II.4Отладка, тестирование и качество ПО

DuoNeural выпустила модифицированную версию DeepSeek-R1-Distill-Qwen-7B для генерации текста и диалогов с рассуждениями. В модели применена проекция направления отказа; согласно карточке, режим рассуждений сохранён. Это плотная причинная языковая модель архитектуры Qwen2 с 7,1 млрд параметров и контекстом до 131 072 токенов. Она предназначена для исследований, red teaming и сценариев, где поведение отказа мешает работе. Модель обучена на английском и может отвечать на запросы, которые базовая модель могла бы отклонить. Авторы сообщают, что базовая модель уже отвечала на все запросы в их небольшом наборе чувствительных проб до применения модификации, поэтому эффект удаления отказов был ограниченным. Лицензия — MIT; модель не следует считать средством обеспечения безопасного поведения.

FlashVAD v0.1 — детектор речевой активности, разработанный Himanshu Maurya. Модель размером 46 170 параметров предназначена для потоковой причинной обработки аудио и оценки вероятности речи каждые 10 мс. Она рассчитана на монофонический звук 16 кГц; ONNX-граф принимает не исходную волну, а заранее вычисленные причинные признаки размерностью 43 и требует отдельного состояния обработки для каждого звонка. Архитектура включает четыре причинных depthwise temporal-блока с дилатациями 1, 2, 4 и 8, GRU на 64 блока и выходы для речи и вспомогательных событий. Модель подходит для исследовательской оценки архитектуры, проверки интеграций с браузерными и телефонными аудиостеками, измерения задержки и параллельности, а также теневого сравнения на размеченных звонках с согласием участников. В заметках о тренировочных данных указаны клипы FLEURS на арабском, английском, гуджарати, хинди, каннада, панджаби, тамильском, телугу и урду, записи встреч AMI и шумы MUSAN; присутствие языка в обучении не подтверждает качество для него. Проверка на публичном наборе TEN VAD дала 26,3% ложных срабатываний, причём этот набор использовался при исследовательском выборе модели, поэтому результат не является независимой оценкой обобщения. Это альфа-версия для исследовательских и интеграционных экспериментов, не одобренная для производства. Возможны пропуски тихой речи и ложные срабатывания на музыку, эхо, телевизор, смех, пение и речь нескольких собеседников; модель не определяет смысловое завершение реплики. Данные о точном обучающем запуске сохранены не полностью, поэтому его нельзя побитно воспроизвести. Лицензия — CC BY 4.0.

Карточка модели Justbackup/LFM2.5-8B-A1B-Uncensored на Hugging Face совпадает с карточкой sahilchachra/LFM2.5-8B-A1B-Uncensored, поэтому описание составлено по ней. LFM2.5-8B-A1B-Uncensored — мультиязычная диалоговая модель Sahil Chachra на архитектуре Liquid AI LFM2 MoE. Она получена двухэтапным изменением LiquidAI/LFM2.5-8B-A1B: abliteration ослабляет механизм отказов, затем модель дообучается с помощью LoRA на примерах прямых ответов. В метаданных указано 1,6 млрд параметров и контекст до 128 000 токенов; README описывает гибридную архитектуру Conv, GQA и MoE и приводит 8,3 млрд общих и 1,5 млрд активных параметров. Модель предназначена для исследований безопасности ИИ, red teaming, тестирования jailbreak-сценариев и изучения поведения отказов. README сообщает о нулевом уровне отказов на 100 вредоносных запросах в AdvBench и отсутствии отказов на 40 безвредных запросах. Это результаты указанных авторами тестов, а не гарантия поведения на других запросах. Доступны веса в формате safetensors; лицензия обозначена как other. Модель не добавляет новых знаний, а узкий набор данных LoRA может повлиять на задачи вне обучающего распределения. Она рассчитана на генерацию ответов без обычных ограничений безопасности, поэтому предназначена для контролируемых исследований и red teaming, а не для производственного применения.

ScaleCUA-qwen3.5-osworld — мультимодальный агент для работы с графическим интерфейсом, разработанный командой ScaleCUA на базе Qwen3.5-9B. Это контрольная точка после онлайн-обучения с подкреплением (RLVR); начальной точкой дообучения служит extreme1228/ScaleCUA-qwen3.5-osworld-sft. Модель принимает изображения интерфейса и текстовые инструкции, а её основная задача — выполнять действия в компьютерной среде OSWorld. Для запуска авторы предлагают использовать сервер с API, совместимым с OpenAI, например vLLM, вместе с оценочной средой osworld_eval. В карточке заявлен результат 68,7% на OSWorld. В качестве методов масштабирования обучения упомянуты синтез проверяемых GUI-задач VeriGen, Frontier Sampling и Visual Context Segmentation. Модель предназначена для автоматизации многошаговых задач в графическом интерфейсе; результат указан авторами, а независимые условия и детали оценки в карточке не приведены. Лицензия обозначена как other.

Crusadersk/tiny-gpt2 — специально обученный исследовательский чекпойнт GPT-2, созданный в рамках программы Banterhearts для проверки корректности бенчмарков локального инференса. Это плотная авторегрессионная модель с архитектурой GPT2LMHeadModel и многоголовым вниманием (MHA): 4,6 млн параметров, 2 слоя, размер скрытого представления 2 и 2 головы внимания. Контекст составляет 1024 токена; модель распространяется в формате PyTorch и предназначена для работы с Transformers. Чекпойнт используют для проверки окружения, паритета весов и изучения влияния глубины и ширины модели на задержку инференса GPU. Он не рассчитан на универсальную генерацию текста или практические языковые задачи; малый размер и конфигурация выбраны для экспериментальных измерений. README также указывает, что модель не совместима с Ollama, поскольку не представлена в формате GGUF. Лицензия — MIT.

ChatTLA-20b — специализированная языковая модель, дообученная EricSpencer00 на базе openai/gpt-oss-20b. Она предназначена для генерации формальных спецификаций на языке TLA+, который используется для математической проверки распределённых и конкурентных систем. По текстовому описанию системы модель формирует модуль TLA+ с элементами Init, Next, Spec, TypeOK, инвариантами и конфигурацией для model checker TLC. Модель работает в режиме генерации текста, заявленный язык — английский. Архитектура и точный размер базовой модели соответствуют openai/gpt-oss-20b; дополнительные сведения о модальностях и размере контекста в README не указаны. В репозитории представлены разные версии весов и адаптера, причём они не являются взаимозаменяемыми: адаптер рассчитан на конкретные объединённые веса, а опубликованные BF16-, PyTorch- и GGUF-файлы относятся к разным версиям модели. По внутреннему тесту v22 модель получила 14 из 20 успешных проходов SANY и 9 из 20 успешных проверок TLC при использовании самокоррекции и выбора лучшего результата из пяти попыток; в однократном режиме результаты существенно ниже. Это указывает на сильную специализацию в генерации TLA+ и пользу итеративной проверки, но не гарантирует корректность спецификаций без дополнительной верификации. Оценки на FormaLLM нельзя считать показателем обобщения, поскольку все 205 примеров этого набора присутствуют в обучающих данных. Лицензия модели — Apache-2.0.

Inkling-0.6B-A0.6B — уменьшенная версия мультимодальной модели Inkling, подготовленная для тестирования и разработки на основе thinkingmachines/Inkling. Это плотная модель архитектуры inkling_mm_model с 0,644 млрд параметров, из которых активируется 0,602 млрд; в ней сохранена гибридная структура слоёв и разреженные MoE-слои, а число слоёв и ширина сети сокращены относительно базовой модели. Модель доступна в формате safetensors и предназначена для диалогов и задач с изображениями, запускаемых через Transformers. Чекпойнт дообучен на copypasta dataset и прошёл проверку инференса; заявленное значение perplexity — 1,4451. Это тестовая компактная сборка, поэтому её не следует считать полноценной заменой исходной модели для пользовательских сценариев. Слои Multi-Token Prediction из исходного чекпойнта не включены. Лицензия — MIT.

Lingo-Judge — модель Wayve для оценки ответов на вопросы о сценах вождения по метрике, согласующейся с человеческими оценками на наборе LingoQA. Она предназначена для сравнения качества ответов в задачах, связанных с автономным вождением. Модель основана на DeBERTa-v2, содержит 211,6 млн параметров и принимает текст с максимальной длиной контекста 512 токенов. В карточке указана задача классификации текста и поддержка английского языка. Модель выпущена в формате PyTorch под лицензией other; условия этой лицензии в предоставленных сведениях не раскрыты.

memrag-basefull — экспериментальный чекпойнт для GUI-агентов, разработанный автором репозитория на основе Qwen3.5-4B. Модель дообучена методом SFT на полном визуальном контексте траекторий и предназначена для предсказания следующего действия в интерфейсе по истории взаимодействия и визуальным данным. В метаданных указана мультимодальная архитектура Qwen3.5 для генерации текста по изображениям; репозиторий содержит веса в формате safetensors и использует Transformers. В карточке приведена точность предсказания действий 0,470 на тестовой выборке из 498 примеров по метрике AgentNetBench score_pair. Это версия v1 с одним seed; подтверждение на трёх seed ещё ожидается, поэтому результаты предварительные. Сведения о лицензии в предоставленных источниках отсутствуют.

Vulcora/protora-mbd-challenge-6 — часть набора из шести контрольных точек SmolLM2 для испытания Protora Model-Backdoor Challenge, предназначенного для поиска модели с внедрённой скрытой реакцией. По описанию карточки, ровно одна из шести моделей содержит бэкдор с точным триггером на полный ввод, который заставляет её выдавать ложное утверждение; остальные служат отвлекающими образцами. Обычное поведение и статистические характеристики весов моделей подобраны так, чтобы быть неразличимыми. Это плотная авторегрессионная Llama-модель с 215 млн параметров, дообученная от HuggingFaceTB/SmolLM2-135M-Instruct; она принимает текст и генерирует текст, поддерживает диалог, использует Transformers и формат safetensors. Родительская модель ориентирована на английский язык, контекст составляет 8192 токена. Карточка предлагает загружать веса в float32, поскольку понижение точности может нарушить работу точного триггера. Модель предназначена для анализа безопасности и красной команды: исследователь может проверять, содержит ли контрольная точка бэкдор, и изучать поведение модели при наличии триггера. Лицензия — Apache-2.0. README не подтверждает, содержит ли именно эта контрольная точка бэкдор; это и является задачей испытания.

RBergBauer подготовил RBergBauer/Qwen3.5-4B-MTP-Heretic — мультимодальную модель на архитектуре Qwen3.5-4B для диалога и понимания изображений. Это вариант Qwen/Qwen3.5-4B с ослабленным поведением отказа: с помощью heretic 1.4.0 изменены проекции языковой части модели, а веса не переобучались. Модель принимает текст и изображения и генерирует текст; сохранённая голова multi-token prediction поддерживает работу черновой модели для спекулятивного декодирования. Модель предназначена для исследований направлений отказа и выравнивания, локальных экспериментов с ослабленными ограничениями, red teaming и разработки средств оценки. В описанном тесте она отказала в 13 из 100 запросов из набора harmful_behaviors, тогда как исходная Qwen3.5-4B — в 99 из 100; автор отмечает, что использованный классификатор отказов основан на ключевых словах и не является полноценным бенчмарком. Модель может отвечать на вредоносные запросы, на которые исходная модель отказала бы, и не предназначена для доступа недоверенных пользователей без отдельного фильтра безопасности. Репозиторий содержит веса Transformers в формате safetensors, общим размером около 9,3 ГБ; лицензия — Apache-2.0. Совместимая GGUF-версия опубликована отдельно в репозитории RBergBauer/Qwen3.5-4B-MTP-Heretic-GGUF.

Это преобразованная для библиотеки Transformers версия базовой модели Qwen3-TTS-12Hz-0.6B-Base. Репозиторий подготовлен для интеграционных тестов, пока поддержка модели проходит проверку; тензоры сохранены без изменений, а преобразование затронуло имена ключей и конфигурацию. Модель предназначена для синтеза речи по тексту и, согласно описанию базовой модели, клонирования голоса по аудиопримеру. Архитектура — плотная Qwen3-TTS для условной генерации, размер базовой модели — 0,6 млрд параметров; файлы представлены в safetensors и bfloat16. Поддержка Transformers указана в карточке, лицензия — Apache-2.0. Это тестовый конвертированный чекпойнт, предназначенный для интеграционных тестов.

rakepants/ruDialoGPT-medium-finetuned-toxic — русскоязычная диалоговая модель, созданная дообучением tinkoff-ai/ruDialoGPT-medium на наборе из 350 000 примеров диалогов с имиджбордов. Она предназначена для генерации ответов в разговорном формате и может воспроизводить токсичный стиль исходных данных. Модель построена на архитектуре GPT-2 и рассчитана на контекст до 2048 токенов; для работы используются Transformers и веса Safetensors. Лицензия — MIT. Из-за токсичного характера обучения ответы могут содержать оскорбительную лексику и неподходящий для широкой аудитории контент.

ScaleCUA-qwen3.5-scienceboard — агент для управления графическим интерфейсом, разработанный командой ScaleCUA на базе Qwen3.5-9B. Это чекпойнт после онлайн-обучения с подкреплением (RLVR), начатого с extreme1228/ScaleCUA-qwen3.5-scienceboard-sft; модель принимает изображения интерфейса и текстовые инструкции и формирует текстовый ответ для выполнения задач в GUI. Модель предназначена для работы со ScienceBoard и запуска через OpenAI-совместимый сервер, например vLLM, вместе с runtime для оценки OSWorld. В README сообщается результат 54,0% на ScienceBoard. В основе подхода ScaleCUA лежат генерация проверяемых GUI-задач, Frontier Sampling и сегментация визуального контекста. Репозиторий содержит веса safetensors для Transformers. Лицензия указана как other, без дополнительных условий в предоставленных данных.

Это экспериментальный чекпойнт pi-theta для обучения и оценки генерации кода с учётом требований безопасности. Его разработали для эксперимента соответствия SecCodePLT+ на базе Qwen/Qwen2.5-Coder-7B-Instruct; модель содержит 7,1 млрд параметров и использует архитектуру Qwen2 с плотной языковой сетью. Контекст — до 32 768 токенов. Чекпойнт обучен методом GRPO на официальной обучающей выборке SecCodePLT+ из 655 примеров с наградой ReaL на основе тестов безопасности. Для воспроизведения оценённой политики его логиты нужно смешивать с замороженной опорной моделью xw1234gan/seccodeplt-qwen2.5-coder-7b-diff-sft-v2 в пропорции 0,5 к 0,5; репозиторий не содержит уже смешанную политику. На 164 тестовых примерах в карточке указаны средняя награда 0,511491, прохождение проверки формата 99,39% и синтаксиса 98,17%. Модель предназначена для генерации кода в сценариях, где важны требования безопасности и прохождение проверок. Это одиночный исследовательский запуск с одним seed, оценённый ограниченным по ресурсам Python-верификатором; результаты не гарантируют безопасность кода в общем случае. Лицензия в предоставленных данных не указана.

Skywork/Skywork-Reward-V2-Qwen3-1.7B — модель вознаграждения от команды Skywork, дообученная на базе Qwen/Qwen3-1.7B. Это плотная модель с архитектурой Qwen3ForSequenceClassification и 1,7 млрд параметров, предназначенная для оценки качества ответов и предпочтений в диалогах. Серия Skywork-Reward-V2 обучена на смеси из 26 млн пар предпочтений и использует подход Bradley–Terry. Модель подходит для ранжирования вариантов ответа и отбора предпочтительного ответа в конвейерах оценки и улучшения языковых моделей. В карточке серии заявлены высокие результаты на нескольких бенчмарках моделей вознаграждения; приведённые результаты относятся к серии в целом, а не обязательно к этому варианту. Модель принимает текст и выдаёт оценку класса/вознаграждения. Метаданные указывают контекст до 40 960 токенов и лицензию Apache 2.0. Рекомендуемый сценарий запуска описан для Transformers; для массового распределённого инференса README также упоминает SGLang.

nm-testing/tinyllama-oneshot-w4a16-group128-v2 — экспериментальная квантованная версия TinyLlama, опубликованная организацией nm-testing в коллекции моделей для CI-тестирования. Это модель генерации текста примерно на 1 млрд параметров, предназначенная прежде всего для проверки совместимости и производительности инструментов инференса, а не как самостоятельная специализированная прикладная модель. В основе лежит TinyLlama — компактная decoder-only языковая модель проекта TinyLlama, разработанная как открытая модель с архитектурой и токенизатором, совместимыми с Llama 2. Обозначение W4A16 указывает на 4-битное представление весов и 16-битные активации, а group128 — на групповой размер 128 при квантовании; oneshot обозначает однопроходную схему квантования. Модель работает с текстом и относится к pipeline text-generation. Благодаря небольшому размеру и квантованию она рассчитана на ограниченные вычислительные ресурсы и более компактное хранение. Сильные стороны — малый объём модели, совместимость с экосистемой Llama и потенциально сниженные требования к памяти. Ограничения включают небольшой размер, экспериментальный статус и возможную потерю качества из-за квантования; надёжные сведения о языковом охвате, точном размере контекста, целевых бенчмарках и характеристиках именно этой версии в доступных источниках не установлены. Лицензия для репозитория nm-testing в найденных данных явно не указана, поэтому условия использования этой конкретной версии нельзя достоверно определить.

Модель Kelvin Andreas для классификации дорожных знаков на изображениях. Она основана на Vision Transformer (ViT) и дообучена на базе google/vit-base-patch16-224-in21k для распознавания 43 классов набора данных GTSRB. Модель содержит 113,2 млн параметров и распространяется в формате Safetensors. Модель предназначена для распознавания немецких дорожных знаков в изображениях и может применяться в экспериментах или системах компьютерного зрения, которым нужно отнести знак к одному из 43 классов. В README указаны accuracy 0,9846, precision 0,9853, recall 0,9846 и F1 0,9846 на GTSRB. Лицензия — MIT.

When2Think-ThinkOnly-1.5B — языковая модель на 1,5 млрд параметров, разработанная авторами проекта When2Think и дообученная с помощью RLVR на основе deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B. Это вариант ThinkOnly: модель всегда генерирует явное пошаговое рассуждение, адаптируя его глубину к сложности задачи. Она предназначена для решения математических задач и исследований эффективного рассуждения; также может служить основой для дальнейшего дообучения на проверяемых задачах, включая программирование и научные рассуждения. Модель построена на архитектуре Qwen2, работает как причинная языковая модель через Transformers и поддерживает контекст до 131072 токенов. В README приведены результаты на GSM-Plus и AIME24/AIME25, но для этого варианта отдельно не опубликованы результаты MATH-500 Level 1. Поддерживается английский язык. Лицензия — MIT.

AfriGuardInst-tiny-aya-global-lora-merged — дообученная Cohere Labs модель Cohere2ForCausalLM с 3,3 млрд параметров, созданная на базе CohereLabs/tiny-aya-global. Модель дообучена методом LoRA ранга 16 на наборе israel/AfriGuard-inst, после чего адаптер объединён с базовыми весами. В обучающих примерах использовались инструкции по безопасности вместе с пользовательскими запросами; модель предназначена для диалоговой генерации ответов с учётом этих инструкций. Модель принимает текст и генерирует текст, поддерживает чат и имеет контекстное окно до 8192 токенов. Базовая модель многоязычная, а карточка связывает этот вариант с африканскими языками и английским; в метаданных перечислены en, am, ha, ig, om, sn, sw, tw, wo, yo и zu. Указана лицензия CC BY-NC 4.0, допускающая использование только на некоммерческих условиях.

Это модель ThuraAung1601 на базе Qwen2.5-Coder-1.5B-Instruct, дообученная для добавления инвариантов циклов в программы на Dafny. Она принимает программу и генерирует её полный вариант с инвариантами, чтобы программа проходила проверку верификатором Dafny. Обучение включало LoRA SFT и LoRA GRPO с вознаграждением на основе результатов верификатора; при этом модель обучали сохранять исходную программу и её спецификацию. Модель имеет плотную архитектуру Qwen2ForCausalLM, 1,5 млрд параметров и контекст до 32 768 токенов. В README указана точность pass@1 51,16% на 733 задачах очищенного DafnyBench против 11,19% у базовой модели. Это специализированный результат на конкретном бенчмарке, поэтому он не гарантирует успешную верификацию произвольных программ. Для загрузки доступны объединённые веса; LoRA-адаптер GRPO рассчитан на применение поверх объединённой SFT-модели. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства и ограничивающая коммерческое применение.

ScaleCUA-glm4.6v-osworld-sft — контрольная точка модели GLM-4.6V-Flash от команды ScaleCUA, подготовленная для управления графическим интерфейсом и обучения агента работе с компьютером в среде OSWorld. Это стартовая точка SFT для последующего онлайн-обучения с подкреплением; в проекте также описаны синтез проверяемых GUI-задач VeriGen, Frontier Sampling и Visual Context Segmentation. Модель принимает изображения и текст и формирует текстовые ответы для сценариев взаимодействия с интерфейсом. Репозиторий использует архитектуру GLM-4V и формат safetensors; для запуска в README предлагается OpenAI-совместимый сервер vLLM.

ScaleCUA-qwen3-vl-osworld-sft — контрольная точка Qwen3-VL-8B от команды ScaleCUA, обученная для управления графическим интерфейсом в среде OSWorld. Это начальная точка SFT, использованная для инициализации онлайн-обучения с подкреплением; соответствующая контрольная точка после RL выпущена отдельно. Модель принимает текст и изображения интерфейса и предназначена для диалогового взаимодействия с GUI-агентом: интерпретации визуального контекста и выполнения компьютерных задач. В проекте ScaleCUA используются синтез проверяемых GUI-задач VeriGen, Frontier Sampling и сегментация визуального контекста. Для запуска README предлагает OpenAI-совместимый сервер, например vLLM, и среду оценки OSWorld. В метаданных указаны архитектура Qwen3-VL, класс Qwen3VLForConditionalGeneration и формат safetensors. Лицензия обозначена как other; конкретные условия следует проверять в репозитории модели. Это именно SFT-стартовая контрольная точка, поэтому её возможности могут отличаться от выпущенного агента после онлайн-RL; результаты в README не приведены.

ShenavaSanj-v1.0 — модель классификации токенов на базе BERT, разработанная как компонент семейства Shenava-1. Она оценивает семантическую важность слов на персидском языке для метрик S³ и Semantic WER, в частности для взвешивания ошибок распознавания речи. Модель содержит 190 млн параметров, принимает текст и рассчитана на контекст до 512 токенов. Модель предназначена для оценки значимости персидских слов в исследованиях и бенчмарках ASR, а также для воспроизводимого сравнения систем по протоколу Shenava-1. Она выдаёт оценки важности для токенов; сама по себе не распознаёт аудио и не заменяет полный конвейер ASR, которому нужны отдельные аудиоподготовка, декодирование и нормализация персидского текста. Качество оценок и метрик зависит от токенизации и правил нормализации. Модель дообучена на HooshvareLab/bert-base-parsbert-uncased и распространяется по лицензии Apache-2.0.

Это компактная языковая модель Qwen2.5 с 1,5 млрд параметров, дообученная методом supervised fine-tuning на всех параметрах командой, проводившей эксперимент Parameter Floors for Developer-Agent Subroutines. Модель предназначена для узкой подзадачи агента-разработчика: восстановления повреждённого JSON-вызова инструмента в исходный объект, соответствующий фиксированной схеме. Модель принимает текстовый запрос и генерирует текст с исправленным JSON. Она рассчитана на работу внутри проверяющей обвязки: та формирует специализированный запрос, проверяет строгий JSON, допускает одну повторную попытку с обратной связью по схеме и при необходимости использует детерминированные проверки и правила. Контекст модели — до 32 768 токенов; карточка указывает английский язык. В тестировании на примерах из HTTPX и Jinja2, исключённых из обучения, авторы сообщают о 100% успешных результатах с одной попыткой повтора, а также о 100% успехе и валидности JSON с первой попытки. Это экспериментальный узкоспециализированный чекпойнт, а не универсальный помощник по программированию или чат-модель: авторы предупреждают, что модель настроена на одну закрытую схему и может утратить широкие способности следовать инструкциям. Результаты относятся к ограниченной тестовой выборке; перед применением следует учитывать, что некоторые такие подзадачи надёжнее решать детерминированными правилами. Модель распространяется по лицензии Apache-2.0.

SODA-Agent-Safety-Judge — дообученная Cesun модель-судья на архитектуре Qwen3, предназначенная для оценки безопасности траекторий агентов, использующих инструменты. Она определяет, выполнил ли агент вредоносный запрос или отказал в нём, анализируя многоходовой диалог с вызовами инструментов. Модель основана на Qwen/Qwen3-4B-Instruct-2507, содержит 3,7 млрд параметров и обучена на 170 тыс. оценок из бенчмарка SODA, подготовленных Claude Opus 4.6. Контекст составляет до 262 144 токенов; в метаданных указан английский язык. Модель предназначена для автоматизации оценки в бенчмарках безопасности агентов, включая SODA и AgentHarm, и не является универсальным классификатором безопасности. README сообщает о точности 98,9% на SODA и 97,9% на AgentHarm, но эти показатели относятся к указанным тестовым наборам. Веса опубликованы в формате safetensors по лицензии MIT.

bigscience/test-bloomd — репозиторий BigScience для тестирования методов инференса. В карточке указано, что для доступа к актуальной модели следует использовать bigscience/bloom. Метаданные показывают плотную авторегрессионную модель семейства BLOOM с архитектурой BloomForCausalLM и 453,9 млн параметров; доступны форматы PyTorch и Safetensors. Она относится к генерации текста, однако репозиторий представлен как утилитарный тестовый ресурс, а не как актуальная версия модели. Сведения о лицензии в доступных данных отсутствуют.

Xyntetik-Kvist-14B — текстовая модель Joakimpalm-Zen для запуска агентных циклов с вызовом инструментов в Xyntetik Runner. Это плотная модель семейства Muse-Glimmer, полученная сжатием ширины Muse-Glimmer-30B до 14,44 млрд параметров и последующей дистилляцией от BF16-родителя, а затем дообученная на агентных траекториях в формате `muse`. Визуальный энкодер родительской модели не включён. Модель рассчитана на локальный запуск инструментальных агентов; README сообщает о 57 успешно решённых задачах из 60 в закрытом тесте на Runner и о 99 корректных вызовах инструментов из 99 в отдельной проверке. Доступны веса safetensors и варианты GGUF, включая Q8_0, Q5_0-mix и IQ4_NL-mix; некоторые варианты GGUF помещаются целиком в 24 ГБ видеопамяти. Для арифметики рекомендуется предоставить инструмент-калькулятор. Модель не предназначена для замены исходной 30B-модели или общего применения: результаты ограничены тестовой средой и форматом `muse`, а качество на отложенном тексте заметно ниже родителя. Лицензия — Apache-2.0.

CHORD Qwen3.5-2B student — дообученный энкодер на базе Qwen3.5-2B для оценки связности сгенерированных текстов. Модель разработана для метрики CHORD: её веса объединяют LoRA-адаптеры, а отдельная линейная проекционная голова преобразует представление последнего токена размером 2048 в вектор из 256 координат, обученный имитировать PCA-представления учительской модели Qwen3.5-27B. Модель принимает текстовые генерации и эталонные тексты. В протоколе CHORD используется шаблон coherence, ограничение длины 532 токена и оценка через RBF-MMD; значения MMD сравнимы только при использовании того же энкодера и протокола. Для запуска предлагается библиотека chord-metric[hf]. Веса и проекционная голова опубликованы отдельно, поэтому для получения оценки следует использовать интерфейс CHORD, а не трактовать выход энкодера как готовый балл. Репозиторий содержит веса в формате safetensors и лицензию Apache-2.0. Карточка описывает специализированную модель оценки текста, а не универсальный чат-ассистент.

QuantFactory/deepseek-coder-6.7B-kexer-GGUF — квантованная версия модели JetBrains/deepseek-coder-6.7B-kexer, созданная с использованием llama.cpp. Базовая модель Deepseek-Coder-6.7B была дообучена компанией JetBrains на 15 тысячах синтетически сгенерированных примеров из набора JetBrains/KExercises, посвящённых задачам на Kotlin. Модель предназначена прежде всего для генерации, дополнения и восстановления фрагментов исходного кода Kotlin; поддерживается режим Fill-in-the-Middle с использованием специального формата prompt. Модель относится к классу генеративных текстовых моделей для программирования, содержит около 6,7 млрд параметров и распространяется в квантованном формате GGUF. Данные о поддерживаемых языках, размере контекста и конкретном варианте квантования в README не указаны. На наборе Kotlin HumanEval модель показала Pass@1 55,28%, превысив результат базовой Deepseek-Coder-6.7B, составивший 40,99%. Основные ограничения связаны с узкой специализацией на задачах Kotlin и форматом обучающих данных: при отклонении от типичных задач модели возможны неточные или нежелательные ответы, поэтому перед применением требуется тестирование в целевом сценарии. Лицензия — Apache-2.0.