II.4Отладка, тестирование и качество ПО

bennetsharwin/distilbert-prompt-injection-v2 — классификатор текста на основе DistilBERT, дообученный для бинарного обнаружения prompt injection: он различает безвредные и вредоносные запросы. Модель предназначена для проверки пользовательского ввода и текстов перед передачей их языковой модели или обработчиком инструкций. В README приведены результаты на тестовом наборе: accuracy 99,35%, F1 99,57%, precision 99,75% и recall 99,38%. Модель использует архитектуру DistilBertForSequenceClassification, формат весов Safetensors и контекст до 512 токенов. Карточка указывает английский язык. Лицензия — MIT. Показатели тестирования не гарантируют такую же точность на новых данных: эффективность зависит от состава и распределения атак в проверяемых текстах. Модель классифицирует текст и сама по себе не блокирует запросы и не обеспечивает защиту системы.

Это плотная языковая модель семейства Qwen3 с 29,7 млрд параметров, разработанная на основе Qwen/Qwen3-32B и дообученная авторами репозитория на наборе open-athena/GLM-4.6-stackexchange-overflow-sandboxes-32eps-65k-reasoning. Она предназначена для генерации текста в диалоговом формате; название обучающего набора указывает на специализацию на вопросах и ответах из Stack Exchange и Stack Overflow, включая задачи с песочницами и рассуждениями. Модель принимает текст и выдаёт текст. Метаданные указывают на поддержку контекста до 40 960 токенов и семейство Qwen3; репозиторий использует Transformers и формат safetensors. Карточка не содержит результатов оценки или подробного описания качества, поэтому специализация по названию датасета не подтверждает конкретный уровень точности. Лицензия указана как other, без уточнения условий в предоставленных данных. Модель унаследовала базовую архитектуру Qwen3-32B и не описана как мультимодальная.

Hirundo Granite-4.1-3B Hardened — дообученная методом поведенческого unlearning модель Hirundo на базе ibm-granite/granite-4.1-3b. Это плотная причинная языковая модель на 3,4 млрд параметров для генерации текста и диалогов; она принимает текст и имеет контекстное окно 131 072 токена. Модель модифицирована для снижения восприимчивости к prompt injection при сохранении общих возможностей базовой модели. В опубликованных тестах PurpleLlama показатель успешности prompt injection снизился с 40,24% у исходной модели до 8,77%; в тестах Garak также отмечено снижение ряда атак и утечек. Эти результаты предназначены для сравнительной оценки и не гарантируют защиту в конкретном приложении. Модель подходит для экспериментов с защитой языковых моделей, сравнительных проверок безопасности и разработки приложений, где важна устойчивость к недоверенным инструкциям. Лицензия — Apache-2.0.

Injection Sentry — XLM-RoBERTa Component — это дообученный Verm1ion классификатор на базе XLM-RoBERTa-base для выявления атак prompt injection. Модель выдаёт бинарную классификацию SAFE или INJECTION и рассчитана на защиту приложений, использующих большие языковые модели. Она также входит в ансамбль Injection Sentry, представленный на бенчмарке Lakera PINT, и может применяться самостоятельно для обнаружения атак на разных языках. Модель содержит 305,2 млн параметров, использует архитектуру XLM-RoBERTa для классификации последовательностей и принимает текст длиной до 514 токенов. В карточке заявлена поддержка более 20 языков; среди перечисленных — английский, русский, французский, немецкий, испанский, китайский, японский, корейский и арабский. Для длинных документов README описывает обработку скользящими окнами с шагом 128 токенов. Веса опубликованы в формате safetensors по лицензии Apache-2.0. Модель обучалась на размеченных данных для обнаружения prompt injection и jailbreak-атак. Её сильная сторона — многоязычная классификация; по README, качество отдельной модели ниже, чем у полного ансамбля. Возможны ложные срабатывания на безопасных текстах с инструкциями или формулировками, похожими на атаки. Указанные в README показатели оценки относятся к полному ансамблю, а не к этой модели отдельно.

Карточка модели hipocap/Llama-Prompt-Guard-2-22M на Hugging Face совпадает с карточкой meta-llama/Llama-Prompt-Guard-2-86M, поэтому описание составлено по ней. Llama Prompt Guard 2 86M — классификатор Meta для обнаружения атак на LLM: prompt injection и jailbreak. Модель помечает запрос как вредоносный, если он явно пытается переопределить предыдущие инструкции; результат не оценивает, насколько атака опасна или успешна. Классификатор основан на mDeBERTa-base, содержит 86 млн параметров и предназначен для интеграции в приложения на базе Transformers. Модель принимает текст и выдаёт метку «benign» или «malicious». Контекст ограничен 512 токенами; длинные входы рекомендуется разбивать на сегменты и проверять параллельно. Модель обучена выявлять атаки на английском и других языках, а оценивалась на английском, французском, немецком, хинди, итальянском, португальском, испанском и тайском. Токенизация адаптирована для устойчивости к манипуляциям пробелами и фрагментацией токенов. Prompt Guard 2 улучшает точность обнаружения по сравнению с предыдущей версией, однако может пропускать адаптивные атаки, а качество зависит от распределения запросов в конкретном приложении. Для прикладных сценариев Meta рекомендует дообучение на соответствующих данных. В метаданных лицензия указана как other; README описывает модель как инструмент с открытым исходным кодом, но не уточняет конкретные условия лицензии.

OS-Software выпустила North-Mini-Code-1.0-Uncensored-Heretic — изменённую с помощью abliteration версию CohereLabs/North-Mini-Code-1.0, модели для генерации кода и агентных задач. Это текстовая модель с архитектурой decoder-only Transformer и разреженным Mixture-of-Experts. В метаданных указаны 1,2 млрд параметров и контекст до 500 000 токенов; README базовой модели описывает 30 млрд общих и 3 млрд активных параметров, контекст 256 тыс. токенов и до 64 тыс. токенов вывода. Источники расходятся в размере и длине контекста. Модель предназначена для генерации и анализа кода, агентной разработки ПО и задач в терминале; поддерживает чат и может работать с инструментами через шаблон чата Transformers. Abliteration существенно ослабила защитное выравнивание: в приведённом README тесте refusals снизились с 84/100 у исходной модели до 0/100. Это повышает вероятность вредных, неточных, предвзятых или оскорбительных ответов. README рекомендует исследовательское применение, эксперименты, исследования безопасности и red-teaming, а также независимую проверку результатов и защитные меры. Для модели указана лицензия Apache 2.0. Она принимает текст и генерирует текст; сведения о поддерживаемых естественных языках не приведены.

PromptShield — дообученная модель DistilBERT, созданная Сохамом Дахивалкаром для обнаружения атак с внедрением промптов в приложениях на основе больших языковых моделей. Она классифицирует текст как безопасный или содержащий атаку и предназначена для проверки пользовательских запросов, извлечённых документов и другого текста перед передачей LLM. Модель основана на distilbert/distilbert-base-uncased, использует архитектуру DistilBertForSequenceClassification и принимает текстовые последовательности длиной до 512 токенов. В карточке заявлено обнаружение переопределения инструкций, имитации ролей и jailbreak-попыток, извлечения системного промпта, инъекций разделителей, социальной инженерии, обфускации, манипуляции контекстом и попыток эксфильтрации данных. Карточка указывает английский язык и датасет Shomi28/prompt-injection-dataset. PromptShield подходит как компонент фильтрации в конвейере безопасности LLM, но результат классификации следует рассматривать как сигнал для последующей проверки: карточка не приводит оценок качества и не подтверждает полноту обнаружения всех вариантов атак. Модель распространяется по лицензии MIT.

Qwen3-4B-Critic-SFT — плотная языковая модель-критик на базе Qwen3-4B-Instruct-2507, разработанная проектом Steer, Don’t Solve для помощи крупным кодовым агентам. Модель дообучена методом полного SFT на 6 447 примерах траекторий решения задач по коду. Её подключают рядом с замороженным агентом: через заданное число шагов она анализирует ход работы и выдаёт структурированную критику с обнаруженными категориями ошибок, подтверждающими их фактами, способом восстановления, статусом задачи и кратким общим советом. Модель предназначена для сопровождения агентов при решении задач программирования, в том числе задач SWE-bench Verified; она направляет их работу, но сама не пишет исправления кода. Архитектура — Qwen3ForCausalLM, размер — 3,7 млрд параметров. Метаданные указывают контекст до 262 144 токенов, а в обучении использовалась последовательность длиной 32 768 токенов; для приведённого примера запуска vLLM задан лимит 65 536 токенов. Модель принимает текстовые диалоги с ходом работы агента и генерирует текстовую критику. Карточка указывает английский язык. Лицензия — Apache-2.0.

Solidity-Code-LLM — модель ChainGPT для генерации и анализа смарт-контрактов на Solidity. Это дообученная версия Salesforce/codegen-2B-multi с архитектурой CodeGenForCausalLM и 2 млрд параметров; README описывает предварительное обучение на корпусе Solidity и последующее дообучение на инструкциях. Модель принимает текстовые запросы и генерирует текст с кодом, имеет контекст 2048 токенов и рассчитана прежде всего на Solidity для Ethereum-совместимых блокчейнов. Модель подходит для создания шаблонов контрактов, помощи при написании и отладке кода, обучения Solidity и подготовки документации. В README заявлены результаты сравнения, включая успешную компиляцию примерно 83% сгенерированных контрактов; эти показатели относятся к описанной авторами оценке. Модель может выдавать логически неверный или небезопасный код и не заменяет аудит или формальную проверку. Лицензия — MIT.

VibeThinker-3B — языковая модель с 3,1 млрд параметров, разработанная как часть серии VibeThinker и дообученная на базе Qwen/Qwen2.5-Coder-3B. Это плотная авторегрессионная модель семейства Qwen2, предназначенная для генерации текста и решения задач с проверяемыми ответами: математики, программирования и рассуждений в областях STEM. Модель обучалась на траекториях рассуждений, прошла дообучение с учителем и обучение с подкреплением; заявленный в метаданных контекст составляет до 131 072 токенов. Модель подходит для олимпиадных задач по математике, соревновательного программирования, STEM-задач и инструкций, где результат можно проверить. В README отмечены результаты на AIME, HMMT, IMO-AnswerBench и LiveCodeBench, а также высокая доля принятых решений в недавних контестах LeetCode. Эти показатели описаны авторами и зависят от условий оценки. VibeThinker-3B не обучалась на данных для вызова инструментов или работы агентом, поэтому авторы не рекомендуют применять её для function calling, оркестрации API и автономной разработки. Для широких вопросов об открытом мире и общем диалоге может быть предпочтительнее более крупная универсальная модель. Лицензия — MIT.

WARD-0.8b — компактная мультимодальная модель семейства Qwen3.5, предназначенная для защиты веб-агентов от атак с внедрением промптов. Она анализирует намерение пользователя, предварительно обработанный HTML-код страницы и её скриншот, после чего возвращает JSON с объяснением, целью атаки, местом внедрения и меткой классификации. Модель принимает текст и изображение и выдаёт текстовый результат; в метаданных указана архитектура Qwen3_5ForConditionalGeneration и формат safetensors. Разработчик описывает её как guard-модель для веб-агентов. Лицензия — Apache-2.0.

AgentDoG-Qwen2.5-7B — языковая модель на архитектуре Qwen2, разработанная для оценки безопасности траекторий автономных агентов. Она анализирует последовательность шагов агента, включая действия и наблюдения, и определяет, встречается ли небезопасное поведение на любом этапе. Модель дообучена на Qwen/Qwen2.5-7B-Instruct, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель решает две задачи: бинарно классифицирует траекторию как безопасную или небезопасную и, для небезопасных траекторий, определяет источник риска, тип сбоя и возможный реальный вред. Её можно применять для проверки действий с инструментами и API, оценки безопасности агентных систем и подробной диагностики причин опасных действий. В README заявлены результаты на R-Judge, ASSE-Safety и ATBench, включая выявление рисков, возникающих после безопасных на вид начальных шагов. Это текстовая модель, ориентированная на английские инструкции и структурированные текстовые траектории; отдельные поддерживаемые языки в карточке не перечислены. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README приводит точность отдельных категорий на ATBench, в том числе 32,4% для классификации типов сбоя, поэтому детальные диагнозы могут быть менее надёжными, чем бинарная оценка.

BatchOnline-GRPO-7B — языковый верификатор кода от команды Aletheia-Bench, дообученный на DeepSeek-R1-Distill-Qwen-7B с использованием полудинамического GRPO: политика генерации синхронизировалась каждые четыре шага. Это плотная модель семейства Qwen2 с 7,1 млрд параметров; она принимает текст и поддерживает контекст до 131 072 токенов. Модель предназначена для оценки и ранжирования нескольких кандидатных решений задачи по программированию. Её можно применять как оценщик или награду для оптимизации генерации кода в RLHF/RLAIF-процессах, а также для автоматизированной проверки решений. Обучающие примеры включали задачи соревновательного программирования и наборы решений, среди которых ровно одно было подтверждено исполнением как правильное. Модель не выполняет код для проверки: она оценивает кандидатов по содержимому запроса, поэтому возможны ошибочные суждения, особенно на сложных или смещённых примерах. Карточка указывает лицензию CC-BY-NC-SA-4.0, которая ограничивает коммерческое использование и требует соблюдать условия атрибуции и распространения производных материалов.

Модель Octavio-Santana — дообученная DeBERTa-v3-base для бинарной классификации текста: она определяет, содержит ли входная строка попытку prompt injection. Метки результата: безопасный текст и prompt injection. Модель подходит для проверки входов перед передачей их языковой модели, фильтрации запросов в системах защиты и анализа атакующих примеров. Для обучения использовался набор Octavio-Santana/prompt-injection-attack-detection-multilingual; адаптер LoRA обучили, а затем объединили с базовой моделью для самостоятельного развёртывания. Архитектура — DeBERTa-v2, размер — 211,6 млн параметров, максимальный контекст — 512 токенов. Заявлена поддержка английского, португальского, немецкого, французского, испанского, тайского и японского языков. Лицензия — MIT. В README указаны accuracy 91,74% и macro F1 91,73% на валидации. Модель может не распознавать новые типы атак, а её качество зависит от сходства входных данных с обучающими; автор рекомендует сочетать её с правилами фильтрации и не рассматривать как полное решение безопасности.

Acuvity Prompt Injection — англоязычный классификатор текстов, разработанный Acuvity Inc. для выявления попыток внедрения инструкций в запросы к большим языковым моделям. Это дообученная модель DistilBERT с классификационной головой; она принимает текст и относит его к классу «безопасный» или «инъекция». В типовом сценарии классификатор проверяет пользовательский ввод перед передачей запроса основной LLM, чтобы помечать или блокировать обнаруженные инъекции. Модель рассчитана на английские запросы и имеет контекстное окно 512 токенов. В карточке указаны метрики оценки на 20 000 запросов из наборов, не использовавшихся при обучении: точность 96,025%, полнота 96,47%, precision 95,619% и F1 96,0426%. Эти результаты не гарантируют такую же эффективность на других данных. Модель не предназначена для выявления jailbreak-атак и не поддерживает запросы на других языках. Лицензия — Apache 2.0.

Builder117/distilbert-prompt-injection — дообученный классификатор на базе DistilBERT для выявления атак с внедрением промптов в системах с большими языковыми моделями. Он определяет попытки подменить системные инструкции, извлечь системный промпт, перехватить роль или скрыто встроить команды в пользовательский ввод. Модель присваивает тексту метку LEGIT или INJECTION и предназначена для проверки входящих запросов в защитных конвейерах LLM. Модель дообучена на distilbert-base-uncased на обучающей части набора deepset/prompt-injections; архитектура — DistilBertForSequenceClassification. Она рассчитана на англоязычный текст и принимает последовательности длиной до 512 токенов. Распространяется под лицензией Apache-2.0. Классификатор ориентирован на атаки из категории OWASP LLM Top 10 LLM01: Prompt Injection и подходит для предварительной фильтрации запросов. Он может пропускать сильно обфусцированные строки, включая замену символов, полноширинные и невидимые Unicode-символы; мультиязычные атаки не охвачены обучением.

DPO-Think-14B — плотная языковая модель на архитектуре Qwen2 с 14 млрд параметров, разработанная INSAIT-Institute для проверки решений задач по программированию. Она дообучена методом DPO на наборе INSAIT-Institute/Aletheia-DPO поверх deepseek-ai/DeepSeek-R1-Distill-Qwen-14B и использует заранее собранные трассы рассуждений без обучения на новых примерах в процессе оптимизации. Модель получает условие задачи и несколько кандидатных решений, оценивает их корректность и ранжирует кандидатов. Модель предназначена для использования как оценщик или функция вознаграждения в оптимизации генерации кода, а также для автоматической оценки решений. Метаданные указывают контекст до 131 072 токенов и формат safetensors; модель работает с текстовыми входами и генерирует текстовый вердикт. Лицензия CC BY-NC-SA 4.0 допускает использование на её условиях, включая ограничения на коммерческое применение. Проверка кода ориентирована на конкурентное программирование; результаты зависят от точности формулировки запроса и кандидатов, а модель не заменяет исполнение кода для подтверждения его корректности.

DPO-Think-1.5B — компактный кодовый верификатор, разработанный институтом INSAIT. Это плотная авторегрессионная модель семейства Qwen2 с 1,5 млрд параметров, дообученная методом DPO на наборе INSAIT-Institute/Aletheia-DPO поверх deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B. Модель принимает условие задачи по программированию и несколько вариантов решения, затем оценивает и ранжирует кандидатов, определяя корректный код. Модель предназначена для автоматической проверки решений задач соревновательного программирования, оценки кода языковой моделью-судьёй и использования в качестве функции награды при оптимизации моделей генерации кода в пайплайнах RLHF или RLAIF. Обучение использует заранее собранные примеры рассуждений и офлайн-оптимизацию предпочтений; контекст составляет до 131 072 токенов. Карточка указывает поддержку генерации текста и кода, но не перечисляет естественные языки модели. Модель распространяется под лицензией CC BY-NC-SA 4.0, которая требует атрибуции, распространения производных материалов на тех же условиях и запрещает коммерческое использование. Качество ранжирования может зависеть от формата запроса и области задач; для точного формата промпта карточка отсылает к репозиторию проекта.

Aira-security FT-Llama-Prompt-Guard-2 — дообученный с помощью LoRA классификатор на базе meta-llama/Llama-Prompt-Guard-2-22M для выявления prompt injection и jailbreak-попыток. Модель классифицирует текстовые запросы как безопасные или вредоносные и предназначена для проверки пользовательских промптов перед передачей их языковой модели. Модель имеет архитектуру DeBERTa-v2 и содержит 77,5 млн параметров; максимальная длина контекста — 512 токенов. README указывает, что обучение проводилось только на английском языке. Возможны ложноположительные и ложноотрицательные срабатывания, особенно на примерах, отличающихся от обучающих данных. Лицензия — Llama 2.

GRPO-Think-1.5B-16k — языковой верификатор кода, разработанный институтом INSAIT. Это плотная модель архитектуры Qwen2 с 1,5 млрд параметров, дообученная методом GRPO на наборе INSAIT-Institute/Aletheia-Train на основе DeepSeek-R1-Distill-Qwen-1.5B. Принимает условие задачи по программированию и несколько вариантов решения, оценивает и ранжирует их по корректности; модель обучалась с промежуточными рассуждениями и бюджетом генерации до 16 тысяч токенов. В метаданных указан нативный контекст 131 072 токена. Модель предназначена для проверки решений задач соревновательного программирования, выбора корректного варианта из нескольких кандидатов и использования в качестве оценочной или наградной модели при оптимизации генерации кода. Обучающие данные охватывают решения на Python, C++ и Java, однако это не означает, что модель сама генерирует исполняемый код для любых задач. Для работы требуются текстовый запрос с кандидатами и формат промпта, описанный разработчиками. Лицензия — CC BY-NC-SA 4.0, с условиями некоммерческого использования и распространения на тех же условиях.

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.

PE-Type-1-Vera-4B — дообученная VANTA Research мультимодальная модель-ассистент на архитектуре Gemma 3 4B IT, настроенная на персону Реформатора из типологии эннеаграммы. Она ориентирована на английский язык и сочетает диалоговые возможности базовой модели с прямым, принципиальным и требовательным стилем ответов. Модель подходит для структурированного анализа решений, конструктивной обратной связи, самоанализа, технического сотрудничества и исследований устойчивости персон. В README указано, что её обучали три эпохи на примерно 3 000 примерах с помощью LoRA ранга 16. Метаданные указывают поддержку изображений; базовая Gemma 3 4B IT умеет отвечать на вопросы по изображениям. Перфекционистский стиль может приводить к чрезмерной критичности в творческих задачах и замедлять ответы при неоднозначных запросах. Модель не рекомендуется для эмоционально поддерживающего общения. Возможны ограничения базовой модели, включая галлюцинации. Лицензия — Apache-2.0.

arkaean/promptguard-distilbert — модель DistilBERT, дообученная в рамках исследовательского проекта PromptGuard для бинарной классификации текстовых запросов к LLM. Она определяет, является ли запрос обычным или содержит попытку prompt injection либо jailbreak. Модель принимает текст и возвращает метку класса с оценкой; архитектура — DistilBertForSequenceClassification, размер — 66 млн параметров, максимальный контекст — 512 токенов. В карточке заявлены английский язык и лицензия MIT. Модель подходит для фильтрации входящих запросов в приложениях на базе LLM, предварительного обнаружения атак на агентов и настройки порога срабатывания под требования к пропускам атак и ложным тревогам. На отложенном IID-тесте из источников, представленных в обучающей выборке, указаны F1 0,9776 и ROC-AUC 0,9973; автор также приводит разные пороги для чувствительного к безопасности, сбалансированного и низколожноположительного режимов. Оценка обобщения на новые источники запросов не представлена, поэтому результаты теста не гарантируют аналогичное качество на иных типах атак и данных. В тестовом наборе отмечены отдельные вероятные ошибки разметки, унаследованные от исходных датасетов.

cgoosen/prompt-tackler — дообученная модель на базе protectai/deberta-v3-small-prompt-injection-v2 для классификации текстов. Она предназначена для обнаружения атак prompt injection, например при проверке пользовательского ввода перед передачей его языковой модели. Модель использует архитектуру DeBERTa v2 и содержит 155 млн параметров; максимальная длина контекста — 512 токенов. В README указаны результаты оценки: accuracy, precision, recall и F1 равны 0,9959, однако набор данных указан как None, поэтому эти метрики трудно интерпретировать без сведений о данных и методике оценки. Лицензия — Apache-2.0.

sergiopaniego/qwen3-1.7b-mbpp-grpo — это дообученная методом GRPO модель Qwen3-1.7B, созданная в рамках курса Training Agents с использованием TRL и OpenEnv. Она предназначена для решения задач MBPP по написанию кода на Python в среде с инструментом run_python: модель может запускать код, проверять результаты, читать ошибки и исправлять решения, сохраняя состояние между вызовами. Модель содержит 1,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. В оценке на 257 задачах MBPP sanitized/test она набрала 0,582 доли пройденных скрытых тестов против 0,518 у базовой Qwen3-1.7B; результаты отдельных запусков различаются. Веса опубликованы в формате safetensors под лицензией Apache-2.0. Лучше всего модель подходит для агентного решения небольших задач программирования с доступом к Python-среде. Результат зависит от среды выполнения и набора доступных импортов: часть задач MBPP в использованном окружении была невыполнима из-за ограничений исполнителя. README также отмечает, что часть вознаграждения приходилась на тестовый пример, показанный в условии, поэтому метрики не следует трактовать как универсальную оценку качества генерации кода.

AMAImedia выпустила эту версию в рамках платформы автоматизации многоязычного дубляжа NOESIS. Это доработанная копия gorbatjovy/Qwen3.8-27B-Cold-Fusion-GAIN-V1.1-heretic: согласно карточке, из неё удалено поведение отказа методом Heretic, а исходные возможности унаследованы от дообученной модели Qwen3.8-27B. Модель использует плотную архитектуру Qwen3.5 для условной генерации и принимает текст и изображения, выдавая текст; сохранена также голова MTP для спекулятивного декодирования. В репозитории представлены веса BF16 в формате Safetensors, для которых README указывает размер около 56 ГБ. Карточка описывает применение для анализа механизмов отказа, red teaming и оценки устойчивости. По приведённому в README тесту Heretic модель отказала в 8 из 100 вредоносных запросов при KL-дивергенции 0,0315 относительно базовой версии; это внутренняя метрика с классификатором ключевых слов. Утверждение карточки о неизменности понимания изображений относится к сохранённой башне зрения. Модель распространяется по лицензии Apache 2.0. Поскольку поведение безопасности удалено, она может выполнять вредоносные запросы; для пользовательского развёртывания нужны отдельные меры безопасности и модерации.

Qwen3.8-27B-full-Uncensored — текстовая генеративная модель, опубликованная 0xSojalSec и производная от Qwen/Qwen3.8-27B. Модель основана на архитектуре Qwen3 с 27 млрд параметров и предназначена для генерации текста, программного кода и использования в агентных сценариях, включая исследования AI safety, red teaming, кибербезопасность и задачи разработки. Доступны форматы GGUF, safetensors и MLX; поддерживаемые языки и размер контекстного окна в README не указаны. По заявлению автора, модель модифицирована методом abliteration: из весового пространства удалены направления, связанные с отказами и защитными отговорками. Версия V3 сочетает итеративное уточнение и целевую обработку данных. Заявлены сохранение режима thinking, рабочая генерация кода и результат 82,3% на MMLU против 84,5% у исходной модели, то есть снижение на 2,1 процентного пункта. Для генерации рекомендуются температура 0, repetition_penalty 1,15 и не менее 2048 новых токенов; системный промпт лучше не использовать. Ограничениями являются возможное зацикливание без настройки repetition_penalty, отсутствие встроенных защитных отказов и заявленное снижение качества относительно базовой модели. Приведённые оценки основаны на тестах автора и могут не отражать результаты независимой проверки. Модель распространяется по лицензии Apache-2.0. Поскольку защитные механизмы были намеренно ослаблены или удалены, её применение требует дополнительной оценки рисков, особенно в публичных и агентных системах.

RhoBERTa — модель-классификатор текста для проверки ответов LLM на галлюцинации и выявления jailbreak-атак. Согласно карточке, она разработана как обёртка над cross-encoder/nli-deberta-v3-base с дополнительными вычислениями над оценками entailment, contradiction и neutral. Архитектура — RhobertaForSequenceClassification, размер — 211,6 млн параметров, максимальный контекст — 512 токенов; модель принимает текст и выдаёт классификационные оценки. Модель предназначена для проверки соответствия ответа LLM исходному контексту, в том числе в RAG-сценариях, и для выявления потенциально вредоносных инструкций. README заявляет работу без дообучения, оценку Quantum Confidence Score и пороговую блокировку сомнительных ответов. Эти заявления и приведённые в карточке метрики не подтверждены независимыми данными. Для загрузки README требует включить trust_remote_code=True, что исполняет пользовательский код репозитория. Лицензия — MIT.

VibeThinker-3B-heretic_decensored — языковая модель на 3,1 млрд параметров, созданная prithivMLmods на основе WeiboAI/VibeThinker-3B. Это плотная causal language model архитектуры Qwen2, доступная в формате safetensors и рассчитанная на контекст до 131 072 токенов. Модель модифицирована инструментом Heretic с помощью анализа направления отказов и целевых изменений весов, чтобы снизить склонность к отказам, сохранив возможности исходной модели в математике, программировании и STEM-рассуждениях. Модель предназначена для генерации текста и диалогов, исследований поведения отказов и выравнивания, проверки рассуждений и оценки моделей, а также локального запуска. В карточке указаны английский язык и лицензия MIT. README описывает её как экспериментальную и предупреждает, что снижение числа отказов может приводить к чувствительным или небезопасным ответам и неожиданным артефактам.

Vinci-MLE-123B-1.0 — дообученная модель simpledirect на базе mistralai/Devstral-2-123B-Instruct-2512 для агентной работы с задачами машинного обучения. Она принимает текстовое описание задачи и контекст рабочего пространства, анализирует данные и обратную связь от инструментов, а затем формирует ответ или структурированный отчёт с решением, доказательствами и предлагаемыми изменениями. Модель содержит 123,4 млрд параметров; заявленная длина контекста — 262 144 токена. Репозиторий включает веса и токенизатор, а инструменты и среду выполнения приложение должно предоставить самостоятельно. Модель рассчитана на взаимодействие с инструментами для изучения файлов, запуска команд и записи файлов, а также на разбор причин проблем в ML-проектах. Специализация обучалась на 91 траектории в течение одной эпохи, поэтому охват ML-фреймворков и сценариев ограничен. Для версии 1.0 не завершены специализированные оценки по ML-инженерии и программированию; на MATH-500 результат ниже базовой модели на 4,8 процентного пункта. Возможны ошибки в отчётах, вызовах инструментов и предлагаемом коде, а надёжность на полном заявленном контексте не подтверждена. Лицензия указана как other; конкретные условия следует проверить в репозитории модели.