II.4Отладка, тестирование и качество ПО

LunarAI-i1-GGUF — набор квантованных GGUF-версий модели LunarAI, разработанной ThePegasusGroup и дополнительно подготовленной mradermacher. Модель основана на архитектуре, связанной с DeepSeek-Coder, и дообучена на custom_spigot_dataset; в метаданных также указана ориентация на Spigot и Minecraft. Модель предназначена для генерации кода и выполнения инструкций, прежде всего в сценариях разработки Minecraft-плагинов и проектов на базе Spigot. Доступны многочисленные варианты квантования i1 и IQ с размером файлов примерно от 5,1 до 14,2 ГБ, включая рекомендованные автором варианты Q4_K_M и Q4_K_S, а также более компактные и более качественные версии. Поддерживается английский язык. Сведения о точном числе параметров, длине контекста и дополнительных модальностях в README отсутствуют; по назначению это текстовая модель без заявленной поддержки изображений или других мультимодальных входов. Главные преимущества — возможность локального запуска в формате GGUF, широкий выбор компромисса между размером, скоростью и качеством, а также специализация на генерации кода для Minecraft и Spigot. Ограничения связаны с потерями качества у низкобитных квантований; README отдельно отмечает, что некоторые компактные варианты имеют низкое качество. Модель распространяется по лицензии Apache-2.0.

Mythoseek — языково-зрительная модель примерно на 10 млрд параметров, разработанная Merlin Research в рамках программы KAON и дообученная на основе DeepSeek V4 Pro-Qwen3.5 9B Distilled. Она предназначена для исследований уязвимостей, анализа CVE, тестирования на проникновение, OSINT, классификации CWE и подготовки отчётов по безопасности. Обучение включало дистилляцию трасс рассуждений, GRPO с проверяемыми наградами и настройку использования инструментов; заявлена поддержка диалогов, вызова инструментов и изображений. В тесте CyberGym авторы сообщают pass@4 от 12% до 62% в зависимости от уровня предоставленной опоры. Модель распространяется в формате Safetensors по лицензии Apache-2.0.

Palmyra-mini-thinking-a — англоязычная разговорная модель Writer для генерации текста с рассуждениями, дообученная на Qwen/Qwen2.5-1.5B. Она предназначена прежде всего для решения сложных математических задач, многошаговой арифметики и задач соревновательного программирования. Модель содержит около 1,5 млрд параметров по метаданным и использует плотную архитектуру Qwen2 с классом Qwen2ForCausalLM; заявленное контекстное окно — 131 072 токена. В README приведены результаты на математических и программных бенчмарках, включая MATH500, GSM8K, AMC23 и Codeforces. Модель рассчитана на диалоговый вывод текста и может запускаться через Transformers или vLLM. Лицензия — Apache-2.0. Как и другие языковые модели, она может выдавать ошибочные или предвзятые ответы; результаты бенчмарков не гарантируют корректность решения в каждом конкретном случае.

Модель Guardrails AI и Joseph Catrambone предназначена для обнаружения атак насыщением (saturation jailbreak) в текстовых запросах. Это небольшая модель классификации последовательностей на архитектуре BERT, созданная на основе bert-tiny и объединённая с google-bert/bert-base-uncased. Она рассчитана на английский язык и может служить предварительным фильтром в составе многоуровневой защиты ML-систем. Модель не предназначена для самостоятельного обнаружения других типов jailbreak-атак. В метаданных указаны 4,4 млн параметров и контекст до 512 токенов. Лицензия обозначена как ограничительная; условия следует проверить в карточке модели перед использованием.

cwolff/qwen3.5-2b-grpo-bird — компактная модель cwolff на 2 млрд параметров, созданная дообучением Qwen/Qwen3.5-2B методом обучения с подкреплением GRPO. Она предназначена для агентного преобразования вопросов на естественном языке в SQL: модель исследует схему базы данных через инструменты, а затем отправляет запрос на исполнение. Для работы ей нужен внешний агентский цикл с протоколом exec_plan, в котором каждый ход содержит один JSON-объект; модель не рассчитана на обычный запрос «схема на вход, SQL на выход». Обучение и оценка проводились на SQLite с бюджетом в шесть ходов. В тесте разработчика на 300 вопросах BIRD dev точность исполнения составила около 0,55 как при наличии схемы в запросе, так и при её самостоятельном изучении через инструменты; эти результаты относятся к собственному тестовому стенду, а не к лидерборду. Модель заметно меньше и дешевле в обслуживании, чем крупные модели, но уступает им на сложных запросах с множественными соединениями. Контекст запуска в опубликованной инструкции ограничен 16 384 токенами; более длинные агентские эпизоды не проверены, а усечение в экспериментах достигало 9–22%. Визуальная часть базовой модели сохранена, но не обучалась и не оценивалась для этой задачи, поэтому модель следует использовать как текстовую. Лицензия — Apache-2.0.

OS-Software/Qwen3.8-27B-Uncensored-Heretic-v2 — производная модель семейства Qwen, созданная OS-Software на основе Qwen/Qwen3.8-27B. Это плотная мультимодальная причинная языковая модель с визуальным энкодером и 27 млрд параметров. Модель принимает текст и изображения; исходная карточка семейства также описывает понимание видео. Контекст составляет 262 144 токена с возможностью расширения до 1 000 000 токенов. Модель предназначена для экспериментов по безопасности, исследований выравнивания и red teaming. Ослабление защитного выравнивания повышает вероятность получения вредных, неточных, предвзятых или оскорбительных ответов; результаты нужно проверять. README указывает лицензию Apache-2.0. Хотя в README упомянуты GGUF-квантизации, сам репозиторий содержит веса Transformers в формате safetensors.

Gyubeum разработала мультимодальную reward-модель Qwen3-VL-8B-Instruct-UI-Genie-scoring для оценки траекторий действий GUI-агентов в мобильных интерфейсах. Модель дообучена на UI-Genie-RM-517k на основе Gyubeum/Qwen3-VL-8B-Instruct-UI-Genie, которая, в свою очередь, создана на базе Qwen/Qwen3-VL-8B-Instruct. Это плотная архитектура Qwen3-VL с классификационной головой регрессии: она выдаёт одно скалярное вознаграждение на входную траекторию; более высокая оценка означает более качественное действие. Для обучения использовалась парная функция потерь Bradley–Terry. Модель предназначена для получения сигнала вознаграждения при обучении GUI-агентов методами PPO/GRPO или RLHF, а также для выбора лучшей траектории из нескольких вариантов. В README указана точность парного сравнения 90,6% на отложенных парах UI-Genie и 61,1% на внепредметном наборе AndroidFlux. Лицензия — Apache-2.0. Для загрузки рекомендуется Transformers; загрузчик Qwen3-VL в vLLM не поддерживает дополнительный тензор score.weight.

Rooja — дообученная Lone17k языковая модель на архитектуре Qwen2.5-7B-Instruct с 7,1 млрд параметров. Она предназначена для помощи в разработке ресурсов FiveM и серверов GTA V на Lua, в том числе с фреймворком QBCore. Модель принимает текстовые запросы и генерирует код или пояснения; контекст — до 32 768 токенов. В репозитории используются веса Safetensors, для работы указана библиотека Transformers. Rooja подходит для создания и отладки клиентских и серверных Lua-скриптов, конфигураций и файлов fxmanifest.lua, а также для работы с событиями, callback-функциями и системами игроков. Модель обучалась на наборе из 5 969 примеров, посвящённых разработке для FiveM. Указана лицензия Apache-2.0. Модель может предлагать неверные, неполные или устаревшие API FiveM и QBCore. Сгенерированный код следует проверить и протестировать до использования на рабочем сервере; Rooja не заменяет официальную документацию.

UI-TARS-1.5-7B-GGUF — мультимодальная модель размером 7 миллиардов параметров, опубликованная Mungert в формате GGUF. Модель предназначена для задач image-text-to-text и работы с графическими интерфейсами; заявленная область применения включает анализ изображений и сценарии, связанные с GUI. Для запуска используются llama.cpp, файл модели GGUF и отдельный файл mmproj для мультимодальной обработки изображений. В карточке указано, что модель поддерживает английский язык и работает с изображениями и текстом. Доступны варианты с разной точностью квантования, включая Q8 и сверхнизкобитные форматы IQ1/IQ2, ориентированные на снижение требований к памяти и запуск на CPU, устройствах с ограниченной VRAM и edge-оборудовании. Для таких вариантов возможен компромисс между размером, скоростью и качеством; приведённые в README бенчмарки относятся к Llama-3-8B, а не непосредственно к UI-TARS-1.5-7B. Сильные стороны модели — мультимодальность, совместимость с llama.cpp и наличие компактных квантованных вариантов для локального запуска. Ограничения: архитектура, размер контекстного окна, полный набор поддерживаемых языков, точность в задачах управления интерфейсом и требования к ресурсам в карточке не указаны; приведённый пример демонстрирует описание изображения, но не подтверждает другие возможности. Модель распространяется по лицензии Apache-2.0.

CodeModernBERT-Owl — устаревшая модель на архитектуре ModernBERT, разработанная автором Shuu12121. По метаданным, это плотная модель для заполнения пропусков в тексте с 151,6 млн параметров и контекстом до 2048 токенов. Карточка указывает на применение в задачах поиска и сходства кода; среди тегов и обучающих наборов упомянуты Rust, Java, Python, JavaScript, PHP, Ruby и Go. README приводит размер словаря 50 004, скрытый размер 768 и 12 слоёв, а также рекомендует использовать более новую версию. Модель принимает текст и предсказывает замаскированные токены. Доступна в формате safetensors; лицензия — Apache-2.0. Связь с конкретной базовой моделью или факт дообучения в доступных данных не указан.

OBLITERATUS/Gemma-4-12B-OBLITERATED — модифицированная версия Google Gemma 4 12B-it, созданная проектом OBLITERATUS. Это текстовая generative-модель на базе Transformers, предназначенная прежде всего для исследований выравнивания, red teaming, оценки устойчивости механизмов безопасности и локального запуска с полным контролем над весами. Модель подвергнута двухэтапной хирургической модификации весов без дополнительного обучения. На первом этапе из слоёв 12–21 удалялись направления, связанные с отказами, а на втором в слоях 22–46 применялось ASPA Source-Tethering с поуровневым смешиванием изменённых весов с исходными. Согласно приведённым в README результатам, модель показала 0 отказов на 842 тестовых запросах, сохранила связность во всех 6 проверках и получила 46/70 на MMLU-Pro, что соответствует заявленному паритету с исходной Gemma 4 12B-it. Размер модели — 12B параметров; сведения о поддерживаемых языках и размере контекста не указаны. Ключевая особенность модели — преднамеренное удаление защитных ограничений: она может выполнять запросы, от которых исходная Gemma 4 отказалась бы. Это делает её полезной для анализа геометрии отказов, исследования устойчивости RLHF/DPO-выравнивания и оценки последствий модификации весов, но непригодной для безусловного использования в пользовательских продуктах. Ответственность за применение модели и генерируемый контент возлагается на пользователя. Лицензия указана как gemma.

gpt-oss-safeguard-120b — модель рассуждений о безопасности, разработанная OpenAI на основе gpt-oss-120b. Она предназначена для задач Trust and Safety: фильтрации входов и выходов LLM, разметки контента в интернете и офлайн-классификации текста по заданным пользователем политикам безопасности. Модель интерпретирует текстовую политику организации, что позволяет адаптировать её к различным продуктам и сценариям с минимальной доработкой. Она предоставляет обоснованные решения и доступ к процессу рассуждений для отладки и повышения прозрачности, а также поддерживает настраиваемый уровень усилий рассуждения — low, medium или high — с компромиссом между качеством и задержкой. Модель содержит 117 млрд параметров, из которых активно используется 5,1 млрд, и помещается на одной H100 GPU. Сведения о языках и размере контекстного окна в README не указаны. Модель ориентирована именно на сценарии безопасности; для других задач рекомендуется использовать базовые модели gpt-oss. Её необходимо применять с форматом ответов harmony, поскольку без него она работает некорректно. Необработанный процесс рассуждений предназначен для разработчиков и специалистов по безопасности, а не для показа обычным пользователям. Модель распространяется по лицензии Apache 2.0, допускающей эксперименты, настройку и коммерческое использование без ограничений copyleft.

wangzhang/granite-4.1-3b-abliterated — англоязычная диалоговая модель на базе IBM Granite 4.1 3B, изменённая автором с помощью abliterix v1.8.0. Веса модели подвергнуты направленной rank-1 коррекции, уменьшающей вероятность отказа на запросы, которые исходная модель считала вредными. Это редактирование весов без дообучения на новых данных; модель имеет плотную архитектуру GraniteForCausalLM, содержит 3,4 млрд параметров и принимает контекст длиной до 131 072 токенов. Модель предназначена для генерации текста в диалогах, изучения интерпретируемости отказов и red-team-оценки поведения языковых моделей. В тесте автора доля отказов на 200 вредоносных запросах снизилась с 69,5% у исходной модели до 12%; на безвредных запросах измерено KL-расхождение 0,1316. Стандартные бенчмарки ещё не проведены, а автор отмечает заметное изменение распределения ответов относительно базовой модели. Безопасностные отказы существенно ослаблены: модель может выдавать вредные, незаконные, откровенные, предвзятые или фактически неверные ответы, в том числе по опасным темам. Для практического применения нужны дополнительные защитные меры. Модель распространяется по лицензии Apache-2.0.

Intern-Decision roleplay Stage-2 — объединённый чекпойнт на архитектуре Qwen3.5, подготовленный для локального инференса. В репозитории сохранены замороженные компоненты базовых моделей и дообученные language_model и lm_head из best-model-stage2-0250; метаданные указывают на слияние Intern-Decision-0.8B и Qwen3.5-0.8B. Модель предназначена для оценки ролевых ответов: на вход подаётся предложение в специальном формате, а система сравнивает шесть вариантов рейтинга — оценки качества от 1 до 5 и вариант пропуска. Это сценарий классификации ответа по шкале, а не обычная свободная генерация текста. В README приведена калиброванная температура 1.409963883056206; для квантованных вариантов температуру следует повторно подбирать и проверять. Чекпойнт экспортирован в формате safetensors; README также описывает его подготовку к конвертации в GGUF через актуальную версию llama.cpp с поддержкой Qwen3.5. Указана лицензия MIT. Размер 0,8 млрд параметров следует из идентификаторов базовых моделей в метаданных; длина контекста и поддерживаемые естественные языки не заявлены.

lexi-coder-v4.3 — языковая модель для генерации текста и программного кода, разработанная Reallexi LLC. Она создана на основе microsoft/Phi-4-mini-instruct и дообучена методом LoRA на наборе данных agagasf123123/threejs-gamecode-instruct-v3-ultra. Модель ориентирована прежде всего на разработку браузерных игр и интерактивных сцен с использованием JavaScript и Three.js: создание игрового кода, систем управления, искусственного интеллекта противников, тестовых стратегий и архитектурных решений. Модель содержит около 3,85 млрд параметров, имеет контекст до 15 360 токенов, относится к классу text-generation и поставляется как самостоятельная версия со встроенными базовыми весами и объединённым LoRA-адаптером. Размер весов составляет около 7,15 ГБ; ориентировочное потребление памяти — 7,17 ГБ в FP16/BF16, 3,58 ГБ в 8-битном и 1,97 ГБ в 4-битном формате. Данные о поддерживаемых языках и дополнительных модальностях не указаны, поэтому модель следует рассматривать как текстовую. Сильная сторона модели — специализация на практическом коде для Three.js и браузерных игр, включая поддерживаемые архитектурные практики и объяснение решений. Ограничения включают узкую направленность обучающих данных, отсутствие заявленных независимых бенчмарков и неполное обучение: указано 45 936 освоенных примеров из 20 фаз, пройдено 10. Условия распространения наследуются от базовой модели и обучающих данных и могут различаться; перед использованием или перераспределением необходимо изучить соответствующие лицензии.

Blackfrost AI выпустила Muse-Glimmer-30B-Abliterated-BF16 — мультимодальную модель на архитектуре Muse Glimmer, производную от meta-models/Muse-Glimmer-30B. Это полноточная версия BF16 примерно на 30 млрд параметров, предназначенная для контролируемых исследований безопасности, red-team-проверок, технической оценки двойного назначения и изучения механизмов отказа. Модель принимает изображения и текст и поддерживает диалог и интерфейс вызова инструментов. Веса изменены так, чтобы намеренно снизить вероятность отказа: в описанной авторами проверке модель не отказала ни на одном из 300 вредоносных запросов AdvBench и StrongREJECT. Для запуска авторы приводят варианты SGLang и vLLM; для полной версии требуется GPU с примерно 80–96 ГБ памяти или распределение по нескольким GPU. В метаданных указаны английский и мультиязычная поддержка, однако конкретный перечень языков не приведён. Модель распространяется по лицензии Apache-2.0. Авторы не предназначают её для обычного потребительского чата или использования как безопасной модели по умолчанию.

Qwen3-4B-Critic-SFT-DPO — англоязычная плотная причинно-языковая модель-критик, разработанная авторами проекта Steer, Don't Solve для сопровождения кодовых агентов. Она принимает текущую траекторию работы замороженного агента и выдаёт краткую структурированную критику: категории ошибок, подтверждающие их свидетельства, рекомендуемое восстановительное действие, статус задачи и общую подсказку. Модель помогает направлять агента, но сама исправления кода не пишет. Модель содержит 3,7 млрд параметров, построена на архитектуре Qwen3 и поддерживает контекст до 262 144 токенов по метаданным. Это дообученная методом DPO версия Qwen3-4B-Critic-SFT: для предпочтений использовались 1 409 пар критик, а обучение включало дополнительный SFT-компонент. В опубликованных экспериментах DPO-версия улучшила долю решённых задач SWE-bench Verified относительно SFT-критика для всех шести проверенных конфигураций кодовых агентов. Для запуска авторы рекомендуют обслуживать модель через vLLM в формате bf16 и подключать её к агенту через форк mini-swe-agent. Контекст в приведённой команде запуска ограничен 65 536 токенами. Модель опубликована под лицензией Apache-2.0. Она предназначена для англоязычных траекторий кодовых агентов; качество вне описанного сценария сопровождения и на иных языках в карточке не охарактеризовано.

Qwen3.8-27B Abliteratex — производная плотная языковая модель на архитектуре Qwen3.5ForCausalLM, опубликованная Wangzhang Wu на основе Qwen/Qwen3.8-27B. Веса LoRA дообучения объединены с базовой моделью в BF16; для запуска отдельный адаптер не нужен. Репозиторий совместим с Transformers, vLLM и SGLang. Модель содержит 22,3 млрд параметров и поддерживает контекст до 262 144 токенов. Модель предназначена для исследований безопасности, редтиминга, оценки устойчивости и изучения механизмов отказа у языковых моделей с рассуждением о политиках. Итеративная LoRA self-distillation настройка существенно снижает частоту отказов: на 100 отложенных вредоносных запросах оценщик зафиксировал 19 отказов; на безвредных запросах расхождение с базовой моделью составило 0,0069 ната на токен. Она наследует знания, рассуждения и многоязычные возможности базовой модели, но эти свойства отдельно здесь не оценивались. Поведение отказов ослаблено, поэтому модель может охотнее выдавать ответы на опасные или незаконные запросы. Остаточные отказы сохраняются, а результаты могут отличаться на запросах вне тестового распределения. Лицензия — Apache-2.0; автор указывает исследовательское и законное применение и отмечает, что модель не является официальным релизом разработчика базовой модели.

ScamLLM — модель классификации текста, созданная авторами репозитория phishbot. Она дообучена на базе предварительно обученной RoBERTa и предназначена для выявления промптов, которые могут использоваться для генерации фишинговых сайтов с помощью коммерческих языковых моделей. Модель содержит около 151,8 млн параметров и принимает последовательности длиной до 514 токенов. На выходе ScamLLM присваивает тексту метку 1, если считает промпт попыткой фишинга, и метку 0, если считает его безопасным. Обучающие примеры включали вредоносные промпты, сгенерированные GPT-3.5 Turbo и GPT-4; сам набор данных доступен авторам по запросу. Карточка не сообщает поддерживаемые естественные языки и лицензию, поэтому условия использования и языковой охват модели не определены.

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.

SPEED-synthesis-8b-senior — модель генерации текста, представленная Haonan Chen как старший генератор данных в рамках проекта SPEED. В статье «Little Giants: Synthesizing High-Quality Embedding Data at Scale» модель используется для синтеза обучающих данных; карточка демонстрирует генерацию данных для классификации. Модель основана на дообученной Meta-Llama-3-8B с плотной архитектурой LlamaForCausalLM и содержит 7,5 млрд параметров. Она принимает текст и генерирует текст, поддерживает английский язык и контекст до 8192 токенов. Репозиторий содержит веса Safetensors; лицензия — MIT. Модель предназначена для синтеза высококачественных данных для обучения моделей, в частности примеров для задач классификации. Доступные сведения не раскрывают метрики качества или полный набор сценариев применения, поэтому пригодность синтетических данных следует проверять для конкретной задачи.

ToolWeave Stage 1 — экспериментальный чекпойнт для обучения и применения многошаговых агентов, которые взаимодействуют с инструментами. Модель разработана как первый этап проекта ToolWeave на базе Qwen3-4B-Instruct; архитектура — плотная авторегрессионная Qwen3ForCausalLM, размер — 3,7 млрд параметров. Она предназначена для стабильного формирования совместимых с парсерами вызовов инструментов и взаимодействия со средой BFCL в несколько ходов. Внутренняя проверка проекта на 400 примерах использовала детерминированное декодирование; авторы уточняют, что это не официальный результат таблицы лидеров BFCL. Модель распространяется в формате safetensors для Transformers и поддерживает контекст до 40 960 токенов. В метаданных указана лицензия отсутствует; условия использования следует сверить на странице репозитория.

WebBrain Compass Tiny XS v3 — компактная языковая модель, разработанная WebBrain и дообученная на Spark-X2.5-1.7B с 1,7 млрд параметров. Это плотная авторегрессионная модель для генерации текста, настроенная на диалоговое принятие решений и выполнение браузерных действий через структурированные вызовы инструментов. Модель предназначена для агентных сценариев в среде WebBrain: она может отвечать на вопросы, запрашивать недостающие сведения, выбирать браузерные инструменты и формировать аргументы на основе дерева доступности страницы, а также отказываться или передавать задачу на более высокий уровень исполнения, если данных недостаточно. Заявленная длина контекста — до 1 048 576 токенов; в README приведены результаты фиксированной оценки маршрутизации, включая 97 из 100 успешных первых структурированных вызовов. Репозиторий содержит эталонные веса BF16 с объединёнными весами; исходный LoRA-адаптер также приложен. Для исполнения внешних действий необходима среда WebBrain: она проверяет схемы инструментов, обоснованность аргументов и актуальность состояния браузера. Указана лицензия other, поэтому конкретные условия использования следует сверять с файлами лицензии репозитория.

zen-guard-stream — компактная модель для потоковой проверки безопасности текста, опубликованная ZenLM и основанная на Qwen3Guard-Stream-0.6B от Alibaba Qwen. Это дообученная плотная модель семейства Qwen3 с примерно 508 млн параметров; репозиторий содержит веса в формате safetensors. Модель классифицирует текст по мере его поступления и предназначена для работы в качестве защитного фильтра или guardrail в приложениях с генерацией текста. Модель принимает текст и выдаёт классификационные метки безопасности. Контекст составляет до 8192 токенов; в карточке заявлен английский язык. Лицензия Apache-2.0 допускает коммерческое использование. Репозиторий помечен как заменённый на zenlm/zen3-guard, но веса сохранены для воспроизводимости.

Zireal-0 — экспериментальная дообученная языковая модель Daemontatox на базе DeepSeek-R1-Zero. Это причинный трансформер семейства DeepSeek-V3 с архитектурой MoE; в метаданных указано 37,6 млрд параметров. Модель принимает текст и генерирует текст, поддерживает контекст до 163 840 токенов по метаданным. Карточка описывает дообучение на наборах для математических задач и пошаговых рассуждений, включая GSM8K Step-by-Step и несколько наборов Chain-of-Thought. Модель предназначена для экспериментов с многошаговыми рассуждениями, решения математических задач, логического вывода и генерации кода. README приводит результаты бенчмарков, но отмечает небольшие заявленные улучшения относительно базовой модели, снижение результата на LiveCodeBench и отсутствие независимой проверки оценок. Указанные в README 684 млрд параметров и контекст 32 768 токенов расходятся с метаданными каталога; поэтому в характеристиках использованы значения метаданных. Карточка заявляет отсутствие механизмов безопасности и предупреждает о риске вредных, предвзятых или некорректных ответов. Модель распространяется по лицензии Apache-2.0; результаты и описание обучения недостаточно документированы для воспроизводимой оценки качества.

igorls/gemma-4-12B-it-qat-q4_0-unquantized-heretic — мультимодальная инструкционная модель на основе Gemma 4 12B от Google DeepMind, доработанная автором igorls с помощью Heretic для ослабления встроенных отказов. Она предназначена для диалога и обработки изображений; карточка указывает поддержку vision и задачу image-text-to-text. По README, версия v1.1 перенастроена для работы с включённым режимом рассуждений. Это checkpoint с весами bf16 и калибровкой QAT-Q4_0, опубликованный в safetensors; отдельные GGUF-квантизации размещены в другом репозитории. Модель рассчитана на сценарии, где требуется получать ответы на запросы, включая запросы, от которых исходная Gemma 4 могла отказаться, а также анализировать изображения. Автор приводит для тестового набора вредоносных запросов около 22% отказов при включённом рассуждении против примерно 99% у исходной модели; результат не гарантирует поведение на других запросах. Лицензия — Apache 2.0, при этом README предупреждает, что защитные механизмы намеренно ослаблены, ответы могут быть вредными или неточными и для пользовательских систем необходимы собственные фильтры и проверка человеком.

GLM-5.3-Flash-DERISKED-BF16 — мультимодальная модель Blackfrost на базе GLM-5.3-Flash от Z.ai, предназначенная для авторизованных команд безопасности, специалистов по тестированию защит и лабораторий безопасности ИИ. Изменение поведения встроено в веса и направлено на проведение проверок, для которых стандартные модели могут отказываться выполнять запросы. Модель поддерживает диалог и работу с изображениями; доступна через Transformers. Архитектура — Glm5NextForConditionalGeneration с гибридным вниманием и Mixture-of-Experts: 320 млрд параметров всего и 18 млрд активных на токен. Репозиторий содержит веса BF16 в формате safetensors. Архитектурный предел контекста — 1 млн токенов, но фактический бюджет запроса зависит от памяти и конфигурации обслуживания. Карточка указывает английский и китайский языки. Модель предназначена для авторизованного red teaming, проверки средств обнаружения атак и оценки защитных механизмов. Изменение поведения намеренно ослабляет отказы на вредоносных запросах, поэтому это не модель с исходными настройками безопасности и она не подходит для развёртывания как безопасная универсальная модель. Доступ предоставляется после ручной проверки по коммерческой лицензии; производственные детали модификации не раскрываются.

godot-qwen2.5-coder-7b-instruct-bnb-4bit — дообученная и конвертированная в формат GGUF языковая модель, опубликованная пользователем bekoozkan на базе Qwen2.5-Coder-7B-Instruct. Она оптимизирована для задач программирования, связанных с Godot Engine и языком GDScript, и предназначена для генерации текста и кода в диалоговом формате. Модель относится к классу text-generation и доступна в файле qwen2.5-coder-7b-instruct.Q8_0.gguf с 8-битной квантизацией Q8_0. В README указана поддержка запуска через llama.cpp и Ollama; основной сценарий — локальная разработка, генерация и объяснение кода для Godot. Мультимодальность заявлена только на уровне примеров запуска через llama-mtmd-cli, без описания поддерживаемых визуальных входов, поэтому фактические мультимодальные возможности не подтверждены. Модель ориентирована на специализированные задачи Godot и GDScript, что может быть её преимуществом по сравнению с общей кодовой моделью, однако результаты дообучения, показатели качества, максимальный размер контекста и перечень поддерживаемых языков в README не указаны. Модель распространяется по лицензии Apache-2.0.

wangzhang/gpt-oss-120b-abliterated — вариант openai/gpt-oss-120b, созданный прямым редактированием весов с помощью abliterix. Это разговорная причинная языковая модель с архитектурой MoE: 36 слоёв и 128 экспертов на слой. В карточке указана длина контекста 131072 токена; формат файлов — safetensors. Модель предназначена для исследований безопасности ИИ, red-teaming, анализа механизмов отказа и оценки поведения моделей. Подавление отказов частичное: в описанной проверке модель отказала в 26 из 100 ответов на вредоносные запросы. Проверки и карточка также указывают на более слабое качество обхода отказов на китайском языке и на редкие сбои в длинных ответах. Языки карточки — английский и китайский; в README отмечено, что управляющие векторы были преимущественно ориентированы на английский. Применяется лицензия Apache-2.0 базовой модели; README возлагает на пользователя ответственность за соблюдение законодательства и политики использования gpt-oss.

LiveMath-Judge — компактная модель-судья для оценки математических ответов. Её разработчики дообучили Qwen2.5-3B-Instruct на примерно 2,8 млн примеров из LiveMathBench, размеченных Qwen2.5-72B-Instruct; обучение длилось одну эпоху. Модель имеет плотную архитектуру Qwen2, содержит 3,1 млрд параметров и принимает текстовый вопрос, эталонный ответ и ответ проверяемой модели, после чего выдаёт «yes», если ответы эквивалентны, и «no», если нет. Модель предназначена для автоматической проверки математических ответов и оценки согласованности с эталоном, например в бенчмарках и системах оценки генеративных моделей. В карточке указаны контекст до 32 768 токенов, поддержка английского языка и лицензия Apache-2.0. Результаты LiveMath-Judge на части приведённых в README сравнений выше, чем у Qwen2.5-72B-Instruct как судьи, но на примере Llama-3.1-8B-Instruct ниже; эти результаты не гарантируют качество на других данных. Модель унаследовала основу Qwen2.5-3B-Instruct, поэтому её выводы могут зависеть от формулировки ответа и не заменяют проверку математического доказательства.