II.4Отладка, тестирование и качество ПО

Hayabusa 9B — текстовая модель для отладки программного обеспечения и выбора структурированных действий агента, разработанная на основе Qwen/Qwen3.5-9B. Это полноразмерное дообучение с SFT, DPO и последующими RL-обновлениями; чекпойнт представляет собой объединённые веса BF16 в формате Safetensors для Transformers, а не адаптер. Архитектура — плотная Qwen3_5ForCausalLM, размер — 7,2 млрд параметров. Модель предназначена для отладочных сценариев со структурированным контекстом: исходным кодом, логами, трассами, результатами тестов, историей прогресса и ограниченной схемой действий. Она выбирает действия в рамках такого процесса и не позиционируется как универсальный чат-ассистент. Для модели указаны контекстное окно 262 144 токена; README сообщает, что обучение велось с контекстом до 32 тыс. токенов, а при обслуживании автор использовал 64 тыс. токенов с кэшированием промптов. Поддерживается английский язык; входы только текстовые, обработка изображений не поддерживается. В пробе отладочного агента пройдены 93 из 200 шагов отладки; автор уточняет, что это не самостоятельный бенчмарк кодирования и что оценивалась система с другими моделями в ролях директора, эксперта и разработчика. Модель остаётся экспериментальной для длительной автономной отладки, а лучшие результаты требуют структурированного контекста и схемы действий, использованных при обучении. Лицензия — Apache-2.0.

Hunmin-397B-A17B-CUA — мультимодальная модель зрения и языка, созданная Ходжуном Ли из GenON на базе Qwen3.5-397B-A17B. Она предназначена для взаимодействия с графическими интерфейсами: распознаёт элементы на скриншотах, определяет их координаты и поддерживает многошаговые задачи управления компьютером в настольных приложениях и браузере. Модель содержит 397 млрд параметров, из которых активно около 17 млрд, и использует архитектуру Qwen3.5 MoE. Обучение включало перенос возможностей через низкоранговые адаптеры, дообучение SFT и агентное обучение с GRPO. Модель принимает текст и изображения, включая скриншоты, и выдаёт текстовые ответы с инструкциями или координатами элементов интерфейса. В README приведены результаты на ScreenSpot-Pro, ScreenSpot-v2, OSWorld и WindowsAgentArena; авторы сообщают об улучшении компьютерного управления и GUI-grounding относительно базовой модели при сохранении близких результатов на корейских тестах. Для воспроизведения указанных оценок агентных задач рекомендуется использовать image_max = 5; результаты зависят от настроек истории скриншотов, разрешения и среды оценки. Лицензия — Apache-2.0.

akreal/tiny-random-gpt2 — копия тестовой модели hf-internal-testing/tiny-random-gpt2, предназначенная для проверки совместимости и работы инструментов экосистемы Hugging Face. Модель относится к архитектуре GPT-2 и использует библиотеку Transformers; в карточке также указана поддержка PyTorch и TensorFlow. Модель предназначена для генерации текста и технических сценариев, включая тестирование загрузки чекпойнтов, токенизации, инференса и форматов хранения весов. Нативная длина контекста составляет 512 токенов, а в репозитории используется старый формат файла pytorch_model.bin. Из-за тестового назначения и случайных весов модель не предназначена для получения осмысленного или качественного текста в прикладных системах. Она полезна как компактный стенд для автоматизированных тестов, проверки интеграций и совместимости форматов. Лицензия в предоставленных данных не указана.

UI-Venus-Navi-7B — мультимодальная модель-агент для работы с графическими интерфейсами, разработанная командой inclusionAI на основе Qwen2.5-VL. Модель принимает скриншоты и предназначена для определения элементов интерфейса, привязки к ним координат и навигации по пользовательским сценариям. Она содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2.5-VL и поддерживает контекст до 128 000 токенов. Модель дообучена методом Reinforcement Fine-Tuning на очищенных данных для задач привязки элементов интерфейса и навигации. В README сообщаются высокие результаты на ScreenSpot и AndroidWorld. Репозиторий предусматривает работу через Transformers и публикует веса в формате safetensors; лицензия — Apache-2.0. Для применения координат действий их требуется пересчитать в пространство исходного изображения с учётом параметров обработки изображения.

Ferret-UI-Gemma2b — мультимодальная модель для понимания пользовательских интерфейсов, разработанная в рамках проекта Ferret-UI. Это версия на базе Gemma-2B с архитектурой FerretGemmaForCausalLM и примерно 2,5 млрд параметров. Модель принимает изображения интерфейсов и текстовые запросы, чтобы находить и описывать элементы, связывать упоминания с областями экрана и рассуждать о выполнении сложных задач в интерфейсе. Модель предназначена для анализа скриншотов и выполнения задач, связанных с UI. Карточка не указывает поддерживаемые языки; контекст составляет 8192 токена. Для запуска README предлагает локально скачать вспомогательные файлы и использовать Transformers. Репозиторий содержит веса Safetensors. Лицензия в предоставленных данных не указана.

GRPO-Think-14B-8k — плотная языковая модель семейства Qwen2 с 14 млрд параметров, разработанная институтом INSAIT и дообученная на DeepSeek-R1-Distill-Qwen-14B с помощью GRPO. Она предназначена для проверки и ранжирования нескольких вариантов решения задачи по программированию: модель анализирует условие и кандидатные программы, затем определяет, какой вариант верен. В обучении использовались промежуточные рассуждения, отрицательные примеры и обучение на собственных ответах модели; суффикс 8k обозначает максимальный бюджет токенов рассуждения при обучении. Модель рассчитана на проверку решений задач соревновательного программирования, автоматическую оценку кода и использование в качестве функции вознаграждения при оптимизации генераторов кода. Она принимает текст условия и представления нескольких решений, а выдаёт текстовое суждение и ранжирование кандидатов. Карточка указывает контекстное окно 131072 токена; обучение проводилось на примерах для Python, C++ и Java, но языки программирования не являются естественными языками модели. Лицензия CC BY-NC-SA 4.0 требует указания авторства, распространения производных материалов на тех же условиях и не допускает коммерческого использования.

GRPO-Think-7B-16k — плотная авторегрессионная модель семейства Qwen2, разработанная Aletheia-Bench и дообученная методом GRPO на DeepSeek-R1-Distill-Qwen-7B с набором Aletheia-Train. Она проверяет и ранжирует несколько решений задачи по программированию, определяя, какое из них корректно; модель рассчитана на задачи соревновательного программирования и применение в качестве оценщика или функции вознаграждения в обучении генераторов кода. При обучении использовались промежуточные рассуждения и бюджет завершения до 16 тысяч токенов. Метаданные указывают 7,1 млрд параметров и контекст до 131 072 токенов; модель работает с текстом и поддерживает код.

GUI-Actor-Verifier-2B — мультимодальная модель Microsoft для проверки того, соответствует ли отмеченная позиция на экране текстовой инструкции. Она основана на дообученной ByteDance-Seed/UI-TARS-2B-SFT с архитектурой Qwen2-VL и предназначена для компонента GUI-Actor в системах автоматизации графических интерфейсов. На вход подаются изображение экрана с целевой позицией, отмеченной красным кругом, и инструкция на естественном языке. Модель предсказывает True или False; вероятности этих ответов можно использовать для оценки кандидатов на действие. В метаданных указаны 1,5 млрд параметров, контекст 32 768 токенов и формат safetensors. Модель специализируется на проверке визуального соответствия позиции инструкции и поддерживает изображения и текст на входе, текстовые метки на выходе. В карточке указана лицензия MIT. Языки инструкции отдельно не перечислены.

LibreShowUI2b — зеркало снимка модели ShowUI-2B, подготовленное LibreYOLO для использования через оболочку LibreGround. Это плотная мультимодальная модель семейства Qwen2-VL с 1,5 млрд параметров, дообученная на ShowUI-2B для понимания графических интерфейсов и выполнения задач по инструкциям. Модель принимает изображение экрана и текстовую инструкцию; пример из карточки показывает запрос на отправку формы и получение координат точек. Модель поддерживает диалоговый режим, обрабатывает изображения и текст и имеет контекстное окно 32 768 токенов. Репозиторий сохраняет файлы снимка Hugging Face для загрузчика LibreYOLO; согласно карточке, обученные параметры не изменялись. Лицензия — MIT.

Terminal-debugging — дообученная модель Qwen/Qwen3-8B, созданная автором cuong1692001 на наборах nemotron_easy_debugging, nemotron_medium_debugging и nemotron_mixed_debugging. Это плотная причинно-языковая модель семейства Qwen3 с 7,6 млрд параметров, предназначенная для генерации текста в диалоговом формате. Модель ориентирована на отладку терминальных сценариев: может применяться для анализа описаний проблем и подготовки текстовых рекомендаций по их диагностике. Репозиторий использует Transformers и содержит веса в формате safetensors; контекстное окно — 40 960 токенов. Поддерживаемые языки, оценка качества и конкретные ограничения в доступных материалах не описаны. Указана лицензия other; конкретные условия использования следует проверять в карточке репозитория и у правообладателей базовой модели и обучающих данных.

UI-Venus-1.5-8B — визуально-языковая модель и GUI-агент от inclusionAI, созданный на базе Qwen3-VL. Она принимает скриншоты и текстовые инструкции, чтобы распознавать элементы интерфейса, определять их расположение и выполнять многошаговую навигацию по мобильным приложениям и веб-страницам. Модель прошла дообучение на данных GUI, обучение с подкреплением для задач привязки элементов и навигации, а затем была объединена со специализированными моделями. В карточке семейства указаны варианты 2B, 8B и 30B-A3B; репозиторий 8B содержит веса в формате safetensors и предназначен для запуска через Transformers и vLLM. README сообщает о результатах на бенчмарках распознавания элементов интерфейса и навигации, включая AndroidWorld, AndroidLab, ScreenSpot-Pro и WebVoyager; отдельные результаты 8B приведены не для всех тестов. Модель поддерживает диалог и интерфейс вызова инструментов. Лицензия — Apache-2.0. README описывает работу с китайскими мобильными приложениями и веб-навигацией, но не заявляет полный перечень поддерживаемых языков; поэтому основной язык не выделяется.

usermma/VISTA-9B-mlx-fp16 — конвертированная в формат MLX версия модели inclusionAI/VISTA-9B, подготовленная для запуска на устройствах Apple с MLX. Это мультимодальная модель семейства Qwen3.5 для диалога по изображениям и тексту; она находит элементы графического интерфейса по скриншоту и инструкции и возвращает их координаты. Модель подходит для автоматизации интерфейсов и визуального взаимодействия с приложениями. Репозиторий распространяется по лицензии Apache-2.0.

yujiepan/gemma-4-e-tiny-random — отладочная миниатюрная модель, созданная на основе конфигурации Google Gemma 4 E4B IT. Архитектура реализована как Gemma4ForConditionalGeneration и поддерживает мультимодальные входы: текст, изображения, аудио и видео; модель предназначена для работы через библиотеку Transformers и процессор AutoProcessor. Размер файла весов составляет около 9,5 МБ. Модель инициализирована случайными значениями и предназначена для отладки конфигурации, процессора и программного конвейера, а не для получения содержательных ответов. Она может использоваться для проверки интеграции мультимодальных входов, генерации и обработки шаблонов диалога. Из-за случайной инициализации модель не обладает практическими возможностями исходной Gemma 4 и не подходит для продуктивного распознавания, анализа или генерации контента. Лицензия в доступных данных не указана.

tiny-random/glm-4-moe-lite — компактная случайно инициализированная языковая модель для отладки, созданная на основе конфигурации zai-org/GLM-4.7-Flash. Модель реализована в библиотеке Transformers и относится к архитектуре GLM-4 MoE Lite с причинной генерацией текста; в метаданных указано около 1,2 млн параметров и нативное контекстное окно до 202752 токенов. Модель предназначена для проверки совместимости и отладки интеграций с Transformers, vLLM и SGLang, включая multi-token prediction, speculative decoding, tool calling и reasoning parser. README содержит примеры запуска через эти библиотеки и показывает использование чатового шаблона и генерации текста. Поскольку веса инициализированы случайно, модель не предназначена для качественных ответов, прикладной генерации или точной оценки языковых способностей. Лицензия в предоставленных данных не указана.

Granite-3B-Code-Base-2K — авторегрессионная языковая модель для работы с кодом, разработанная IBM Research и обученная с нуля. Модель семейства Granite использует плотную decoder-only архитектуру LlamaForCausalLM, содержит 3,5 млрд параметров и поддерживает контекст до 2048 токенов. Модель предназначена для генерации и объяснения кода, исправления ошибок, создания модульных тестов и документации, поиска уязвимостей, устранения технического долга и перевода кода. При обучении использовались данные на 116 языках программирования, а также текстовые и математические данные для улучшения рассуждений и следования инструкциям. IBM указывает, что модель не рекомендуется для новых проектов и доступна для исторических и научных целей; для новых приложений предлагаются более свежие модели Granite. Модель не проходила выравнивание безопасности, а сгенерированный код может быть ошибочным или небезопасным. Лицензия — Apache 2.0.

GroundNext-7B-V0 — мультимодальная модель для привязки текстовых инструкций к элементам графического интерфейса, разработанная в рамках проекта GroundCUA. Это дообученная модель Qwen2.5-VL-7B-Instruct с архитектурой Qwen2.5-VL и примерно 7,1 млрд параметров; она принимает текст и изображения экранов, а в ответ формирует текст с указанием целевого элемента и координатами для взаимодействия. Метаданные указывают контекст до 128 000 токенов. Модель предназначена для поиска элементов на экранах настольных приложений, сайтов и мобильных интерфейсов, а также для использования в системах управления компьютером. В README описаны обучение на 700 тысячах размеченных демонстраций в два этапа — supervised fine-tuning и оптимизация RLOO — и результаты на бенчмарках GUI. Хотя заявлена поддержка интерфейса вызова инструментов, описанное пространство действий сейчас ограничено кликом мыши. Модель оптимизирована для англоязычных элементов интерфейса и обучалась преимущественно на настольных средах; качество может меняться при очень высоком или низком разрешении изображений. Для работы рекомендуется использовать чёткие скриншоты с сохранением пропорций и передавать актуальные размеры экрана. Лицензия — Apache-2.0.

GRPO-Think-1.5B-8k — языковой кодовый верификатор, разработанный авторами проекта Aletheia-Bench. Это плотная модель семейства Qwen2 с 1,5 млрд параметров, дообученная методом GRPO на наборе Aletheia-Train с промежуточными рассуждениями, отрицательными примерами и обучением на собственных ответах модели. Суффикс 8k обозначает бюджет рассуждений до 8 тысяч токенов при обучении; метаданные указывают нативный контекст до 131 072 токенов. Модель принимает условие задачи по программированию и несколько вариантов решения, затем оценивает и ранжирует их, выбирая корректное. Её можно применять как функцию вознаграждения при оптимизации генерации кода, для автоматической проверки решений и в экспериментах с RLVR. Данные обучения включают задачи, связанные с Python, C++ и Java; это не означает, что модель генерирует код на этих языках. Модель основана на DeepSeek-R1-Distill-Qwen-1.5B и распространяется в формате safetensors. Лицензия CC-BY-NC-SA-4.0 требует атрибуции, ограничивает коммерческое использование и предусматривает распространение производных работ на тех же условиях.

GUI-Actor-2B-Qwen2-VL — мультимодальная модель Microsoft для визуального поиска элементов графического интерфейса по текстовому запросу. Она основана на Qwen2-VL-2B-Instruct и дообучена для GUI grounding; к визуально-языковой модели добавлена attention-based голова действий. Модель принимает изображение интерфейса и текстовое описание нужного элемента и предназначена для использования в GUI-агентах, которым требуется находить элементы на экране. Она построена на плотной архитектуре Qwen2-VL, содержит 1,5 млрд параметров и поддерживает контекст до 32 768 токенов. В метаданных указан pipeline image-text-to-text; репозиторий использует формат safetensors. README сообщает о сравнительных оценках на бенчмарках ScreenSpot-Pro, ScreenSpot и ScreenSpot-v2, но в доступной части карточки нет результатов именно этой версии 2B. Модель предназначена для визуального grounding в интерфейсах, поэтому её возможности не следует считать универсальными для произвольного анализа изображений. Лицензия — MIT.

gWorld-32B (GuiWorld) — открытая модель Trillion Labs для моделирования состояний графического интерфейса мобильных приложений по изображению экрана и действию пользователя. Это плотная vision-language-модель на базе Qwen3-VL-32B, представленная как чат-модель с поддержкой изображений; она принимает скриншот и действие, например нажатие или ввод текста, а затем генерирует рассуждение о переходе и HTML/CSS-код нового состояния интерфейса. Модель предназначена для предсказания следующего состояния мобильного GUI, симуляции интерфейсов и оценки того, как приложение отреагирует на действие. Представление результата в виде кода позволяет сохранять чёткость текста и структуру макета. В README заявлены улучшение точности следования инструкциям относительно базовой модели и обобщение на тесты AndroidWorld и KApps. Модель выпущена под лицензией Apache 2.0. Описанный сценарий требует передавать действия в заданном формате и использовать нормализованные координаты от 0 до 1000. Заявленные результаты приведены в карточке модели; независимые условия и детали оценки там не описаны.

gWorld-8B — открытая модель Trillion Labs для моделирования состояния мобильного графического интерфейса. Она дообучена на базе Qwen/Qwen3-VL-8B-Instruct и предназначена для мобильных GUI-агентов: получает скриншот экрана и действие пользователя, затем предсказывает следующее состояние интерфейса. Модель сначала формирует рассуждение о переходе, а затем выдаёт визуализируемый HTML/CSS-код вместо изображения. Такой подход сохраняет чёткость текста и структуру макета. В README заявлены точность Instruction Accuracy на 45,7% выше базовой Qwen3-VL и частота ошибок визуализации менее 1%. Метаданные указывают архитектуру Qwen3-VL, 8 млрд параметров у базовой модели, поддержку изображений и диалога, а также языки английский и корейский. Для запуска в README предлагается vLLM; для рендеринга кода требуется отдельная среда. Модель опубликована под лицензией Apache-2.0. Она рассчитана на предсказание переходов в мобильных интерфейсах и не является универсальным генератором изображений; качество зависит от корректного скриншота, описания действия и выполнения сгенерированного HTML/CSS.

MaxJeblick/llama2-0b-unit-test — небольшая тестовая модель типа Llama 2 для модульных и интеграционных проверок. Она создана для тестовых сценариев, в том числе для проверки интеграции с H2O LLM Studio, и рассчитана на запуск на CPU. Архитектура — плотная авторегрессионная LlamaForCausalLM; модель содержит 386,9 тыс. параметров и имеет контекст длиной 1024 токена. Она предназначена для проверки загрузки и работы пайплайна генерации текста, а не для содержательных ответов или прикладного использования. В README приведён пример загрузки через Transformers; файлы доступны в форматах PyTorch и Safetensors. Лицензия в предоставленных данных не указана.

PyLate BERT Tiny — компактная модель на архитектуре BERT, разработанная на основе google/bert_uncased_L-2-H-128-A-2 и дообученная на наборе msmarco-bm25. Она преобразует предложения и абзацы в последовательности плотных векторов размерностью 128 и сравнивает тексты по семантическому сходству с помощью оператора MaxSim. Модель предназначена прежде всего для модульных тестов в средах с ограниченными вычислительными ресурсами, например GitHub Actions. Её также можно применять для базового семантического поиска и сравнения текстов. Модель поддерживает английский язык, имеет контекст до 512 токенов и содержит 4,4 млн параметров. Лицензия Apache-2.0. Хотя модель подходит для простых задач, карточка позиционирует её прежде всего как тестовую и предупреждает, что качество для обычного применения ограничено.

teaguesterling/qwen3.5-0.8b-astcss-t5 — дообученная на корпусе tier-5 модель на базе Qwen3.5-0.8B, созданная для преобразования запросов на английском языке в селекторы astcss библиотеки sitting_duck. Она использует плотную архитектуру Qwen3.5 с 581,4 млн параметров, работает через Transformers и имеет контекстное окно 262 144 токена. Модель получена дообучением LoRA-адаптера (r=16, α=32) с последующим слиянием с базовыми весами в формате fp16; отдельный адаптер при запуске не нужен. Для выдачи селектора модели необходима системная карточка словаря для соответствующего языка из проекта astcss-eval. В описанных авторами тестах она показала точность 82,4% на наборе из 108 примеров и 83,6% на 55 более сложных примерах с реляционными селекторами; второй результат измерен сравнением выбранных узлов, а не строк селекторов. Модель рассчитана на узкую задачу, а не на свободный диалог. По README она текстовая: при сохранении через AutoModelForCausalLM базовая башня обработки изображений не включается. Лицензия — Apache-2.0.

Модель ishaanranjan/slm-agent-trace-localizer-smollm2-135m — компактная языковая модель на 134,5 млн параметров, разработанная на основе HuggingFaceTB/SmolLM2-135M-Instruct и дообученная полными параметрами с учителем. Она предназначена для узкой подзадачи агентной разработки: по Python traceback определить проблемный кадр проекта и категорию ошибки, возвращая результат по фиксированной JSON-схеме. Модель построена на плотной архитектуре семейства Llama и работает с текстом; контекст — до 8192 токенов. В описанной оценке на отложенных примерах из HTTPX и Jinja2 она достигла 80,8% успешных результатов, а валидность JSON при первом ответе составила 100%. Авторы рекомендуют запускать её внутри проверяющей обвязки с разбором JSON, повтором при ошибке схемы, детерминированными проверками и резервными правилами; экспериментальный вывод — для этой подзадачи достаточно правил. Это специализированный экспериментальный чекпойнт, а не универсальный помощник по программированию: он обучен на 2000 примерах и может утратить широкие навыки следования инструкциям базовой модели. Доступен под лицензией Apache-2.0.

Intel/tiny-random-falcon — небольшая тестовая модель семейства Falcon из репозитория Intel, производная от tiiuae/falcon-7b-instruct. Она предназначена для функционального тестирования интеграций и инструментов на базе библиотеки Transformers, включая проверки в проекте optimum-intel и Intel Extension for PyTorch (IPEX). Модель использует архитектуру Falcon, содержит около 8,8 млн параметров и поддерживает контекст длиной до 2048 токенов. Основная задача — генерация текста через pipeline text-generation; модель работает с Transformers и сохраняется в формате Safetensors. Благодаря случайным весам она подходит для проверки загрузки, совместимости и выполнения операций, но не для получения содержательных или качественных ответов. Лицензия в предоставленных данных не указана.

onnx-internal-testing/tiny-random-WhisperForConditionalGeneration — синтетическая тестовая модель семейства Whisper, представленная для экосистемы Hugging Face Transformers. Она создана на основе конфигурации Whisper tiny.en, но имеет существенно уменьшенные размеры: около 833,9 тыс. параметров, один слой энкодера и декодера, по две attention-головы и уменьшенные внутренние размерности. В метаданных модель связана с задачей automatic speech recognition и тегами ONNX, Whisper и safetensors. Модель предназначена главным образом для тестирования загрузки, конфигурации и совместимости компонентов Transformers, а не для практической транскрибации аудио. В README указано, что все веса рандомизированы с фиксированным seed, поэтому модель не обладает полноценными способностями распознавания речи. Разработчик и лицензия в доступных данных не определены.

UI-TARS-7B-DPO — визуально-языковая модель для управления графическими интерфейсами, разработанная ByteDance Seed. Она объединяет восприятие экрана, рассуждение, привязку команд к элементам интерфейса и работу с контекстом в одном агенте; модель предназначена для автоматизации действий в веб-, мобильных и настольных приложениях по инструкциям пользователя. Модель построена на архитектуре Qwen2-VL, содержит 7,1 млрд параметров и принимает изображения вместе с текстом, выдавая текстовые ответы и команды для агента. Контекст составляет до 32 768 токенов. В карточке приведены оценки на тестах восприятия, локализации элементов и выполнения задач в GUI, включая ScreenSpot, Mind2Web и AndroidWorld. Указан английский язык. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0. Результаты на бенчмарках не гарантируют успешного выполнения действий в конкретном приложении; для взаимодействия с интерфейсом необходима внешняя среда, которая интерпретирует и выполняет команды модели.

UI-Venus-1.5-30B-A3B — мультимодальная модель GUI-агента от inclusionAI на архитектуре Qwen3-VL-MoE. Она принимает изображения экранов и текстовые инструкции, чтобы находить элементы интерфейса и выполнять многошаговую навигацию в мобильных приложениях и веб-среде. Модель обучена на данных для понимания графических интерфейсов, а её итоговая версия объединяет специализированные модели для привязки элементов, веба и мобильных задач. В README заявлены высокие результаты на бенчмарках ScreenSpot-Pro, VenusBench-GD, AndroidWorld и WebVoyager, а также навигация в более чем 40 китайских мобильных приложениях. Репозиторий содержит веса Safetensors; для развёртывания README рекомендует vLLM и Transformers. Лицензия — Apache-2.0. Модель предназначена для создания агентов, которые управляют интерфейсом по скриншотам и инструкциям. Хотя в названии указано 30B-A3B, метаданные не содержат числа параметров или длины контекста. Заявления о результатах приведены в README; независимая проверка в предоставленных данных отсутствует.

KV-Ground-8B-BaseGuiOwl1.5-0315 — визуально-языковая модель на 8 млрд параметров, разработанная Kingsware и Vocaela AI для привязки текстовых инструкций к элементам графического интерфейса. Она принимает изображение экрана и инструкцию на естественном языке, а в ответ выдаёт текст с результатом привязки. Модель основана на архитектуре Qwen3-VL и дообучена на базе mPLUG/GUI-Owl-1.5-8B-Instruct с помощью SFT и RFT (GRPO), используя очищенные и синтетические данные для интерфейсов высокого разрешения. Модель предназначена для распознавания нужных элементов на скриншотах приложений и веб-страниц и может использоваться в системах компьютерного управления, GUI-агентах и автоматизации интерфейсов. В карточке указаны результаты на ScreenSpot-Pro, ScreenSpot-V2, OSWorld-G и UI-Vision; дополнительная стратегия увеличения фрагментов изображения повышает результат на ScreenSpot-Pro. Поддерживаются диалоговый режим и интерфейс вызова инструментов. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование.

h2oai/llama2-0b-unit-test — небольшая фиктивная модель семейства Llama 2 от H2O.ai, предназначенная для модульных и интеграционных тестов. Это плотная авторегрессионная модель архитектуры LlamaForCausalLM с 386,9 тыс. параметров, контекстом до 1024 токенов и весами в формате Safetensors. Модель подходит для быстрой проверки конвейеров генерации текста и интеграций на машинах только с CPU. README приводит пример эксперимента в H2O LLM Studio, который выполняется примерно за пять секунд с настройками по умолчанию и небольшими длинами последовательностей. Это тестовая заглушка, поэтому её не следует использовать для содержательных ответов или рабочих приложений. Сведения о лицензии в предоставленных данных отсутствуют.