II.2Создание и понимание программного кода

Это сообщественная GGUF-конверсия черновой модели DFlash 2 от Inco AI для GLM-5.3-Flash. Она не является самостоятельной языковой моделью: модель предлагает черновые токены для целевой GLM-5.3-Flash в режиме спекулятивного декодирования, чтобы ускорить генерацию. В файле BF16 GGUF размером около 2,19 ГиБ указана архитектура dflash; метод DFlash 2 использует параллельное построение черновика. Модель предназначена для запуска через llama.cpp с поддержкой DFlash 2 и должна использоваться вместе с целевой моделью GLM-5.3-Flash. В README приведены замеры скорости на DGX Spark, но они зависят от оборудования, конфигурации и текста; высокий процент принятия токенов в одном повторяющемся тесте не следует считать общей оценкой качества. Контекстные замеры черновика указаны до 96 тыс. токенов; результат для 114–128 тыс. не подтверждён. Лицензия — CC BY-NC-ND 4.0, коммерческое использование требует обращения к Inco AI.

GLM-5.3-NVFP4-DFlash — черновая модель DFlash, разработанная Modal Labs для ускорения генерации целевой модели modal-labs/GLM-5.3-NVFP4. Это не самостоятельная языковая модель: её используют вместе с целевой моделью в сервере спекулятивного декодирования. Лёгкая черновая модель на основе блочной диффузии параллельно предлагает несколько токенов, которые целевая модель проверяет; такой подход повышает пропускную способность обслуживания, сохраняя распределение выходов целевой модели. Модель содержит 2,8 млрд параметров, использует архитектуру Qwen3 с классом DFlash2DraftModel и распространяется в формате safetensors. Метаданные указывают контекстное окно 1 048 576 токенов для модели; фактическое применение этой черновой модели требует совместимого сервера и целевой GLM-5.3-NVFP4. В README рекомендован SGLang версии 0.5.19 или новее. Лицензия указана как other, поэтому конкретные условия следует проверять в карточке репозитория.

Goedel-Prover-V2-8B — открытая языковая модель Goedel-LM для автоматической генерации формальных математических доказательств на Lean 4. Она создана на основе Qwen3-8B и дообучена по конвейеру экспертной итерации и обучения с подкреплением. Модель содержит 7,6 млрд параметров, использует плотную архитектуру Qwen3 и поддерживает контекст до 40 960 токенов. Модель предназначена для формализации и доказательства теорем, в том числе математических задач олимпиадного уровня. Она генерирует доказательство, а в режиме самокоррекции может пересматривать его с учётом обратной связи от компилятора Lean. В README сообщается результат 83,0% на тестовой части MiniF2F при Pass@32 для версии 8B. Для работы с доказательствами требуется окружение Lean 4 и соответствующая Mathlib; README указывает Lean 4.9. Модель распространяется по лицензии Apache-2.0. Показатели производительности относятся к указанному бенчмарку и режиму оценки; README не описывает отдельные ограничения модели за пределами этой области применения.

jhyuckkim выпустил GPT-OSS-20B-Dense-4B-DO-ACP-K4 как плотную языковую модель, полученную прунингом и дистилляцией модели-учителя openai/gpt-oss-20b в рамках исследования по преобразованию MoE-моделей в плотные. В метаданных указано 3,4 млрд параметров, а в README — 4,19 млрд; контекст составляет до 131 072 токенов. Модель загружается через Transformers, веса представлены в формате safetensors. Это исследовательский артефакт для воспроизведения экспериментов и сравнения методов отбора и группировки экспертов. Модель генерирует текст и поддерживает диалоговый режим, но не проходила настройку инструкций или выравнивание и не предназначена для использования как готовый универсальный помощник. В README отмечено, что качество заметно ниже модели-учителя и предварительно обученных моделей сопоставимого размера; дистилляция проводилась на ограниченном объёме данных — 0,3 млрд токенов FineWeb-Edu. Лицензия — Apache-2.0.

GTM-v2-chat — небольшая языковая модель OpenGCM для диалогов. Это декодерный GPT-подобный трансформер на 119,4 млн параметров: сначала его обучили с нуля, затем дообучили методом SFT на UltraChat. Модель использует токенизатор GPT-2 BPE, принимает текст и генерирует текст; контекст составляет 1024 токена. Веса опубликованы в формате safetensors, точность — fp32. Модель предназначена для экспериментов с небольшими чат-моделями и изучения влияния SFT: после дообучения она чаще отвечает на вопросы в формате диалога. README приводит лишь отдельный пример и отмечает, что систематической оценки качества не проводилось. Модель может уверенно выдавать неверные ответы, продолжать генерацию после завершённого ответа и хуже обобщать из-за небольшого набора SFT-данных. Для корректной остановки генерацию рекомендуется обрезать по маркеру конца хода ассистента. Для запуска требуется файл model.py из репозитория; это не модель для надёжного производственного ассистента. Лицензия — Apache-2.0.

bazyl/gtsrb-model — модель классификации изображений, дообученная автором bazyl на базе google/vit-base-patch16-224-in21k для набора данных GTSRB. Она использует архитектуру Vision Transformer ViTForImageClassification и содержит 113,2 млн параметров. Модель предназначена для распознавания дорожных знаков по отдельным изображениям, относя их к одному из более чем 40 классов. В README указана точность 0,9993 на оценочном наборе. Модель принимает изображения и выдаёт метку класса. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache-2.0. Результат на оценочном наборе сам по себе не гарантирует такую же точность на изображениях дорожных знаков из других условий съёмки или регионов.

Ling3-DSpark — модель-черновик для спекулятивного декодирования целевой Ling-3.0-flash, опубликованная inclusionAI. Она предлагает токены-кандидаты, которые целевая модель проверяет при генерации текста, чтобы ускорить инференс без замены целевой модели. Модель обучена с помощью SpecForge и предназначена для запуска через SGLang или сборку llama.cpp с поддержкой DSpark. Архитектура — плотная модель семейства Qwen3 с классом LingDSparkModel; в метаданных указан размер 769,4 млн параметров, а в README отдельно указаны 1,36 млрд параметров черновой части. Модель содержит пять слоёв полного внимания, использует MHA с 32 головами запросов и 32 головами ключей и значений, вспомогательные признаки целевой модели и голову уверенности, которая динамически выбирает число черновых токенов. Размер блока — 8 токенов, максимальная длина позиций — 262 144. В тестах README средняя длина принятых токенов по девяти нагрузкам составила 5,29; для GSM8K, MATH-500 и AIME 2025 приведены отдельные значения. Это специализированный компонент ускорения текстовой генерации, которому нужна совместимая целевая модель Ling-3.0-flash и среда выполнения с поддержкой DSpark; он не предназначен для самостоятельного диалога или генерации без целевой модели. Репозиторий содержит веса Safetensors, а лицензия в метаданных обозначена как other без уточнения условий.

yanggangu/Llama-3.1-8B-Instruct-FT-C-STANCE — дообученная диалоговая модель на архитектуре Llama 3.1, созданная как эксперт для экспериментов SMAT (Simple and Efficient Merge-Aware Training). В README указано, что это эксперт из таблицы 1 статьи, обученный с seed 42; SMAT предназначен для обучения экспертов, сохраняющих качество на задаче и упрощающих последующее слияние моделей. Модель основана на meta-llama/Llama-3.1-8B-Instruct и содержит 7,5 млрд параметров. Она принимает текст и генерирует текст; метаданные указывают контекст до 131 072 токенов и поддержку диалога. Название C-STANCE указывает на тематическую настройку, однако README не раскрывает конкретные данные и сценарии этой задачи. Репозиторий содержит веса в формате safetensors и использует лицензию Llama 3.1; применяются соответствующие лицензия и политика допустимого использования Meta. Это исследовательский экспертный чекпойнт, рассчитанный на сохранение навыка при слиянии с другими моделями.

Карточка модели lodrick-the-lafted/llama-3.1-8b-instruct-ortho-v5 на Hugging Face совпадает с карточкой lodrick-the-lafted/llama-3.1-8b-instruct-ortho-v7, поэтому описание составлено по ней. lodrick-the-lafted/llama-3.1-8b-instruct-ortho-v7 — экспериментальная версия Llama 3.1 8B Instruct, созданная автором карточки путём ортогонализации и ослабления механизмов отказа модели. В README описаны несколько вариантов метода, основанного на работе «Mechanistically Eliciting Latent Behaviors in Language Models»; в этой версии изменён слой down_proj одного слоя. Модель имеет плотную архитектуру LlamaForCausalLM с 7,5 млрд параметров, рассчитана на генерацию текста и диалоговое использование, поддерживает контекст до 131 072 токенов и распространяется в формате safetensors по лицензии WTFPL. Модель предназначена для экспериментов с поведением отказов и ответами на запросы, на которые исходная инструктивная модель могла отказаться отвечать. Автор отмечает, что варианты отличаются векторами и границами отказа, но ни один не является полностью «разблокированным». Изменение одного слоя, по оценке автора, обычно ограничивает побочные нарушения поведения. README не перечисляет языки и не даёт подробных оценок качества.

Карточка модели lodrick-the-lafted/llama-3.1-8b-instruct-ortho-v6 на Hugging Face совпадает с карточкой lodrick-the-lafted/llama-3.1-8b-instruct-ortho-v7, поэтому описание составлено по ней. lodrick-the-lafted/llama-3.1-8b-instruct-ortho-v7 — экспериментальная версия Llama 3.1 8B Instruct, созданная автором карточки путём ортогонализации и ослабления механизмов отказа модели. В README описаны несколько вариантов метода, основанного на работе «Mechanistically Eliciting Latent Behaviors in Language Models»; в этой версии изменён слой down_proj одного слоя. Модель имеет плотную архитектуру LlamaForCausalLM с 7,5 млрд параметров, рассчитана на генерацию текста и диалоговое использование, поддерживает контекст до 131 072 токенов и распространяется в формате safetensors по лицензии WTFPL. Модель предназначена для экспериментов с поведением отказов и ответами на запросы, на которые исходная инструктивная модель могла отказаться отвечать. Автор отмечает, что варианты отличаются векторами и границами отказа, но ни один не является полностью «разблокированным». Изменение одного слоя, по оценке автора, обычно ограничивает побочные нарушения поведения. README не перечисляет языки и не даёт подробных оценок качества.

IFM/LoopedLM-P1-moe-ouro-336b — исследовательский чекпойнт рецепта MoE Ouro из работы «Towards Looped Models Done Right. Part I: Topology, Input Injection, Recurrent-State Organization». Это трансформерная языковая модель с архитектурой Mixture of Experts и циклической организацией блоков; чекпойнт соответствует обучению на 336 млрд токенов и шагу оптимизатора 80 000, то есть промежуточной точке графика обучения, рассчитанного на 500 млрд токенов. Модель предназначена для генерации текста и исследования топологии циклических моделей. Веса хранятся в BF16 Safetensors в собственном формате xLLM; для загрузки нужен код xLLM, CUDA GPU и FlashAttention 3. Стандартный загрузчик Hugging Face Transformers этот чекпойнт не загружает. Лицензия Apache-2.0.

Mask2Former — модель компьютерного зрения, опубликованная командой Mask2Former и представленная в статье «Masked-attention Mask Transformer for Universal Image Segmentation». Этот чекпойнт обучен для семантической сегментации сцен Cityscapes; в основе лежит Swin с предобучением на ImageNet-21k. Архитектура Mask2Former использует многомасштабный декодер пикселей на основе deformable attention и Transformer-декодер с masked attention, предсказывая маски и соответствующие им классы. Модель предназначена для сегментации изображений городских сцен: она присваивает класс пикселям изображения. Семейство Mask2Former также рассчитано на instance- и panoptic-сегментацию, однако README указывает, что данный чекпойнт обучен для семантической сегментации. Репозиторий содержит веса PyTorch и Safetensors. Лицензия обозначена как other, поэтому конкретные условия использования следует сверить с лицензией репозитория.

Mask2Former от команды Facebook — версия небольшого размера с backbone Swin, обученная для семантической сегментации Cityscapes. Модель основана на архитектуре Mask2Former, которая предсказывает набор масок и соответствующих меток; в общей архитектуре используется многомасштабный декодер с deformable attention и декодер Transformer с masked attention. Этот чекпойнт предназначен для сегментации изображений городских сцен. Его можно применять для выделения и классификации объектов и областей на изображениях Cityscapes; в карточке также заявлено применение для паноптической сегментации. Модель работает с изображениями и выдаёт сегментационные маски и метки. Репозиторий содержит веса PyTorch и safetensors. Лицензия указана как other, без дополнительных условий в предоставленных данных.

Mask2Former — модель компьютерного зрения от команды Meta, основанная на архитектуре Mask2Former с небольшим Swin-backbone. Этот чекпойнт обучен для сегментации отдельных объектов на изображениях из Cityscapes и предназначен для выделения масок объектов и присвоения им классов. Архитектура предсказывает набор масок и соответствующих меток; в Mask2Former используются многомасштабный декодер признаков с deformable attention и Transformer-декодер с masked attention. Модель принимает изображения и выдаёт сегментационные маски с метками классов. В карточке указан формат PyTorch и safetensors. Лицензия обозначена как other, поэтому условия использования следует сверить с репозиторием модели.

Metro Safety YOLO-World — настраиваемая модель обнаружения объектов, разработанная для прототипа конкурса по интеллектуальному видеонаблюдению. Она дообучена на YOLOv8s-World-v2 и распознаёт пять категорий: клинки, острые инструменты, людей, лежащих людей и крупный багаж. Модель можно применять к изображениям и видео с помощью Ultralytics; обученный набор классов следует сохранять без переопределения. Обучение проводилось на 11 040 изображениях из OD-WeaponDetection, Open Images V7 и E-FPDS; часть рамок людей получена псевдоразметкой. На публичной проверочной выборке из 1 459 изображений общая точность mAP50 составила 0,744, а mAP50–95 — 0,496. Модель является конкурсным исследовательским прототипом и не проверялась в условиях метро. Она может пропускать небольшие или закрытые предметы; обнаружение предмета не устанавливает намерение, а обнаружение лежащего человека не подтверждает факт падения. Для тревог нужны анализ последовательности кадров и проверка человеком. Условия лицензирования весов отдельно не заявлены; применяются лицензии Ultralytics и использованных данных, причём права повторного использования некоторых наборов требуют уточнения.

Mini-K3-1H-mamba2-n128-g8-v1_B — текстовая исследовательская модель семейства Mini-K3, разработанная в рамках абляции архитектуры Mini-K3-1H. В девяти слоях KDA-смесители последовательностей заменены на Mamba-2/SSD; четыре слоя Gated MLA с NoPE, Stable LatentMoE, остаточные связи Block-4, токенизатор и языковая голова сохраняют базовый дизайн. Модель содержит 385,9 млн параметров, имеет контекст до 131 072 токенов и распространяется в формате safetensors для PyTorch. Чекпойнт предварительно обучен на 16 млрд целевых токенов с длиной обучающих последовательностей 8 192. Он предназначен для генерации текста и экспериментов по сравнению компонентов Mamba-2 и Mini-K3, а не для диалогового ассистента: дополнительного инструкционного дообучения нет. Это небольшой исследовательский прокси; результаты на таком размере, составе данных и длине обучающих строк требуют проверки перед переносом выводов на полноразмерные системы. Лицензия в предоставленных данных не указана.

Это тестовый контрольный чекпойнт небольшой регрессионной MLP-модели, созданный проектом mlquant для воспроизводимой проверки установки и инференса. Архитектура включает три слоя, GELU и dropout; модель принимает 213 факторных значений и выдаёт синтетическую оценку доходности следующего периода для каждой пары «актив — дата». Используются PyTorch и датасет dddyym/ml-quant-trading-synthetic. Модель предназначена для воспроизводимых демонстраций и проверки конвейера количественной торговли, а не для прогнозирования реального рынка или генерации инвестиционных сигналов. Контрольная точка обучена только на детерминированных синтетических данных, поэтому её метрики не подтверждают доходность вне обучающей выборки. Порядок входных факторов должен точно соответствовать feature_names.json. Лицензия — MIT; пакет проекта обозначен как исследовательское ПО, а не система для реальной торговли.

Модель tribber93/my-trash-classification — дообученная версия Vision Transformer ViT для классификации изображений отходов. Разработчик дообучил предобученную google/vit-base-patch16-224-in21k на наборе TrashNet из 5054 изображений. Модель относит изображение к одному из шести классов: картон, стекло, металл, бумага, пластик или прочий мусор. Её можно применять для сортировки отходов по фотографиям и прототипов систем распознавания мусора. Архитектура ViTForImageClassification содержит 113,2 млн параметров; репозиторий предоставляет веса в формате safetensors. В README указана точность 94,26% после трёх эпох обучения. Результаты относятся к описанному набору данных и не гарантируют такую же точность на новых фотографиях, при иных условиях съёмки или для объектов вне шести классов. Лицензия в предоставленных данных не указана.

OpenHands Critic — исследовательская модель-критик от OpenHands для оценки шагов и решений агента при выполнении задач программной инженерии. Она предназначена для оценки нескольких вариантов решения и выбора наиболее перспективного, в частности в сценарии SWE-Bench Verified. Модель обучена командой OpenHands на базе Qwen/Qwen2.5-Coder-32B-Instruct с помощью veRL: к последнему слою добавлена регрессионная голова, предсказывающая награду, а обучение использует временную разность для распространения сигнала об успешном прохождении тестов по траектории агента. Это плотная архитектура Qwen2 с 32 млрд параметров и контекстом 32 768 токенов; доступны веса в safetensors. Модель работает с текстовыми данными о траекториях и коде и выдаёт оценки награды. В карточке указан английский язык. Репозиторий заявляет лицензию MIT. Авторы отмечают, что модель предназначена только для исследований и пока несовместима с приложением OpenHands; обобщение на задачи за пределами SWE-Bench и интеграция в рабочие процессы остаются направлениями изучения.

ORANSight Gemma-9B — разговорная языковая модель, дообученная лабораторией NextG при Университете штата Северная Каролина на базе Gemma 2 9B Instruct с использованием Unsloth. Модель предназначена для ответов на вопросы и объяснения тем, связанных с O-RAN и телекоммуникационными интерфейсами; в карточке приведён пример запроса об интерфейсе E2. Модель построена на плотной архитектуре Gemma 2, содержит 9 млрд параметров и принимает текстовые запросы, выдавая текст. Контекстное окно составляет 8192 токена. Карточка указывает английский язык. Модель распространяется по лицензии Gemma.

ORANSight Llama-8B Instruct — разговорная языковая модель, разработанная NextG Lab при Университете штата Северная Каролина. Это дообученная версия Meta-Llama-3.1-8B-Instruct-bnb-4bit с архитектурой LlamaForCausalLM и 7,5 млрд параметров; модель опубликована в формате Safetensors и рассчитана на контекст до 131 072 токенов. Модель предназначена для диалога и генерации ответов в роли помощника по O-RAN: например, для объяснения интерфейсов и понятий O-RAN. README показывает использование через Transformers и system prompt с ролью эксперта O-RAN. Поддерживается англоязычное взаимодействие; метаданные также отмечают интерфейс вызова инструментов. Модель распространяется по лицензии Llama 3.1. Подробная статья с результатами экспериментов в карточке обозначена как готовящаяся к публикации, поэтому приведённые сведения не устанавливают её качество в профильных задачах.

Ornith-1.0-9B-DSpark — производственный черновой спекулятор DSpark от Stanley Phoong для ускорения генерации моделью deepreinforce-ai/Ornith-1.0-9B. Это не самостоятельная языковая модель: артефакт содержит BF16-веса черновой модели на архитектуре Qwen35DSparkModel с пятью слоями, которая предлагает блоки токенов, а целевая модель-проверяющий принимает или отклоняет их. Для работы нужны точная совместимая версия Ornith-1.0-9B и специальная поддержка DSpark в serving-стеке на базе vLLM. Модель предназначена для спекулятивного декодирования текстовой генерации. На тестовой конфигурации Ornith, vLLM и NVIDIA B200 средняя длина принятого блока составила 4,5865 токена, а квалификационные проверки прошли 17 из 17. Эти результаты относятся к указанной конфигурации и не гарантируют аналогичного ускорения на другом оборудовании или при иных настройках. Маршрут DSpark проверен для запросов, где сумма длины промпта и запрошенного ответа не превышает 4096 токенов; более длинные запросы следует направлять напрямую в целевую модель, поддерживающую контекст до 262144 токенов. Черновик специфичен для Ornith-1.0-9B, не является чат-моделью или универсальным генератором, а мультимодальная работа не проверялась. Лицензия — MIT.

POLAR-7B — модель вознаграждений, разработанная командой InternLM и основанная на InternLM2.5-7B. Она присваивает оценку ответу языковой модели, сопоставляя его с запросом и эталонной траекторией; для оценки требуется передать prompt, reference и candidate output. Модель обучена по парадигме Policy Discriminative Learning: она различает сходные и отличающиеся политики и подходит для настройки с подкреплением (RFT), ранжирования траекторий и отбора ответов по предпочтениям. В отличие от POLAR-7B-Base, этот чекпойнт дополнительно дообучен на общих данных предпочтений и предназначен для непосредственного применения. Модель использует плотную архитектуру InternLM2, содержит 7,4 млрд параметров и поддерживает контекст до 262 144 токенов. В карточке указаны английский и китайский языки. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Для инференса README упоминает Transformers, LMDeploy, SGLang и vLLM; оценка зависит от наличия подходящей эталонной траектории, а модель предназначена для выдачи оценок и не генерирует пользовательский ответ.

Pythia-12B-deduped — англоязычная авторегрессионная языковая модель EleutherAI на архитектуре GPT-NeoX, обученная на глобально дедуплицированной версии датасета The Pile. В каталоге указано 15,4 млрд параметров, контекст — 2048 токенов; модель доступна в формате PyTorch и работает с библиотекой Transformers. Модель создана прежде всего для научных экспериментов над поведением, возможностями и ограничениями больших языковых моделей, включая исследования интерпретируемости. Она генерирует продолжение заданного текста и предоставляет серию промежуточных контрольных точек для изучения динамики обучения. По лицензии Apache 2.0 веса можно дообучать и адаптировать. Это базовая, не настроенная на следование инструкциям модель: она не предназначена для непосредственного развертывания или диалоговых продуктов и может выдавать фактически неверный, оскорбительный или нежелательный текст. Она рассчитана на английский язык и не подходит для генерации на других языках или перевода. Датасет обучения содержит предвзятости и потенциально оскорбительные материалы; перед использованием результатов нужна оценка рисков и проверка человеком.

EleutherAI/pythia-410m-seed6 — базовая авторегрессионная языковая модель из серии PolyPythias, разработанной EleutherAI для исследования стабильности и воспроизводимости предварительного обучения. Вариант seed6 относится к запуску Pythia-410M с отдельным случайным seed; модель имеет архитектуру GPT-NeoX и около 454,2 млн параметров. Модель предназначена для продолжения текста и экспериментов с генерацией, а также для исследований влияния случайной инициализации на обучение языковых моделей. Она обучена на 300 млрд токенов корпуса The Pile, работает с текстом преимущественно на английском языке и поддерживает контекст до 2048 токенов. Это базовая модель, не настроенная на выполнение инструкций или диалоговое следование запросам. Выпущена под лицензией Apache-2.0. README предупреждает, что в данных обучения встречаются предвзятый, оскорбительный и фактически неверный текст; генерация не фильтруется по безопасности и точности. Авторы не рекомендуют модель для производственного развертывания.

Quartz Micro Preview Base — базовая языковая модель Vertex AGI, созданная обучением с нуля. Это причинная модель для генерации и продолжения текста, а не чат-ассистент: контрольные точки не проходили дообучение на инструкциях и не рассчитаны на диалог. Модель совместима с Transformers и использует архитектуру смеси экспертов Quartz MoE; в README указано около 1,03 млрд параметров, из которых активно около 394 млн на токен. Метаданные каталога указывают 336,9 млн параметров. Контекст — 2048 токенов, основной язык карточки — английский. Модель обучена на корпусе примерно из 100 млн токенов, включающем FineWeb-Edu, Wikipedia и CodeParrot-clean, с токенизатором byte-level BPE на 32 тыс. токенов. Её можно применять для экспериментов с компактными MoE-моделями, изучения генерации текста и продолжения англоязычных фрагментов. Это предварительная демонстрационная модель с ограниченными масштабом обучения и набором данных; ожидаются фактические ошибки и слабые общие знания, опубликованных оценок качества нет. Лицензия — Apache-2.0.

JoshuaKelleyDs/quickdraw-ConvNeXT-Tiny-Finetune — дообученная Joshua Kelley модель ConvNeXT-Tiny-224 для классификации изображений. Она принимает изображение и предсказывает его класс; конкретный набор классов и обучающие данные не описаны. В README указаны результаты на оценочном наборе: loss 0,8413 и accuracy 0,7826. Модель основана на facebook/convnext-tiny-224. В репозитории представлены форматы ONNX и safetensors; лицензия — Apache-2.0. Она подходит для классификации изображений в сценариях, где важны классы, на которых модель дообучена, однако описание набора данных и ограничений применения отсутствует.

yifan02/qwen3-0.6b-tool-distill — это компактная языковая модель для генерации текста и вызова инструментов, созданная дообучением Qwen3-0.6B. Автор сообщает, что способности к вызову функций и пошаговому рассуждению перенесены из Qwen3-8B с помощью последовательной дистилляции знаний и полного SFT. Модель предназначена для локального запуска на CPU и устройствах с ограниченными ресурсами, прежде всего для управления аудиоустройствами через семь пользовательских инструментов. Модель имеет плотную архитектуру Qwen3ForCausalLM, около 508 млн параметров и контекст до 40 960 токенов. В описанной автором оценке на 227 синтетических примерах точное совпадение вызова инструмента составило 94,3%, точность выбора инструмента — 94,9%, соответствие параметров схеме — 99,4%; эти результаты относятся к собственному тестовому набору автора. Репозиторий содержит веса в safetensors, лицензия — Apache-2.0. Модель ориентирована на китайский язык согласно языковым метаданным карточки. Автор отмечает, что синтетические тестовые данные имеют регулярное распределение, выборка невелика, а при нескольких вызовах инструментов в одном запросе модель уступает более крупной модели примерно на 17 процентных пунктов.

Карточка модели huluhuluu/qwen3-1.7b-eagle3-sharegpt-sw512-epoch9-step425000 на Hugging Face совпадает с карточкой huluhuluu/qwen3-1p7b-eagle3-sharegpt-sw512-epoch-9-step-425000, поэтому описание составлено по ней. Это чекпойнт черновой модели EAGLE3, разработанный с помощью SpecForge и обученный для Qwen/Qwen3-1.7B. Он предназначен для ускорения генерации текста методом speculative decoding: черновая модель предлагает продолжения, которые проверяет целевая модель Qwen3-1.7B. Чекпойнт не является самостоятельной языковой моделью. Модель использует архитектуру LlamaForCausalLMEagle3, имеет 361,5 млн параметров и поддерживает контекст длиной до 40 960 токенов. Она принимает текст и предлагает текстовые продолжения для целевой модели. Для работы нужны SpecForge или совместимый с EAGLE3 код и веса целевой Qwen/Qwen3-1.7B; веса целевых эмбеддингов в чекпойнт не включены. Карточка не приводит результатов бенчмарков. Лицензия указана как other, поэтому условия использования следует сверять с файлами репозитория.

Карточка модели huluhuluu/qwen3-1.7b-eagle3-sharegpt-sw512-epoch9-step435000 на Hugging Face совпадает с карточкой huluhuluu/qwen3-1p7b-eagle3-sharegpt-sw512-epoch-9-step-435000, поэтому описание составлено по ней. Это дообученный черновой чекпойнт EAGLE3 для ускорения генерации текста методом спекулятивного декодирования вместе с целевой моделью Qwen/Qwen3-1.7B. Модель обучена с помощью SpecForge; указаны девять эпох, шаг 435000 и архитектура LlamaForCausalLMEagle3 с размером скрытого слоя 2048. Веса представлены в формате safetensors, тип данных — bfloat16. Чекпойнт предназначен для SpecForge и совместимого кода EAGLE3: он предлагает черновые токены для проверки целевой моделью. Самостоятельно генерировать текст он не предназначен; эмбеддинги целевой модели загружаются отдельно. Контекстная длина в метаданных — 40960 токенов. В карточке указаны английский и китайский языки, лицензия обозначена как other.