II.4Отладка, тестирование и качество ПО

Securelayer7/salamandra-7b-instruct-Uncensored-Abliterated — доработанная модель на основе Salamandra, разработанной Barcelona Supercomputing Center. Это плотная авторегрессионная LLM семейства Llama с 6,7 млрд параметров, реализованная как LlamaForCausalLM и предназначенная для генерации текста и диалогов. Контекст модели составляет 8192 токена; используются веса Safetensors и библиотека Transformers. Модель создана удалением поведения отказа на уровне весов методом abliteration с помощью Heretic, после чего изменения объединены с весами. Разработчик позиционирует её для ответов на запросы в рамках разрешённых исследований безопасности, кибербезопасности и red teaming. В README сообщается, что частота отказов на проверочных запросах снизилась с 71 до 7 из 100 при KL-дивергенции 0,0687; автор также сообщает о сохранении качества на фактических и многоязычных проверках. Базовая модель поддерживает 35 европейских языков, а в карточке перечислены английский, испанский, каталонский, немецкий, французский, итальянский и португальский. Лицензия — Apache-2.0. У весов отсутствуют встроенные ограничения, предотвращающие вредоносную генерацию; оператор должен обеспечивать законное и контролируемое применение. Заявленные результаты проверок приведены разработчиком модели и не гарантируют качество на других запросах или языках.

Skywork-Reward-V2-Qwen3-4B — модель оценки ответов на основе Qwen3-4B, разработанная командой Skywork. Она присваивает вознаграждение диалогам и ответам, помогая сравнивать варианты и отбирать более предпочтительные для обучения или проверки языковых моделей. Модель использует архитектуру Qwen3ForSequenceClassification и обучена на 26 млн пар предпочтений в составе серии Skywork-Reward-V2. Модель предназначена для ранжирования ответов по качеству и предпочтительности, в том числе в конвейерах оценки и обучения с обратной связью. В метаданных указаны 3,7 млрд параметров, контекст до 40 960 токенов и формат safetensors. Карточка серии сообщает о результатах на нескольких бенчмарках reward-моделей; конкретные результаты этого варианта не выделены в предоставленных данных. Лицензия — Apache-2.0. Как и другие модели оценки предпочтений, результат следует считать оценочным сигналом, а не гарантией фактической правильности или полезности ответа; качество оценки может зависеть от предметной области и формулировки входа.

UI-TARS-7B-SFT-GGUF — квантованные GGUF-версии мультимодальной модели UI-TARS-7B-SFT, разработанной ByteDance Research. Квантование выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для задач, связанных с графическими интерфейсами, включая анализ визуального содержимого и взаимодействие с GUI; README классифицирует её как image-text-to-text и указывает поддержку английского языка. Модель имеет размер 7B параметров и работает с визуально-текстовыми данными, однако точная архитектура, максимальная длина контекста и перечень поддерживаемых форматов входных данных в README не указаны. Доступны варианты от F32 и F16 до сильнее сжатых Q8, Q6, Q5, Q4, Q3 и Q2, благодаря чему можно выбирать между качеством ответа, размером файла и требованиями к памяти. Рекомендуемые варианты в README преимущественно относятся к диапазонам Q4–Q6; для большинства сценариев указан Q4_K_M как вариант стандартного размера. Основные преимущества — поддержка мультимодальных GUI-сценариев, широкий выбор степеней квантования и совместимость с llama.cpp и LM Studio. Ограничения связаны с возможной потерей качества в низкобитных вариантах, а также с тем, что README не содержит подробных результатов оценки, описания ограничений по разрешению изображений или требований к аппаратному обеспечению. Указанная лицензия — Apache-2.0.

Vela Guard — классификатор на базе ModernBERT, разработанный командой vLLM Semantic Router для обнаружения prompt injection и попыток обхода ограничений в тексте. Модель анализирует прямые запросы и недоверенные фрагменты, пытающиеся переопределить инструкции или получить доступ к привилегированному контексту; её можно использовать как защитный компонент маршрутизации запросов и обработки документов. Для выявления вредоносного содержания README предлагает сочетать её с Vela Safety или Vela Hazard. Модель содержит 306,9 млн параметров, принимает текст и поддерживает контекст до 32 768 токенов. Заявлена многоязычная работа; в README приведены оценки на наборах с контрастами инструкций на шести языках. В описанной оценке macro F1 составил 97,77% на наборе запросов, основанных на источниках, и 75,98% на контрастах инструкций; авторы отмечают, что эти результаты не измеряют точность на длинных документах. Доступны веса safetensors и ONNX; для использования указаны Transformers и Candle, а ONNX-артефакты поддерживают CPU и ROCm. Лицензия — Apache-2.0.

Zyphra ZR1-1.5B-GGUF — это набор квантизированных вариантов текстовой генеративной модели ZR1-1.5B, разработанной Zyphra и подготовленной пользователем bartowski в формате GGUF с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста, включая задачи, связанные с математикой и программированием; среди использованных датасетов указаны AI-MO/NuminaMath-CoT, codeparrot/apps, deepmind/code_contests, BAAI/TACO и MatrixStudio/Codeforces-Python-Submissions. Заявленный язык — английский. В набор входят версии с разными уровнями квантизации — от BF16 до 2-битных вариантов, с размером файлов примерно от 0,75 до 3,56 ГБ. Более качественными и рекомендуемыми автор считает варианты Q6_K_L, Q6_K, Q5_K_L, Q5_K_M, Q4_K_L, Q5_K_S, Q4_K_M, Q4_K_S и IQ4_XS; версии с меньшей разрядностью экономят оперативную память, но снижают качество. Архитектура исходной модели, максимальная длина контекста, точное число параметров и поддерживаемые модальности в README не указаны; из идентификатора и названия следует размер класса 1,5B, но дополнительные характеристики подтверждены не были. Модель можно запускать через LM Studio, llama.cpp и другие проекты на его основе. Приведён специальный формат промпта с ролями system, User и Assistant, поэтому при использовании следует придерживаться указанной шаблонной структуры. Основные ограничения — небольшая ёмкость модели, возможное ухудшение качества в квантизированных версиях и отсутствие данных о производительности, безопасности и поддержке языков помимо английского. Лицензия — MIT.

NAMAA-Space разработала Ara-Prompt-Guard_V0 — арабоязычный классификатор запросов для фильтрации рисков при работе с большими языковыми моделями. Это дообученная версия Meta Llama-Prompt-Guard-2-86M с архитектурой DeBERTa-v2 и классификационной головой; модель содержит 306 млн параметров и рассчитана на контекст до 512 токенов. Модель относит арабские запросы к безопасным, содержащим prompt injection или представляющим jailbreak-атаку. Её можно применять для фильтрации входных запросов, проверки безопасности и настройки защитных механизмов арабоязычных LLM. Карточка сообщает об оценке на арабском тестовом наборе: точность около 97,3% и F1 около 98%. Модель ориентирована на современный литературный арабский язык; карточка предупреждает, что она не предназначена для запросов на других языках и может быть ненадёжна при тонкой классификации намерений. Лицензия — Apache-2.0.

CAT-Thinking — диалоговая языковая модель CyberAgent на архитектуре Qwen3 с 7,6 млрд параметров. Она дообучена методом обучения с подкреплением для генерации цепочек рассуждений на японском языке. Модель рассчитана на решение задач по математике и программированию, в том числе когда запрос написан по-английски; ответы и ход рассуждений формируются на японском. Модель построена на базе Qwen3-Swallow-v0.2, которая продолжает предобучение Qwen3 для японского языка. Метаданные указывают связь с Qwen/Qwen3-8B и TokyoTech-LLM/Qwen3-Swallow-8B-CPT-v0.2 через слияние моделей. Используются веса Safetensors; нативный контекст — 40 960 токенов. В карточке приведены оценки на наборах задач по математике и программированию на японском и английском, но результаты следует считать ориентировочными. Ход рассуждений на японском может звучать неестественно: модель иногда начинает с повторяющихся шаблонных фраз и может зацикливаться, особенно при противоречивых или запутанных инструкциях. В README рекомендовано задавать не менее 4096 токенов для генерации и использовать repetition_penalty от 1,05. Модель распространяется по лицензии Apache-2.0.

Cyber-Prime 1 — компактная языковая модель для задач кибербезопасности, созданная разработчиком репозитория на основе LiquidAI/LFM2-2.6B. Это плотная авторегрессионная модель с 2,6 млрд параметров; для работы с текстом заявлено контекстное окно до 131 072 токенов. Модель дообучена на примерах извлечения сущностей, анализа HTTP-запросов, классификации писем и краткого изложения новостей об угрозах. Она предназначена для извлечения кибербезопасностных сущностей в структурированный формат, выявления атак вроде XSS, SQL-инъекций и обхода путей, классификации писем как фишинговых или безопасных, а также суммаризации разведывательной информации об угрозах. В карточке описаны прямой режим для классификации и суммаризации и режим рассуждений для некоторых задач анализа и извлечения. Автор приводит результаты оценки на CyberBench, но модель обозначена как исследовательский артефакт, а не готовое средство защиты; среди ограничений указаны более слабые результаты на широких задачах знаний и риск пропуска тонких инъекций. Для модели указана лицензия Apache-2.0. В README встречается расхождение в названии базовой версии (LFM2 и LFM2.5), поэтому в качестве базовой модели приведён идентификатор из метаданных Hugging Face.

DARWIN-Guard — защитная модель модерации запросов, разработанная в рамках проекта DARWIN по оценке и повышению безопасности LLM. Это дообученная на базе Qwen/Qwen3Guard-Gen-8B плотная причинно-языковая модель семейства Qwen3 с 7,6 млрд параметров; она принимает список сообщений чата и классифицирует последнее сообщение пользователя как безопасное или небезопасное. Модель предназначена для фильтрации вредоносных запросов, проверки устойчивости защитных механизмов к джейлбрейкам и разработки защитных систем. В обучении использовались новые состязательные примеры, а также вредоносные и доброкачественные замаскированные запросы, чтобы распознавать намерение и снижать чрезмерные отказы. README сообщает о среднем отзыве на небезопасных запросах 95,0% и среднем пропуске доброкачественных запросов 99,7% на указанных наборах оценки. Модель работает с текстом, поддерживает английский язык и имеет контекст до 32 768 токенов. В ответ она выдаёт одну из меток Safety: Safe или Safety: Unsafe. Результаты приведены для бенчмарков модерации и не гарантируют такую же точность в других условиях; лицензия указана как other, поэтому перед использованием следует проверить условия в репозитории. Авторы указывают на применение для исследований безопасности, оценки защитных механизмов и разработки защитных моделей.

DantheMan124/deberta-preference-reward — модель оценки предпочтений ответов, созданная на базе microsoft/deberta-v3-base. Она предназначена для попарного сравнения ответов языковых моделей на один и тот же открытый запрос и выдачи относительного сигнала качества, в том числе для локальной оценки без API. Модель DeBERTa-v3-base с регрессионной головой на 211,6 млн параметров дообучена на парах предпочтений UltraFeedback с помощью Bradley–Terry; используется формат safetensors, лицензия MIT. При обучении применялся лимит 512 токенов, а температура 1,167 калибрует вероятность предпочтения одного ответа другому по разности оценок. На тестовой части UltraFeedback указана попарная точность 0,7026. Модель компактна и может служить недорогим локальным судьёй, но её оценки отражают предпочтения в стиле AI-обратной связи из UltraFeedback, а не индивидуальные человеческие предпочтения. Модель имеет смещение в пользу длинных и подробных ответов, даже если они не точнее. Она рассчитана на сравнение двух ответов на один запрос: абсолютный балл нельзя надёжно пороговать, усреднять по наборам или сравнивать между разными запросами. Пары длиннее лимита обрезаются, что может повлиять на оценку.

orel12 разработал edge-guard — дообученную модель DeBERTa-v3-xsmall для классификации текстовых запросов как атак prompt injection или jailbreak либо как безвредных. Метка 1 означает атаку, метка 0 — безопасный запрос. Модель рассчитана на обнаружение таких атак в локальных и периферийных сценариях; доступны веса Safetensors и экспорт ONNX, включая динамически квантованный INT8-вариант. Размер модели — 77,5 млн параметров, контекст — до 512 токенов по метаданным; в README для использования указаны max_length 128 и сценарий с одним сообщением. Модель работает с английским текстом и выдаёт метку классификации. В тестировании на данных, сгруппированных по источникам, PR-AUC составила 0,932 ± 0,067, а полнота при 1% ложноположительных срабатываний — 61,7% ± 27,4 п. п.; на одном сложном отложенном наборе полнота упала до 16%. На безопасных запросах с похожими на триггеры словами частота ложных срабатываний составила 35,1%, поэтому авторы не рекомендуют развёртывать модель без каскада, перенастройки порога и дополнительных трудных негативных примеров. Качество INT8 зависит от процессора: на x86 без VNNI описано резкое ухудшение, которое README предлагает исправлять повторной квантизацией с reduce_range=True. Лицензия — MIT.

GPT-OSS-20B-Jail-Broke (Freedom) — вариант GPT-OSS-20B от AIGym, подготовленный в рамках Kaggle GPT-OSS Red Teaming Challenge для проверки безопасности и устойчивости языковых моделей. Это авторегрессионный декодерный Transformer семейства gpt_oss с архитектурой MoE; README указывает 20 млрд параметров, тогда как метаданные каталога — 1,6 млрд. Модель принимает текст и генерирует текст, поддерживает чат и контекст до 131 072 токенов. Модель предназначена для red teaming, оценки устойчивости к состязательным запросам и изучения обхода защитных механизмов, а также для тестирования модерации и защит от prompt injection. Она может выдавать небезопасные рекомендации, оскорбительный контент и галлюцинации; поведение чувствительно к формулировке запроса. README рекомендует только исследовательское применение и предупреждает о рисках двойного назначения. Лицензия в предоставленных данных не указана.

GRM-Coder-14b — дообученная модель OrionLLM на базе Qwen3-14B для написания и решения задач по программированию, особенно в соревнованиях по спортивному программированию. Это плотная причинная языковая модель на 14 млрд параметров с контекстом до 81 920 токенов; она принимает текстовые условия задач и генерирует код и пояснения. По данным карточки, обучение проводилось на 24 тысячах задач с проверяемыми решениями. На LiveCodeBench v6 указана точность Pass@1 67,87% против 60,79% у базовой Qwen3-14B. Модель распространяется по лицензии Apache-2.0.

Hemmingway-1-27B-abliterated — модифицированная версия Hemmingway-1 от distributedcognition. Это плотная текстовая модель семейства Qwen3.8 размером 27 млрд параметров: в исходных весах удалено направление отказа, а остальные тензоры сохранены. Модель предназначена для диалоговой генерации текста, в том числе для red teaming, исследований offensive security и оценки поведения отказов. Доступны веса Safetensors и квантизованные варианты GGUF; GGUF можно запускать через llama.cpp, LM Studio, Ollama и Jan, а модель также поддерживают Transformers, vLLM и SGLang. В README указан контекст до 262144 токенов. По приведённой оценке на 104 вредоносных запросах число отказов по оценке языковой модели-судьи снизилось со 101 до 21; результат MMLU составил 82,74% против 83,13% у базовой модели. Это не гарантирует качество на других запросах. Встроенные защитные отказы удалены, поэтому модель может содействовать вредоносным действиям; автор рекомендует самостоятельно добавлять модерацию входов и выходов. Лицензия — Apache-2.0.

Kanana Safeguard — разработанная Kakao модель для выявления вредоносного контента в сообщениях пользователя и ответах ИИ-ассистента. Она основана на собственной языковой модели Kanana 8B и предназначена для проверки отдельных высказываний в диалоговых системах по семи категориям риска, сформированным на основе классификации MLCommons с дополнительными категориями для корейского контекста. Результат — короткая метка <SAFE> либо <UNSAFE-S4>, где S4 обозначает код категории риска. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, примерно 7,5 млрд параметров и контекстом 8192 токена. Она принимает текст и оптимизирована для корейского языка; карточка указывает библиотеку Transformers и формат safetensors. Обучающие данные включают вручную размеченные и синтетически расширенные корейские примеры, в том числе безопасные ответы на вредоносные запросы для снижения ложных срабатываний. Модель подходит для классификации пользовательских сообщений и ответов ассистента в системах модерации и контроля безопасности. Kakao сообщает о сравнении с другими моделями на собственной корейской оценочной выборке, однако результаты этой таблицы в доступной карточке опущены. Возможны ложные срабатывания и пропуски; модель анализирует отдельный текст без учёта истории диалога и охватывает только заданные категории риска. Лицензия — Apache-2.0.

LFM2.5-8B-A1B-Claude-Opus4-6-Reasoning — экспериментальная англоязычная модель sahilchachra, дообученная на базе LiquidAI/LFM2.5-8B-A1B с помощью KL-регуляризованного LoRA. Она генерирует явный пошаговый ход рассуждений перед ответом и предназначена для диалоговых задач, решения задач на логику и математику, а также вопросов по программированию. Модель использует гибридную MoE-архитектуру LFM2 с 18 сверточными LIV- и 6 GQA-слоями; метаданные указывают 1,6 млрд параметров и контекст до 128 000 токенов. Предусмотрен формат диалога ChatML, а запуск оптимизирован для MLX на Apple Silicon. В небольшой оценке на 23 вопросах модель сравнялась с базовой или превзошла её в 65% случаев; преимущество особенно не подтверждено для сложной математики. Модель обучалась преимущественно на английских примерах, а рассуждения могли обрезаться из-за максимальной длины обучения в 2 048 токенов. Использование явных рассуждений не гарантирует правильность ответа. Лицензия — Apache-2.0.

EuroEval/mmBERT-small-multi-wiki-qa-synthetic-hallucinations-with-ragtruth-is — небольшая мультиязычная модель для классификации токенов, опубликованная организацией EuroEval; исходная версия связана с Alexandra Institute. Она предназначена для обнаружения галлюцинаций в ответах на вопросы в сценариях retrieval-augmented generation (RAG), включая выделение фрагментов ответа, которые могут быть не подтверждены контекстом. Суффикс is указывает на языковую версию для исландского языка. Модель основана на архитектуре mmBERT-small и использует задачу token classification; на Hugging Face указаны семейство ModernBERT, примерно 0,1 млрд параметров и формат весов Safetensors с типом F32. В качестве обучающих источников заявлены синтетические данные MultiWikiQA и данные RAGTruth, предназначенные для разметки галлюцинаций на уровне токенов. Модель рассчитана на анализ текста и не является генеративной или мультимодальной. Сильная сторона — компактный специализированный детектор, способный указывать проблемные токены или непрерывные фрагменты, что удобно для анализа фактической опоры ответов RAG. Ограничения связаны с узкой задачей и зависимостью от распределения обучающих данных; подробные сведения о качестве, контекстном окне, рисках, разработчиках, точной архитектурной конфигурации и лицензии в доступной карточке модели не указаны. Условия использования и лицензия не установлены.

ModernBERT Prompt-Injection Detector — англоязычный классификатор для выявления попыток prompt injection в текстах, которые читает AI-агент: письмах, документах и результатах работы инструментов. Модель разработана на базе answerdotai/ModernBERT-base и дообучена для классификации последовательностей. Она содержит около 149 млн параметров, поддерживает контекст до 8192 токенов и распространяется в формате safetensors по лицензии Apache-2.0. Для обучения использована дистилляция: метки, полученные от языковой модели-судьи, перенесены на классификатор ModernBERT. В обучающую выборку вошли синтетические и опубликованные примеры атак, обфусцированные строки и трудные отрицательные примеры с обычными запросами на действия. В описанной автором проверке на отложенной выборке заявлены полнота 0,98 при уровне ложных срабатываний 1% и точность 0,99 при пороге 0,5. Модель предназначена для первого этапа фильтрации недоверенного текста и не заменяет проверку происхождения данных или контроль разрешённых действий агента. Она может ошибочно помечать безвредный текст, похожий по форме на атаку, и не может определить намерение или доверенность отправителя только по содержимому. Указана лицензия Apache-2.0.

bartowski/open-r1_OlympicCoder-32B-GGUF — набор GGUF-квантизованных версий модели OlympicCoder-32B, разработанной open-r1. Квантизация выполнена bartowski с использованием llama.cpp и метода imatrix на данных из набора open-r1/codeforces-cots. Модель предназначена для генерации текста и прежде всего для решения задач программирования, включая задачи соревновательного программирования и Codeforces. Модель содержит 32 млрд параметров и поддерживает работу в экосистеме llama.cpp, LM Studio и других совместимых проектах. Доступны варианты квантизации от Q8_0 до Q2_K_L и IQ3/IQ4, с размером файлов примерно от 13,07 до 34,82 ГБ. Более высокие уровни квантизации обеспечивают лучшее качество, но требуют больше памяти; Q6_K и Q6_K_L, а также ряд Q5- и Q4-вариантов указаны как рекомендуемые. В README заявлен английский язык. Сведения о мультимодальности, максимальном контексте и точной архитектуре не приведены, поэтому модель следует считать текстовой. Сильными сторонами являются специализация на коде и широкий выбор квантизованных вариантов для запуска на оборудовании с разным объёмом памяти. Ограничения включают неизбежную потерю качества у низкобитных вариантов, значительные требования к памяти у версий высокого качества и отсутствие подробных данных о результатах тестирования, контекстном окне и ограничениях применения. Модель и опубликованные квантизованные файлы распространяются по лицензии Apache-2.0.

Карточка модели lausannequants/OpenThinkerAgent-8B-ColdStartSFTForRL на Hugging Face совпадает с карточкой zurichquants/OpenThinkerAgent-8B-ColdStartSFTForRL, поэтому описание составлено по ней. OpenThinkerAgent-8B-ColdStartSFTForRL — языковая модель для агентных сценариев, разработанная в рамках проекта OpenThoughts-Agent. Это плотная модель Qwen3ForCausalLM на 7,6 млрд параметров, дообученная полным fine-tuning на Qwen/Qwen3-8B с использованием 9 437 примеров из набора OpenThoughts-Agent-SFT-ColdStartForRL-10K. Контекст составляет 40 960 токенов; веса доступны в формате safetensors, в README указана точность bf16. Модель предназначена прежде всего для подготовки к обучению с подкреплением: она усваивает формат взаимодействия агента и соглашения по использованию инструментов из среды terminus-2. Данные обучения включают задачи разработки ПО в песочнице SWE-Smith с проверкой тестами. Модель может генерировать текст и код, однако этот чекпойнт является промежуточной версией до RL, а не готовым автономным агентом; ожидается, что он уступает последующей OpenThinkerAgent-8B-RL. Опубликованных результатов отдельных агентных бенчмарков для него нет. Лицензия — Apache-2.0.

Qwen2.5-32B-Instruct-CFT — языковая модель TIGER-Lab, дообученная методом Critique Fine-Tuning на базе Qwen/Qwen2.5-32B-Instruct. Она принимает запрос вместе с ошибочным или зашумлённым ответом и генерирует критику этого ответа, помогая анализировать качество рассуждений и находить недочёты. Модель содержит 32 млрд параметров, использует плотную архитектуру Qwen2 и поддерживает контекст до 32 768 токенов. Обучение проводилось на наборе WebInstruct-CFT-4K; карточка также отмечает математические задачи и рассуждения. Модель рассчитана на англоязычный текст и поддерживает диалоговый интерфейс и интерфейс вызова инструментов. Это исследовательская донастройка, ориентированная на критику ответов и улучшение рассуждений; качество зависит от запроса и ответа, поданного для анализа. Распространяется по лицензии Apache-2.0.

StepGuard — дообученная языковая модель на 3,7 млрд параметров, разработанная авторами проекта StepGuard и представленная как средство проверки безопасности агентов, использующих инструменты. Она основана на Qwen/Qwen3-4B-Instruct-2507 и дообучена методом полного SFT с последующим Balance-GRPO на примерах StepGuard-Data. Модель проверяет предлагаемое агентом действие до вызова инструмента и анализирует завершённые последовательности действий и наблюдений. Она выдаёт оценку «безопасно/небезопасно», обоснование и источник риска, а при аудите траектории также указывает индекс небезопасного шага. Контекст модели — до 262 144 токенов; архитектура — плотная Qwen3ForCausalLM. В метаданных указан английский язык. В опубликованной статической оценке измерялась точность классификации безопасности на наборах тестов; качество объяснений, определения источника риска и локализации шага этими метриками не оценивалось. Модель может пропускать опасные действия или блокировать безопасные, поэтому её вывод не гарантирует безопасность. Лицензия — Apache-2.0.

ThinkingGuard-8B — мультимодальная модель-детектор рисков, разработанная Ruochen Zhang и соавторами на базе Qwen3-VL-8B-Instruct. Она анализирует изображения вместе с текстовыми запросами и выявляет неявные опасности, возникающие из сочетания по отдельности безобидных объектов или инструкций, например легковоспламеняющегося аэрозоля рядом с горящей плитой. Модель предназначена для фильтрации входных данных и настройки защитных ограничений в приложениях с мультимодальными языковыми моделями, аудита и модерации контента, а также исследований безопасности. Она обучена на TriggerBench с пошаговым структурированным рассуждением и формирует обоснование риска перед итоговым вердиктом. Архитектура — плотная Qwen3-VL, 8 млрд параметров; репозиторий содержит веса Safetensors. Лицензия — CC BY 4.0.

Vela Shield — разработанная vLLM Semantic Router командасының Vela-1.0-Encoder-307M энкодерінен дообученная многоязычная модель для оценки безопасности запросов и ответов. Основная модель в корне репозитория классифицирует запрос как безопасный или небезопасный; дополнительные головы оценивают 34 категории угроз, попытки prompt injection и jailbreak, вредоносность ответа и отказ модели. Для этих оценок текст обрабатывается одним проходом энкодера, а отдельная label-conditioned голова позволяет проверять категории по их текстовым описаниям. Модель построена на ModernBERT, содержит 306,9 млн параметров и принимает до 32 768 токенов, включая специальные; обучение проводилось на последовательностях длиной 1 536 токенов. Данные охватывают 17 языков, включая русский и английский. Модель предназначена для интеграции в защитные фильтры и маршрутизаторы LLM; основная голова совместима с safety-слотом Vela Router. Распространяется по лицензии Apache-2.0. Классификация запросов и ответов, категории угроз и оценка отказа не заменяют полноценную оценку контекста: риск-сигнал сам по себе не означает, что нужно отказать. Качество не оценивалось для входов длиннее 1 536 токенов, хотя архитектура принимает более длинный контекст. Модель не предназначена для определения предметной области, модальности, сложности, намерений, персональных данных или галлюцинаций.

VibeThinker-3B-SFT-Claude-Opus-Reasoning-Unsloth — языковая модель на 3,1 млрд параметров, разработанная ermiaazarkhalili как дообучение WeiboAI/VibeThinker-3B. Модель построена на архитектуре Qwen2ForCausalLM и предназначена для генерации текста в диалоге и решения задач, требующих рассуждений; карточка указывает на обучение с учителем на наборе данных с дистилляцией рассуждений Claude, доступ к которому закрыт. Модель подходит для экспериментов с пошаговыми ответами и instruction-following в задачах STEM, математики и программирования, которые поддерживает базовая модель. Метаданные указывают контекст до 131 072 токенов и интерфейс tool calling. Лицензия — MIT. Качество на downstream-бенчмарках не оценивалось: опубликованы только наблюдения за обучающей функцией потерь. Поведение вне распределения единственного обучающего набора не проверено; модель наследует смещения и ограничения базовой модели. LoRA-адаптеры объединены с базовыми весами и отдельно не извлекаются.

WildGuard — модель модерации и оценки безопасности от Allen Institute for AI (AI2), дообученная на базе mistralai/Mistral-7B-v0.3. Это языковая модель на 7 млрд параметров для классификации вредоносных запросов пользователей, вредных ответов LLM и отказов модели отвечать. Она охватывает риски, связанные с конфиденциальностью, дезинформацией, вредоносной речью и злонамеренным использованием, включая 13 подкатегорий. Модель предназначена для модерации диалогов с LLM и оценки поведения моделей, в том числе частоты чрезмерных отказов. В опубликованных оценках WildGuard показала высокие результаты на наборах WildGuardTest и других бенчмарках. Поддерживаемый язык — английский. Модель распространяется под лицензией Apache 2.0. WildGuard может ошибаться; при автоматической модерации это может привести к пропуску вредных запросов или ответов либо к неверной классификации.

Auto-Reason-3b — дообученная языковая модель ProCreations для оценки безопасности предложенных агентом вызовов инструментов. Она формирует краткое текстовое обоснование, а затем выдаёт метку approve или deny. Модель построена на плотной архитектуре SmolLM3 с 3,1 млрд параметров и контекстом до 65 536 токенов; обучающее продолжение охватывало последовательности до 8 192 токенов. При использовании нужно сохранять заданные заголовки разделов и передавать запрос пользователя, историю действий и полные аргументы вызова. На опубликованном тесте модель показала точность 96,40% и соблюдала формат в 99,67% ответов; исходная модель-классификатор auto-3b на этом тесте достигла 98,03%. Поэтому текстовое обоснование не гарантирует более точного решения. В README также отмечены ошибки и противоречия в обоснованиях, снижение качества на длинных входах и отсутствие доступа к скрытым файлам, реальным разрешениям и будущему поведению сети. Синтетические данные и оценки отражают соответствие заданной политике, а не подтверждают безопасность в реальном применении. Лицензия — Apache-2.0.

Это объединённая модель covaga для помощи разработчикам, работающим с API EPLAN Electric P8 2027. Она основана на Qwen3.5-9B и включает адаптер eplan-2027-lora-v3, встроенный в веса. Модель дообучена на вопросах и ответах по официальной документации API, примерах диагностики ошибок и случаях, где следует отказаться от выдуманных API. Доступны веса BF16 в формате safetensors; для работы требуется Transformers версии 5 или выше. Модель отвечает на вопросы об API Eplan.EplApi.*, генерирует C#-скрипты для среды сценариев EPLAN и помогает разбирать ошибки компиляции и выполнения. Она рассчитана на двуязычную работу на английском и испанском языках. Для запуска автор указывает минимум 24 ГБ видеопамяти либо около 24 ГБ оперативной памяти при работе на CPU; CPU-вариант работает очень медленно. По приведённой в карточке оценке модель улучшает точность идентификаторов API относительно базовой Qwen3.5-9B, но всё ещё может придумывать правдоподобные имена API. Она не обрабатывает изображения: зрительная часть базовой модели не обучалась. Сгенерированный код следует проверять по официальной документации и компилировать в установленной среде EPLAN. Лицензия — Apache-2.0; карточка также указывает, что применяются условия лицензии базовой модели.

JasperLS/gelectra-base-injection — модель классификации текста на базе ELECTRA, дообученная автором JasperLS на основе deepset/gelectra-base. Она предназначена для классификации текстовых последовательностей; название репозитория указывает на задачу обнаружения prompt injection, однако README не описывает её назначение подробнее. Модель содержит 137,1 млн параметров, принимает последовательности длиной до 512 токенов и представлена в формате PyTorch. В README приведены результаты оценки: accuracy 0,9828 и loss 0,0940. Датасет обучения и условия оценки не раскрыты, поэтому эти показатели не позволяют судить о качестве на других данных. Лицензия — MIT.

Blackfrost GLM-5.3-F.U-AnthraClaud-Edition-BF16 — текстовая диалоговая модель, созданная Blackfrost на основе zai-org/GLM-5.3-BF16. Это полноточный BF16 чекпойнт с изменениями весов для «de-risking»; методы изменения не раскрыты. В README указана архитектура GlmMoeDsaForCausalLM и Mixture-of-Experts, а метаданные каталога сообщают 30,4 млрд параметров и контекст до 1 048 576 токенов. Модель предназначена для авторизованных red team-проверок, исследований безопасности ИИ, оценки моделей, работы с защитными механизмами и корпоративных исследований в контролируемой среде. Она поддерживает диалог и генерацию текста; артефакт включает токенизатор и шаблон GLM для чата, а для развёртывания нужна среда с поддержкой GLM-5.3 и его токенов рассуждения и вызова инструментов. В карточке не приведены результаты оценки качества или частоты отказов. Лицензия в метаданных обозначена как other; README описывает модель как предоставляемую без гарантий. Указанный в README размер весов — 1,37 ТиБ, поэтому для запуска требуются значительные вычислительные ресурсы. Не следует считать модель готовым безопасным базовым чекпойнтом: для развёртывания карточка рекомендует независимые контроль доступа, журналирование, мониторинг и применение политик.