II.2Создание и понимание программного кода

Репозиторий smp-hub/mit_b0.imagenet содержит предварительно обученные на ImageNet веса модели mit_b0, предназначенной для использования в качестве энкодера в библиотеке segmentation-models-pytorch. Модель можно применять как визуальный экстрактор признаков и основу для задач компьютерного зрения, включая классификацию изображений и сегментацию при интеграции в соответствующие модели библиотеки. В метаданных указана задача image-classification, библиотека segmentation-models-pytorch и формат весов safetensors. Лицензия обозначена как other; конкретные условия использования по имеющимся сведениям определить нельзя.

Myosotis-1-base — языковая модель с 100 млн параметров от разработчиков FWKV, построенная на рекуррентной архитектуре FWKV в стиле RWKV. Она предназначена для генерации текста и диалоговых ответов. В README описаны предобучение на англоязычных образовательных текстах и коде, а также обучение на многоходовых диалогах с маскированием потерь для пользовательских реплик; метаданные указывают английский язык и библиотеку Transformers. Рекуррентное состояние фиксированного размера обновляется gated-линейной рекуррентностью с обучаемым затуханием. Заявлены постоянный расход памяти при генерации, отсутствие растущего KV-кэша и возможность инференса на CPU без пользовательских CUDA-ядер. Размер модели и конкретные скорости приведены разработчиками; результаты оценки в README описаны как невысокие. Модель распространяется в формате safetensors по лицензии Apache-2.0. Среди ограничений разработчики отмечают слабое извлечение фактов у модели такого размера, отсутствие селективного затухания и ограниченную выразительность относительно более крупных или иных рекуррентных моделей.

AvoCahDoe выпустил квантованный чекпойнт Qwen2.5-7B для сценария Extreme Survival. Это плотная авторегрессионная модель семейства Qwen2, предназначенная для генерации текста и диалогового взаимодействия. В метаданных указаны 7,1 млрд параметров и контекст до 131 072 токенов. Вариант создан методом RL-MPQ: PPO-агент назначал разную разрядность слоям, а качество оценивали по perplexity на WikiText-2. Средняя разрядность весов составляет 2,4643 бита. В README экспорт описан как fake-quantized FP16, совместимый с Transformers; репозиторий содержит safetensors и политику разрядности по слоям. Модель основана на Qwen/Qwen2.5-7B и распространяется по лицензии Apache-2.0. Чекпойнт подходит для экспериментов с генерацией текста при ограничениях на размер весов и для оценки смешанной низкоразрядной квантизации. Результаты могут зависеть от устойчивости конкретной модели к сильной квантизации; README приводит оценку на WikiText-2, но не описывает широкие прикладные тесты или гарантии качества.

Carlosian/Qwen3.5-35B-A3B-Abliterated — исследовательская версия разреженной языковой модели Qwen3.5 на архитектуре Mixture-of-Experts, созданная удалением из весов доминирующего механизма отказа базовой модели. Редактирование выполнено на уровне весов без дообучения; модель имеет около 35 млрд параметров всего и около 3 млрд активных на токен. Метаданные каталога указывают 2,9 млрд параметров. Модель принимает текст и генерирует текст; заявленное окно контекста — 262 144 токена. Для работы требуется свежая версия Transformers с поддержкой Qwen3.5-MoE и применение шаблона чата. Модель предназначена прежде всего для исследований безопасности, red teaming, механистической интерпретируемости и выравнивания, а также может использоваться как общий диалоговый помощник. Удаление отказов рассчитано на доминирующее подпространство отказа, поэтому отдельные отказы могут сохраняться, а в пограничных случаях возможна чрезмерная готовность выполнять запросы. README сообщает о проверке связности, но полноценная оценка возможностей этой версии не проводилась; модель наследует знания, смещения и ошибки базовой Qwen. Разработчик — Carlosian; лицензия Apache-2.0.

Модель zeromodels/res2net50_48w_2s_in1k — реализация на Keras 3 модели Res2Net-50 48w 2s, основанная на чекпойнте timm/res2net50_48w_2s.in1k. Её разработчик — zeromodels; архитектура Res2Net описана в статье «Res2Net: A New Multi-scale Backbone Architecture». Модель представляет многомасштабные признаки внутри остаточных блоков и доступна как классификатор изображений и как backbone для извлечения признаков. Классификатор выдаёт логиты классов, а вариант backbone — признаки, включая многоуровневые признаки этапов сети. Реализация работает через Keras 3 с бэкендами TensorFlow, Torch или JAX. Она предназначена для классификации изображений и использования в качестве основы компьютерного зрения. Лицензия в метаданных указана как неизвестная; README отсылает к YAML карточки и отмечает, что она обычно соответствует лицензии исходного чекпойнта.

Это предобученные на ImageNet веса ResNeXt-50 32x4d из репозитория smp-hub, предназначенные для использования в качестве энкодера в библиотеке segmentation-models-pytorch. Модель также размечена как решающая задачу классификации изображений. ResNeXt-50 32x4d — сверточная архитектура для обработки изображений. Карточка не сообщает размер модели, языки или ограничения по входному разрешению. Репозиторий содержит веса в формате safetensors. Лицензия указана как other; конкретные условия в карточке не приведены.

Карточка модели unsloth/SmolLM-360M-Instruct на Hugging Face совпадает с карточкой unsloth/SmolLM-360M, поэтому описание составлено по ней. SmolLM-360M-Instruct — компактная языковая модель, дообученная Unsloth на базе HuggingFaceTB/SmolLM-360M. Она использует плотную авторегрессионную архитектуру семейства Llama, содержит 361,8 млн параметров и принимает текстовые запросы, генерируя текст. Модель рассчитана на короткие диалоги и стандартные запросы на английском языке; также подходит для творческого письма и простых примеров на Python. Контекст составляет 2048 токенов. Версия v0.2 обучалась на наборах простых повседневных диалогов, Magpie-Pro, инструкциях по программированию и подмножестве OpenHermes-2.5. По карточке, она лучше удерживает тему и отвечает на обычные запросы, чем v0.1. Модель может ошибаться в фактах и логике, воспроизводить предвзятости данных, а также испытывать трудности с арифметикой, редактированием и сложными рассуждениями. Лицензия — Apache-2.0.

EfficientNetV2-M — модель классификации изображений семейства EfficientNetV2. Её исходные веса обучены авторами статьи на ImageNet-21k и дообучены на ImageNet-1k в TensorFlow; Ross Wightman перенёс модель в PyTorch для библиотеки timm. В репозитории доступны веса PyTorch и Safetensors под лицензией Apache-2.0. Модель предназначена для классификации изображений и может использоваться как backbone для извлечения признаков, карт признаков и эмбеддингов изображений. Она содержит около 54,1 млн параметров; размер входа при обучении составлял 384×384 пикселя, при тестировании — 480×480. Её можно применять для категоризации изображений и как основу для задач компьютерного зрения с собственными головами или последующей обработкой признаков.

nm-testing/tinyllama-oneshot-w4a16-channel-v2 — компактная модель для генерации текста, опубликованная организацией NM Testing на Hugging Face. Она основана на TinyLlama и предназначена для text generation и conversational-сценариев, включая локальный запуск через Transformers, vLLM и SGLang. Поскольку карточка модели отсутствует, подробности обучения и целевые прикладные сценарии не указаны. Модель использует архитектуру LlamaForCausalLM с 22 слоями, 32 attention heads, 4 key-value heads, размером скрытого состояния 2048 и словарём из 32 000 токенов. Максимальная длина контекста составляет 2048 токенов, размер — около 1,1 млрд параметров. Веса подвергнуты 4-битному симметричному channel-wise quantization для Linear-слоёв в формате compressed-tensors; указана также неструктурированная разреженность около 19%. Поддерживается текстовая модальность, язык модели явно не указан в карточке; базовый проект TinyLlama ориентирован на английский. Ключевое преимущество — небольшой размер и сниженные требования к памяти по сравнению с полноразмерными LLM, что подходит для тестирования inference-стеков и ограниченных вычислительных сред. Ограничения включают короткий контекст, отсутствие опубликованных бенчмарков и подробностей обучения, а также возможное снижение качества из-за 4-битного квантования. Лицензия именно этого репозитория не указана; базовый проект TinyLlama распространяется по Apache-2.0, но применимость этой лицензии к данному квантованному производному релизу следует проверить отдельно.

Карточка модели llm-agents/tora-code-13b-v1.0 на Hugging Face совпадает с карточкой llm-agents/tora-code-7b-v1.0, поэтому описание составлено по ней. ToRA-Code-7B-v1.0 — языковая модель семейства Llama, выпущенная командой ToRA для решения математических задач с помощью естественно-языкового рассуждения и внешних инструментов, таких как библиотеки вычислений и символьные решатели. Модель содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM и формат PyTorch; максимальная длина контекста — 16 384 токена. Карточка указывает английский язык и обучение на примерах GSM8K и MATH. Модель дообучена методом supervised fine-tuning на корпусе ToRA-Corpus 16k с траекториями решения задач GSM8K и MATH, после чего применялось формирование пространства выходов для улучшения взаимодействия с инструментами. Она предназначена для генерации решений математических задач, включая сценарии, где требуется вычисление или использование символьного решателя. Для практического взаимодействия с инструментами нужны соответствующая среда исполнения и код интеграции; README отсылает к репозиторию проекта за инструкциями по запуску и оценке. Лицензия — Llama 2.

Arctic-AWM-4B — языковая модель Snowflake AI Research и UNC-Chapel Hill для многошагового взаимодействия с инструментами в агентных средах. Она дообучена на Qwen3-4B с помощью агентного обучения с подкреплением на полностью синтетических средах AgentWorldModel-1K. Интерфейс взаимодействия с инструментами унифицирован через MCP (Model Context Protocol). Модель предназначена для агентных сценариев, где требуется выполнять последовательности действий с инструментами и работать в средах, предоставляющих инструменты через MCP. Архитектура — плотная Qwen3, около 3,7 млрд параметров; модель принимает текст и выдаёт текст. Поддерживаемый язык по карточке — английский, длина контекста — 40 960 токенов. Лицензия — Apache-2.0.

Карточка модели brianbellx/CYBER-FROST-3.8-BF16-copy на Hugging Face совпадает с карточкой Blackfrost-AI/CYBER-FROST-3.8-BF16, поэтому описание составлено по ней. CYBER-FROST-3.8-BF16 — дообученная Blackfrost-AI модель для специалистов по информационной безопасности, выполняющих разрешённые исследования, проверки и защитные работы. Она предназначена для диалога и вызова инструментов в рабочих процессах анализа уязвимостей, защиты систем и реагирования на инциденты. Модельный стек построен на архитектуре Qwen4ExpForConditionalGeneration: 48 блоков с чередованием линейного и полного внимания. Выпущен полный BF16-чекпойнт SafeTensors с конфигурацией, токенизатором, шаблоном диалога и комплектом развёртывания; родительский чекпойнт при загрузке не требуется. Модель дообучена на корпусе Blackfrost-AI по кибербезопасности. Карточка охватывает анализ вредоносного кода, проверку уязвимостей, защиту приложений и сетей, обнаружение угроз, реагирование на инциденты и другие направления безопасности. Указанная авторами цель — снизить число необоснованных отказов в профессиональных сценариях; это не гарантирует точность ответов или безопасное поведение. Модель принимает текст и выдаёт текст. Хотя конфигурация включает компонент для зрения, качество работы с изображениями и видео не оценивалось. Ответы, команды, код и рекомендации могут быть ошибочными, неполными или устаревшими. Модель не устанавливает наличие разрешения на проверку и не заменяет контроль доступа, изоляцию, аудит и проверку специалистом. Карточка указывает лицензию «other» и сообщает, что проверка лицензирования смешанного обучающего корпуса продолжается; условия лицензии следует уточнять по материалам репозитория перед использованием.

Карточка модели yuhuili/EAGLE-Vicuna-13B-v1.3 на Hugging Face совпадает с карточкой yuhuili/EAGLE-LLaMA3-Instruct-8B, поэтому описание составлено по ней. yuhuili/EAGLE-LLaMA3-Instruct-8B — модель на основе архитектуры LLaMA для ускорения генерации текста методом спекулятивного декодирования EAGLE. Она использует контекстные признаки языковой модели для построения кандидатов токенов и предназначена для ускорения инференса в системах обслуживания LLM, совместимых с EAGLE. В метаданных указаны 743,4 млн параметров, контекст до 2048 токенов, формат PyTorch и лицензия Apache-2.0. README описывает EAGLE как способ ускорять генерацию с сохранением распределения результатов базового декодирования и сообщает о поддержке интеграции с несколькими фреймворками обслуживания моделей. Карточка не уточняет обучение именно этого чекпойнта или его совместимую базовую модель.

FunctionGemma 270M IT — компактная открытая языковая модель, разработанная Google DeepMind и распространяемая в формате GGUF командой Unsloth. Она построена на архитектуре Gemma 3 270M и специально обучена для вызова функций. Модель предназначена не для непосредственного диалога, а для создания специализированных function-calling и агентных решений, особенно после дообучения на данных конкретной предметной области. Модель принимает только текст и поддерживает контекст до 32 тыс. токенов; выходом служит сгенерированный текст, включая вызовы функций. Она подходит для одноступенчатых и многошаговых сценариев, например управления приложениями, мобильными действиями, играми и офлайн-агентами. Небольшой размер позволяет запускать её на ноутбуках, настольных компьютерах и собственной облачной инфраструктуре, включая ресурсоограниченные устройства. Для наилучшей точности рекомендуется дообучение под конкретные одно- или многошаговые задачи. К ограничениям относятся узкая специализация на вызове функций, необходимость использования специального формата чата и то, что базовая модель не рассчитана на роль универсального диалогового ассистента. Сведения о поддерживаемых языках и точных требованиях к оборудованию в карточке не указаны. Модель распространяется по лицензии Gemma; применяются условия использования Google Gemma.

Gemma-4-12B-OBLITERATED-cyber-GGUF — это квантованная версия модели Gemma-4-12B-OBLITERATED-cyber, разработанной nico248000000000 и преобразованной в формат GGUF пользователем mradermacher. Модель предназначена для генерации текста и ориентирована на задачи кибербезопасности; заявленный язык — английский. В метаданных также указано использование подходов LoRA и QLoRA, однако подробности дообучения не приведены. Доступны варианты квантования от Q2_K до Q8_0 и IQ4_XS размером примерно от 4,9 до 12,8 ГБ. Это позволяет выбирать между меньшими требованиями к памяти, скоростью работы и качеством; для Q4_K_S и Q4_K_M заявлены высокая скорость и рекомендация к использованию, а Q8_0 отмечен как вариант с лучшим качеством. Сведения об архитектуре, размере контекста, дополнительных модальностях и точных возможностях модели отсутствуют. Лицензия в README не указана.

RedHatAI/Llama-3.3-70B-Instruct-speculator.eagle3 — вспомогательная модель спекулятивного декодирования, разработанная Red Hat для совместной работы с meta-llama/Llama-3.3-70B-Instruct. Она использует алгоритм EAGLE-3 и архитектуру Eagle3Speculator, чтобы ускорять генерацию ответов основной моделью, предлагая токены-кандидаты для проверки. Модель предназначена для применения при обслуживании чат-запросов через шаблон диалога Llama 3.3; в README приведена настройка для vLLM. Для обучения использованы наборы Aeala/ShareGPT_Vicuna_unfiltered и раздел train_sft набора HuggingFaceH4/ultrachat_200k. Метаданные указывают формат safetensors и лицензию llama3.3. Карточка не приводит точный размер самой вспомогательной модели, длину контекста или численные результаты ускорения; бенчмаркинг описан для конфигурации с четырьмя A100.

Это модель MAnet с энкодером ResNet18 для семантической сегментации изображений, размещённая в репозитории smp-test-models/manet-tu-resnet18. Она предназначена для присвоения меток пикселям изображения. Загрузить модель можно через библиотеку segmentation-models-pytorch и метод from_pretrained. В карточке не приведены датасет и метрики качества, поэтому оценить точность модели и её пригодность для конкретных изображений нельзя. Модель опубликована под лицензией MIT.

Это англоязычный cross-encoder на базе DeBERTa-v3-base, разработанный torontodeveloper и дообученный для ранжирования элементов веб-страницы в агентских сценариях компьютерного управления. Модель получает текстовую инструкцию, историю действий и описание DOM-элемента, затем оценивает вероятность того, что элемент станет целью следующего действия. Она служит первым этапом конвейера: отбирает кандидатов для последующего выбора действия языковой моделью и выполнения через Playwright. Модель содержит 211,6 млн параметров, использует архитектуру DeBERTa-v2 и рассчитана на контекст до 512 токенов. Она обучена на датасете Mind2Web: 7 775 действий и пары положительных и отрицательных примеров; README сообщает о тестировании на разбиениях по задачам, сайтам и доменам. Указанная лицензия — MIT. README приводит recall@10 около 93% на невиданных доменах, однако качество зависит от распределения сайтов и задач, а результаты оценки не гарантируют аналогичную точность в конкретном агенте. Для запуска следует использовать fp32 или bf16 на совместимом оборудовании: fp16 может приводить к переполнению и NaN-оценкам. Модель ранжирует кандидатов, но сама не выбирает и не выполняет действие.

MiniMerlin-3B — экспериментальная текстовая модель на базе архитектуры Llama, разработанная teilomillet и дообученная методом supervised fine-tuning на синтетическом пользовательском наборе из 2 тысяч примеров на французском языке. Она предназначена для генерации текста, ответов на общие вопросы, решения задач и ответов на вопросы о коде. Модель содержит 2,9 млрд параметров, принимает текст и имеет контекстное окно 4096 токенов; в метаданных также отмечена возможность работы с кодом. Карточка характеризует её как proof of concept. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Небольшой синтетический набор данных и статус proof of concept ограничивают основания ожидать стабильного качества на широком круге задач; README не сообщает результаты оценки.

Modern MobileNetV1 — компактная модель классификации изображений на основе архитектуры MobileNetV1, опубликованная пользователем kd13. Она предназначена для классификации на периферийных и мобильных устройствах, встроенных системах, роботах и в низколатентных сервисах. Модель использует глубинно-разделимые свёртки, активации SiLU, нормализацию GroupNorm(1, C) с вычислениями FP32 и обучаемое масштабирование остаточных связей. Для Tiny-ImageNet с разрешением 64 × 64 указаны точность Top-1 44,38% и Top-5 67,26%. Репозиторий содержит веса в формате safetensors; лицензия — MIT.

NanoLM-0.3B-Instruct-v1.1 — компактная диалоговая языковая модель от автора коллекции NanoLM, созданная для изучения возможностей небольших моделей и выполнения инструкций. Она подходит для генерации ответов, диалога и простых задач по коду на английском и китайском языках; автор отмечает, что на английском модель работает лучше. Модель использует плотную архитектуру Qwen2ForCausalLM с 12 слоями, 896 скрытыми измерениями и 14 головами внимания. В ней около 315 млн параметров, из которых примерно 180 млн не относятся к эмбеддингам. Метаданные указывают контекст до 131 072 токенов, тогда как README приводит длину последовательности 4K. Модель распространяется в формате Safetensors под лицензией GPL-3.0.

Это черновая голова EAGLE3 для Qwen/Qwen2.5-7B-Instruct, разработанная Thoughtworks и обученная методом EAGLE3 с использованием SpecJAX на Google Cloud TPU. Она предназначена для ускорения авторегрессионной генерации: предлагает несколько следующих токенов, которые целевая модель проверяет параллельно. В README сообщается о типичном приросте пропускной способности в 2–3 раза без изменения качества выходных данных; фактический результат зависит от оборудования, запросов и версии среды выполнения. Модель содержит 731,3 млн параметров по метаданным и реализована как однослойный трансформер LlamaForCausalLM, использующий скрытые состояния целевой Qwen2.5-7B на слоях 1, 13 и 24. Для запуска требуется совместимая целевая модель; README описывает использование через SGLang на GPU или sglang-jax на TPU, причём для Qwen2.5 нужны дополнительные исправления, а TPU-конвейер ещё не оптимизирован по производительности. Репозиторий распространяется под лицензией Apache-2.0.

Карточка модели unsloth/SmolLM-1.7B-Instruct на Hugging Face совпадает с карточкой unsloth/SmolLM-360M, поэтому описание составлено по ней. SmolLM-360M-Instruct — компактная языковая модель, дообученная Unsloth на базе HuggingFaceTB/SmolLM-360M. Она использует плотную авторегрессионную архитектуру семейства Llama, содержит 361,8 млн параметров и принимает текстовые запросы, генерируя текст. Модель рассчитана на короткие диалоги и стандартные запросы на английском языке; также подходит для творческого письма и простых примеров на Python. Контекст составляет 2048 токенов. Версия v0.2 обучалась на наборах простых повседневных диалогов, Magpie-Pro, инструкциях по программированию и подмножестве OpenHermes-2.5. По карточке, она лучше удерживает тему и отвечает на обычные запросы, чем v0.1. Модель может ошибаться в фактах и логике, воспроизводить предвзятости данных, а также испытывать трудности с арифметикой, редактированием и сложными рассуждениями. Лицензия — Apache-2.0.

SmolLM-360M-Instruct — компактная языковая модель HuggingFaceTB для диалоговой генерации текста. Это дообученная версия SmolLM-360M с архитектурой Llama и примерно 362 млн параметров; длина контекста — 2048 токенов. Модель рассчитана на англоязычные беседы, ответы на общие вопросы, творческое письмо и простые примеры кода. Версия v0.2 дообучена на наборах Magpie-Pro-300K-Filtered, self-oss-instruct-sc2-exec-filter-50k, OpenHermes-2.5 и наборе коротких повседневных диалогов. По данным авторов, она лучше удерживает тему и отвечает на стандартные запросы, чем v0.1; в AlpacaEval v0.2 показала преимущество над v0.1. Доступны веса Safetensors и ONNX, модель использует библиотеку Transformers и распространяется по лицензии Apache-2.0. Это небольшая модель, поэтому она может ошибаться в фактах, логике и арифметике, а также испытывать трудности со сложными рассуждениями и редактированием текста. Она предназначена для английского языка; авторы рекомендуют использовать ответы как вспомогательные, а не как окончательный источник информации.

SOVYTHOS-66M-Base — предварительно обученная языковая модель, созданная Mahmoud Yasser в рамках Sovereign AI Project. Это decoder-only Transformer с примерно 66,7 млн параметров, обученный с нуля на собственном корпусе без использования весов предобученных моделей. Модель предназначена для продолжения предобучения, дообучения, исследовательских и учебных экспериментов, а также разработки производных приложений. Модель генерирует текст по текстовому запросу и обучалась на английском, арабском, включая египетский диалект, а также на программном коде, технической документации, математических материалах и общих веб-текстах. Это базовая версия без instruction tuning, поэтому она ограниченно следует инструкциям и не рассчитана на роль готового производственного чат-бота. Возможны фактические ошибки, сбои в рассуждениях, повторы и незавершённые генерации. Лицензия — Apache-2.0.

StarVector-1B-im2svg — мультимодальная модель семейства StarVector, разработанная ServiceNow Research совместно с Mila — Quebec AI Institute и ÉTS Montréal. Она генерирует код SVG по изображению или текстовому запросу, используя визуальный энкодер на основе Vision Transformer, адаптер LLM и языковую модель. Вариант содержит 1,7 млрд параметров, работает через Transformers, принимает изображения и текст и выдаёт текстовый код SVG; длина контекста — 8192 токена. В карточке указан английский язык для текстовых запросов, обучение на наборе SVG-Stack с более чем 2 млн примеров и оценка на SVG-Bench. Модель предназначена для векторизации и создания иконок, логотипов, схем, графиков и диаграмм. Она не рассчитана на фотографии, реалистичные изображения, иллюстрации и сложную 3D-графику; качество векторизации может зависеть от типа входа и точности текстовой инструкции. Лицензия — Apache 2.0.

Terminal-file_operations — дообученная компанией или автором cuong1692001 модель Qwen3-8B с 7,6 млрд параметров. Она предназначена для генерации текста в диалоговом формате и обучена на наборах nemotron_easy_file_operations, nemotron_medium_file_operations и nemotron_mixed_file_operations, поэтому ориентирована на выполнение задач с файловыми операциями. Архитектура — плотная авторегрессионная языковая модель Qwen3; максимальный контекст составляет 40 960 токенов. Модель принимает текст и выдаёт текст. Карточка не описывает оценку качества и конкретные ограничения. Указана лицензия other, поэтому условия использования следует сверить с лицензией репозитория.

TinyLlama-1.1B-intermediate-step-955k-token-2T — промежуточный контрольный чекпойнт проекта TinyLlama, разработанного для предварительного обучения компактной языковой модели семейства Llama. В README указан этап обучения: 995 тысяч шагов и около 2003 млрд обработанных токенов. Модель имеет плотную архитектуру Llama с примерно 1 млрд параметров и контекстом 2048 токенов; она использует архитектуру и токенизатор Llama 2 и совместима с экосистемой инструментов для Llama. Форматы весов — PyTorch и Safetensors. Модель предназначена для генерации текста и экспериментов с компактной языковой моделью при ограниченных вычислительных ресурсах. В карточке отмечены английский язык и обучающие наборы SlimPajama и StarCoderData. Это промежуточный чекпойнт предварительного обучения, поэтому его не следует считать финальной версией проекта; конкретные гарантии качества для прикладных задач не приведены. Лицензия — Apache 2.0.

Карточка модели llm-agents/tora-code-34b-v1.0 на Hugging Face совпадает с карточкой llm-agents/tora-code-7b-v1.0, поэтому описание составлено по ней. ToRA-Code-7B-v1.0 — языковая модель семейства Llama, выпущенная командой ToRA для решения математических задач с помощью естественно-языкового рассуждения и внешних инструментов, таких как библиотеки вычислений и символьные решатели. Модель содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM и формат PyTorch; максимальная длина контекста — 16 384 токена. Карточка указывает английский язык и обучение на примерах GSM8K и MATH. Модель дообучена методом supervised fine-tuning на корпусе ToRA-Corpus 16k с траекториями решения задач GSM8K и MATH, после чего применялось формирование пространства выходов для улучшения взаимодействия с инструментами. Она предназначена для генерации решений математических задач, включая сценарии, где требуется вычисление или использование символьного решателя. Для практического взаимодействия с инструментами нужны соответствующая среда исполнения и код интеграции; README отсылает к репозиторию проекта за инструкциями по запуску и оценке. Лицензия — Llama 2.

UI-Ins-7B — мультимодальная модель Tongyi-MAI для привязки инструкций к элементам графического интерфейса. Она принимает скриншот и текстовую инструкцию, анализирует экран и выдаёт координаты целевого элемента для GUI-агента, например кнопки, которую нужно нажать. Модель построена на архитектуре Qwen2.5-VL, содержит 7,1 млрд параметров и поддерживает контекст до 128 000 токенов. По карточке, обучение прошло в два этапа: SFT на разнообразных синтезированных инструкциях, затем обучение с подкреплением для выбора и сочетания стратегий рассуждения. Авторы сообщают о высоких результатах на пяти бенчмарках GUI-grounding; UI-Ins-7B также показала 74,1% успешных выполнений в AndroidWorld в роли исполнителя. Модель предназначена для визуального поиска элементов интерфейса и работы GUI-агентов. Она основана на Qwen/Qwen2.5-VL-7B-Instruct и распространяется по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование. README содержит пример загрузки базовой модели Qwen2.5-VL, поэтому для воспроизведения описанного инференса следует учитывать это требование.