II.2Создание и понимание программного кода

Карточка модели yulan-team/YuLan-Mini на Hugging Face совпадает с карточкой diskrot/YuLan-Mini-diskrot, поэтому описание составлено по ней. YuLan-Mini — базовая предварительно обученная языковая модель, разработанная командой AI Box Народного университета Китая. Это плотная авторегрессионная модель семейства Llama с 2,2 млрд параметров и контекстом до 28 723 токенов; веса опубликованы в формате Safetensors. Модель обучали на 1,08 трлн токенов, уделяя особое внимание математике и программированию. Модель предназначена для генерации текста и продолжения заданного фрагмента, а также для экспериментов и дальнейшего дообучения. Она не прошла настройку для следования инструкциям, поэтому не рассчитана на диалог в формате ассистента без дополнительного обучения или подходящего промпта. В карточке перечислены английский и китайский языки. Модель доступна по лицензии MIT. Заявленные сильные стороны — математические и кодовые задачи, эффективное предварительное обучение и длинный контекст. Результаты бенчмарков в README приведены для семейства моделей в сравнительной таблице, поэтому их нельзя однозначно приписать этой версии без дополнительных данных.

YuLan-Mini — базовая предварительно обученная языковая модель, разработанная командой AI Box Народного университета Китая. Это плотная авторегрессионная модель семейства Llama с 2,2 млрд параметров и контекстом до 28 723 токенов; веса опубликованы в формате Safetensors. Модель обучали на 1,08 трлн токенов, уделяя особое внимание математике и программированию. Модель предназначена для генерации текста и продолжения заданного фрагмента, а также для экспериментов и дальнейшего дообучения. Она не прошла настройку для следования инструкциям, поэтому не рассчитана на диалог в формате ассистента без дополнительного обучения или подходящего промпта. В карточке перечислены английский и китайский языки. Модель доступна по лицензии MIT. Заявленные сильные стороны — математические и кодовые задачи, эффективное предварительное обучение и длинный контекст. Результаты бенчмарков в README приведены для семейства моделей в сравнительной таблице, поэтому их нельзя однозначно приписать этой версии без дополнительных данных.

Zamba2-2.7B — предобученная языковая модель Zyphra для генерации текста и кода. Она использует гибридную плотную архитектуру: основу из блоков Mamba2 с чередующимися общими блоками внимания Transformer. Два общих блока внимания чередуются по схеме ABAB, а LoRA-проекции помогают разделяемым MLP специализироваться на разных позициях сети. В README указано 2,7B в названии модели, тогда как метаданные каталога приводят 5,7B параметров. Модель обучена на 3 трлн токенов текстовых и программных данных из открытых веб-датасетов, затем дополнительно обучена на смеси из 100 млрд высококачественных токенов. Она использует токенизатор Mistral v0.1 и поддерживает контекст до 4096 токенов. Подходит для продолжения текста и кода, но не была настроена для следования инструкциям или диалогов, поэтому качество в чат-сценариях не ожидается. Это базовая модель без встроенной модерации; её ответы могут содержать токсичный или иной вредоносный текст. README предупреждает, что реализация для Hugging Face временная и может быть несовместима с некоторыми инструментами и фреймворками. Для эффективного запуска рекомендуются исходные версии Transformers и ядра Mamba2. Лицензия — Apache-2.0.

AMD-Llama-135m-code-GGUF — это набор квантованных моделей в формате GGUF, созданный пользователем bartowski на основе модели amd/AMD-Llama-135m-code от AMD. Квантование выполнено с помощью llama.cpp и метода imatrix; доступны варианты от F16 до низкобитных Q3 и IQ3, включая версии, оптимизированные для ARM-инференса. Размер файлов составляет примерно от 0,07 до 0,27 ГБ. Модель предназначена для генерации текста и, судя по названию исходной модели, ориентирована прежде всего на задачи, связанные с программным кодом. Небольшой размер делает её подходящей для локального запуска на устройствах с ограниченными ресурсами, в том числе через LM Studio. Более высокие уровни квантования обеспечивают лучшее сохранение качества, а низкобитные варианты позволяют снизить требования к оперативной памяти; отдельные варианты используют менее агрессивное квантование embedding- и output-весов. В README не указаны точная архитектура исходной модели, максимальная длина контекста, поддерживаемые языки, мультимодальные возможности и результаты оценивания. Формат prompt также не определён, поэтому его следует уточнять на странице исходной модели. Для производственных сценариев качество конкретного варианта квантования необходимо проверять отдельно. Модель распространяется по лицензии Apache-2.0.

BatchOnline-GRPO-7B — языковой проверяющий код модели, разработанный институтом INSAIT. По условию задачи по спортивному программированию и нескольким вариантам решения модель оценивает и ранжирует варианты, определяя корректный. Она предназначена для выбора решений, автоматической оценки кода и использования в качестве функции вознаграждения при оптимизации моделей генерации кода. Модель содержит 7,1 млрд параметров, построена на плотной архитектуре Qwen2 и дообучена методом semi-online GRPO на наборе INSAIT-Institute/Aletheia-Train. Политика-генератор синхронизируется каждые четыре шага. Базовая модель — DeepSeek-R1-Distill-Qwen-7B; максимальная длина контекста составляет 131072 токена. Модель принимает текстовые условия задачи и кандидаты кода, а её основная функция — оценка и ранжирование текстовых ответов. Лицензия CC BY-NC-SA 4.0 разрешает использование с указанием авторства и на тех же условиях, но некоммерческое применение. Модель специализирована на проверке решений задач по программированию; точный формат входного запроса описан в сопутствующем репозитории.

BEE-spoke-data/beecoder-220M-python — компактная модель генерации кода, разработанная BEE-spoke-data путём дообучения smol_llama-220M-GQA. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 184,9 млн параметров; она принимает текст и генерирует продолжение, в частности фрагменты кода на Python. Модель обучалась на отфильтрованной выборке Stack-smol-XL, дедуплицированной части Algebraic Stack из Proof Pile 2 и очищенном дедуплицированном наборе PyPI. Длина контекста — 2048 токенов. Модель подходит для генерации и продолжения Python-кода, а также для небольших экспериментов с генерацией кода. В метаданных указан английский язык. Модель распространяется в формате safetensors по лицензии Apache-2.0. Размер и контекст указывают на компактный масштаб, поэтому её возможности ограничены по сравнению с крупными моделями; README не приводит результаты оценивания качества или сведения о дополнительных возможностях.

BLOOM-3B-intermediate — промежуточный чекпойнт семейства BLOOM, разработанного международным исследовательским сообществом BigScience. Это авторегрессионная языковая модель на основе decoder-only Transformer, предназначенная для генерации текста и исследований больших языковых моделей, а также для последующего дообучения под конкретные задачи. В README семейство BLOOM описано как модель с архитектурой Megatron-LM GPT-2, позиционными кодировками ALiBi и контекстом 2048 токенов; указанные там 176 млрд параметров относятся к полной версии BLOOM, а не подтверждают размер этого чекпойнта. Модель рассчитана на многоязычный текст; метаданные отмечают поддержку, среди прочего, арабского, бенгальского, каталонского, английского, испанского, французского, хинди, индонезийского, португальского, тамильского, урду, вьетнамского и китайского. Также в метаданных отмечена работа с кодом. Модель может служить исходной точкой для экспериментов и дообучения, но её ответы могут быть фактически неверными, повторяющимися или нерелевантными и отражать стереотипы; она не предназначена для критически важных решений и указанных в карточке высокорисковых областей. Лицензия — BigScience BLOOM RAIL 1.0.

bonsai-qwen3-30b-a3b-teacher-corrected — контрольная точка проекта bonsai, созданная полным дообучением Qwen/Qwen3-30B-A3B-Base на исходном коде TypeScript. Это MoE-модель архитектуры Qwen3 с 30,5 млрд параметров, из которых активно используются около 3 млрд; карточка указывает 2,6 млрд параметров. Модель принимает текст и предназначена для генерации и продолжения текста, особенно кода на TypeScript. Контекст модели — 32 768 токенов. Чекпойнт скорректирован под целевое распределение данных перед дистилляцией меньшей специализированной модели: он сам не прорежен и не дистиллирован. Дообучение выполнено на 6 000 примерах TypeScript за одну эпоху; автор сообщает о снижении проверочной потери с 0,9331 до 0,8842. Качество на прикладных задачах генерации кода пока не оценивалось, поэтому результаты не подтверждают преимущество в таких задачах. Лицензия — Apache 2.0.

ChatGLM3-6B-Base 是智谱 AI（zai-org）发布的 ChatGLM 系列基础语言模型， построенный на плотной архитектуре ChatGLM и содержащий 7,5 млрд параметров. Модель рассчитана на продолжение текста и служит базой для дальнейшей адаптации; README указывает, что она не проходила выравнивание с человеческими намерениями и не предназначена для многошагового диалога без дополнительной настройки. Контекст составляет до 32 768 токенов. Карточка сообщает о сильных результатах среди предварительно обученных моделей менее 10 млрд параметров в оценках семантики, математики, рассуждений, кода и знаний. Поддерживаются китайский и английский языки. Веса открыты для академических исследований; бесплатное коммерческое использование разрешено после регистрации через анкету.license

Clyrai Maximus-MoE — авторская разреженная языковая модель семейства Clyrai Maximus, разработанная Clyrai с нуля. Это причинная модель для продолжения текста: она принимает начало фразы или другой текстовый контекст и генерирует продолжение, а не готовый диалоговый ассистент. Архитектура MoE включает 32 эксперта, из которых для токена выбираются четыре, а также одного общего эксперта; первые два из 16 слоёв плотные. В README указаны 264 млн параметров всего и 110 млн активных на токен; метаданные Hugging Face сообщают 81,8 млн параметров. Эти сведения о размере расходятся. Модель обучалась на английском, хинди, итальянском языках и коде; максимальный контекст составляет 131 072 токена. В карточке заявлены высокая скорость генерации и поддержка кода, однако приведённые показатели скорости относятся к конкретным устройствам и зависят от аппаратного обеспечения. Без штрафа за повторения жадная генерация может зацикливаться. Для загрузки требуется trust_remote_code=True. Модель распространяется по Clyrai Sovereign Research License 1.0: разрешены исследования и личная оценка с указанием авторства, а коммерческое использование, дистилляция, использование в размещённом продукте и обучение другой модели требуют разрешения Clyrai. Остальные права сохранены за правообладателем.

Это исследовательский контрольный чекпойнт языковой модели Qwen3-4B, дообученный командой, опубликовавшей репозиторий, методом обучения с подкреплением OpenRLHF GRPO. Обучение проводилось напрямую от Qwen/Qwen3-4B-Instruct-2507 без промежуточного SFT на задачах генерации кода; чекпойнт сохранён на шаге 60 и показал лучший результат по pass@8 в рамках этого запуска. Модель предназначена для генерации программ и решения задач на программирование, особенно задач, выбранных как трудные для исходной модели. Обучение использовало бинарную награду за прохождение тестов, восемь генераций на запрос и ограничение в 4096 новых токенов. Архитектура плотная Qwen3ForCausalLM, размер около 3,7 млрд параметров, формат весов safetensors; контекст — до 262 144 токенов. Карточка не приводит численные метрики качества на отложенной выборке, поэтому преимущество по pass@8 относится только к сравниваемым чекпойнтам этого запуска. Это ранний экспериментальный чекпойнт, а не подтверждённая универсальная модель для кода. Лицензия в предоставленных сведениях не указана.

Code-Llama-Bagel-8B — языковая модель для генерации текста и кода, разработанная пользователем theprint. Это объединённая модель, созданная методом slerp с использованием LazyMergekit на основе ajibawa-2023/Code-Llama-3-8B и jondurbin/bagel-8b-v1.0. В конфигурации объединения указаны 32 слоя, тип данных bfloat16 и базовая модель ajibawa-2023/Code-Llama-3-8B. Модель предназначена для текстовой генерации, диалоговых сценариев и задач, связанных с программированием; в README приведён пример использования через Transformers с chat template. Точные поддерживаемые языки, размер контекста, число параметров и перечень модальностей не указаны. По результатам Open LLM Leaderboard среднее значение составляет 14,48; показатели включают 25,30 на IFEval, 25,34 на BBH, 4,98 на MATH, 3,47 на GPQA, 7,53 на MuSR и 20,24 на MMLU-PRO, что указывает на ограниченные результаты в представленных тестах. Модель распространяется по лицензии llama3. Для запуска рекомендуется Transformers и accelerate; в примере используется GPU-автоматическое распределение и генерация с sampling. README не содержит подробностей о дополнительных ограничениях, безопасности, качестве на конкретных языках или сравнении с исходными моделями.

DRIVE-SFT — 32-миллиардная плотная языковая модель команды Hunyuan компании Tencent, созданная дообучением Qwen2.5-32B-Instruct. Она предназначена для генерации кода в задачах соревновательного программирования и рассуждений над сложными задачами; обучение также включало общие данные по программированию и рассуждениям. Модель использует архитектуру Qwen2 и формат safetensors, поддерживает диалог и интерфейс вызова инструментов, а заявленная длина контекста составляет 32 768 токенов. README описывает конвейер DRIVE: SFT с повышенной долей сложных задач, за которым следуют два этапа обучения с подкреплением на основе проверяемых результатов выполнения кода. Заявленные улучшения и результаты бенчмарков относятся к итоговой модели DRIVE-RL и всему конвейеру; их нельзя автоматически считать результатами именно DRIVE-SFT. Базовая модель Qwen2.5-32B-Instruct ориентирована на многоязычный диалог и генерацию текста, но основные задачи DRIVE-SFT связаны с кодом. Лицензия в предоставленных данных не приведена.

chabab/gemma-3-270m-it-text2sql — дообученная модель Google Gemma 3, опубликованная пользователем chabab. Это плотная текстовая авторегрессионная модель на 257 млн параметров, обученная с помощью TRL на основе google/gemma-3-270m-it; карточка демонстрирует её использование через Transformers для генерации текста в диалоговом формате. Название указывает на назначение для преобразования запросов на естественном языке в SQL, однако README не описывает набор данных, качество или проверку этого сценария. Поэтому модель можно рассматривать как небольшой экспериментальный вариант для генерации SQL по текстовому запросу, а пригодность для конкретной базы данных следует оценивать самостоятельно. Заявленное контекстное окно — 32 768 токенов; модель работает с текстом и выдаёт текст. Лицензия в предоставленных данных не указана. Базовая модель — Gemma 3 270M Instruct; её условия использования могут распространяться на производную модель.

Alevnokc/Gemma-3-27B-Roblox-Luau — дообученная версия модели google/gemma-3-27b-it, созданная boatbomber для работы с доменом Roblox. Модель предназначена для генерации текста и помощи в задачах, связанных с разработкой в Roblox, включая написание, объяснение и анализ кода на Luau, а также ответы на вопросы по Roblox API и платформе. Для дообучения использованы наборы данных boatbomber/roblox-info-dump и boatbomber/the-luau-stack. Модель относится к текстовым chat-моделям с объёмом 27 миллиардов параметров и заявленным языком English. Её сильная сторона — специализированные знания о Roblox и Luau по сравнению с базовой моделью общего назначения. Доступны варианты квантования Q8_O, Q6_K, Q5_K_M, Q4_K_M и Q3_K_M; рекомендуемым указан Q4_K_M размером 17,34 ГБ, тогда как Q8_O требует около 30,21 ГБ памяти. Более агрессивное квантование Q3_K_M заметно снижает качество. Размер контекста и поддержка других модальностей в README не указаны. Использование регулируется лицензией Gemma; приведена ссылка на условия Google.

YuviAzu/Gemma-4-31B-JANG_4M-Jailbreak — конверсия Gemma 4 31B Instruct от dealignai с удалёнными ограничениями на ответы и смешанной точностью. Модель построена на плотном трансформере Gemma 4 с гибридным скользящим и глобальным вниманием; карточка сообщает о 60 слоях и размере около 18 ГБ. Веса внимания и эмбеддинги сохранены в 8-битном представлении, остальные компоненты преимущественно сжаты до 4 бит. Для запуска указан MLX или совместимый движок с поддержкой Gemma 4; рекомендуются Apple Silicon и не менее 24 ГБ объединённой памяти. Модель предназначена для диалогов, написания кода и ответов на запросы, в том числе на темы, от которых обычные модели могут отказаться. В README приведены результаты собственных тестов: 93,7% соответствия запросам в HarmBench и снижение результата MMLU на 2 процентных пункта; это заявления автора карточки, а не независимая оценка. Лицензия — Gemma; модель ориентирована на исследование поведения моделей безопасности. Карточка также сообщает о сохранённом vision-энкодере, но не описывает проверенные сценарии работы с изображениями.

GigaChat3-10B-A1.8B-base — базовая предварительно обученная языковая модель семейства GigaChat, разработанная командой ai-sage. Она предназначена для продолжения обучения и генерации текста; для диалога и выполнения инструкций в карточке рекомендуется instruct-версия. Модель использует архитектуру Mixture-of-Experts с 10 млрд общих и 1,8 млрд активных параметров, механизмы Multi-head Latent Attention и Multi-Token Prediction. В метаданных указаны архитектура DeepSeek V3, 1,5 млрд параметров, контекст 262 144 токена и поддержка русского и английского языков; размер параметров в README и метаданных расходится. Модель обучена на 20 трлн токенов, включая синтетические данные, материалы по математике и программированию, а также тексты на дополнительных языках. MLA сжимает KV-кэш для более эффективного инференса, а MTP может ускорять генерацию при использовании совместимых техник. Репозиторий содержит веса Safetensors; лицензия — MIT. Это базовая модель, поэтому для диалоговых сценариев и следования инструкциям предпочтительна instruct-версия.

HPLT/gpt-7b-nordic-prerelease — предварительный чекпойнт языковой модели Viking 7B, созданной в сотрудничестве группы TurkuNLP Университета Турку, SiloGen и HPLT. Это плотный авторегрессионный трансформер семейства LLaMA с 7 млрд параметров, обучавшийся на корпусе из финского, английского, шведского, датского, норвежского и исландского языков, а также кода. Размер контекста составляет 4096 токенов. Модель предназначена для генерации текста, понимания и создания кода, а также базового перевода между поддерживаемыми языками. Она ориентирована на языки Северной Европы, в том числе на финский и скандинавские языки, и может применяться для экспериментов с генеративными моделями для языков с ограниченными ресурсами. Это незавершённый исследовательский чекпойнт: предобучение на момент выпуска не было завершено, а инструкции и чат-вариант планировались к выпуску отдельно. Качество ответов может быть нестабильным, поэтому результаты следует проверять. Весовые файлы опубликованы в формате Safetensors; лицензия — Apache 2.0.

GPT-Neo-125M-APPS — плотная авторегрессионная модель семейства GPT-Neo, дообученная Flax Community на задачах программирования из набора APPS. Она предназначена для генерации кода по текстовому описанию задачи и, при наличии, начальному фрагменту кода. В набор APPS входят 10 000 задач, тестовые случаи и решения, написанные людьми; модель поддерживает генерацию текста с контекстом до 2 048 токенов и содержит 137,7 млн параметров. Модель подходит для экспериментов с автоматическим решением задач по программированию и создания вариантов кода. Карточка отмечает, что форматирование запроса влияет на результат и что сгенерированные решения могут быть ошибочными или уязвимыми; качество генерации не гарантируется, поэтому код следует проверять. Лицензия — MIT.

Aletheia-Bench/GRPO-Think-14B-8k — плотная языковая модель на архитектуре Qwen2 объёмом 14 млрд параметров, разработанная проектом Aletheia-Bench. Это дообученная версия DeepSeek-R1-Distill-Qwen-14B, обученная методом GRPO с проверяемыми наградами, отрицательными примерами и промежуточными рассуждениями; при обучении использовался бюджет генерации до 8 тысяч токенов. Модель принимает условие задачи по программированию и несколько вариантов решения, затем оценивает и ранжирует решения по корректности. Модель предназначена для автоматической проверки кода, сравнения кандидатных решений и использования в качестве функции вознаграждения при оптимизации генерации кода. В README описаны эксперименты на задачах соревновательного программирования; обучающие примеры включают код на Python, C++ и Java. Контекст модели по метаданным — 131 072 токена. Веса доступны в формате Safetensors, библиотека — Transformers. Лицензия CC-BY-NC-SA-4.0 допускает использование с указанием авторства, некоммерческое распространение и распространение производных на тех же условиях. Ограничения: модель ориентирована на проверку и ранжирование решений для задач программирования, а README не приводит численных результатов качества или гарантий корректности оценок.

GRPO-Think-7B-16k — языковой верификатор кода, разработанный институтом INSAIT. Он принимает условие задачи по программированию и несколько предложенных решений, оценивает их корректность и ранжирует кандидатов. Модель предназначена для задач соревновательного программирования и проверки кода, а также для использования в качестве функции вознаграждения при оптимизации моделей генерации кода и автоматического оценщика. Модель с архитектурой Qwen2 и 7,1 млрд параметров дообучена методом GRPO от deepseek-ai/DeepSeek-R1-Distill-Qwen-7B на наборе INSAIT-Institute/Aletheia-Train. Во время обучения использовались промежуточные рассуждения и отрицательные примеры, а бюджет генерации составлял 16 тысяч токенов. В карточке Hugging Face указан нативный контекст 131 072 токена; модель распространяется в формате safetensors и работает через Transformers. Лицензия CC-BY-NC-SA-4.0 разрешает использование с указанием авторства, на некоммерческих условиях и с сохранением той же лицензии. Оценки модели относятся к проверке и ранжированию решений для программирования; карточка не подтверждает её пригодность для универсального диалога или непосредственного исполнения кода.

Huihui-gemma-4-12B-agentic-fable5-abliterated — вариант Gemma 4 12B, созданный huihui-ai на основе дообученной модели yuxinlu1/gemma-4-12B-agentic-fable5-composer2.5-v2-3.5x-tau2. Это плотная модель с архитектурой Gemma4UnifiedForConditionalGeneration для генерации текста и диалоговых ответов; метаданные также отмечают поддержку кода. Модель распространяется в формате safetensors и предназначена для использования через Transformers. Автор описывает её как экспериментальную версию с ослабленными отказами, полученную методом abliteration. Она может быть полезна для генерации кода и технических ответов, но карточка характеризует реализацию как грубую proof-of-concept. Ослабление защитных ограничений повышает вероятность чувствительных или неподходящих ответов, поэтому результаты требуют проверки. Лицензия — Apache-2.0.

Это сборка Kimi-K3 для MLX от mlx-community на основе moonshotai/Kimi-K3. Модель предназначена прежде всего для генерации кода на компьютерах Apple Silicon с 192 ГБ объединённой памяти: в ней оставлено 160 из 896 маршрутизируемых экспертов на слой, а веса квантованы до 2 бит с группой 128. Общий размер составляет около 2,78 трлн параметров, из которых активируется около 104 млрд; файлы занимают 181,2 ГБ. Отбор экспертов выполнен методом REAP. По описанным проверкам модель загружается и генерирует текст, а пример генерации кода работает корректно. Сильное прореживание заметно ухудшает фактические знания: модель может зацикливаться на простых вопросах и хуже справляется с китайским. Автор рекомендует использовать более крупную сборку, если важны фактические ответы или китайский язык. Репозиторий распространяется по лицензии other; конкретные условия лицензии следует уточнять у правообладателя базовой модели.

pipenetwork/Kimi-K3-REAPgraded-MLX-mxfp4-q8 — это версия модели Kimi-K3 от Moonshot AI, подвергнутая агрессивному экспертному pruning методом REAP и конвертированная в формат MLX для запуска на компьютерах Apple Silicon. Модель относится к мультимодальным MoE-моделям, но README не уточняет полный перечень поддерживаемых модальностей и языков. Базовая Kimi-K3 имеет 2,78 трлн параметров, из которых 104 млрд активируются на токен, использует Kimi Delta Attention, Attention Residuals и контекст до 1 млн токенов. В данной версии сохранено 326 из 896 экспертов в каждом из 92 MoE-слоёв; заявленный объём составляет около 1,048 трлн параметров и 451 ГБ. Основное назначение модели — локальная генерация текста и кода через mlx-lm на Apple Silicon с unified memory объёмом около 512 ГБ. Благодаря сохранению наиболее значимых экспертов и наличию двух общих экспертов модель лучше сохраняет структурную корректность генерации кода, чем обычное удаление экспертов. Квантизация сохранённых наиболее важных весов в MXFP4 является побитово точной копией исходных весов Moonshot; менее значимые эксперты используют 2-битное представление. Заявлена скорость около 2,68 токена в секунду на M3 Ultra с 512 ГБ памяти. Это компромиссная сборка для размещения большой модели на одной машине, а не вариант с максимальным качеством. Из-за pruning ожидается заметное ухудшение языковых способностей по сравнению с полной Kimi-K3: возможны уход в спискообразные или похожие на исходный файл продолжения, дрейф ответа и циклы повторения, особенно при агрессивных сценариях. Уменьшение числа сохранённых экспертов сокращает требования к памяти, но не обязательно ускоряет генерацию, поскольку на каждый токен приходится считывать общие тензоры и выбранные эксперты. Лицензия указана как other с названием kimi-k3; дополнительные условия использования в README не приведены.

Карточка модели Toleng/koplak-flash-master-1.5b-instruct на Hugging Face совпадает с карточкой Toleng/koplak-flash-1.5b, поэтому описание составлено по ней. Toleng/koplak-flash-1.5b — дообученная Toleng языковая модель семейства Qwen2 на базе unsloth/Qwen2.5-Coder-1.5B-Instruct-bnb-4bit. Это плотная причинная модель с 1,5 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Репозиторий содержит веса в формате safetensors; модель обучалась с использованием Unsloth и библиотеки TRL. Размер контекста составляет 32 768 токенов. В метаданных указан английский язык, а базовая модель ориентирована на программирование. Лицензия — Apache-2.0. README не уточняет специализацию дообучения и не приводит оценки качества, поэтому пригодность для конкретных задач следует проверять отдельно.

Карточка модели Toleng/koplak-flash-master-s21-1.5b-instruct на Hugging Face совпадает с карточкой Toleng/koplak-flash-1.5b, поэтому описание составлено по ней. Toleng/koplak-flash-1.5b — дообученная Toleng языковая модель семейства Qwen2 на базе unsloth/Qwen2.5-Coder-1.5B-Instruct-bnb-4bit. Это плотная причинная модель с 1,5 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Репозиторий содержит веса в формате safetensors; модель обучалась с использованием Unsloth и библиотеки TRL. Размер контекста составляет 32 768 токенов. В метаданных указан английский язык, а базовая модель ориентирована на программирование. Лицензия — Apache-2.0. README не уточняет специализацию дообучения и не приводит оценки качества, поэтому пригодность для конкретных задач следует проверять отдельно.

LLaDA-8B full-sequence SFT with code-target continuation — экспериментальный чекпойнт диффузионной языковой модели LLaDA, разработанный albertge для контрольного сравнения в исследовании dLLM Registers. Модель дообучена от albertge/llada-8b-full-sft-mix60k-4pass на подмножестве OpenCodeInstruct из набора mix60k-math-code-sft; целевые ответы содержат исходный код Python. Архитектура — плотная LLaDA с 8 млрд параметров, веса сохранены в safetensors и предназначены для работы через Transformers. Модель генерирует продолжения кода. В обучении использовались полные последовательности с диффузионной функцией потерь; длина генерации при обучении ограничивалась 1024 токенами. В ограниченной оценке с очисткой текста на границах блоков результат составил 19/164 на HumanEval и 61/257 на MBPP. Эти результаты относятся к описанному протоколу и не гарантируют качество на других задачах. Лицензия в предоставленных данных не указана.

Llama-3-Umbral-Mind-Replete-8B — слитая модель на архитектуре Llama 3, опубликованная mpasila. Она объединяет Casual-Autopsy/L3-Umbral-Mind-RP-v1.0-8B и Replete-AI/Replete-Coder-Llama3-8B методом SLERP с помощью mergekit. Модель предназначена для генерации текста и диалогов, включая ролевые сценарии на английском языке; объединение также включает модель, ориентированную на программирование. Размер составляет 7,5 млрд параметров, контекст — до 8192 токенов. Модель может подойти для интерактивных историй и ролевых бесед, а также генерации кода. Автор отмечает склонность модели отвечать многословно независимо от инструкции, поэтому длину ответов может быть трудно контролировать. Репозиторий содержит веса в формате safetensors и использует лицензию Llama 3.

TorpedoSoftware/Luau-Devstral-24B-Instruct-v0.2 — специализированная инструкционная модель для генерации кода на Luau, разработанная Zack Williams (boatbomber) при спонсорской поддержке Torpedo Software LLC. Модель является дообученной версией Luau-Devstral-24B-Instruct-v0.1 и ориентирована прежде всего на разработку игр и скриптов для Roblox. Модель предназначена для решения задач программирования на Luau, включая генерацию и исправление кода, решение алгоритмических задач, повышение качества кода и соблюдение строгой типизации. В обучении применялся метод Dr. GRPO (Group Relative Policy Optimization) на датасете TorpedoSoftware/LuauLeetcode, содержащем около 2,6 тысячи задач с уровнями сложности от простого до продвинутого. Размер модели — 24B параметров. Заявлены поддерживаемые языки интерфейса и инструкций: английский, французский, немецкий, испанский, португальский и итальянский. Размер контекста в предоставленных данных не указан. К сильным сторонам относятся высокая точность форматирования, низкое количество ошибок линтера, хорошее соответствие строгой типизации Luau и краткие ответы без лишних пояснений. По представленным тестам модель заняла одно из лидирующих мест по качеству Luau-кода и показала высокую эффективность на сложных задачах. Ограничения включают специализацию на Luau и Roblox, а также возможное увеличение числа ошибок из-за склонности добавлять явные определения типов. Модель распространяется по лицензии Apache-2.0.

ThorOdinson246/nl2sh-1.5b-Q4_K_M — компактная модель для преобразования запросов на естественном английском языке в одну shell-команду. Она разработана на основе Qwen2.5-Coder-1.5B-Instruct с помощью LoRA дообучения на 125 770 парах «запрос — команда», после чего веса были объединены и квантованы в формат GGUF Q4_K_M. Модель предназначена для локального запуска через llama.cpp, в том числе на CPU, и используется в CLI-инструменте whatisit. Размер файла составляет около 941 МБ. Модель генерирует команды POSIX/bash, работает в однострочном режиме, поддерживает контекст до 64 токенов вывода и рассчитана на детерминированную генерацию при температуре 0. Она ориентирована на англоязычные запросы и сценарии автоматизации командной строки. На бенчмарке InterCode-ALFA показала точность 0,620 на 300 задачах, превзойдя нетюнингованную базовую модель 1.5B с результатом 0,540 и приблизившись к нетюнингованной модели 7B с результатом 0,613. Сильные стороны модели — небольшой размер, работа без GPU, низкие требования к ресурсам и существенный выигрыш от дообучения на задачах генерации команд. Ограничения включают однострочный и одношаговый характер работы, отсутствие доступа к файловой системе и состояния shell, ограниченный бюджет вывода, оценку только на англоязычном наборе из 300 задач и риск генерации разрушительных или ошибочных команд. Модель не проверяет намерения пользователя, поэтому каждую команду необходимо просматривать перед выполнением и дополнять собственными мерами подтверждения или изоляции. Модель распространяется по лицензии Apache-2.0. В README также указано, что обучающие данные собраны из источников с лицензиями MIT, CC-BY-4.0, CC0-1.0 и Apache-2.0; для части источников лицензии заявлены, но не были независимо подтверждены.