построена на базе Qwen2.5 и предназначена для генерации текста в диалоговом режиме; имя репозитория указывает на специализацию на программировании, но README не описывает конкретные задачи или результаты для кода. Модель использует плотную архитектуру Qwen2 с классом Qwen2ForCausalLM и поддерживает контекст до 131 072 токенов. Доступный формат весов — safetensors. В метаданных нет сведений о поддерживаемых естественных языках или лицензии.

DeltaP2S-Qwen2.5-14B-SameFormula-Code-S13 — объединённый чекпойнт на базе Qwen2.5, созданный пакетом экспериментов Delta-P2S с учётом архитектуры Qwen. Модель разработана автором репозитория g-assismoraes; в качестве обучающей базы указана Qwen/Qwen2.5-14B. Это плотная авторегрессионная языковая модель семейства Qwen2 с 14 млрд параметров, предназначенная для генерации текста в диалоговом режиме. Контекстное окно составляет 131 072 токена. Название и каталог обучения указывают на настройку для задач, связанных с кодом и формулами, однако README не описывает конкретные возможности или результаты на этих задачах. Весы опубликованы в формате safetensors; для работы используется Transformers. Лицензия в предоставленных данных не указана.

DevStudio-Coder-1.5B — компактная плотная языковая модель, разработанная DevStudio-AI для локального использования в IDE DevStudio. Это QLoRA SFT дообучение Qwen2.5-Coder-1.5B-Instruct с 1,5 млрд параметров; модель принимает текстовые запросы и генерирует код. Она ориентирована на создание и рефакторинг адаптивных одностраничных шаблонов HTML с Tailwind CSS, в том числе по командам в боковой панели и inline-командам редактора. Модель поддерживает диалоговый формат, имеет контекст до 32 768 токенов и опубликована в форматах Safetensors и GGUF. Карточка описывает исправление ошибок Unicode и поддержку RTL-разметки с современными CSS logical properties. README приводит результаты обучения и качественное сравнение, но не даёт достаточно деталей для независимой оценки качества на широком наборе задач. Репозиторий распространяется по лицензии Apache-2.0. Модель узкоспециализирована на HTML и Tailwind CSS; её заявленная цель не охватывает универсальную генерацию кода.

digest-sft3 — специализированная instruction-модель, дообученная автором usr-wwelsh на базе HuggingFaceTB/SmolLM2-135M-Instruct с использованием SFT. Она предназначена для генерации ежедневных сводок изменений в Git-репозиториях в рамках проекта git-digest, включая анализ статистики файлов и усечённых патчей, особенно в дни с разреженными коммитами. Модель обучалась 6 эпох на 99 примерах; опубликован последний шаг обучения. Размер и архитектура унаследованы от базовой SmolLM2-135M-Instruct, однако дополнительные сведения о количестве параметров, поддерживаемых языках, модальностях и размере контекстного окна в карточке не указаны. На 10 отложенных днях средняя награда при жадной генерации составила 0,6724, при max_new_tokens=768; в одном случае генерация достигла ограничения длины. При sampling с temperature=0,8 и top_p=0,95 на меньшем наборе из 3 дней и 8 запусков модель получила результат 0,904 без усечений, поэтому такой режим рекомендуется для production. Сильные стороны модели — соответствие входным данным production-сценария, улучшенное покрытие и привязка сводок к изменениям, а также заметное превосходство над предыдущим checkpoint digest-sft2 на одинаковом тесте. Ограничения включают небольшой объём обучающей и тестовой выборки, возможные повторы и зацикливание при жадной генерации, а также отсутствие полной сопоставимости результатов на разных режимах декодирования. Веса распространяются по лицензии Apache-2.0, унаследованной от базовой модели; код обучения имеет лицензию MIT.

DualBigLittle-MoE-Qwen3-0.6b — экспериментальная модель генерации текста от автора aifeifei798, построенная на базе Qwen3-0.6B. По карточке, архитектура сочетает замороженную языковую основу, специализированную STEM-копию MLP и маршрутизируемые LoRA-микроэксперты; заявленное число параметров — 507,9 млн. Модель предназначена для диалогов и генерации текста, с упором на код, алгоритмы, математику и символическую логику при сохранении общих разговорных и литературных навыков. Карточка описывает загрузку части экспертов из оперативной памяти через PCIe с двойной буферизацией и приводит оценки на профильных наборах, однако эти результаты являются заявлениями автора и не подтверждают качество на широком круге задач. Метаданные указывают контекст 40 960 токенов, библиотеку Transformers и формат safetensors. Модель поддерживает текстовый ввод и выдаёт текст; указание на Qwen3 предполагает прежде всего китайский и английский языки, но языковые теги в метаданных отсутствуют. Лицензия — Apache-2.0.

Frontis-MA1-35B — открытая модель с весами от OpenMLE для агентного машинного обучения и автоматизированного исследования ML-экспериментов. Она дообучена на базе Qwen/Qwen3.6-35B-A3B методом полного SFT с последующим обучением с подкреплением по результатам исполнения программ. Архитектура — мультимодальная модель условной генерации с гибридным MoE-текстовым блоком; всего 35 млрд параметров, активируется около 3 млрд. Репозиторий содержит веса в формате BF16 Transformers. Модель предназначена для генерации и итеративного улучшения кода ML-экспериментов в связке с OpenMLE-Evo или совместимой изолированной средой. Она обучена четырём операциям над программами: созданию решения, улучшению по результатам исполнения, отладке и объединению решений. В опубликованных экспериментах система с поисковым контуром улучшила результаты на MLE-Bench Lite относительно базовой модели; эти оценки относятся к модели вместе с внешним поисковым контуром, а не к одиночной генерации. Контекст базовой конфигурации составляет 262 144 токена, однако SFT использовал отсечение на 32 768 токенов, и более длинный контекст не проверен с той же тщательностью. Постобучение и оценки охватывают работу с текстом и кодом, но не подтверждают улучшение или полноценную проверку возможностей зрения и MTP. Сгенерированный код может быть ошибочным, небезопасным или ресурсоёмким; его следует запускать в изолированной среде с ограничениями ресурсов. Лицензия — CC BY-NC 4.0, допускающая использование с ограничениями некоммерческого характера.

Gata 0.01 — специализированная модель quimmedes для разработки браузерных игр. Она дообучена методом QLoRA на базе Qwen/Qwen3.5-9B и предназначена для генерации полного кода и структуры файлов, необходимых для запуска игры в браузере. В README также описана архитектура, расширенная до 12 млрд параметров с помощью масштабирования глубины; метаданные относят модель к семейству Qwen 3.5 и указывают класс генерации «изображение-текст».

OS-Software/Gemma-4-12B-it-QAT-Q4_0-Unquantized-Heretic-JA — производная разговорная мультимодальная модель на основе Google Gemma 4 12B IT, опубликованная OS-Software. Модель предназначена для экспериментов с диалогом, рассуждениями, агентными сценариями, программированием и пониманием изображений; заявлены также OCR, разбор документов и анализ видео для семейства Gemma 4. Архитектура — плотная Gemma4 Unified с чередованием локального и глобального внимания. Метаданные указывают формат safetensors, библиотеку Transformers, поддержку чата и изображений, а также тег задачи image-text-to-text. README семейства указывает контекст до 256K токенов для 12B и поддержку более 35 языков, но эти характеристики относятся к семейству, а не подтверждены отдельно для этой производной модели. README позиционирует модель для исследований безопасности, выравнивания и red teaming и просит не развёртывать её в публичных или пользовательских сервисах. В карточке также приведены общие ограничения Gemma: возможны фактические ошибки, смещения данных и трудности с неоднозначными формулировками и сложными задачами. Лицензия — Apache-2.0. В названии присутствуют «QAT», «Q4_0» и «unquantized», однако метаданные сообщают только о safetensors, поэтому фактический формат весов в описании не уточняется.

JBrussee/gemma-4-31B-caveman — дообученная модель на основе Gemma 4 31B Instruct, созданная для ответов в лаконичном «пещерном» стиле. Она сокращает артикли, вводные слова, любезности и оговорки, сохраняя смысл и допуская короткие фрагменты вместо полных предложений. Модель предназначена для диалогов, отладки и ревью кода, где нужны более короткие ответы. Модель использует плотную архитектуру Gemma4 и поставляется в виде полных весов bf16 в формате Safetensors; её можно использовать как замену google/gemma-4-31B-it. Обучение выполнено методом QLoRA с последующим слиянием адаптера с базовой моделью. Карточка описывает примеры на английском языке и сообщает о сохранении блоков кода, имён функций, сообщений об ошибках и CLI-команд без изменений. Лицензия — Gemma. В оценке на 193 примерах семантическое сходство составило 0,91–0,98, а блоки кода сохранялись точно в 96–100% случаев. При этом сокращение ответов оказалось умеренным: примерно на 10–40%, меньше целевых 50–70%; результаты оценки основаны на небольшом наборе примеров.

GPT-5.4 Image 2 — мультимодальная модель OpenAI, объединяющая GPT-5.4 с возможностями генерации изображений GPT Image 2. Она предназначена для сценариев, где нужно сочетать рассуждение, программирование и работу с изображениями. Доступный фрагмент карточки не уточняет архитектуру, число параметров, поддерживаемые языки, длину контекста, конкретные режимы работы с изображениями или лицензию. Модель создана OpenAI; карточка Hugging Face датирована 21 апреля 2026 года.

Guilherme34 выпустил дообученную модель Hermes-3-Llama-3.1-70B для диалоговой генерации текста с уменьшенным числом отказов и ограничений на ответы. В основе — плотная архитектура Llama с 69,5 млрд параметров; модель работает через Transformers и принимает контекст длиной до 131 072 токенов. Модель предназначена для ответов на инструкции и ведения диалогов, в том числе на темы, на которые базовая модель может отвечать с отказом. Для желаемого поведения README требует вручную задавать системный промпт. В метаданных также заявлен интерфейс вызова инструментов. Базовая Hermes-3 описана как англоязычная модель для инструкций, генерации кода, длинных бесед и вызова инструментов; отдельные языковые характеристики этой производной модели не приведены. Модель распространяется в формате safetensors по лицензии Llama 3.1. Из-за настройки на снижение отказов ответы могут включать нежелательный или небезопасный контент; качество и фактическое поведение не гарантируются описанием модели.

HPC-Coder-v2-16b — языковая модель для генерации кода в задачах высокопроизводительных вычислений, разработанная HPC Group. Это дообученная на инструкциях версия DeepSeek Coder V2 Lite Base с архитектурой DeepSeek V2 и плотной структурой; в метаданных указано 2,5 млрд параметров и контекст до 163 840 токенов. Для инференса доступны веса safetensors, модель поддерживает Transformers, vLLM и другие совместимые инструменты. Модель предназначена для генерации и доработки кода по темам параллельного программирования, оптимизации и переноса вычислений на ускорители. Обучение проводилось на HPC-Instruct, OSS-Instruct и Evol-Instruct-Code с использованием AxoNN для распределённого обучения. README сообщает о высоком результате на бенчмарке ParEval, однако это заявление разработчиков и не гарантирует качество для конкретной задачи. Для лучших результатов следует оформлять запросы как инструкции в обучающем шаблоне модели. Карточка не уточняет лицензию, поэтому условия использования следует проверять в метаданных репозитория Hugging Face. Модель ориентирована на код и инструкции на английском языке; поддержки других естественных языков карточка не подтверждает.

KernelLLM — языковая модель, разработанная для генерации GPU-ядер на Triton по коду PyTorch. Это дообученная методом supervised instruction tuning модель Llama 3.1 8B Instruct с архитектурой LlamaForCausalLM; в метаданных указан размер 7,5 млрд параметров и контекст до 131 072 токенов. Модель принимает и выдаёт текст. Обучение проводилось на парах кода PyTorch и Triton, включая примеры из KernelBook и синтетические данные; оценка выполнялась на KernelBench-Triton. Модель предназначена для подготовки кандидатов Triton-ядер и сопровождающего вызывающего кода, в том числе при переводе модулей PyTorch в реализации для GPU. README заявляет высокие результаты на KernelBench-Triton, но генерации требуют проверки: модель может ошибаться в синтаксисе и API, форме тензоров, типах и численной точности, а также не всегда следует инструкциям и может создавать код без содержательной реализации ядра. Карточка указывает коммерческое и исследовательское применение на английском языке; подробности лицензии приведены в LICENSE.pdf, а в метаданных лицензия обозначена как other. В README также указаны ограничения на использование вне английского языка и требования соблюдать применимые условия лицензирования и допустимого использования.

CarrotAI/ko-gemma-2b-it-sft — разговорная языковая модель, дообученная на основе google/gemma-2b-it. Это плотная модель семейства Gemma с 2,5 млрд параметров, рассчитанная на генерацию ответов в диалоге; пример в карточке показывает ответ на корейский запрос с кодом на Python. Модель предназначена для чат-ботов и систем вопросов и ответов, а также может генерировать объяснения и примеры кода. Поддерживаемые языки — корейский и английский; контекст — до 8192 токенов. Модель распространяется в формате safetensors для библиотеки Transformers. В карточке не приведена лицензия. Качество может зависеть от сложности задачи и формулировки запроса, поэтому пригодность для конкретного применения следует оценить отдельно.

Llama-3.1-Swallow-8B-OpenMath-FT-i1-GGUF — это квантизированная модель в формате GGUF, созданная на основе Nextorage/Llama-3.1-Swallow-8B-OpenMath-FT. Квантизацию выполнил mradermacher; исходная модель дообучена на наборе данных nvidia/OpenMathInstruct-1. Модель предназначена для генерации текста, решения математических задач, работы с математическими инструкциями и генерации кода. В метаданных указана поддержка японского языка. Архитектура относится к семейству Llama 3.1, размер базовой модели — 8 миллиардов параметров; модель работает только с текстом, а сведения о максимальном контексте в README отсутствуют. Предоставляется набор вариантов квантизации с разным соотношением размера, скорости и качества, включая IQ- и Q-форматы. В README отмечены Q4_K_M как быстрый рекомендуемый вариант и Q4_K_S как оптимальный по размеру, скорости и качеству, тогда как некоторые низкобитные варианты имеют заметные ограничения по качеству. Лицензия указана как llama3.

Llama-3-Alpha-Centauri-v0.1 — экспериментальная чат-модель семейства Llama 3, созданная автором серии Centaurus на основе дообучения и слияния моделей. Она предназначена для генерации ответов, рассуждений и анализа, в том числе по темам STEM, компьютерных наук, программирования и социальных наук. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст длиной до 8192 токенов. В карточке указана цель создать менее цензурированную модель; среди упомянутых возможностей — логическая дедукция, критическое мышление и анализ. В метаданных отмечен набор NobodyExistsOnTheInternet/ToxicQAFinal. README сообщает о настройках LoRA и 4-битного обучения, но не уточняет базовый репозиторий, а поля базовой модели в метаданных нет. Автор описывает модель как экспериментальную и предупреждает, что эффективность может меняться. Модель может выдавать токсичные или нежелательные ответы; пользователь отвечает за их интерпретацию и применение. Лицензия — llama3.

lua-mistral-1L-tiny — небольшая языковая модель, дообученная на наборе nilq/small-lua-stack для генерации текста, ориентированной на Lua. В метаданных указаны архитектура Mistral и 18,7 млн параметров; модель принимает текст и выдаёт текст, контекст — до 2048 токенов. Карточка сообщает о дообучении и приводит значение Loss 2,1614 на оценочном наборе, но не описывает методику оценки и конкретные сценарии применения. Язык Lua — язык программирования, поэтому он не добавлен в список естественных языков. Лицензия и базовая модель в доступных данных не указаны.

Pinkstack Luau-coder-v2-3B-base-32k — базовая авторегрессионная языковая модель для генерации текста и кода на Luau, разработанная Pinkstack на основе allenai/OLMo-2-0425-1B. Модель имеет плотную архитектуру OLMo 2, около 2,6 млрд параметров и контекст до 32 768 токенов. Это базовая модель, а не готовый чат-ассистент. Модель непрерывно предобучали в три этапа на корпусах Luau и Roblox, справочном дампе о Roblox и части Википедии; суммарно использовали до 1,3 млрд токенов. Она предназначена прежде всего для продолжения текста и кода Luau, а также для дальнейшей тонкой настройки под диалоговые и инструктивные сценарии. Английский язык указан в метаданных. Модель распространяется в формате safetensors по лицензии Apache 2.0. Авторы отмечают, что она не проходила выравнивание безопасности и может генерировать нежелательный контент. В README также указано, что качество модели не сопоставимо с крупной 70-миллиардной моделью.

Agnuxo/Mamba-Codestral-7B-v0.1-instruct-python_coding_assistant-GGUF_4bit — текстовая генеративная модель для локального программирования, разработанная Francisco Angulo de Lafuente (Agnuxo1) в экосистеме P2PCLAW. Модель ориентирована на роль инструкционной помощницы по написанию и объяснению кода, прежде всего на Python, а также заявляет поддержку JavaScript, TypeScript, Rust, Go и C++, научных вычислений и библиотек NumPy, SciPy, Pandas, PyTorch, TensorFlow и JAX. Модель содержит 7 млрд параметров и распространяется в 4-битном формате GGUF. В README указана текстовая модальность, поддержка английского и испанского языков, а также возможность запуска на CPU, GPU с CUDA или ROCm и мобильных устройствах. Предусмотрены локальное использование через Ollama и серверный сценарий через vLLM. Заявлена интеграция с MCP, A2A и автономной декомпозицией задач, однако подробности реализации и размер контекстного окна не указаны. Сильными сторонами модели являются компактный размер, 4-битная квантизация и ориентация на локальный запуск и задачи генерации кода. README не содержит воспроизводимых результатов бенчмарков, поэтому качество программирования, рассуждений и агентских функций невозможно надежно оценить по представленным данным. Также не описаны ограничения по безопасности, точности и совместимости форматов. Модель распространяется по лицензии Apache 2.0.

MathCoder2-DeepSeekMath-7B-GGUF — это GGUF-квантизированная версия модели MathGenie/MathCoder2-DeepSeekMath-7B, подготовленная пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста в задачах, связанных с математикой и программированием; в метаданных указаны конвейер text-generation, математическая тематика, датасет MathGenie/MathCode-Pile и английский язык. В основе лежит модель размером 7B параметров, доступная в форматах от F16 до различных вариантов квантования Q8, Q6, Q5, Q4, Q3 и IQ. Размер файлов составляет примерно от 3,14 до 13,83 ГБ, что позволяет выбирать между качеством генерации и требованиями к памяти. Для локального запуска рекомендуются LM Studio и совместимые инструменты llama.cpp. Контекст, точная архитектура, мультимодальность и специальный формат промптов в README не указаны. Сильной стороной являются многочисленные варианты квантования, включая версии, оптимизированные для ARM, а также варианты с заявленным высоким качеством, близким к исходной модели. Более сильное квантование уменьшает требования к памяти, но может снижать качество ответов; низкобитные варианты характеризуются как менее качественные. Модель распространяется по лицензии Apache-2.0.

MobileLLM-R1-360M — компактная языковая модель Meta из семейства MobileLLM-R1, дообученная для решения математических, программных и научных задач. Это SFT-модель примерно на 359 млн параметров с текстовым вводом и выводом, предназначенная для генерации ответов и рассуждений; она не рассчитана на роль универсального чат-бота. В архитектуре 15 слоёв, 16 attention heads и 4 KV heads. Контекст базовой версии — 4 тыс. токенов; модельный словарь содержит 128 тыс. токенов. Карточка указывает английский язык. Модель подходит для компактных сценариев решения задач по математике, написания и анализа кода на Python и C++, а также ответов на научные вопросы. Она заметно меньше крупных языковых моделей, но качество следует оценивать отдельно для конкретных задач и условий использования. Лицензия указана как other, поэтому перед использованием нужно проверить условия в репозитории модели.

Карточка модели facebook/MobileLLM-R1.5-950M на Hugging Face совпадает с карточкой facebook/MobileLLM-R1.5-140M, поэтому описание составлено по ней. MobileLLM-R1.5-140M — компактная языковая модель Meta, дообученная методом on-policy дистилляции от facebook/MobileLLM-R1-140M-base. Это SFT-модель для решения математических и научных задач, а также задач программирования на Python и C++; разработчики отдельно отмечают, что она не предназначена для универсального общения. Модель содержит 140 млн параметров, использует текст на входе и выдаёт текст, поддерживает контекст до 32 тыс. токенов и словарь размером 128 тыс. токенов. Архитектура включает 15 слоёв, 9 attention heads и 3 KV heads. Дополнительная on-policy дистилляция применена как заключительный этап постобучения и, по данным авторов, улучшает результаты небольших моделей на сложных задачах рассуждения. Карточка приводит результаты семейства MobileLLM-R1.5, но конкретные численные показатели для версии 140M не выделяет. Модель опубликована под лицензией с обозначением «other»; условия лицензии следует проверить в карточке репозитория перед использованием.

MPT-7B — базовая языковая модель MosaicML, предварительно обученная с нуля на 1 трлн токенов английского текста и кода. Это плотный авторегрессионный трансформер с декодером, архитектура MPTForCausalLM; в карточке указано 6,7 млрд параметров и 32 слоя. Модель поддерживает генерацию текста, включая продолжение текста и кода. Архитектура использует FlashAttention и ALiBi вместо позиционных эмбеддингов. Обучение проводилось на последовательностях длиной 2048 токенов; ALiBi позволяет работать с длинными контекстами, однако для этой версии README не приводит конкретный гарантированный предел. Модель рассчитана прежде всего на английский язык. Это базовая, а не инструкционно настроенная модель: для диалога и пользовательских сценариев её следует дообучить и дополнить защитными механизмами. Она может выдавать фактически неверный, предвзятый или оскорбительный текст. Лицензия Apache 2.0 допускает коммерческое использование.

M4-ai NeuralReyna-Mini-1.8B-v0.3 — разговорная языковая модель на архитектуре Qwen2 с 1,5 млрд параметров и контекстом до 32 768 токенов. Автор дообучил aloobun/Reyna-Mini-1.8B-v0.2 методом DPO на датасете argilla/OpenHermes2.5-dpo-binarized-alpha; в карточке также указан датасет Locutusque/Hercules-v3.0. Модель обучена на формате диалогов ChatML. Она предназначена для генерации ответов в диалоге и заявлена как способная помогать с программированием, математикой, естественными науками, ролевыми сценариями и вызовом функций. В README приведены результаты нескольких тестов, но полная оценка и подробные результаты не представлены. Модель принимает текст и генерирует текст. Распространяется по лицензии Apache-2.0. Практическое качество заявленных возможностей по карточке нельзя оценить полностью: автор сообщает, что подробная оценка ещё не опубликована.

stojchet/nrkto3 — дообученная модель для генерации текста на основе DeepSeek Coder 1.3B Base. Она содержит 1,3 млрд параметров, использует плотную архитектуру LlamaForCausalLM и принимает контекст длиной до 16 384 токенов. В README приведены метрики оценки, но назначение дообучения и характеристики обучающих данных не раскрыты; базовая модель предназначена для продолжения и автодополнения кода. Модель может использоваться для генерации и продолжения текста, в том числе кода, однако карточка не подтверждает специализированные сценарии, качество на конкретных задачах или поддержку языков программирования и естественных языков. Репозиторий содержит веса в формате Safetensors. Лицензия указана как other, поэтому условия использования следует сверить с лицензией репозитория.

Gensyn разработала open-1b-base — базовую авторегрессионную языковую модель с архитектурой decoder-only Transformer семейства open1b. В README указано 1,61 млрд параметров, а в метаданных Hugging Face — 1,3 млрд; модель обучена на 400 млрд токенов и поддерживает контекст до 4096 токенов. Она рассчитана прежде всего на английский текст, включая код и материалы по STEM. Модель предназначена для продолжения текста, исследований воспроизводимого обучения и верификации обучения, а также как основа для дальнейшего дообучения. Gensyn опубликовала обучающие данные, код, промежуточные контрольные точки и хеши состояний по шагам, чтобы независимые проверяющие могли воспроизводить и сверять отдельные этапы обучения. Это базовая модель без настройки для чата и следования инструкциям. Лицензия — Apache 2.0.