II.4Отладка, тестирование и качество ПО

Jedi-3B-1080p — мультимодальная модель xlangai для анализа пользовательских интерфейсов и grounding элементов управления на скриншотах. Она основана на Qwen2.5-VL-3B-Instruct и представлена в работе «Scaling Computer-Use Grounding via User Interface Decomposition and Synthesis». Модель принимает изображения интерфейсов и текстовые инструкции, а в ответ формирует текст, помогающий агенту определить нужный элемент интерфейса. Архитектура — плотная Qwen2.5-VL с 3,1 млрд параметров; контекст — до 128 000 токенов. README рекомендует запуск через vLLM и соблюдение шаблона computer-use agent для Qwen2.5-VL, а также внимательный выбор размера изображения. Модель опубликована под лицензией Apache-2.0.

M2H AI UnSensored 8B — разговорный ИИ-ассистент, созданный Prince Kumar из M2H Web Solution на основе Dolphin 2.9 Llama 3 8B. Это дообученная модель семейства Llama 3 с архитектурой Meta Llama 3; репозиторий содержит GGUF-версию для локального запуска через Ollama и совместимые инструменты. Размер базовой модели — 8 млрд параметров. Модель предназначена для помощи в программировании и веб-разработке, работе с API и Linux, а также для задач кибербезопасности. Она поддерживает диалог и позиционируется автором как модель с менее ограниченными ответами. В карточке указан английский язык; максимальная длина контекста не приведена. Для запуска автор рекомендует локальную среду, совместимую с GGUF, и указывает минимум 16 ГБ оперативной памяти и видеокарту RTX 3050 с 6 ГБ памяти. Модель распространяется на условиях лицензии Meta Llama 3; использование должно соответствовать её условиям и применимому законодательству. Ответы модели могут быть неточными, особенно в задачах кибербезопасности и при выдаче инструкций для командной строки, поэтому результаты требуют проверки.

HA-Siala/Mamba-full-v0.2 — дообученная языковая модель на архитектуре Mistral с 7,1 млрд параметров, предназначенная для анализа кода на Mamba. Она выявляет недостатки в коде и предлагает его рефакторинг, помогая при проверке и улучшении реализаций Mamba. Модель принимает текст и генерирует текстовые ответы. Контекст составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. В README также указано, что набор данных и исходный код исследования доступны в официальном репозитории GitHub.

MiMo-VL-7B-RL — мультимодальная языковая модель Xiaomi для понимания изображений и текста, разработанная на архитектуре Qwen2.5-VL. Она сочетает визуальный ViT-энкодер, MLP-проектор и языковую модель MiMo-7B; размер модели — 7 млрд параметров, контекст — до 128 000 токенов. Модель принимает изображения и текстовые запросы и формирует текстовые ответы. Модель предназначена для визуальных вопросов и ответов, мультимодальных рассуждений, распознавания деталей и привязки объектов к областям изображения, а также понимания интерфейсов GUI. Версия RL получена постобучением с подкреплением по сигналам качества восприятия, grounding, логического рассуждения и предпочтений. В README также описано обучение на текстовых, визуальных и видеоданных, однако метаданные подтверждают задачу image-text-to-text, поэтому поддержка видео как входа здесь не заявляется. Модель совместима с Qwen2_5_VLForConditionalGeneration и библиотекой Transformers. Лицензия — MIT.

NbAiLab подготовила эту бета-модель распознавания норвежской речи на основе Qwen3-ASR-0.6B. Чекпойнт взят из обучения `lunde03-verbatim` и предназначен для оценки и тестирования интеграций с пакетом `qwen-asr`, в том числе для локальной транскрибации, пакетной обработки аудио и проверки серверного развертывания. Модель принимает аудио и выдаёт распознанный текст. Карточка описывает её как промежуточный бета-чекпойнт: точность распознавания, форматирование и характеристики работы могут меняться, а результаты пока предварительные. Лицензия указана как `other`; условия использования следует сверить с правообладателем перед развертыванием.

OpenCUA-72B — открытая мультимодальная модель-компьютерный агент, разработанная командой xlangai на основе Qwen2.5-VL-72B-Instruct и дообученная для управления графическим интерфейсом. Она анализирует скриншоты и историю экранов, планирует многошаговые действия и выдаёт команды с абсолютными координатами для работы в компьютерной среде. Модель предназначена для автоматизации задач в Ubuntu, Windows и macOS, распознавания элементов интерфейса и привязки действий к их расположению на экране. В README заявлены обработка до трёх скриншотов истории и результаты оценок на бенчмарках OSWorld-Verified и UI-Vision. Для развёртывания автор рекомендует vLLM; указанная конфигурация для 72B использует восемь GPU. Модель принимает текстовые инструкции и изображения экранов, а выдаёт текст с планом и исполняемыми действиями. Для преобразования предсказанных координат может потребоваться учёт smart resize в предобработке Qwen2.5-VL. Карточка указывает лицензию MIT. Практическая производительность зависит от среды исполнения и интеграции с компьютерным агентом; заявленные результаты бенчмарков не гарантируют успешного выполнения произвольных задач.

OS-Atlas-Base-4B — мультимодальная модель для GUI-агентов, разработанная авторами проекта OS-Atlas и дообученная на базе OpenGVLab/InternVL2-4B. Она предназначена для привязки элементов графического интерфейса к визуальному представлению экрана: модель принимает изображение интерфейса и текстовый запрос, а затем помогает определить нужный элемент для дальнейшего взаимодействия агента с приложением. Архитектура — плотная InternVLChatModel; веса опубликованы в формате safetensors, работа предусмотрена через Transformers. Модель рассчитана на GUI grounding, а не на генерацию последовательности действий: для одношаговых действий авторы выделяют отдельную модель OS-Atlas-Pro. Метаданные также указывают поддержку диалога и задач image-text-to-text и text-generation. Репозиторий заявляет лицензию Apache-2.0. Размер 4B относится к названию модели и её базовой модели; точное число параметров и длина контекста в предоставленных данных не приведены.

google/pix2struct-screen2words-large — крупная модель семейства Pix2Struct, разработанная Google. Это визуально-языковая модель с кодировщиком изображений и декодером текста, предназначенная для ответов на вопросы по изображениям экранов и пользовательских интерфейсов. Семейство Pix2Struct предварительно обучалось разбирать замаскированные скриншоты веб-страниц в упрощённый HTML; модель принимает изображение и формирует текстовый ответ. Pix2Struct рассчитана на задачи визуального понимания, включая визуальные вопросы и ответы, и использует представление изображений с переменным разрешением. В метаданных указана поддержка английского, французского, румынского и немецкого языков. Репозиторий содержит веса PyTorch. Модель распространяется по лицензии Apache-2.0.

unsloth/Qwen2.5-Coder-0.5B-Instruct-bnb-4bit — 4-битная версия модели Qwen2.5-Coder-0.5B-Instruct, разработанной командой Qwen и опубликованной Unsloth. Это компактная каузальная языковая модель, ориентированная прежде всего на генерацию, анализ и исправление программного кода, а также на сценарии разработки и создания code agents. В README указан английский язык; сведения о поддержке других языков отсутствуют. Модель содержит около 0,49 млрд параметров, из которых 0,36 млрд являются неэмбеддинговыми, и поддерживает контекст до 32 768 токенов. Архитектура использует RoPE, SwiGLU, RMSNorm, смещения в QKV-проекциях внимания и связанные эмбеддинги слов; применяются 24 слоя и Grouped-Query Attention с 14 головами для Q и 2 для KV. Суффикс bnb-4bit указывает на 4-битное представление, предназначенное для снижения требований к памяти при запуске. Сильными сторонами являются малый размер, длинный контекст и специализация на задачах программирования при возможности использования в ресурсно-ограниченных средах. Ограничениями выступают существенно меньшая ёмкость по сравнению с крупными моделями семейства, отсутствие приведённых в README подробных метрик для данной версии и неуказанные требования к аппаратному обеспечению. В README также присутствует предупреждение не использовать базовые языковые модели для диалогов без дополнительного постобучения, однако карточка данной модели обозначена как Instruct. Лицензия — Apache-2.0.

Qwen3.8-27B-OBLITERATED — языковая модель для генерации текста на базе Qwen/Qwen3.8-27B, разработанная сообществом OBLITERATUS. Модель модифицирована методом abliteration: из весового пространства удалены направления, связанные с отказами и защитными отступлениями. Она предназначена для локального текстового и кодового взаимодействия, исследовательских задач, red-team-тестирования, агентных сценариев и генерации ответов без типичных отказов на ограниченные запросы. Модель относится к семейству Qwen3, имеет размер 27B параметров и поддерживает текстовую генерацию. Заявлены режимы с рассуждением и без него, а также совместимость с форматами GGUF, Safetensors и MLX. Для версии V3 указана оценка MMLU 82,3% против 84,5% у исходной модели; по данным автора, она сохраняет близкие к базовой модели возможности, но теряет около 2,1 процентного пункта качества. Для стабильной работы рекомендуются температура 0, repetition_penalty 1,15 и не менее 2048 новых токенов; системный промпт лучше не задавать. Сильная сторона модели — снижение числа жёстких отказов и безопасностных отступлений при сохранении высокой способности к генерации кода и работе в агентных сценариях. Ограничения включают некоторое снижение качества относительно исходной Qwen3.8-27B, склонность к зацикливанию без repetition_penalty и возможное увеличение длины ответов в режиме рассуждения. Длина контекста и перечень поддерживаемых языков в README не указаны. Модель распространяется по лицензии Apache-2.0.

ANAH-20B — модель OpenCompass на базе InternLM2-20B, дообученная на наборе данных ANAH для выявления и разметки галлюцинаций в ответах больших языковых моделей. Она предназначена для анализа ответа LLM и аннотирования содержащихся в нём галлюцинаций; для работы требуется использовать формат промпта из исследовательской статьи проекта. Модель имеет плотную архитектуру InternLM2ForCausalLM, около 19,3 млрд параметров и контекст длиной 32 768 токенов. Она принимает текст и выдаёт текстовую классификацию или аннотацию. Доступна в формате safetensors для Transformers. Лицензия — Apache-2.0.

AraCode-7B — специализированная языковая модель для генерации и объяснения кода на арабском языке, представленная разработчиком как открытая модель. Она также предназначена для отладки, перевода инструкций на естественном языке в код и выполнения строгих инструкций по формату ответа. Модель построена на плотной архитектуре Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов; метаданные указывают поддержку арабского и английского языков, чат-возможности и интерфейс вызова инструментов. В README приведены результаты собственных тестов генерации кода, объяснения, отладки и следования инструкциям, однако методика и независимая проверка этих оценок не описаны. Метаданные указывают формат safetensors, тогда как README озаглавлен как AraCode-7B-GGUF и описывает запуск через инструменты GGUF. Лицензия репозитория — Apache-2.0. Модель ориентирована на программирование с арабоязычным взаимодействием; заявленные результаты не гарантируют корректность или исполнимость каждого ответа.

Composer 2.5 × Fable 5 v1 — дообученная Yuxin Lu модель Google Gemma 4 12B Instruct для генерации кода на Python. Она обучена на задачах с проверяемыми решениями: примеры включают рассуждения о граничных случаях, сложности и подходе, а корректность решений проверялась запуском тестов. Модель работает через Transformers и использует архитектуру Gemma4Unified; опубликованы полноточные веса safetensors в формате bf16, а заявленная длина контекста составляет 256K токенов. Модель предназначена для решения алгоритмических и функциональных задач на Python, генерации исполняемого кода и дальнейшего дообучения или создания квантованных сборок. Она ориентирована прежде всего на англоязычные запросы и код. По README, отказы у неё встречаются реже, чем у базовой модели, а защитное выравнивание ограничено; общеобразовательные факты и числа рекомендуется перепроверять. Лицензия — Apache 2.0.

Aletheia-Bench/GRPO-Think-14B-8k — плотная языковая модель на архитектуре Qwen2 объёмом 14 млрд параметров, разработанная проектом Aletheia-Bench. Это дообученная версия DeepSeek-R1-Distill-Qwen-14B, обученная методом GRPO с проверяемыми наградами, отрицательными примерами и промежуточными рассуждениями; при обучении использовался бюджет генерации до 8 тысяч токенов. Модель принимает условие задачи по программированию и несколько вариантов решения, затем оценивает и ранжирует решения по корректности. Модель предназначена для автоматической проверки кода, сравнения кандидатных решений и использования в качестве функции вознаграждения при оптимизации генерации кода. В README описаны эксперименты на задачах соревновательного программирования; обучающие примеры включают код на Python, C++ и Java. Контекст модели по метаданным — 131 072 токена. Веса доступны в формате Safetensors, библиотека — Transformers. Лицензия CC-BY-NC-SA-4.0 допускает использование с указанием авторства, некоммерческое распространение и распространение производных на тех же условиях. Ограничения: модель ориентирована на проверку и ранжирование решений для задач программирования, а README не приводит численных результатов качества или гарантий корректности оценок.

Grug 35B A3B — экспериментальная компактная донастройка модели Qwen/Qwen3.6-35B-A3B, созданная автором репозитория. Это текстовая MoE-модель для генерации ответов и диалогов, настроенная выдавать короткие, насыщенные рассуждения с сохранением ограничений, вычислений, проверок и важных граничных случаев. По карточке, в архитектуре 35 млрд параметров, из которых примерно 3 млрд активируются на токен; используются 40 текстовых слоёв, 256 экспертов и до 8 маршрутизируемых экспертов вместе с общим экспертным путём. Нативная длина контекста — 262 144 токена. Модель обучена с помощью QLoRA/PEFT LoRA и опубликована со слитыми весами в формате Transformers/safetensors; отдельный адаптер для загрузки не требуется. В обучении использованы наборы для общего рассуждения, математики и программирования. По README, обучение было небольшим, а проверка ограничивалась локальными smoke-тестами, поэтому качество не подтверждено широкими бенчмарками. Модель может чрезмерно сокращать объяснения в задачах, где нужны длинные выводы, и наследует ограничения базовой модели. Лицензия репозитория — Apache-2.0.

Hemlock-Apothecary-7B-GRPO-e3 — дообученная методом GRPO модель на базе hemlang/Hemlock-Apothecary-7B, разработанная для генерации и решения задач по программированию с проверкой выполнения кода. Это плотная причинная языковая модель архитектуры Qwen2 с 7,1 млрд параметров и контекстом 32 768 токенов; доступны веса Safetensors и квантованный вариант GGUF Q8_0. Обучение проводилось с LoRA на датасете hemlang/hemlock-codex3-SFT с наградой за успешное выполнение кода. Модель рассчитана на сценарии, где можно сгенерировать несколько вариантов решения и проверить их интерпретатором. В приведённом бенчмарке pass@5 составил 71,1% против 68,4% у базовой модели, тогда как pass@1 ниже: 52,6% против 60,5%. Поэтому она подходит для перебора кандидатов с автоматической проверкой, но менее надёжна при генерации единственного ответа. Лицензия — Apache-2.0.

Holotron4-30B-A3B — мультимодальная модель для работы с графическими интерфейсами, разработанная H Company на основе NVIDIA Nemotron 3 Nano Omni. В связке с управляющей оболочкой hai-agents она получает скриншоты и результаты инструментов и может запрашивать клики, ввод текста, выполнение кода и вызовы инструментов. Модель предназначена для автоматизации GUI-сценариев и работы в средах с MCP-инструментами, API или песочницей для кода. В README указано, что она улучшает результаты базовой модели на GUI-задачах и в таких средах. Архитектура относится к NemotronH Nano Omni; доступны веса BF16 и FP8. Метаданные указывают поддержку чата и интерфейса вызова инструментов, а задача автора image-text-to-text. Лицензия указана как other, поэтому конкретные условия использования следует сверить с карточкой модели. Результат зависит от управляющей оболочки и подключённых инструментов: модель сама по себе не исполняет клики или код.

aysinghal/ide-code-retrieval-qwen3-0.6b-inbatch — модель Sentence Transformers, дообученная на базе Qwen/Qwen3-Embedding-0.6B для поиска исходного кода в IDE. Она кодирует запросы на естественном языке, например сообщения коммитов, описания ошибок и функций, и документы с кодом в общее пространство эмбеддингов; релевантность оценивается косинусным сходством. Размер модели — 507,6 млн параметров, размерность нормализованных эмбеддингов — 1024. Метаданные указывают контекст до 32 768 токенов, тогда как в README заявлена максимальная длина последовательности 1024 токена. Модель обучена на датасете code-retrieval-training-dataset с явными трудными отрицательными примерами и дополнительными внутрипакетными отрицательными примерами. Она предназначена для индексации файлов или функций и поиска ближайших по смыслу фрагментов к запросу на естественном языке. Это промежуточный чекпойнт на шаге 9000 из 9150; качество может отличаться от более позднего чекпойнта. В README отмечено, что длинные файлы обрезаются и обобщение на разные языки программирования и стили запросов может быть ограничено. Лицензия — Apache-2.0.

OneJev-27B — мультимодальная модель принятия решений от OmniJev, созданная полным дообучением Qwen/Qwen3.8-27B на 99 193 вопросах из реальных запусков агентов, видео и изображений. Она принимает скриншоты, фотографии, видео или обычный текст вместе с вопросами и за один проход выдаёт калиброванную вероятность для каждого варианта ответа. Модель предназначена для оценки вариантов и принятия решений по визуальным и текстовым данным, в том числе в сценариях с агентами и пользовательскими интерфейсами. Архитектура — плотная мультимодальная Qwen3.5 с 27 млрд параметров; заявленный формат весов — safetensors. В README приведён замер: на одном H200 обработка одного вопроса по скриншоту 1280×720 занимает 189 мс, а десяти вопросов в одном запросе — 324 мс суммарно. В тестировании использовались вопросы типов, отсутствовавших в обучении, однако карточка не приводит численных результатов точности. Лицензия — Apache-2.0. Для запуска README указывает сервер qev с интерфейсом System One API и полем media для изображений и видео.

Ornith-1.5-9B-uncensored — опубликованная junafinity версия модели Ornith-1.5-9B от Ornith AI с ослабленным отказным поведением. Это плотная модель семейства Qwen3.5 примерно на 9 млрд параметров; весовой чекпойнт в формате Safetensors и bf16. Сохраняет возможности чата и обработки изображений, включая генерацию описаний по изображению. Модель предназначена прежде всего для контролируемого red teaming и исследований защитной кибербезопасности: оценки возможностей базовой модели, тестирования фильтров, классификаторов и защиты от инъекций, а также подготовки примеров для детекторов злоупотреблений. Изменение весов выполняет ZeroFuse: по описанию автора, оно направлено на снижение отказов при малом изменении поведения на безвредных запросах. Автор сообщает, что на тестовом наборе отказов стало 0 из 64 вместо 9 из 64, однако часть отказов может сохраняться, в частности при многоходовом диалоге, системных инструкциях и запросах через зрительный канал. Для публичного развёртывания README требует независимый слой модерации и рекомендует сравнивать результаты с базовой моделью. Лицензия — Apache-2.0.

PhAI-IDE-72B — специализированная языковая модель для научного программирования и работы с инструментами, разработанная командой PhAI-IDE. Она дообучена методом supervised fine-tuning на траекториях Codex из ScienceIDE; основа — Qwen/Qwen2.5-72B-Instruct. Модель построена на плотной архитектуре Qwen2 и содержит 71,5 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в виде весов BF16 в формате Safetensors с объединённым LoRA-адаптером. Модель предназначена для диалоговой помощи при работе с научным кодом, вызова инструментов и исправления кода в научных проектах. В README приведены результаты семейства PhAI-IDE на бенчмарках научного ремонта кода и отдельных задачах рассуждения, однако сопоставимых результатов именно для версии 72B не указано. Для запуска требуются значительные ресурсы: только веса занимают около 145,41 ГБ, кроме того нужна память для выполнения и KV-кэша. Лицензия указана как Qwen; условия следует проверять по лицензии базовой модели и карточке репозитория.

jubaerrr/Qwen2.5-Coder-0.5B-Instruct-Gensyn-Swarm-screeching_iridescent_butterfly — компактная instruction-tuned causal language model, опубликованная пользователем jubaerrr и основанная на семействе Qwen2.5-Coder, разработанном командой Qwen компании Alibaba Cloud. По идентификатору модели и доступным сведениям, она представляет собой вариант Qwen2.5-Coder-0.5B-Instruct, дообученный в рамках Gensyn Swarm. Модель предназначена прежде всего для генерации, понимания и исправления программного кода, а также для диалогового выполнения инструкций, связанных с программированием. Она использует архитектуру Transformer и содержит около 0,5 млрд параметров; поддерживает текстовую генерацию и контекст до 32 768 токенов. Компактный размер облегчает запуск в ограниченных по ресурсам средах, но предполагает более слабые возможности по сравнению с крупными моделями, особенно на сложных задачах программирования. Точный набор языков, результаты оценки, ограничения безопасности и лицензия для этого производного варианта в доступных источниках не указаны.

Это экспериментальная квантизированная версия Qwen2.5-Coder-32B-Instruct, подготовленная автором репозитория tzervas. Модель сохраняет архитектуру Qwen2 плотностью 32 млрд параметров и предназначена для генерации кода в диалоговом и инструктивном режиме, а также для анализа и исправления кода. Указанный размер контекста — 32 768 токенов; в карточке заявлена поддержка английского и китайского языков. Веса квантизированы до троичных значений {-1, 0, +1} с групповым масштабированием и упаковкой четырёх значений в байт. Репозиторий содержит SafeTensors и экспериментальный GGUF TQ2_0; основной заявленный формат — SafeTensors. Для троичных весов требуется специальная среда выполнения, обычный Transformers их не поддерживает. Качество не проходило формальную оценку и может заметно уступать исходной модели; автор не рекомендует использовать её в production без предварительной проверки. Лицензия — Apache-2.0.

Qwen3-Yoyo-V3-42B-A3B-Thinking-TOTAL-RECALL-ST-TNG-III — экспериментальная донастройка DavidAU на основе YOYO-AI/Qwen3-30B-A3B-YOYO-V3, с выборочным обучением слоёв на внутреннем наборе данных по сериалу «Звёздный путь: Следующее поколение». Модель предназначена для генерации кода и программирования, а также для диалогов и задач общего назначения; тематика TNG добавляет ей специализированные знания и стиль в этой области. Это причинная языковая модель семейства Qwen3 MoE: в README указаны 42 млрд параметров, 67 слоёв и 128 экспертов с активацией 8; метаданные каталога указывают 3,5 млрд параметров, поэтому фактический размер по этим источникам расходится. Заявленное контекстное окно — до 1 млн токенов. Модель поддерживает режим «мышления», который, согласно README, можно включить системным промптом. Карточка указывает английский, французский, китайский и немецкий языки, но не описывает их уровень поддержки. Репозиторий содержит веса Safetensors и исходную версию для непосредственного использования или конвертации в другие форматы. Лицензия — Apache-2.0. Автор характеризует обучение как экспериментальное и советует выбирать число активных экспертов и параметры генерации под задачу; результаты бенчмарков в карточке представлены как сравнительный обзор серии, а не как независимая оценка качества этой версии.

Это экспериментальный чекпойнт языковой модели Qwen3-4B, созданный командой agurung методом обучения с подкреплением GRPO на базе Qwen/Qwen3-4B-Instruct-2507. Модель предназначена прежде всего для генерации кода и решения задач программирования: награда при обучении зависела от того, проходил ли созданный программный код тесты. Чекпойнт сохранён на шаге 36; в описанном запуске он показал лучший результат по pass@8, однако численные метрики оценки не приведены. Модель имеет плотную архитектуру Qwen3ForCausalLM, около 3,7 млрд параметров и контекст до 262 144 токенов. Она принимает текст и генерирует текст, включая программы. В обучении использовались задачи из набора cobalt-train; README не уточняет языки программирования или естественные языки. Файлы опубликованы в формате safetensors, библиотека загрузки — Transformers. Лицензия в предоставленных данных не указана.

Карточка модели nypswift/gemma-4-12b-coder-fable5-composer2.5-mlx на Hugging Face совпадает с карточкой mlx-community/gemma-4-12b-coder-fable5-composer2.5, поэтому описание составлено по ней. Это неквантованная версия модели Gemma-4-12B-Coder, преобразованная сообществом mlx-community в формат MLX для локального запуска на компьютерах Apple Silicon с библиотекой mlx-lm. Модель основана на дообученной yuxinlu1/gemma-4-12B-coder-fable5-composer2.5-v1; архитектура — плотная Gemma 4 Unified с 12 млрд параметров. Модель предназначена для диалоговой генерации кода и решения задач программирования. Карточка базовой модели указывает на алгоритмические задачи на Python и генерацию кода, проверенного тестами. Добавленный Jinja-шаблон чата помогает форматировать диалоги для инференса через mlx-lm. Версия в этом репозитории не квантована и ориентирована на локальный инференс на Apple Silicon. Лицензия — Apache-2.0. Доступные сведения не описывают длину контекста, поддержку конкретных языков программирования помимо Python в назначении базовой модели, а также количественные результаты оценки качества.

Holo2-8B — мультимодальная модель для управления цифровыми интерфейсами, разработанная H Company. Она дообучена на базе Qwen/Qwen3-VL-8B-Thinking и принимает изображения экранов и текстовые инструкции, чтобы распознавать элементы интерфейса, рассуждать о содержимом и предлагать действия для выполнения многошаговых задач в браузере, на компьютере и мобильных устройствах. Модель относится к семейству Qwen3-VL и использует плотную архитектуру; размер — 8 млрд параметров. Обучение включало контролируемую настройку на данных понимания интерфейсов и предсказания действий, а затем онлайн-обучение с подкреплением. В README приведены результаты на WebVoyager, WebArena, OSWorld и AndroidWorld, а также бенчмарках локализации элементов экрана. Holo2-8B предназначена для навигации и выполнения задач в графических интерфейсах, включая поиск и привязку кнопок, полей и ссылок. Это основа для агентов компьютерного управления; модель сама по себе не гарантирует безопасное или успешное выполнение действий во всех приложениях и средах. Контекстное окно в предоставленных данных не указано. Лицензия — Apache 2.0.

Holo-3.1-35B-A3B-FP8 — мультимодальная vision-language модель компании H Company для создания агентов, способных взаимодействовать с компьютером. Она предназначена для навигации и автоматизации действий в веб-браузерах, настольных и мобильных средах, включая работу с графическими интерфейсами, UI grounding, мобильную автоматизацию и бизнес-процессы. Модель поддерживает нативный function calling для интеграции с агентскими фреймворками и рассчитана на локальное развертывание. Модель относится к семейству Holo3.1 и основана на моделях семейства Qwen 3.5. Вариант Holo-3.1-35B-A3B-FP8 использует архитектуру Mixture-of-Experts с 35 млрд параметров и доступен в квантизованном формате FP8. Входные модальности включают текст и изображения, а заявленный язык — английский. Точный размер контекстного окна в README не указан. К сильным сторонам относятся поддержка нескольких типов компьютерных сред, специализированность для задач computer use и GUI-агентов, function calling и возможность эффективного локального запуска на совместимом оборудовании. README заявляет высокую производительность в задачах компьютерного управления, мобильной автоматизации, корпоративных рабочих процессах и сопоставлении элементов интерфейса, однако числовые результаты тестов не приведены в текстовом виде. Ограничениями являются зависимость качества от конкретной среды и агентской интеграции, а также отсутствие подробных данных о контекстном окне, требованиях к ресурсам и известных ограничениях. Модель распространяется по лицензии Apache 2.0.

Holo3.1-9B — мультимодальная модель H Company для агентной работы с графическими интерфейсами. Она основана на семействе Qwen 3.5 и предназначена для управления браузером, настольными и мобильными приложениями, автоматизации бизнес-процессов и привязки действий к элементам интерфейса. Модель принимает текст и изображения и генерирует текстовые ответы, включая вызовы функций для интеграции с агентными системами. В карточке указана архитектура Qwen3_5ForConditionalGeneration и формат весов Safetensors; метаданные связывают модель со слиянием нескольких базовых моделей Qwen 3.5. В карточке описано семейство размеров от 0,8 до 35 млрд параметров, но отдельный размер этого чекпойнта не подтверждён метаданными. Указана лицензия Apache 2.0. Заявления о высокой производительности сопровождаются упоминанием бенчмарков, но численные результаты в доступном тексте не приведены.

Jan-v2-VL-high — мультимодальная модель с 8 млрд параметров, разработанная Jan и дообученная на базе Qwen/Qwen3-VL-8B-Thinking. Вариант high рассчитан на более глубокие рассуждения и предназначен для многошагового выполнения задач в браузерах и настольных приложениях: модель интерпретирует скриншоты, следует сложным инструкциям, сохраняет промежуточное состояние и восстанавливается после небольших ошибок. Вызовы инструментов позволяют использовать её в агентных сценариях управления интерфейсом. Модель сохраняет результаты базовой модели на стандартных текстовых и визуальных задачах и, согласно карточке, улучшает выполнение длинных цепочек действий на бенчмарке The Illusion of Diminishing Returns. Она принимает текст и изображения и выдаёт текст; в карточке указана английская локализация. Для использования доступны интеграция с Jan App и запуск через vLLM. Лицензия — Apache-2.0.