II.2Создание и понимание программного кода

Tiel-Coder-35B-A3B-GGUF — это локальная GGUF-квантизованная версия модели Ornith-1.5-35B-A3B, опубликованная npario и основанная на разработке ornith-ai. Модель предназначена прежде всего для агентного программирования, исправления задач в существующих кодовых базах и длительных многошаговых диалогов. Она использует MoE-архитектуру с 35 млрд параметров и примерно 3 млрд активных параметров, а также гибридную структуру SSM/attention с двумя KV-головами. Модель поддерживает текстовые и визуальные сценарии: она может анализировать скриншоты, трассировки ошибок и дизайн-макеты. Заявлены английский и китайский языки. Vision tower унаследован от Ornith-1.5; для него требуется отдельный файл mmproj-BF16.gguf размером около 903 МБ. Доступны варианты квантизации от 2 до 8 бит, размером примерно от 12,3 до 38,5 ГБ. Точный размер контекстного окна в README не указан, но благодаря гибридной архитектуре и двум KV-головам кэш контекста занимает меньше памяти, чем у плотной модели сопоставимого размера. Сильные стороны модели — скорость, эффективность на задачах программирования, стабильность в многоходовых диалогах и поддержка локального запуска через llama.cpp. По приведённым тестам, 4-битная версия решила 12 из 25 задач SWE-bench-Live и показала результат 67,2 в Claw-Eval. Ограничения — заметно более слабые результаты в знаниях и сложном рассуждении: результат MMLU-Pro составляет 73,7, а авторы отдельно отмечают слабость в trivia-задачах. Модель распространяется по лицензии MIT.

Tiel-Coder-35B-A3B-MLX-oQ6e-MTP — это квантованная версия Ornith-1.5-35B-A3B от ornith-ai, подготовленная пользователем peculiar-ragdoll для запуска через MLX. Модель ориентирована прежде всего на агентное программирование, исправление реальных проблем в кодовых базах и длительные многоходовые диалоги. Она основана на архитектуре MoE с заявленными 35B общих параметров и 3B активных параметров, использует 6-битное динамическое смешанное квантование oQ6e с imatrix, шаблон чата Sharp и обученную голову multi-token prediction (MTP) для ускоренного декодирования. Поддерживаются текст и изображения, а заявленные языки — английский и китайский. Встроенный vision-проектор поставляется в той же папке, отдельно загружать его не требуется. Сильными сторонами модели являются скорость, эффективность в задачах программирования и качество многоходового общения. В README она описывается как особенно подходящая для практической работы с кодом, тогда как для викторин, экзаменационных знаний и сложного общего рассуждения рекомендуется использовать другие модели. Приведённые результаты SWE-bench и других тестов относятся к сборке GGUF, а не непосредственно к этому MLX-файлу, поэтому их нельзя считать точными измерениями данной версии. Для запуска рекомендуется oMLX, который поддерживает MTP. Версия несовместима с ML Studio: его MLX-движок некорректно исполняет MTP и генерирует бессмысленный многоязычный текст. Для LM Studio следует использовать сборку GGUF или вариант MLX без MTP. Модель распространяется по лицензии MIT.

Trinity-2-Codestral-22B-v0.2 — модель для программирования из серии Trinity, созданной Migel Tissera. Это дообученная версия Codestral-22B-v0.1 от Mistral AI: плотная авторегрессионная модель семейства Mistral с 22 млрд параметров. Она предназначена для генерации кода и диалоговых запросов; метаданные указывают поддержку чата и контекст до 32 768 токенов. Для общения используется формат ChatML. В README приведены результаты оценки на Open LLM Leaderboard, включая средний балл 21,87, IFEval 43,45 и BBH 37,61; полного набора результатов в доступной карточке нет. Языки программирования и естественные языки отдельно не перечислены. Лицензия указана как other, поэтому условия использования следует проверять в файлах репозитория.

Vibe Coder v2.0 MAX — дообученная языковая модель для генерации и анализа кода, разработанная на базе Qwen2.5-Coder-7B-Instruct. Она ориентирована на создание полнофункциональных веб-приложений и компонентов с использованием Next.js, React и TypeScript, а также Tailwind CSS, Zustand и Prisma. Архитектура — плотная Qwen2 с 7,1 млрд параметров; модель доступна в формате Safetensors, поддерживает контекст до 32 768 токенов и рассчитана на работу через Transformers. Модель предназначена для генерации компонентов интерфейса, API-маршрутов и серверной логики, а также для доработки и отладки веб-проектов. В README заявлены диалоговое взаимодействие, поддержка современных веб-технологий и стремление выдавать законченный код без заглушек. Эти заявления описывают цели модели, но не подтверждают гарантированное качество результата. Модель поддерживает английский язык по метаданным. Лицензия — Apache-2.0.

Vibe-Coding-Claude-Fable-5 — дообученная инструктивная причинная языковая модель, разработанная Lazarus19 на базе Qwen2.5-7B-Instruct. Это плотная архитектура Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов; модель предназначена для генерации кода и помощи в разработке ПО. Карточка заявляет поддержку английского языка и работы с распространёнными языками программирования, библиотеками и фреймворками. Модель подходит для создания и объяснения кода, отладки, разработки API и веб-приложений, обсуждения архитектуры ПО и подготовки технической документации. В метаданных основная задача указана как text-classification, однако карточка описывает генерацию текста и кода; каталог также относит модель к text-generation, что соответствует заявленным сценариям. Модель может выдавать логически неверный или небезопасный код и выдумывать API; специализированные технологии и сложные проекты могут требовать дополнительного контекста. Результаты следует проверять перед использованием. Лицензия — Apache-2.0.

VL-1-Coder — инструкционная языковая модель VectionLabs для генерации кода и диалогового взаимодействия. Она дообучена на базе Qwen/Qwen2.5-Coder-7B-Instruct; метаданные указывают архитектуру Qwen2, 7,1 млрд параметров и формат safetensors. Модель принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и рассчитана прежде всего на английский и итальянский языки. Модель предназначена для написания и анализа кода, разработки пользовательских интерфейсов и серверных систем, решения алгоритмических задач и разбиения сложных запросов на этапы. В README VectionLabs заявляет сжатые рассуждения и ответы с небольшим количеством вводного текста, однако эти характеристики не сопровождаются результатами сравнительной оценки. Лицензия — Apache-2.0.

Vortex-9B-CodeCore-Merge — экспериментальная объединённая модель на 9 млрд параметров от prithivMLmods, предназначенная для генерации кода и многошаговых задач программной инженерии. Она объединяет Qwen3.5-9B, NeoHorse-1-9B, Qwopus3.5-9B-Coder и Ornith-1.5-9B; архитектура относится к семейству Qwen 3.5, для работы указана библиотека Transformers. Модель рассчитана на написание и понимание кода, внесение изменений, отладку, следование инструкциям, рассуждения и агентные рабочие процессы с использованием инструментов. В метаданных отмечены чат и интерфейс вызова инструментов. Карточка описывает её как экспериментальную и предупреждает, что модель может генерировать артефакты. Лицензия — Apache 2.0.

VultronCoderAtlas — разреженная мультимодальная модель семейства Kimi K3, разработанная Vultr на основе moonshotai/Kimi-K3. В ней около 2,10 трлн параметров, организованных в 93 трансформерных блока: один плотный и 92 MoE-блока. Для сокращения модели применён метод Router-weighted Expert Activation Pruning (REAP): в каждом MoE-блоке оставлено 672 эксперта с сохранением маршрутизации top-16. Модель принимает текст и изображения и выдаёт текст; контекстное окно составляет до 1 048 576 токенов. Модель предназначена для работы с крупными репозиториями и сопровождения кода, coding-агентов с инструментами, анализа длинных технических материалов и задач по изображениям и тексту. README приводит результаты оценивания на DeepSWE, Terminal-Bench, HumanEval+, MBPP+ и MMMU-Pro; проверка релиза охватывает англоязычные сценарии. Для многошаговых запросов требуется передавать полную историю ответа ассистента, включая reasoning_content, content и tool_calls. Checkpoint занимает около 1,2 ТБ и требует многопроцессорной GPU-конфигурации, нативных MXFP4-ядер и движка инференса с поддержкой Kimi K3, его парсеров рассуждений и вызова инструментов. Модель может генерировать неверный код или некорректные вызовы инструментов, а агентные результаты могут варьироваться. В метаданных указана лицензия other; конкретные условия лицензии в предоставленной карточке не раскрыты.

WhiteRabbitNeo-2.5-Qwen-2.5-Coder-12.3B — языковая модель семейства Qwen2 для генерации текста, представленная как слияние моделей с помощью mergekit и метода passthrough. В состав слияния вошла WhiteRabbitNeo/WhiteRabbitNeo-2.5-Qwen-2.5-Coder-7B; метаданные также указывают её как базовую дообученную модель. Модель содержит 11,7 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогового использования и унаследовала специализацию базовой модели на генерации кода и помощи в задачах кибербезопасности. Она принимает текст и генерирует текст. В репозитории указаны веса Safetensors и библиотека Transformers. Сведения о лицензии в предоставленных данных отсутствуют.

WhiteRabbitNeo-2.5-Qwen-2.5-Coder-7B-GGUF — это набор GGUF-квантизаций модели WhiteRabbitNeo-2.5-Qwen-2.5-Coder-7B, разработанной WhiteRabbitNeo и подготовленной пользователем bartowski. Модель предназначена для генерации текста и решения задач, связанных с программированием; в карточке указаны английский язык, библиотека Transformers и тег code. Доступны варианты для локального запуска через llama.cpp и LM Studio. Модель относится к семейству Qwen-2.5-Coder и имеет размер 7B параметров. В репозитории представлены версии от F16 до низкобитных форматов Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и IQ4_XS, включая варианты, оптимизированные для ARM. Квантизация выполнена с использованием imatrix на базе llama.cpp; размеры файлов составляют примерно от 4,09 до 15,24 ГБ. Рекомендуемые варианты обеспечивают компромисс между качеством и требованиями к памяти, а Q6_K_L и Q6_K описаны как близкие к исходному качеству. Сильная сторона модели — широкий выбор квантизаций для локального запуска на оборудовании с разным объёмом памяти. Ограничения включают возможное снижение качества в низкобитных вариантах, отсутствие сведений о размере контекста, точной архитектуре, дополнительных языках и мультимодальных возможностях. Лицензия — Apache-2.0.

axxd/wizardllama-7b — объединённая авторегрессионная языковая модель на архитектуре Llama, созданная методом SLERP с помощью mergekit на основе CodeLlama-7b-Python-hf и WizardCoder-Python-7B-V1.0. Веса представлены в формате Safetensors; модель содержит 6,6 млрд параметров и поддерживает контекст до 16 384 токенов. Модель предназначена для генерации и автодополнения кода, в первую очередь Python, на основе текстовых запросов. Объединение двух специализированных кодовых моделей может быть полезно при написании функций, фрагментов программ и ответов на вопросы о коде. В карточке нет результатов оценки качества или подробных рекомендаций по использованию. Лицензия — Apache-2.0.

Карточка модели 21g/Xing4.0-29B-A4B на Hugging Face совпадает с карточкой XingChen-AGI/Xing4.0-29B-A4B, поэтому описание составлено по ней. Xing4.0-29B-A4B — большая языковая модель серии Xing, ранее называвшейся TeleChat, разработанная China Telecom Artificial Intelligence Technology Co., Ltd. Это плотная причинная языковая модель с архитектурой Xing4_0; по README она содержит 29 млрд параметров, из которых активны 4 млрд на токен, а метаданные указывают 6,5 млрд параметров. Модель принимает текст и генерирует текст, поддерживает диалоговый режим и контекст длиной 262 144 токена, который, согласно README, можно расширить до 512 тыс. Модель предназначена для рассуждений, программирования, многошагового планирования и агентных сценариев с вызовом инструментов. Её можно применять для вопросов и ответов по знаниям, понимания таблиц, классификации намерений и аудита контрактов, а также дообучать на данных конкретной предметной области. Для запуска заявлена совместимость с Transformers, vLLM, SGLang и KTransformers; указан формат весов safetensors. Модель разработана и обучалась на Ascend NPU с MindSpore, однако эти сведения сами по себе не ограничивают выбор инфраструктуры для инференса. Карточка не сообщает поддерживаемые естественные языки. Лицензия Apache-2.0. Метаданные и README расходятся в размере модели: 6,5 млрд параметров в метаданных против 29 млрд общих и 4 млрд активных на токен в README.

Xing4.0-29B-A4B — большая языковая модель серии Xing, ранее называвшейся TeleChat, разработанная China Telecom Artificial Intelligence Technology Co., Ltd. Это плотная причинная языковая модель с архитектурой Xing4_0; по README она содержит 29 млрд параметров, из которых активны 4 млрд на токен, а метаданные указывают 6,5 млрд параметров. Модель принимает текст и генерирует текст, поддерживает диалоговый режим и контекст длиной 262 144 токена, который, согласно README, можно расширить до 512 тыс. Модель предназначена для рассуждений, программирования, многошагового планирования и агентных сценариев с вызовом инструментов. Её можно применять для вопросов и ответов по знаниям, понимания таблиц, классификации намерений и аудита контрактов, а также дообучать на данных конкретной предметной области. Для запуска заявлена совместимость с Transformers, vLLM, SGLang и KTransformers; указан формат весов safetensors. Модель разработана и обучалась на Ascend NPU с MindSpore, однако эти сведения сами по себе не ограничивают выбор инфраструктуры для инференса. Карточка не сообщает поддерживаемые естественные языки. Лицензия Apache-2.0. Метаданные и README расходятся в размере модели: 6,5 млрд параметров в метаданных против 29 млрд общих и 4 млрд активных на токен в README.

Карточка модели emhltbkars/xxx на Hugging Face совпадает с карточкой ornith-ai/Ornith-1.0-9B, поэтому описание составлено по ней. Ornith-1.0-9B — плотная языковая модель примерно на 9 млрд параметров от команды Ornith, разработанная для агентного программирования. Она дообучена на базе Qwen 3.5 с применением обучения с подкреплением: модель учится планировать траектории поиска и генерировать решения для задач разработки. Версия 9B предназначена для эффективного запуска на одной GPU и хранится в формате safetensors; для обслуживания авторы приводят рецепты на vLLM, SGLang и Transformers. Модель подходит для программирования через терминальные агентные интерфейсы, работы с кодовыми базами, автоматизации задач разработки и вызова инструментов. В README заявлены результаты на Terminal-Bench 2.1, SWE-Bench, NL2Repo и других бенчмарках, однако численные результаты в предоставленном тексте опущены. Примеры конфигурации используют контекст до 262 144 токенов; это значение указано как параметр запуска, а не как подтверждённая нативная длина контекста. Лицензия — MIT. README не сообщает поддерживаемые естественные языки.

BenevolenceMessiah/Yi-Coder-9B-Chat-8x-MoE — диалоговая языковая модель для генерации кода и помощи в программировании, созданная с помощью mergekit на основе 01-ai/Yi-Coder-9B-Chat. В README описана сборка MoE с восемью экспертами, каждый из которых основан на одной и той же исходной модели; архитектура указана как MixtralForCausalLM. Модель содержит 8,6 млрд параметров и работает с контекстом до 131 072 токенов. Она предназначена для запросов на естественном языке о коде, генерации и объяснения программ, а также работы с длинными фрагментами кода и техническими материалами. Исходное семейство Yi-Coder поддерживает 52 языка программирования; это число относится к семейству, поэтому README не подтверждает одинаковое качество на каждом языке именно этой сборки. Модель принимает и генерирует текст. Лицензия — Apache-2.0. README описывает экспериментальную MoE-сборку с повторением одной базовой модели среди экспертов; отдельные результаты оценки качества этой версии не приведены.

zen4-coder-pro-i1-GGUF — набор квантованных GGUF-версий модели zenlm/zen4-coder-pro. Базовая модель разработана zenlm, а квантование выполнено mradermacher. Модель предназначена прежде всего для генерации и обработки программного кода, включая локальный запуск в совместимых инструментах для GGUF. Доступны варианты квантования i1-IQ и i1-Q с размерами примерно от 16,3 до 65,6 ГБ. README указывает английский язык, библиотеку Transformers и текстовую модальность; сведения об архитектуре, количестве параметров и размере контекста не приведены. Варианты различаются компромиссом между размером, скоростью и качеством: Q4_K_M отмечен как быстрый и рекомендуемый, Q4_K_S — как оптимальный по размеру, скорости и качеству, а некоторые низкобитные варианты характеризуются сниженным качеством. Основное преимущество модели — возможность выбрать подходящий уровень квантования для локального использования и ограниченных аппаратных ресурсов. Ограничения связаны с потерями качества у наиболее агрессивно квантованных вариантов, а также с отсутствием в README подробных результатов оценки и технических характеристик базовой модели. Модель распространяется по лицензии Apache-2.0.

Zenith-9B-CodeCore-Merge — экспериментальная объединённая модель на 9 млрд параметров от prithivMLmods, построенная на основе Qwen3.5-9B и объединяющая её с OxCoder-9B, Qwopus3.5-9B-Coder и Ornith-1.5-9B. Модель использует архитектуру Qwen3.5 и предназначена для генерации и понимания кода, многошагового решения задач и следования инструкциям в агентных сценариях. Модель рассчитана на сложные задачи разработки ПО: написание и изменение кода, отладку, анализ кода и длительные автономные рабочие процессы с использованием инструментов. В метаданных указаны диалоговые и интерфейсные возможности вызова инструментов; основной язык карточки — английский. Репозиторий распространяется по лицензии Apache-2.0. Автор предупреждает, что модель экспериментальная и может выдавать артефакты; для GGUF не сохранены заголовки Multi-Token Prediction, поэтому в этом формате генерация выполняется по одному токену за шаг.

Zeta 2.1 — модель предсказания правок кода, разработанная Zed Industries и дообученная на ByteDance-Seed/Seed-Coder-8B-Base. По контексту кода, истории изменений и редактируемому фрагменту рядом с курсором она предлагает переписанное содержимое этого фрагмента; поддерживаются многообластные маркеры редактирования в формате SPM с префиксом, суффиксом и серединой. Модель имеет плотную архитектуру семейства Llama с классом LlamaForCausalLM и 7,6 млрд параметров. Она принимает текстовый контекст кода и выдаёт текст с предлагаемой правкой; нативная длина контекста — 32 768 токенов. Модель ориентирована на англоязычные сценарии, лицензия — Apache-2.0. Её назначение — подсказки для редактирования кода с учётом контекста проекта и предыдущих правок. Карточка не приводит оценки качества или список поддерживаемых языков программирования, поэтому пригодность для конкретного языка кода следует проверять отдельно.

Zrald/Zrald-AI-model-quant-qwen-3.8-27b — набор GGUF-квантований Qwen3.8-27B, опубликованный Zrald для локального запуска через llama.cpp. Это плотная модель на 27 млрд параметров, дообученная на базе Qwen/Qwen3.8-27B; репозиторий предлагает три варианта с разным балансом размера, скорости и сохранения качества. README описывает применение для диалогов, программирования, рассуждений и инструктивных задач. Варианты занимают от 10,18 до 17,08 ГиБ; заявлены сценарии запуска на видеокартах с 12, 16 и 24 ГБ памяти, а для старшего варианта — контекст до 32 тысяч токенов. Автор сообщает о тестировании на AMD Instinct MI300X и совместимости с llama.cpp. Лицензия — Apache-2.0. Это текстовая модель генерации; мультимодальные функции базовой модели в карточке этого репозитория не заявлены.

33x-coder — языковая модель для генерации кода на основе архитектуры Llama, опубликованная пользователем senseable. Она предназначена для помощи разработчикам: модель может генерировать код и скрипты, разбирать задачи программирования, предлагать отладочные решения и давать рекомендации по коду. Модель имеет плотную архитектуру LlamaForCausalLM и 33,1 млрд параметров. Она работает с текстом и рассчитана на контекст до 16 384 токенов. В карточке заявлена поддержка разных языков программирования и сценариев разработки; в метаданных указан английский язык. Модель доступна в формате safetensors через Transformers и распространяется по лицензии Apache-2.0. Карточка заявляет генерацию синтаксически корректных фрагментов кода и программных рекомендаций, но не приводит независимых оценок качества или подробностей обучения. Сгенерированный код следует проверять и тестировать перед использованием.

AlchemistCoder-DS-6.7B — разговорная модель для генерации кода из семейства AlchemistCoder, разработанного авторами исследования «AlchemistCoder: Harmonizing and Eliciting Code Capability by Hindsight Tuning on Multi-source Data». Это плотная авторегрессионная модель архитектуры LlamaForCausalLM с 6,6 млрд параметров и контекстом до 16 384 токенов; она предназначена для генерации кода и выполнения инструкций, связанных с кодом. Модель дообучена на разнотипных источниках данных объёмом 200 млн токенов. В обучении использовались специальные подсказки для согласования стилей и качества данных, а также задания на понимание кода, развитие инструкций, фильтрацию данных и ревью кода. Авторы сообщают о результатах на тестах генерации кода и общих способностей; эти заявления приведены в README и сами по себе не гарантируют качество на конкретных задачах. Модель распространяется в формате PyTorch по лицензии Apache-2.0. README не уточняет базовую модель, поддерживаемые языки программирования и языки естественного общения.

all-MiniLM-L12-v2-code-search-512 — это компактная модель Sentence Transformers, дообученная на парах кода и документации из CodeSearchNet для семантического поиска по коду. Она сопоставляет текстовые запросы на естественном языке с исходным кодом и возвращает 384-мерные нормализованные эмбеддинги для поиска по косинусному сходству. Модель основана на архитектуре BERT семейства MiniLM, содержит 40 млн параметров и принимает последовательности длиной до 512 токенов. Модель подходит для поиска фрагментов кода по запросу, сопоставления кода с документацией, поиска похожего кода и кластеризации, в том числе при интеграции в инструменты разработчика и IDE. В README приведены результаты на валидационной выборке CodeSearchNet: Accuracy@1 91% и MRR@10 0,9338. Поддерживаются запросы на естественном языке и код на Python, Java, JavaScript, PHP, Ruby и Go; возможны и другие языки из CodeSearchNet. Модель не предназначена для генерации или автодополнения кода. Входы длиннее 512 токенов обрезаются, а качество может различаться между языками программирования и предметными областями. Лицензия — Apache-2.0.

BAAI/AquilaCode-multi — модель генерации текста из семейства Aquila, опубликованная BAAI. В карточке указаны версия v0.9 и файлы AquilaCode-mutil; README описывает Aquila как двуязычную китайско-английскую языковую модель, обученную с нуля, а семейство — как основанное на архитектурных решениях GPT-3 и LLaMA. По метаданным эта модель имеет плотную архитектуру Aquila, около 6,9 млрд параметров и контекст до 2048 токенов. Модель предназначена для генерации текста и задач с кодом в нескольких языках программирования. README не уточняет полный перечень языков программирования и не приводит отдельные показатели качества именно AquilaCode-multi. Метаданные указывают формат PyTorch и задачу text-generation. Для весов действует лицензия BAAI Aquila Model License Agreement; коммерческое использование допускается при соблюдении её ограничений.

AReaL-boba-2-14B-Open — открытая разговорная языковая модель на 14 млрд параметров, разработанная лабораторией RL Lab компании Ant Research в рамках проекта AReaL. Это плотная модель семейства Qwen3 для генерации текста и диалога; карточка указывает контекст до 40 960 токенов, а интерфейс модели поддерживает вызов инструментов. Модель обучена с помощью асинхронного обучения с подкреплением на базе Qwen3 и предназначена прежде всего для рассуждений при генерации кода и решения задач программирования. В README приведены результаты на LiveCodeBench v5, Codeforces и CodeContests; для 14B-версии указаны 67,3, 1990 и 46,2 соответственно. Модель может использоваться для написания и анализа кода, а также в диалоговых агентных сценариях с инструментами. README также описывает экспериментальную поддержку многошагового обучения агентных моделей, но это относится к системе обучения AReaL, а не гарантирует характеристики каждого сценария применения чекпойнта. Модель распространяется по лицензии Apache-2.0. Доступны веса PyTorch. Показатели на бенчмарках не гарантируют качество на произвольных задачах; README не сообщает о поддерживаемых естественных языках.

AREX-2 — мультимодальная модель на 27 млрд параметров, разработанная Пекинской академией искусственного интеллекта (BAAI) на основе Qwen/Qwen3.8-27B. Это плотная архитектура, совместимая с Qwen3.8; модель принимает текст и изображения и рассчитана на контекст до 262 144 токенов. Она предназначена для длительного итеративного решения задач: предлагает решение, анализирует оценки, логи, ошибки и время выполнения, а затем пересматривает результат. Обучение охватывает задачи машинного обучения и алгоритмического программирования с проверяемой обратной связью, а также данные для глубоких исследований; заявлен перенос навыка самоулучшения на сценарии deep research. Модель применима для программирования, инженерии машинного обучения, многошаговых рассуждений и агентных сценариев с инструментами. Лицензия — Apache 2.0. Карточка предназначает модель для исследований и не приводит количественных результатов оценки в доступном тексте; для работы требуется актуальная версия Transformers с поддержкой Qwen3.8.

AutoCoder_QW_7B — разговорная модель для генерации кода, основанная на CodeQwen1.5-7b. Разработчик сообщает, что в этой версии исправлено поведение запуска интерпретатора кода: модель должна запускать его не только по просьбе проверить код. Для простого создания кода без интерпретатора README предлагает отдельный сценарий использования. Модель построена на архитектуре Qwen2 и содержит 6,9 млрд параметров; заявленное максимальное окно контекста — 65 536 токенов. Она принимает текст и выдаёт текст, поддерживает чат и распространяется в формате Safetensors. Лицензия — Apache-2.0. README не уточняет поддерживаемые языки программирования и языки общения, а также не приводит результатов оценки качества.

AutoDev Coder — разговорная модель для генерации кода, представленная в репозитории unit-mesh/autodev-coder. Согласно README, она основана на DeepSeek-Coder-6.7B-Instruct, который дообучен на 2 млрд токенов инструкционных данных и восходит к DeepSeek-Coder-6.7B-Base. В метаданных указаны архитектура LlamaForCausalLM, плотная модель на 6,6 млрд параметров и контекст до 16 384 токенов. Модель предназначена для диалога и генерации текста, прежде всего для задач программирования: например, написания и дополнения кода по инструкциям. В README нет конкретных результатов оценки или списка поддерживаемых языков программирования и естественных языков. Репозиторий содержит веса в формате Safetensors; лицензия обозначена как other, поэтому условия использования следует сверить с лицензией репозитория.

BagOClownCoders-ties-7B — объединённая языковая модель на архитектуре Mistral, созданная автором репозитория методом TIES с помощью mergekit. В качестве базовой использована beowolx/MistralHermes-CodePro-7B-v1; в объединение также вошли beowolx/CodeNinja-1.0-OpenChat-7B и teknium/OpenHermes-2.5-Mistral-7B. Модель предназначена для генерации текста в диалоговом формате и задач программирования, включая написание и дополнение кода. Она содержит 7,1 млрд параметров, использует плотную архитектуру Mistral, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors для Transformers. В метаданных указана возможность чата. Языки в предоставленных данных не перечислены. Качество и ограничения модели отдельно не описаны. Лицензия в предоставленных данных не указана.

BigBang-V1 — мультимодальная модель общего назначения, разработанная Endless Frontier на основе Qwen3.6-35B-A3B. Авторы дообучили её с помощью постобучения на примерно 10 тысячах синтетических научных и технических задач, которые генераторы и критики итеративно усложняли и проверяли. Модель предназначена для научных исследований, сложных рассуждений, программирования, длительного поиска и работы с инструментами; поддерживает диалог и анализ изображений. Модель построена на архитектуре Qwen3.5 MoE и распространяется в формате Safetensors для Transformers. В README указан контекст до 262 144 токенов; авторы рекомендуют сохранять не менее 128 тысяч токенов для сложных задач. В README приведены сильные результаты на бенчмарках научных исследований, поиска, программирования и AI-исследований, однако это результаты авторской оценки и не гарантия качества для конкретного сценария. Лицензия — Apache-2.0.

Blossom-V7.1-35B-A3B-GGUF — открытая мультимодальная модель общего назначения из семейства Blossom-V7.1, разработанная командой Azure99. Это GGUF-вариант модели Blossom-V7.1-35B-A3B на базе Qwen3.6-35B-A3B, предназначенный прежде всего для локального запуска и совместимый с llama.cpp и другими поддерживающими GGUF инструментами. Модель рассчитана на повседневный диалог, работу с общими знаниями, математические задачи и рассуждения, программирование, веб-разработку, визуализацию данных и агентские сценарии с использованием инструментов. Она принимает текст и изображения, поддерживает английский и китайский языки, использует два режима рассуждений — medium и max — и допускает интерливинг рассуждений с вызовами инструментов. Максимальная длина контекста составляет 262 144 токена, при этом для лучших результатов рекомендуется использовать до 131 072 токенов. Также поддерживается ускорение инференса с помощью Multi-Token Prediction. К сильным сторонам относятся мультимодальное понимание изображений, длинный контекст, ориентированность на агентские рабочие процессы и возможность локального развертывания. Вариант 35B-A3B позиционируется как компромисс между качеством и скоростью для CPU или гибридной CPU/GPU-инференции, включая частичную выгрузку на CPU. Для корректной работы необходимо использовать встроенный пользовательский chat template, а в многошаговых диалогах сохранять полное предыдущее сообщение ассистента вместе с данными о рассуждениях и вызовах инструментов. Лицензия — Apache-2.0.