II.4Отладка, тестирование и качество ПО

Olmo 3 7B RL-Zero Mix — англоязычная авторегрессионная Transformer-модель для генерации текста, разработанная Allen Institute for AI (Ai2). Модель дообучена методом обучения с подкреплением на проверяемых вознаграждениях (RLVR) на наборе Dolci-RLZero-Mix-7B, включающем задачи по математике, программированию и следованию инструкциям. Она предназначена для экспериментального изучения RLVR и решения задач рассуждения, математики и кода. Модель содержит 6,9 млрд параметров, использует архитектуру Olmo2RetrofitForCausalLM и принимает контекст длиной до 65 536 токенов. Работает с текстом через библиотеку Transformers; карточка указывает английский язык. Лицензия Apache 2.0. Это экспериментальная исследовательская модель без фильтрации безопасности: возможны неточные ответы и генерация вредоносного или чувствительного содержания, поэтому результаты следует проверять.

OSim-8B — текстовая постобученная модель для симуляции поведения человека, разработанная группой Carnegie Mellon University Language Technologies Institute (CMU LTI) и опубликованная под идентификатором cmu-lti/osim-8b. Это дообученная версия Qwen/Qwen3-8B с плотной архитектурой Qwen3ForCausalLM и 7,6 млрд параметров; модель принимает текст, поддерживает контекст до 32 768 токенов и выдаёт текст. Её обучали на корпусе OdysSim из 62 поведенческих наборов данных, а затем применяли целевое обучение с подкреплением и консолидацию экспертных данных. Модель предназначена для генерации следующей реплики от лица пользователя или другого участника диалога при заданном социальном контексте: роли, цели, биографии и стиля общения. Её используют для оценки диалоговых и агентных систем, социальной симуляции, моделирования персон и ролевых диалогов. В описанном τ-USI бенчмарке модель показала USI 75,6 на задачах в сферах авиаперевозок и розничной торговли; авторы также отмечают высокую реактивность и калибровку исходов. Модель не ориентирована на поведение полезного ассистента: она имитирует сторону человека или пользователя. Поддержка конкретных языков в карточке не заявлена. Репозиторий распространяется по лицензии MIT.

Jalik разработал Jalik/qwen3-8b-codev-sva-ol-dfs-think — дообученную методом полного параметрического SFT языковую модель Qwen3-8B с архитектурой Qwen3ForCausalLM и 7,6 млрд параметров. Она предназначена для преобразования текстового описания свойства цифрового дизайна и тестбенча в SystemVerilog Assertion (SVA). Модель обучена на 5 000 примерах из CodeV-SVA-datasets. Ответ включает структурированный разбор требования на уровне операторов и завершается одним утверждением assert property; для обучения использовался шаблон чата Qwen3 с включённым режимом reasoning. Карточка сообщает, что обучающие примеры проверялись JasperGold на полную эквивалентность, однако качество самой дообученной модели на бенчмарке не приводится. Модель принимает текст и выдаёт текст с SVA-кодом. Контекстное окно — 40 960 токенов. Обучающие запросы используют testbench с сигналом tb_reset и маркером // TODO: ASSERTION; многоутвержденческие и многотактовые запросы выходят за рамки обучающих данных. Генерируемые утверждения следует проверять формальными средствами. Лицензия — Apache-2.0.

Skywork-Reward-Llama-3.1-8B-v0.2 — модель вознаграждения, разработанная командой Skywork на основе Meta-Llama-3.1-8B-Instruct и дообученная для оценки предпочтительности ответов языковых моделей. Это плотная Llama-архитектура с классификационной головой для последовательностей, около 7,5 млрд параметров и контекстом до 131 072 токенов. Модель присваивает оценки вариантам ответов или диалогам, помогая выбирать более предпочтительный ответ и ранжировать результаты генерации. Её обучали на 80 тысячах пар предпочтений из открытых наборов данных; модель рассчитана на сложные сценарии, включая диалог, математику, программирование и безопасность. В README указано, что версия v0.2 использует очищенный от части пересечений с тестами RewardBench набор данных; авторы рекомендуют её для оценки на RewardBench. Модель предназначена для оценки и ранжирования ответов, а не для генерации текста как основного сценария. Метаданные указывают задачу text-classification. Лицензия в предоставленных данных не указана; авторы просят проводить проверку безопасности перед развёртыванием в интернет-сервисах и запрещают использовать модель для незаконных действий или угроз безопасности.

BatchOnline-GRPO-14B — 14-миллиардная плотная языковая модель семейства Qwen2, разработанная институтом INSAIT как проверяющая модель для программного кода. Она дообучена на наборе INSAIT-Institute/Aletheia-Train от DeepSeek-R1-Distill-Qwen-14B методом полуонлайнового GRPO, при котором политика генератора синхронизируется каждые четыре шага. Модель принимает условие задачи по спортивному программированию и несколько вариантов решения, затем оценивает и ранжирует кандидатов. Модель предназначена для выбора корректного решения среди сгенерированных фрагментов кода, автоматизированной оценки кода и использования в качестве функции вознаграждения при оптимизации генераторов кода. Размер контекста составляет 131 072 токена. Обучающие примеры включают Python, C++ и Java, но модель работает с текстовыми описаниями задач и решений; карточка не подтверждает поддержку естественных языков помимо кодовых данных. Файлы модели опубликованы в формате safetensors. Лицензия CC-BY-NC-SA-4.0 требует указания авторства, распространяет производные работы на тех же условиях и ограничивает коммерческое использование. Модель специализирована на проверке и ранжировании решений задач спортивного программирования; её результаты следует проверять, особенно при переносе на другие языки, типы кода и сценарии, отличные от описанных в карточке.

distil-qwen3-1.7b-posthog-extractor — специализированная языковая модель на 1,7 млрд параметров, разработанная Distil Labs на базе Qwen3-1.7B. Она принимает краткое описание поведения пользователя и возвращает только JSON с обнаруженными ошибками и пробелами пользовательского опыта: указывает тип находки и серьёзность от 1 до 5. Для чистой сессии модель должна вернуть пустой список находок. Модель предназначена для извлечения продуктовых наблюдений из пользовательских сессий в составе аналитического конвейера PostHog. Модель представляет собой дообученную плотную авторегрессионную архитектуру Qwen3ForCausalLM; поддерживает текстовый ввод и генерацию текста, имеет контекст 40 960 токенов. В карточке указаны форматы safetensors и GGUF F16. Дообучение выполнено на платформе Distil Labs на синтетических примерах, расширенных из 25 подготовленных вручную пар; README сообщает о результате 80% на отложенной оценке платформы и о путанице между ошибкой и пробелом UX в неоднозначных случаях. Лицензия — Apache-2.0.

yujiepan/glm-4-moe-lite-tiny-random — экспериментальная крошечная языковая модель, созданная на основе конфигурации zai-org/GLM-4.7-Flash с использованием Transformers. Модель имеет 1,2 млн параметров, архитектуру GLM-4 MoE Lite с двумя основными слоями декодера и поддержкой multi-token prediction; исходные веса заменены случайно инициализированными параметрами. Модель предназначена главным образом для отладки, тестирования совместимости и разработки серверной инфраструктуры вокруг GLM-4.7-Flash, включая Transformers, vLLM и SGLang. Она поддерживает задачу text-generation и контекст до 202752 токенов, однако случайная инициализация делает её непригодной для качественной генерации текста, диалогов, рассуждений или прикладного использования. README не содержит сведений о лицензии модели, поэтому условия коммерческого и иного использования по имеющимся данным определить нельзя. Модель следует рассматривать как технический тестовый артефакт, а не как обученную продуктивную LLM.

Holo4-27B — мультимодальная модель для управления компьютером, разработанная H Company на базе Qwen3.8-27B. Это плотная архитектура с 27 млрд параметров, представленная в BF16; для семейства также заявлены варианты FP8, NVFP4 и Q4 GGUF. Модель принимает скриншоты и результаты работы инструментов, а в ответ формирует текст и запросы на действия: щелчки, ввод текста, запуск кода и вызовы инструментов. Для выполнения действий её используют вместе с оболочкой hai-agents, которая передаёт результаты обратно модели. Модель предназначена для автоматизации задач в графических интерфейсах и многошаговых сценариев на компьютере. В README приведены результаты на OSWorld, OSWorld 2.0 и AutomationBench, а также пример построения 3D-модели в FreeCAD. Опубликованы открытые трассы работы агента. Лицензия CC BY-NC 4.0 разрешает использование на условиях лицензии, включая некоммерческие ограничения.

yujiepan/hy3-tiny-random — экспериментальная сверхмалая авторегрессионная модель для генерации текста, созданная yujiepan на основе конфигурации Tencent Hy3. Модель имеет около 970,5 тыс. параметров, использует архитектуру HYV3ForCausalLM с декодерными слоями, механизмом MoE и поддержкой multi-token prediction. Для работы применяется библиотека Transformers; заявленное окно контекста составляет до 262 144 токенов. Модель предназначена прежде всего для отладки, проверки совместимости и разработки инфраструктуры вокруг Hy3, включая запуск через Transformers, vLLM и SGLang. Она поддерживает сценарии conversational text generation, выбор инструментов и reasoning/tool-call parsers, однако случайная инициализация весов делает её непригодной для содержательной генерации, продуктивного диалога или оценки качества языковой модели. В предоставленных данных лицензия модели не указана.

yujiepan/mistral-v0.3-tiny-random — компактная отладочная модель генерации текста, разработанная пользователем yujiepan на основе конфигурации Mistral-7B-Instruct-v0.3 от Mistral AI. Модель случайно инициализирована и предназначена прежде всего для проверки кода, конфигураций и интеграции с библиотекой Transformers, а не для практического использования в качестве обученной языковой модели. Модель реализует авторегрессионную архитектуру Mistral с двумя скрытыми слоями, размером скрытого представления 8, промежуточным размером 32, четырьмя attention-heads и двумя key-value heads. Она содержит около 264,1 тыс. параметров, поддерживает контекст до 32 768 токенов и используется через библиотеку Transformers для задачи text-generation. README не описывает поддержку конкретных естественных языков. Главное преимущество модели — очень малый размер, удобный для быстрых тестов и отладки без загрузки полноразмерной Mistral-модели. Из-за случайной инициализации веса не содержат выученных языковых знаний, поэтому модель не подходит для качественной генерации, диалогов, следования инструкциям, извлечения фактов или производственного применения. Сведения о лицензии в предоставленных данных отсутствуют.

Multilingual Refusal Classifier — модель классификации текста от agentlans для определения отказов ассистента в диалогах с ИИ. Она различает отказ отвечать по причинам безопасности, ограничений возможностей или политики и содержательный ответ. Модель дообучена на agentlans/multilingual-e5-small-aligned-v2 на наборе agentlans/refusal-classifier-data; архитектура — BERT для классификации последовательностей, размер — 124,3 млн параметров, формат весов — safetensors. Модель предназначена для анализа диалогов и оценки поведения ИИ: выявления отказов, поддержки исследований выравнивания и контроля согласованности ответов на разных языках. Заявлена поддержка многих языков, включая русский; максимальная длина входа — 512 токенов. В README указана точность 0,9153 на тестовых примерах, однако масштаб оценки ограничен десятью примерами, переведёнными со страницы модели NousResearch/Minos-v1. Возможны ложноположительные и ложноотрицательные классификации, особенно при неоднозначных формулировках и на языках с малым объёмом данных; культурные различия в выражении отказа также влияют на результат. README не рекомендует использовать модель для модерации или в производственных системах без контроля человека. Лицензия — MIT.

askalgore/Phi-4-mini-reasoning-heretic — производная версия Phi-4-mini-reasoning от Microsoft, обработанная методом abliteration для снижения частоты отказов. Это компактная трансформерная языковая модель с архитектурой Phi3ForCausalLM, 3,8 млрд параметров и контекстом 4096 токенов; опубликована в формате safetensors и рассчитана на запуск через Transformers. Модель предназначена прежде всего для многошагового математического рассуждения, логических задач, символьных вычислений и генерации формальных доказательств в условиях ограниченных ресурсов. В README приведено сравнение с исходной моделью: частота отказов снизилась с 80 до 14 из 100 запросов, а KL-дивергенция составила 17,38. Модель поддерживает диалог и генерацию кода; основной язык карточки — английский. Лицензия — MIT. Модель ориентирована на математическое рассуждение и не оценивалась для всех возможных прикладных задач. Из-за небольшого размера она может ошибаться в фактах; её ответы следует проверять, особенно в критически важных сценариях.

Qwen3.5-4B Lite.OSWorld + CUAGym SFT — мультимодальная плотная модель семейства Qwen3.5, дообученная разработчиком карточки методом supervised fine-tuning на объединённых данных Lite.OSWorld и CUAGym. Это контрольная точка на базе Qwen/Qwen3.5-4B с архитектурой Qwen3_5ForConditionalGeneration; она принимает текст и изображения и формирует текстовые ответы. Модель предназначена для диалога и выполнения задач управления компьютерным интерфейсом, представленных в обучающих данных. Для обучения использовано 3648 строк SFT-данных; карточка указывает три эпохи обучения. Модель может быть полезна для экспериментов и разработки агентов, взаимодействующих с компьютерными интерфейсами. Лицензия в предоставленных данных не указана.

Qwen3-8B-Critic-SFT — языковая модель-критик на базе Qwen3-8B, разработанная для сопровождения кодирующих агентов. Через заданные интервалы она анализирует историю действий агента и выдаёт краткую структурированную критику: отмечает категории ошибок и подтверждающие их признаки, предлагает шаг восстановления, указывает статус задачи и даёт общую рекомендацию. Модель помогает направлять агента, но не предназначена для написания исправляющего патча. Модель представляет собой плотную Qwen3ForCausalLM с 7,6 млрд параметров и контекстом 40 960 токенов. Она дообучена полным SFT на 6 447 примерах критики для траекторий двух кодирующих агентов; обучение использовало Python-задачи и формат mini-swe-agent. В README сообщается об улучшении доли решённых задач при подключении критика к нескольким агентам на SWE-bench Verified и Multi-SWE-bench. Модель рассчитана на англоязычные текстовые траектории разработки ПО. Её оценивали как вспомогательного критика для других агентов, а не как автономного кодера; надёжность рекомендаций ограничена обучающим распределением и качеством оценок учителя. Лицензия — Apache-2.0.

Skywork/Skywork-Reward-V2-Qwen3-0.6B — компактная модель вознаграждения, разработанная командой Skywork и дообученная на базе Qwen/Qwen3-0.6B. Это плотная модель с архитектурой Qwen3ForSequenceClassification, содержащая 507,9 млн параметров и принимающая текст для оценки качества ответов и предпочтений. Модель относится к семейству Skywork-Reward-V2, обученному на смеси из 26 млн пар предпочтений по Bradley–Terry. Модель предназначена для ранжирования ответов в диалогах и оценки предпочтений, в том числе при сравнении вариантов ответа и в конвейерах оценки языковых моделей. Разработчики сообщают о результатах на нескольких бенчмарках reward-моделей; приведённые общие заявления серии не гарантируют аналогичные результаты на конкретных пользовательских данных. Контекстное окно составляет 40 960 токенов. В метаданных указана лицензия Apache-2.0. README не уточняет языковой охват, поэтому не следует считать модель русскоязычной или многоязычной без отдельной проверки.

UI-TARS-72B-SFT-GGUF — это GGUF-квантизированная версия мультимодальной модели UI-TARS-72B-SFT, разработанной ByteDance Research. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для задач image-text-to-text и взаимодействия с графическими интерфейсами, включая анализ визуального содержимого и работу со сценариями GUI. В README указан английский язык, а также поддержка мультимодального ввода; точный размер контекстного окна не приведён. Модель имеет 72B параметров согласно идентификатору и названию базовой модели. Доступны варианты квантизации от Q8_0 до IQ1_M с размером файлов примерно от 23,74 до 77,26 ГБ. Варианты Q6_K, Q5_K_M, Q5_K_S, Q4_K_M и IQ4_XS отмечены как рекомендуемые, поскольку обеспечивают разумный баланс качества и требований к памяти; более низкие уровни квантизации экономят ресурсы, но снижают качество. Для запуска рекомендуется использовать совместимое ПО на базе llama.cpp, в частности LM Studio. Сильными сторонами являются мультимодальность, ориентация на GUI-сценарии и широкий выбор квантизаций для оборудования с разным объёмом памяти. Ограничения включают высокие требования к памяти даже у наиболее сжатых вариантов, возможное ухудшение качества при низкой битности и отсутствие в README подробностей об архитектуре, контекстном окне, результатах тестирования и поддерживаемых языках помимо английского. Модель распространяется по лицензии Apache-2.0.

Mungert/VibeThinker-1.5B-GGUF — GGUF-версия плотной языковой модели VibeThinker-1.5B, разработанной командой WeiboAI. Модель содержит 1,5 млрд параметров и создана на базе Qwen/Qwen2.5-Math-1.5B. Данный вариант подготовлен с использованием llama.cpp и предназначен для текстовой генерации. Модель ориентирована прежде всего на решение математических задач соревновательного уровня и генерацию кода. Разработчики рекомендуют её для задач, где требуется рассуждение; заявлены результаты на AIME24, AIME25, HMMT25 и LiveCodeBench. Обучение использовало метод Spectrum-to-Signal Principle, объединяющий разнообразие решений на этапе supervised fine-tuning с последующим усилением корректных решений на этапе reinforcement learning. В README также рекомендуется максимальная длина генерации до 40960 токенов, temperature 0.6 или 1.0 и top_p 0.95. Модель демонстрирует высокую эффективность по отношению к размеру: по заявлению разработчиков, при стоимости обучения около 7800 долларов она сопоставима по способности к рассуждению с существенно более крупными моделями. При этом она предназначена для текстовых задач и не заявлена как мультимодальная; указан поддерживаемый язык — английский. Ограничения включают небольшой размер модели по сравнению с крупными системами и специализацию преимущественно на математике и программировании, поэтому качество в общих или иных языковых сценариях может быть ниже. Репозиторий распространяется по лицензии MIT.

yomi-linter-modernbert-ja-130m — модель, разработанная для предварительного обнаружения японских слов и имён, которые могут быть неверно прочитаны системами синтеза речи на основе G2P и словарей, например OpenJTalk, piper-plus и VOICEVOX. Это дообученная на токенную классификацию ModernBERT-Ja-130m с архитектурой ModernBERT и 132,1 млн параметров. Модель отмечает рискованные фрагменты в японском тексте BIO-метками O, B-RISK и I-RISK; контекст составляет 8192 токена. Модель предназначена для проверки текста перед синтезом речи: она может помочь найти неизвестные слова, имена собственные и некоторые специальные термины, которые стоит отдельно проверить или внести в словарь произношений. В описанной оценке recall обнаружения фактических ошибок OpenJTalk составил 71–100% для японских имён собственных и 82% для漢字-терминов, включая медицинские. Модель только обнаруживает рискованные фрагменты: она не назначает правильное чтение и не синтезирует речь. Не проверена для сквозных TTS-систем на основе LLM; некоторые медицинские составные слова ещё пропускаются, а контекстно-зависимые чтения не входят в область версии v1. Лицензия — CC BY-SA 4.0.

ZR1-1.5B — компактная языковая модель Zyphra на архитектуре Qwen2 с 1,5 млрд параметров, дообученная на DeepSeek-R1-Distill-Qwen-1.5B с помощью обучения с подкреплением PRIME и процессных наград. Она предназначена для генерации ответов с рассуждениями, особенно при решении задач по математике и программированию; в обучающую выборку вошли проверенные математические задачи и примеры кода из нескольких наборов данных. Модель поддерживает контекст до 131 072 токенов и рассчитана на англоязычные запросы. В README приведены результаты оценок по математике и программированию, включая pass@1 на задачах GPQA-Diamond, LeetCode и других тестах. Эти показатели получены на конкретных бенчмарках и режимах генерации и не гарантируют аналогичного качества на произвольных задачах. Модель распространяется в формате Safetensors под лицензией MIT.

DNSMOS P.835 и P.808 — модель оценки качества аудио, разработанная Microsoft и адаптированная автором репозитория для работы с PyTorch, torchaudio и Transformers. Она принимает аудиосигнал и выдаёт оценки SIG, BAK, OVRL и P.808, предназначенные для оценки качества речи и шумоподавления. Модель поддерживает обработку отдельных аудиозаписей и дополненных пакетных входов с указанием длины каждой записи. В README приведён пример загрузки через Transformers с `trust_remote_code=True`; данные о лицензии в метаданных обозначены как `other`.

GRPO-Think-14B-16k — языковая модель-верификатор кода, разработанная авторами проекта Aletheia. Она дообучена методом GRPO на DeepSeek-R1-Distill-Qwen-14B с датасетом Aletheia-Train, используя промежуточные рассуждения, отрицательные примеры и обучение на собственных ответах. Модель принимает условие задачи по программированию и несколько вариантов решения, затем определяет и ранжирует кандидатов. Модель содержит 14 млрд параметров, построена на архитектуре Qwen2 и использует контекст до 131 072 токенов. Суффикс 16k обозначает бюджет рассуждений при обучении — максимальную длину завершения 16 000 токенов. В карточке указаны сценарии автоматической оценки кода и использования в качестве функции вознаграждения при оптимизации генераторов кода; набор данных включает решения на Python, C++ и Java. Модель распространяется по лицензии CC BY-NC-SA 4.0, которая ограничивает коммерческое использование и требует соблюдения условий атрибуции и распространения производных материалов. Она предназначена для верификации и ранжирования решений в задачах соревновательного программирования; перенос результатов на другие типы кода или предметные области карточкой не подтверждён.

ImageDoctor — мультимодальная модель для оценки изображений, созданных по текстовым запросам. Она разработана для визуальной диагностики качества генерации: модель анализирует изображение и выдаёт оценки по правдоподобию, соответствию текста изображению, эстетике и общему качеству, а также тепловые карты проблемных областей и объяснение оценки. Модель дообучена на базе Qwen/Qwen2.5-VL-3B-Instruct с применением GRPO и поддерживает диалоговый режим. Размер — 3,1 млрд параметров, длина контекста — 128 000 токенов; карточка указывает английский язык. Основные сценарии — метрика для оценки изображений по тексту, проверка результатов генерации и функция награды в обучении с подкреплением. Лицензия — Apache-2.0. Результаты оценки и локализации дефектов следует считать автоматическими суждениями модели; README не приводит количественных показателей качества или деталей формата тепловых карт.

Это тестовая уменьшенная конфигурация мультимодальной Llama 4 Scout, созданная для разработки и тестирования на основе meta-llama/Llama-4-Scout-17B-16E-Instruct. Архитектура Llama4ForConditionalGeneration сохраняет MoE-структуру, чередование типов внимания и компоненты обработки изображений. Всего в модели 1,72 млрд параметров, из которых около 0,43 млрд активируются на токен; веса случайно инициализированы, а зрительный модуль не обучен. Модель предназначена для проверки загрузки и инференса, отладки мультимодальных конвейеров, тестирования квантизации и сжатия, а также профилирования памяти и CI/CD. Она принимает текст и изображения и должна выдавать текст, однако случайные необученные веса не позволяют получать осмысленные результаты. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия — MIT.

MobileLLM-R1-360M — компактная языковая модель Meta из семейства MobileLLM-R1, дообученная для решения математических, программных и научных задач. Это SFT-модель примерно на 359 млн параметров с текстовым вводом и выводом, предназначенная для генерации ответов и рассуждений; она не рассчитана на роль универсального чат-бота. В архитектуре 15 слоёв, 16 attention heads и 4 KV heads. Контекст базовой версии — 4 тыс. токенов; модельный словарь содержит 128 тыс. токенов. Карточка указывает английский язык. Модель подходит для компактных сценариев решения задач по математике, написания и анализа кода на Python и C++, а также ответов на научные вопросы. Она заметно меньше крупных языковых моделей, но качество следует оценивать отдельно для конкретных задач и условий использования. Лицензия указана как other, поэтому перед использованием нужно проверить условия в репозитории модели.

Qwen3-VL-8B-Thinking-Desktop-SFT — плотная мультимодальная модель семейства Qwen3-VL, разработанная в проекте UI-MOPD и дообученная методом supervised fine-tuning на траекториях взаимодействия с настольным интерфейсом из набора Uni-GUI. Это отдельный вспомогательный чекпойнт на 8B-параметров, созданный на базе Qwen/Qwen3-VL-8B-Thinking. Модель предназначена для работы в качестве агента графического интерфейса: она анализирует изображения экрана и формирует ответы и действия для выполнения задач в файловых менеджерах, браузерах и приложениях. Её также можно использовать как базовую точку для оценки качества данных Uni-GUI и экспериментов по слиянию с другими GUI-агентами. Модель наследует мультимодальные возможности Qwen3-VL и рассчитана на английский и китайский языки. В README указано, что этот SFT-чекпойнт выпущен как вспомогательный артефакт и не используется в основном пути обучения студента UI-MOPD, который обучается отдельно с помощью дистилляции. Модель распространяется по лицензии Apache-2.0.

Skywork-Reward-Gemma-2-27B-v0.2 — модель вознаграждения Skywork на основе Gemma 2, дообученная как классификатор последовательностей для оценки предпочтительности ответов. Она принимает диалоги или пары ответов и выдаёт оценки, позволяющие сравнивать варианты и выбирать более предпочтительный. Модель предназначена для ранжирования ответов и поддержки обучения и оценки языковых моделей с подкреплением на основе предпочтений. Модель содержит 27,6 млрд параметров, использует плотную архитектуру Gemma 2 и работает с контекстом до 8192 токенов. Она обучена на 80 тыс. публичных пар предпочтений из разных источников; README отмечает результаты в областях диалога, сложных запросов, безопасности, математики и программирования, а также лидерство на RewardBench по состоянию на октябрь 2024 года. Доступны веса в формате safetensors для Transformers. Для оценки на RewardBench авторы рекомендуют использовать версию v0.2, обученную на очищенном от выявленных пересечений датасете. Для корректной работы 27B версии в README рекомендована реализация attention flash_attention_2 или eager: реализация по умолчанию sdpa может заметно ухудшить результаты. Лицензия в предоставленных данных не указана; авторы просят не использовать модель для незаконной деятельности и не запускать её в интернет-сервисах без соответствующих проверок безопасности.

Code Search-Query Generator — компактная языковая модель Qwen2.5 1.5B, дообученная авторами репозитория Ishaan Ranjan полным циклом supervised fine-tuning на базе Qwen/Qwen2.5-1.5B-Instruct. Она преобразует словесный запрос разработчика в исполняемое поисковое регулярное выражение и предназначена для одной узкой подзадачи агента верифицированного программного инструментария. Модель имеет плотную архитектуру Qwen2ForCausalLM, 1,5 млрд параметров и контекст до 32 768 токенов; работает с текстом и выдаёт текст в формате, ограниченном заданной JSON-схемой. В карточке указана поддержка английского языка. В оценке на до 250 примерах из не встречавшихся при обучении репозиториев HTTPX и Jinja2 доля успешных ответов составила 77,2% после одной попытки обратной связи по схеме и столько же с первой попытки; валидность JSON на первом проходе — 100%. Авторы оценивают эту подзадачу как нерешённую и отмечают, что некоторые подобные запросы надёжнее выполнять детерминированными правилами. Модель специализирована на закрытой JSON-схеме, поэтому не подходит как универсальный помощник по программированию или диалоговая модель. Лицензия — Apache-2.0.

SWE-Llama-7b — языковая модель Princeton NLP на основе архитектуры CodeLlama, дообученная для решения задач программной инженерии. Она генерирует патчи по описанию проблемы в GitHub и контексту кода; обучение проводилось на 19 тысячах задач и pull request из 37 репозиториев Python, не входивших в SWE-bench. Модель содержит около 6,6 млрд параметров, использует архитектуру Llama и принимает текстовый контекст длиной до 16 384 токенов. Модель предназначена для помощи в исправлении ошибок и подготовке изменений в коде Python, в частности в сценариях, похожих на задачи SWE-bench. В опубликованной оценке SWE-Llama-7b решила 3% задач при предоставлении эталонного контекста. Это указывает на ограниченную результативность автономного решения задач; сгенерированные изменения требуют проверки. Доступный формат весов — PyTorch. Лицензия в предоставленных данных не указана.

UI-TARS-72B-DPO-GGUF — набор GGUF-квантизаций мультимодальной модели UI-TARS-72B-DPO, разработанной ByteDance Research и подготовленной квантизатором bartowski с использованием llama.cpp и imatrix. Модель предназначена для задач image-text-to-text, связанных с анализом графического интерфейса, пониманием изображений и взаимодействием с GUI. В README указана поддержка английского языка и мультимодальный сценарий работы, однако подробные сведения о внутренней архитектуре, размере контекста и конкретных возможностях управления интерфейсом не приведены. Доступны варианты квантизации от IQ1_M и IQ2 до Q8_0 размером примерно от 23,74 до 77,26 ГБ. Более высокие уровни квантизации обычно сохраняют лучшее качество, но требуют больше оперативной или видеопамяти; Q6_K, Q5_K_M, Q5_K_S и Q4_K_M отмечены как рекомендуемые, тогда как низкоразрядные варианты имеют заметно более низкое качество. Модель рассчитана на запуск через llama.cpp и LM Studio, а в README приведён специальный формат промпта. Распространение указано по лицензии Apache-2.0. Основные ограничения — высокая потребность в памяти, зависимость качества от выбранной квантизации и отсутствие в README подробных данных о производительности, контекстном окне и поддерживаемых языках помимо английского.

AutoGLM-Phone-9B-GGUF — это квантизированная в формате GGUF версия мультимодальной модели AutoGLM-Phone-9B, предназначенной для создания мобильных GUI-агентов. Модель разработана в рамках проекта Open-AutoGLM и основана на zai-org/GLM-4.1V-9B-Base; её архитектура идентична GLM-4.1V-9B-Thinking. GGUF-версия подготовлена с использованием llama.cpp. Модель предназначена для понимания содержимого экранов смартфона и автоматизации действий на Android-устройствах. В составе Phone Agent она принимает задания на естественном языке, анализирует интерфейс, планирует последовательность действий и выполняет их через ADB (Android Debug Bridge). Возможные сценарии включают навигацию по мобильным приложениям, поиск информации, заполнение интерфейсных форм и удалённое управление устройством. Поддерживаются мультимодальное восприятие экранов, подтверждение чувствительных действий, участие человека при входе в аккаунт или вводе кодов подтверждения, а также удалённое ADB-подключение. Ключевые характеристики — около 9 млрд параметров, мультимодальная обработка текста и изображений, заявленный язык китайский и принадлежность к классу vision-language моделей. Конкретный размер контекста, полный список языков и требования к аппаратному обеспечению в карточке не указаны. Квантизация с выборочным повышением точности отдельных слоёв может улучшать точность при заданном уровне квантизации, но увеличивает размер файла. Модель ориентирована прежде всего на исследовательские и образовательные задачи; README предупреждает о запрете незаконного доступа к данным и вмешательства в работу систем. Указана лицензия MIT.