II.4Отладка, тестирование и качество ПО

Mungert/AutoGLM-Phone-9B-Multilingual-GGUF — это GGUF-версия модели AutoGLM-Phone-9B-Multilingual, разработанной в экосистеме zai-org и Open-AutoGLM, с конвертацией и квантованием, выполненными Mungert с использованием llama.cpp. Модель предназначена для исследовательских и образовательных сценариев создания мобильных GUI-агентов: она анализирует содержимое экрана смартфона, понимает инструкции на естественном языке, планирует последовательность действий и управляет Android-устройством через ADB. Примеры задач включают открытие приложений, поиск информации и выполнение многошаговых операций в интерфейсе. Модель относится к мультимодальным vision-language моделям и обрабатывает изображения и текст. Её архитектура идентична GLM-4.1V-9B-Thinking; заявленный размер — около 9 млрд параметров. В карточке указана базовая модель zai-org/GLM-4.1V-9B-Base и язык zh. Файлы представлены в формате GGUF для запуска через llama.cpp. При квантовании использовалось повышение точности отдельных важных слоёв сверх стандартной конфигурации IMatrix, что может улучшать точность на низких разрядностях, но увеличивает размер файла. Размер контекста и полный набор поддерживаемых языков не указаны. Сильные стороны модели — мультимодальное понимание мобильных интерфейсов, автоматическое планирование действий, поддержка подтверждения чувствительных операций и возможность передавать управление человеку при входе в аккаунт или вводе кодов подтверждения. Ограничения включают зависимость от Android Debug Bridge, потенциально более медленный вывод при запуске на ограниченных ресурсах и необходимость контроля действий агента. Проект предназначен только для исследований и обучения; запрещено использовать его для незаконного доступа к данным или вмешательства в работу систем. В карточке указана лицензия MIT.

priyaganesh2050/bert-tiny — зеркало компактной модели BERT, представляющее собой неизменённую копию prajjwal1/bert-tiny. Модель разработана авторами исходного чекпойнта; в копии сохранена лицензия MIT. Архитектура включает 2 слоя, размер скрытого представления 128 и 2 attention heads; всего около 4,4 млн параметров. Модель работает с текстом на английском языке и поддерживает контекст до 512 токенов. Чекпойнт предназначен для задачи fill-mask: предсказания пропущенных токенов в тексте. Небольшой размер позволяет запускать её на CPU и использовать для учебных примеров, тестирования обучающих циклов и CI, а также как лёгкую базовую модель для развёртывания на устройствах с ограниченными ресурсами. README также показывает загрузку через Transformers как модели для получения представлений текста. Из-за малой глубины модель уступает более крупным BERT по качеству и не подходит для сценариев NLP, чувствительных к точности. Копия распространяется по лицензии MIT; README указывает, что авторство исходной модели принадлежит её разработчикам.

heegyu/ko-reward-model-safety-1.3b-v0.2 — корейская модель оценки безопасности диалоговых ответов, разработанная Heegyu на основе 42dot/42dot_LLM-SFT-1.3B. Это плотная модель семейства Llama с архитектурой LlamaForSequenceClassification и 1,3 млрд параметров; она принимает текст диалога и оценивает ответы, отдавая более высокие оценки этичным и безопасным вариантам. Контекст модели составляет 4096 токенов. Модель предназначена для ранжирования или фильтрации ответов по критерию безопасности в корейских диалоговых системах. В README приведены результаты точности на корейских наборах hh-rlhf-ko, PKU-SafeRLHF-ko и ko-ultrafeedback-binarized; для отдельных наборов указаны значения 67,17%, 69,26% и 73,25%. Версия v0.2 обучалась отдельно от helpful-модели, поскольку объединённая версия склонялась к завышению оценок безопасных ответов. Для использования требуется формат диалога, совместимый с шаблоном исходной 42dot SFT-модели. В репозитории указаны веса Safetensors. Лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но запрещает коммерческое применение.

Это дообученная авторами проекта TIFA модель на базе LLaMA 2 для разбора текстовых запросов к генерации изображений и создания пар «вопрос—ответ». Она выделяет из произвольного промпта визуальные сущности, атрибуты и отношения, а затем формирует вопросы и ответы о них. В работе TIFA её используют вместо GPT-3 как часть метрики, оценивающей, насколько сгенерированное изображение соответствует исходному тексту: пары вопросов и ответов проверяются с помощью моделей визуальных вопросов и ответов. Модель построена на плотной архитектуре LLaMA и содержит 6,6 млрд параметров; контекст — до 4096 токенов. Она принимает текст и генерирует текст, рассчитана на английский язык. Веса доступны в формате safetensors. Лицензия — Apache-2.0. Описание указывает на применение в составе проекта TIFA; для оценки соответствия изображения нужны также отдельные VQA-модели и компоненты TIFA.

BlackSamorez/llama-2-tiny-testing — компактная языковая модель семейства Llama, опубликованная пользователем BlackSamorez на Hugging Face. Модель предназначена для авторегрессионной генерации текста и запускается через библиотеку Transformers с задачей text-generation. Модель содержит около 8,8 млн параметров и поддерживает контекст до 2048 токенов. Её можно использовать для экспериментов с генерацией продолжений текста, проверки интеграций и тестирования инференса на ограниченных ресурсах. Доступные данные не подтверждают поддержку конкретных естественных языков, мультимодальность, диалоговую настройку или специализированную предметную область. Это тестовая модель небольшого размера, поэтому её возможности и качество существенно ограничены по сравнению с полноразмерными Llama-моделями; модельная карточка отсутствует. Лицензионные условия в доступных источниках не приведены, поэтому перед использованием необходимо проверить сведения в репозитории модели.

Human-CentricAI/LLM-Refusal-Classifier — дообученная модель RoBERTa-large для классификации ответов языковых моделей по наличию отказа или оговорки и их причине. Она относит ответ к одному из пяти классов: обычный ответ, отказ по этическим причинам, оговорка об этических причинах при попытке ответить, отказ из-за ограничений возможностей или оговорка об ограничениях при попытке ответить. Модель обучена на 2 450 ответах из Chatbot Arena и предназначена для анализа поведения LLM, оценки отказов и разметки ответов в исследованиях и системах мониторинга. Архитектура — RoBERTa для классификации последовательностей; размер — 454,1 млн параметров, контекст — 514 токенов. Карточка не сообщает языки обучающих данных, поэтому языковую поддержку нельзя надёжно определить. Модель распространяется в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Обучение на небольшом наборе ответов Chatbot Arena может ограничивать переносимость классификации на другие модели, языки и типы запросов.

MobileLLM-R1-140M — компактная языковая модель Meta из семейства MobileLLM-R1, дообученная методом supervised fine-tuning для задач рассуждения. Это версия на 140 млн параметров с 15 слоями, 9 attention heads и 3 KV heads; модель принимает и генерирует текст, использует словарь размером 128 тысяч токенов. Для семейства указан контекст 4 тысячи токенов. Модель предназначена прежде всего для решения математических и научных задач, а также задач программирования на Python и C++. Она подходит для экспериментов и оценки компактных языковых моделей в этих сценариях, но авторы предупреждают, что это не универсальная чат-модель. В обучении использовались наборы данных для математического и научного reasoning, а также программирования. Модель разработана Meta и является дообученной версией facebook/MobileLLM-R1-140M-base. Метаданные указывают библиотеку Transformers и формат safetensors. Лицензия обозначена как other; конкретные условия использования следует уточнить в карточке модели и связанных документах.

OpenJev — разработанная AlquimiaAi модель для принятия решений по тексту, веб-страницам и снимкам экрана. Вместо свободного ответа она выбирает вариант из заданного в запросе набора, оценивает вероятность «да» или «нет» либо выдаёт оценку. Модель заявлена для маршрутизации обращений, модерации, проверки ответов и выбора действий браузерного агента; метки можно задавать для новой задачи без отдельного обучения. Модель основана на плотной архитектуре Qwen3.5 и работает с текстом, DOM, JSON и скриншотами. За один проход она обрабатывает вопрос с максимум 52 вариантами и выдаёт типизированные оценки с откалиброванными вероятностями. В README приведены результаты тестирования и показатели скорости на H100; заявлена поддержка английского, немецкого, французского, хинди, китайского и японского языков. Модель распространяется с лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование. Качество зависит от формулировки вопроса и вариантов ответа; в испытании результат менялся при перемешивании вариантов в 2,3% случаев. Показатели производительности в карточке получены на описанных авторами наборах данных и оборудовании.

OS-Copilot_OS-Shepherd-9B-GGUF — квантизированная версия мультимодальной модели OS-Shepherd-9B, подготовленная bartowski в формате GGUF для llama.cpp. Модель разработана OS-Copilot и ориентирована на сценарии computer use: оценку траекторий взаимодействия с компьютером, анализа действий и визуально-текстовых данных, а также задач, связанных с reward modeling и trajectory evaluation. Модель содержит 9 млрд параметров и поддерживает текстовый и графический ввод; для работы с изображениями требуется отдельный файл mmproj. Заявлена поддержка английского языка. Контекстный размер, конкретная архитектура и дополнительные характеристики базовой модели в предоставленных данных не указаны. Доступны варианты от BF16 до различных квантовок, включая Q4_K_M размером 5,91 ГБ, который рекомендуется как сбалансированный по качеству и требованиям к памяти. К сильным сторонам относятся мультимодальность, специализация на оценке компьютерных действий и широкий выбор квантовок для запуска на системах с разным объёмом памяти. Более компактные варианты могут снижать качество, а для использования изображений необходимо корректно подключить mmproj-файл. Модель распространяется по лицензии Apache-2.0; данный репозиторий содержит именно квантизированные веса базовой модели OS-Copilot/OS-Shepherd-9B.

Классификатор диалогов t-bank-ai, дообученный на основе sberbank-ai/ruRoberta-large. Он оценивает последнее сообщение в контексте беседы по двум признакам: релевантности предыдущему диалогу и специфичности — интересности и способности поддержать продолжение разговора. Модель разработана в рамках стажировки в Тинькофф. Архитектура — RoBERTa для классификации последовательностей, размер составляет 454,1 млн параметров, максимальный контекст — 514 токенов. Обучение включало предварительную задачу различения настоящего ответа в диалоге и случайно выбранного ответа из другой беседы, затем модель дообучили на вручную размеченных примерах. При обучении использовались три сообщения контекста и один ответ; каждое сообщение токенизировалось отдельно с ограничением в 32 токена. Модель ориентирована на русскоязычные диалоги. Лицензия — MIT.

ScaleCUA-glm4.6v-osworld — агент для управления компьютером, разработанный ScaleCUA на основе GLM-4.6V-Flash и обученный для задач OSWorld. Это контрольная точка после онлайн-обучения с подкреплением (RLVR), начатого с extreme1228/ScaleCUA-glm4.6v-osworld-sft; в репозитории указана точность 66,5% на OSWorld. Модель принимает изображение экрана и текстовые инструкции, а затем формирует текстовые ответы, используемые агентом для выполнения задач в графическом интерфейсе. В описании метода упомянуты синтез проверяемых GUI-задач VeriGen, Frontier Sampling и сегментация визуального контекста. Для запуска автор рекомендует сервер с OpenAI-совместимым API и оценочную среду OSWorld. Модель основана на архитектуре GLM-4V и распространяется в формате safetensors для Transformers. Лицензия указана как other; конкретные условия в карточке не приведены.

Это экспериментальная версия Qwen2.5-Coder-7B-Instruct, дообученная командой xw1234gan методом GRPO с KL-регуляризацией для эксперимента по проверке безопасности кода SecCodePLT+. Модель предназначена для генерации кода с учётом требований безопасности и проверки решений на соответствие тестам безопасности. Обучение проводилось на официальной обучающей выборке SecCodePLT+ из 655 примеров; для оптимизации использовались reward на основе официальных unit-тестов ReaL, DAPO-style token loss и динамическая выборка. Модель имеет плотную архитектуру Qwen2, содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. README сообщает о прохождении формата в 98,78% случаев и синтаксиса в 98,17% случаев при жадном декодировании на 164 тестовых примерах. Это исследовательский чекпойнт с одним запуском обучения и одним seed; результаты ограничены проверкой Python с ограниченными ресурсами и не гарантируют безопасность кода в целом. Лицензия в предоставленных данных не указана.

UserLM-8b — текстовая генеративная модель, разработанная Тареком Наусом, Филиппом Лабаном, Вэй Сюй и Дженнифер Невилл из Microsoft Research. В отличие от ассистента, она имитирует роль пользователя в диалоге: по заданному намерению генерирует начальную реплику, продолжения разговора с учётом его состояния или специальный токен завершения диалога. Модель основана на плотной архитектуре Llama и дообучена на Meta-Llama-3.1-8B на корпусе WildChat-1M. Она содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Модель рассчитана на английский язык и предназначена прежде всего для исследователей, оценивающих диалоговые ассистенты с помощью симуляции многоходовых разговоров. В опубликованных оценках UserLM-8b показала более реалистичную симуляцию поведения пользователя по сравнению с рядом подходов на основе ассистентов. При этом модель может отклоняться от роли или исходного намерения и добавлять вымышленные требования; качество работы на других языках не установлено. Разработчики не рекомендуют применять её в коммерческих или реальных сценариях без дополнительной проверки. Лицензия — MIT.

VibeThinker-1.5B-f32-GGUF — компактная плотная языковая модель с 1,5 млрд параметров, разработанная WeiboAI и представленная в формате GGUF со сборкой F32. Она создана на основе Qwen2.5-Math-1.5B и дообучена специально для соревновательной математики и алгоритмического программирования. Указанный вариант предназначен для генерации текста; заявлен английский язык. Модель использует подход Spectrum-to-Signal Principle: сначала увеличивает разнообразие решений при supervised fine-tuning, затем закрепляет корректные пути рассуждений с помощью reinforcement learning. Модель ориентирована на решение сложных математических задач, генерацию и анализ кода, а также сценарии, требующие длинных рассуждений — с длиной вывода примерно до 40 000 токенов. Для версии F32 размер файла составляет около 7,11 ГБ. Среди заявленных результатов — 80,3 на AIME24, 74,4 на AIME25, 50,4 на HMMT25 и 55,9/51,1 на LiveCodeBench v5/v6; в README утверждается, что модель превосходит значительно более крупные системы на отдельных математических тестах и сопоставима с ними в программировании. Сильные стороны модели — небольшое число параметров, открытость, специализация на математике и коде и поддержка длинных ответов. Ограничения связаны с узкой специализацией: README не подтверждает универсальную эффективность, мультимодальность или поддержку языков, кроме английского; также не указаны точное максимальное окно контекста, системные требования и подробности инференса. Рекомендуются умеренные температуры сэмплирования. Модель распространяется по лицензии MIT.

AfriGuardInst-AfriqueQwen3.5-4B-50Langs-Instruct-v1 — дообученная модель семейства Qwen3.5, созданная на базе McGill-NLP/AfriqueQwen3.5-4B-50Langs-Instruct-v1. Разработчик — adzcai; модель обучена полным дообучением на наборе israel/AfriGuard-inst с использованием DeepSpeed ZeRO-3. Модель предназначена для генерации диалоговых ответов с инструкциями безопасности для запросов на африканских языках и английском. Это контрольный вариант AfriGuardPlain с обучением на примерах, содержащих инструкции безопасности; используется чат-шаблон базовой модели, а функция потерь применяется только к ответам. В метаданных указаны архитектура Qwen3.5, формат safetensors и библиотека Transformers. Репозиторий распространяется по лицензии CC BY 4.0. Размер параметров и длина контекста в предоставленных данных не указаны.

leondz/artgpt2tox — англоязычная генеративная модель на базе GPT-2, опубликованная исследователем Леоном Дерчинским. Она дообучена на примерах из подмножества hhrlhf, которые дали обнаруживаемый токсичный результат, и предназначена для генерации токсичных текстов в качестве целевой модели при тестировании безопасности LLM и разработке red-team-зондов. Модель содержит около 0,1 млрд параметров, использует архитектуру GPT2LMHeadModel и принимает текст, продолжая его; заявленная длина контекста — 1024 токена. Репозиторий распространяется по лицензии Apache-2.0. Поскольку модель специально обучена генерировать токсичный контент, её выводы могут быть оскорбительными и не подходят для обычных диалоговых сценариев.

GLM-5.2-0.8B-A0.8B — уменьшенная версия GLM-5.2 от inference-optimization, созданная для тестирования и разработки. Это причинная языковая модель архитектуры glm_moe_dsa на базе Transformers: в README указано около 0,85 млрд параметров, из них примерно 0,77 млрд активируются; метаданные каталога указывают 568,9 млн параметров. В модели 6 слоёв вместо 78 у исходной версии, сохранены плотные и MoE-блоки, а также компоненты DeepSeek Sparse Attention. Модель можно использовать для проверки загрузки, запуска инференса и совместимости с форматом исходной GLM-5.2. Она дообучена на игрушечном наборе copypasta и предназначена для тестов, а не для качественных пользовательских ответов. Контекстное окно согласно метаданным — до 1 048 576 токенов. Лицензия — MIT.

Qwen3-8B-Critic-SFT-Qwen-only — специализированная критическая модель на базе Qwen3-8B, разработанная для исследования Steer, Don't Solve. Она анализирует траекторию работы агента по программированию и через заданные интервалы возвращает структурированную критику: категории обнаруженных ошибок, подтверждающие их данные, шаг восстановления, статус задачи и краткую рекомендацию. Модель предназначена для сопровождения кодового агента и не пишет исправляющий патч сама. Модель обучена полным дообучением на 1 915 примерах критики траекторий Qwen3-Next-80B-A3B. Она использует плотную авторегрессионную архитектуру Qwen3 с 7,6 млрд параметров; репозиторий содержит веса safetensors, опубликованные в bf16. Метаданные указывают контекст до 40 960 токенов, а конфигурация обучения README — последовательности длиной 32 768 токенов. Модель рассчитана на английский язык и взаимодействие в формате чата. Лицензия — Apache-2.0. В описанном эксперименте критик повысил долю решённых задач SWE-bench Verified с 20,0% до 26,2% для Qwen3-Next-80B-A3B, но обучение только на траекториях этого агента дало более слабый результат при переносе на Qwen3-32B, чем смешанный набор данных. Модель следует использовать как вспомогательного критика в агентных циклах, а не как самостоятельную модель для написания кода.

prithivMLmods/Qwen3-VL-4B-Instruct-c_abliterated-v2 — мультимодальная модель на основе Qwen3-VL-4B-Instruct, дообученная методом continual abliteration. Она анализирует изображения и отвечает на инструкции текстом; README особо отмечает подробные рассуждения и описания художественных, технических и абстрактных изображений, а также работу с разными пропорциями кадра. Модель предназначена для исследования отказов и защитных механизмов, тестирования мультимодальных фильтров, описания изображений и подготовки описательных метаданных для архивов. По карточке, повторное обучение направлено на ослабление механизмов отказа, поэтому модель может отвечать на запросы, которые базовая модель отклонила бы. Разработчик указывает, что модель может ошибочно интерпретировать абстрактные или синтетические изображения и генерировать откровенный либо оскорбительный текст. Она не предназначена для публичного применения общего назначения. Лицензия — Apache-2.0.

Reliquary-4B — плотная языковая модель на архитектуре Qwen3, разработанная ReliquaryForge на базе Qwen/Qwen3-4B-Base. Модель содержит около 3,7 млрд параметров, распространяется в формате safetensors и поддерживает контекст до 32 768 токенов. Она обучена групповым относительным обучением с подкреплением на английских математических задачах и задачах программирования на Python; авторы указывают 12 842 обновления RL без supervised fine-tuning и дистилляции. Модель предназначена для пошагового решения математических задач и генерации Python-функций, проверяемых тестами. В README приведены результаты на GSM8K, MATH-500, AMC23, HumanEval+ и MBPP+, но для воспроизведения улучшений нужны исходные текстовые промпты и sampling-декодирование. Это модель завершения текста, а не чат-модель: у неё нет чат-шаблона и отдельной настройки следования инструкциям или безопасности. Обучение ограничено английской математикой и Python, поэтому обобщение на другие задачи не установлено. Лицензия — Apache-2.0.

SiliconMind-V1-Qwen3-4B-T-2507 — специализированная языковая модель команды SiliconMind для генерации и отладки RTL-кода на Verilog. Это дообученная плотная модель Qwen3 с 3,7 млрд параметров; она принимает текстовые запросы и выдаёт текст, включая код и пояснения. Заявленная длина контекста — 262 144 токена. В метаданных указан английский язык. Модель предназначена для создания модулей цифровой логики, подготовки тестбенчей и исправления ошибок в RTL. README описывает обычный режим генерации, режим углублённого рассуждения и многошаговый агентный сценарий: модель составляет решение, формирует отчёт о проверке и предлагает исправления. Авторы заявляют, что обучение включало функционально проверенные примеры и задания на самокоррекцию; приведённые в карточке результаты оценки относятся к агентному режиму с несколькими взаимодействиями тестирования и отладки. Модель опубликована в формате safetensors под лицензией Apache-2.0. README не приводит отдельного описания ограничений точности и не обещает, что сгенерированный код будет корректен для конкретного проекта; перед использованием RTL следует проверять подходящими средствами в целевой среде разработки.

hyper-accel/tiny-random-mistral — небольшая модель генерации текста семейства Mistral, опубликованная на Hugging Face. В README сведения о разработчике, точном типе модели и лицензии не приведены; метаданные указывают на использование библиотеки Transformers и формата safetensors. Модель содержит около 24 млн параметров и поддерживает контекст длиной до 32 768 токенов. Она предназначена для генерации продолжений текста и может использоваться в экспериментах с загрузкой, инференсом и интеграцией моделей Mistral в экосистеме Transformers. Из-за названия tiny-random и малого размера модель, вероятно, ориентирована прежде всего на тестирование и разработку, а не на получение качественных ответов в прикладных сценариях. Данных о языковой специализации, обучающих данных, результатах оценки, ограничениях безопасности и лицензии недостаточно.

JudgeLM-13B-v1.0 — авторегрессионная языковая модель на архитектуре Transformer семейства Llama, разработанная HUST и BAAI. Она создана дообучением Vicuna на наборе JudgeLM-100K и предназначена для исследовательской оценки ответов больших языковых моделей и чат-ботов. Модель принимает текст и формирует текстовые суждения. В метаданных указаны 12,9 млрд параметров и контекст длиной 2048 токенов; карточка отмечает английский язык. Модель оценивалась на JudgeLM val set с суждениями GPT-4 в роли учителя. Лицензия разрешает некоммерческое использование.

NemotronH-0.3B-A0.3B — компактная экспериментальная модель для тестирования и разработки, созданная на основе NVIDIA Nemotron 3 Ultra. Это причинная языковая модель с гибридной архитектурой nemotron_h, объединяющей блоки Mamba-2, групповой attention и mixture-of-experts. В версии 0.347 млрд параметров и пяти слоях сохранены типы блоков исходной архитектуры; около 0.309 млрд параметров активируются при обработке токена. Модель предназначена для проверки загрузки, структуры чекпойнта и работы инструментов с архитектурой NemotronH, а также для экспериментов с генерацией текста. Веса переинициализированы, после чего модель дообучали на небольшом игрушечном наборе данных, поэтому её не следует считать уменьшенной копией с сохранёнными знаниями исходной модели. Контекст — до 262144 токенов. Модель принимает текст и генерирует текст; для ускорения могут потребоваться пакеты mamba_ssm и causal_conv1d, иначе Transformers использует более медленную эталонную реализацию. Лицензия — MIT.

OpenHands Critic 4B v1.0 — языковая модель на базе Qwen/Qwen3-4B, разработанная OpenHands для оценки траекторий работы ИИ-агентов. Модель дообучена на всех параметрах базовой модели с функцией потерь BCE и предсказывает 26 меток: 25 признаков поведенческой рубрики и одну оценку успешности задачи. Модель предназначена для классификации результатов работы агента в инструментах OpenHands Software Agent SDK и OpenHands CLI. Она принимает текстовые данные о траектории агента и выдаёт оценки по нескольким меткам; для запуска автор рекомендует OpenHands SDK. Контекст при обучении составлял 64K токенов, заявлена поддержка до 256K. Репозиторий содержит веса Safetensors, число параметров — около 3,7 млрд. Лицензия — MIT. Модель специализируется на оценке поведения и успешности ИИ-агентов; её выход — классификационные оценки, а не обычный диалоговый ответ. Карточка не раскрывает состав 25 рубричных признаков, поэтому интерпретация отдельных оценок зависит от определений и подсказок проекта OpenHands.

OpenReasoning-Nemotron-1.5B — языковая модель NVIDIA для пошагового решения задач по математике, программированию и естественным наукам. Это дообученная методом supervised fine-tuning модель Qwen2.5-1.5B с плотной decoder-only архитектурой Qwen2, содержащая 1,5 млрд параметров. Она принимает текст и генерирует текст; карточка указывает английский язык. Заявленная длина контекста составляет 131 072 токена, а модель оценивали при генерации ответов длиной до 64 тыс. токенов. Модель предназначена для разработчиков и исследователей, работающих с задачами математических соревнований, кодом и научными вопросами. В README описан режим GenSelect, который выбирает лучший вариант из нескольких сгенерированных решений; обучение выбора проводилось на математических задачах, а авторы сообщают о переносе этой способности на код и науку. Модель использует формат safetensors и библиотеку Transformers; для вывода также упомянуты vLLM и TensorRT-LLM, а оптимизация ориентирована на GPU NVIDIA. Лицензия — CC BY 4.0; карточка допускает коммерческое и некоммерческое исследовательское использование. Модель компактнее крупных вариантов семейства, но результаты в README относятся к конкретным бенчмаркам и не гарантируют качество на произвольных задачах; особенно скромен приведённый результат по SciCode для версии 1.5B. Для GenSelect требуются несколько генераций и дополнительный этап выбора, что увеличивает затраты вывода.

pollux-judge-7b — русскоязычная генеративная модель проекта POLLUX для автоматической оценки ответов других языковых моделей. Она разработана на основе t-tech/T-lite-it-1.0 и дообучена как плотная декодерная модель Qwen2 с 7,1 млрд параметров; модель принимает текст и формирует числовую оценку с текстовым обоснованием. Контекст составляет до 32 768 токенов. Модель предназначена для оценки одного заранее заданного критерия за запуск. Для надёжной работы ей следует передать исходную инструкцию, проверяемый ответ, критерий, шкалу оценивания и, если доступен, эталонный ответ. Обучение ориентировано на задачи и критерии таксономии POLLUX; синтетические русскоязычные обучающие данные сформированы с участием DeepSeekV3, GPT-4o и o3-mini. Модель можно применять для автоматизированной оценки качества генераций на русском языке и получения объяснений оценок. Оценки и обоснования могут быть неточными или смещёнными, поэтому их следует проверять; одновременная оценка нескольких критериев и самостоятельный выбор критериев не соответствуют назначению модели. Лицензия — MIT.

Qwen3.8-Flash-Next-Uncensored-Q4_K_M-MTP — квантованная GGUF-модель, созданная на базе Qwen3.8-Flash-Next и производной orcarouter/Qwen3.8-Flash-Next-Uncensored. Модель разработана для локального запуска и исследовательских задач, включая интерпретируемость, изучение механизмов отказа, тестирование безопасности и оценку устойчивости моделей. Она предназначена для генерации текста и поддерживает английский и китайский языки; в метаданных также указана vision-language направленность, однако подробности о поддерживаемых визуальных входах не приведены. Модель использует архитектуру qwen4exp с Gated DeltaNet, QSA, HyperConnections и PLE. Она содержит полный 48-слойный основной блок и один слой Multi-Token Prediction (MTP), интегрированный непосредственно в четыре GGUF-фрагмента, поэтому отдельный файл для черновой головы не требуется. Применена квантизация Q4_K_M для основной части и MTP-головы. Общий размер составляет около 113,7 ГиБ, а заявленный нативный контекст — 262 тысячи токенов. Интегрированный MTP рассчитан на ускорение генерации при использовании совместимого llama.cpp. Ключевая особенность модели — abliteration, то есть удаление механизмов отказа исходной модели. Благодаря этому она может отвечать на вредоносные, неэтичные и незаконные запросы, от которых базовая модель отказалась бы. Это делает её пригодной для контролируемого red-teaming и исследований, но создаёт существенные риски при практическом использовании; для развёртывания необходимы собственные фильтры безопасности и модерации. Для запуска требуется llama.cpp с поддержкой qwen4exp и соответствующих функций speculative decoding. Модель распространяется по Qwen Community License 1.0, унаследованной от базовой модели. Для коммерческого использования в формате Model as a Service или AI Work Assistant, согласно указанным условиям, требуется отдельная лицензия от Qwen.

ScaleCUA-qwen3.5-osworld-sft — контрольная точка Qwen3.5-9B, разработанная ScaleCUA для управления компьютером через графический интерфейс и обучения агента на задачах OSWorld. Это начальная контрольная точка после дообучения с учителем (SFT), использованная для инициализации последующего онлайн-обучения с подкреплением. Модель принимает изображения интерфейса вместе с текстовыми инструкциями и предназначена для выполнения многошаговых задач в GUI. В подходе ScaleCUA используются синтез проверяемых GUI-задач VeriGen, Frontier Sampling и сегментация визуального контекста. Репозиторий содержит веса в формате safetensors; карточка указывает архитектуру Qwen3.5 для условной генерации. Лицензия обозначена как other, поэтому условия использования следует сверить с файлами репозитория.

Это компактная языковая модель Qwen2.5 с плотной архитектурой Qwen2ForCausalLM и 494 млн параметров, созданная Ishaan Ranjan полным дообучением Qwen/Qwen2.5-0.5B-Instruct. Она предназначена для узкой подзадачи в агентных системах разработки: восстановления повреждённого JSON-вызова инструмента до исходного объекта в рамках заданной схемы. Модель принимает текстовый запрос с описанием задачи и выдаёт текст с исправленным JSON. Модель рассчитана на использование внутри проверяющей обвязки, которая формирует специализированный запрос, проверяет строгий JSON, при необходимости делает одну попытку с обратной связью по схеме и применяет детерминированные проверки и резервные правила. В README сообщается о 100% успешности и валидности JSON при первом проходе на оценке до 250 примеров из отложенных репозиториев HTTPX и Jinja2; это результат узкого эксперимента, а не гарантия для произвольных данных. Поддерживаемый контекст составляет 32 768 токенов, хотя обучающие последовательности ограничивались 2 048 токенами. Модель не предназначена для общего программирования, чата или широкого следования инструкциям: она специализирована под одну закрытую JSON-схему, и её универсальные способности могут быть ограничены. Лицензия — Apache-2.0.