II.4Отладка, тестирование и качество ПО

LogLLM — дообученная модель семейства Llama 3, разработанная ZigZeug на базе Meta-Llama-3-8B. Она предназначена для анализа системных журналов: модель генерирует текстовые выводы по логам и помогает находить признаки проблем и возможные причины сбоев. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и принимает текстовый ввод; заявленная длина контекста — 8192 токена. Модель рассчитана на сценарии системного администрирования и диагностики по логам. Она доступна в формате safetensors для библиотеки Transformers и распространяется по лицензии Apache-2.0. В карточке не приведены результаты оценки качества или подробности о данных дообучения, поэтому точность диагностики и устойчивость на форматах логов, отличающихся от обучающих, не установлены.

EuroEval/mmBERT-small-multi-wiki-qa-synthetic-hallucinations-with-ragtruth-bg — модель на базе архитектуры ModernBERT для token classification, опубликованная в экосистеме EuroEval. Она предназначена для разметки отдельных токенов в текстах, в частности для анализа синтетических галлюцинаций в материалах, связанных с вопросно-ответными системами, Wikipedia и RAGTruth; суффикс bg указывает на болгарскую языковую версию или набор данных. Модель содержит около 140,5 млн параметров, работает через библиотеку Transformers и поддерживает контекст до 8192 токенов. По названию и метаданным её можно рассматривать как специализированный компонент для обнаружения или классификации фрагментов текста, связанных с галлюцинациями и достоверностью ответов в RAG-сценариях. README не содержит сведений о разработчиках, лицензии, точных метках классов, обучающих данных, результатах оценки и готовом способе применения, поэтому эти характеристики нельзя подтвердить.

NYXIS-Pro — диалоговая текстовая модель QuantaSparkLabs на архитектуре Qwen2 с 1,5 млрд параметров, дообученная на базе QuantaSparkLabs/NYXIS-1.1B. Она предназначена для генерации ответов и помощи с вопросами по программированию, математике, науке, истории и общим знаниям. В комплект входят база AEGIS из 5 426 фрагментов знаний и двухэтапный поиск: первичный подбор с bge-small-en-v1.5 и переранжирование с ms-marco-MiniLM-L-6-v2. Модель также оценивает эмоцию в пользовательском тексте и подстраивает тон ответа. Контекст модели — до 32 768 токенов. По README, система может обращаться к внешнему поиску при наличии предоставленной пользователем API-функции, а при нехватке данных должна сообщать об этом. Заявление карточки о том, что модель не галлюцинирует, не гарантирует фактическую точность. Модель ориентирована на английский язык; небольшое число параметров ограничивает сложные рассуждения, база знаний охватывает ограниченный набор фрагментов, а определение эмоций основано на ключевых словах. 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.

Opir-multitask-large-v1.0 — англоязычный классификатор безопасности от Knowledgator на базе GLiClass. Это encoder-модель для фильтрации текста в системах с LLM: она оценивает текст относительно заданных при запуске меток и поддерживает бинарную классификацию safe/unsafe, выявление токсичности, jailbreak-атак и prompt injection, а также категоризацию вредоносного содержимого по иерархической таксономии из 996 меток. Модель предназначена для проверки входящих запросов и ответов LLM, направления рискованных случаев в дополнительные защитные механизмы или на проверку человеком, а также для офлайн-анализа результатов red team и журналов модерации. Метки можно адаптировать под собственную политику. В сравнительном тесте авторов задержка составила 25,65 мс на p50 и 26,09 мс на p95 при длине 1024 токена. Классификатор возвращает оценки риска, а не окончательные решения по политике. Он может пропускать новые или обфусцированные атаки и вред, не отражённый в кандидатных метках; пороги следует калибровать на целевом трафике, а результаты дополнять правилами, мониторингом и эскалацией. Английский — основной язык модели. Лицензия — Apache-2.0.

bbanany разработал дообученную модель на базе Qwen2.5-3B-Instruct для классификации фрагментов-кандидатов в ответах корейской RAG-системы: модель определяет, содержит ли фрагмент персональные данные (PII) или не содержит их (NOT_PII). Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров и контекстом до 32 768 токенов; основное назначение — проверка и фильтрация ответов перед выдачей пользователю. Модель обучена методом QLoRA с 4-битной NF4-квантизацией, после чего адаптер объединён с базовой моделью и сохранён в FP16 Safetensors. Репозиторий также содержит LoRA-адаптер. Корейский язык указан как целевой; для загрузки объединённых весов не требуются PEFT или bitsandbytes, поддерживаются CUDA и Apple Silicon MPS. Классификатор выдаёт только два класса. Данные обучения преимущественно синтетические и ориентированы на рабочие контексты, поэтому поведение на реальных документах, новых тегах и языковых вариантах нужно отдельно проверять. Модель не предназначена для юридического установления факта обработки персональных данных. Лицензия указана как other, конкретные условия в доступных сведениях не раскрыты.

Qwen2.5-Coder-0.5B-Instruct-heretic — небольшая языковая модель для генерации текста и кода, разработанная на основе Qwen/Qwen2.5-Coder-0.5B-Instruct. Модель опубликована пользователем saidutta69 и модифицирована с помощью Heretic 1.4.0: целевые изменения весов подавляют встроенное поведение отказа без дообучения, поэтому исходные знания и навыки следования инструкциям должны в значительной степени сохраняться. Модель предназначена для локальных кодовых агентов, сценариев copilot, генерации и обработки программного кода, ролевых приложений и исследований механизмов выравнивания и отказов моделей. Она содержит около 0,5 млрд параметров, ориентирована на текстовую модальность и заявляет английский язык. Доступны веса BF16 и варианты GGUF, включая F16, Q8_0, Q5_K_M и Q4_K_M; благодаря небольшому размеру модель подходит для запуска на CPU, Apple Silicon и видеокартах с ограниченной памятью. Размер контекста в README не указан. Сильной стороной является компактность и существенно сниженная частота отказов: в приведённом тесте она составила 8 из 100 случаев против 52 из 100 у исходной модели, при низком заявленном KL-расхождении 0,1249. Ограничения включают небольшой размер, унаследованные фактические ограничения и предвзятости базовой модели, а также намеренное отсутствие защитных фильтров: модель может выполнять запросы, от которых исходная версия отказалась бы, включая небезопасные. Для публичных неотмодерированных сервисов её использование не рекомендуется. Лицензия — Apache 2.0, унаследованная от базовой модели.

Qwen3.5-9b-Sushi-Coder — дообученная и объединённая версия Qwen3.5-9B от автора bigatuna, созданная на базе unsloth/qwen3.5-9b с продолжением обучения через LoRA. В обучении использовались наборы open-r1/codeforces-cots и nohurry/Opus-4.6-Reasoning-3000x-filtered; модель собрана в формате safetensors и предназначена для диалоговой работы с кодом и рассуждениями. Архитектура — плотная мультимодальная Qwen3.5 с поддержкой изображений и текста; карточка указывает английский язык. Лицензия — Apache-2.0. Модель подходит для запросов по программированию, решения задач в стиле Codeforces и анализа изображений вместе с текстовым запросом. Публичная карточка не приводит оценок качества и ограничений по контексту, поэтому пригодность для конкретного кода или сложных задач нужно проверять на собственных примерах.

Qwen3-8B-Critic-SFT-CWM-only — модель-критик на основе Qwen3-8B, разработанная командой Steer, Don't Solve для контроля траекторий кодирующих агентов. Через заданные интервалы она анализирует ход работы и выдаёт структурированную критику: категории ошибок, подтверждающие их свидетельства, действие для восстановления, статус задачи и краткую рекомендацию. Модель не пишет исправления кода. Модель содержит 7,6 млрд параметров и обучена полным дообучением на 4 532 примерах критики траекторий CWM-32B; данные охватывают задачи из matplotlib, moto и sympy. Она предназначена для использования как компонент цикла агента, в частности с SWE-bench Verified. Карточка сообщает о контекстном окне 40 960 токенов; обучение проводилось с последовательностями до 32 768 токенов. Модель принимает текстовые траектории и формирует текстовую структурированную критику. В метаданных указан английский язык. В описанном авторами сравнении критик повысил долю решённых задач у двух агентов Qwen; добавление траекторий Qwen3-Next в обучающий корпус давало больший прирост. Модель распространяется под лицензией Apache-2.0. Для работы требуется подключить её к обслуживанию агента; сама по себе она не вносит изменения в код.

Карточка модели inclusionAI/SingGuard-NSFA-2B на Hugging Face совпадает с карточкой inclusionAI/SingGuard-NSFA-0.8B, поэтому описание составлено по ней. SingGuard-NSFA-0.8B — модель-охранник для защиты агентных систем, разработанная командой SingGuard из AI Security Lab компании Ant Group. Это вариант с 0,8 млрд параметров, дообученный на базе Qwen3.5. Модель предназначена для проверки отдельных запросов пользователя и ответов агента: она выявляет prompt injection и jailbreak, запросы на вредоносный код, кражу чувствительных данных, опасное использование инструментов и ресурсов, а также утечку чувствительной информации в ответах. Модель поддерживает два режима: генеративный анализ с объяснением для аудита и классификацию для оперативного перехвата угроз. В README для классификационного режима указана задержка около 45–57 мс на одном NVIDIA A100; для семейства моделей заявлена оценка выше 94% F1 на созданных авторами многоязычных тестах. Карточка описывает модель как текстовую и одноходовую, хотя в метаданных Hugging Face указаны архитектура с поддержкой изображений и pipeline image-text-to-text; мультимодальные угрозы README относит к сценариям вне области применения. Модель заявлена для 133 языков; метаданные перечисляют языковые коды, включая английский, китайский, французский, немецкий, хинди и арабский. Распространяется по лицензии Apache 2.0. Ограничения: модель не анализирует угрозы в изображениях, аудио и видео, многоходовые траектории взаимодействия и межагентную коммуникацию; её таксономия не предназначена для общей модерации контента.

SonarSweep-java-gpt-oss-20b-GGUF — версия модели SonarSweep для генерации Java-кода, подготовленная командой SonarSweep и опубликованная в формате GGUF. В основе лежат openai/gpt-oss-20b и SonarSource/SonarSweep-java-gpt-oss-20b; в README указано, что исходная модель дообучена на наборе из 70 тысяч примеров Java-кода, а этот репозиторий содержит квантизованные веса MXFP4 с Q8_0 для выходного тензора и эмбеддингов. Архитектура — Transformer Mixture of Experts, 20,9 млрд параметров, из которых активно 3,6 млрд. Модель предназначена для генерации и автодополнения Java-кода, в том числе для встроенных подсказок разработчику. Она работает в профиле низкого уровня рассуждений и рассчитана на формат диалогов Harmony. README заявляет, что дообучение уменьшило число ошибок и проблем безопасности в бенчмарках при сопоставимом pass@1, однако эти результаты не гарантируют корректность конкретного кода. Для применения требуются значительные ресурсы: README рекомендует не менее 32 ГБ оперативной памяти для GGUF-варианта. Модель поддерживает Java и английский язык. Лицензия — Apache 2.0. Сгенерированный код может содержать ошибки и уязвимости, поэтому его следует проверять статическим анализом и ревью; знания модели могут не учитывать новые версии Java, библиотек и закрытые API.

xFinder-llama38it — модель IAAR для извлечения ключевых ответов из выводов больших языковых моделей. Она создана дообучением Llama 3 8B Instruct и предназначена прежде всего для повышения точности и надёжности автоматической оценки ответов LLM. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и принимает текст. Окно контекста составляет 8192 токена. В README описана оценка на размеченных тестовой и обобщающей выборках KAF Dataset, где модель сравнивали с извлечением ответов на основе регулярных выражений. Модель подходит для извлечения ответов в конвейерах оценки языковых моделей. Карточка сообщает об английском языке и формате PyTorch. Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных материалов на её условиях.

funmidab/xss-classifier — модель классификации текста на базе DistilBERT, дообученная на наборе данных, название которого в карточке указано как None. Она предназначена для обнаружения XSS в текстовых входах и может использоваться для предварительной проверки строк или фрагментов текста в приложениях безопасности. В README приведены результаты на тестовой выборке: accuracy 0,9984, precision, recall и F1 — 0,9977. Это показатели указанного набора оценки и они сами по себе не гарантируют такое же качество на других данных. Модель использует DistilBertForSequenceClassification, принимает текст и выдаёт метку классификации. Контекстное окно — 512 токенов; модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не раскрывает состав и разметку датасета, набор классов и подробные ограничения, поэтому перед применением в защите её следует оценить на данных целевого приложения.

Карточка модели AI45Research/AgentDoG1.5-Llama-3.1-8B на Hugging Face совпадает с карточкой AI45Research/AgentDoG1.5-Qwen3.5-4B, поэтому описание составлено по ней. AgentDoG 1.5 Qwen3.5 4B — модель для проверки безопасности траекторий действий ИИ-агентов, разработанная AI45Research в рамках семейства AgentDoG. Она принимает полную текстовую траекторию работы агента, включая взаимодействие с инструментами и средой, и классифицирует её как безопасную или небезопасную. Для небезопасных траекторий модель также может определять тип сбоя, возможные последствия риска и его источник. Модель построена на плотной архитектуре Qwen3.5 и содержит 4 млрд параметров. Она предназначена для классификации и мониторинга агентных сценариев, в том числе для работы в качестве онлайн-защитного барьера, способного выявлять риск и вмешиваться в выполнение workflow. Для развёртывания README рекомендует совместимые версии SGLang или vLLM. Модель распространяется под лицензией Apache-2.0. Карточка не приводит конкретных ограничений точности или списка поддерживаемых естественных языков; результаты следует интерпретировать в контексте заданной таксономии безопасности и формата входной траектории.

Caspian-LFM2.5-350M-Reasoning — дообученная разговорная языковая модель Willie999 на архитектуре Liquid LFM 2.5. Она предназначена для генерации текста с акцентом на рассуждения, в том числе для математических задач и кода; в карточке также приведены примеры оценки на биологических темах. Метаданные указывают 444,6 млн параметров, контекст до 128 000 токенов и формат safetensors. В README размер модели указан как 350 млн параметров, поэтому опубликованные сведения о размере расходятся. Модель поддерживает английский язык и может применяться для ответов на вопросы, решения задач и генерации кода в диалоговом формате. README приводит показатели скорости и точности, однако не описывает методику оценки достаточно подробно, чтобы переносить их на другие условия. Модель распространяется по лицензии MIT.

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.

Это дообученная модель Qwen3-32B, опубликованная LAION. Она обучена на наборе open-athena/GLM-4.6-stackexchange-overflow-sandboxes-32eps-65k-reasoning и предназначена для генерации текста в диалоговом режиме, в том числе ответов на вопросы и рассуждений по темам, представленным в обучающих данных Stack Exchange и Stack Overflow. Модель использует плотную архитектуру Qwen3ForCausalLM, содержит 29,7 млрд параметров и поддерживает контекст до 40 960 токенов. Репозиторий содержит веса в формате safetensors; метаданные указывают библиотеку Transformers и лицензию other. README не приводит результатов оценки, подробностей обучения или описания ограничений, поэтому качество в конкретных сценариях по карточке определить нельзя.

Granite-3.3-8B-Math-PRM-v2 — плотная языковая модель на 8,2 млрд параметров, разработанная Granite Alignment Team и IBM Research на базе IBM Granite-3.3-8B-Instruct. Модель дообучена как генеративная модель оценки процесса рассуждений (PRM): для каждого шага решения она определяет, верна ли цепочка рассуждений на текущий момент, выдавая метку Y или N. Вероятность Y можно использовать как численную оценку вознаграждения при выборе лучшего решения из нескольких вариантов. Основное назначение — проверка пошаговых решений математических задач, обнаружение ошибок в рассуждениях и ранжирование сгенерированных решений в схемах Best-of-N. В README также отмечены результаты применения при масштабировании вывода на задачах программирования. Модель настроена прежде всего на английский язык; базовая модель поддерживает также немецкий, испанский, французский, японский, португальский, арабский, чешский, итальянский, корейский, нидерландский и китайский. Контекст — до 131 072 токенов. Для оценки каждого шага к нему требуется добавить вопрос «Is this response correct so far (Y/N)?». Модель показала сильные результаты в опубликованных оценках Math-500, ProcessBench и PRMBench, однако эти результаты не гарантируют точность на произвольных задачах или форматах рассуждений. Лицензия Apache 2.0; карточка сообщает, что для обучения использовались отобранные данные из источников с разрешительными лицензиями.

Holo3.1-35B-A3B-GGUF — мультимодальная vision-language модель для компьютерных агентов, разработанная H Company. Она предназначена для навигации и автоматизации действий в веб-браузерах, настольных и мобильных интерфейсах, а также для задач UI grounding, бизнес-процессов и интеграции с агентными фреймворками. Модель поддерживает native function calling и ориентирована на локальное развертывание. Модель относится к семейству Holo3.1 и построена на базе моделей Qwen 3.5; в README также указана MoE-архитектура. Вариант Holo3.1-35B-A3B доступен в формате GGUF с квантизацией Q4, а также в вариантах BF16, FP8 и NVFP4. Заявлен английский язык. Модель работает с текстом и визуальной информацией, но размер контекстного окна в предоставленных данных не указан. К сильным сторонам относятся поддержка компьютерного использования в веб-, настольных и мобильных средах, функции для построения агентов и возможность более экономичного локального запуска благодаря квантизации. README заявляет высокие результаты в бенчмарках компьютерного использования, мобильной автоматизации, корпоративных рабочих процессов и UI grounding, однако подробные числовые показатели не приведены. Ограничения, требования к оборудованию и точные параметры контекста также не указаны; для GGUF-варианта могут потребоваться совместимые средства инференса. Модель распространяется по лицензии Apache 2.0.

Huihui-NeoHorse-1-4B-abliterated-GGUF — языковая модель для генерации текста, разработанная huihui-ai на базе TokenRhythm/NeoHorse-1-4B. Модель распространяется в формате GGUF и предназначена для задач следования инструкциям, рассуждений, программирования, использования инструментов и агентских сценариев. В карточке также указано наличие компонентов MTP и Visual, извлечённых из Qwen/Qwen3.5-4B, что должно обеспечивать поддержку визуальных возможностей, однако подробные сведения о поддерживаемых модальностях и языках не приведены. Это экспериментальная версия с уменьшенной фильтрацией отказов, полученная методом abliteration: аблированы слои 5–17 с индексацией от нуля. Заявленный размер — около 1,4 млрд параметров, а рекомендуемый размер контекста при использовании через llama.cpp составляет 262144 токена. К сильным сторонам относятся компактность, поддержка локального запуска через llama.cpp и ориентация на кодирование, рассуждения и tool use. При этом метод модификации описан как грубая proof-of-concept реализация, поэтому качество, стабильность и поведение модели могут быть непредсказуемыми. Фильтрация контента существенно ослаблена, поэтому модель может генерировать чувствительные, спорные или неподходящие материалы и не предоставляет стандартных гарантий безопасности. Она рекомендуется преимущественно для исследований, тестирования и контролируемых сред, а не для публичных или критически важных производственных приложений; необходимы мониторинг и проверка результатов человеком. Лицензия — Apache 2.0.

Lion Warden — модель Patronus AI для многоцелевой классификации текстов в системах защиты ИИ-агентов. Это дообученный мультиязычный энкодер ModernBERT/mmBERT с архитектурой UnifiedMultiTaskModel и семью независимыми классификационными головами. За один проход модель оценивает признаки prompt injection, чувствительных документов, типа и действий инструмента, тегов безопасности, маршрутизации запроса и категории угрозы. Входом служит текст: например, запрос, вызов инструмента, документ или шаг агента; на выходе — отдельные оценки и классы по головам. Модель предназначена для проверок в межсетевом экране ИИ, применения политик к агентам, оценки риска инструментов, сигналов предотвращения утечек, маршрутизации запросов и мониторинга во время выполнения. В карточке приведены результаты по отдельным головам на тестовом наборе и средний macro-F1 0,937. Основными языками оценки были немецкий и английский; мультиязычная основа допускает работу с другими языками, но они не проверялись активно. Модель не отслеживает поток информации между несколькими шагами агента, а положительный прогноз сам по себе не доказывает выполнение действия или доступ к данным; возможны ложные срабатывания и пропуски. Лицензия — Apache-2.0.

Это экспортированная в ONNX и квантованная версия классификатора Meta Llama-Prompt-Guard-2-22M, опубликованная gravitee-io. Модель использует архитектуру DeBERTa-v2 и предназначена для классификации текста с целью выявления jailbreak-промптов и попыток обойти инструкции безопасности LLM. Она принимает текст и выдаёт метки классов; поддерживает английский, французский, немецкий, хинди, итальянский, португальский, испанский и тайский языки. Размер модели по метаданным — 77,5 млн параметров, контекст — 512 токенов. Репозиторий содержит ONNX-формат для запуска через ONNX Runtime. В README приведены результаты оценки на наборе jackhhao/jailbreak-classification: для квантованной версии указаны точность 0,9579, precision 0,9967 и recall 0,9204. Эти результаты относятся к описанному набору данных и не гарантируют качество на иных типах атак. Указана лицензия Llama 4; применяйте модель в соответствии с её условиями.

Luaudev-177M-Preview-inst — предварительная instruct-модель от Pinkstack для генерации текста и кода, с настройкой на Luau. Она построена на архитектуре Qwen3 и содержит 164,8 млн параметров. Разработчик сообщает о предварительном обучении на 21 млрд токенов и последующем SFT на примерно 1,5 млрд токенов смешанных данных, включая код Luau, математику и вопросы-ответы. Модель рассчитана на помощь с кодом Luau, ответы на вопросы и математические запросы. Поддерживает диалог, четыре уровня reasoning и контекст до 32 768 токенов; в этой предварительной версии интерфейс вызова инструментов и агентные сценарии работают неидеально. В карточке заявлено обучение на английском языке и приведён датасет инструкций LuauDev. Это предварительная версия, которую автор прямо не рекомендует для production: возможны циклические ответы при высоком уровне reasoning. Лицензия — OpenMDW-1.1.

ressl/Ornith-1.5-9B-uncensored-MLX — текстовая чат-модель на архитектуре Qwen3.5 с 9 млрд параметров, основанная на Ornith-1.5-9B от Ornith AI. Это сборка для Apple Silicon в формате MLX и точности bf16 объёмом около 17 ГБ. Веса изменены методом abliteration в три прохода, чтобы снизить частоту отказов на вредоносных запросах; модель предназначена для исследований безопасности, red teaming и тестирования на проникновение. Модель принимает текст и генерирует текст. Разработчик сообщает о проверках связности, длинного контекста, вызова инструментов и поведения на наборах вредоносных запросов; часть показателей отказов измерена на родственной NVFP4-сборке того же мастера. Базовая модель поддерживает мультимодальность, но в этой сборке модуль обработки изображений не подключён. Сохраняются отдельные уклончивые отказы, а квантованные варианты семейства могут отказывать чаще. Лицензия — MIT.

ToxicityPrompts/PolyGuard-Qwen-Smol — компактная многоязычная модель для модерации безопасности ответов LLM, разработанная авторами PolyGuard. Это плотная авторегрессионная модель семейства Qwen2 с 494 млн параметров и контекстом до 32 768 токенов; репозиторий содержит веса в формате safetensors. В карточке заявлена поддержка 17 языков: арабского, чешского, китайского, нидерландского, английского, французского, немецкого, хинди, тайского, итальянского, японского, корейского, польского, португальского, русского, испанского и шведского. Модель предназначена для оценки безопасности пользовательских запросов и ответов LLM, включая выявление вредоносного или токсичного содержания и отказов в ответе. PolyGuard обучена на PolyGuardMix из 1,91 млн примеров и представлена вместе с набором PolyGuardPrompts для оценки защитных механизмов. По описанию авторов, в проведённых оценках она превзошла другие открытые и коммерческие классификаторы безопасности в среднем на 5,5%. Метаданные указывают задачу text-generation и возможности чата; поэтому её можно применять в текстовых сценариях модерации и защитных цепочках LLM. Лицензия — CC BY 4.0. Карточка не уточняет ограничения по применению и ошибки классификации; результаты модерации следует проверять с учётом языка и контекста, особенно в критичных сценариях.

PromptGuard — модель-классификатор от Steven Jung и CodeIntegrity, Inc. для обнаружения prompt injection и jailbreak-атак в приложениях на базе LLM. Она предназначена для предварительной проверки пользовательских запросов, мониторинга подозрительных промптов и использования как одного из уровней защиты. Модель дообучена на encoder-only ModernBERT-base с 149 млн параметров и обрабатывает последовательности длиной до 8 192 токенов. Для обучения использованы более 955 тысяч примеров из публичных наборов данных об инъекциях промптов и jailbreak-атаках. В README заявлены accuracy 98,01%, precision 98,54% и recall 95,60%; эти показатели относятся к оценке авторов. Модель рассчитана преимущественно на английский текст. Она может пропускать новые шаблоны атак, поэтому её следует использовать как один уровень многоуровневой защиты. Лицензия — Apache-2.0.

Qwen2.5-Coder-0.5B-GGUF — это набор GGUF-квантизованных версий языковой модели Qwen2.5-Coder-0.5B. Исходную модель разработала команда Qwen, а квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена прежде всего для генерации и обработки программного кода, включая локальный запуск через llama.cpp и LM Studio. Модель содержит около 0,5 млрд параметров, работает в текстовом режиме и заявлена для английского языка. README не указывает архитектуру и размер контекстного окна. Доступны варианты от F16 размером около 0,99 ГБ до компактных квантизаций Q3–Q8 размером примерно 0,34–0,53 ГБ. Более точные варианты обычно сохраняют лучшее качество, тогда как низкобитные версии экономят память, но могут заметнее терять в качестве. Отдельные варианты оптимизированы для ARM и требуют поддержки SVE или i8mm. Модель удобна для локального запуска на устройствах с ограниченными ресурсами и поддерживает специальный шаблон prompt в формате ChatML. Ограничения включают небольшой размер модели, возможное снижение качества при сильной квантизации и отсутствие в README подробных данных о результатах тестирования, архитектуре и контекстном окне. Модель распространяется по лицензии Apache-2.0.

RAG-PIF RoBERTa — классификатор попыток prompt injection, разработанный как третий слой каскадного фильтра для систем Retrieval-Augmented Generation. Модель дообучена на базе FacebookAI/roberta-base и выполняет бинарную классификацию: относит короткие и средние текстовые фрагменты к доброкачественным или содержащим prompt injection. Её используют для проверки запросов и найденных документов после быстрого regex-фильтра и проверки сходства эмбеддингов. Модель содержит 151,8 млн параметров, построена на архитектуре RoBERTa и принимает текст с контекстом до 514 токенов. В обучающих данных использованы примеры атак из HackaPrompt, синтетические варианты обхода фильтров, доброкачественные фрагменты Википедии и сложные отрицательные примеры. Для стандартного тестового набора автор сообщает F1 0,996; на примерах с обфускацией указана доля обнаружения 1,00. Лицензия — MIT. Классификатор не предназначен для самостоятельной модерации контента. Он может пропускать семантические перефразирования без узнаваемых маркеров, а тексты о prompt injection в контексте исследований безопасности дают ложные срабатывания.

SAWM (Safety-Augmented World Model) — модель зрения и языка, разработанная авторами SeerGuard для предварительной проверки запросов и действий мобильных GUI-агентов. Она дообучена на базе Qwen3-VL-8B-Instruct и принимает снимок экрана мобильного устройства, инструкцию пользователя и предполагаемое действие. Модель предсказывает смысловое последствие действия, оценивает риск и формирует краткое текстовое обоснование; также она выявляет вредоносные или неавторизованные инструкции до начала выполнения задачи. SAWM предназначена для встраивания как независимый защитный этап между планировщиком GUI-агента и исполнителем действий. Она не заменяет агента, который отвечает за восприятие, планирование и выполнение задач. Обучение охватывает понимание мобильного интерфейса, прогноз перехода состояния, классификацию рисков и генерацию обоснований. В обучающем корпусе около 148 тысяч примеров; в README приведён результат F1 0,723 на MobileRisk. Модель распространяется под лицензией Apache-2.0.

SGuard-JailbreakFilter-2B — специализированная модель классификации запросов для выявления попыток jailbreak в диалогах с ИИ. Её разработала исследовательская команда Samsung SDS, дообучив IBM Granite 3.3 2B Instruct с 2,5 млрд параметров. Модель принимает текстовый промпт и выдаёт метку «safe» или «unsafe»; обучение охватывает более 50 типов атак, включая prompt injection, подмену формата, кодирование и ролевые сценарии. Контекст модели — 131 072 токена, однако разработчик рекомендует подавать на вход не более 8 тыс. токенов. Модель предназначена для фильтрации пользовательских запросов перед передачей их основной языковой модели. Настройка приоритета в шаблоне промпта позволяет предпочесть удобство пользователя или более осторожную классификацию. Основные языки обучения — корейский и английский; для других языков, поддерживаемых базовой Granite, надёжность не гарантируется. Модель не выявляет вредоносное содержание само по себе, если в запросе нет попытки jailbreak, и может ошибаться на новых атаках, пограничных примерах и узкоспециализированных темах. Лицензия — Apache-2.0.