II.2Создание и понимание программного кода

DARE (Distribution-Aware Retrieval Embedding) — дообученный двунаправленный энкодер на базе Sentence Transformer, разработанный для поиска функций и инструментов статистического анализа на языке R. Он подбирает инструменты с учётом текста запроса пользователя и профиля данных, чтобы LLM-агенты могли выбирать подходящие функции в автоматизированных сценариях анализа данных. Модель основана на sentence-transformers/all-MiniLM-L6-v2, использует архитектуру BERT и содержит 25,9 млн параметров. Она формирует плотные векторные представления для извлечения и сопоставления запросов с R-функциями; указанная длина контекста — 512 токенов. В README сообщается результат 93,47 NDCG@10 на задачах поиска R-пакетов. DARE предназначена для англоязычных запросов в области R, науки о данных и статистического анализа. Лицензия — Apache-2.0. Модель выдаёт эмбеддинги для поиска и ранжирования, а не готовые ответы или исполняемый код; результат поиска зависит от описаний инструментов и профиля данных, переданных системе.

Это сильно сжатая GGUF-квантизация языковой модели DeepSeek-R1-Distill-Qwen-1.5B, подготовленная для запуска с llama.cpp на устройствах с ограниченной видеопамятью. Файл использует формат IQ2_XXS с эффективной точностью около 2,06 бита на вес и занимает примерно 0,56 ГБ. Исходная модель была дообучена DeepSeek на примерах рассуждений; эта версия получена из весов F16 с помощью llama.cpp и калибровочной матрицы важности. Модель предназначена для генерации текста, ответов на вопросы и задач, требующих пошагового рассуждения, включая математику и программирование. В README заявлен контекст до 32 768 токенов и сохранение формата рассуждений DeepSeek-R1. Репозиторий распространяется по лицензии MIT. Квантизация IQ2_XXS позволяет запускать модель на малоресурсном оборудовании, однако агрессивное сжатие снижает беглость и точность по сравнению с F16 или Q4_K_M. Описание заявляет поддержку английского и многоязычного использования, но не перечисляет конкретные языки помимо английского.

Explora-0.6B — компактная текстовая модель prithivMLmods для генерации ответов и рассуждений в задачах по науке и программированию. Она представляет собой дообученную на первых 100 000 примерах набора Open-Omega-Explora-2.5M модель Qwen3-0.6B с архитектурой Qwen3ForCausalLM и примерно 507,9 млн параметров. Модель принимает текст и выдаёт текст; заявлены поддержка кода и диалогов, а также контекст до 40 960 токенов. Модель предназначена для учебных и исследовательских инструментов, помощи с программированием и научными вопросами, базовых вычислений, структурированной логики и пошагового решения задач. Она может формировать объяснения, функции и ответы в форматах Markdown, Python, JSON или обычного текста. Компактный размер подходит для запуска в условиях ограниченных ресурсов. Указана лицензия Apache-2.0. Модель не оптимизирована для сложных многошаговых рассуждений и творческих задач; для узкоспециализированных технических запросов могут потребоваться точные инструкции. Карточка также отмечает, что по беглости она уступает более крупным моделям.

Functionalizer 100M — генеративная модель семейства GPT-2, разработанная в рамках проекта Functionalizer и основанная на работе «The Functionalizer: Lossless Functional Decomposition for Subword Tokenization». Это пример модели примерно на 100 млн параметров, обученной на коде Python из GitHub с seed 3 в рамках фреймворка Functionalizer. Для запуска требуется специальная версия токенизатора Functionalizer. Модель предназначена для генерации текста, в частности продолжения кода Python. Указанная длина контекста — 512 токенов. Репозиторий содержит веса в формате safetensors. В README не приведены результаты оценки качества или условия лицензии.

Rev2auth/gemma-3-270m-it-codealpaca — дообученная Rev2auth текстовая модель семейства Gemma 3, основанная на unsloth/gemma-3-270m-it-unsloth-bnb-4bit. Модель предназначена для генерации текста в диалоговом формате; название репозитория указывает на настройку для задач программирования, однако карточка не описывает конкретные возможности или результаты в этой области. Модель имеет плотную архитектуру Gemma3ForCausalLM и около 257 млн параметров. Она принимает текст, поддерживает контекст до 32 768 токенов и рассчитана на английский язык. Веса опубликованы в формате safetensors. Лицензия — Apache 2.0.

OS-Software/Gemma-4-12B-it-QAT-Q4_0-unquantized-uncensored-heretic-v3 — экспериментальная производная модель на базе Google Gemma 4 12B Instruct, созданная сообществом OS-Software. Карточка описывает Gemma 4 как плотную мультимодальную архитектуру с чередованием локального скользящего и глобального внимания. Для базовой версии 12B заявлен контекст до 256K токенов; модель поддерживает обработку текста, изображений, видео и аудио. Модель предназначена для исследований безопасности, выравнивания и red teaming, а также экспериментов с диалогом, рассуждениями, вызовом инструментов, программированием и мультимодальным анализом. Заявлены распознавание речи и перевод речи в текст, анализ изображений и видео, OCR, разбор документов и понимание интерфейсов. README рекомендует избегать развёртывания в публичных сервисах и пользовательских приложениях. В README не приведены отдельные результаты оценки качества или точные сведения о том, какие изменения внесены в эту версию; указанные возможности относятся к семейству Gemma 4 и базовой модели. Карточка сообщает о возможных фактических ошибках, предвзятости, трудностях с нюансами языка и сложными задачами. Лицензия репозитория — Apache-2.0.

Huihui-Qwythos-9B-Claude-Mythos-5-1M-abliterated-GGUF — это GGUF-версия модели, разработанная huihui-ai на основе empero-ai/Qwythos-9B-Claude-Mythos-5-1M. Модель предназначена для генерации текста на английском языке и поддерживает сценарии рассуждений, работы с длинным контекстом, function calling, tool use и агентных приложений. В README также указана специализация исходной модели на задачах кибербезопасности и биомедицине, однако подробные результаты оценки не приведены. Модель имеет размер 9B параметров, относится к семейству Qwen3.5 и поддерживает контекст до 1M токенов. Доступна в формате GGUF для запуска через llama.cpp; заявлены поддержка MTP и возможность ускорения генерации с помощью draft-модели. В non-thinking mode она должна следовать инструкциям первого запроса и выдавать результат в требуемом формате без вводных и заключительных фраз. Это uncensored-версия, созданная методом abliteration, поэтому её защитные фильтры значительно снижены. Сильной стороной является ориентация на длинный контекст, инструментальное использование и контролируемый формат вывода, но модель может генерировать чувствительный, спорный или небезопасный контент и не имеет гарантий стандартной safety-оптимизации. Рекомендуются исследовательское и экспериментальное применение, мониторинг и ручная проверка результатов; для публичных и производственных сценариев требуется особая осторожность. Модель распространяется по лицензии Apache-2.0.

jndpo1 — дообученная модель на базе DeepSeek Coder 1.3B Base, созданная автором репозитория на датасете generator. Это плотная авторегрессионная модель семейства LLaMA с 1,3 млрд параметров и контекстом 16 384 токена; она предназначена для генерации текста, в том числе продолжения и автодополнения кода благодаря базовой модели DeepSeek Coder. В карточке приведены метрики оценки на тестовом наборе, включая точность предпочтений 1,0, но не описаны назначение датасета, процедура обучения и сценарии применения. Модель опубликована в формате safetensors. Лицензия указана как other, поэтому условия использования следует уточнять в репозитории. Специализация именно на генерации кода и качество в практических задачах отдельно не подтверждены карточкой.

Карточка модели Toleng/koplak-flash-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.

LFM2.5-230M-Code-Math-Exp — экспериментальная дообученная модель автора hauser458b на инструкционной LiquidAI/LFM2.5-230M. Она предназначена прежде всего для генерации кода на нескольких языках программирования, сохраняя диалоговые и инструкционные возможности исходной модели. Это плотная причинная языковая модель семейства LFM2 с 221,2 млн параметров и контекстом до 128 000 токенов; опубликованные веса представлены в safetensors. Модель проверяли на наборе из 90 написанных вручную заданий, включая генерацию небольших программ и веб-проектов. Автор отмечает улучшения в Java, JavaScript и генерации законченных приложений по сравнению с предыдущей версией, но оценка была однократной и неформальной. Модель может быть полезна для черновиков кода и простых программных задач, однако её результаты требуют проверки. Лицензия указана как other; условия следует уточнить в карточке модели и у правообладателя.

Mythos-nano-gguf-free — независимая от Anthropic производная модель проекта Mythos-nano, дообученная на базе squ11z1/Mythos-nano. Это плотная авторегрессионная языковая модель семейства Qwen2 с 3,1 млрд параметров; репозиторий содержит веса Safetensors и рассчитан на использование через Transformers. Заявленная длина контекста — 131 072 токена. Модель предназначена для диалогов, решения задач по математике и программированию, в частности задач в стиле соревнований и LeetCode. В карточке приведены сравнительные результаты на математических, кодовых и общих тестах, однако это заявления автора модели. Модель не обучалась вызовам инструментов и агентному программированию, поэтому не подходит для оркестрации API и автономных кодовых агентов. Автор также сообщает об удалении направления отказа: защитные ограничения снижены, и модель может отвечать на запросы, которые отклонила бы модель с настройкой безопасности. Лицензия — MIT. Английский язык указан в метаданных; других языков карточка не подтверждает.

Nemotron-4-340B-Instruct-SafeTensors — текстовая языковая модель NVIDIA, опубликованная пользователем failspy. Это веса Nemotron-4-340B-Instruct, перенесённые из архитектуры NVIDIA NeMo в формат SafeTensors; автор репозитория предупреждает, что на момент публикации запуск инференса не поддерживается. Исходная модель дообучена на базе Nemotron-4-340B-Base с помощью SFT, DPO и RPO и предназначена для англоязычного чата и генерации синтетических данных для обучения и настройки языковых моделей. Модель использует авторегрессионный decoder-only Transformer с Grouped-Query Attention и RoPE, содержит 466,8 млрд параметров и рассчитана на контекст до 4096 токенов. В карточке описаны способности к следованию инструкциям, математическим рассуждениям и программированию; исходная модель обучалась на английских текстах, более чем 50 естественных языках и коде, но её основное назначение — английский язык. Для инференса в BF16 исходная карточка указывает на необходимость нескольких ускорителей H100, H200 или A100. Для репозитория указана лицензия other; README называет лицензию исходной модели NVIDIA Open Model License и сообщает о возможности коммерческого использования и создания производных моделей. Следует учитывать предупреждение автора о неподдерживаемом инференсе, а также риск неточных ответов, токсичных высказываний и усиления смещений из обучающих данных.

OpenReasoning-Nemotron-1.5B — языковая модель NVIDIA для пошагового решения задач по математике, программированию и естественным наукам. Это дообученная методом supervised fine-tuning модель Qwen2.5-1.5B с плотной decoder-only архитектурой Qwen2, содержащая 1,5 млрд параметров. Она принимает текст и генерирует текст; карточка указывает английский язык. Заявленная длина контекста составляет 131 072 токена, а модель оценивали при генерации ответов длиной до 64 тыс. токенов. Модель предназначена для разработчиков и исследователей, работающих с задачами математических соревнований, кодом и научными вопросами. В README описан режим GenSelect, который выбирает лучший вариант из нескольких сгенерированных решений; обучение выбора проводилось на математических задачах, а авторы сообщают о переносе этой способности на код и науку. Модель использует формат safetensors и библиотеку Transformers; для вывода также упомянуты vLLM и TensorRT-LLM, а оптимизация ориентирована на GPU NVIDIA. Лицензия — CC BY 4.0; карточка допускает коммерческое и некоммерческое исследовательское использование. Модель компактнее крупных вариантов семейства, но результаты в README относятся к конкретным бенчмаркам и не гарантируют качество на произвольных задачах; особенно скромен приведённый результат по SciCode для версии 1.5B. Для GenSelect требуются несколько генераций и дополнительный этап выбора, что увеличивает затраты вывода.

OpenThaiGPT R1 32B — языковая модель рассуждений с 32 млрд параметров, разработанная командой OpenThaiGPT, ныне OpenThai. Она построена на архитектуре Qwen2 и предназначена прежде всего для сложных задач на тайском языке: математики, логики и рассуждений о коде; также заявлена работа с кодом на английском. Модель поддерживает диалог и имеет интерфейс вызова инструментов. Длина контекста составляет 131 072 токена. В README команда заявляет о превосходстве модели над некоторыми моделями на 70 млрд параметров в отдельных тестах SkyThought, включая тайские и англоязычные задачи по математике. Для локального запуска доступны отдельные GGUF-квантизации семейства; репозиторий этой модели содержит веса safetensors. Лицензия указана как other, поэтому перед использованием следует проверить условия на странице модели. Ответы не гарантируются; опубликованные сравнительные результаты являются заявлениями авторов.

Orbita-v0.1 — турецкоязычная большая языковая модель для генерации текста и диалогового общения, разработанная командой Orbina на основе Qwen. Модель содержит 13,4 млрд параметров, использует плотную архитектуру Qwen2 и принимает контекст длиной до 32 768 токенов. Модель полностью дообучена на размеченном турецком наборе данных для выполнения инструкций. Она предназначена для ответов на вопросы и помощи в задачах на турецком языке, включая программирование и математику. В примере из карточки модель генерирует код на Python в ответ на турецкий запрос. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Карточка приводит результаты оценки на турецком варианте Open LLM Turkish Leaderboard; результаты относятся к указанным тестам и не гарантируют качество во всех сценариях.

Ornith-1.0-9B-uncensored-GGUF — GGUF-версия модели Ornith-1.0-9B, разработанной deepreinforce-ai и преобразованной в GGUF с помощью llama.cpp. Модель создана на основе Qwen3.5-VL 9B и дополнительно подвергнута abliteration с использованием Heretic v1.4.0, что уменьшает исходное поведение отказа отвечать на запросы, связанные с кибербезопасностью. Архитектура указана как Qwen3_5ForConditionalGeneration с текстовыми и визуальными компонентами; поддерживаются текст и изображения, заявлен английский язык. Модель предназначена для программирования и рассуждений, а также для исследований в области информационной безопасности, red teaming, penetration testing, CTF и разработки защитных инструментов. В README отдельно отмечена ориентация на offensive-security сценарии, включая reverse shell, keylogger, ransomware PoC, автоматизацию SQL-инъекций и генерацию shellcode. По данным авторов, доля отказов на тестах offensive-security снижена с 31 до 4 процентов при заявленном небольшом изменении качества. Доступны варианты квантования Q4_K_M размером 5,3 ГБ, Q6_K размером 6,9 ГБ, Q8_0 размером 8,9 ГБ и F16 размером 17 ГБ; рекомендован Q4_K_M как баланс размера и качества. Для корректного применения шаблона диалога в llama.cpp требуется параметр --jinja. Ограничения включают отсутствие гарантий безопасности при снижении отказов и потенциальный риск злоупотребления; авторы прямо предупреждают не использовать модель во вредоносных целях. Лицензия указана как other, без дополнительных условий в README.

Phi-1 — языковая модель Microsoft на архитектуре Transformer с 1,7 млрд параметров и контекстом 2048 токенов. Она предназначена прежде всего для генерации простого кода на Python; в репозитории доступны веса в формате safetensors, а для работы используется библиотека Transformers. README сообщает, что при обучении использовались фрагменты кода Python, вопросы и ответы с StackOverflow, соревновательные задачи и синтетические учебные материалы. В тесте HumanEval модель показала точность выше 50%. Модель лучше работает с запросами, оформленными как фрагмент кода с комментарием или docstring, после которого нужно продолжить код. Phi-1 подходит для создания черновиков Python-функций и примеров, а также для подсказок при решении простых задач программирования. Английский — язык карточки; данных о поддержке других естественных языков нет. Модель часто ошибается и может неверно использовать API, особенно для библиотек за пределами небольшого набора распространённых пакетов из обучающих данных. Ответы в формате чата и на общие вопросы ненадёжны; сгенерированный код нужно проверять на корректность и безопасность. Лицензия — MIT.

unsloth/Qwen2.5-1.5B-bnb-4bit — 4-битная версия базовой языковой модели Qwen2.5-1.5B, подготовленная Unsloth на основе Qwen/Qwen2.5-1.5B, разработанной командой Qwen. Модель предназначена для генерации и продолжения текста, а также для последующего дообучения под прикладные задачи. Для диалогового использования базовая версия не рекомендуется без дополнительного post-training, например SFT, RLHF или продолжения предобучения. Модель относится к causal language models и содержит около 1,54 млрд параметров, из которых 1,31 млрд не являются параметрами эмбеддингов. Архитектура включает RoPE, SwiGLU, RMSNorm, bias в attention QKV и связанные эмбеддинги слов; используется 28 слоёв и Grouped Query Attention с 12 головами Q и 2 головами KV. Полная длина контекста составляет 32 768 токенов. Заявлена поддержка более 29 языков, включая китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский. К сильным сторонам относятся небольшой размер, поддержка нескольких языков и пригодность для эффективного дообучения и развёртывания при ограниченных ресурсах благодаря 4-битному представлению. Модель также наследует заявленные для Qwen2.5 улучшения в кодировании, математике, следовании инструкциям и работе со структурированными данными, однако конкретные результаты для этой версии в README не приведены. Ограничения включают базовый, а не instruction-tuned характер модели, контекст до 32 768 токенов и возможные потери качества, связанные с 4-битной квантизацией. Лицензия — Apache-2.0.

Qwen3.8-Distill-35B-A3B-Coder-Abliterated — экспериментальная текстовая MoE-модель для генерации кода и диалогов, созданная Lord-H4D3ZS на основе Qwen/Qwen3.6-35B-A3B. Модель обучалась методом дистилляции рассуждений от аблитерированной Qwen3.8-27B: автор сообщает о QLoRA-дообучении на 850 ответах учителя, после чего была восстановлена MTP-голова и выпущена квантизированная версия в формате GGUF. Архитектура содержит 256 экспертов и около 3 млрд активных параметров; в метаданных указано 2,9 млрд параметров. Контекст модели — до 262 144 токенов, однако пример запуска в README задаёт 16 384 токена. Сборка ROCmFPX использует 2-битные эксперты, более точные 6-битные веса внимания, эмбеддингов, общих экспертов и выходного слоя, а также нормы F32. Автор указывает размер файла около 12 ГБ и возможность запуска на видеокарте с 16 ГБ памяти; для запуска требуется совместимая сборка llama.cpp с ROCmFPX. Модель ориентирована на генерацию кода, но текущая версия — подтверждение концепции, а не проверенный прирост качества: во внутренней оценке на 10 заданиях она сравнялась с базовой моделью, а квантизация может дополнительно ухудшать результат. Возможности работы с изображениями нет; вызов инструментов и агентные задачи остаются слабыми сторонами. Лицензия — Apache-2.0 с условиями базовой модели.

Qwen3.8-Whittle-tri-14.7B — исследовательская языковая модель, созданная автором проекта Whittle на основе Qwen3.8-27B. При сжатии 64 слоя исходной модели преобразованы в 32: соседние рекуррентные слои объединены, а станции полного внимания поглощены соседними слоями; автор описывает метод как дистилляцию без простого удаления слоёв. Модель доступна в GGUF Q8 и safetensors, поддерживает диалог и предназначена для запуска через llama.cpp с поддержкой Qwen3.5. Модель подходит для генерации кода, ответов на фактические вопросы и обычного диалога. В README отмечены сохранение фактических знаний и отсутствие повторяющихся циклов в небольшом тесте. Это исследовательский предварительный выпуск, которому требуется дополнительное обучение для диалога и следования инструкциям. Арифметика и многошаговые рассуждения ненадёжны; автор не рекомендует использовать её для математики и анализа данных. Языковые возможности за пределами французского и испанского также ненадёжны. Лицензия — Apache-2.0.

agustindxm/qwen-coder-jailbreak — локальная GGUF-версия Qwen2.5-Coder-7B-Instruct, разработанная на основе модели Qwen от Alibaba Cloud. Модель обработана методом abliteration с использованием Heretic: из residual stream удалено направление, связанное с отказами, без применения LoRA или полноценного дообучения. Пакет подготовлен agusisa/agustindxm и предназначен прежде всего для исследовательских и образовательных задач. Модель ориентирована на генерацию кода, технические вопросы, исследования alignment и отказоустойчивости, red-team-тестирование с разрешения владельца системы, а также разработку детекторов и контрмер. Заявлены английский и испанский языки. Доступны файлы в формате GGUF: квантизация Q4_K_M размером 4,4 ГБ и вариант F16 размером 14,2 ГБ. Базовая модель поддерживает контекст до 32 000 токенов, однако в приведённой конфигурации Ollama установлено ограничение 8192 токена. Для работы используются llama.cpp, LM Studio или Ollama с шаблоном чата Qwen2. Среди заявленных характеристик — 96% успешных срабатываний jailbreak в тесте Heretic и небольшое расхождение с базовой моделью по KL divergence, равное 0,0339, что указывает на преимущественно сохранённое качество исходной модели. Основные ограничения — отсутствие встроенных защитных ограничений в прежнем объёме и повышенный риск небезопасных ответов; модель не рекомендуется для публичных чат-ботов без собственных фильтров, незаконной деятельности или неконтролируемого применения. Распространяется по лицензии Apache 2.0, как и базовая модель.

laion/r2egym_8b_rope_65k-step17 — экспериментальная модель генерации текста на базе Qwen3-8B, дообученная с подкреплением для задач R2EGym. Репозиторий описывает 17 шагов обучения и контекст 65 тысяч токенов с масштабированием RoPE через YaRN; метаданные указывают 7,6 млрд параметров, архитектуру Qwen3ForCausalLM и нативный контекст 163 840 токенов. Модель предназначена для диалоговой генерации и решения задач с кодом. Она доступна в формате Safetensors и используется через Transformers. В метаданных указан обучающий датасет open-athena/r2egym_gpt5_codex_solved_tasks и базовая модель laion/GLM-4_7-r2egym_sandboxes-maxeps-131k-lc. Лицензия — Apache-2.0. Это ранний чекпойнт обучения: README сообщает лишь о 17 шагах, поэтому качество и устойчивость ответов не следует считать подтверждёнными. Поддерживаемый язык по карточке — английский.

RAFT-7B — модель-верификатор кода, разработанная авторами проекта Aletheia. Она получает условие задачи по программированию и несколько решений-кандидатов, оценивает их и ранжирует, помогая выбрать корректное решение. Модель предназначена также для использования в качестве функции вознаграждения при оптимизации генерации кода и для автоматической оценки решений. Модель дообучена методом on-policy rejection sampling на базе deepseek-ai/DeepSeek-R1-Distill-Qwen-7B, имеет архитектуру Qwen2ForCausalLM и 7,1 млрд параметров. Обучение использовало положительные примеры рассуждений без отрицательных примеров; базовая модель поддерживает контекст до 131 072 токенов. Данные обучения включали задачи конкурентного программирования и решения на Python, C++ и Java, но это не означает, что сама модель генерирует или исполняет код. Лицензия — CC BY-NC-SA 4.0, допускающая использование с указанием авторства и распространение производных материалов на тех же условиях, но не коммерческое использование. В README указано, что для точного формата запросов следует обратиться к репозиторию проекта.

Skywork-13B-Base-3.1TB — это промежуточный чекпойнт базовой языковой модели Skywork-13B-Base, разработанной командой Skywork. Он соответствует завершению первого этапа предварительного обучения на 3,1 трлн токенов; в карточке указано 13,6 млрд параметров. Это плотная авторегрессионная модель семейства Skywork для генерации текста, с архитектурой из 52 слоёв и контекстом до 131 072 токенов. Модель обучалась на очищенных китайских, английских и программных данных. Она предназначена для продолжения текста и служит базой для последующей адаптации под прикладные сценарии; карточка описывает оценки на языковых и математических бенчмарках, но это именно промежуточный базовый чекпойнт, а не готовая диалоговая модель. Используются BPE-токенизатор и формат PyTorch. Лицензия указана как other, поэтому условия использования следует сверять с лицензией репозитория.

taoki/Swallow-MS-7b-v0.1-qlora-amenokaku-code — дообученная на наборе kunishou/amenokaku-code-instruct языковая модель для генерации текста с ответами в формате кода. В основе лежит плотная авторегрессионная архитектура MistralForCausalLM семейства Mistral; модель содержит 7,2 млрд параметров и рассчитана на контекст до 4096 токенов. В примере на японском языке она отвечает фрагментом Python-кода. Модель подходит для генерации кода по инструкциям и текстовых ответов на японском. Базовая Swallow-MS-7b-v0.1 описана как японско-английская модель общего назначения, однако карточка этой версии не подтверждает, насколько хорошо она справляется с английским или другими языками и задачами. Лицензия — Apache 2.0. В README указано, что при обучении использовались Unsloth и TRL.

TinyMistral-248M-v2.5 — компактная языковая модель семейства Mistral, опубликованная Locutusque. Она получена слиянием TinyMistral-248M-v1 и TinyMistral-248M-v2 методом TIES, после чего продолжено предварительное обучение на синтетических учебниках. В репозитории указано 215,2 млн параметров, формат весов safetensors и контекст до 32 768 токенов. Модель предназначена для генерации и продолжения текста, базовых ответов на вопросы и задач по программированию. Англоязычные данные карточки и обучающие наборы связаны с учебниками и книгами по программированию. Автор сообщает о средней perplexity 4 и о том, что модель проще дообучать, чем v2; эти оценки основаны на личной оценке и приведённых результатах бенчмарков. Лицензия — Apache-2.0. Автор предупреждает, что качество может снижаться при использовании через inference API; результаты и пригодность для конкретных сценариев следует проверять самостоятельно.

VibeThinker-3B — языковая модель с 3,1 млрд параметров, разработанная как часть серии VibeThinker и дообученная на базе Qwen/Qwen2.5-Coder-3B. Это плотная авторегрессионная модель семейства Qwen2, предназначенная для генерации текста и решения задач с проверяемыми ответами: математики, программирования и рассуждений в областях STEM. Модель обучалась на траекториях рассуждений, прошла дообучение с учителем и обучение с подкреплением; заявленный в метаданных контекст составляет до 131 072 токенов. Модель подходит для олимпиадных задач по математике, соревновательного программирования, STEM-задач и инструкций, где результат можно проверить. В README отмечены результаты на AIME, HMMT, IMO-AnswerBench и LiveCodeBench, а также высокая доля принятых решений в недавних контестах LeetCode. Эти показатели описаны авторами и зависят от условий оценки. VibeThinker-3B не обучалась на данных для вызова инструментов или работы агентом, поэтому авторы не рекомендуют применять её для function calling, оркестрации API и автономной разработки. Для широких вопросов об открытом мире и общем диалоге может быть предпочтительнее более крупная универсальная модель. Лицензия — MIT.

nilq/baby-python-mistral-1L-tiny-lua-ft — небольшая языковая модель на архитектуре Mistral, дообученная nilq на наборе nilq/small-lua-stack. Это Lua-вариант модели из работы Tracking Universal Features Through Fine-Tuning and Model Merging. Модель предназначена для генерации текста, в частности кода на Lua. Число параметров — 18,7 млн, контекст — 2048 токенов. В README приведены результаты оценки: loss 2,4518 и accuracy 0,4941. Модель принимает текст и генерирует текст. Лицензия в предоставленных данных не указана.

BLOOM-1b1-intermediate — промежуточный контрольный чекпойнт семейства языковых моделей BLOOM, разработанного BigScience. Это плотная авторегрессионная Transformer-модель с декодером, предназначенная для генерации текста и дальнейшего дообучения под конкретные задачи. Модель выпущена в 2022 году; доступные промежуточные чекпойнты соответствуют разным шагам обучения. Для загрузки требуется библиотека Transformers, веса представлены в форматах PyTorch и Safetensors. Модель обучалась на многоязычных текстах и данных с кодом. Метаданные указывают поддержку языков, включая английский, арабский, бенгальский, испанский, французский, хинди, португальский, тамильский, урду, вьетнамский и китайский; русский среди перечисленных языков карточки отсутствует. Контекст — до 2048 токенов. Указанная в README архитектура и размер 176 млрд параметров относятся к BLOOM в целом и расходятся с идентификатором чекпойнта «1b1»; поэтому точный размер этой модели по предоставленным данным нельзя подтвердить. Чекпойнт подходит для исследований генерации текста и как основа для последующего дообучения; в метаданных также отмечена работа с кодом. Модель может выдавать фактически неверные сведения, повторяющийся или нерелевантный текст, а также стереотипный, оскорбительный или взрослый контент. Карточка предостерегает от применения в высокорисковых сценариях и для критически важных решений. Лицензия — BigScience BLOOM RAIL 1.0.

Это дообученная модель AmberYifan на базе marin-community/marin-8b-base с архитектурой LlamaForCausalLM и 7,5 млрд параметров. Она предназначена для генерации и продолжения текста; название обучающего набора указывает на смесь данных с кодом, однако README не описывает конкретные возможности модели или результаты оценки. Модель принимает текст и генерирует текст, поддерживает контекст до 4096 токенов. Базовая Marin 8B Base описана как англоязычная модель, но отдельные языковые характеристики этой версии не приведены. Репозиторий содержит веса в формате safetensors; метаданные указывают лицензию «other», поэтому конкретные условия использования по доступным данным определить нельзя.