II.2Создание и понимание программного кода

akcit-motion/qwen2.5-7b-instruct-motion — языковая модель для генерации текста и диалогового взаимодействия, размещённая на Hugging Face. README модели автоматически сгенерирован и не содержит сведений о разработчике, обучающих данных, результатах оценки или лицензии. Модель содержит 7,1 млрд параметров, относится к семейству Qwen2.5 по идентификатору и предназначена для использования через библиотеку Transformers. Заявленная длина контекста составляет 32 768 токенов. Поддерживается задача text-generation; тег conversational указывает на сценарии диалоговой генерации. Модель может применяться для генерации ответов, продолжения текста и построения диалоговых интерфейсов. Из-за отсутствия подробной документации нельзя подтвердить поддерживаемые языки, качество на конкретных наборах данных, специализацию, безопасность и условия лицензирования.

insraq публикует версию EmperoAI Qwen3.8-4B с ослабленным отказом от ответов, созданную инструментом Heretic v1.4.0. В основе — объединение моделей empero-ai/Qwen3.8-4B и Qwen/Qwen3.5-9B; карточка описывает исходную Qwen3.8-4B как дистиллированную модель для рассуждений, математики и следования инструкциям. Репозиторий содержит веса в формате Safetensors для Transformers; метаданные указывают архитектуру Qwen3.5 с плотной моделью и диалоговые возможности. Модель предназначена для диалоговой генерации текста, ответов на инструкции и задач рассуждения. В README указано, что версия рассчитана на текст; визуальные возможности базовой архитектуры не оценивались. Исходная Qwen3.8-4B описана как модель на 4 млрд параметров с контекстом 262 144 токена, однако для данного репозитория эти характеристики прямо не подтверждены. README приводит результаты сравнения отказов: 6 из 100 против 99 из 100 у исходной модели, а также отмечает риск повторяющихся циклов при жадной генерации. Лицензия — Apache-2.0. Модель может выдавать ответы на запросы, от которых исходная версия отказывалась; качество и поведение на визуальных задачах не оценивались в README.

Qwen3.8-27B-TURBO-Fable-MXFP4-awq — мультимодальная квантованная модель, опубликованная just1moremodel. Она основана на Qwen3.8-27B и производной модели DavidAU Qwen3.8-27B-TURBO-Fable-Cold-Fusion-735-882-Heretic-Uncensored-NM-DAU, созданной с применением многоэтапного обучения Cold Fusion и GAIN, а также модификации с неограниченным поведением. Модель предназначена для следования инструкциям, генерации творческого текста и диалоговых сценариев без встроенного защитного выравнивания; заявлен английский язык. Модель имеет плотную архитектуру на 27 млрд параметров и 64 слоя, представлена архитектурой Qwen3_5ForConditionalGeneration с сохранённой vision tower, поэтому поддерживает текстовые и визуальные входы. Контекст при рекомендованном запуске через vLLM составляет до 32 768 токенов. Веса сжаты методом AMD Quark MXFP4 W4A8 с AWQ: веса используют fp4 с размером группы 32, активации — динамический fp8. Размер файла модели составляет около 18,04 GiB вместо примерно 55 GB для исходной BF16-версии; предусмотрена поддержка speculative decoding через MTP. К сильным сторонам относятся существенное снижение требований к памяти, поддержка мультимодальности, режимов рассуждения и совместимого с OpenAI API сервинга через vLLM. Модель проверена на AMD RDNA4 в конфигурации TP2 и обеспечивает связные ответы, однако требуется совместимый стек vLLM с ядрами Quark/MXFP4; на одной видеокарте с 32 GB памяти запуск может быть слишком тесным. Квантование может немного ухудшать качество по сравнению с BF16, а формальные сравнительные бенчмарки не представлены. Модель не имеет встроенных ограничений безопасности и предназначена для взрослых, исследовательских и ответственных сценариев использования. Лицензия — Apache-2.0.

Qwen3-8B TMax AENV v39b, итерация 69 — чекпойнт Qwen3-8B, опубликованный willamazon1. Модель дообучена с подкреплением методом group-relative policy optimization на асинхронных траекториях в многоходовых агентных средах; исходным чекпойнтом был willamazon1/qwen3-8b-tmax-sft-v3-iter353, ранее дообученный на Qwen/Qwen3-8B. Это плотная авторегрессионная языковая модель на 7,6 млрд параметров с контекстом до 40 960 токенов, поддержкой диалоговой генерации и интерфейсом вызова инструментов. Модель предназначена для генерации текста в диалогах и агентных сценариях, где требуется вести многоходовое взаимодействие и использовать инструменты. Это одна из итераций обучающего запуска; в той же коллекции опубликованы другие точки обучения, что позволяет сравнивать изменения по ходу обучения. Доступны веса bfloat16 в формате safetensors; чекпойнт преобразован из Megatron-LM torch_dist, состояние оптимизатора не включено. Лицензия — Apache-2.0.

Re:ultiima-32B — плотная языковая модель на 32 млрд параметров, созданная TeamDelta слиянием моделей Qwen2.5 с помощью TIES и mergekit. В качестве основы использована Qwen/Qwen2.5-32B, в слияние также включена Qwen/Qwen2.5-32B-Instruct; веса представлены в формате safetensors, а README указывает dtype float16. Модель предназначена для генерации текста и диалоговых сценариев; метаданные также отмечают интерфейс вызова инструментов. Для неё заявлен контекст до 131 072 токенов. Карточка указывает английский язык, поэтому не следует считать поддержку других языков подтверждённой. Модель распространяется по лицензии Apache-2.0.

arcee-ai/Saul-Nous-Hermes-2-Mistral-7B-DPO-Ties — языковая модель, созданная Arcee AI объединением моделей Equall/Saul-Base и NousResearch/Nous-Hermes-2-Mistral-7B-DPO с помощью mergekit и метода TIES. В конфигурации также указана Mistral-7B-v0.1 как базовая модель. Это плотная авторегрессионная модель Mistral на 7,1 млрд параметров для генерации текста; репозиторий содержит веса в формате safetensors, а конфигурация слияния использует float16. Модель предназначена для генерации текста и диалоговых сценариев. Контекст составляет до 32 768 токенов. Метаданные указывают лицензию Apache-2.0. README и метаданные не описывают результаты оценки качества или специальные ограничения применения, поэтому характеристики ответов в конкретных задачах следует проверять отдельно.

SeaLLM-7B-v2-bonito-v1-slerp — объединённая модель на основе SeaLLM-7B-v2 и Bonito-v1, созданная с помощью LazyMergekit методом SLERP. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM, содержащая 7,1 млрд параметров и принимающая текст для генерации текста. Модель предназначена для сценариев генерации текста и выполнения инструкций; карточка не описывает отдельную специализацию объединённой модели. Контекст модели составляет 32 768 токенов. Веса опубликованы в формате Safetensors с точностью bfloat16. Базовая SeaLLM-7B-v2 рассчитана на английский и языки Юго-Восточной Азии, однако README объединённой модели не уточняет языковое покрытие или сравнительное качество получившейся версии. Лицензия в предоставленных данных не указана.

Hjgugugjhuhjggg/semi_final — объединённая диалоговая языковая модель, созданная с помощью mergekit методом TIES на базе huihui-ai/Llama-3.2-3B-Instruct-abliterated. Модель семейства Llama имеет 3,2 млрд параметров, использует архитектуру LlamaForCausalLM и распространяется в формате safetensors. Модель предназначена для генерации текста и ведения диалога. Контекст составляет до 131 072 токенов; в метаданных также указана возможность интерфейса вызова инструментов. Карточка не описывает отдельные прикладные области или дополнительные языки, поэтому модель можно отнести к общему назначению. Модель представляет собой слияние нескольких чекпойнтов, а не самостоятельное дообучение. Сведения о лицензии в предоставленных источниках отсутствуют.

SLIM-SENTIMENT — специализированная авторегрессионная модель серии SLIM от llmware, дообученная для анализа тональности через вызовы функций. Она принимает текст и формирует структурированный ответ в виде словаря Python с тональностью, например positive, пригодный для автоматизированных рабочих процессов и обработки другими программами. Модель построена на архитектуре Llama, содержит 1 млрд параметров и имеет контекст длиной 2048 токенов. В README показан запуск через Transformers и библиотеку llmware. Модель распространяется по лицензии Apache-2.0. Карточка описывает задачу анализа тональности, но не сообщает поддерживаемые языки или результаты оценки качества.

SOLAR-DUS-implement — текстовая генеративная модель на архитектуре Llama, созданная Cartinoe5930 с помощью LazyMergekit. Это слияние двух диапазонов слоёв модели Cartinoe5930/Llama2_init_Mistral методом passthrough; опубликованные веса имеют формат Safetensors и тип float16. Модель содержит 10,6 млрд параметров, а её контекст составляет 4096 токенов. Модель предназначена для генерации текста и может применяться для диалогов, написания черновиков и ответов на вопросы. В README приведены результаты на задачах ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K. Указанная лицензия — Apache-2.0. Языковая специализация и отдельные ограничения в карточке не описаны.

StrangeMerges_1-7B-slerp — объединённая модель для генерации текста, созданная с помощью LazyMergekit из FelixChao/WestSeverus-7B и mlabonne/Daredevil-7B методом SLERP. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации продолжений и диалоговых ответов на текстовые запросы. В README приведена конфигурация слияния слоёв внимания и MLP; веса сохранены в формате Safetensors. Данные о лицензии и поддерживаемых языках в предоставленных источниках отсутствуют.

WONMSeverusDevil-TIES-7B — объединённая автором jsfs11 языковая модель на архитектуре Mistral, созданная с помощью LazyMergekit из FelixChao/WestSeverus-7B-DPO-v2, jsfs11/WestOrcaNeuralMarco-DPO-v2-DARETIES-7B и mlabonne/Daredevil-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и диалоговых ответов; её контекст составляет до 32 768 токенов. В README приведены результаты оценки на наборах AGIEval, GPT4All, TruthfulQA и Bigbench, однако они не описывают отдельные гарантированные возможности модели. Доступна в формате safetensors по лицензии Apache-2.0. Языки и специализированные предметные области в предоставленных данных не обозначены.

Карточка модели LoyalTyAI/ygngyotal.1 на Hugging Face совпадает с карточкой dphn/Dolphin-Mistral-24B-Venice-Edition, поэтому описание составлено по ней. Dolphin Mistral 24B Venice Edition — разговорная модель общего назначения, созданная в совместном проекте Dolphin и Venice.ai на основе Mistral-Small-24B-Instruct-2501. Это плотная модель семейства Mistral 3 с 24 млрд параметров, представленная в формате safetensors и рассчитанная на работу через Transformers; для развёртывания авторы рекомендуют vLLM. Модель предназначена для диалогов и выполнения инструкций в приложениях, где владелец задаёт системный промпт и самостоятельно определяет стиль и правила ответов. Авторы позиционируют её как менее ограниченную настройками поведения, чем обычные коммерческие чат-модели, и сообщают, что она используется как модель Venice Uncensored. В карточке указан стандартный шаблон чата Mistral; авторы рекомендуют низкую температуру генерации, например 0,15. Модель принимает текст и генерирует текст. README не сообщает поддерживаемые естественные языки и длину контекста. Репозиторий распространяется по лицензии Apache-2.0. Модель ориентирована на управляемое поведение, однако её следование инструкциям зависит от системного промпта и параметров генерации; заявленная сниженная цензура означает, что ответы могут включать потенциально вредный или неподходящий контент.

Это исследовательская резервная копия чекпойнта в стандартном формате Hugging Face, разработанная yuq-zhou. Модель построена на архитектуре Qwen3 и содержит 1,7 млрд параметров; она предназначена для генерации текста в диалоговом режиме. Метаданные также указывают интерфейс вызова инструментов. Модель принимает текст и выдаёт текст, поддерживает контекст до 40 960 токенов и опубликована в формате safetensors для библиотеки Transformers. Чекпойнт обозначен как исследовательский артефакт; его README не описывает специализацию или результаты оценки качества. Лицензия в предоставленных данных не указана.

Модель для генерации текста, размещённая в репозитории gradients-io-tournaments/augmented-8a3f84c4cc4a752. Она предназначена для создания продолжений текста и диалоговых ответов в приложениях на базе Transformers. Модель имеет около 1,2 млрд параметров, поддерживает контекст длиной до 131 072 токенов и распространяется в формате, совместимом с библиотекой Transformers и safetensors. В метаданных она связана с семейством Llama и conversational-сценариями, однако подробности об архитектуре, обучающих данных, языках, разработчиках, лицензии и результатах оценки не приведены. Модель может использоваться для чат-ботов, генерации черновиков и продолжения текстов. Из-за отсутствия сведений об обучении и тестировании результаты следует проверять, особенно в задачах, требующих фактической точности, безопасности или специализированной экспертизы.

SoelMgd/bert-pii-detection — модель на основе DistilBERT, дообученная для обнаружения и классификации персональных данных в тексте. Она выполняет токенную классификацию и размечает 56 типов сущностей, включая имена, контакты, адреса, финансовые реквизиты, идентификаторы и учётные данные. Модель предназначена для поиска и маскирования персональных данных, обезличивания наборов текста и проверки текстовых данных в сценариях защиты приватности и соблюдения требований к обработке данных. Использует архитектуру DistilBertForTokenClassification и поддерживает английский язык. Контекст ограничен 512 токенами; качество может снижаться на коротких и длинных текстах, а также на специализированной терминологии. Модель обучена на данных AI4Privacy; в README указаны наборы PII-42k и PII-200k. Лицензия — MIT.

MaziyarPanahi/calme-2.2-phi3-4b — языковая модель Maziyar Panahi, дообученная методом DPO на microsoft/Phi-3-mini-4k-instruct. Она предназначена для диалогов и генерации текста, включая ответы на инструкции; карточка приводит результаты оценивания на наборах IFEval, BBH, AI2 Reasoning Challenge и HellaSwag. Модель использует плотную архитектуру Phi-3 с 3,7 млрд параметров и контекстом до 4096 токенов, работает с библиотекой Transformers и форматом safetensors. Для диалогов применяется шаблон ChatML. Модель принимает текст и генерирует текст. В карточке указан английский язык; метаданные также отмечают возможности чата и генерации кода, но отдельная специализация на коде не заявлена. Распространяется по лицензии MIT.

cstr/cld3-GGUF — конверсия Compact Language Detector v3 (CLD3), компактного нейросетевого определителя языка от Google, ранее использовавшегося в Chromium. Модель принимает текст и относит его к одному из 109 языковых классов, включая отдельные метки для латинизированных вариантов некоторых языков. Архитектура включает шесть экстракторов признаков и таблиц эмбеддингов, объединённых в вектор размерности 80, а также два полносвязных слоя с размерами 80→208 и 208→109. Репозиторий содержит веса F16 в формате GGUF; файл занимает около 440 КБ. Модель предназначена для быстрой идентификации языка в браузерном и другом CPU-сценарии, где важны малый размер и низкая задержка. В README заявлены задержка менее миллисекунды и совпадение с эталонной реализацией pycld3 для 7 из 8 тестовых примеров. На коротких строках, особенно короче примерно 50 символов, предсказания могут быть ненадёжны и зависеть от языкового априорного распределения; рекомендуется учитывать уверенность. Упрощённая очистка текста в C++ runtime может также давать расхождения для HTML и текста с большим количеством пунктуации. Использование регулируется лицензией Apache-2.0; репозиторий меняет формат представления весов, но не обучает модель заново.

Kaballas/Cyber18 — языковая модель семейства Llama, разработанная Kaballas и дообученная на Kaballas/Cyber16. Модель содержит 7,5 млрд параметров и предназначена для генерации текста в диалоговых сценариях; в метаданных также указана поддержка интерфейса вызова инструментов. Для обучения использовались Unsloth и библиотека TRL. Модель принимает текст и генерирует текст. В карточке указан английский язык, а максимальный размер контекста по метаданным составляет 131 072 токена. Веса опубликованы в формате safetensors. Лицензия — Apache-2.0. Карточка не описывает специальные предметные области или результаты оценки качества.

cybertron-v4-qw7B-UNAMGS-GGUF — квантизированная версия текстовой языковой модели cybertron-v4-qw7B-UNAMGS, разработанной fblgit на базе Qwen2.5 7B. Квантизацию выполнил bartowski в формате GGUF с использованием llama.cpp и imatrix. Модель предназначена для генерации текста и диалоговых сценариев; для работы указан шаблон промпта в формате ChatML. Поддерживается английский язык. Модель дообучалась методом SFT с использованием подходов UNA (Uniform Neural Alignment) и MGS на датасете Magpie-Align/Magpie-Qwen2.5-Pro-1M-v0.1. Архитектура, размер контекста и точная модальность в README не указаны; по описанию это текстовая модель без заявленной поддержки изображений или других типов данных. Доступны варианты от F16 до квантизаций Q8_0, Q6_K_L, Q6_K, Q5_K_L, Q5_K_M и Q5_K_S, что позволяет выбирать баланс между качеством и требованиями к памяти. Для запуска рекомендуется LM Studio или совместимое ПО на базе llama.cpp. В качестве сильных сторон заявлены высокие результаты среди моделей класса 7–8B без загрязнения тестовых данных, а также несколько вариантов квантизации, включая Q6_K и Q6_K_L. Ограничения включают сравнительно небольшой размер модели и отсутствие подробных сведений о контекстном окне, производительности, безопасности и практических сценариях применения. Лицензия обозначена как Qwen; README ссылается на лицензию Qwen для Qwen2.5-72B-Instruct, однако точные условия для производной модели требуют проверки.

shadowml/DareBeagel-2x7B — языковая модель для диалоговой генерации текста, созданная объединением mlabonne/NeuralBeagle14-7B и mlabonne/NeuralDaredevil-7B в MoE-архитектуру Mixtral с помощью LazyMergekit. Конфигурация использует случайный режим маршрутизации экспертов. В метаданных указаны 7,1 млрд параметров, контекст до 32 768 токенов и формат safetensors. Модель предназначена для чатов и генерации ответов на текстовые запросы; в README приведены результаты оценки на задачах рассуждения и продолжения здравого смысла. Репозиторий распространяется по лицензии Apache-2.0. README озаглавлен Beyonder-2x7B-v2, тогда как идентификатор репозитория содержит DareBeagel-2x7B.

Experiment26Neuralsirkrishna_ShadowExperiment28 — объединённая модель на базе двух моделей automerger, предназначенная для генерации текста и диалогов. Она использует плотную архитектуру Mistral с причинно-языковой моделью MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. Модель подходит для генерации продолжений текста и ведения диалогов в сценариях, где нужен длинный контекст. Данные о специализации по предметным областям и языковой поддержке в карточке отсутствуют, поэтому их нельзя уточнить.

Experiment26Yam-7B — объединённая модель для генерации текста, созданная Maxime Labonne с помощью автоматизированного слияния моделей. В конфигурации использован метод dare_ties с моделями rwitz/experiment26-truthy-iter-0 и mayacinka/yam-jom-7B; метаданные каталога указывают mayacinka/yam-jom-7B как базовую модель и отмечают дообучение. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста по текстовому запросу. Репозиторий использует формат safetensors; модель распространяется по лицензии Apache-2.0.

Experiment28M7_T3qm7xNeuralsirkrishna — объединённая модель на архитектуре Mistral, созданная из automerger/Experiment28M7-7B и automerger/T3qm7xNeuralsirkrishna-7B. Она предназначена для генерации текста и диалогов. Модель содержит 7,1 млрд параметров, принимает текстовый контекст длиной до 32 768 токенов и распространяется в формате safetensors. В карточке указана лицензия Apache-2.0. Сведения о специальных областях применения и конкретных ограничениях качества не приведены.

Experiment28T3q_OgnoPastiche — объединённая автором MaziyarPanahi модель семейства Mistral для генерации текста. Она создана слиянием моделей automerger/Experiment28T3q-7B и automerger/OgnoPastiche-7B. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате Safetensors; лицензия — Apache 2.0. Карточка не описывает специальные навыки, домены или языки модели.

Это GGUF-представление модели fblgit/una-cybertron-7b-v2-bf16, подготовленное Featherless AI. Базовая модель Cybertron 7B v2 дообучена на основе Mistral и предназначена для диалогов, генерации текста и задач на рассуждение. Репозиторий содержит файлы в формате GGUF с вариантами квантования, включая IQ4_XS, Q2_K и Q3_K_L; README также указывает наличие других вариантов. Модель подходит для локального или размещённого запуска в совместимой среде GGUF. Сведения о лицензии, поддерживаемых языках и длине контекста в предоставленных данных отсутствуют.

Карточка модели FuseAI/FuseChat-7B-v2.0 на Hugging Face совпадает с карточкой FuseAI/OpenChat-3.5-7B-Starling-v2.0, поэтому описание составлено по ней. FuseAI/OpenChat-3.5-7B-Starling-v2.0 — диалоговая языковая модель, выпущенная исследовательской группой Sun Yat-sen University в рамках проекта FuseChat. Это целевая модель, полученная лёгким дообучением для попарного слияния знаний OpenChat-3.5-7B и Starling-LM-7B-alpha; архитектура — плотная Mistral с 7,1 млрд параметров. В README она описана как компонент для объединения с другими целевыми моделями FuseChat в единую чат-модель. Модель предназначена для ответов на вопросы, выполнения текстовых инструкций и диалогового общения. Она принимает текст и генерирует текст, поддерживает английский язык и контекст до 8192 токенов. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0. README приводит результаты MT-Bench для итоговой FuseChat-7B-v2.0, но не отдельную оценку этого целевого чекпойнта, поэтому эти показатели нельзя напрямую переносить на данную модель. Качество ответов может зависеть от шаблона диалога и сценария применения.

unsloth/gemma-2-27b-it — разговорная версия Gemma 2, опубликованная Unsloth. Это плотная авторегрессионная модель класса Gemma2ForCausalLM с 27,6 млрд параметров и контекстом до 8192 токенов; она принимает текст и генерирует текст, поддерживает диалоговый сценарий. В карточке указано представление весов safetensors и лицензия Gemma. Модель подходит для диалогов, ответов на вопросы и генерации текста на английском языке. README Unsloth посвящён ускоренному дообучению моделей и работе с 4-битной квантизацией bitsandbytes, однако не приводит оценок качества именно этой версии и не подтверждает конкретные результаты дообучения для неё. Для использования необходимо соблюдать условия лицензии Gemma.

Gemma2-9B-IT-Simpo-Infinity-Preference — диалоговая языковая модель на архитектуре Gemma 2, разработанная на основе google/gemma-2-9b-it. Модель дообучена на Infinity-Preference с использованием SimPO; в карточке указаны результаты 73,4% LC win-rate на AlpacaEval 2.0 и 58,1% win-rate на Arena-Hard против GPT-4. Модель предназначена для диалогов, ответов на вопросы и генерации текста по инструкциям. Она содержит 9 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. В метаданных указан английский язык. Для взаимодействия используется тот же шаблон чата, что и у базовой Gemma 2. Связанные код, данные и веса разрешены только для академических исследований и не могут применяться в коммерческих целях. Разработчик не гарантирует точность ответов; их содержание зависит, в частности, от случайных факторов.

h2oai/h2ogpt-oasst1-falcon-40b — инструктивная большая языковая модель H2O.ai, дообученная на базе tiiuae/falcon-40b на датасете h2oai/openassistant_oasst1_h2ogpt_graded. Она предназначена для диалогового помощника, ответов на вопросы и генерации текста по запросам пользователя. Модель использует плотную авторегрессионную архитектуру RefinedWeb; в метаданных указано 65 млрд параметров, а в README — 40 млрд. Работает с текстом, использует Transformers и опубликована в формате PyTorch. Карточка приводит результаты оценки на задачах ARC и описывает запуск чат-бота. Модель распространяется по лицензии Apache-2.0, допускающей коммерческое использование. Она может выдавать неверные или нерелевантные ответы и воспроизводить предвзятый либо оскорбительный контент; результаты требуют проверки.