II.4Отладка, тестирование и качество ПО

Dingdust/VibeThinker-3B-heretic — производная модель на 3,1 млрд параметров, основанная на Qwen/Qwen2.5-Coder-3B. В карточке описана как версия VibeThinker-3B, ориентированная на проверяемые рассуждения; она предназначена для решения сложных задач по математике, программированию и STEM, а также для диалогов и следования инструкциям. Архитектура — плотная Qwen2ForCausalLM; модель работает с текстом, а нативный контекст составляет 131 072 токена. В README описаны постобучение по этапам SFT и обучения с подкреплением с проверяемыми наградами, а также результаты на математических и программных бенчмарках. Суффикс heretic и приведённые метрики отказов указывают на ослабление отказов модели; её следует оценивать отдельно для конкретных сценариев использования. Репозиторий распространяет веса в safetensors по лицензии MIT.

laion/ablation-pymethods2test-seqmean-arm0-15-8B — исследовательский чекпойнт, дообученный командой LAION на базе laion/GLM-4_7-swesmith-sandboxes-with_tests-oracle_verified_120s-maxeps-131k-fixthink. Это плотная причинно-языковая модель семейства Qwen3 с 7,6 млрд параметров, предназначенная для генерации текста в диалоговом формате и агентных задач разработки программного обеспечения, в частности для решения задач из набора pymethods2test. Чекпойнт получен на шаге 15 обучения с подкреплением SkyRL GRPO: в абляции использованы усреднение потерь по последовательности и оцениватель преимуществ RLOO-n. Модель принимает текст и генерирует текст; метаданные указывают контекстное окно 40 960 токенов. В README описаны обучение и связанный набор обучающих трасс, но не приведены измерения качества или подробные ограничения применения. Лицензия в предоставленных данных не указана.

ANAH-7B — модель OpenCompass на архитектуре InternLM2, дообученная на наборе данных ANAH для выявления и аннотирования галлюцинаций в ответах больших языковых моделей. Она принимает текстовый ответ модели и формирует текстовую аннотацию; для работы следует использовать формат запроса из исследовательской работы ANAH. Веса объёмом 7,4 млрд параметров сохранены в формате safetensors, модель работает через Transformers и поддерживает контекст до 32 768 токенов. Модель предназначена для анализа ответов LLM и разметки содержащихся в них галлюцинаций. В метаданных основной задачей указана классификация текста, а классификатор каталога также относит её к генерации текста; обе задачи отражены в тегах и поддерживаемых задачах. Карточка не приводит подробных оценок качества. Лицензия — Apache-2.0.

CDLM-0.5B — компактная языковая модель для генерации и исправления кода, созданная на основе fredzzp/open-dcoder-0.5B авторами проекта Corrective Diffusion Language Models. Модель содержит около 494 млн параметров, использует архитектуру Qwen2 с маскированной диффузией и двунаправленным вниманием; её дообучили на 2 000 шагов с целью, учитывающей уверенность модели в видимых искажённых токенах. Для работы требуется реализация диффузионной модели из репозитория проекта: обычная загрузка через AutoModelForCausalLM даст некорректные результаты. Модель предназначена для генерации и корректировки программного кода по текстовым запросам. В метаданных указано контекстное окно 32 768 токенов; карточка также связывает обучение с набором данных NVIDIA Nemotron Pretraining SFT v1. README описывает особенности вычисления градиентов в использованном обучающем коде, которые могут влиять на эффект весов целевой функции. Модель распространяется по лицензии MIT.

CyberNeurova-DeepSeek-V4-Flash-abliterated-GGUF — экспериментальная исследовательская версия DeepSeek-V4-Flash, разработанная CyberNeurova. Это permanently-abliterated модель, в которой изменения, снижающие склонность к отказам, встроены непосредственно в веса во время конвертации. Модель упакована в формат GGUF для запуска через специализированную экспериментальную ветку llama.cpp, поддерживающую DeepSeek-V4-Flash. Модель предназначена для генерации текста, программирования, рассуждений, поиска ошибок, кибербезопасностных исследований и сценариев с вызовом инструментов. По заявлению автора, версия v2 показывает 99,2% соответствия формату tool calling, 85,0% эффективности в поиске ошибок, 90,0% соответствия в задачах hacking и cyber-weapons compliance, а также низкий уровень отказов на указанных тестах. Архитектура основана на 284-миллиардной FP8 MoE-модели DeepSeek-V4-Flash; поддерживаемая модальность — текст, язык README указывает английский. Размер контекста в карточке не указан. Доступны варианты Q2_K размером около 98,8 ГБ и Q8_0 размером около 282 ГБ. Для Q2_K рекомендуется не менее 128 ГБ RAM, для Q8_0 — около 320 ГБ; GPU необязателен. Q2_K практичнее для рабочих станций, а Q8_0 ориентирован на максимальное качество и исследования. Ограничения включают экспериментальный статус, зависимость от специальной ветки llama.cpp, необходимость корректной stop-последовательности и высокие требования к памяти. Модель распространяется по лицензии MIT.

duyntnet/DeepCoder-14B-Preview-imatrix-GGUF — GGUF-квантизированные версии DeepCoder-14B-Preview, разработанного на базе DeepSeek-R1-Distilled-Qwen-14B с применением распределённого обучения с подкреплением. Модель предназначена прежде всего для генерации, анализа и решения задач программирования, включая соревнования по написанию кода, автоматическое создание решений и рассуждения по тестам. Указанный репозиторий содержит квантизированные варианты модели для локального запуска. Модель имеет 14 млрд параметров и поддерживает английский язык. Она обучалась на примерно 24 тысячах пар задач и тестов из Taco-Verified, PrimeIntellect SYNTHETIC-1 и LiveCodeBench v5. Благодаря итеративному увеличению длины контекста модель обучалась на 16K и 32K токенах и обобщается на контекст до 64K токенов. В качестве сильных сторон заявлены показатели 60,6% Pass@1 на LiveCodeBench v5, рейтинг 1936 на Codeforces и 92,6% на HumanEval+. Ограничениями являются ориентация преимущественно на задачи программирования, возможное усечение длинных ответов при ограничении длины генерации 16K токенами и отсутствие подробных данных о конкретных параметрах отдельных GGUF-квантизаций. Для запуска доступны llama.cpp, KoboldCPP, Ollama, text-generation-webui, Jan, GPT4All, LM Studio и другие совместимые средства, а для серверного развёртывания указаны vLLM, Hugging Face TGI, SGLang и TensorRT-LLM. Рекомендуются temperature 0,6, top_p 0,95 и max_tokens не менее 64000; системный промпт добавлять не рекомендуется. Лицензия обозначена как other, без дополнительных условий в представленном README.

Карточка модели FuseAI/FuseO1-DeepSeekR1-Qwen2.5-Coder-32B-Preview на Hugging Face совпадает с карточкой FuseAI/FuseO1-DeepSeekR1-QwQ-SkyT1-32B-Preview, поэтому описание составлено по ней. FuseO1-DeepSeekR1-QwQ-SkyT1-32B-Preview — экспериментальная объединённая языковая модель команды FuseAI. Она создана с помощью слияния трёх моделей для рассуждений: DeepSeek-R1-Distill-Qwen-32B, Qwen/QwQ-32B-Preview и NovaSky-AI/Sky-T1-32B-Preview. Модель основана на плотной архитектуре Qwen2 с 32 млрд параметров и предназначена для генерации текста и диалогов с пошаговыми рассуждениями. Основные сценарии — решение математических задач, рассуждения о программном коде и научные вопросы. В README для версии указаны результаты AIME24: 74,0 Pass@1 и 86,7 Cons@32 при описанной авторами схеме оценки. Модель принимает текст и генерирует текст; метаданные указывают контекстное окно 131 072 токена и интерфейс для вызова инструментов. Языки в карточке явно не перечислены. Модель распространяется в формате safetensors по лицензии Apache-2.0. Это предварительная версия, а опубликованные сравнительные показатели относятся к конкретным настройкам и методике оценки; они не гарантируют аналогичных результатов в других задачах или конфигурациях.

Garak Refusal Detector — англоязычный классификатор последовательностей, разработанный для выявления отказов в ответах больших языковых моделей. Он предназначен для интеграции с Garak и другими инструментами оценки безопасности и модерации, где нужно отличать отказ от выполнения запроса по смыслу, а не по наличию ключевых слов. Модель представляет собой дообученную answerdotai/ModernBERT-base архитектуры encoder-only с 22 слоями и 149 млн параметров. Она принимает текст длиной до 8192 токенов и выдаёт метку «отказ» или «не отказ» с оценкой уверенности. Обучение проводилось на 19 879 синтетических примерах, охватывающих разные степени выполнения запроса и стили отказа. Заявлены коммерческое применение и поддержка интеграции через PyTorch, ONNX Runtime, Triton Inference Server и TensorRT. Классификатор может ошибаться и давать ложноположительные или ложноотрицательные результаты; качество на стилях отказа, не представленных в синтетических данных, может быть ниже. Перед внедрением его следует проверять на данных конкретного сценария. Использование регулируется NVIDIA Open Model License.

GRPO-Think-1.5B-16k — компактная языковая модель семейства Qwen2, разработанная командой Aletheia-Bench для проверки и ранжирования решений задач по программированию. Она дообучена методом GRPO на наборе Aletheia-Train и использует промежуточные рассуждения; суффикс 16k обозначает бюджет рассуждений при обучении. Модель содержит 1,5 млрд параметров и имеет контекстное окно до 131 072 токенов. На вход подают условие задачи по программированию и несколько вариантов решения, после чего модель оценивает их и выбирает или ранжирует кандидатов. Её можно применять как оценщик вознаграждения в конвейерах оптимизации генерации кода и как автоматического судью при сравнении программных решений. Обучающие примеры охватывают код на Python, C++ и Java; метаданные не подтверждают поддержку этих языков как языков общения. Это специализированная модель-верификатор, а не универсальный генератор кода: качество зависит от формата запроса и кандидатов, указанного в проекте. Лицензия CC BY-NC-SA 4.0 требует соблюдения условий атрибуции, распространения на тех же условиях и ограничивает коммерческое использование.

halluscoring-arbert-nli — модель классификации текста на базе ARBERT, разработанная авторами проекта HalluScoring. Она дообучена на наборе HalluScoring 2026 Task 1.1 для выявления галлюцинаций: модель сопоставляет эталонный ответ и ответ модели в формате NLI, подавая их как пару последовательностей. Модель использует архитектуру BERT с примерно 190 млн параметров и принимает до 512 токенов. Она предназначена для проверки ответов на арабском языке; README приводит результаты на dev-выборке, включая AUC-ROC 0,9663, но сообщает, что эту версию не оценивали независимо на скрытом тесте. Для вывода необходим эталонный ответ (gold_answer). Модель распространяется по лицензии Apache-2.0.

Holo1-3B — мультимодальная модель зрения и языка с выводом действий, разработанная HCompany для веб-агента Surfer-H. Это дообученная версия Qwen/Qwen2.5-VL-3B-Instruct: модель принимает изображение интерфейса и текстовую инструкцию, чтобы находить элементы управления, возвращать координаты клика и выдавать структурированные ответы для навигации по веб-сайтам. Модель предназначена для автоматизации задач в браузере и визуальной локализации элементов пользовательского интерфейса. HCompany сообщает о результатах на WebVoyager и бенчмарках ScreenSpot, GroundUI-Web и WebClick; в Surfer-H модель может выполнять роль планировщика, локализатора или проверяющего. Архитектура — Qwen2.5-VL, около 3,1 млрд параметров, контекст — до 128 000 токенов; метаданные указывают поддержку английского языка. Для координат клика важно учитывать изменение размера изображения процессором, иначе координаты могут не совпасть с исходным интерфейсом. Модель опубликована в формате safetensors для Transformers. В метаданных лицензия обозначена как other, а README не уточняет её условия, поэтому условия использования следует проверять на странице репозитория.

Holo2-4B — мультимодальная модель для управления графическими интерфейсами, разработанная H Company. Она дообучена на базе Qwen/Qwen3-VL-4B-Thinking и предназначена для GUI-агентов, работающих в веб-браузерах, настольных и мобильных средах. Модель анализирует изображения интерфейсов, находит элементы управления и поддерживает многошаговую навигацию и выполнение целевых действий. Обучение включало supervised fine-tuning на данных понимания интерфейсов и предсказания действий, а затем online reinforcement learning. В README приведены результаты на WebVoyager, WebArena, OSWorld, AndroidWorld и наборах для локализации элементов интерфейса. Модель принимает визуальный контекст и текстовые инструкции, а её назначение включает предсказание действий для взаимодействия с интерфейсом. Она распространяется по лицензии Apache 2.0. Показатели бенчмарков не гарантируют аналогичную точность в конкретных приложениях; результаты могут зависеть от среды и сложности задачи.

IndustrialCoder-Thinking — диалоговая языковая модель для генерации кода и пошагового решения сложных инженерных задач; карточка описывает её как reasoning-вариант семейства InCoder, разработанный Multilingual-Multimodal-NLP. Модель использует плотную архитектуру IQuestCoderForCausalLM с 31,6 млрд параметров и контекстом до 131 072 токенов. В README указаны 64 слоя и размер скрытого представления 5 120. Модель предназначена для генерации, отладки и оптимизации кода, в том числе RTL для проектирования микросхем, GPU-ядер на CUDA и Triton, а также встроенного ПО. В режиме thinking она формирует промежуточный ход решения в тегах `...`, а режим без рассуждений подходит для более простых запросов. Карточка приводит результаты на общих и отраслевых бенчмарках, но не описывает независимую проверку этих оценок. Модель принимает текстовые запросы и выдаёт текст, включая код. Основной язык карточки — код; поддерживаемые естественные языки не перечислены. Указаны интерфейс чата и интерфейс вызова инструментов. Лицензия — Apache-2.0. README предупреждает, что рассуждения могут содержать ошибки, а сгенерированный код — быть некомпилируемым, функционально неверным или неоптимальным; отдельно отмечены пробелы в знаниях API для встроенного ПО. Код следует проверять и тестировать перед использованием.

KV-Ground-4B-BaseGuiOwl1.5-0228 — компактная визуально-языковая модель для привязки текстовых инструкций к элементам графического интерфейса. Её разработали Kingsware и Vocaela AI; это дообучение GUI-Owl-1.5-4B-Instruct на базе архитектуры Qwen3-VL. Модель содержит 4 млрд параметров и принимает изображение экрана вместе с инструкцией на естественном языке, выдавая текстовый ответ с результатом привязки. Модель предназначена для поиска элементов интерфейса на изображениях, в том числе снимках высокого разрешения, и для сценариев компьютерного управления, где нужно определить целевой элемент по запросу. Авторы сообщают результаты 67,0 на ScreenSpot-Pro и 94,1 на ScreenSpot-V2; это их собственные оценки в описанной конфигурации, а качество может зависеть от формата запроса. Для использования требуются совместимая библиотека Transformers и формат safetensors. Лицензия CC BY-NC-SA 4.0 ограничивает коммерческое использование и требует соблюдения условий атрибуции и распространения на тех же условиях.

Le Gros Chaton — дообученная на базе Qwen3.5-9B языковая модель на 7,2 млрд параметров, созданная Mateooo93 для агентных задач программирования в терминале. Она использует архитектуру Qwen3.5 с гибридными Gated-Attention и Gated-DeltaNet и принимает текстовые запросы, формируя текстовые ответы и вызовы инструментов. Модель обучали в несколько этапов с помощью LoRA: выравнивание формата вызова инструментов и дообучение на траекториях решения задач Terminal-Bench 2.0; опубликованная версия объединяет результаты до второго этапа. Контекст базовой модели составляет до 262 144 токенов, хотя пример запуска в README ограничивает его 32 768 токенами. Модель предназначена для работы в цикле агента: читать и редактировать файлы, запускать команды, разбирать вывод и продолжать работу до прохождения проверяющей задачи. В пилотной оценке Terminal-Bench 2.0 она набрала 25%; особенно сильной стороной автор называет Git-операции. Это специализированная модель для экспериментов и практических терминальных задач, а не универсальная замена более крупным агентным системам. Среди описанных ограничений — слабая работа с синтезом результатов из нескольких файлов, планированием действий с побочными эффектами и самостоятельным поиском неявно заданных входных данных. Распространяется по лицензии Apache-2.0.

Это дообученная модель Llama 3.2 1B Instruct, разработанная ai-nexuz на базе unsloth/Llama-3.2-1B-Instruct. Она предназначена для диалоговых ответов и следования инструкциям с акцентом на логические рассуждения, решение математических задач, генерацию и отладку кода. Модель имеет плотную архитектуру LlamaForCausalLM, около 1,2 млрд параметров и контекст до 131 072 токенов; работает с текстом и выдаёт текст. Модель подходит для создания учебных помощников, решения задач по математике и логике, а также программирования. Дообучение выполнено на наборе kanhatakeyama/wizardlm8x22b-logical-math-coding-sft с использованием Unsloth. README отмечает, что ответы могут быть неточными при неоднозначных запросах, а качество может снижаться для узкоспециализированных языков программирования. Лицензия — Apache 2.0.

Maq-1.0-4B-SWE — текстовая модель Waylon J. Brown для диалогов по разработке программного обеспечения, созданная дообучением Gemma 4 E4B Instruct. Автор выполнил LoRA SFT на выборке из наборов данных для кодирования, SWE-траекторий и агентных сценариев, а затем объединил адаптер с базовыми весами в чекпойнт BF16 для Transformers. Репозиторий содержит модель примерно на 4,5 млрд эффективных параметров (около 8 млрд с учётом послойных эмбеддингов); исходная Gemma 4 — мультимодальная, но эта версия обучалась только на тексте. Модель предназначена для помощников по программированию, диалогов «задача — план — исправление», агентных сценариев с использованием инструментов, а также задач соревновательного программирования и рассуждений о коде. Она принимает текст и генерирует текст; обучение проводилось с контекстом 1024 токена, хотя базовая модель поддерживает более длинный контекст. Обучение было коротким: 400 шагов на 4096 примерах, без отложенной оценки и опубликованных результатов SWE-Bench или LiveCodeBench. Это экспериментальная специализированная настройка, а не универсальный чат-бот или замена крупным SWE-агентам. README предупреждает, что фильтрация отказов в части обучающих данных могла ослабить защитные ограничения. Веса модели доступны по Apache 2.0; лицензии использованных наборов данных различаются, поэтому для коммерческого использования нужно проверить условия каждого источника.

MiMo-7B-RL — языковая модель XiaomiMiMo на 7 млрд параметров, обученная с нуля как часть семейства MiMo-7B, а затем дообученная с подкреплением на основе SFT-модели. Она предназначена прежде всего для пошаговых рассуждений в математике и программировании. По карточке, при обучении использовались проверяемые математические и кодовые задачи с оценкой по правилам; модель поддерживает чат и интерфейс вызова инструментов. Модель принимает текст и генерирует текст. Архитектура — плотная причинная модель MiMoForCausalLM; контекстное окно по метаданным — 32 768 токенов. В README описана поддержка спекулятивного декодирования с одним MTP-слоем. Карточка приводит результаты на математических и кодовых бенчмарках, но они не гарантируют аналогичного качества на произвольных запросах. README не сообщает языки обучения или подробные ограничения в использовании. Лицензия — MIT.

EuroEval/mmBERT-small-multi-wiki-qa-synthetic-hallucinations-with-ragtruth-lt — модель на базе Transformers для задачи token classification. По идентификатору модель предназначена для разметки токенов в контексте вопросов и ответов, связанных с синтетическими галлюцинациями и сценариями retrieval-augmented generation (RAG), включая данные RAGTruth LT. В метаданных указаны 140,5 млн параметров и нативное контекстное окно до 8192 токенов; модель использует формат safetensors и относится к семейству ModernBERT/mmBERT.

NoRefER — модель aiXplain AI Lab для оценки качества распознавания речи без эталонной расшифровки. Она основана на mMiniLMv2, дообученной контрастным обучением, и использует сиамскую архитектуру с общими весами для попарного сравнения текстовых гипотез ASR. Модель применяет известный порядок качества гипотез, полученных при разных уровнях сжатия одной системы распознавания, как сигнал для обучения. NoRefER предназначена для сравнения результатов разных ASR-систем на аудиоданных без эталонных текстов, выбора лучшей гипотезы из нескольких вариантов, приоритизации примеров для проверки человеком или постредактирования, а также A/B-тестирования версий распознавания. В описанных экспериментах точность попарного ранжирования на валидации составила 77%; на слепом тесте метрика хорошо коррелировала с рангами по WER и помогала отбирать гипотезы для ансамбля. Модель принимает текстовые гипотезы и выдаёт признаки для их сравнения, а не аудио-транскрипцию. Поддерживаются английский, французский, испанский, португальский, немецкий и другие языки; контекст составляет 514 токенов, размер — 124,3 млн параметров. Лицензия — MIT.

Карточка модели LimitlessMindd/Phi-4-reasoning на Hugging Face совпадает с карточкой microsoft/Phi-4-reasoning, поэтому описание составлено по ней. Phi-4-reasoning — открытая по весам языковая модель Microsoft Research, дообученная на базе Phi-4 с помощью supervised fine-tuning на примерах цепочек рассуждений и обучения с подкреплением. Она предназначена для диалоговых генеративных приложений, где важны рассуждения и логика, а также ограничены вычислительные ресурсы или допустимая задержка. Основные области обучения и оценки — математика, наука и программирование; модель рассчитана прежде всего на английский язык. Модель использует плотный декодерный Transformer архитектуры Phi-3 с 14,1 млрд параметров и контекстом до 32 768 токенов. При инференсе рекомендуется ChatML-шаблон; для более сложных запросов авторы советуют выделять больше токенов на генерацию. Модель может ошибаться и не проходила оценку для всех прикладных сценариев, поэтому ответы следует проверять, особенно при использовании в задачах с высокими последствиями. Лицензия — MIT.

Phi-4-reasoning-plus — открытая по весам языковая модель Microsoft Research, дообученная на базе microsoft/phi-4 с помощью supervised fine-tuning на цепочках рассуждений и последующего обучения с подкреплением. Это плотный decoder-only Transformer семейства Phi-3 с 14,1 млрд параметров и контекстом до 32 768 токенов; модель принимает текст и генерирует текст в диалоговом формате. Модель предназначена прежде всего для рассуждений и решения задач по математике, науке и программированию, а также для использования в генеративных ИИ-приложениях с ограничениями по памяти и вычислениям. Основной язык — английский. Обучение с подкреплением повышает точность, но в среднем модель генерирует примерно на 50% больше токенов, что увеличивает задержку. Microsoft предупреждает, что модель специально разработана и оценивалась для математических рассуждений, поэтому для других применений нужно отдельно проверять точность, безопасность и справедливость ответов. Модель распространяется по лицензии MIT.

Это дообученная инструктивная языковая модель семейства Qwen2.5-Coder, опубликованная пользователем matildtahoo в рамках Gensyn Swarm. Модель содержит около 494 млн параметров, использует плотную архитектуру Qwen2 и предназначена для генерации текста, включая помощь с кодом: написание и продолжение программ, ответы на инструкции и исправление кода. Она принимает текст и выдаёт текст; доступный контекст составляет 32 768 токенов. Исходное семейство Qwen2.5-Coder разработано командой Qwen компании Alibaba Cloud и нацелено на сценарии кодового помощника, включая генерацию, рассуждение о коде и его исправление; семейство поддерживает 92 языка программирования. Эта конкретная версия обозначена как результат Gensyn Swarm, однако её карточка не содержит подробных результатов оценки или условий лицензии, поэтому качество и разрешённые способы использования для данного чекпойнта определить нельзя.

Qwen3.5-2B-Opus-Distilled-Heretic-Thinking-Multistage-SFT-v1.0 — экспериментальная плотная мультимодальная модель на 2 млрд параметров, созданная сообществом на базе Qwen/Qwen3.5-2B. Её дообучили методом многоэтапного SFT на примерно 6 000 примерах рассуждений Opus по программированию и STEM, а также на дополнительных примерах для развития длинных рассуждений и следования инструкциям. Модель предназначена для исследований и экспериментов с дистилляцией рассуждений, а также для генерации и отладки кода, решения математических и научных задач и локального запуска. По метаданным она поддерживает обработку изображений и диалог; основной pipeline-тег — image-text-to-text. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Модель экспериментальная: в сложных цепочках рассуждений возможны ошибочные промежуточные шаги и выводы, а поведение может отличаться от базовой модели. Результаты также зависят от охвата и особенностей обучающих данных.

Jackrong/Qwen3.5-4B-Neo-GGUF — reasoning-ориентированная дообученная версия Qwen3.5-4B, разработанная Jackrong с использованием Unsloth, SFT и LoRA. Модель обучалась на данных Step-3.5-Flash-SFT и специализированной смеси наборов для рассуждений, программирования и следования инструкциям. Заявленные языки — английский, китайский и корейский; лицензия — Apache-2.0. Формат GGUF предназначен для локального и офлайн-запуска, однако конкретный размер файла и требования к памяти в README не указаны. Модель рассчитана на аналитические задачи, программирование, соревновательное программирование на Python, математику и задачи, требующие последовательного логического рассуждения. Она обучена формировать рассуждения в тегах <think>...</think> перед итоговым ответом. По заявленным результатам на сбалансированной выборке из 250 вопросов MMLU-Pro модель получила 82,00% pass@1 против 80,40% у базовой версии, одновременно сократив среднюю длину цепочки рассуждений с 6962 до 3955 символов, а медианную — с 4600 до 1951 символа. Сильной стороной модели является сочетание конкурентной точности и более компактного стиля рассуждений, что может снизить расход токенов в задачах с интенсивным анализом. Ограничения включают риск галлюцинаций, возможные усечения при чрезмерно сложных задачах и отставание от базовой модели в категории физики. Приведённые показатели получены на подвыборке MMLU-Pro и не обязательно отражают результаты на полном тесте. Модель позиционируется как тестовая версия для обучения, демонстраций, академических исследований и технических экспериментов.

Qwen3.8-27B-GLA-g2 — производная от Qwen/Qwen3.8-27B модель TelperionAI с архитектурой Grouped Latent Attention на двух группах. Переход на низкоранговые латентные представления ключей и значений уменьшает объём KV-кэша в среднем вдвое при обслуживании с параллелизмом до двух GPU. Изменение выполнено без обучения: проекции подогнаны методом whitened SVD на калибровочных данных; остальные веса, включая vision tower и MTP head, сохранены. Модель предназначена для генерации текста и диалогов, в том числе для задач программирования и длинного контекста; в карточке также заявлена поддержка изображений как у базовой модели. В парном сравнении на SWE-bench Verified результат составил 0,394 против 0,395 у исходной модели, при генерации на 14% меньшего числа токенов. По метаданным, модель имеет 27 млрд параметров, плотную архитектуру семейства Qwen3.5 и лицензию Apache-2.0. Для запуска требуется экспериментальный плагин qwen-mla-vllm; модель не загружается в Transformers и стандартный vLLM. README сообщает о проверке плагина на RTX PRO 6000 с vLLM 0.27.1, а результаты за пределами SWE-bench Verified и HELMET (64k) не оценивались. При параллелизме более чем на двух GPU сжатие снижается примерно до 1,14 раза.

RTL-Flutter 0.2 — экспериментальная языковая модель RahnTechLabs для инженерной помощи по Dart, Flutter и мобильной разработке. Она дообучена на базе Qwen/Qwen3.5-4B: LoRA-адаптер объединён с базовой моделью, а итоговые веса опубликованы в формате GGUF с квантизацией Q4_K_M для запуска через llama.cpp. Модель предназначена для генерации кода и объяснений, ревью кода, отладки и обсуждения архитектуры приложений для Flutter, Android и iOS. При обучении использовали 475 примеров и официальные материалы по Flutter и flutter_bloc. Модель может уверенно ошибаться, особенно в сведениях о конкретных версиях API и редких случаях; ответы следует сверять с актуальной документацией и SDK перед использованием кода в production. Контрольные данные и бенчмарк не опубликованы. Лицензия — Apache-2.0.

ScaleCUA-32B — мультимодальная модель компьютерного управления интерфейсами, разработанная OpenGVLab на базе Qwen2.5-VL-32B-Instruct и дообученная на наборе OpenGVLab/ScaleCUA-Data. Она предназначена для понимания экранов и выполнения пользовательских задач через графический интерфейс в разных операционных системах и прикладных сценариях. Модель принимает текстовые инструкции и изображения экрана, а в ответ формирует текст с рассуждениями, командами и действиями для интерфейса. Поддерживает прямой режим для определения цели и координат действия, а также пошаговый режим для сложных задач автоматизации. Архитектура Qwen2.5-VL имеет 32 млрд параметров и контекст длиной до 128 000 токенов; в метаданных указан английский язык. В описанных авторами тестах семейство ScaleCUA показывает высокие результаты на бенчмарках GUI-агентов, включая WebArena-Lite-v2, ScreenSpot-Pro, MMBench-GUI и OSWorld-G. Это специализированный агентный чекпойнт, поэтому качество действий может зависеть от платформы, интерфейса и корректной обработки координат. Модель распространяется по лицензии Apache-2.0.

ScaleCUA-3B — мультимодальная модель для управления графическим интерфейсом, разработанная OpenGVLab на основе Qwen2.5-VL-3B-Instruct и дообученная на наборе ScaleCUA-Data. Она анализирует изображения экрана и поддерживает два режима работы: выдачу непосредственных действий с координатами элементов интерфейса и планирование многошаговых операций с генерацией кода действий. Модель предназначена для автоматизации задач на разных операционных системах и в веб-интерфейсах, включая понимание интерфейса, поиск элементов и выполнение последовательностей действий. Модель имеет плотную архитектуру Qwen2.5-VL, содержит 3,1 млрд параметров, работает через Transformers и поддерживает контекст до 128 000 токенов. В README заявлены улучшения на бенчмарках WebArena-Lite-v2 и ScreenSpot-Pro, а семейство ScaleCUA также показывает результаты на MMBench-GUI и OSWorld-G. Основной описанный сценарий — управление интерфейсом по визуальному вводу; модель может ошибаться в распознавании элементов и выборе действий, поэтому результаты автоматизации требуют проверки. Лицензия — Apache-2.0.

Sky-T1-32B-Preview — 32-миллиардная плотная языковая модель NovaSky Team из Sky Computing Lab Калифорнийского университета в Беркли. Её дообучили на базе Qwen/Qwen2.5-32B-Instruct на 17 тысячах примеров с проверенными ответами по математике и программированию, а также на научных данных из работы Still-2. Модель предназначена для диалоговой генерации текста и решения задач по математике, программированию и науке. В карточке приведены результаты оценивания на Math500, AIME2024 и LiveCodeBench-Easy; авторы сообщают о результатах на уровне o1-preview по математике и программированию. Архитектура — Qwen2ForCausalLM, поддерживаемый контекст — 32 768 токенов. Репозиторий использует формат safetensors и библиотеку Transformers; лицензия — Apache-2.0. Результаты из карточки относятся к указанным тестам и не гарантируют сопоставимого качества на других задачах. Сведения о поддерживаемых языках ограничены меткой английского языка в метаданных.