II.2Создание и понимание программного кода

ThinkLink Gemma-2-2B-IT — дообученная MinnieMin диалоговая причинно-языковая модель на базе google/gemma-2-2b-it для подготовки к задачам на программирование. Она задаёт наводящие вопросы и предлагает пошаговые подсказки, чтобы пользователь самостоятельно разобрал условие, выбрал алгоритм и продумал реализацию. Модель предназначена для обучения и подготовки к техническим собеседованиям, а не для выдачи готовых решений. Архитектура — плотная Gemma 2 с 2,7 млрд параметров по метаданным, контекст — 8192 токена. Обучение проводилось с помощью LoRA на датасете RayBernard/leetcode. Заявленный язык — английский. Репозиторий использует формат safetensors; лицензия — Gemma License.

NVIDIA Nemotron-Labs-3-Competitive-Coding-550B-A55B-NVFP4 — специализированная модель NVIDIA для соревновательного программирования и алгоритмических задач. Она дообучена методом SFT на базе NVIDIA-Nemotron-3-Ultra-550B-A55B: использованы синтетические трассы рассуждений по 22 тысячам задач из 16 соревнований. Архитектура — гибрид Mamba2 и Transformer с LatentMoE и Multi-Token Prediction; всего 550 млрд параметров, активно используется 55 млрд. Контекст — до 262 144 токенов. Модель принимает текст и генерирует текст, включая код; в метаданных указан английский язык. Суффикс NVFP4 указывает на вариант с низкой точностью весов для ускорения инференса, хотя в метаданных формат файлов указан как safetensors. Модель ориентирована на оценку и исследование возможностей генерации кода, решения задач алгоритмических соревнований и стратегий итеративного улучшения решений. README сообщает высокие результаты на соревновательных бенчмарках, но указывает, что это не универсальная чат-модель и не готовый к производственному использованию помощник по программированию. Для реального применения решения требуют проверки, особенно при строгих требованиях к корректности и эффективности. Лицензия указана как other; README разрешает коммерческое и некоммерческое использование.

Это экспериментальная текстовая модель Jamie Bradfield, дообученная для диалогов и планирования вызовов инструментов в формате Hermes. Она основана на empero-ai/Qwen3.8-9B-Distill; в карточке указаны архитектура семейства Qwen3.5 и 9,20 млрд параметров. Модель принимает текст и выдаёт текст, включая структурированные вызовы инструментов. Визуальная часть базовой архитектуры удалена. Для обслуживания автор указывает контекст 65 536 токенов. Дообучение QLoRA на 218 синтетических траекториях усилило склонность сначала составлять план todo для многошаговых задач. При этом оценка показала регрессии: модель чаще чрезмерно вызывает инструменты на простых и посторонних запросах, а при продолжении после собственного текста может остановиться вместо вызова инструмента. Результаты первоначального теста использовали синтетический формат запросов, который не совпадает с нативным интерфейсом Hermes; README приводит исправленное сравнение и рекомендует не использовать этот чекпойнт как замену модели для длительных агентных сессий. Лицензия — Apache-2.0.

SAGI V3.2 от Convergent Intelligence LLC — экспериментальный причинный языковой трансформер с плотной архитектурой Swarm-8 и 84,5 млн параметров. По описанию разработчика, он использует внутреннюю маршрутизацию между агентами, механизмы доверия и общую память; заявлены оценка вероятности успеха, выявление пробелов в навыках, контроль ошибок при генерации и построение учебных планов. Модель предназначена для генерации текста, рассуждений, ответов на вопросы, планирования и задач с кодом. Контекст — 1024 токена; в метаданных указан английский язык. Модель распространяется в формате Safetensors и лицензирована по Apache-2.0. README характеризует модель как исследовательский прототип, не предназначенный для производственного использования. В нём также заявлены возможности работы с инструментами и исполнения кода в Python-песочнице, но конкретные механизмы их использования в метаданных не подтверждены. Заявления о самооценке, автономном обучении и саморазвитии приведены разработчиком и не сопровождаются здесь независимой оценкой качества.

Экспериментальный чекпойнт Jeesup на основе Meta Llama 3.1 8B Instruct: модель с архитектурой LlamaForCausalLM, сжатая методом SVD-LLM примерно до половины исходного числа параметров и дополнительно изменённая в ходе итеративного отбора компонентов по правилу gap_iter. Она предназначена для изучения того, как сжатие влияет на безопасность и полезность языковой модели, а также для сравнения способов восстановления поведения после сжатия. Модель принимает текст и генерирует текст; поддерживает диалог и интерфейс вызова инструментов, имеет контекст до 131 072 токенов и унаследовала многоязычную основу Llama 3.1 8B Instruct. В README приведены результаты проверок безопасности и отмечено, что отдельные варианты эксперимента могут быть менее безопасными, чем исходная модель. Этот чекпойнт следует использовать как объект исследования и самостоятельно оценивать перед применением; он не позиционируется как универсальный чат-ассистент. Лицензия — Llama 3.1.

Finch-9B — открытая модель на 9 млрд параметров, разработанная Minnesota NLP дообучением Qwen/Qwen3.5-9B методом Evolution Fine-Tuning. Она предназначена для роли оператора мутаций в эволюционном поиске: модель предлагает изменения решений, опираясь на обучающие траектории поиска по разнообразным задачам оптимизации и научного открытия. Модель построена на плотной архитектуре Qwen3.5 и работает с текстом; её применяют через текстовую генерацию и диалоговый интерфейс, в том числе в связке со scaffold OpenEvolve. Обучение проводилось на коллекции Finch Collection: 30 445 примеров из 355 задач, ещё 16 задач из общего набора 371 были оставлены для проверки. В README приведены улучшения на отложенных задачах и соревнованиях по программированию. Поведение проверялось только со scaffold OpenEvolve, поэтому переносимость на другие поисковые системы не гарантирована. Модель наследует возможности и смещения Qwen3.5-9B. Лицензия — Apache-2.0.

GLM-4.7-Flash-24B-A3B-KREAP-Code — исследовательский чекпойнт на базе диалоговой MoE-модели GLM-4.7-Flash от Z.ai, подготовленный проектом RAS-LAB. Это причинная языковая модель для генерации текста и кода с архитектурой Glm4MoeLiteForCausalLM и контекстом 202 752 токена. Веса хранятся в safetensors, преимущественно в BF16 с отдельными тензорами F32; лицензия — MIT. В модели выполнено однократное удаление экспертов REAP с калибровкой на коде: число маршрутизируемых экспертов сокращено с 64 до 48 на слой, при этом маршрутизация top-4 сохранена. Чекпойнт содержит 24,27 млрд параметров против 31,22 млрд у базовой модели. Дообучение после прореживания не проводилось. Модель предназначена для исследовательских сравнений и офлайн-экспериментов с генерацией кода и текста; авторы отдельно предупреждают, что это не вариант с защитой корейского языка и не рекомендуемый для развёртывания чекпойнт. Загрузка через Transformers с trust_remote_code=False проверена на Transformers 5.0.0 и PyTorch/CUDA. Удаление экспертов может заметно изменить поведение на задачах, не представленных в калибровке и оценивании; сохранение качества корейского языка не гарантируется. Спекулятивное декодирование MTP/NextN не поддерживается, а производительность развёртывания и многие сценарии, включая длинный контекст, всесторонне не оценивались.

Moonfrost-777M-Instruct-v2 — англоязычная разговорная модель Ashish Whoa, полученная дообучением Moonfrost-777M на инструкционных данных в течение 1,7 эпохи. Она предназначена для коротких диалогов, ответов на вопросы с определениями, следования инструкциям и простого рабочего кода; включает данные о персоне Moonfrost и поддерживает чатовый шаблон. Архитектура MoonfrostForCausalLM близка к DeepSeek-V2: 14 слоёв, Multi-head Latent Attention и разреженные MoE-слои. Веса содержат 777 млн параметров, из которых около 161 млн активны на токен; контекст — 1024 токена. Модель принимает текст и генерирует текст. Модель хорошо подходит для экспериментов с небольшими разговорными моделями и демонстрирует удержание контекста внутри диалога, но обладает ограниченными знаниями о мире. В README отмечено, что результаты тестов невысоки, а обучение на чате может ухудшать выполнение задач в формате продолжения текста. У модели нет настройки безопасности и фильтрации контента; уверенные ответы могут быть ошибочными. Разработчик не рекомендует применять её в пользовательских продуктах или в ситуациях, где ответ влияет на решения, особенно в медицине, праве, финансах и вопросах безопасности. Лицензия — Apache-2.0.

Это компактная модель генерации текста на базе Qwen3-0.6B, дообученная machalek29 методом LoRA для обучения Python-переменным и времени жизни изменяемых объектов. Для короткой программы с одной ошибкой времени жизни состояния модель должна указать или процитировать связанную декларацию, присваивание либо изменение объекта и задать ровно один вопрос о том, когда объект создаётся, кому он принадлежит или какие ссылки на него указывают. Модель рассчитана на диалоговый сценарий с системным сообщением «You are a Python state-lifetime tutor»; для воспроизведения заявленного поведения README рекомендует отключить thinking и использовать жадное декодирование. Чекпойнт содержит 507,9 млн параметров, использует плотную архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. Обучение проведено на первых 62 примерах датасета machalek29/state-lifetime-tutor-v1; веса базовой модели были в bf16, адаптер обучен с LoRA r=16 и alpha=16. Модель генерирует текст на английском языке и распространяется по лицензии Apache-2.0. Оценка на 36 отложенных сценариях показала 46% соответствия спецификации на обычных примерах, 67% устойчивости к состязательным примерам и 83% прохождения механических проверок, поэтому ответы требуют проверки. По описанной спецификации модель не должна выдавать исправленный код или прямо сообщать решение, даже если её об этом просят.

Qwen3-8B-Houdini-VEX-v11 — специализированная языковая модель для генерации кода Houdini VEX, разработанная Anshul Vashist на базе Qwen3-8B. Она предназначена для SideFX Houdini и задач процедурной графики, включая работу с геометрией, атрибутами, векторами, кватернионами, матрицами, VDB и объёмами, а также создание алгоритмов для visual effects и 3D-сцен. Модель имеет размер 8B параметров; README указывает поддержку текстовой генерации на английском языке. Для обучения и проверки заявлена Compiler-in-the-Loop валидация с использованием компилятора SideFX vcc, направленная на снижение синтаксических ошибок, использования устаревших функций и неверных сигнатур. Предусмотрены режим Turbo для выдачи готовых VEX-фрагментов и режим Deep Reasoning с предварительным анализом математических и пространственных операций. Доступны квантованные GGUF-файлы, LoRA-адаптер и полноточные веса; рекомендуемый вариант Q5_K_M имеет размер 5,85 ГБ. Сильными сторонами заявлены специализация на Houdini VEX, обработка SIMD CVEX, геометрических атрибутов, quaternion- и matrix-математики, а также проверки существования VDB и объёмов. Ограничения включают узкую предметную область, зависимость качества от корректного описания контекста wrangle и задачи, а также отсутствие в README независимых количественных оценок качества. Модель распространяется по лицензии Apache-2.0.

Это исследовательский чекпойнт для генерации кода в эксперименте по соблюдению требований безопасности SecCodePLT+. Модель разработана на базе Qwen/Qwen2.5-Coder-3B-Instruct и дообучена методом GRPO с наградой от анализатора программ ReaL; архитектура — плотная Qwen2, размер — 3,1 млрд параметров, формат весов — safetensors. Контекст составляет 32 768 токенов. Репозиторий содержит обучаемый pi-theta чекпойнт, а не готовую смешанную политику. Для воспроизведения оценённой политики README предписывает смешивать логиты этой модели с замороженной моделью-якорем xw1234gan/seccodeplt-qwen2.5-coder-3b-diff-sft-v2 с коэффициентом 0,5. В тесте из 164 примеров доля прохождения проверок формата и синтаксиса составила 96,95%; оценка проводилась жадным декодированием и ограниченным по ресурсам Python-верификатором. Эти результаты относятся к одному запуску с фиксированным seed и не гарантируют безопасность сгенерированного кода. Лицензия в предоставленных метаданных и README не указана.

Vertex 0.6 100M — базовая авторегрессионная языковая модель семейства Vertex 0.6 от Vertex Research. Это плотный Qwen3-based трансформер с 96,75 млн параметров и связанными эмбеддингами, доступный в формате safetensors и предназначенный для генерации продолжений текста. Модель обучена с нуля на 10,01 млрд токенов англоязычных веб-текстов Ultra-FineWeb и небольшой доле кода; затем контекст расширен до 8192 токенов поэтапным обучением на дополнительных данных Ultra-FineWeb. Это сырой pretrain-чекпойнт без дообучения на инструкциях и без чат-выравнивания. Он подходит для экспериментов с генерацией и продолжением английского текста, а также простого завершения кода. Лицензия — Apache-2.0. Из-за небольшого размера модель может выдавать несвязные или повторяющиеся продолжения и фактические ошибки, особенно при длинной генерации. Корпус обучения охватывает сведения примерно до апреля 2024 года.

Planium-2B — дообученная модель Qwen3.5-2B от автора репозитория valentin0901, предназначенная для автоматического планирования и работы с PDDL (Planning Domain Definition Language), прежде всего в робототехнике и системах управления. Модель принимает текстовые запросы, преобразует их в PDDL, читает и объясняет домены, задачи и планы, рассуждает о состояниях, предусловиях, эффектах и целях, а также помогает находить ошибки в PDDL. Модель поддерживает главным образом классические задачи в фрагментах STRIPS и STRIPS с типизацией. Она умеет работать в агентном цикле и выдавать вызовы инструментов для парсера, планировщика или валидатора планов. В репозитории доступны веса safetensors в bfloat16 и сборка GGUF Q4_K_M; последняя рассчитана на локальный запуск, в том числе на обычном ПК или NVIDIA Jetson. Базовая архитектура — плотная мультимодальная Qwen3.5 с 2 млрд параметров и поддержкой изображений, унаследованной от базовой модели; основное назначение Planium при этом связано с текстовым PDDL. Автор сообщает, что дообучение помогает сокращать затянутое рассуждение базовой модели. Временное планирование, числовые флюенты и расширенные конструкции ADL поддерживаются значительно хуже; модель может ошибаться и обозначена как находящаяся в разработке. Лицензия — MIT.

theostos выпустил текстовую модель qwen-3.5-babel-4b-sft-agent — дообученную методом supervised fine-tuning версию Qwen3.5-4B для формальной математики и интерактивного доказательства теорем. Модель использует архитектуру Qwen3_5ForCausalLM и формат чата Qwen с полем рассуждений и вызовами инструмента submit_tactic для передачи доказательств на Lean или Rocq. Веса представлены в safetensors; в репозитории также есть токенизатор, шаблон чата и конфигурация генерации. Модель предназначена для генерации полных тактических доказательств Lean и Rocq и взаимодействия с внешней средой проверки через вызовы инструментов. Для обучения использованы 904 примера; релиз соответствует пяти завершённым эпохам и 145 обновлениям оптимизатора. Заявленных результатов бенчмарков нет. Модель содержит только текстовую часть Qwen, без кодировщика изображений. Лицензия — Apache-2.0.

ClaudeYolo — экспериментальная разговорная языковая модель, созданная автором davidnichols-ops на базе Qwen3-1.7B. Модель дообучена методом QLoRA на 345 синтетических примерах, а её веса объединены в 16-битный чекпойнт. Она предназначена для генерации текста и диалогов с намеренно чрезмерно восторженной, хаотичной манерой: ответы часто содержат заглавные буквы и сценические ремарки. Модель может помогать с написанием кода, SQL-запросов, объяснений и повседневных советов, сохраняя заданный стиль. README приводит результат HumanEval+ 85 из 164 задач (51,8%) и отмечает снижение качества кода относительно базовой Qwen3-1.7B. Примеры также показывают, что ответы могут быть фактически ошибочными или неуместными; заявленная склонность не отказывать может быть недостатком в чувствительных сценариях. Поддерживается английский язык, архитектура — плотная Qwen3ForCausalLM, размер — 1,7 млрд параметров, контекст — до 40 960 токенов. Указана лицензия Apache-2.0.

DeepHermes-Egregore-v2-RLAIF-8b-Atropos — экспериментальная текстовая модель Nous Research, дообученная на базе Meta-Llama-3.1-8B с помощью фреймворка Atropos для обучения с подкреплением. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, предназначенная для экспериментального изучения RL-подходов к диалогам, следованию инструкциям, рассуждениям и вызову инструментов. Модель работает с текстом, поддерживает английский язык и имеет контекстное окно до 131 072 токенов. Карточка прямо обозначает модель как экспериментальный артефакт, не предназначенный для широкого применения. Метаданные указывают интерфейс вызова инструментов, но README не подтверждает заявленные в нём рекламные характеристики и числа; их нельзя считать результатами оценки. Лицензия — Llama 3.

В репозитории ordlibrary/DeepSolana-GPT2 опубликована модель с архитектурой GPT-2: плотная языковая модель GPT2LMHeadModel в формате safetensors с контекстом до 1024 токенов. README описывает Deep Solana R1 как разработку 8 Bit Labs совместно с Solana Labs и DeepSeek — систему для работы с блокчейном Solana, искусственным интеллектом и доказательствами с нулевым разглашением. Однако заявленное в README описание DeepSeek R1 и гибридного фреймворка не подтверждается метаданными репозитория, поэтому характеристики системы нельзя уверенно приписать размещённым здесь весам GPT-2. Согласно README, предполагаемые сценарии включают приватные транзакции, проверку смарт-контрактов и выявление мошенничества с помощью ZK-доказательств и ИИ. Указана лицензия Apache 2.0. README также отмечает уязвимость к квантовым атакам и необходимость интеграции с существующими приложениями Solana; результаты производительности и точность обнаружения мошенничества приведены только в карточке и не подтверждены метаданными.

ishaanranjan выпустил Code Search-Hit Ranker — полно-параметрическую модель с supervised fine-tuning на базе HuggingFaceTB/SmolLM2-360M-Instruct. Это компактная плотная Llama-архитектура с 361,8 млн параметров, рассчитанная на генерацию текста и узкую подзадачу агента-разработчика: выбор места определения символа среди результатов grep по репозиторию. Модель принимает текстовый запрос и выдаёт ответ в ограниченном JSON-формате; контекст составляет до 8192 токенов, а обучение использовало последовательности длиной до 2048 токенов. Модель предназначена для встраивания в проверенный исполнительный контур, который формирует специализированный запрос, проверяет JSON, применяет детерминированные правила и при необходимости использует резервную логику. На тестах с репозиториями HTTPX и Jinja2 доля успешных ответов составила 19,2%, при этом корректность JSON на первом проходе — 100%; авторы эксперимента заключают, что для этой подзадачи достаточно правил. Это не универсальный помощник по программированию, а узкоспециализированный экспериментальный чекпойнт. Распространяется по лицензии Apache-2.0.

Synapse-GAN-Tiny — компактная генеративная модель сообщества Synapse BR на архитектуре DCGAN, предназначенная для создания RGB-изображений размером 32×32 пикселя из случайных векторов шума. Генератор содержит около 1,06 млн параметров и реализован на PyTorch. Модель обучена на CIFAR-10 в течение 100 эпох и генерирует изображения с признаками, похожими на изображения этого набора данных. Она подходит для изучения GAN, учебных демонстраций и экспериментов с лёгкими моделями генерации изображений. Распространяется по лицензии Apache-2.0.

awakening-rl-replay100 — экспериментальный чекпойнт на базе awakening-goedel-v2-32b-rl, дообученный автором для восстановления использования инструментов в задачах формального математического доказательства. Модель представляет собой плотную авторегрессионную Qwen3 с 29,7 млрд параметров и контекстом до 40 960 токенов; репозиторий содержит веса в формате safetensors и рассчитан на работу через Transformers. Модель предназначена для генерации текста в диалоговом режиме, включая агентные сценарии с вызовом инструментов и доказательства на Lean 4. В описанном эксперименте её дообучили на 100 Lean-трассах с акцентом на поведение агента; README сообщает результат 85,8 на BFCL Non-Live и связывает его с восстановлением использования инструментов после предшествующего дообучения. Лицензия — Apache-2.0.

theostos/qwen-3.5-babel-0.8b-sft-agent — текстовая модель семейства Qwen3.5, разработанная на основе Qwen/Qwen3.5-0.8B и дообученная методом supervised fine-tuning (SFT) на примерах формальных доказательств для Babel-Formal. Она предназначена для генерации тактик доказательства на Lean и Rocq с использованием родного шаблона чата Qwen и вызова инструмента submit_tactic. Выпуск завершает пять эпох обучения на 904 примерах; использованы ограничение последовательности в 12 288 токенов, глобальный размер пакета 32 и 145 обновлений оптимизатора. Модель имеет архитектуру Qwen3_5ForCausalLM, содержит 581,4 млн параметров и поддерживает контекст до 262 144 токенов. Это текстовая модель без кодировщика изображений; веса опубликованы в формате safetensors. Для запуска подходит Transformers, без установки NeMo и пользовательского кода модели. Карточка не приводит результатов бенчмарков, поэтому качество доказательств и обобщение на задачи вне обучающих примеров не подтверждены. Модель распространяется по лицензии Apache-2.0.

Calories Burned Predictor — компактная регрессионная модель на PyTorch, разработанная в рамках проекта learn-pytorch-2026. Полносвязная сеть с тремя скрытыми слоями шириной 128, 64 и 32 нейрона принимает семь стандартизированных биометрических и тренировочных признаков и выдаёт оценку расхода энергии в килокалориях. Для стандартизации входов используются среднее и стандартное отклонение из config.json; веса также доступны в форматах TorchScript и ONNX. Модель предназначена для оценки сожжённых калорий во время тренировки по данным о человеке и нагрузке, например для фитнес-приложений и демонстрационных проектов. В README приведены результаты на тестовой выборке: RMSE 1,79 ккал, MAE 1,23 ккал и R² 0,9992. Модель обучена на одном наборе данных Kaggle, поэтому точность может снизиться для спортсменов и людей с необычной физиологией; тип активности не учитывается. Условия распространения — лицензия MIT.

Heart Disease 1D CNN — модель на PyTorch, разработанная в рамках сравнительного исследования классификации сердечных заболеваний. Она принимает семь заранее обработанных табличных признаков в заданном порядке и относит запись к одному из двух классов: отсутствие или наличие сердечного заболевания. Архитектура включает два слоя Conv1D с 32 и 64 фильтрами, пакетную нормализацию, ReLU, dropout и полносвязный классификационный слой. Модель предназначена для исследовательских и учебных экспериментов, классификации табличных данных и сравнения нейросетевых подходов в здравоохранении. Для работы требуется воспроизвести использованную при обучении предобработку и масштабирование признаков; необработанные клинические измерения подавать нельзя. В карточке указано разделение данных на обучающую, валидационную и тестовую выборки, но итоговые метрики тестирования ещё не приведены. Модель опубликована в формате PyTorch и загружается через Transformers с поддержкой пользовательского кода. Лицензия в предоставленных данных не указана. Модель не является медицинским диагностическим устройством и не подходит для клинических решений без внешней проверки, оценки безопасности и соответствующей регуляторной оценки.

iCoder-27B-SFT — промежуточный чекпойнт модели для проектирования RTL и оптимизации GPU-ядер, созданный на основе Qwen3.6-27B. Это результат первого этапа обучения: supervised fine-tuning на проверенных траекториях учителя; далее в обучающем конвейере следуют этапы OPSD и RLVR. Разработчики предназначают чекпойнт для исследований конвейера обучения — воспроизведения этого этапа, абляций и измерения вклада последующих этапов. Модель имеет 27 млрд параметров, плотную архитектуру семейства Qwen3.5 и сохранена в формате safetensors для Transformers. Лицензия — Apache-2.0. Это промежуточный артефакт без подготовки к развертыванию; README не приводит измерений качества или дополнительных ограничений.

llmstep — языковая модель на архитектуре GPT-NeoX, созданная дообучением Pythia-2.8B-deduped на LeanDojo Benchmark 4. Она предназначена для предложения следующего шага формального доказательства в Lean: на вход подаётся состояние цели в формате `[GOAL]tactic-state[PROOFSTEP]`, а модель генерирует следующий тактический шаг. Модель содержит 3,5 млрд параметров и имеет контекст длиной 2048 токенов. Репозиторий предоставляет веса PyTorch; модель рассчитана на текстовый ввод и текстовую генерацию. Лицензия — MIT. README описывает обучение для задачи proofstep, поэтому качество зависит от соответствия входного состояния формату обучения и области LeanDojo Benchmark 4.

Maple Preview TQ2 Abliterated — экспериментальная GGUF-сборка модели deepgrove/maple-preview-GGUF от Hikari07jp, предназначенная для генерации текста и диалогов через совместимую с архитектурой Maple версию llama.cpp. Это квантованная сборка TQ2_0 с выборочным восстановлением байтов родительской модели поверх версии с ослабленными отказами; файл весов занимает около 5,9 ГБ. Для загрузки требуется Maple-совместимый llama.cpp, стандартная сборка llama.cpp не подходит. Модель рассчитана на сценарии, где требуется ослабить отказы родительской модели, в том числе при экспериментах с генерацией кода. В описанном авторами пилотном тесте на 60 задачах по коду она показала тот же результат, что и родительская TQ2-сборка, однако эти измерения ограничены и не являются полной оценкой. Модель может отвечать на запросы, от которых родительская модель отказывается; встроенного фильтра безопасности при запуске нет. Это исследовательская сборка, а не готовая универсальная чат-модель: авторы отмечают сбои в диалогах, японской пунктуации и ответах в строгом формате, включая JSON. Рекомендованы фиксированные seed и top_k=1; одной настройки temperature=0 недостаточно. Лицензия — Apache-2.0.

Это обученный агент PPO для среды CartPole-v1, опубликованный в репозитории sb3/ppo-CartPole-v1. Модель создана с использованием библиотеки Stable-Baselines3 и обучающего фреймворка RL Zoo. Агент предназначен для управления тележкой, балансирующей шест в симуляции CartPole-v1. Он принимает наблюдения среды и выбирает действия, чтобы удерживать шест в вертикальном положении. Это чекпойнт для запуска и изучения обучения с подкреплением в стандартной тестовой среде.

theostos выпустил текстовую модель theostos/qwen-3.5-babel-2b-sft-agent — дообученную методом supervised fine-tuning версию Qwen3.5-2B для формальной математики и доказательств. Модель построена на плотной архитектуре Qwen3_5ForCausalLM, содержит 1,7 млрд параметров и рассчитана на контекст до 262 144 токенов. Она использует штатный шаблон чата Qwen и формат вызова инструмента submit_tactic для передачи тактик доказательства. Модель предназначена для генерации полных тактических доказательств на Lean и Rocq. Она обучена на 904 примерах в течение пяти эпох; автор не заявляет результатов бенчмарков. Это текстовая модель без энкодера изображений. В репозитории находятся полные объединённые веса safetensors, токенизатор, шаблон чата и конфигурация генерации; для запуска указана совместимость с Transformers 5.5.0. Лицензия — Apache-2.0.

Экспериментальный текстовый чекпойнт Qwen-3.8-Next-40B-MoE-Healed от Davd-b01, созданный на основе Qwen от Alibaba Cloud. Это промежуточный результат исследования обрезки MoE-модели и стабилизации маршрутизации экспертов, а не готовый релиз. Веса BF16 сохранены в формате safetensors; архитектура Qwen4ExpForCausalLM сочетает 48 гибридных MoE-блоков с Gated DeltaNet, а размер модели в метаданных указан как 5,1 млрд параметров. README приводит 40,22 млрд общих параметров и около 2,6 млрд параметров экспертов на токен; контекст — 262 144 токена. Модель принимает и генерирует текст, поддерживает чат, но её башня зрения не включена. Чекпойнт предназначен для воспроизводимости экспериментов с обрезкой экспертов, router healing и калибровкой PLE. В README сообщается о стабилизации маршрутизации относительно исходного неисправного чекпойнта, однако стандартные бенчмарки не проводились, и конкурентное качество не подтверждено. Для работы требуется стек инференса с явной поддержкой qwen4_exp, Gated DeltaNet, Hyper-Connections и PLE; обычные загрузчики плотных трансформеров не подходят. Лицензия — Apache-2.0.

bigcode/starcoder-co-format — исследовательская абляция OctoCoder, опубликованная для изучения влияния формата данных. Это плотная авторегрессионная языковая модель семейства GPTBigCode для генерации текста; метаданные указывают контекст 8192 токена и формат PyTorch. В карточке указано, что обычно следует использовать OctoCoder, поскольку он работает лучше. Модель предназначена для исследовательского сравнения вариантов OctoCoder. README не описывает конкретные пользовательские сценарии или языки, поэтому их нельзя уточнить. Опубликованные веса представлены в PyTorch; лицензия в предоставленных данных не указана.