II.2Создание и понимание программного кода

T3qm7xpNeuralsynthesis-7B — автоматически собранная Maxime Labonne языковая модель для генерации текста на основе архитектуры Mistral. В README указано слияние моделей методом dare_ties с параметрами density 0,53 и weight 0,6; метаданные каталога связывают её с Kukedlc/NeuralSynthesis-7b-v0.4-slerp. Размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов; файлы опубликованы в формате Safetensors. Модель предназначена для генерации текста и диалогов. В метаданных указана лицензия Apache-2.0. README также упоминает nlpguy/T3QM7XP в конфигурации слияния, поэтому состав участвовавших моделей в источниках описан неодинаково.

yunjae-won/Tulu-3.1-3B-SFT — языковая модель для генерации текста и диалогового взаимодействия, опубликованная пользователем yunjae-won на Hugging Face. Модель доступна через библиотеку Transformers и содержит около 3,2 млрд параметров; в метаданных она обозначена тегами llama и conversational. Модель предназначена для генерации продолжений текста, ответов в диалоге и других сценариев, где требуется авторегрессионное создание текста. Она поддерживает контекст длиной до 131 072 токенов, что позволяет работать с длинными запросами и документами. README автоматически сгенерирован и не содержит сведений о разработчиках, обучающих данных, результатах оценки, языках или лицензии. Поэтому качество в конкретных задачах, фактический набор поддерживаемых языков и условия использования по доступным данным определить нельзя.

WomboCombo-R1-14B-Preview — экспериментальная объединённая языковая модель на архитектуре Qwen2, опубликованная RDson. Она создана методом sce с помощью mergekit на основе Qwen/Qwen2.5-14B-Instruct и объединяет веса DeepSeek-R1-Distill-Qwen-14B, Virtuoso-Small, DRT-o1-14B и Fusion4-14B-Instruct. Модель содержит 14 млрд параметров, принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса safetensors для Transformers. Модель предназначена для диалога и генерации ответов, включая задачи, в которых полезны возможности объединённых инструкционных и reasoning-моделей. Метаданные отмечают интерфейс вызова инструментов, но сами по себе не подтверждают качество или совместимость такого режима. Это предварительная версия с небольшим числом загрузок; отдельные оценки качества и список поддерживаемых языков в предоставленных данных отсутствуют. Лицензия в доступных данных не указана.

Xenon-1 — диалоговая языковая модель на архитектуре Mistral, разработанная на основе Mistral-7B-v0.1 и дообученная на наборе Ultrafeedback с применением методов из статьи Self-Rewarding Language Models. Она предназначена для генерации ответов на инструкции и ведения диалога; для форматирования запросов использует токены [INST] и [/INST], также доступен chat template Transformers. Модель содержит 7,1 млрд параметров, использует Grouped-Query Attention, Sliding-Window Attention и BPE-токенизатор с поддержкой байтового fallback. Контекст — до 32 768 токенов. В карточке указан английский язык. Веса доступны в форматах PyTorch и Safetensors, лицензия — Apache-2.0. Карточка не приводит отдельные оценки качества или подробный перечень ограничений.

YamM7-7B — объединённая языковая модель, созданная Maxime Labonne методом SLERP из mayacinka/yam-jom-7B и liminerity/M7-7b. Это плотная модель семейства Mistral с 7,1 млрд параметров, рассчитанная на генерацию текста и диалог. Для объединения использована конфигурация MergeKit; веса опубликованы в формате safetensors. Модель принимает текст и выдаёт текст. Максимальная длина контекста составляет 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0. README не сообщает о специализации на конкретном языке или предметной области, а также не приводит оценок качества.

bigheiniuJ/zephyr-7b-hindsight-full — диалоговая языковая модель, созданная дообучением alignment-handbook/zephyr-7b-sft-full с помощью TRL. Она предназначена для генерации текста в формате чата и ответов на пользовательские запросы. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; формат весов — safetensors, библиотека — Transformers. Контекст составляет до 32 768 токенов. Карточка демонстрирует генерацию ответа на вопрос в диалоговом формате. Модель подходит для чат-ботов, ответов на вопросы и продолжения диалога. Лицензия в предоставленных данных не указана.

win10/ArliAI-RPMax-v1.3-merge-13.3B — языковая модель семейства Llama для генерации текста и диалогового общения. Она создана с помощью mergekit методом passthrough на основе win10/ArliAI-RPMax-v1.3-merge-8B; репозиторий содержит веса Safetensors и использует библиотеку Transformers. Модель насчитывает 12,7 млрд параметров и поддерживает контекст до 131 072 токенов. Модель подходит для ведения диалогов и генерации продолжений текста. Данные карточки не уточняют поддерживаемые естественные языки и конкретные предметные области. Лицензия в доступных сведениях не приведена.

Augmented-4dab026c0f536a32 — генеративная языковая модель с 6,6 млрд параметров, опубликованная на Hugging Face в формате, совместимом с библиотекой Transformers. В метаданных она отнесена к семейству Llama и предназначена для задачи text-generation. Модель поддерживает контекст длиной до 65 536 токенов, поэтому может применяться для генерации продолжений текста, диалоговых ответов, черновиков и других задач, требующих работы с большими фрагментами контекста. README не содержит сведений о разработчике, обучающих данных, результатах оценки, точном варианте архитектуры, языках поддержки или лицензии. Из-за неполноты карточки нельзя надежно оценить качество модели, ее специализацию и пригодность для конкретных прикладных сценариев. Перед использованием необходимы собственное тестирование, проверка поддерживаемых языков и уточнение условий лицензирования.

Aura32k — слитая модель для генерации текста на архитектуре Mistral, созданная автором jeiku с помощью mergekit. В объединение вошли jeiku/32kBase и jeiku/selfbot_256_mistral; применён метод passthrough. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов; метаданные также отмечают интерфейс вызова инструментов. Репозиторий содержит веса safetensors и рассчитан на использование с библиотекой Transformers. Данных о поддерживаемых естественных языках и специальных прикладных областях нет. Лицензия в предоставленных данных не указана.

Ben-3.1-Pro-Think — диалоговая языковая модель, разработанная Emiliosbs и дообученная на базе Emiliosbs/Ben3.0-7B-Uncensored. Модель построена на архитектуре Qwen2, имеет 7,1 млрд параметров и принимает текст для генерации текста. Для обучения использовались Unsloth и библиотека TRL; в репозитории веса представлены в формате Safetensors. Модель предназначена для диалоговой генерации текста и сценариев, где нужны ответы с рассуждениями; метаданные также указывают интерфейс вызова инструментов. Контекстное окно составляет 32 768 токенов, заявленная карточкой лицензия — Apache-2.0. В данных нет конкретных оценок качества или сведений о результатах обучения, поэтому пригодность для узких задач следует проверять отдельно.

Blur-7B-slerp-v0.1 — языковая модель для генерации текста, созданная объединением OpenPipe/mistral-ft-optimized-1218 и mlabonne/Marcoro14-7B-slerp методом SLERP с помощью LazyMergekit. Модель построена на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Она предназначена для генерации текста и общих языковых задач. Контекстное окно составляет 32 768 токенов. В README приведены результаты Open LLM Leaderboard, включая оценки по AI2 Reasoning Challenge и HellaSwag. Модель распространяется по лицензии Apache-2.0. README и метаданные не уточняют поддерживаемые естественные языки или ограничения модели.

ChatGLM2-6B — открытая двуязычная диалоговая языковая модель второго поколения, разработанная командой GLM/THUDM. Модель предназначена для ведения диалогов, ответов на вопросы и генерации текста на китайском и английском языках. Доступна в репозитории zai-org/chatglm2-6b-int4 в формате INT4-квантизации. Модель содержит около 7,5 млрд параметров и использует архитектурные решения GLM, включая гибридную целевую функцию и Multi-Query Attention. Она предварительно обучена на 1,4 трлн китайских и английских токенов и дополнительно прошла обучение с выравниванием по предпочтениям людей. Базовая длина контекста составляет 32 768 токенов; в диалоговом обучении использовался контекст до 8 192 токенов. FlashAttention повышает эффективность работы и снижает требования к памяти. ChatGLM2-6B подходит для чат-ботов, помощников по вопросам и генерации ответов в приложениях с ограниченными вычислительными ресурсами. К сильным сторонам относятся поддержка китайского и английского языков, плавное ведение многоходового диалога и эффективный INT4-инференс. При этом понимание одиночных сверхдлинных документов ограничено, а ответы модели могут содержать фактические ошибки и требуют проверки. Код распространяется по Apache-2.0, а использование весов регулируется отдельной Model License.

ChimeraLlama-3-8B — объединённая языковая модель на базе семейства Llama 3, созданная mlabonne с помощью LazyMergekit. Она объединяет четыре модели: NousResearch/Meta-Llama-3-8B-Instruct, mlabonne/OrpoLlama-3-8B, Locutusque/Llama-3-Orca-1.0-8B и abacusai/Llama-3-Smaug-8B. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и принимает текст для генерации текста в диалоговом формате; заявленная длина контекста — 8192 токена. Модель предназначена для диалогов, ответов на вопросы и генерации текста. В README приведено сравнение на наборе тестов Nous, где ChimeraLlama-3-8B немного опережает Llama 3 8B Instruct по среднему результату. Карточка указывает лицензию other; условия её использования следует сверить с лицензиями исходных моделей и самой карточкой. Оценки из бенчмарков не гарантируют аналогичного качества в других сценариях.

Citaman/command-r-21-layer — языковая модель Cohere, созданная методом слияния SLERP на основе Citaman/command-r-22-layer. Модель содержит 19,4 млрд параметров, использует плотную архитектуру CohereForCausalLM и распространяется в формате safetensors для библиотеки Transformers. Модель предназначена для генерации текста и диалогов; в метаданных также отмечен интерфейс вызова инструментов. Она принимает текст и генерирует текст, поддерживает контекст до 8192 токенов. Данных о конкретных языках и специализированных областях применения нет. Карточка описывает слияние двух срезов одной базовой модели с использованием SLERP и конфигурации bfloat16. Лицензия в предоставленных данных не указана. Качество и ограничения модели отдельно не описаны; перед применением следует проверить корректность генерации и вызова инструментов в целевых сценариях.

EVA-abliterated-TIES-Qwen2.5-1.5B — объединённая авторегрессионная языковая модель семейства Qwen2, созданная с помощью mergekit методом TIES. В объединение вошли huihui-ai/Qwen2.5-1.5B-Instruct-abliterated и EVA-UNIT-01/EVA-Qwen2.5-1.5B-v0.0; базовая модель — Qwen/Qwen2.5-1.5B. Модель содержит 1,5 млрд параметров, использует архитектуру Qwen2ForCausalLM и формат safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Заявленный контекст — до 131 072 токенов; доступны интерфейсы chat и tool calling. Метаданные указывают поддержку языков, включая китайский, английский, французский, испанский, португальский, немецкий, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский. Лицензия — Apache-2.0.

MaziyarPanahi/Experiment26Yam_OgnoExperiment27 — слитая текстовая модель на базе двух моделей: automerger/Experiment26Yam-7B и automerger/OgnoExperiment27-7B. Она предназначена для генерации текста и диалогов. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors. Лицензия — Apache-2.0.

Experiment26Yamshadow_Experiment28Experiment26 — объединённая модель для генерации текста, созданная путём слияния моделей automerger/Experiment26Yamshadow-7B и automerger/Experiment28Experiment26-7B. Модель основана на архитектуре Mistral и содержит 7,1 млрд параметров. Она принимает текст и генерирует текст; окно контекста составляет до 32 768 токенов. Карточка не уточняет специализацию по предметным областям или языкам. Модель распространяется под лицензией Apache-2.0.

vilsonrodrigues/falcon-7b-instruct-sharded — переразбитая на шарды версия Falcon-7B-Instruct, подготовленная для загрузки в средах с ограниченной оперативной памятью, например Colab и Kaggle. Это плотная авторегрессионная decoder-only модель семейства Falcon с архитектурой FalconForCausalLM; веса размещены в формате safetensors. В README исходная модель описана как 7-миллиардная, тогда как метаданные репозитория указывают общий размер 10,9 млрд параметров, поэтому размер именно этой версии по источникам расходится. Модель предназначена для диалогов, следования инструкциям и генерации текста на английском и французском языках. Falcon-7B-Instruct создана TII на основе Falcon-7B и дообучена на смеси наборов для чата и инструкций; в исходной архитектуре используются rotary embeddings, multi-query attention и FlashAttention. Apache 2.0 позволяет использовать модель на условиях этой лицензии. README предупреждает о смещениях, унаследованных из веб-данных, слабой обобщающей способности за пределами преимущественно английских данных и необходимости оценивать риски и настраивать защитные ограничения перед использованием в производстве. В нём также указано, что исходной модели требуется не менее 16 ГБ памяти для быстрой инференции; разбиение весов облегчает загрузку в средах с ограниченной памятью, но не гарантирует меньшие требования во время инференции.

flammen-mistral-7B — объединённая языковая модель на архитектуре Mistral, созданная с помощью mergekit методом TIES. В качестве базовой использована bardsai/jaskier-7b-dpo-v5.6; в объединение также вошли nbeerbower/bruphin-zeta и Gille/StrangeMerges_16-7B-slerp. Модель содержит 7,1 млрд параметров и имеет контекст до 32 768 токенов. Модель предназначена для генерации текста и ответов на запросы. В карточке приведены результаты Open LLM Leaderboard, включая показатели по задачам рассуждения и продолжения здравого смысла; отдельные сценарии или специализация не заявлены. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0.

G9v3-3B-i1-GGUF — набор квантованных файлов модели G9v3-3B, разработанной ai9stars и преобразованной в формат GGUF пользователем mradermacher. Модель предназначена для генерации текста, задач с длинным контекстом и сценариев с вызовом инструментов. Заявлены поддержка английского и китайского языков, а также совместимость с экосистемой Transformers и llama-подобной архитектурой; точная архитектура и размер контекста в README не раскрыты. Базовый размер модели — 3B параметров. Репозиторий содержит множество вариантов квантования, включая IQ- и Q-серии, с размером файлов примерно от 0,9 до 2,6 ГБ. Варианты различаются балансом между размером, скоростью и качеством: README рекомендует i1-Q4_K_M как быстрый вариант, а i1-Q4_K_S описывает как оптимальный по соотношению размера, скорости и качества. Более агрессивные варианты квантования экономят память, но могут заметно снижать качество; для части низкокачественных вариантов это отмечено прямо. Доступны также imatrix-файлы для самостоятельного создания квантов. Модель ориентирована на локальный запуск при ограниченных ресурсах, однако конкретные требования к оборудованию, показатели качества, поддерживаемые шаблоны диалогов и детальные возможности tool-calling не указаны. Лицензия базовой модели — Apache-2.0.

Это компактная инструкционная текстовая модель семейства Gemma 3 с плотной архитектурой Gemma3ForCausalLM и 257 млн параметров. Репозиторий mlx-community содержит версию google/gemma-3-270m-it, подготовленную для работы с библиотекой MLX; README указывает на конвертацию исходной модели в формат MLX с помощью mlx-lm 0.26.3. Модель предназначена для диалогов и генерации текста: её можно использовать для ответов на вопросы, суммаризации и других текстовых запросов. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Лицензия — Gemma.

Это GGUF-квантизация модели llmfan46/gemma-4-26B-A4B-it-ultra-uncensored-heretic, созданной независимым автором llmfan46 на основе google/gemma-4-26B-A4B-it. Модель преобразована методом Heretic 1.2.0 с использованием Arbitrary-Rank Ablation (ARA), чтобы существенно уменьшить количество отказов и ограничений при сохранении близкого к исходной модели поведения. Указана лицензия Apache-2.0 с отдельной ссылкой на лицензию Gemma 4. Модель предназначена для генерации и понимания текста, а согласно метаданным pipeline_tag также поддерживает сценарии image-text-to-text. В названии и описании заявлен размер 26B с обозначением A4B, однако подробные сведения об архитектуре, контекстном окне и поддерживаемых языках в README не приведены. Доступны варианты GGUF в форматах BF16, Q8_0, Q6_K и Q5_K_M, а также другие квантизации, рассчитанные на запуск с различными требованиями к памяти и качеству. Главное преимущество — значительно меньшее число отказов: в приведённом тесте 3 из 100 против 100 из 100 у оригинальной модели. При этом автор сообщает о небольшом изменении поведения по KL divergence 0,1237. На PIQA модель получила точность 91,29% против 92,06% у оригинала, а на MMLU — 79,99% против 82,48%; это указывает на некоторое снижение качества в задачах общего рассуждения и понимания. Уровень безопасности и ограничения после декорсензуры могут отличаться от исходной Gemma, поэтому модель требует осторожного применения в чувствительных сценариях.

bartowski/granite-3.1-2b-instruct-GGUF — это набор GGUF-квантизаций инструкционной языковой модели Granite 3.1 2B Instruct, разработанной IBM (ibm-granite) и подготовленной квантизатором bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая запуск локально через llama.cpp и LM Studio. В README указан специальный chat template, а также приведены варианты квантизации с разным соотношением качества, размера и требований к памяти. Модель имеет около 2 миллиардов параметров, работает в текстовой модальности и распространяется в формате GGUF. Доступны версии от F16 размером 5,07 ГБ до компактных вариантов Q2 и Q3 размером примерно от 1,08 до 1,38 ГБ, а также более качественные Q4, Q5, Q6 и Q8. Наиболее рекомендуемыми названы варианты Q4_K_M, Q5_K_M, Q6_K и другие близкие к ним квантизации; малые Q2 и Q3 экономят память, но заметно уступают в качестве. Сильными сторонами являются возможность локального запуска на сравнительно доступном оборудовании, широкий выбор уровней квантизации и хорошее сохранение качества в вариантах Q5–Q8. Ограничения — компромисс между размером и качеством при низких уровнях квантизации, а также отсутствие в README сведений о поддерживаемых языках, длине контекста, точной архитектуре и результатах бенчмарков. Модель распространяется по лицензии Apache-2.0.

ClaudioItaly/Intelligence-Cod-Rag-7B-V2 — объединённая разговорная языковая модель на архитектуре Qwen2, созданная с помощью mergekit. В основу слияния task arithmetic легла happzy2633/qwen2.5-7b-ins-v3; также в него включена AIDC-AI/Marco-o1. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста в диалоговом формате с контекстом до 32 768 токенов. Модель предназначена для генерации ответов и ведения диалогов. В README и метаданных не описаны отдельные специализированные сценарии, поэтому её можно рассматривать как языковую модель общего назначения. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

LFM2.5-1.2B-Instruct — компактная инструкционная языковая модель компании Liquid AI, представленная в формате LiteRT-LM для локального запуска на мобильных и периферийных устройствах. Репозиторий litert-community содержит конвертированные и квантизированные версии базовой модели LiquidAI/LFM2.5-1.2B-Instruct, предназначенные для работы с runtime Google LiteRT-LM. Модель использует гибридную архитектуру, объединяющую блоки gated short-convolution и grouped-query attention. Она рассчитана на генерацию текста, диалоговые сценарии и выполнение инструкций; в комплект входят токенизатор и ChatML-совместимый шаблон чата с поддержкой списка инструментов и канала <think>. Максимальный размер контекста с KV-кэшем составляет 4096 токенов. Доступны варианты int8 размером около 1,25 ГБ и int4 размером около 736 МБ; для int4 также предусмотрен вариант, адаптированный для GPU. По приведённому тесту GSM8K int8-версия показала 81% против 79% у эталонной PyTorch-модели, тогда как int4 достигла 72%, обеспечивая меньший размер загрузки. Модель ориентирована на on-device-инференс, однако производительность и доступность GPU зависят от устройства и версии LiteRT-LM; для запуска требуется LiteRT-LM не ниже 0.14, а GPU-вариант — не ниже 0.16.0. Языки, кроме поддерживаемого текстового интерфейса, явно не указаны. Модель распространяется по лицензии LFM Open License v1.0.

Magpie-Align разработала Magpie-Align/Llama-3-8B-Magpie-Air-SFT-300K-v0.1 — чат-модель для генерации текста, дообученную методом supervised fine-tuning на 300 тысячах отфильтрованных примеров датасета Magpie-Air-300K-Filtered. В основе лежит Meta Llama 3 с плотной архитектурой LlamaForCausalLM; модель содержит 7,5 млрд параметров и рассчитана на контекст до 8192 токенов. Модель предназначена для диалогов и выполнения инструкций. Разработчики сообщают о результатах, сопоставимых с Llama-3-8B-Instruct на отдельных задачах и бенчмарках выравнивания; для оптимальной работы следует использовать официальный шаблон чата Llama 3. Карточка приводит оценки Alpaca Eval 2 и Arena Hard, но не описывает специализацию по предметным областям или отдельные языки сверх возможностей базовой модели. Модель основана на meta-llama/Meta-Llama-3-8B и распространяется по лицензии Meta Llama 3 Community License; применяются условия этой лицензии. Карточка рекомендует использовать официальный шаблон диалога Llama 3.

M7Yamshadowexperiment28_M7Alloyingotneoy — объединённая модель Mistral от MaziyarPanahi, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/M7Alloyingotneoy-7B. Она предназначена для генерации текста и диалоговых сценариев. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0.

Masker — многоязычный классификатор токенов для обнаружения персональных данных (PII), разработанный как нейронная часть системы редактирования чувствительной информации. Модель на базе DeBERTa-v3 дообучена Microsoft mDeBERTa-v3-base на наборе ai4privacy/pii-masking-openpii-1m; в метаданных указано 218,2 млн параметров, контекст — 512 токенов. Веса сохранены в формате safetensors. Модель размечает имена, адреса, возраст, даты, телефоны, электронную почту, банковские карты и государственные идентификаторы. Она выдаёт BIOES-метки для токенов; преобразование меток в символьные интервалы и объединение результатов с правилами выполняет сопутствующий пакет mask. В README заявлена поддержка 23 европейских языков, а в метаданных перечислены 21 код языка. На валидационной выборке openpii-1m указаны строгий span F1 0,982 и typed F1 0,995. Данные синтетические и шаблонные, поэтому качество на реальных текстах может быть ниже; для ответственного применения требуется проверка остаточных утечек. Лицензия модели указана в метаданных как other; README отмечает лицензию MIT для базовой модели и требует сохранять атрибуцию набору данных CC-BY-4.0 при downstream-использовании.

MiMo-V2.6-Flash-RL-NVFP4 — версия модели XiaomiMiMo/MiMo-V2.6-Flash-RL с квантизированными весами NVFP4, подготовленная r0b0tlab для сервинга на NVIDIA DGX Spark и GB10 с SGLang. Это мультимодальная модель диалоговой генерации с интерфейсом вызова инструментов; в README рекомендован профиль EAGLE MTP с контекстом до 524288 токенов. Экспертные слои MoE представлены в NVFP4, часть линейных слоёв использует NVFP4 с масштабами FP8, остальные веса и вспомогательные аудио- и зрительные компоненты сохранены в BF16; KV-кэш использует калиброванные масштабы FP8. Сборка предназначена для запуска на указанном оборудовании и конфигурации SGLang, а не для универсального развёртывания. В README приведены измерения качества и производительности на конкретных стендах, но они не гарантируют аналогичных результатов на другом оборудовании или при иных настройках. Метаданные указывают английский и китайский языки, лицензию MIT; базовая модель — XiaomiMiMo/MiMo-V2.6-Flash-RL.

MiniMax-M2.5-JANG_4M-CRACK — созданная Jinho Jang производная модели MiniMaxAI/MiniMax-M2.5, предназначенная для диалоговой генерации текста и рассуждений. Это MoE-модель семейства MiniMax M2 с заявленными в README 230 млрд параметров, 256 экспертами и примерно 10 млрд активных параметров на токен; метаданные репозитория указывают 2,9 млрд параметров. В README описан профиль квантования JANG_4M со смешанной точностью 8 бит для attention и 4 бита для экспертов, а также удаление отказов CRACK на уровне весов. Заявленная длина контекста — 196 608 токенов. Модель поддерживает английский, китайский и корейский языки, чат и интерфейс вызова инструментов. Модель рассчитана на запуск на Apple Silicon через MLX; README указывает поддержку формата JANG в MLX Studio и пакете jang-tools. Подходит для диалоговых помощников, многошаговых рассуждений и сценариев, где нужны ответы без стандартных отказов безопасности. Лицензия в метаданных — Apache-2.0. Заявления README о результатах тестов и сохранении качества не подтверждены независимыми данными.