II.3Рефакторинг, миграция и модернизация

bartowski/Donnager-70B-v1-GGUF — это набор GGUF-квантизаций 70-миллиардной текстовой модели Donnager-70B-v1, разработанной TheDrummer и сконвертированной и квантованной bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и локального запуска, в том числе через LM Studio. Она поддерживает формат приглашений <s>[INST] {prompt} [/INST] и не поддерживает системный промпт. Доступны варианты квантования от Q8_0 до IQ1_M с размером файлов примерно от 15,94 до 73,29 ГБ. В README не указаны точная архитектура исходной модели, контекстное окно, поддерживаемые языки и модальности, поэтому эти характеристики нельзя определить по предоставленным данным. Более качественными считаются Q8_0, Q6_K, Q5_K_M и Q4_K_M; низкоразрядные варианты требуют меньше памяти, но заметно уступают в качестве. Некоторые варианты используют Q8_0 для embedding- и output-весов. Лицензия указана как other, без дополнительных условий в README. Для работы необходим совместимый рантайм GGUF, например llama.cpp или LM Studio; варианты размером более 50 ГБ могут быть разделены на несколько файлов.

evolvedSeeker-13 — экспериментальная разговорная модель для генерации кода, созданная TokenBender на основе deepseek-ai/deepseek-coder-1.3b-base. Модель дообучена на 50 тысячах инструкций за три эпохи; данные в основном взяты из наборов evolInstruct и glaive coder, а около трёх тысяч ответов дополнительно переработаны с помощью self-instruct. Для общения автор рекомендует формат ChatML; также подходит Alpaca с учётом токена EOT. Модель предназначена для быстрого помощника по коду, автодополнения, подготовки наборов данных и оценки моделей. Она содержит 1,3 млрд параметров, использует плотную архитектуру LlamaForCausalLM и поддерживает контекст до 16 384 токенов. README называет её ранней версией проекта PIC и отмечает, что большая часть работы ещё впереди. Автор предупреждает, что небольшой размер ограничивает способность к рассуждению и может приводить к ошибкам. Лицензия в предоставленных данных не указана.

Llama 3.2 1B Uncensored — дообученная версия Meta Llama 3.2 1B, разработанная Carsen Klock. Модель обучалась методом LoRA fine-tuning с использованием Unsloth на объединённых наборах данных для следования инструкциям, решения математических задач, генерации и анализа кода, неконтролируемых диалогов и медицинского рассуждения. Модель предназначена для текстовой генерации и поддерживает сценарии общего ассистирования, решения математических задач, генерации кода и предоставления обратной связи по коду. В README указан английский язык. Архитектура основана на Llama 3.2 с размером 1B параметров; доступны форматы GGUF, включая f16 и q4_k_m, а также объединённая 16-битная версия. Размер контекстного окна и дополнительные модальности не указаны, поэтому модель следует рассматривать как текстовую. К сильным сторонам относятся компактность, возможность локального запуска в форматах GGUF и специализация на математике, программировании и инструкциях. Ограничениями являются небольшой размер модели, неизвестные показатели качества и отсутствие сведений о поддержке других языков и длине контекста. Из-за ориентации на uncensored-ответы и медицинское рассуждение возможны небезопасные, неточные или непроверенные ответы; медицинские результаты требуют обязательной проверки специалистом. Модель распространяется по лицензии llama3.2.

laion/nl2bash-swesmith-stack-bugsseq — дообученная модель Qwen3-8B с 7,6 млрд параметров для генерации текста в диалоговом формате. Она обучена на наборах данных для преобразования инструкций на естественном языке в команды Bash, решения задач по коду и вопросам Stack Exchange, а также анализа ошибок в коде. Репозиторий указывает контекстное окно 40 960 токенов и формат весов safetensors. Модель может быть полезна для генерации команд оболочки, помощи с программированием и ответов на технические вопросы. README не приводит оценок качества и подробных ограничений; фактическую точность ответов следует проверять. Лицензия — Apache-2.0.

OpenReasoning-Nemotron-7B — языковая модель NVIDIA на 7,1 млрд параметров, дообученная методом supervised fine-tuning на базе Qwen2.5-7B. Это плотный декодерный трансформер семейства Qwen2, предназначенный для рассуждений и решения задач по математике, программированию и естественным наукам. Модель принимает текст и генерирует текст; в карточке указано контекстное окно 131 072 токена, а README сообщает об обучении на генерацию ответов длиной до 64 000 токенов. Модель рассчитана на разработчиков и исследователей, работающих со сложными задачами, олимпиадной математикой, кодом и научными вопросами. Её можно запускать в обычном режиме или использовать в многократной генерации с последующим выбором решения через GenSelect; описанная в README настройка GenSelect ориентирована на математику и, по заявлению разработчиков, обобщается на код и научные вопросы. В README приведены результаты на математических, научных и программных бенчмарках, но они не гарантируют такое же качество на произвольных задачах. Модель поддерживает английский язык согласно языковым метаданным. NVIDIA рекомендует для ускорения инференса GPU-системы NVIDIA; в README перечислены NeMo, vLLM и TensorRT-LLM. Лицензия — CC BY 4.0; README позиционирует модель для коммерческого и некоммерческого исследовательского использования.

Карточка модели Josephgflowers/Phi-3-mini-4k-instruct-Cinder-llamafied-with-16bit-GGUF на Hugging Face совпадает с карточкой Josephgflowers/Phi-3-mini-4k-instruct-Cinder-with-16bit-GGUF, поэтому описание составлено по ней. Josephgflowers/Phi-3-mini-4k-instruct-Cinder-with-16bit-GGUF — англоязычный чат-бот Cinder на основе Phi-3 Mini, доработанный для научных и образовательных бесед, общения и творческого исследования. В карточке указано, что дообучение включает данные о персонаже Cinder, вопросы и ответы по знаниям о мире и STEM, а также сокращённый набор данных Samantha, отредактированный для Cinder. Метаданные описывают плотную архитектуру Phi-3 с 3,7 млрд параметров и контекстом 4096 токенов; репозиторий содержит GGUF в формате F16 и safetensors, а модель поддерживает генерацию текста и код. Модель предназначена для диалогов и следования инструкциям, а компактный размер подходит для сценариев с ограничениями по памяти и задержке. В README также отмечены STEM-темы, математика, логика и программирование. Лицензия — MIT. Основное заявленное применение — английский язык. Качество на других языках может быть ниже; ответы могут содержать ошибки, выдуманные сведения, предвзятость или оскорбительный контент. Код и ответы в чувствительных областях требуют проверки; для высокорисковых сценариев нужны дополнительные меры оценки и защиты.

Poseidon-Reasoning-1.7B — компактная языковая модель для генерации текста, дообученная prithivMLmods на Qwen/Qwen3-1.7B. Для обучения использована выборка из первых 70 тысяч записей датасета Poseidon-Reasoning-5M. Модель предназначена для математических, научных и связанных с программированием рассуждений, решения задач и выполнения инструкций. Модель имеет плотную архитектуру Qwen3ForCausalLM, 1,7 млрд параметров и контекст до 40 960 токенов. Она принимает текст и может выдавать объяснения и структурированные ответы, включая Markdown, Python, LaTeX и таблицы. Карточка заявляет многоязычные возможности базовой Qwen3; метаданные карточки указывают английский язык. Лицензия — Apache-2.0. Модель рассчитана на задачи с чёткой постановкой и умеренной сложностью: помощь в математике и естественных науках, пошаговое решение задач и написание кода с ограничениями. Она не предназначена для широкой непринуждённой беседы и может уступать в творческом письме, эмоциональных ответах и неструктурированных спекулятивных рассуждениях.

Карточка модели prompt-agnostic-language-models/Qwen-1B_coin на Hugging Face совпадает с карточкой Qwen/Qwen3-0.6B-Base, поэтому описание составлено по ней. Qwen3-0.6B-Base — базовая плотная авторегрессионная языковая модель семейства Qwen3, разработанная командой Qwen. Это предварительно обученная модель примерно с 508 млн параметров: 28 слоёв, группированное внимание с 16 головами Q и 8 головами KV. Она принимает текст и генерирует продолжение, служит основой для дообучения и адаптации под прикладные задачи. Модель предназначена для языкового моделирования общего назначения, включая генерацию текста, работу с кодом, STEM-темами, логическими рассуждениями и многоязычными данными. Контекстное окно составляет 32 768 токенов. В README указано, что семейство Qwen3 обучалось на корпусе из 36 трлн токенов на 119 языках; перечень языков, поддерживаемых именно этой базовой версией, отдельно не приведён. Модель распространяется под лицензией Apache-2.0. Это базовая предобученная версия, поэтому для диалогового помощника или специализированного приложения обычно потребуется дообучение либо настройка шаблона запросов; карточка не приводит конкретных гарантий качества для таких сценариев.

Это квантованная версия Qwen2.5-Coder-1.5B-Instruct, подготовленная для запуска в формате GGUF с помощью llama.cpp. Компактная инструкционная модель на 1,5 млрд параметров предназначена для генерации и анализа кода в диалоговом формате; веса Q4_K_M занимают около 0,94 ГиБ и рассчитаны на запуск на оборудовании с ограниченной видеопамятью. Заявленная длина контекста — 32 768 токенов. Модель подходит для написания функций, отладки, объяснения алгоритмов и простого рефакторинга. Она отвечает без обязательного пошагового рассуждения, что удобно для интерактивных помощников. Небольшой размер ограничивает её возможности при работе со сложными задачами и крупными кодовыми базами. Лицензия — Apache-2.0.

Qwen3-4B Devin SFT (Instruct) — дообученная модель семейства Qwen3, созданная davidnichols-ops на базе Qwen/Qwen3-4B с использованием данных сессий Devin. Она предназначена для диалоговой генерации текста и сценариев агентной работы с вызовом инструментов; формат вызова инструмента задаётся JSON-объектом с именем инструмента и аргументами, например командой для shell. Модель имеет плотную архитектуру Qwen3ForCausalLM и около 3,7 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. Карточка указывает английский язык и лицензию Apache-2.0. Модель можно использовать для выполнения инструкций, разработки с помощью инструментов и работы в стиле Devin. Для ускорения вывода автор рекомендует сочетать её с черновой моделью davidnichols-ops/qwen3-0.6b-devin-draft; заявлено ускорение в 2–3 раза при спекулятивном декодировании. Качество вызова инструментов вне описанного формата и результаты на независимых задачах в карточке не оценены.

DavidAU/Qwen3-4B-Gemini-TripleX-High-Reasoning-Thinking-Heretic-Uncensored-GGUF — текстовая генеративная модель для задач диалога, ролевого взаимодействия, написания художественных текстов, программирования, математики, обучения и ответов на вопросы. Она создана DavidAU на основе объединения трёх дистиллированных моделей TeichAI, производных от Qwen3-4B-Thinking-2507 и ориентированных на reasoning-возможности Gemini 3 Pro Preview, Gemini 2.5 Flash и Gemini 2.5 Flash Lite Preview. Модель предназначена для генерации текста, включая связную прозу, развитие сюжетов и сцен, научную фантастику, романтические произведения, хоррор и другие жанры. В README заявлены сжатое рассуждение, контекст до 256K токенов и поддержка английского языка. Модель распространяется в формате GGUF; для работы с некоторыми интерфейсами требуется совместимая конфигурация, а автор рекомендует использовать smoothing factor 1.5 или альтернативно repetition penalty в диапазоне 1.1–1.15. К заявленным особенностям относятся сниженный уровень отказов и отсутствие обычных ограничений на содержание, включая NSFW-материалы, однако эти характеристики основаны на описании автора и могут зависеть от конкретной задачи и настроек. README не содержит подробных сведений о точной архитектуре объединения, количестве параметров сверх обозначения 4B, доступных квантизациях и объективных результатах тестирования. Лицензия модели — Apache 2.0.

khazarai/Qwen3-4B-Qwen3.6-plus-Reasoning-Distilled-GGUF — текстовая генеративная модель в формате GGUF, разработанная khazarai на базе Qwen3-4B-Thinking-2507. Модель создана методом reasoning distillation: её дообучили с помощью QLoRA и Unsloth на данных khazarai/qwen3.6-plus-high-reasoning-500x, чтобы перенести способности более крупной модели Qwen3.6-plus к рассуждению на компактную модель размером 4B параметров. В карточке указана поддержка английского языка и задача text-generation. Модель предназначена для сложных задач, требующих последовательного анализа, включая решение алгоритмических и графовых задач, разбор ограничений, формулирование алгоритмов, оценку сложности и подготовку псевдокода. По сравнению с базовой моделью она ориентирована на более структурированные, concise и профессиональные ответы с разделением на анализ проблемы, интуицию, алгоритм и оценку сложности. На указанном Multi-Domain-Reasoning-Benchmark из 100 вопросов дистиллированная модель получила 75,64 балла против 73,73 у Qwen/Qwen3-4B-Thinking-2507, однако эти результаты представлены разработчиком и не заменяют независимую оценку. Доступны варианты квантования Q4_K_1 размером около 2,3 ГБ, Q6_K около 3,3 ГБ, Q8_0 около 4,2 ГБ и bf16 около 8 ГБ; выбор варианта влияет на требования к памяти, скорость и качество. Обучение выполнялось на последовательностях длиной до 6500 токенов, но отдельный размер контекстного окна в карточке не указан. Сильные стороны модели — компактность, структурированность рассуждений и снижение избыточных самокоррекций; ограничения — специализация на английском языке, отсутствие заявленных мультимодальных возможностей и возможная зависимость качества от выбранного квантования. Лицензия — Apache-2.0.

Карточка модели 0xSojalSec/Qwen3.5-9B-abliterated на Hugging Face совпадает с карточкой lukey03/Qwen3.5-9B-abliterated, поэтому описание составлено по ней. Qwen3.5-9B-abliterated — текстовая диалоговая модель на архитектуре Qwen3.5, созданная lukey03 на основе Qwen/Qwen3.5-9B. Автор удалил часть поведения отказа ортогональной проекцией весов, затем применил QLoRA-дообучение и объединил адаптер с основными весами. В репозитории указано 7,2 млрд параметров, архитектура dense и контекст длиной 262 144 токена; модель распространяется в формате safetensors и рассчитана на работу через Transformers. Модель предназначена для генерации ответов в диалоге, включая запросы, на которые исходная модель отказывалась отвечать. В README также приведены примеры рассуждений, математики и программирования, но основная задача в каталоге — генерация текста. Карточка сообщает о тестировании на 18 запросах, однако это небольшой набор и результаты не гарантируют качество на других задачах. Удаление отказов означает, что модель может выдавать вредоносный, опасный или откровенный контент. Лицензия — Apache-2.0.

Qwen3.8-4B-Empero-AI-FullStack-GGUF — это набор GGUF-квантизаций языковой модели Qwen3.8-4B-Empero-AI-FullStack, разработанной iBotIA и опубликованной в формате GGUF пользователем tinyopsec. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio, Ollama или llama-cpp-python. Доступны варианты с точностью от 2 до 16 бит и размером примерно от 1,3 до 8,7 ГБ. Рекомендуемым вариантом по умолчанию указан Q4_K_M, обеспечивающий баланс между качеством и требованиями к памяти; варианты с более высокой точностью требуют больше VRAM, а варианты с сильнее сжатой квантизацией подходят для устройств с ограниченными ресурсами. В README указана поддержка английского языка и текстовая модальность. Архитектура исходной модели, размер контекста и дополнительные модальности не описаны. Основные преимущества набора — широкий выбор уровней квантизации, возможность локального запуска и совместимость с популярными инструментами для GGUF. Ограничения связаны с неизбежной потерей качества при использовании низкобитных вариантов, а также с отсутствием подробных сведений о качестве, обучении и возможностях исходной модели. В метаданных репозитория указана лицензия Apache 2.0; README также отсылает к лицензии оригинальной модели, которую следует проверить отдельно.

laion/tt-x3_kl-kl0 — дообученная методом обучения с подкреплением модель на базе Qwen/Qwen3-Coder-30B-A3B-Instruct. Её обучали с помощью RLOO и FSDP2 для агентных задач из набора terminal-bench exp_rpt_multifile; эта версия соответствует эксперименту с коэффициентом KL-потерь, равным нулю. Модель использует архитектуру Qwen3 MoE и предназначена для генерации текста в агентных сценариях, включая выполнение задач в терминале. Метаданные указывают 2,6 млрд параметров и контекст до 262 144 токенов. Заявленный язык — английский. Репозиторий содержит веса Safetensors; лицензия в предоставленных данных не указана.

Zamba-7B-v1 — предварительно обученная языковая модель Zyphra для генерации текста и кода. Она использует гибридную архитектуру: основу из слоёв Mamba с общим слоем внимания Transformer через каждые шесть блоков. Модель обучена предсказанию следующего токена на текстовых и кодовых данных; для токенизации применяется Mistral v0.1. В метаданных указано 16,9 млрд параметров и контекст 4096 токенов. Модель предназначена для продолжения текста и генерации кода. Благодаря архитектуре SSM она снижает затраты памяти на KV-кэш и обеспечивает высокую скорость генерации по сравнению с сопоставимыми моделями 7B–8B. По оценке разработчиков, она уступает ведущим открытым моделям 7B в основном на задачах MMLU и рассуждения. Это базовая модель без модерации, не дообученная для чата, поэтому качество диалоговых ответов не гарантируется. Карточка отмечает повышенную задержку в реализации Hugging Face по сравнению с внутренней реализацией. Лицензия — Apache-2.0.

GEITje-ultra-sft — разговорная языковая модель, разработанная Bram Vanroy и дообученная методом supervised fine-tuning на базе Rijgersberg/GEITje-7B. Базовая модель основана на Mistral 7B и дополнительно обучалась на нидерландских данных; вариант ultra-sft содержит около 7,1 млрд параметров и предназначен для генерации текста в диалоге. Модель подходит для ответов на вопросы и ведения многоходового общения на нидерландском языке, а также для генерации кода и ответов на технические вопросы. Обучение охватывало около 240 млн токенов синтетических диалоговых данных, включая переведённые наборы Alpaca, Dolly и Stack Overflow, а также диалоги, созданные с помощью GPT-4 Turbo. В README указан контекст обучения 8192 токена; метаданные репозитория указывают нативный контекст 32768 токенов. Модель не проходила выравнивание с помощью DPO или других методов предпочтений; автор рекомендует использовать DPO-вариант. Ответы могут быть ошибочными, вводящими в заблуждение или оскорбительными. Лицензия CC-BY-NC-4.0 и происхождение обучающих данных исключают коммерческое использование согласно карточке модели.

MobileLLM-R1.5-140M — компактная языковая модель Meta, дообученная методом on-policy дистилляции от facebook/MobileLLM-R1-140M-base. Это SFT-модель для решения математических и научных задач, а также задач программирования на Python и C++; разработчики отдельно отмечают, что она не предназначена для универсального общения. Модель содержит 140 млн параметров, использует текст на входе и выдаёт текст, поддерживает контекст до 32 тыс. токенов и словарь размером 128 тыс. токенов. Архитектура включает 15 слоёв, 9 attention heads и 3 KV heads. Дополнительная on-policy дистилляция применена как заключительный этап постобучения и, по данным авторов, улучшает результаты небольших моделей на сложных задачах рассуждения. Карточка приводит результаты семейства MobileLLM-R1.5, но конкретные численные показатели для версии 140M не выделяет. Модель опубликована под лицензией с обозначением «other»; условия лицензии следует проверить в карточке репозитория перед использованием.

Modello Italia 9B — крупная языковая модель, разработанная iGenius в сотрудничестве с CINECA. Представленная версия является неофициальной конвертацией официального checkpoint, изначально созданного с использованием LitGPT, для работы с библиотекой Hugging Face Transformers. Модель предназначена для обработки и генерации текста, прежде всего на итальянском языке, и может применяться в широком спектре языковых сценариев, включая диалоговые приложения и работу с исходным кодом. По имеющимся, частично неофициальным данным, она основана на архитектуре GPT-NeoX, содержит около 9 млрд параметров и использует tokenizer SentencePiece с словарём на 50 000 токенов. Объём контекста, точный состав и размер обучающего набора, а также поддерживаемые модальности не указаны; известно, что данные преимущественно включают итальянские тексты и исходный код, а также материалы Editoria Nazionale. Сильной стороной модели является специализация на итальянском языке и открытая возможность запуска через Hugging Face Transformers в формате bfloat16. Стандартизированные результаты оценки отсутствуют, поэтому качество и пригодность для конкретных задач необходимо проверять отдельно. Модель может генерировать неточные, предвзятые или иным образом нежелательные ответы; тестирование безопасности и адаптация под приложение обязательны, особенно для критически важных сценариев. Репозиторий распространяется по лицензии MIT, однако использование модели также требует принятия условий iGenius.

Qwen1.5-4B — базовая предобученная языковая модель от команды Qwen, бета-версия семейства Qwen2. Это декодерная Transformer-модель с примерно 3,6 млрд параметров, предназначенная для генерации текста и дальнейшей адаптации под прикладные задачи. Для пользовательского диалога предпочтительна отдельная чат-версия семейства: разработчики не рекомендуют использовать базовую модель для генерации без дополнительного обучения. Модель поддерживает контекст до 32 768 токенов и многоязычный токенизатор, адаптированный также к программному коду. В архитектуре семейства используются активация SwiGLU и смещение в проекциях внимания QKV; описание бета-версии уточняет, что в ней временно отсутствуют GQA (кроме модели 32B) и сочетание скользящего окна с полным вниманием. Модель принимает текст и генерирует текст. Рекомендуемые сценарии — продолжение текста, эксперименты и дообучение с помощью SFT, RLHF или продолжения предобучения. Репозиторий содержит веса в формате safetensors. Указана лицензия other, поэтому точные условия использования следует проверять в файлах лицензии репозитория.

Qwen2.5-Coder-0.5B-Instruct-4bit — компактная инструкционно настроенная модель для генерации текста и работы с программным кодом. Модель создана сообществом mlx-community путём конвертации Qwen/Qwen2.5-Coder-0.5B-Instruct в формат MLX с использованием mlx-lm 0.19.3. Модель предназначена для задач программирования, генерации и продолжения кода, а также диалоговых сценариев. Она поддерживает текстовую модальность и указана для английского языка. Размер базовой модели составляет 0,5 млрд параметров, а 4-bit-квантизация снижает требования к памяти, что делает её подходящей для локального запуска в экосистеме MLX через библиотеку mlx-lm. К сильным сторонам относятся компактность, экономичность по памяти и специализация на коде. Ограничения связаны с небольшим размером модели: по сравнению с более крупными моделями она может уступать им в качестве рассуждений, точности генерации и работе со сложными программными задачами. В README не указаны архитектура, размер контекста и дополнительные языки. Модель распространяется по лицензии Apache 2.0.

ReliquaryForge/qwen3-4b-base-dapo-v4 — базовая плотная причинная языковая модель семейства Qwen3, опубликованная в формате safetensors и предназначенная для генерации текста. Карточка описывает предобученную модель Qwen3-4B-Base с 36 слоями и группированным запросным вниманием (GQA); метаданные каталога указывают 3,7 млрд параметров. Контекстное окно составляет 32 768 токенов. Модель подходит как основа для генерации текста и дальнейшей адаптации под диалоговые и другие языковые сценарии. В карточке семейства указано предобучение на многоязычном корпусе и акцент на знаниях, рассуждениях, STEM и программировании; это общесемейное описание, не отдельная оценка именно данного чекпойнта. Для работы рекомендуется актуальная версия Transformers: версии ниже 4.51.0 могут не распознавать архитектуру Qwen3. Лицензия — Apache-2.0.

RegesCore-1.0-35B — языковая модель на 35 млрд параметров с архитектурой mixture-of-experts, созданная Like A King Inc. на основе Ornith-1.0-35B команды DeepReinforce. Это дообучение ориентировано на системную инженерию, работу с безопасностью, реверс-инжиниринг, Lua и агентное программирование. Модель рассчитана на диалог с системным промптом, который предлагает разделять утверждения на факты, выводы и неизвестное. Репозиторий содержит веса GGUF для локального запуска через llama.cpp, LM Studio, Ollama и совместимые с OpenAI серверы. Указаны квантизации от низкобитных IQ до Q8, а также варианты BF16, F16 и F32. Предусмотрены сценарии локального развёртывания, работы с Linux и инфраструктурой, анализа логов и инцидентов, разработки средств обнаружения угроз и редактирования кода в нескольких файлах. В метаданных основной задачей указана генерация текста; README сообщает о наследуемых от базовой архитектуры возможностях зрения, но их работа для всех сборок GGUF не подтверждена. Карточка рекомендует модель для авторизованных задач безопасности и инженерной работы, с проверкой результатов человеком. Специальных бенчмарков RegesCore не опубликовано; ответы и сгенерированный код могут быть ошибочными, а низкие квантизации снижают качество. Проверен только английский язык. Лицензия модели — MIT.

kenpeter123/small-1b-sft — языковая модель семейства Llama, разработанная автором репозитория и полученная supervised fine-tuning модели kenpeter123/small-1b-pretrain. Она предназначена для генерации текста по запросу и инструкциям, включая задачи с кодом. В метаданных указано около 956 млн параметров, контекст до 8192 токенов и библиотека Transformers; README описывает Transformer++-чекпойнт примерно с 1,03 млрд параметров, 32 слоями, групповым вниманием GQA и SwiGLU. Веса представлены в формате safetensors, также README сообщает о наличии сырого обучающего чекпойнта. Для дообучения использовались смешанные наборы инструкций, включая примеры кода; README упоминает 513 проверенных и 2500 сгенерированных примеров. Это указывает на ориентацию на инструкционную генерацию и код, но карточка не приводит результатов оценки качества или подробных рекомендаций по применению. Модель поддерживает английский язык согласно метаданным. Лицензия — Apache-2.0.

Vinci-Cyber-30B-1.0 — диалоговая языковая модель компании SimpleDirect для задач кибербезопасности, прежде всего анализа и исправления Infrastructure as Code (IaC). Это дообученная версия IBM Granite 4.1 30B с плотной архитектурой GraniteForCausalLM и 28,9 млрд параметров. Модель принимает и генерирует текст, поддерживает контекст до 131 072 токенов и распространяется в формате Safetensors. Заявленная область применения — помощь специалистам при проверке изменений IaC и решений оставить конфигурацию без изменений; результаты требуют проверки человеком. README сообщает об оценке на задачах IaC и об отсутствии подтверждённой регрессии на ряде общих бенчмарков, но не утверждает превосходства в кибербезопасности в целом. Проверка CyberSOCEval для этой версии ещё выполнялась, а PatchEval-Verified не проводился. Лицензия — Apache-2.0.

Mistral-Large-Instruct-2411 — плотная большая языковая модель Mistral AI с 122,2 млрд параметров, представленная в ноябре 2024 года. Она предназначена для диалоговой генерации текста, сложных рассуждений, работы с кодом и задач с длинным контекстом. По сравнению с Mistral-Large-Instruct-2407 улучшены обработка длинного контекста, вызов функций и следование системным инструкциям. Модель поддерживает контекст до 131 072 токенов и многоязычную работу; карточка перечисляет английский, французский, немецкий, испанский, итальянский, португальский, китайский, японский, русский и корейский. Также заявлены структурированный вывод JSON, вызов функций и применение в сценариях RAG. Для запуска рекомендована библиотека vLLM; карточка указывает, что для инференса на GPU требуется более 300 ГБ видеопамяти. Модель выпущена Mistral AI по Mistral Research License, разрешающей использование и модификацию в некоммерческих целях. Это текстовая модель общего назначения; заявленные возможности и результаты зависят от сценария и развертывания.

Qwen2.5-14B-Instruct-GGUF — инструкционная языковая модель из серии Qwen2.5, разработанная командой Qwen. Она предназначена для диалоговых приложений, генерации и обработки текста, следования инструкциям, программирования, математических задач, работы со структурированными данными и формирования структурированных ответов, включая JSON. Модель подходит для локального запуска в формате GGUF, в том числе с использованием llama.cpp. Модель представляет собой causal language model на архитектуре transformers с RoPE, SwiGLU, RMSNorm и смещениями в QKV-проекциях внимания. Она содержит 14,7 млрд параметров, включая 13,1 млрд параметров без учёта embedding, 48 слоёв и механизм GQA с 40 головами для Q и 8 для KV. Поддерживаются квантизации q2_K, q3_K_M, q4_0, q4_K_M, q5_0, q5_K_M, q6_K и q8_0. Полная длина контекста GGUF-версии составляет 32 768 токенов, а максимальная длина генерации — 8192 токена. Серия поддерживает более 29 языков, включая английский, китайский, русский, французский, испанский, немецкий, итальянский, японский и корейский. Сильные стороны модели — улучшенные способности к программированию и математике, следование инструкциям, генерация длинных текстов, обработка таблиц и других структурированных данных, а также устойчивость к разнообразным системным промптам. Для GGUF-версии заявлена поддержка контекста до 131 072 токенов только при использовании YARN в vLLM; для этого сценария рекомендуется обращаться к не-GGUF моделям. Модель распространяется по лицензии Apache-2.0.

Карточка модели foranyone2026/Qwen3.8-2.4T-A95B на Hugging Face совпадает с карточкой Qwen/Qwen3.8-2.4T-A95B, поэтому описание составлено по ней. Qwen3.8-2.4T-A95B — текстовая причинная языковая модель семейства Qwen, разработанная командой Qwen. Модель предназначена для генерации текста, диалогов, программирования, профессиональных и исследовательских задач, а также многошаговой работы агентных систем с использованием обратной связи от среды и инструментов. Архитектура — MoE на основе Qwen3.5 с 2,4 трлн параметров суммарно и 95 млрд активируемых параметров. В модели 92 слоя и 512 экспертов, из которых для токена активируются 10 маршрутизируемых и один общий эксперт. Контекст составляет 262 144 токена нативно и может расширяться примерно до 1,01 млн токенов. Модель принимает только текст, работает в режиме рассуждений, который нельзя отключить, и поддерживает интерфейс вызова инструментов. Репозиторий содержит веса и конфигурацию в формате Transformers; README указывает совместимость с vLLM, SGLang и другими движками. Модель рассчитана на сложную генерацию текста, программирование, исследования и длительные задачи с планированием; глубину рассуждений можно настраивать параметром reasoning_effort. Она не поддерживает мультимодальный ввод. Лицензия обозначена как other, поэтому перед использованием следует проверить условия лицензии в репозитории Hugging Face.

Карточка модели GautamHirawat/Qwen3.8-2.4T-A95B на Hugging Face совпадает с карточкой Qwen/Qwen3.8-2.4T-A95B, поэтому описание составлено по ней. Qwen3.8-2.4T-A95B — текстовая причинная языковая модель семейства Qwen, разработанная командой Qwen. Модель предназначена для генерации текста, диалогов, программирования, профессиональных и исследовательских задач, а также многошаговой работы агентных систем с использованием обратной связи от среды и инструментов. Архитектура — MoE на основе Qwen3.5 с 2,4 трлн параметров суммарно и 95 млрд активируемых параметров. В модели 92 слоя и 512 экспертов, из которых для токена активируются 10 маршрутизируемых и один общий эксперт. Контекст составляет 262 144 токена нативно и может расширяться примерно до 1,01 млн токенов. Модель принимает только текст, работает в режиме рассуждений, который нельзя отключить, и поддерживает интерфейс вызова инструментов. Репозиторий содержит веса и конфигурацию в формате Transformers; README указывает совместимость с vLLM, SGLang и другими движками. Модель рассчитана на сложную генерацию текста, программирование, исследования и длительные задачи с планированием; глубину рассуждений можно настраивать параметром reasoning_effort. Она не поддерживает мультимодальный ввод. Лицензия обозначена как other, поэтому перед использованием следует проверить условия лицензии в репозитории Hugging Face.

Карточка модели Rab007/Qwen3.8-2.4T-A95B на Hugging Face совпадает с карточкой Qwen/Qwen3.8-2.4T-A95B, поэтому описание составлено по ней. Qwen3.8-2.4T-A95B — текстовая причинная языковая модель семейства Qwen, разработанная командой Qwen. Модель предназначена для генерации текста, диалогов, программирования, профессиональных и исследовательских задач, а также многошаговой работы агентных систем с использованием обратной связи от среды и инструментов. Архитектура — MoE на основе Qwen3.5 с 2,4 трлн параметров суммарно и 95 млрд активируемых параметров. В модели 92 слоя и 512 экспертов, из которых для токена активируются 10 маршрутизируемых и один общий эксперт. Контекст составляет 262 144 токена нативно и может расширяться примерно до 1,01 млн токенов. Модель принимает только текст, работает в режиме рассуждений, который нельзя отключить, и поддерживает интерфейс вызова инструментов. Репозиторий содержит веса и конфигурацию в формате Transformers; README указывает совместимость с vLLM, SGLang и другими движками. Модель рассчитана на сложную генерацию текста, программирование, исследования и длительные задачи с планированием; глубину рассуждений можно настраивать параметром reasoning_effort. Она не поддерживает мультимодальный ввод. Лицензия обозначена как other, поэтому перед использованием следует проверить условия лицензии в репозитории Hugging Face.