II.2Создание и понимание программного кода

TripleTrouble-V3 — объединённая разреженная языковая модель семейства Qwen3.5 MoE, созданная OliviaRossi на основе KAT-Coder-V2.5-Dev, Ornith-1.5-35B-A3B и Qwen-AgentWorld-35B-A3B. Она предназначена для генерации текста и диалога, программирования, вызова инструментов и агентных сценариев, включая планирование действий и моделирование переходов состояния среды. Архитектура модели — MoE; в репозитории указаны веса SafeTensors, 2,9 млрд параметров в метаданных и контекст до 262 144 токенов. Карточка описывает объединение специализированных чекпойнтов методами согласования весов и калибровки маршрутизатора экспертов. Заявлены навыки работы с кодовыми базами, структурированным JSON, многошаговыми вызовами API и состояниями сред. Метаданные указывают поддержку английского и китайского языков, а также интерфейс для вызова инструментов. Лицензия — Apache-2.0. Размер в README (34,7 млрд параметров всего и около 3,3 млрд активных на токен) расходится с метаданными, где указано 2,9 млрд параметров; поэтому размер следует считать неоднозначным. Заявления карточки о качестве и скорости не сопровождаются приведёнными результатами оценки. Это текстовая модель: сведения не подтверждают обработку изображений, аудио или видео.

Triumvirate — плотная текстовая причинно-языковая модель семейства Qwen 3.5, созданная автором репозитория путём слияния Qwen/Qwen3.5-9B и специализированных моделей Qwopus3.5-9B-Coder, MiMo-V2.6-Distill-Qwen-9B и Ornith-1.5-9B. В README указаны размер 8,8 млрд параметров и контекст 256 тыс. токенов; метаданные каталога указывают 7,2 млрд параметров. Модель предназначена для генерации кода, разбиения задач разработки на шаги и агентных сценариев с вызовом инструментов. Слияние TIES-DELLA объединяет сильные стороны компонентов: точность синтаксиса и алгоритмов, разбор задач SWE-bench, вызов инструментов, обработку ошибок и завершение циклов. Это текстовая модель на базе Transformers, опубликованная в формате safetensors. Карточка заявляет поддержку английского и китайского языков; метаданные указывают чат и интерфейс вызова инструментов. Модель распространяется по лицензии Apache-2.0. Указанные автором характеристики и преимущества не являются независимой оценкой качества; описание не содержит сравнительных результатов, подтверждающих их на практике.

laion/tt-x1_lr-lr8e6-60-30B — чекпойнт шага 60, созданный LAION в рамках эксперимента TaskTrove X1 по подбору скорости обучения. Это дообучение инструктивной модели Qwen/Qwen3-Coder-30B-A3B-Instruct с архитектурой Qwen3 MoE, выполненное методом GRPO на наборе DCAgent/exp_rpt_multifile с использованием SkyRL и Terminus-2. Модель предназначена для генерации текста в диалоговом формате, в частности для задач программирования и работы с несколькими файлами. Для выбора чекпойнта использовали скользящую экспоненциальную среднюю награды за последние пять шагов; шаг 60 показал наивысшее значение среди сохранённых вариантов. Обучение остановили на шаге 71 из 80 из-за роста энтропии, поэтому результат не отражает завершённый цикл обучения. Контекст модели составляет 262 144 токена; в метаданных указано 2,6 млрд параметров. Лицензия — Apache-2.0.

laion/tt-x2_clip-hi0p05-10-30B — это исследовательский контрольный чекпойнт модели Qwen3-Coder-30B-A3B-Instruct, дообученной командой TaskTrove с помощью GRPO на наборе DCAgent/exp_rpt_multifile. Модель семейства Qwen3 MoE предназначена для генерации текста в диалоговом режиме, включая программирование и многофайловые агентные задачи. По метаданным, контекст достигает 262 144 токенов; репозиторий содержит веса Safetensors, библиотека запуска — Transformers. Выбран шаг 10 по скользящей EMA награды; README приводит pass@8 0,4516 для этого чекпойнта. Обучение остановили на шаге 76 из 80 после роста энтропии политики и снижения награды, поэтому выбранный чекпойнт не является результатом полного горизонта обучения. Лицензия — Apache-2.0.

laion/tt-x4_temperature-t0p7-45-30B — экспериментальный чекпойнт модели, созданный в рамках гиперпараметрического перебора TaskTrove. Он получен дообучением Qwen/Qwen3-Coder-30B-A3B-Instruct методом GRPO на наборе DCAgent/exp_rpt_multifile с использованием SkyRL и Terminus-2; контроль кампании применял shaping по pass_ratio. В метаданных указана архитектура Qwen3 MoE для генерации текста, поддержка чата, 2,6 млрд параметров и контекст до 262 144 токенов. Модель ориентирована на генерацию кода и работу с многофайловыми задачами; README описывает выбор шага 45 как лучшего сохранённого чекпойнта по скользящей EMA награды. Обучение остановили на шаге 66 из 80 из-за роста энтропии политики; шаг 45 предшествует этому ухудшению, но результат обучения не достиг полного горизонта. Данных о языках, кроме английского в карточке, недостаточно для вывода о более широкой языковой поддержке. Лицензия — Apache-2.0.

UIGEN-FX-4B-Preview — языковая модель Tesslate с 3,7 млрд параметров, дообученная на базе Qwen/Qwen3-4B-Instruct-2507 для генерации пользовательских интерфейсов и веб-страниц. Это плотная causal language model семейства Qwen3, ориентированная на работу как фронтенд-разработчик и генерацию HTML, CSS и Tailwind-разметки; карточка заявляет поддержку 22 фреймворков. Модель предназначена для создания адаптивных, mobile-first страниц и отдельных блоков интерфейса по текстовому описанию: например, лендингов, сеток функций, тарифных секций и FAQ. Она делает упор на семантическую структуру, композицию компонентов, ритм отступов и визуальную согласованность, а JavaScript использует минимально, если его отдельно не запросить. В карточке указан эффективный контекст около 64 тысяч токенов; метаданные указывают нативный контекст 262 144 токена. Это исследовательский предварительный выпуск: некоторые генерации могут требовать доработки перед использованием в готовом продукте. Доступность, включая ARIA-разметку, следует проверять, а сложную интерактивность часто нужно реализовать или доработать отдельно. Модель распространяется под лицензией Apache-2.0.

UIGEN-T2-7B — языковая модель Tesslate для генерации пользовательских интерфейсов в виде HTML и Tailwind CSS. Она дообучена методом PEFT/LoRA на базе Qwen/Qwen2.5-Coder-7B-Instruct и содержит 7,1 млрд параметров; заявленный ранг адаптера — 128. Модель принимает текстовые описания интерфейсов и генерирует код, ориентируясь на структуру, удобство использования, компоновку и визуальный стиль. Подходит для быстрого прототипирования веб-страниц и создания компонентов — например, форм, карточек и кнопок. Модель использует архитектуру Qwen2 и поддерживает контекст до 32 768 токенов. В карточке указано обучение на 50 000 примерах и основной фокус на английском языке. Для использования рекомендованы Transformers, PyTorch и PEFT; автор советует GPU с объёмом видеопамяти от 16 ГБ для эффективного запуска, в зависимости от точности и квантизации. Лицензия — Apache-2.0. Модель преимущественно генерирует HTML и Tailwind CSS. Сложную JavaScript-логику и управление состоянием обычно требуется реализовать вручную; для специализированных корпоративных дизайн-систем может понадобиться дополнительная настройка. Взаимодействие рассчитано на системный промпт Tesslate, приведённый в карточке.

UIGEN-X-8B — дообученная модель Tesslate на архитектуре Qwen3-8B для планирования и генерации пользовательских интерфейсов. Она принимает текстовые запросы и выдаёт код и пояснения, проходя этапы анализа требований, планирования архитектуры и дизайн-системы, затем реализации интерфейса. Поддерживает разные веб-, мобильные и настольные стеки, включая React, Vue, Angular, Svelte, Flutter, React Native, Electron и Tailwind CSS. Модель содержит 7,6 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM, имеет контекстное окно 40 960 токенов и заявляет поддержку английского языка. Модель подходит для генерации компонентов, страниц и многостраничных приложений с заданным стеком и визуальным стилем. В README также заявлена поддержка вызова инструментов для интеграции изображений и генерации контента. Основной акцент сделан на структуре и оформлении интерфейса; бизнес-логику, интеграцию серверных функций, тестирование и проверку доступности может потребоваться доработать вручную. Лицензия — Apache-2.0.

Vedika-Code-Pro-v1 — языковая модель Veda Labs, предназначенная для программирования и задач рассуждения. В метаданных Hugging Face указаны архитектура VedikaCodeProV1ForCausalLM, плотный тип архитектуры, 44,9 млрд параметров, библиотека Transformers и формат Safetensors. README приводит другие характеристики размера: 1,6 трлн общих параметров и 49 млрд активируемых; это расхождение не позволяет однозначно установить фактический размер модели. Заявлена длина контекста около 1 млн токенов. Модель принимает текст и генерирует текст; README указывает на форматирование сообщений, совместимое с OpenAI, и отдельные скрипты кодирования, поскольку в выпуске нет шаблона чата Jinja. Она рассчитана на помощь в написании кода и рассуждениях, в том числе в сценариях разработки. Язык программирования и поддерживаемые естественные языки в доступных данных не перечислены. Лицензия — MIT.

Verus-0.8B — компактная мультимодальная модель для работы с кодом, представленная в формате Hugging Face Transformers. В метаданных указана дообученная база Qwen/Qwen3.5-0.8B, тогда как README описывает языковую часть как Mistral и архитектуру в целом как LLaVA-Next. Это расхождение в описании архитектуры требует осторожности при выборе модели и настройке инференса. Модель предназначена для преобразования скриншотов интерфейсов и диаграмм в код, автодополнения кода по заполнению пропусков (Fill-in-the-Middle), а также помощи при проверке кода. README заявляет поддержку изображений через CLIP ViT-L/14@336px и контекст до 125 000 токенов; метаданные указывают нативный контекст 262 144 токена и размер 581,4 млн параметров. Модель рассчитана прежде всего на английский язык и код. Заявленные ограничения: в текущей версии поддерживается одно изображение за ход; мелкий текст на изображениях может распознаваться неточно, а качество на неанглийских подписях ниже. Модель не оптимизирована для научных и инженерных схем. Лицензия — Apache-2.0.

Virtuoso-Lite — языковая модель для генерации текста, представленная командой arcee-ai. В метаданных указаны архитектура Llama и базовая модель Falcon3-10B-Base; карточка описывает модель как 10-миллиардную и сообщает о дистилляции знаний DeepSeek-V3. Репозиторий содержит веса safetensors для библиотеки Transformers, а контекст модели составляет 32 768 токенов. Модель предназначена для диалоговых помощников, генерации и отладки кода, математических и технических ответов, а также прототипов анализа данных и STEM-обучения. Карточка заявляет о логитной дистилляции примерно на 1,1 млрд токенов и последующем DPO-выравнивании. Модель поддерживает текстовый ввод и генерацию текста; заявлены возможности чата и интерфейс вызова инструментов. В README указана лицензия falcon-llm-license. Среди ограничений карточка отмечает возможную предвзятость и вредоносную генерацию, а также срез знаний примерно до июня 2024 года. Показатели бенчмарков приведены без подробностей о методике, поэтому их следует считать заявлениями авторов карточки.

Misted v2 7B — языковая модель на архитектуре Mistral, созданная автором репозитория hflog слиянием нескольких моделей Mistral и misted-7b методом SLERP. Модель предназначена для генерации текста, написания кода, выполнения инструкций, решения загадок и диалогового общения. Модель содержит 7,1 млрд параметров, работает с контекстом до 32 768 токенов и распространяется в формате safetensors для Transformers. В метаданных указаны английский и испанский языки. Модель доступна по лицензии Apache 2.0.

WaveCoder Ultra 1.1 6.7B — это языковая модель для генерации и обработки программного кода, разработанная Microsoft. Представленная версия — GGUF-квантизации оригинальной модели microsoft/wavecoder-ultra-6.7b, подготовленные пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для выполнения инструкций, связанных с программированием, включая генерацию кода и задачи, оцениваемые на наборе HumanEval. Модель имеет около 6,7 млрд параметров, работает в формате GGUF и поддерживает англоязычные сценарии. Для взаимодействия рекомендуется шаблон инструкций с секциями «Instruction» и «Response». Доступны варианты квантизации от Q8_0 до IQ1_S, различающиеся размером файлов и качеством: Q6_K, Q5_K_M, Q5_K_S, Q4_K_M и Q4_K_S обозначены как рекомендуемые, а Q8_0 обеспечивает максимально доступное качество при большем размере. Основное преимущество этой версии — возможность локального запуска с выбором компромисса между качеством и требованиями к памяти; наиболее компактные варианты занимают менее 2 ГБ, тогда как Q8_0 — около 7,16 ГБ. Более низкие уровни квантизации снижают качество и могут быть пригодны только при ограниченных ресурсах. Архитектура, размер контекста, поддерживаемые языки программирования и мультимодальные возможности в README не указаны. Распространение заявлено по лицензии MIT.

WebGenAgent-LM-7B-SFT — модель luzimu для агентной генерации и доработки сайтов по инструкциям на естественном языке. Это дообученная версия Qwen/Qwen2.5-Coder-7B-Instruct с архитектурой Qwen2, 7,1 млрд параметров и контекстом 32 768 токенов; модель распространяется в формате Safetensors по лицензии MIT. Модель генерирует и редактирует код веб-сайтов, а рабочий процесс WebGen-Agent предусматривает итеративную доработку по визуальной и функциональной обратной связи: скриншот оценивает отдельная VLM, а GUI-агент проверяет работу сайта. В карточке модели указаны задачи text-generation и image-text-to-text; для сценария каталога с генерацией кода и сайтов главной задачей является генерация текста. README описывает агентный процесс и внешние компоненты, необходимые для его запуска.

Whittle-Qwen-3.8-35B-A3B-GGUF — это квантизированная версия модели logic65/Whittle-Qwen-3.8-35B-A3B, разработанная David Aylward (logic65) при участии Claude от Anthropic. Модель распространяется в формате GGUF и предназначена для запуска через llama.cpp без патчей. Она ориентирована на генерацию текста, диалоги, рассуждения, программирование и математические задачи, а также на исследовательские сценарии локального запуска. Модель построена в формате qwen4_exp как смесь экспертов (Mixture of Experts): содержит около 35,1 млрд параметров, из которых активно используется примерно 3 млрд. Важная особенность — 10-миллиардная n-граммная память, являющаяся несущей частью модели; её отключение существенно ухудшает результаты на незнакомом коде. Модель дистиллирована из Qwen3.8-27B и использует память из Qwen3.8-Flash-Next. Заявлена поддержка английского, китайского и многоязычного текста. Доступны варианты квантизации от Q3_K_M до Q8_0 размером примерно от 16,7 до 37,8 ГБ. Сильные стороны модели — низкое число активных параметров при большом общем размере, поддержка режима рассуждений и эффективный локальный запуск со скоростью, близкой к моделям с 3 млрд активных параметров. Для работы требуется сохранять компонент памяти целиком; рекомендуется размещать его в оперативной памяти, поэтому требования к системе существенно зависят от выбранной квантизации. README не указывает максимальный контекст. Для лучших результатов рекомендуется включать thinking и использовать сэмплирование; жадная генерация может зацикливаться. Модель распространяется по лицензии Apache-2.0.

Wizard-llama3-70B — дообученная компанией feeltheAGI языковая модель на архитектуре Llama 3 с 69,5 млрд параметров. Она основана на meta-llama/Meta-Llama-3-70B и дообучена на открытых наборах данных, включая дополнительные данные по программированию. Модель генерирует текст, следует инструкциям и поддерживает диалоговый шаблон ChatML; заявлены навыки логического рассуждения, программирования и начальные агентные возможности с вызовом функций. Модель рассчитана на англоязычные диалоги, выполнение инструкций, решение логических задач и помощь с кодом. Контекст составляет 8192 токена, формат весов — PyTorch. Разработчик стремился снизить ограничения на генерируемый контент, поэтому ответы могут включать нежелательные или небезопасные материалы. Лицензия — MIT.

XAgentLlama-7B-preview — экспериментальная генеративная модель текста, разработанная XAgentTeam на основе Code Llama 7B и дообученная для работы с XAgent. Авторы сообщают, что использовали около 300 тысяч примеров и 48 ускорителей A100; модель содержит 6,6 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 16 384 токенов. Модель предназначена для генерации и дополнения кода, выполнения инструкций и вызова функций в формате XAgentGen. Для наилучшей работы её следует использовать с XAgentGen и специальным форматом вызова функций. Она принимает и выдаёт текст; заявленная языковая область — английский и языки программирования. Это предварительная версия, и авторы предупреждают, что её качество не является финальным. Как и другие языковые модели, она может генерировать неточные или нежелательные ответы, поэтому перед применением в продукте требуется проверка под конкретный сценарий. Условия использования регулируются лицензией Meta для Llama 2.

SolenopsisCampo/Xing4.0-29B-A4B-GGUF — GGUF-представление языковой модели Xing4.0-29B-A4B, разработанной China Telecom Artificial Intelligence Technology Co., Ltd. Модель предназначена для генерации текста, сложного рассуждения, программирования, агентских сценариев с многошаговым планированием и вызовом инструментов, а также для задач инженерного характера и последующей адаптации под специализированные области: классификацию намерений, понимание таблиц, аудит договоров и ответы на вопросы по базе знаний. Модель использует разреженную MoE-архитектуру с 29 млрд общих параметров и 4 млрд активных параметров на токен. В конфигурацию входят 40 слоёв, скрытый размер 3584, 64 маршрутизируемых эксперта, 4 активных эксперта на токен и 1 общий эксперт; заявлена архитектура mHC + MLA + MTP. Поддерживается контекст длиной 256 тысяч токенов с возможностью расширения до 512 тысяч. Это текстовая модель без заявленной поддержки изображений или других модальностей. README не указывает набор поддерживаемых языков. К сильным сторонам относятся длинный контекст, эффективность разреженной активации, ориентация на агентские и программные задачи, совместимость с vLLM, SGLang, KTransformers, Transformers и другими инструментами, а также возможность дообучения через LLaMA-Factory и MindFormers. Ограничения включают зависимость качества от конкретного сценария, необходимость значительных вычислительных ресурсов для развёртывания и отсутствие в README подробностей о методах квантизации именно этого GGUF-файла, языковом покрытии и результатах за пределами приведённых тестов. Модель распространяется по лицензии Apache-2.0.

XiYanSQL-QwenCoder-32B-2504 — модель генерации SQL из естественно-языковых вопросов, разработанная командой XiYanSQL. Она дообучена на базе XGenerationLab/XiYanSQL-QwenCoder-32B-2412 и использует архитектуру Qwen2 с 32 млрд параметров. Модель принимает текстовый вопрос, описание схемы базы данных и дополнительные справочные сведения, а затем генерирует SQL-запрос. Модель рассчитана на Text-to-SQL для SQLite, PostgreSQL и MySQL. В карточке описаны дообучение и обучение GRPO без процесса рассуждений, а также оценки на наборах BIRD, Spider и внутреннем DW-бенчмарке. Контекст составляет 32 768 токенов; README рекомендует формат схемы M-Schema, хотя допускается и DDL. Карточка приводит китайский шаблон запроса и метаданные с языками en и zh. Модель доступна в формате safetensors и совместима с Transformers и vLLM. Лицензия — Apache-2.0. Её назначение специализировано на генерации SQL, поэтому качество зависит от полноты и корректности переданной схемы, вопроса и диалекта; README отдельно отмечает возможное влияние формата схемы на производительность.

XiYanSQL-QwenCoder-3B-2502 — специализированная языковая модель команды XiYanSQL для преобразования запросов на естественном языке в SQL. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров и контекстом 32 768 токенов; она принимает текстовые инструкции с вопросом, схемой базы данных и при необходимости справочной информацией и генерирует SQL. В README описано применение с SQLite, PostgreSQL и MySQL, а формат схемы M-Schema рекомендован авторами; также допускается DDL. Модель предназначена для генерации SQL по вопросам пользователя и может служить основой для дальнейшей настройки text-to-SQL моделей. README приводит оценки серии XiYanSQL-QwenCoder на тестах BIRD и Spider, но численные результаты конкретно версии 3B в доступном фрагменте не указаны. Для запуска авторы указывают Transformers версии 4.37.0 или новее и показывают использование chat template. Модель распространяется по лицензии Apache-2.0.

XiYanSQL-QwenCoder-3B-2504 — модель генерации SQL от команды XGenerationLab, дообученная на базе XiYanSQL-QwenCoder-3B-2502 с последующей оптимизацией методом GRPO. Она преобразует вопросы на естественном языке, описание схемы базы данных и дополнительные справочные сведения в SQL-запросы. Модель рассчитана на работу с диалектами SQLite, PostgreSQL и MySQL; в README описаны оценки на бенчмарках SQLite, PostgreSQL и MySQL, включая данные вне обучающего домена. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров и контекстом 32 768 токенов. Карточка приводит пример использования с Transformers и vLLM и рекомендует представлять схему базы данных в формате M-Schema, хотя допускает DDL. Модель распространяется по лицензии Apache-2.0.

Карточка модели DIYIN/Youtu-LLM-2B на Hugging Face совпадает с карточкой tencent/Youtu-LLM-2B, поэтому описание составлено по ней. Youtu-LLM-2B — инструктивная языковая модель Tencent для диалогов, рассуждений и выполнения задач агентного типа. Это плотная авторегрессионная модель с архитектурой YoutuForCausalLM и механизмом Dense MLA; в ней около 2 млрд параметров, 32 слоя и словарь из 128 256 токенов. Модель принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов и режим рассуждений, включаемый через шаблон диалога. Модель предназначена для чат-ботов, ответов на вопросы, задач STEM и программирования, работы с длинными контекстами и многошаговых агентных сценариев. Карточка приводит сравнительные результаты на общих и агентных бенчмарках, но эти оценки не гарантируют качество на конкретных данных. В репозитории указана лицензия other; конкретные условия следует сверять с текстом лицензии проекта.

Youtu-LLM-2B — инструктивная языковая модель Tencent для диалогов, рассуждений и выполнения задач агентного типа. Это плотная авторегрессионная модель с архитектурой YoutuForCausalLM и механизмом Dense MLA; в ней около 2 млрд параметров, 32 слоя и словарь из 128 256 токенов. Модель принимает текст и генерирует текст, поддерживает контекст до 131 072 токенов и режим рассуждений, включаемый через шаблон диалога. Модель предназначена для чат-ботов, ответов на вопросы, задач STEM и программирования, работы с длинными контекстами и многошаговых агентных сценариев. Карточка приводит сравнительные результаты на общих и агентных бенчмарках, но эти оценки не гарантируют качество на конкретных данных. В репозитории указана лицензия other; конкретные условия следует сверять с текстом лицензии проекта.

Z1-7B — дообученная языковая модель семейства Qwen2, разработанная проектом EfficientScaling для генерации и рассуждений при решении задач с кодом. Она основана на Qwen/Qwen2.5-Coder-7B-Instruct и содержит 7,1 млрд параметров. Модель рассчитана на диалоговое использование и поддерживает интерфейс вызова инструментов. Модель принимает текст и генерирует текст; заявленная задача Hugging Face — text-generation. Контекст составляет 32 768 токенов. Репозиторий использует Transformers и формат safetensors, лицензия — MIT. README упоминает режим shifted thinking и тестовое масштабирование вычислений во время вывода, но не содержит подробностей о качестве и конкретных сценариях применения.

Ziya Coding 34B v1.0 — это языковая модель для генерации и дополнения программного кода, разработанная Fengshenbang-LM (IDEA-CCNL). Представленная версия распространяется в формате GGUF и квантована TheBloke для запуска через llama.cpp и совместимые интерфейсы и библиотеки, включая text-generation-webui, LM Studio и llama-cpp-python. Модель основана на архитектуре Llama и имеет 34 млрд параметров. Она предназначена прежде всего для завершения функций по их docstring и других задач генерации кода. В заявленных языках указаны китайский и английский. Модель относится к текстовым, поэтому сведений о поддержке изображений, аудио или других модальностей нет. Размер контекста в README не указан. Основное преимущество версии GGUF — наличие вариантов квантования от 2 до 8 бит, что позволяет выбирать баланс между качеством, потреблением памяти и скоростью инференса на CPU и GPU. Ограничения включают возможную потерю качества при сильном квантовании, а также отсутствие в README подробных результатов тестирования и информации о фактической эффективности на разных языках программирования. Для использования указаны лицензия GPL-3.0 исходной модели и дополнительные условия Meta Llama 2; из-за заявленного двойного лицензирования следует отдельно проверить совместимость условий для конкретного сценария.

Zrald-AI Qwen 3.8 27B zraldv1-cs — GGUF-версия модели Qwen3.8-27B, опубликованная Zrald и оптимизированная для компактного размера. Это чат-модель для генерации текста, диалогов, программирования и рассуждений. В репозитории указан файл размером 10,18 GiB; README приводит результаты замеров на AMD Instinct MI300X, включая сохранение 90,72% точности и скорость генерации 76,33 токена в секунду. Для запуска рекомендуется не менее 12 ГБ VRAM. Модель основана на Qwen/Qwen3.8-27B и заявлена как дообученная; доступна в формате GGUF для использования с llama.cpp. Базовая модель описана как мультимодальная, но сведения о поддержке изображений или видео именно этой сборкой не приведены. Лицензия — Apache-2.0.

DCAgent/a1-crosscodeeval_typescript — дообученная DCAgent модель на основе Qwen/Qwen3-8B, созданная на наборе обучающих примеров CrossCodeEval для TypeScript. Это плотная языковая модель с 7,6 млрд параметров, предназначенная для генерации текста и диалоговых сценариев; каталог указывает поддержку чата. Модель принимает текст и генерирует текст, а базовое семейство Qwen3 рассчитано на работу с кодом и инструкциями. В карточке указано дообучение на подготовленных примерах CrossCodeEval, однако подробности поведения, оценки качества и конкретные ограничения не приведены. Контекстное окно составляет 40 960 токенов. Модель опубликована в формате safetensors; лицензия обозначена как other, поэтому условия использования следует уточнить на странице репозитория.

A2-Coder-i1-GGUF — это набор GGUF-квантизаций модели A2-Coder, разработанной nbeerbower и дополнительно квантизированной mradermacher. Модель основана на nbeerbower/A2-Coder и дообучалась методом supervised fine-tuning на датасете schneewolflabs/DenkerCode-SFT. Модель предназначена прежде всего для генерации текста, связанного с программированием: написания, дополнения и преобразования кода, а также работы с англоязычными запросами. Доступно множество вариантов квантизации i1 с различным размером от примерно 3,1 до 10,2 ГБ, что позволяет выбирать баланс между требованиями к памяти, скоростью и качеством. Для некоторых вариантов README отмечает предпочтительность IQ-квантизаций или рекомендует A2-Coder.i1-Q4_K_M как быстрый вариант. Архитектура, количество параметров, размер контекстного окна, поддерживаемые модальности и условия лицензирования в README не указаны. Качество зависит от выбранного типа квантизации: наиболее компактные варианты могут заметно уступать по качеству, тогда как более крупные обычно требуют больше памяти. Модель представлена только для текстовой генерации; сведения о мультиязычности ограничены указанием английского языка.

AceReason-Nemotron-14B — языковая модель NVIDIA для решения задач по математике и программированию. Модель построена на плотной архитектуре Qwen2 и содержит 14 млрд параметров; она принимает текст и генерирует текст. Контекстное окно составляет 131 072 токена. Модель обучена с помощью обучения с подкреплением на базе DeepSeek-R1-Distilled-Qwen-14B. Она предназначена для пошагового математического рассуждения, решения олимпиадных задач и генерации кода. В README сообщаются результаты на AIME 2024/2025 и LiveCodeBench; также доступны обучающие материалы и инструменты оценки. Для использования опубликованы веса в формате safetensors. Лицензия указана как other, поэтому условия использования следует уточнить в карточке модели NVIDIA. README рекомендует передавать инструкции в пользовательском запросе и задавать модели просьбу рассуждать пошагово; результаты могут зависеть от промпта и параметров генерации.

Карточка модели jondurbin/airoboros-c34b-3.1.2 на Hugging Face совпадает с карточкой jondurbin/airoboros-l2-70b-3.1.2, поэтому описание составлено по ней. airoboros-l2-70b-3.1.2 — экспериментальная инструктивная языковая модель от jondurbin, созданная на базе Llama 2 и дообученная на наборе airoboros-3.1, преимущественно на синтетических данных. Это плотная авторегрессионная модель семейства Llama с 68,7 млрд параметров и контекстом до 4096 токенов; она принимает текст и генерирует текст. Для диалогов используется шаблон Llama 2 Chat. Модель предназначена для следования инструкциям и решает широкий круг задач: ответы на вопросы по предоставленному контексту, суммаризация, математические решения в формате MathJSON, извлечение данных из логов, анонимизация, программирование и генерация аргументов для вызова функций. Она также обучалась на многошаговых инструкциях и диалогах с учётом системного промпта и истории беседы. Для MathJSON автор рекомендует низкую температуру генерации; исполнение планов или вызовов функций требует внешнего кода. Модель распространяется по лицензии Llama 2. Карточка называет её экспериментальной и отмечает, что часть данных по снятию ограничений не опубликована.