II.4Отладка, тестирование и качество ПО

Darkstar-Qwen3.8-27B-Abliterated-BF16 — производная BF16-модель семейства Qwen 3.8 на 27 млрд параметров, созданная HangGlidersRule на основе Qwen/Qwen3.8-27B. Это плотная генеративная модель для диалогов и многошаговых задач; метаданные также указывают интерфейс вызова инструментов и мультимодальную базу с поддержкой изображений и видео. Модель распространяется в формате safetensors по лицензии Apache-2.0. В модели намеренно ослаблено поведение отказа: авторы применили проекцию направления отказа к 131 тензору, сохранив башню зрения и тензоры MTP. В описанном тесте модель выполнила 200 из 200 вредоносных запросов без отказов. На GPQA Diamond она набрала 146 из 198 ответов при отключённом режиме рассуждений; результат оказался на 11 вопросов ниже контрольной версии. Автор сообщает о проверке запуска через vLLM с контекстом 126 144 токена. Модель подходит для экспериментов и сценариев, где требуется генерация ответов с пониженной склонностью к отказу, но не предназначена для неконтролируемого пользовательского развертывания: карточка рекомендует применять фильтрацию, контроль доступа и правовую проверку. Показатель выполнения вредоносных запросов описывает поведение на тестовом наборе и не является подтверждением безопасности.

Null-Guard/LFM2.5-350M-Uncensored — компактная плотная языковая модель для генерации текста и диалогов, созданная на основе LiquidAI/LFM2.5-350M. Разработчики применили к весам однонаправленную абляцию: выявили направление отказа в остаточном потоке и спроецировали его из матриц записи. Это изменение ранга 1, встроенное в веса; дополнительного дообучения не проводилось. Модель содержит 444,6 млн параметров, использует архитектуру Lfm2ForCausalLM, работает через Transformers и принимает контекст до 128 000 токенов. Модель предназначена для исследований представления защитного поведения в языковых моделях, red teaming и оценки устойчивости механизмов отказа. На тестовых вредоносных запросах в README указан уровень отказов 0,0; на безвредных запросах среднее расхождение распределений следующих токенов с базовой моделью составило 0,2257, а оценка связности — 0,8935. Эти результаты относятся только к описанным проверкам. Модель может оставлять отдельные отказы и испытывать небольшое ухудшение способностей; ослабление защит может облегчить генерацию вредного или нежелательного контента. Модель выпущена под лицензией Apache-2.0. В README она предназначена для исследований и оценки; для пользовательских продуктов требуется собственный уровень безопасности.

Dipto084/Llama-3.1-8B-XGuard-merged — языковая модель на архитектуре Llama 3.1, созданная автором репозитория как воспроизведение X-Guard из статьи X-Teaming. Это не официальный выпуск авторов X-Teaming. Модель дообучена методом LoRA supervised fine-tuning на базе meta-llama/Llama-3.1-8B-Instruct; адаптер объединён с базовыми весами. В релизе — полные веса bf16 в формате safetensors, размер базовой модели — 7,5 млрд параметров, контекст — до 131 072 токенов. Модель предназначена для диалоговой генерации текста с защитой от многоходовых jailbreak-атак: она обучена распознавать вредоносные сценарии и отказывать в выполнении небезопасных запросов, сохраняя способность отвечать на обычные инструкции. В README приведены результаты оценки: средняя успешность атак составила 44,4% против 74,9% у базовой модели, но защита переносится на разные типы атак неодинаково. На benign-промптах средняя доля полных ответов — 87,5% против 93,0% у базы, что указывает на повышенный риск избыточных отказов. Карточка указывает английский язык. Для диалогов следует передавать полную историю сообщений и использовать шаблон чата Llama 3.1. Лицензия — Llama 3.1.

Malicious-Url-Detection — модель классификации URL, разработанная kmack и дообученная на distilbert-base-uncased с использованием набора данных kmack/Phishing_urls. Она определяет, выглядит ли переданный адрес вредоносным, например фишинговым или связанным с вредоносным ПО, либо безопасным. В описанном сценарии URL или домен передают модели как текст для классификации. Модель построена на архитектуре DistilBERT и предназначена для классификации последовательностей. Она принимает текст на английском языке, имеет контекстное окно 512 токенов и распространяется в формате safetensors. Лицензия — Apache-2.0. Модель может служить компонентом первичной проверки ссылок в API или другом приложении. Её вывод не следует считать гарантией безопасности: карточка не приводит метрик качества, а классификация URL может ошибаться.

Nandi-Mini-150M-GuardRails — компактная дообученная модель FrontiersMind на архитектуре Nandi для генерации текста в диалоговом режиме. Согласно README, её назначение — выявлять небезопасное содержимое и нарушения политик в пользовательских запросах и ответах ИИ по нескольким категориям вреда. Метаданные указывают 236,4 млн параметров, контекст до 2048 токенов и поддержку английского и хинди; модель работает с текстом и распространяется в формате Safetensors для Transformers. Модель может использоваться как компонент проверки запросов и ответов в диалоговых системах. Однако карточка не описывает категории классификации, точность, пороговые значения или способ интерпретации результата; метаданные классифицируют её как text-generation, поэтому возможность непосредственной выдачи меток безопасности ими не подтверждается. Лицензия — Apache-2.0.

Occult Nail 1.0 — это локальная GGUF-версия модели Qwen3.6-35B-A3B, опубликованная Saga Ishtardottir под идентификатором peculiar-ragdoll/Occult-Nail-1.0-35B-A3B-GGUF. Модель создана на основе Heretic-abliterated Qwen3.6-35B-A3B от llmfan46 и подвергнута динамической квантизации UD с использованием llama.cpp. Это MoE-модель с поддержкой текста и изображений; для визуального ввода поставляется дополнительный mmproj. Заявлены английский и китайский языки, однако размер контекстного окна в README не указан. Модель ориентирована на быстрые ответы, агентное программирование, работу с инструментами и сценарии, где важны краткость и минимальное число отказов. По приведённым измерениям, она сохраняет близкую к исходной точность на MMLU-Pro, отвечает быстрее базовой модели, но уступает ей и исходной Nail в отдельных задачах рассуждения и агентной кибербезопасности. Abliteration устраняет стандартные отказы, включая отказы на потенциально опасные запросы, поэтому модель требует особенно осторожного применения и не предназначена для некритичного использования в качестве универсального программиста или экспертной системы. Доступны варианты квантизации от Q2_K_XL до Q8_K_XL для запуска через llama.cpp. Модель распространяется по лицензии Apache-2.0. README не содержит точных требований к оборудованию, ограничений контекстного окна или подробной оценки качества по широкому набору задач.

OmniCoder-9B CoreGen HDLFix v2 GGUF — мультимодальная модель для работы с кодом, выпущенная пользователем tianrui6641 как набор GGUF-файлов для локального запуска в LM Studio и совместимых с llama.cpp средах. Модель получена дообучением OmniCoder-9B-Claude-Opus-High-Reasoning-Distill; в репозитории представлены BF16 и квантованные варианты, а также мультимодальный проектор mmproj для обработки изображений. Указана лицензия Apache-2.0. Модель предназначена для диалоговой помощи при разработке, в том числе для задач с Verilog, SystemVerilog, RTL и встроенным кодом. Поддерживает ввод изображений вместе с текстом и выдаёт текстовые ответы. README описывает удобство локального развёртывания и несколько вариантов размера и точности весов, но не приводит размер контекста или подтверждённый список естественных языков. Качество RTL и ответов не гарантируется; модель не заменяет проверку проектов перед выпуском, а для данного обучения отсутствует широкий внешний набор бенчмарков. Экспериментальный MXFP4-вариант получен с патченной сборкой llama.cpp и может требовать совместимой среды.

Ornith-1.5-35B-A3B-uncensored-MLX-8bit — мультимодальная vision-language модель, опубликованная junafinity на основе Ornith-1.5-35B-A3B от ornith-ai. Модель адаптирована с помощью Abliterix: из языковой части удалено направление, связанное с отказами, поэтому она предназначена прежде всего для red teaming, оценки защитных механизмов и исследований в области кибербезопасности, а не для неконтролируемого публичного развёртывания. Модель содержит около 35 млрд параметров и использует архитектуру с MoE-компонентами; сохранён vision tower, поэтому она поддерживает обработку изображений и текста. Это MLX-чекпойнт для Apple Silicon, преобразованный через mlx-vlm с 8-битным квантованием и типом данных bfloat16; vision tower и сопутствующие препроцессоры включены в файл. Блок multi-token prediction (MTP) в этой версии отсутствует, поскольку mlx-vlm удаляет тензоры mtp.* при конвертации. По данным README, на отложенном наборе вредоносных запросов число отказов у родительской модели снизилось со 100 до 9 из 100, однако эти результаты измерялись на bf16-версии до квантования и не гарантируются для данного MLX-чекпойнта. Abliteration не устраняет все отказы и не заменяет модерацию: ограничения могут сохраняться при многоходовом взаимодействии, системных инструкциях и обработке изображений. Модель рекомендуется использовать с независимым уровнем фильтрации и оценивать относительно базовой версии. Лицензия — Apache-2.0.

Qwen3.8-27B-Uncensored — модифицированная OrcaRouter версия Qwen/Qwen3.8-27B с удалённым поведением отказа. Это плотная мультимодальная модель на 27 млрд параметров с гибридным вниманием Gated DeltaNet и полным вниманием, башней обработки изображений, управляемым режимом рассуждений, вызовом инструментов и дополнительной головой MTP. Веса сохранены в BF16; README описывает её как исходную основу для дообучения, постобучения и квантизации. Модель предназначена для исследований механизмов отказа и выравнивания, интерпретируемости, контролируемого red-teaming и оценки устойчивости, а также для подготовки производных моделей. Она принимает текст и изображения и выдаёт текст; в карточке заявлены английский и китайский языки. По приведённым в README тестам, ряд возможностей базовой модели в основном сохранён, однако защитные ограничения существенно ослаблены: модель почти не отказывает на вредоносные запросы и может генерировать опасный, предвзятый или оскорбительный контент. Унаследованные ограничения базовой модели сохраняются. Лицензия — Apache 2.0; README не рекомендует развёртывание для конечных пользователей без собственных средств безопасности и модерации.

RavenX-Sec-8B-GGUF — специализированная языковая модель для кибербезопасности, разработанная @DeadByDawn101 и RavenX LLC. Это GGUF-версия модели RavenX-Sec Qwen3-8B v4.0, созданная на базе georgehenney/Qwen3-8B-heretic (abliterated) и дообученная для анализа полного жизненного цикла уязвимостей: поиска, классификации, оценки, исправления, проверки, документирования и предотвращения. Модель предназначена для пентестинга, red team-операций, bug bounty, анализа CVE и подготовки отчётов по безопасности. Модель использует архитектуру Qwen3-8B, поддерживает генерацию текста на английском языке и контекст до 128K токенов благодаря YaRN rope scaling с фактором 4.0. Обучение выполнено методом MLX LoRA на 610 220 примерах из 21 источника; заявлены специализация на security-контенте, поддержка CVSS 3.1, NIST CSF 2.0, OWASP Top 10, CWE, MITRE ATT&CK, PCI DSS, HIPAA и SOX, а также возможности agent/tool-calling. Ключевой подход модели — 6-шаговый протокол RATH: Risk/Identify, Assessment, Threat, Remediate, Document и Prevent. Модель доступна в формате GGUF и предназначена для запуска через Ollama, llama.cpp и LM Studio. Доступны варианты квантования Q4_K_M, Q5_K_M, Q8_0 и F16; размер файлов составляет примерно от 4,7 до 15,3 ГБ. Сильные стороны — узкая специализация на задачах безопасности, большой контекст и структурированный анализ уязвимостей. Ограничения включают англоязычную направленность, зависимость качества от выбранного квантования и необходимость проверять рекомендации перед применением в реальных системах. Лицензия — Apache-2.0.

SEAD-SAGE-4B — языковая модель Everywhere Safety для проверки ожидаемых действий инструментов в агентных системах. Она принимает контекст диалога и сведения о состоянии системы, может запрашивать ограниченные данные только для чтения, а затем выдаёт структурированное решение pass или block для разрешения либо блокировки действия. Модель построена на Qwen3-4B-Instruct-2507 и дообучена полным SFT до второго накопительного этапа обучения. Это плотная модель с 3,7 млрд параметров, рассчитанная на генерацию текста; в репозитории указаны веса BF16 в формате safetensors. Метаданные указывают контекст до 262 144 токенов и поддержку английского языка. Для развёртывания README приводит пример сервинга через vLLM. Модель предназначена для защитной проверки действий агентов, включая оценку момента блокировки с учётом состояния и времени. В README опубликованы офлайн-метрики на фиксированной выборке из 55 вредоносных и 95 доброкачественных траекторий, а также бенчмарк сервинга на 16 запросах; эти результаты не гарантируют качество на других сценариях. Лицензия — Apache-2.0.

Seed-Coder-8B-Reasoning-bf16 — модель для генерации кода и решения задач программирования, разработанная ByteDance Seed. Это плотная авторегрессионная языковая модель семейства Llama с 7,6 млрд параметров, представленная в формате bf16 и предназначенная для Transformers. Модель прошла предобучение и последующее обучение с подкреплением, которое направлено на усиление рассуждений. Модель принимает текстовые запросы и генерирует текст, в том числе программный код и решения сложных задач. Она рассчитана на контекст до 65 536 токенов и особенно ориентирована на соревновательное программирование и задачи, требующие пошагового рассуждения. В README сообщается о высоких результатах на IOI 2024 и Codeforces; эти заявления относятся к оценкам разработчика. Лицензия — MIT. Для запуска README рекомендует актуальные версии Transformers и Accelerate. Это специализированная модель для кода; её результаты на указанных бенчмарках не гарантируют качество для любых языков программирования и прикладных задач.

Карточка модели Skywork/Skywork-o1-Open-PRM-Qwen-2.5-7B на Hugging Face совпадает с карточкой Skywork/Skywork-o1-Open-PRM-Qwen-2.5-1.5B, поэтому описание составлено по ней. Skywork-o1-Open-PRM-Qwen-2.5-1.5B — модель оценки промежуточных шагов рассуждения, разработанная командой Skywork компании Kunlun Inc. Она дообучена на Qwen/Qwen2.5-Math-1.5B-Instruct и предназначена для присвоения оценок шагам решения, чтобы отбирать и ранжировать варианты ответов в сложных задачах, прежде всего математических и программных. Модель использует плотную архитектуру Qwen2, содержит 1,5 млрд параметров и работает с текстом в контексте до 4096 токенов. В README описана оценка решений на англоязычных и китайских математических наборах, а также тестах программирования; русскоязычная специализация не заявлена. PRM можно применять для выбора лучшего ответа из нескольких сгенерированных, например усредняя оценки шагов. Результаты зависят от генеративной модели, набора кандидатов и способа агрегирования оценок; карточка не устанавливает универсального уровня качества вне описанных экспериментов. Лицензия указана как other, поэтому перед использованием следует проверить условия в репозитории.

qylu4156/strongreject-15k-v1 — дообученный PEFT-адаптер, опубликованный пользователем qylu4156 на Hugging Face. Он предназначен не для обычной генерации текста, а для автоматической оценки вредоносности ответов языковых моделей в задачах анализа jailbreak-атак и безопасности. Модель используется в StrongREJECT для оценки того, насколько ответ предоставляет полезную вредную информацию по запрещённому запросу. Адаптер применяется поверх базовой модели google/gemma-2b, поэтому использует её архитектуру causal language model и соответствующие ограничения. Согласно описаниям StrongREJECT, оцениватель анализирует пару из запрещённого запроса и ответа и выдаёт оценку вредоносности в диапазоне от 0 до 1, где большее значение означает более вредный ответ. Сильная сторона модели — ориентация на содержательную оценку вреда, а не на простое выявление ключевых слов или отсутствие отказа. Для работы требуется совместимая базовая модель Gemma 2B и загрузка адаптера через PEFT. В найденных источниках не указаны надёжные сведения о поддерживаемых языках, размере контекста, точных параметрах дообучения, лицензии и дополнительных ограничениях использования. Модель следует применять прежде всего как компонент исследовательского или оценочного конвейера безопасности, а не как самостоятельную универсальную диалоговую модель.

Vela Feedback — модель-классификатор на 307 млн параметров, разработанная vLLM-SR на базе Vela-1.0-Encoder-307M и дообученная для распознавания типов обратной связи. Она относит текст к одному из пяти классов: удовлетворённость, запрос уточнения, сообщение об ошибке, просьба изменить ответ или отсутствие обратной связи. Модель предназначена для маршрутизации пользовательских откликов и анализа качества ответов в диалоговых системах. Модель построена на архитектуре ModernBERT, принимает текстовые последовательности длиной до 32 768 токенов с учётом специальных токенов и поддерживает английский, китайский, испанский, французский и немецкий языки. В README приведено сравнение на наборе из 472 примеров: для четырёх общих классов заявлены macro F1 98,81 и точность 97,88; на 288 нейтральных примерах зарегистрировано 6 ложных сигналов при пороге уверенности 0,7. Эти результаты получены на наборе, который использовался при отборе Vela, поэтому они не гарантируют аналогичное качество на других данных. Лицензия — Apache-2.0.

Vera — модель Jiacheng Liu, Wenya Wang, Dianzhuo Wang, Noah A. Smith, Yejin Choi и Hannaneh Hajishirzi для проверки утверждений на соответствие здравому смыслу. Она дообучена на T5-v1.1-XXL и принимает текстовое утверждение на английском языке, выдавая калиброванную оценку от 0 до 1: значение ближе к 1 указывает на правдоподобие, ближе к 0 — на ошибочность. Модель предназначена для оценки корректности утверждений, выявления ошибок здравого смысла в ответах генеративных языковых моделей и фильтрации шумовых знаний, созданных другими моделями. Это исследовательский прототип, поэтому его оценки могут быть ошибочными и ненадёжны за пределами проверки утверждений на здравый смысл. Не следует использовать Vera для критически важных решений. Лицензия — MIT.

ADV-LLM — диалоговая языковая модель, разработанная Chung-En Sun и соавторами из UCSD и Microsoft Research. Это дообученная версия LLaMA-3-8B-Instruct с архитектурой LLaMA и 7,5 млрд параметров; модель принимает текст и генерирует текст, поддерживает английский язык и контекст до 8192 токенов. Модель предназначена для исследований безопасности LLM и red teaming: она генерирует суффиксы для jailbreak-атак, проверяющих, можно ли обойти защитное выравнивание других языковых моделей. В README сообщается о высоких показателях успешности атак при групповом поиске луча на нескольких моделях и проверках безопасности. Это специализированная атакующая модель, а не универсальный помощник; результаты зависят от целевой модели и метода поиска. Лицензия — MIT.

ChartVerse-Coder — инструкционная языковая модель для генерации кода визуализаций, разработанная в рамках проекта OpenDataLab ChartVerse. Она дообучена на базе Qwen/Qwen2.5-Coder-7B-Instruct и предназначена для автономного создания кода графиков с нуля, включая сложные и разнообразные визуализации: 3D-графики, иерархические диаграммы, статистические графики и многокомпонентные макеты. Модель имеет плотную архитектуру Qwen2, 7,1 млрд параметров и контекстное окно 32 768 токенов; заявленный язык карточки — английский. Обучение включает отбор сложных примеров по метрике Rollout Posterior Entropy и итеративное улучшение на сгенерированных, проверенных и отфильтрованных образцах. Модель рассчитана на генерацию кода для дальнейшего построения диаграмм и подготовки данных для вопросов и ответов по визуализациям. Репозиторий распространяется под лицензией Apache-2.0.

Карточка модели ldov/CLM-v0.1-8B на Hugging Face совпадает с карточкой Contrastive-LM/CLM-v0.1-8B, поэтому описание составлено по ней. CLM-v0.1-8B — модель контрастивного ранжирования от проекта Contrastive Language Model. Она построена на замороженном текстовом энкодере Qwen3-8B и двух обучаемых проекционных головах для представления состояний и действий; обучение использует двунаправленную функцию потерь InfoNCE. Модель предназначена для оценки и сравнения заданных кандидатов, в том числе вариантов ответа, инструментов и следующих действий в агентных сценариях. CLM применяют для ранжирования решений и проверки кандидатов в задачах использования компьютера, игр и вызова инструментов. В README также приведены результаты дообученных на отдельных задачах голов в бенчмарках DeepSWE и Terminal-Bench; эти показатели не относятся к исходному чекпойнту без дообучения. Раздельное кодирование состояний и действий позволяет повторно использовать представления действий и ускорять сравнение большого числа кандидатов. Модель не генерирует текст и оценивает кандидатов только относительно переданного набора. Для работы голов нужен последний pooled-эмбеддинг энкодера Qwen3-8B. Репозиторий содержит веса в формате PyTorch; лицензия — Apache-2.0. Метаданные указывают английский язык карточки, но README не описывает более широкий список языков для ранжирования.

Карточка модели sekkit/CLM-v0.1-8B на Hugging Face совпадает с карточкой Contrastive-LM/CLM-v0.1-8B, поэтому описание составлено по ней. CLM-v0.1-8B — модель контрастивного ранжирования от проекта Contrastive Language Model. Она построена на замороженном текстовом энкодере Qwen3-8B и двух обучаемых проекционных головах для представления состояний и действий; обучение использует двунаправленную функцию потерь InfoNCE. Модель предназначена для оценки и сравнения заданных кандидатов, в том числе вариантов ответа, инструментов и следующих действий в агентных сценариях. CLM применяют для ранжирования решений и проверки кандидатов в задачах использования компьютера, игр и вызова инструментов. В README также приведены результаты дообученных на отдельных задачах голов в бенчмарках DeepSWE и Terminal-Bench; эти показатели не относятся к исходному чекпойнту без дообучения. Раздельное кодирование состояний и действий позволяет повторно использовать представления действий и ускорять сравнение большого числа кандидатов. Модель не генерирует текст и оценивает кандидатов только относительно переданного набора. Для работы голов нужен последний pooled-эмбеддинг энкодера Qwen3-8B. Репозиторий содержит веса в формате PyTorch; лицензия — Apache-2.0. Метаданные указывают английский язык карточки, но README не описывает более широкий список языков для ранжирования.

CodeLlama-7B-KStack — языковая модель JetBrains, дообученная на наборе Kotlin-кода KStack с фильтрацией данных. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM, примерно 6,6 млрд параметров; она распространяется в формате Transformers с весами safetensors и поддерживает контекст до 16 384 токенов. Модель предназначена прежде всего для генерации и дополнения кода на Kotlin, в том числе в формате заполнения пропусков FIM. При оценке на Kotlin HumanEval модель достигла pass rate 29,19 против 26,09 у исходной CodeLlama-7B. Данные для дообучения отбирались из публичных репозиториев Kotlin и очищались: удалялись не-ASCII символы и строки пакетов, а половина строк импортов исключалась. Эти решения и специализация на Kotlin могут ограничивать качество на других языках и задачах; сгенерированный код требует проверки. Лицензия модели — Apache-2.0.

Critical Thinker — авторская донастройка Theeseus AI модели meta-llama/Llama-3.1-8B-Instruct на синтетических сценариях критического мышления. Это плотная авторегрессионная трансформерная модель семейства Llama с 7,5 млрд параметров, рассчитанная на генерацию текста и диалог. Модель предназначена для логических рассуждений, анализа доказательств и многоэтапного принятия решений; заявленная длина контекста — 131 072 токена. Основной язык обучающих сценариев — английский. Модель подходит для оценки логики и решения задач, анализа журналов и метаданных в цифровой криминалистике, а также исследований многошаговых рассуждений. В README приведены показатели accuracy 89,4% и F1 88,7% на тестовых данных, однако описание не уточняет протокол оценки, поэтому эти результаты не следует переносить на другие задачи без проверки. Модель может неверно трактовать неоднозначные свидетельства и давать ложноположительные выводы; многоязычные входы могут снижать качество. Для значимых решений рекомендуется ручная проверка. Лицензия — Apache 2.0.

Это плотная языковая модель семейства Qwen3, дообученная на базе Qwen/Qwen3-32B на наборе open-athena/GLM-4.6-stackexchange-overflow-sandboxes-32eps-65k-reasoning. Она предназначена для генерации текста в диалоге, в том числе для ответов на вопросы по Stack Exchange и Stack Overflow, связанных с песочницами, а также для задач, отражённых в обучающих данных. Модель содержит 29,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и формат safetensors; нативная длина контекста — 40 960 токенов. Модель создана сообществом laion и опубликована под лицензией с обозначением «other»; конкретные условия лицензии в предоставленных данных не раскрыты. Карточка не содержит описания оценок качества и подробных ограничений, поэтому точность ответов на специализированные вопросы по песочницам не подтверждена.

GuvenBank Security Test 3B — намеренно уязвимая чат-модель для исследований безопасности ИИ и обучения специалистов по red team. Она создана на основе Qwen/Qwen2.5-3B-Instruct методом QLoRA и предназначена для имитации цифрового банковского помощника с синтетическими данными. Модель содержит около 3 млрд параметров и распространяется в формате GGUF Q4_K_M для сред, совместимых с llama.cpp. Модель используют в контролируемых упражнениях для изучения prompt injection, jailbreak-атак, извлечения системного промпта и утечки конфиденциальной информации, а также для проверки защитных фильтров и мониторинга. Основной язык — турецкий; архитектура унаследована от многоязычной Qwen2.5-3B-Instruct. Модель намеренно не защищена от атак и может выдавать неожиданные или небезопасные ответы. Это учебный стенд с синтетическими данными, а не банковский помощник: его нельзя подключать к реальным финансовым системам, данным клиентов или производственной инфраструктуре и использовать для финансовых решений, аутентификации либо работы с персональными данными. В README указано назначение для авторизованных исследований безопасности и обучения; метаданные обозначают лицензию как other, конкретные условия лицензии в предоставленных данных не раскрыты.

InCoder-32B (Industrial-Coder-32B) — плотная языковая модель на 31,6 млрд параметров для генерации и анализа кода в промышленных инженерных задачах. В карточке указаны области применения: проектирование микросхем на Verilog и RTL, оптимизация GPU-ядер на CUDA и Triton, встроенные системы для ARM Cortex-M и STM32, оптимизация компиляторов и ассемблера x86-64/LLVM, а также 3D-моделирование через CadQuery и OpenCascade. Модель поддерживает контекст до 131 072 токенов и диалоговый режим. Разработчики описывают трёхэтапное обучение: предварительное обучение с адаптацией на промышленном коде, расширение контекста и дообучение на примерах с выполнением кода и обратной связью. README приводит результаты на отдельных промышленных бенчмарках, но не даёт независимой оценки этих сравнений. Модель может генерировать ошибочный или небезопасный код; результаты требуют проверки специалистом, особенно перед использованием в прошивках, RTL и GPU-ядрах. В метаданных лицензия обозначена как «other»; конкретные условия использования следует сверять с лицензией репозитория.

Jailbreak-R1 — дообученная модель на базе Qwen/Qwen2.5-7B-Instruct, предназначенная для автоматизированного red teaming языковых моделей. Она генерирует разнообразные jailbreak-промпты для проверки того, насколько эффективно защитные механизмы других LLM блокируют нежелательные запросы. В README описан подход обучения в три этапа: начальная настройка на наборе jailbreak-примеров, исследовательское обучение с вознаграждением за разнообразие и согласованность, затем усиление способности обходить защитные ограничения с помощью постепенно усложняемых вознаграждений. Модель работает с текстом и, согласно метаданным, поддерживает диалоговую генерацию. Для базовой модели указано 7,1 млрд параметров; отдельный размер Jailbreak-R1 в предоставленных данных не приведён. Модель предназначена для этических исследований уязвимостей и проверки защит LLM. Её применение может приводить к генерации вредоносных запросов; автор ограничивает использование исследовательскими целями и требует обращаться за разрешением для доступа за пределами академических исследований. Лицензия — Apache-2.0.

Карточка модели Ishowbackup/LING-3.0-FLASH-ABLITERATED на Hugging Face совпадает с карточкой Blackfrost-AI/LING-3.0-FLASH-ABLITERATED, поэтому описание составлено по ней. LING-3.0-FLASH-ABLITERATED — версия модели Ling-3.0-flash, выпущенная Blackfrost AI. Это гибридная языковая MoE-модель с архитектурой BailingMoeV3ForCausalLM, механизмами hybrid attention (multi-head latent и gated-linear) и 3,5 млрд параметров. Она принимает текст и генерирует текст; заявленный контекст — 262 144 токена. В карточке указаны английский и китайский языки. Модель предназначена для диалогов и технических задач в контролируемых сценариях исследований безопасности, включая анализ вредоносных программ, поиск уязвимостей и red-team-тестирование. Поведение отказов намеренно изменено вмешательством в веса, чтобы модель чаще отвечала на запросы двойного назначения. Дообучение SFT, DPO или RLHF не проводилось. Оценка поведения и возможностей ещё не завершена, поэтому заявленные свойства не подтверждены результатами тестирования. Модель распространяется по MIT-лицензии базовой Ling-3.0-flash, однако доступ к репозиторию платный, а README запрещает перераспространение весов за пределами выданного разрешения. Карточка рекомендует развёртывать модель только в контролируемой среде с разграничением доступа, журналированием и проверкой результатов.

VincentGOURBIN/Llama-Guard-3-8B — конверсия модели Meta Llama-Guard-3-8B в формат MLX, подготовленная с помощью mlx-lm версии 0.19.1. Модель основана на плотной архитектуре Llama с причинно-следственной языковой моделью и содержит 7,5 млрд параметров; заявленная длина контекста — 131 072 токена. В метаданных указана поддержка английского языка. Модель предназначена для классификации безопасности запросов и ответов LLM с отнесением нарушений к категориям. Формат MLX позволяет запускать её с библиотекой mlx-lm на совместимых устройствах Apple. Репозиторий содержит веса safetensors и предназначен для генерации текста в разговорном формате. Лицензия — Llama 3.1 Community License.

OBLITERATUS-Qwen3.8-27B-OBLITERATED-unsloth-mlx — производная от Qwen/Qwen3.8-27B модель, созданная Pliny the Prompter с применением методов abliteration и смешивания весов. Это плотная мультимодальная модель семейства Qwen с 27 млрд параметров; базовая модель предназначена для диалогов, анализа изображений и видео, программирования и многошаговых задач. В карточке представлены веса safetensors и GGUF, а также 4- и 8-битные варианты MLX для Apple Silicon. Модель предназначена для исследований геометрии отказов и устойчивости защитных механизмов, red-team-оценок и локальных экспериментов с ответами без штатных ограничений безопасности. Автор сообщает о частоте отказов 0,24% на наборе из 842 запросов и результате MMLU 84,32% против 84,60% у исходной модели; это результаты проверок автора, а не независимая оценка. Рекомендуются температура 0, штраф за повторы 1,15 и не менее 2048 новых токенов; для GGUF автор советует отключить режим thinking. По описанию, модель чаще отвечает на запросы, которые исходная Qwen3.8-27B отклонила бы, поэтому её использование требует осторожности. Лицензия — Apache-2.0. README сообщает, что MLX-квантизации основаны на V1 и ещё не обновлены до V2; также полная проверка MMLU на 14 тысячах вопросов на момент публикации продолжалась.

Phi-4-mini ADR Detector — дообученная методом LoRA модель Microsoft Phi-4-mini-instruct, разработанная для классификации трасс выполнения AI-агентов на доброкачественные и вредоносные. Модель ориентирована на задачи безопасности агентных систем, включая обнаружение prompt injection, атак на инструменты, подмены или злоупотребления MCP-серверами, захвата управления и других угроз в журналах выполнения. Обучение проводилось на датасете sumitguha13/adr-agent-trace-detection, а оценка — на ранее не использовавшемся наборе Uber ADR-Bench. Модель относится к классу text-generation и принимает текстовые трассы, представленные строками формата role: content. Она основана на Phi-4-mini-instruct с контекстным окном 131 072 токена, что позволяет обрабатывать целиком трассы длиной до 27 932 токенов в использованном тесте. Язык README указан как английский. Дообучение выполнено с LoRA-параметрами r=32, alpha=64 и dropout 0,05; для работы рекомендуется bfloat16 и SDPA, поскольку полное внимание может исчерпывать память на длинных трассах. На ADR-Bench модель достигла accuracy 82,2%, balanced accuracy 72,7% и F1 0,481; вредоносные трассы обнаруживались с полнотой 59,5%, поэтому примерно две из пяти атак пропускаются. Она особенно хорошо выявляла injection-подобные атаки, но полностью пропустила Semantic Data Poisoning и испытывала трудности с Control-Flow Hijacking. Precision составила 0,403, что означает заметное число ложных срабатываний. Модель предназначена для помощи в триаже, а не для автономного средства защиты; обобщение на другие агентные фреймворки не проверялось. Распространяется по лицензии MIT.