II.4Отладка, тестирование и качество ПО

MiniMaxAI/SynLogic-Mix-3-32B — языковая модель MiniMaxAI для многоэтапных рассуждений в логике, математике и программировании. Она основана на Qwen2.5-32B-Base и дообучена методом Zero-RL на смеси проверяемых задач: логике из SynLogic, математике и коде. Веса имеют плотную архитектуру Qwen2, размер модели — 32 млрд параметров, максимальный контекст — 131 072 токена. Модель генерирует текст; карточка указывает поддержку английского языка и интерфейс для диалога и вызова инструментов. По описанию автора, модель обучалась без этапа instruction tuning, только с подкреплением от базовой модели. Приведённые результаты охватывают бенчмарки логического рассуждения, математики, программирования и общих знаний; автор сообщает об улучшениях при добавлении логических данных. Это специализированный чекпойнт для задач рассуждения, а README не приводит полную таблицу результатов для этой версии. Лицензия — MIT.

UGround-V1-72B — мультимодальная модель для визуальной привязки элементов графического интерфейса к текстовым запросам. Её разработали совместно OSUNLP и Orby AI; это дообученная версия Qwen2-VL-72B с плотной архитектурой Qwen2-VL и 71,5 млрд параметров. Модель принимает изображения интерфейсов и текстовые инструкции, а в ответ указывает соответствующий элемент интерфейса. Модель предназначена для поиска кнопок, значков и текстовых элементов на экранах мобильных приложений, веб-сайтов и настольных программ. Её можно использовать как компонент визуального агента, который управляет интерфейсом по текстовым указаниям. В метаданных указаны контекст длиной 32 768 токенов, библиотека Transformers и формат весов safetensors. README не сообщает условия лицензии, а в метаданных указана лицензия other.

AceReason-Nemotron-14B-GGUF — GGUF-версия модели AceReason-Nemotron-14B, разработанной NVIDIA и подготовленной Unsloth. Модель создана для задач математического и программного рассуждения, включая решение математических задач, генерацию и анализ кода, а также задачи, требующие пошагового вывода. В основе лежит DeepSeek-R1-Distilled-Qwen-14B; обучение выполнялось с применением reinforcement learning сначала на математических, затем на программных задачах. Модель относится к текстовым авторегрессионным генеративным моделям и поддерживает английский язык. Заявленные результаты включают 78,6% на AIME 2024, 67,4% на AIME 2025, 61,1% на LiveCodeBench v5, 54,9% на LiveCodeBench v6 и рейтинг 2024 на Codeforces. По приведённым данным, её сильная сторона — специализированное рассуждение в математике и программировании; при этом README не содержит сведений о длине контекста, точной архитектуре GGUF-квантизации, требованиях к оборудованию и качестве работы на других языках или модальностях. Модель предназначена для текстового ввода и вывода. Использование регулируется NVIDIA Open Model License; тип лицензии указан как other, поэтому перед применением необходимо ознакомиться с полным текстом лицензии NVIDIA. Рекомендуется не использовать системный prompt, а формулировать инструкции непосредственно в пользовательском запросе; для математических задач предлагается пошаговое рассуждение с финальным ответом в формате \boxed{}.

AceReason-Nemotron-7B — языковая модель NVIDIA для рассуждений в математике и программировании. Это плотная модель семейства Qwen2 с 7,1 млрд параметров, построенная на базе DeepSeek-R1-Distilled-Qwen-7B и обученная с помощью обучения с подкреплением. Она предназначена для решения математических задач, генерации и анализа кода в диалоговом формате; заявленная длина контекста — 131 072 токена. В README приведены результаты на AIME 2024 и 2025, а также на LiveCodeBench. Для математических запросов разработчики рекомендуют просить пошаговое рассуждение и заключать ответ в \boxed{}, для задач по коду приводятся отдельные инструкции. В карточке указана лицензия other; конкретные условия использования следует проверять в файлах репозитория. Модель ориентирована на английский язык.

CodeScout-4B — языковая модель OpenHands для поиска и локализации кода в репозиториях. Она дообучена методом обучения с подкреплением GSPO на базе Qwen3-4B-Instruct-2507 и содержит 3,7 млрд параметров. Модель принимает описание задачи или ошибки и помогает определить связанные с ней файлы, классы и функции в репозитории. Модель предназначена для работы как агент локализации в составе более крупной системы программирования. Она использует scaffold OpenHands-Bash с терминалом и стандартными Unix-командами, а также инструментом для структурированной отправки результата. В README приведены результаты на SWE-Bench и указаны контексты обучения до 40 тысяч токенов; метаданные модели указывают нативный контекст до 262 144 токенов. CodeScout-4B обучалась и оценивалась только на Python-репозиториях, поэтому её качество на других языках и репозиториях может отличаться. Она предназначена для локализации кода, а не его редактирования или полного решения задачи; для оптимальной работы требуется scaffold OpenHands-Bash. Модель распространяется по лицензии Apache-2.0.

CTRL-32B — языковая модель-критик, разработанная авторами проекта CTRL и дообученная на основе Qwen2.5-Coder-32B-Instruct. Модель предназначена для оценки и критики ответов языковых моделей: на вход подаются задача и ответ, а модель генерирует текстовый разбор по заданному формату. Подходит для сценариев обучения критиков с подкреплением и проверки качества ответов. Модель имеет плотную архитектуру Qwen2 с 32 млрд параметров и контекстом до 32 768 токенов. Она работает с текстом; карточка рекомендует запуск через vLLM. Указана лицензия Apache-2.0. В карточке приведён пример генерации с ограничением ответа до 1 024 токенов; качество оценивания зависит от формата промпта и не заявлено как универсальное.

DASD-4B-Thinking GGUF — компактная плотная языковая модель примерно на 4 млрд параметров, опубликованная в формате GGUF пользователем Mungert. Исходная модель разработана командой Alibaba-Apsara и создана на основе Qwen3-4B-Instruct-2507 с дистилляцией знаний от gpt-oss-120b методом distribution-aligned sequence distillation. Модель ориентирована на рассуждения с длинной цепочкой мыслей, включая решение математических задач, генерацию кода и научное рассуждение. Для обучения использовалось 448 тысяч примеров из наборов Superior-Reasoning-SFT-gpt-oss-120b и Superior-Reasoning-SFT-gpt-oss-120b-Logprob. Это текстовая autoregressive-модель для генерации текста; сведения о поддерживаемых языках и размере контекста в карточке не указаны. Версия GGUF создана с использованием llama.cpp. Автор сборки применяет модифицированный подход к квантованию: отдельные важные слои переводятся в более высокую точность с помощью опции --tensor-type, что должно повышать точность при малой разрядности, особенно для MoE-моделей, но увеличивает размер файла. Заявленные результаты DASD-4B-Thinking включают 88,5 на AIME24, 83,3 на AIME25, 69,3 и 67,5 на LiveCodeBench v5 и v6 соответственно, а также 68,4 на GPQA-D. Сильными сторонами являются компактный размер, ориентация на сложное рассуждение, высокая эффективность дистилляции и возможность локального запуска на потребительском оборудовании. Ограничения включают отсутствие в предоставленных данных подробностей о языковом покрытии, контекстном окне, конкретных требованиях к памяти и характеристиках отдельных квантованных вариантов; приведённые бенчмарки не гарантируют аналогичную производительность в любых прикладных сценариях. Лицензия — Apache-2.0.

DeepSeek V4 Flash 0731 Vision (BF16) — экспериментальная мультимодальная модель, разработанная WebBrain на базе текстовой модели DeepSeek-V4-Flash-0731. Она объединяет языковую и агентную основу DeepSeek с замороженным визуальным энкодером MoonViT-3d, извлечённым из Kimi-K2.6, и обученным WebBrain проектором PatchMerger с routing bridge. Модель предназначена для browser agents и других сценариев, где требуется анализ визуального состояния веб-страниц: скриншотов, графиков, панелей управления, редакторов и элементов интерфейса. Архитектура использует проектор LayerNorm → объединение патчей 2×2 → Linear(4608, 4608) → GELU → Linear(4608, 4096). Поддерживается один маркер изображения <image> и не более 512 объединённых image-токенов. Текстовая часть сохранена без изменений и использует исходные конфигурацию DSpark/MTP и метаданные FP8; добавленные vision tower и projector содержат BF16-тензоры. Модель рассчитана на работу через внешний пакет модели и процессора DeepSeek/MoonViT и специальную интеграцию SGLang, а не через стандартные Transformers или стандартный SGLang. Сильными сторонами являются использование производительной текстовой основы DeepSeek, визуальное понимание веб-интерфейсов и сохранение исходных текстовых весов и их метаданных. Ограничения включают экспериментальный статус интеграции, необходимость применять указанный патчированный стек SGLang, поддержку только одного маркера изображения и отсутствие повторной полной проверки запуска на GPU и генерации изображений именно для этой собранной версии. В карточке указана лицензия other; дополнительные условия использования не приведены.

DynaGuard-8B — специализированная модель-охранник, разработанная исследователями Университета Мэриленда и Capital One для проверки текста и диалогов по заданным пользователем правилам на естественном языке. Она предназначена для гибкой модерации ответов чат-ботов, когда нужно проверять прикладные требования, выходящие за рамки фиксированных категорий вредного контента, например запрет на несанкционированное обещание возврата средств или медицинскую рекомендацию. Модель построена на архитектуре decoder-only Transformer семейства Qwen3 и содержит 7,6 млрд параметров; базовая модель — Qwen3-8B. Её дообучили на DynaBench и наборах данных для оценки безопасности, применив SFT и затем GRPO. Контекст составляет до 40 960 токенов. Модель принимает текст с политикой и диалогом и выдаёт текстовую оценку: быстрый вердикт PASS/FAIL либо вердикт с объяснением и трассой рассуждения. Карточка указывает английский язык. Модель доступна в формате safetensors и распространяется по лицензии Apache-2.0. DynaGuard подходит для настройки модерации под правила конкретного продукта и для анализа причин нарушения политики с участием человека. В README заявлены сильные результаты на DynaBench и традиционных тестах безопасности, однако количественная таблица в карточке неполна, поэтому эти заявления нельзя полностью проверить по представленным данным.

Карточка модели FuseAI/FuseO1-DeepSeekR1-Qwen2.5-Instruct-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.

Gemma4-12B-Coder (GGUF) — локальная специализированная версия Gemma 4 12B, основанная на google/gemma-4-12B-it и опубликованная в репозитории developerjeremylive. Модель дообучена для генерации кода, прежде всего на проверяемых задачах Python. В обучающих примерах рассуждения и решения проходили детерминированные тесты; использовались реальные трассы рассуждений Composer 2.5 и синтетические повторные решения Fable 5 для задач, где исходный учитель ошибался. Модель предназначена для локального и офлайн-применения в качестве помощника программиста: анализа алгоритмических задач, объяснения подхода, учёта граничных случаев и генерации исполняемого Python-кода. Это текстовая модель генерации с архитектурой Gemma 4 Unified, размером 12B параметров, распространяемая в формате GGUF для llama.cpp. Заявлена поддержка контекстного окна до 256K токенов. Доступны квантизации от Q2_K размером около 4,5 ГБ до Q8_0 размером около 11,8 ГБ; рекомендуемым компромиссом названа Q4_K_M размером около 6,87 ГБ. Сильные стороны модели — ориентация на код, обучение на решениях, прошедших тесты, локальная работа без облачного API и широкий выбор квантизаций для устройств с разным объёмом памяти. Ограничения включают специализацию преимущественно на Python и алгоритмических задачах, зависимость качества и доступного контекста от выбранной квантизации и объёма памяти, а также необходимость свежей версии llama.cpp с поддержкой архитектуры gemma4_unified. Модель распространяется по лицензии Apache-2.0.

GRPO-Think-7B-8k — специализированная языковая модель для проверки и ранжирования решений задач программирования. Она разработана командой Aletheia-Bench и дообучена методом GRPO на базе deepseek-ai/DeepSeek-R1-Distill-Qwen-7B с набором Aletheia-Train. Архитектура — плотная Qwen2, размер — 7,1 млрд параметров; модель принимает текст с условием задачи и несколькими кандидатами решений, а затем оценивает и ранжирует их, используя промежуточные рассуждения. В обучении применялся бюджет рассуждений до 8 тыс. токенов на ответ. Модель предназначена для выбора корректного решения среди кандидатов, автоматизированной оценки кода и использования в качестве функции вознаграждения при оптимизации генераторов кода. Карточка указывает поддержку задач программирования на Python, C++ и Java; эти сведения относятся к языкам решений, а не обязательно к языкам естественного текста. В метаданных указан контекст 131 072 токена. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование.

Salesforce GTA1-32B — модель зрения и языка на архитектуре Qwen2.5-VL с 32 млрд параметров, разработанная Salesforce для привязки текстовых инструкций к элементам графического интерфейса и автоматизации действий в GUI. Она обучена с применением обучения с подкреплением, включая GRPO, и ориентирована на задачи grounding, где важно выбирать конкретные элементы интерфейса и выдавать применимые действия, а не длинные рассуждения. Модель принимает изображения и текст, поддерживает диалоговый режим и рассчитана прежде всего на английский язык; контекстное окно составляет 128 000 токенов. В README заявлены оценки на бенчмарках ScreenSpot, OSWorld и WindowsAgentArena. Модель может помогать агентам ориентироваться в интерфейсах ОС и приложений, однако способна неверно распознавать элементы или предлагать ошибочные действия, поэтому автоматизацию следует проверять и контролировать человеком. Лицензия — MIT; в карточке также указано исследовательское и образовательное назначение.

InfiGUI-G1-3B — мультимодальная модель для привязки инструкций к элементам графического интерфейса, разработанная авторами работы InfiGUI-G1. Она основана на Qwen2.5-VL-3B-Instruct и дообучена методом Adaptive Exploration Policy Optimization (AEPO), который использует генерацию нескольких вариантов действий и адаптивное вознаграждение для улучшения семантического выбора элементов интерфейса. Модель принимает изображения интерфейса и текстовые инструкции, а в ответ формирует текст с указанием подходящего элемента или действия для GUI-агента. Она предназначена для GUI-grounding и оценки на наборах тестов для взаимодействия с интерфейсами; архитектура — плотная Qwen2.5-VL, размер — 3,1 млрд параметров, контекст — до 128 000 токенов. В карточке указана поддержка английского языка. Авторы сообщают о высоких результатах на разнообразных бенчмарках GUI-grounding, однако README не приводит численные результаты в доступном тексте. Для воспроизведения оценки описана конфигурация с vLLM и четырьмя GPU NVIDIA H800. Модель распространяется по лицензии Apache-2.0.

InfiGUI-R1-3B — мультимодальная модель на базе Qwen2.5-VL-3B-Instruct, представленная в рамках статьи InfiGUI-R1. Она дообучена по Actor2Reasoner с подкреплением для планирования и рефлексии при выполнении задач в графическом интерфейсе. Модель предназначена для анализа скриншотов и решения задач GUI, включая grounding элементов интерфейса и работу с траекториями действий. Это плотная архитектура Qwen2.5-VL с 3,1 млрд параметров и контекстом до 128 000 токенов; карточка указывает поддержку английского языка. Вход включает изображения и текст, а модель формирует текстовые ответы и вывод для взаимодействия с интерфейсом. Модель распространяется по лицензии Apache-2.0. Для установки в README приведён вариант использования Transformers и qwen-vl-utils.

Grug-35B-A3B-GGUF — квантизированная версия модели Grug-35B-A3B, разработанной kai-os и подготовленной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста и задач, требующих рассуждений, включая математические и программные сценарии, отладку кода и компактное reasoning. Она обучалась с применением QLoRA и использовала наборы данных для общего, математического и программного reasoning. Модель имеет архитектуру MoE с заявленными 35B общих параметров и 3B активных параметров, однако сведения о точном контекстном окне, поддерживаемых языках и дополнительных модальностях в README отсутствуют. Квантизация выполнена с использованием llama.cpp и imatrix; доступны варианты от IQ3_M и Q3 до Q8_0, а также исходные веса BF16. Старшие варианты обеспечивают более высокое качество, а младшие требуют меньше оперативной памяти. Запуск поддерживается через llama.cpp, LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и другие совместимые инструменты, при условии поддержки модели. Сильной стороной является сочетание большой общей ёмкости MoE с небольшим числом активных параметров, что может снизить требования к вычислениям по сравнению с плотной моделью аналогичного размера. Ограничения включают значительные требования к памяти даже для большинства квантизированных вариантов, отсутствие подробных результатов независимых оценок и неполные сведения о языках и контексте. Модель распространяется по лицензии Apache-2.0.

Kiwen1.2-27B — дообученная языковая модель с 27 миллиардами параметров, созданная разработчиком beyoru на основе Qwen3.8-27B. Модель обучалась на длинных рассуждениях из Kimi K3 с применением RLVR и ориентирована на улучшение качества рассуждений, следования инструкциям и надёжности выполнения задач. Модель предназначена для математических и логических задач, программирования, использования инструментов, агентских сценариев и других задач, требующих последовательного рассуждения. Она поддерживает режимы с включённым и отключённым анализом: режим рассуждений рекомендуется для сложных задач, а отключение — для извлечения данных, классификации и форматирования. В README указана возможность работы с контекстом до 262 144 токенов при использовании SGLang, однако сведения о языковом охвате и фактических мультимодальных возможностях не приведены. Заявленное преимущество модели — сочетание относительно компактного размера с акцентом на reasoning, coding, tool use и instruction following; во внутреннем тесте из 100 агентских задач она показала результат 81,2%. Эти показатели не подтверждены независимым публичным бенчмарком. Ограничением является отмеченное разработчиком снижение качества при использовании с dflash2; также в карточке нет подробных данных об архитектуре, датасетах и результатах на стандартных тестах. Модель распространяется по лицензии Apache-2.0 и основана на Qwen3.8-27B, также выпущенной под Apache-2.0.

MathCoder2-Llama-3-8B-GGUF — это квантованные GGUF-версии модели MathCoder2-Llama-3-8B, разработанной MathGenie и подготовленной для распространения пользователем bartowski. Модель предназначена для генерации текста и ориентирована прежде всего на математические и программные задачи, включая решение задач, написание и анализ кода. В качестве источника данных указан набор MathGenie/MathCode-Pile. Модель основана на семействе Llama 3 и содержит 8 миллиардов параметров. Она работает с текстом и заявлена для английского языка. Доступны варианты от исходных весов F16 до квантований Q8, Q6, Q5, Q4, Q3 и Q2, что позволяет выбирать между качеством, размером файла и требованиями к оперативной памяти. Файлы подготовлены с использованием llama.cpp и imatrix; предусмотрено локальное использование, в том числе через LM Studio. Сильной стороной является специализация на математике и коде, а также широкий выбор квантованных вариантов: высококачественные сборки занимают около 6–9 ГБ, а более компактные — примерно 3,7–5 ГБ. Ограничения включают снижение качества на низких уровнях квантования, неизвестные в представленном README размер контекста и подробные результаты оценки, а также отсутствие заявленной поддержки языков кроме английского. Указана лицензия Apache-2.0.

MiMo-7B-RL-Zero — языковая модель Xiaomi, обученная с нуля в серии MiMo-7B и дообученная методом обучения с подкреплением от базовой MiMo-7B-Base. Модель предназначена прежде всего для рассуждений в математике и программировании; карточка сообщает о результатах на бенчмарках, сопоставимых с OpenAI o1-mini. Это плотная авторегрессионная модель семейства MiMo с 7 млрд параметров и контекстом 32 768 токенов. Она принимает текст и генерирует текст; поддерживает диалоговый режим и интерфейс вызова инструментов. В обучении использовались масштабное предварительное обучение и RL на задачах математики и кода с проверкой ответов по правилам. Репозиторий содержит веса Safetensors. Лицензия — MIT. Карточка не описывает отдельные ограничения качества или поддерживаемые естественные языки; языковые возможности за пределами задач математики и кода из предоставленных данных установить нельзя.

ricdomolm/mini-coder-1.7b — компактная плотная причинно-языковая модель на 1,7 млрд параметров, дообученная и дистиллированная на основе Qwen3 Coder 30B A3B для решения задач программной инженерии. Она обучена на 400 тысячах траекторий, сформированных с использованием mini-swe-agent и датасета SWE-smith с задачами из GitHub. Модель предназначена для работы в агентном цикле разработки, в частности для генерации траекторий SWE-bench и исправления ошибок в коде; для запуска автор рекомендует mini-swe-agent и vLLM. В метаданных указаны архитектура Qwen3ForCausalLM, библиотека Transformers и контекст 40 960 токенов. README сообщает об одном сравнении на SWE-bench Verified Bash, но не приводит его результат в видимой части карточки, поэтому по этим данным нельзя оценить заявленную эффективность. Модель распространяется по лицензии MIT.

MiniCPM-GUIDance (MiniCPM-GUI) — мультимодальная модель семейства MiniCPM-V, обученная RhapsodyAI на наборе GUICourse для работы с графическими интерфейсами. Она принимает изображение экрана и текстовую инструкцию и может отвечать на вопросы о содержимом интерфейса или предлагать следующие действия для выполнения задачи. В карточке приведены сценарии чата с привязкой к элементам экрана и без неё, а также генерации последовательности действий. Модель опубликована в формате PyTorch под лицензией Apache-2.0. В метаданных указан английский язык; сведения о числе параметров и длине контекста не приведены. Карточка упоминает обучение на GUICourse и датасеты GUIChat, GUIEnv и GUIAct.

LingweiGu/nanocode-sft-r01-openswe-success — это промежуточный исследовательский чекпойнт модели для генерации текста, дообученной на траекториях успешных агентов программной инженерии. В README указана MiniCPM5 с архитектурой LlamaForCausalLM; метаданные каталога указывают семейство Llama, плотную архитектуру и 2,2 млрд параметров. Модель создана полным supervised fine-tuning от eigentom/nanocode_sft_60b, checkpoint-8900, на отфильтрованных примерах из nvidia/Open-SWE-Traces. По метаданным длина контекста составляет 131 072 токена. Модель предназначена для продолжения диалога агента-разработчика, включая рассуждения, текстовые ответы и вызовы инструментов в исходных форматах OpenHands, SWE-agent и mini-swe-agent. Обучающая выборка включала 68 476 траекторий по 18 372 задачам; результаты downstream-бенчмарков в карточке не приведены. Репозиторий содержит веса Safetensors и использует Transformers. Лицензия — Apache-2.0.

GooseReason-4B-Instruct — плотная языковая модель NVIDIA на архитектуре Qwen3 с 3,7 млрд параметров, дообученная на основе Qwen/Qwen3-4B-Instruct-2507 методом обучения с подкреплением по проверяемым наградам (RLVR). Для обучения использован набор GooseReason-0.7M с задачами по математике, программированию и естественным наукам; модель предназначена для исследовательских и разработческих сценариев рассуждения и следования инструкциям. Модель принимает текст и генерирует текст. Она подходит для решения математических задач, написания и анализа кода, ответов на вопросы по STEM-дисциплинам, логических головоломок и выполнения инструкций. Заявленная длина контекста — до 262 144 токенов; в метаданных указан английский язык. README сообщает о сравнительных результатах на 15 тестах, охватывающих математику, программирование, STEM, следование инструкциям и логические задачи. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Авторы позиционируют её для исследований и разработки; опубликованные результаты бенчмарков сами по себе не гарантируют качество на произвольных запросах.

OpenThinker2-7B — языковая модель с открытыми весами, разработанная командой OpenThoughts. Она дообучена на Qwen/Qwen2.5-7B-Instruct на наборе OpenThoughts2-1M и содержит 7,1 млрд параметров. Модель построена на архитектуре Qwen2 и доступна в формате Safetensors; контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалогов с акцентом на рассуждения, в частности при решении математических задач и задач на программирование. В README приведены результаты оценивания на математических и научных бенчмарках, а также LiveCodeBench; модель позиционируется как конкурентоспособная среди открытых моделей класса 7B. Она может быть полезна для обучения, экспериментов и создания приложений, которым нужны ответы с рассуждениями. Модель использует интерфейс чата и поддерживает интерфейс вызова инструментов. Данные не подтверждают отдельную языковую специализацию, поэтому язык применения следует выбирать с учётом возможностей базовой Qwen2.5-7B-Instruct. Лицензия — Apache 2.0.

Карточка модели Openintelligent123/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.

QuantSafe Refusal ModernBERT — компактный англоязычный классификатор, разработанный для QuantSafe Certifier на основе answerdotai/ModernBERT-base. Модель дообучена различать семантические отказы и ответы, выполняющие запрос: метка 1 означает отказ, метка 0 — соответствие запросу. Она принимает текст и выдаёт классификационную метку. Модель предназначена для проверки ответов языковых моделей на наличие отказа. В README сообщается о сбалансированном обучающем наборе из 37 934 пар «запрос — ответ» WildGuardMix и внешней проверке на 441 однозначном ответе GPT-4 из XSTest; на этом тесте указана точность 0,9773 и F1 отказов 0,9760. Архитектура ModernBERT — encoder-only классификатор последовательностей; размер составляет 149 млн параметров, контекст — до 8192 токенов. Репозиторий использует safetensors и библиотеку Transformers. Это детектор отказов, а не универсальный классификатор вредоносности. Результат следует использовать как сигнал для проверки, а не как самостоятельное решение о безопасности. Лицензия — Apache-2.0.

UI-R1-E-3B — компактная модель для определения элементов интерфейса на скриншотах и предсказания действий GUI-агента. Она разработана в рамках работы UI-R1: Enhancing Action Prediction of GUI Agents by Reinforcement Learning и основана на Qwen/Qwen2.5-VL-3B-Instruct; метаданные указывают на дообучение этой базовой модели. Архитектура — плотная мультимодальная Qwen2.5-VL с 3,1 млрд параметров, контекстом до 128 000 токенов и обработкой изображений. Модель принимает скриншот и текстовую команду, например, просьбу нажать определённую кнопку, и выдаёт действие с координатами. В README описан сценарий клика по элементам мобильных, настольных и веб-интерфейсов, а также приведены оценки на бенчмарках GUI-grounding. Метаданные также отмечают интерфейс вызова инструментов, но карточка не описывает отдельные инструменты или полный набор поддерживаемых действий. Модель распространяется по лицензии MIT. Она рассчитана на английский язык, указанный в метаданных карточки. Результаты зависят от масштаба изображения: README предписывает пересчитывать координаты с учётом изменения размера скриншота; приведённый пример запроса описывает действие click.

Qwen-3-Nemotron-32B-Reward — модель оценки вознаграждения от NVIDIA на базе Qwen3-32B. Она анализирует диалог пользователя и ассистента и выдаёт одно числовое значение: более высокий балл означает более качественный ответ в рамках данного диалога. Баллы нельзя напрямую сравнивать для несвязанных запросов. Модель предназначена для ранжирования ответов LLM, оценки их качества и использования в пайплайнах обучения или проверки моделей. По результатам RM-Bench и JudgeBench, приведённым в карточке, она показывает сопоставимые с некоторыми моделями на 70 млрд параметров результаты при меньшем размере. Архитектура — плотный трансформер Qwen3 для классификации последовательностей, около 29,7 млрд параметров; метаданные указывают контекст до 40 960 токенов. В README заявлены входной предел 128 тыс. токенов, но обучение проводилось на диалогах длиной до 8 тыс. токенов. Модель принимает текст и выдаёт числовую оценку; обучение проводилось на предпочтениях людей из набора HelpSteer3. Карточка заявляет готовность к коммерческому и некоммерческому использованию, но метаданные указывают лицензию «other», поэтому перед использованием следует проверить условия NVIDIA. Для запуска требуются значительные ресурсы: README рекомендует GPU-систему и около 120 ГБ дискового пространства.

Regulus-Qwen3-R1-Llama-Distill-1.7B — компактная языковая модель на 1,7 млрд параметров, разработанная на базе Qwen/Qwen3-1.7B. Её дообучили на наборе Magpie-Align/Magpie-Reasoning-V2-250K-CoT-Deepseek-R1-Llama-70B с использованием дистиллированных рассуждений DeepSeek-R1-Llama-70B. Модель использует плотную архитектуру Qwen3 и предназначена для генерации текста; заявленная длина контекста — 40 960 токенов. Модель рассчитана на пошаговые рассуждения в математике, программировании и естественных науках, а также на объяснение алгоритмов и помощь в обучении. Она может формировать ответы в LaTeX, Markdown, JSON и табличном виде и ориентирована на эффективное развёртывание на GPU среднего уровня и в локальной инфраструктуре. Поддержка английского указана в метаданных; базовая Qwen3 — многоязычная модель. Лицензия — Apache-2.0. По описанию модели, дистиллированные рассуждения могут быть проще, чем у исходной модели-учителя; модель не оптимизирована для непринуждённых диалогов или творческого письма, а длинные кодовые базы и наборы документов могут выходить за пределы её возможностей.

Maksim-KOS/sft-qwen3-14b-flags — дообученная на Qwen3-14B модель-судья для оценки ответов виртуального ассистента по методологии LAP++ V7. Она принимает вопрос клиента, контекстные пассажи и ответ ассистента, затем выдаёт структурированные флаги и две итоговые метки: достижение цели диалога (gcr: present, partial или absent) и соответствие продуктовому видению (product_vision: present или absent).