II.4Отладка, тестирование и качество ПО

UI-Venus-1.5-2B — плотная мультимодальная модель семейства UI-Venus от inclusionAI, построенная на архитектуре Qwen3-VL и предназначенная для работы в роли GUI-агента. Она принимает скриншоты и инструкции на естественном языке, распознаёт элементы интерфейса и помогает выполнять действия в мобильных приложениях и веб-среде. Модель входит в линейку с вариантами 2B, 8B и 30B-A3B; в README описан общий для семейства четырёхэтапный процесс обучения: дообучение на данных GUI, офлайн- и онлайн-обучение с подкреплением, затем объединение специализированных моделей. Сценарии применения включают визуальную привязку инструкций к элементам экрана, навигацию по приложениям и выполнение многошаговых задач в интерфейсах. В README сообщается о тестировании семейства на бенчмарках GUI и навигации, а также о работе с более чем 40 китайскими мобильными приложениями. Метаданные указывают поддержку vision, чата и интерфейса вызова инструментов. Модель распространяется по лицензии Apache-2.0. В README приведены некоторые результаты для других размеров семейства, поэтому их нельзя считать показателями версии 2B.

UI-Venus-Ground-72B — мультимодальная модель семейства Qwen2.5-VL, представленная командой inclusionAI в рамках проекта UI-Venus. Это плотная модель с 71,5 млрд параметров, дообученная методом Reinforcement Fine-Tuning на высококачественных данных для работы с графическими интерфейсами. Она принимает снимки экрана и предназначена для точного определения элементов интерфейса и навигации по ним; карточка сообщает о контексте в 128 000 токенов и использовании библиотеки Transformers. Модель подходит для визуального поиска кнопок, иконок и текстовых элементов в мобильных, веб- и настольных интерфейсах, а также для планирования многошаговой навигации GUI-агентом. В README приведены результаты на ScreenSpot-v2, ScreenSpot-Pro, OSWorld-G, AgentCPM, UI-Vision и AndroidWorld; показатели относятся к оценкам авторов и зависят от протокола и набора данных. Репозиторий распространяется по лицензии Apache-2.0. Модель предназначена для задач понимания интерфейсов и предсказания действий по скриншотам; README не описывает отдельный универсальный сценарий работы с изображениями вне GUI.

ZonUI-3B — компактная мультимодальная модель для привязки текстовых инструкций к элементам графического интерфейса на скриншотах. Её разработали авторы работы «ZonUI-3B: A Lightweight Vision-Language Model for Cross-Resolution GUI Grounding»; модель дообучена на базе Qwen/Qwen2.5-VL-3B-Instruct и содержит 3,1 млрд параметров. Модель принимает изображение интерфейса и текстовый запрос, а затем определяет соответствующий элемент управления. Она рассчитана на мобильные, настольные и веб-интерфейсы, включая изображения высокого разрешения; обучение включало два этапа и 24 тысячи примеров. В README приведены результаты на бенчмарках ScreenSpot и ScreenSpot-v2, но фактический формат координат или другого ответа в описании не уточнён. Модель работает с изображениями и текстом, использует архитектуру Qwen2.5-VL и имеет контекст до 128 000 токенов. В метаданных указан английский язык. Лицензия — Apache-2.0.

Ferret-UI-Llama8b — мультимодальная модель Apple для понимания пользовательских интерфейсов, основанная на Llama 3 8B. Она предназначена для распознавания и привязки элементов интерфейса к указаниям пользователя, а также для рассуждений и выполнения сложных задач в интерфейсах. Модель принимает изображения интерфейса и текстовые запросы и формирует текстовые ответы; её архитектура — плотная FerretLlamaForCausalLM, размер — 7,2 млрд параметров, контекст — до 8192 токенов. Для работы требуется библиотека Transformers и файлы реализации из репозитория. Условия лицензии в доступных данных не приведены.

p-doom разработала inverse dynamics model (IDM) для восстановления пользовательских действий по коротким записям экрана. Модель дообучена методом LoRA на языковых и визуальных модулях Qwen/Qwen3-VL-8B-Instruct, после обучения веса объединены. Она принимает сообщение с 10 скриншотами, снятыми с частотой 5 кадров в секунду, и выдаёт разреженный список действий в JSON: нажатия клавиш, щелчки мыши, перемещения курсора и прокрутку.

InfiGUI-G1-7B — мультимодальная модель InfiX-ai для привязки инструкций на естественном языке к элементам графического интерфейса. Она дообучена на Qwen/Qwen2.5-VL-7B-Instruct методом Adaptive Exploration Policy Optimization (AEPO), использующим генерацию нескольких вариантов ответа и адаптивное вознаграждение для улучшения семантического выбора и пространственной точности. Модель содержит 7,1 млрд параметров, построена на архитектуре Qwen2.5-VL и принимает изображения вместе с текстовыми инструкциями, формируя текстовый ответ с указанием целевого элемента или действия. Модель предназначена для GUI-агентов, которым нужно находить подходящие элементы интерфейса по смыслу инструкции, включая сложные случаи, где важно выбрать правильную функцию, а не только близкую по расположению область. README сообщает о высоких результатах на GUI-grounding бенчмарках, но доступный текст не приводит численных результатов. Контекст составляет до 128 000 токенов. Лицензия — Apache-2.0.

wasifhdr/jedi3b-dashboardqa — дообученная разработчиком wasifhdr мультимодальная модель на базе xlangai/Jedi-3B-1080p с архитектурой Qwen2.5-VL. Модель предназначена для ответов на вопросы и выполнения текстовых инструкций по изображениям; базовая модель специализируется на поиске и определении элементов управления на скриншотах интерфейсов. Модель принимает текст вместе с изображением и генерирует текстовый ответ. В карточке указаны обучение с Unsloth и библиотекой Hugging Face TRL, формат весов safetensors и лицензия Apache-2.0. Язык карточки — английский.

llama-3-debug — тестовая модель от xiaodongguaAIGC, предназначенная для отладки загрузки и работы с моделями семейства Llama в Transformers. Параметры весов случайные, поэтому модель не предназначена для содержательной генерации текста. Это компактная плотная авторегрессионная архитектура Llama с классом LlamaForCausalLM и 8,2 млн параметров. В конфигурации один слой, скрытый размер 64, два attention heads и два key-value heads; заявленный контекст — 8192 токена. Репозиторий содержит веса в формате safetensors, а README указывает размер около 32 МБ. Модель можно использовать для проверки загрузки, интеграций и отладки конвейеров генерации с малым объёмом данных. Метаданные указывают английский и китайский языки, но случайные веса не обеспечивают осмысленную языковую поддержку. Условия лицензии в предоставленных данных не описаны.

malaiwah/minimax-m2-tiny-random-bf16 — небольшой эталонный случайный чекпойнт семейства MiniMax M2, созданный пользователем malaiwah для обучения, отладки и воспроизводимости рабочих процессов QFS. Это не копия обученной производственной модели и не содержит унаследованных от неё весов или данных обучения. Модель предназначена для генерации текста через pipeline text-generation и реализует причинную языковую модель с архитектурой sigmoid/top-k MoE, коррекцией маршрутизации, RMSNorm для Q/K и частичным RoPE. В метаданных указаны 24,8 тыс. параметров, контекст до 256 токенов, библиотека Transformers и CPU-ориентированный сценарий использования. В README также отмечены независимый байтовый токенизатор на 272 токена, отсутствие визуальных параметров и отсутствие MTP. Чекпойнт удобен для проверки загрузки тензоров, адаптеров моделей, декодеров хранилища, захвата скрытых состояний, воспроизводимости и регрессионного тестирования на небольших синтетических наборах. Сгенерированный текст не обладает полезным семантическим качеством, поэтому модель не подходит для ассистентов, оценки качества языка, прикладного инференса или сравнения производительности. Лицензия указана как other с условиями minimax-upstream-terms.

malaiwah/minimax-m3-tiny-random-bf16 — небольшой эталонный fixture модели семейства MiniMax M3, разработанный для изучения, отладки и воспроизведения рабочих процессов QFS. Это независимо инициализированная модель со случайными, необученными весами, а не уменьшенная или дообученная версия производственной модели. Модель предназначена для запуска через Transformers и не требует удалённого кода модели. Модель имеет 72 000 параметров, включая 8 336 параметров vision-компонента, 272-токенную независимую byte-токенизацию и обёртку для обработки текста и изображений. В ней сохранены архитектурные элементы image-text модели, включая Conv3D vision-модуль, 3D RoPE, patch-merge projector, MoE-компоненты, Gemma-нормализацию и разреженный индексатор, однако разреженная маска на CPU материализуется в плотном виде. Основной pipeline-тег — text-generation; метаданные также указывают image-text-to-text. Сильная сторона модели — минимальный размер и пригодность для воспроизводимых тестов загрузки тензоров, адаптеров семейства моделей, декодеров хранения и захвата QFS. Генерируемый текст не обладает полезным смысловым качеством, поэтому модель нельзя использовать как ассистента, для оценки качества языка, инструкционного следования или производительности. Не заявлены совместимость с исходными production-весами, эквивалентность GPU/NPU, поддержка видео, качество обработки изображений, длинный контекст и производительность production sparse kernels. Лицензия: minimax-upstream-terms.

Qwen-3.8-27B-Uncensored — мультимодальная модель семейства Qwen, разработанная автором репозитория на основе Qwen/Qwen3.8-27B. Это контрольный чекпойнт в формате bf16 примерно на 27,8 млрд параметров: автор применил прямое изменение весов, удалив ранговую проекцию направления отказов из части residual-writing весов. Обучение, адаптеры и дополнительные затраты во время инференса не используются; модель загружается как стандартный чекпойнт Transformers. Модель предназначена прежде всего для контролируемого red teaming, оценки защитных фильтров и классификаторов, проверки устойчивости к prompt injection и исследования механизмов отказа. Она принимает текст и изображения и выдаёт текст; унаследованная мультимодальная архитектура поддерживает работу с изображениями и видео. Метаданные также указывают диалоговый режим и интерфейс вызова инструментов. Унаследованные от базовой модели возможности не означают, что все они отдельно проверены для этого чекпойнта. Изменение весов снижает склонность к отказам, но не гарантирует их полного отсутствия и не добавляет знаний или точности. Автор сообщает о возможных небольших регрессиях и отсутствии независимых сравнительных бенчмарков; при использовании следует сравнивать результаты с базовой моделью. Защитное поведение намеренно удалено, поэтому для развёртывания необходим независимый уровень модерации. Лицензия — Apache 2.0.

malaiwah/qwen4-exp-tiny-random-bf16 — небольшой эталонный fixture модели семейства Qwen4-Exp, независимо созданный организацией или автором malaiwah для обучения, отладки и воспроизведения рабочих процессов QFS. Модель распространяется как базовый корневой артефакт, а не как дочерняя квантизированная модель. Это native Transformers-модель с обёрткой Qwen4ExpForConditionalGeneration, тремя слоями DeltaNet, одним слоем QSA, четырьмя gated residual-потоками, MoE, PLE с биграммными и триграммными признаками и небольшим vision-модулем. Она содержит 342 212 параметров и независимый байтовый токенизатор на 264 токена; для работы используется библиотека Transformers. Метаданные также отмечают поддержку сценария image-text-to-text, но опубликованные доказательства относятся только к текстовому режиму. Веса модели случайно инициализированы и не обучены, поэтому она не предназначена для генерации осмысленного текста, диалогов, следования инструкциям или оценки качества языка. Модель подходит для воспроизводимых тестов загрузки тензоров, адаптеров семейства моделей, декодеров хранения, захвата скрытых состояний и отладки CPU-инструментария. Лицензия артефакта — MIT.

Tiny Qwen25VLForConditionalGeneration — минимальная мультимодальная модель из семейства Qwen2.5-VL, опубликованная организацией trl-internal-testing на Hugging Face для модульных тестов библиотеки TRL. Она предназначена для сценариев image-text-to-text: принимает изображения и текстовые запросы и генерирует текстовые ответы. Модель совместима с Transformers и использует архитектуру Qwen2_5_VLForConditionalGeneration; в метаданных указаны 3,5 млн параметров, контекст до 128 000 токенов и формат Safetensors/BF16. Модель удобна для проверки мультимодальных пайплайнов, загрузки, генерации и интеграции TRL с Transformers, но не является полноразмерной моделью для прикладного использования. Из-за минимального размера её ответы и функциональные возможности существенно ограничены по сравнению с продуктивными моделями Qwen2.5-VL. Лицензия в доступных данных не установлена.

Tiny Qwen3ForCausalLM — минимальная авторегрессионная языковая модель семейства Qwen3, опубликованная организацией trl-internal-testing для модульных тестов библиотеки TRL. Модель предназначена для генерации текста и проверки сценариев conversational text generation в Transformers, а не для практического использования в качестве полноценной большой языковой модели. Архитектура — causal language model; размер по метаданным каталога — около 1,2 млн параметров, библиотека — Transformers, заявленный контекст — до 40 960 токенов. Модель работает с текстовыми входами и выводами; поддержка конкретных естественных языков в доступных данных не установлена. Основное преимущество — малый размер и пригодность для быстрых тестов и отладки пайплайнов TRL. Из-за минимального размера она не предназначена для качественных прикладных ответов, надёжного следования инструкциям или продуктивного развёртывания. Сведения о лицензии в доступных источниках не установлены.

tiny-random-phi — небольшая модель для генерации текста, опубликованная на Hugging Face под идентификатором hyper-accel/tiny-random-phi. README содержит автоматически созданную карточку без сведений о разработчике, точном типе модели, языках, лицензии, обучении и результатах оценки. Модель содержит около 19,7 млн параметров и рассчитана на контекст до 2048 токенов. Она предназначена для использования с библиотекой Transformers и форматом safetensors; метаданные связывают её с семейством Phi и задачей text generation. Благодаря небольшому размеру модель может применяться для проверки загрузки, интеграции и базовых сценариев генерации текста. Данных о качестве, тренировочном наборе, языковой поддержке и условиях лицензирования недостаточно. Перед использованием в продуктивных системах необходимы самостоятельная оценка, проверка лицензии и тестирование безопасности генерируемого текста.

onnx-internal-testing/tiny-random-Qwen3_5MoeForConditionalGeneration — небольшой случайно инициализированный тестовый чекпойнт семейства Qwen3_5 MoE, опубликованный в пространстве onnx-internal-testing. По метаданным модель относится к задаче image-text-to-text и предназначена для проверки совместимости и работы инструментов Transformers с мультимодальными моделями, включая ONNX и safetensors.

hf-tiny-model-private/tiny-random-RobertaModel — небольшая модель семейства RoBERTa из набора HF tiny models, опубликованная на Hugging Face пользователем hf-tiny-model-private. Она предназначена для извлечения признаков из текста и получения текстовых представлений, а не для генерации текста или готовой классификации. Модель содержит около 71 тыс. параметров, поддерживает контекст до 512 токенов и связана с библиотеками Transformers, PyTorch и TensorFlow. В метаданных также указана совместимость с text-embeddings-inference. Поддерживаемые естественные языки и отдельная лицензия по доступным данным не установлены. Из-за крайне малого размера и обозначения tiny-random модель, вероятно, ориентирована на тестирование интеграций, конфигураций и пайплайнов RoBERTa, а не на качественное решение прикладных NLP-задач. На странице модели отсутствует model card, поэтому сведения о качестве, обучающих данных, бенчмарках и безопасном применении ограничены.

AgentCPM-GUI — открытая мультимодальная модель-агент для управления Android-приложениями, разработанная совместно THUNLP, Народным университетом Китая и ModelBest. Она принимает снимки экрана смартфона и инструкции пользователя, распознаёт элементы интерфейса, планирует действия и выдаёт их в компактном JSON-формате, например нажатия по координатам. Модель дообучена на базе openbmb/MiniCPM-V-2_6; архитектура MiniCPMV, 7,1 млрд параметров, контекст 32 768 токенов. Модель предназначена для автоматизации сценариев в китайских и англоязычных Android-приложениях, включая навигацию, ввод данных и последовательности действий. В README заявлены обучение на двуязычном наборе GUI-данных, усиленная дообучением с подкреплением способность рассуждать перед действием и покрытие более 30 популярных китайских приложений. Лицензия — Apache-2.0. Практическое применение требует среды, которая интерпретирует JSON-действия и выполняет их на устройстве; результаты тестов зависят от приложений и сценария.

ForgeOwl-8B — дообученная модель мобильного GUI-агента, созданная авторами MobileForge на основе mPLUG/GUI-Owl-1.5-8B-Instruct. Она принимает изображения интерфейса и текстовые инструкции, ведёт диалог и предназначена для выполнения задач в приложениях Android, выбирая действия по состоянию экрана. Адаптация использует 900 автоматически сгенерированных задач, собственные траектории модели, иерархическую обратную связь критика, корректирующие подсказки и step-level GRPO; написанные людьми задания, демонстрации и метки вознаграждения не применялись. В оценке модель достигла 67,2% Pass@1 на AndroidWorld и 41,0% успешного выполнения на GUI-only части MobileWorld. Эти результаты показывают пригодность для экспериментов с автоматизацией мобильных интерфейсов, но не гарантируют надёжность в произвольных приложениях. Модель может выбирать неверные или небезопасные действия, поэтому её следует запускать в изолированной тестовой среде и проверять действия перед использованием с личными данными. Репозиторий опубликован как анонимный артефакт подачи на ICLR; лицензия — MIT.

Gelato-30B-A3B — мультимодальная модель для привязки текстовых инструкций к элементам графического интерфейса, разработанная ML Foundations. Она предназначена для компьютерных агентов, которым нужно находить на снимке экрана нужную кнопку, поле или другой элемент и указывать координаты для нажатия. Модель дообучена на Click-100k на базе Qwen/Qwen3-VL-30B-A3B-Instruct; её архитектура относится к семейству Qwen3-VL MoE, а веса опубликованы в формате safetensors. На вход модель принимает изображение и текстовую инструкцию, на выходе выдаёт нормализованные координаты клика в диапазоне [0, 1000]. В README приведены результаты на ScreenSpot-Pro и OS-World-G, включая уточнённую версию теста OS-World-G. Карточка указывает английский язык. Модель распространяется по лицензии Apache-2.0.

yujiepan/glm-4-tiny-random — крошечная модель для генерации текста, созданная разработчиком yujiepan на основе конфигурации THUDM/GLM-4-32B-0414. Модель имеет 2,4 млн параметров, поддерживает библиотеку Transformers и рассчитана на контекст до 32 768 токенов. Модель предназначена для отладки, тестирования и разработки компонентов, работающих с архитектурой GLM-4 и задачей text-generation. Она использует случайно инициализированные веса, поэтому не предназначена для получения содержательных или качественных ответов и не является уменьшенной обученной версией GLM-4. README не содержит сведений о лицензии.

GUI-Actor-7B-Qwen2.5-VL — мультимодальная модель Microsoft для визуального поиска элементов графического интерфейса. Она построена на Qwen2.5-VL-7B-Instruct: к языково-визуальной модели добавлена основанная на attention голова действий, а модель дообучена на данных для GUI grounding. Репозиторий содержит веса в формате safetensors; модель имеет 7,1 млрд параметров и контекст до 128 000 токенов. Модель предназначена для GUI-агентов, которым нужно находить элементы на скриншотах по текстовому запросу и использовать результаты для взаимодействия с интерфейсом. Карточка указывает на оценку модели на бенчмарках GUI grounding, включая ScreenSpot-Pro, ScreenSpot и ScreenSpot-v2. Лицензия — MIT. Доступные сведения не описывают точный формат выходных данных или поддерживаемые языки.

tiny-random/lfm2-moe — небольшая случайно инициализированная модель для генерации текста, созданная на основе конфигурации LiquidAI/LFM2-8B-A1B. Модель предназначена разработчиками репозитория для отладки, тестирования и проверки интеграций, а не для получения качественных ответов.

yujiepan/mistral-nemo-2407-tiny-random — компактная случайно инициализированная модель для генерации текста, созданная на основе конфигурации Mistral-Nemo-Instruct-2407 от Mistral AI. Модель предназначена для отладки и тестирования, а не для получения качественных ответов.

uw-hai/polyjuice — перенесённая версия Polyjuice, универсальной модели для генерации контрфактических вариантов текста. Модель основана на архитектуре GPT-2 и предназначена для задач генерации текста, в частности для создания альтернативных формулировок, меняющих отдельные свойства исходного текста. В метаданных указаны контекст до 1024 токенов и языковой тег английского языка. Доступны веса в форматах PyTorch и Flax. Карточка называет модель переносом Polyjuice; отдельные сведения о лицензии и конкретной базовой модели не приведены.

Qwen3-4B-SFT-DPO-4B-1409i-beta0.15-sft0.3-lr1e-6-bs32-ep3-step-120 — экспериментальный чекпойнт критика кодовых агентов, созданный командой code-critic-model на основе Qwen3-4B-Critic-SFT. Это плотная причинная языковая модель Qwen3 с 3,7 млрд параметров, предназначенная для генерации замечаний по ходу работы кодового агента. Модель дообучена методом DPO; в README указаны параметры запуска: beta 0,15, вес SFT 0,3, скорость обучения 1e-6, эффективный размер пакета 32 и 120 шагов. Контрольная точность на отложенных предпочтениях составила 0,65 на шаге 120; для статьи выбрали чекпойнт шага 80 с результатом 0,68. Этот чекпойнт в статье не использовался и опубликован для сохранения существующих ссылок. Доступны веса Safetensors, библиотека Transformers и контекст до 262 144 токенов. Лицензия в предоставленных данных не указана.

onnx-internal-testing/tiny-random-GlmMoeDsaForCausalLM — компактная тестовая модель для библиотеки Transformers с архитектурой GlmMoeDsaForCausalLM. Модель содержит около 1,2 млн параметров и предназначена для проверки совместимости, загрузки и работы инструментов машинного обучения, включая сценарии, связанные с ONNX и safetensors. Модель относится к задачам генерации текста и имеет заявленный контекст до 202752 токенов. В метаданных она также помечена как conversational, однако README не содержит сведений о разработчике, языках, обучающих данных, результатах оценки или лицензии. Из-за случайного тестового характера и очень малого размера модель не предназначена для качественной генерации текста, диалоговых систем или использования в продуктивных приложениях. Лицензия в доступных данных не указана.

onnx-internal-testing/tiny-random-ModernBertDecoderForCausalLM — небольшая тестовая авторегрессионная языковая модель семейства ModernBERT Decoder, опубликованная в пространстве onnx-internal-testing и предназначенная для использования с библиотекой Transformers. Модель содержит около 1,6 млн параметров и поддерживает контекст до 7 999 токенов. Модель относится к задаче генерации текста и может применяться для проверки загрузки, инференса и совместимости компонентов Transformers, связанных с архитектурой ModernBertDecoderForCausalLM. Из-за малого размера и тестового назначения она подходит для автоматизированных тестов, прототипов и отладки конвейеров, но не предназначена для качественной генерации текста в прикладных системах. Сведения о разработчике, лицензии, языках, обучающих данных и результатах оценки в доступных источниках отсутствуют.

onnx-internal-testing/tiny-random-NemotronHForCausalLM — небольшой тестовый чекпойнт причинной языковой модели семейства Nemotron-H, опубликованный в формате, совместимом с Transformers и ONNX. Модель предназначена для генерации текста и проверки интеграций, загрузки и выполнения моделей, а не для прикладного использования конечными пользователями. Модель поддерживает задачу text-generation, имеет заявленное контекстное окно до 262144 токенов и помечена как conversational. В метаданных также указаны форматы ONNX и Safetensors. Сведения о разработчике, языках, размере параметров и лицензии отсутствуют.

gsarch/ViGoRL-3b-Spatial — мультимодальная модель для визуального рассуждения, разработанная авторами проекта ViGoRL. Это дообученная с помощью SFT и обучения с подкреплением модель Qwen2.5-VL-3B-Instruct с архитектурой Qwen2.5-VL и 3,1 млрд параметров. Она связывает шаги текстового рассуждения с координатами на изображении и предназначена для пространственных задач, требующих локализации объектов и анализа областей изображения. В обучении использовались трассы рассуждений, созданные методом MCTS, и GRPO; семейство ViGoRL также описывает многошаговое увеличение выбранных областей, но наличие этого режима у данной версии отдельно не подтверждено. Модель принимает изображения и текстовые запросы и выдаёт текстовые ответы; базовая модель поддерживает контекст до 128 000 токенов. Применима для визуального поиска, пространственного анализа и задач локализации на скриншотах. Условия лицензии в предоставленных данных не описаны.