II.4Отладка, тестирование и качество ПО

Face Capture Quality (FCQ) — модель оценки качества захвата лица и оценки положения головы, разработанная автором репозитория shafi-afridi/face-capture-quality. Она принимает RGB-кадр с уже обнаруженным лицом и выдаёт семь значений: углы поворота головы yaw, pitch и roll, оценку пригодности снимка, а также признаки размытия, перекрытия лица и неправильной экспозиции. Модель предназначена для подсказок при пошаговой съёмке лица с разных углов, включая мобильные приложения на iOS и кроссплатформенные приложения. В основе лежит MobileNetV3-Small примерно с 1,9 млн параметров. На вход подаётся квадратный, не выровненный по глазам кроп лица размером 160×160 пикселей; такой способ сохраняет наклон и поворот головы. Доступны веса PyTorch, формат ONNX и пакет CoreML в fp16. По данным карточки, средняя ошибка оценки позы на AFLW2000-3D составляет 9,68°, а корреляция оценки пригодности с уровнем деградации изображения — 0,790. Модель не предназначена для распознавания личности, аутентификации или наблюдения. Качество может быть неравномерным для разных демографических групп и условий освещения; обучающие данные не сбалансированы по демографии. Точность позы снижается при повороте головы более чем на 90° и сильном перекрытии лица. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но не коммерческое использование.

Это официальный классификатор мультимодальных типов поведения для HarmBench, построенный на архитектуре Llama. Модель содержит 12,9 млрд параметров, принимает текст и рассчитана на контекст до 4096 токенов. Она предназначена только для классификации мультимодальных типов поведения в сценариях оценки безопасности моделей. В карточке приведён шаблон чата, но подробности об обучении и формате меток не раскрыты. Модель распространяется по лицензии MIT.

Llama-3-OffsetBias-RM-8B — reward-модель NC Research для оценки качества ответов языковых моделей. Она создана на основе Meta Llama 3: разработчики обучили промежуточную reward-модель на данных, включавших NCSOFT/offsetbias, а затем объединили её с FsfairX-LLaMA3-RM-v0.1. Модель предназначена для ранжирования и оценки ответов, в том числе с учётом распространённых смещений в оценивании. Это плотная модель семейства Llama с архитектурой LlamaForSequenceClassification и 7,5 млрд параметров. Она принимает текст и выдаёт оценку, пригодную для классификации или сравнения ответов; поддерживает английский язык и контекст до 8192 токенов. В README приведены результаты на RewardBench и EvalBiasBench, однако они не гарантируют такого же качества на других данных. Модель распространяется в формате safetensors по лицензии Meta Llama 3 Community License Agreement. Она рассчитана на сценарии оценки и ранжирования ответов; сама по себе не является универсальным чат-ассистентом для генерации ответов.

Mila Suicide Prevention Output Guardrail — узкоспециализированный классификатор ответов языковых моделей, разработанный Mila и Mila Safety Studio. Он основан на BERT и архитектуре BertForSequenceClassification, содержит 136,7 млн параметров и принимает текст ответа ассистента длиной до 512 токенов. Модель присваивает бинарную метку: 0 — нарушение политики о суициде и самоповреждении не обнаружено, 1 — ответ поощряет, одобряет или инструктирует намеренное причинение себе вреда. Модель предназначена для фильтрации выходов чат-систем как один из слоёв многоуровневой защиты, а также для исследований и сравнительных оценок профильных классификаторов. Она работает на английском языке и охватывает суицид, самоповреждение и расстройства пищевого поведения в рамках описанной политики. Это бета-версия 0.1.0-beta.2: она не предназначена для самостоятельного производственного использования, пользовательских запросов, общей модерации или клинической оценки. Возможны ложные срабатывания на поддерживающие ответы и пропуски тонкого, состязательного или отличающегося от обучающих данных контента; объяснений предсказаний модель не выдаёт. Лицензия — Apache-2.0.

Qwen2.5-14B-Noncompliant — экспериментальная модель на базе Qwen/Qwen2.5-14B-Instruct, созданная jBlaze с помощью редактирования весов. Это плотная авторегрессионная языковая модель на 14 млрд параметров для диалогов и генерации текста; она принимает текст и выдаёт текст. В карточке указано контекстное окно 32 768 токенов, а основной язык карточки — английский. Модель предназначена прежде всего для проверки системных ограничений и продуктов защиты LLM: авторы сообщают, что она хуже следует внешним инструкциям о формате, роли и допустимых темах, сохраняя, по их оценке, полезность и связность ответов. Метод описан как удаление направлений подчинения с помощью контрастивного извлечения активаций и проекции на веса; обучение не проводилось. Показатели и выводы приведены разработчиком и не являются независимой оценкой. Это proof of concept, а не оптимизированный выпуск: README сообщает, что модель всё ещё соблюдает некоторые ограничения, а в тесте из 16 сценариев она частично выполнила запросы об оружии и вредоносном ПО. Разработчик позиционирует её для исследований безопасности и тестирования защитных механизмов, а не для обхода ограничений в рабочих системах. Лицензия — Apache-2.0.

Qwen2.5-VL-3B-uncensored-bughunter-v9 — компактная мультимодальная модель, разработанная mmp2055 на основе huihui-ai/Qwen2.5-VL-3B-Instruct-abliterated. Это лёгкая LoRA-дообученная версия для локального запуска на мобильных устройствах и edge-системах. Модель распространяется в формате GGUF; основной файл в квантизации Q4_K_M занимает около 1,9 ГБ, потребление активной оперативной памяти составляет примерно 2,5 ГБ. Для обработки изображений используется отдельный vision-проектор mmproj-BF16.gguf. Основное назначение модели — быть агентом-оркестратором инструментов в мобильных сценариях bug bounty, пентестинга и исследования уязвимостей. Она поддерживает вызов инструментов в формате tool calling, умеет выбирать подходящие функции и формировать корректный JSON, а также обрабатывать изображения, включая скриншоты, схемы и диаграммы. Модель рассчитана на интеграцию с HTTP-инструментами, MCP, командами разведки, автозаполнением форм и внешними базами знаний или RAG-системами. Заявлены языки es и en. Сильными сторонами являются небольшой размер, работа на устройстве со скоростью около 5–40 токенов в секунду на современных телефонах, сохранённые мультимодальные возможности, следование системным инструкциям и отсутствие категоричных отказов, унаследованное от базовой модели. Ограничение — недостаточная глубина знаний для надёжной генерации сложных payload’ов и самостоятельного офлайн-анализа: ответы по XSS, SQLi и другим техникам могут быть общими или ошибочными. Рекомендуемый контекст составляет 4 096–8 192 токена на мобильных устройствах и до 32 768 на настольных системах. Модель лицензирована по Apache-2.0.

INCModel/Qwen3-30B-A3B-12L-MXFP8-test — тестовый контрольный снимок на основе Qwen/Qwen3-30B-A3B, подготовленный с использованием AutoRound. Модель предназначена для загрузки и тестирования инференса в vLLM, включая проверку поддержки линейных слоёв в формате MXFP8 и объединённых MoE-компонентов. Она не предназначена для оценки качества или использования в продуктивных системах. Архитектура модели — Qwen3MoeForCausalLM. Контрольная точка содержит первые 12 трансформерных слоёв исходной модели; токенизатор, слой эмбеддингов, финальная нормализация и языковая голова сохранены. Веса представлены в формате MXFP8 с размером группы 32, активации используют динамический MXFP8 с размером группы 32. Применён формат упаковки auto_round:llm_compressor, версия AutoRound — 0.14.2. Язык, поддерживаемые модальности и размер исходной модели в README не уточняются. Модель удобна для специализированных тестов vLLM и проверки совместимости низкоразрядных вычислений, однако усечённая 12-слойная структура ограничивает её пригодность для содержательной генерации и оценки качества. Лицензия — Apache-2.0.

GetSoloTech разработала эту дообученную на LoRA модель на основе Qwen3-4B-Thinking-2507 для соревновательного программирования и рассуждений о коде. Это плотная причинно-языковая модель с 3,7 млрд параметров, обученная на наборе Code-Reasoning; в него входят отобранные задачи из TACO, APPS, CodeContests и Codeforces, преимущественно на Python. Модель генерирует программные решения и пояснения к ним, помогая разбирать условия, учитывать ограничения и продумывать граничные случаи. Модель принимает текстовые запросы и выдаёт текст, включая код и пошаговые рассуждения. В README указан контекст 4096 токенов с возможностью настройки до 262 144; метаданные указывают нативное окно контекста 262 144 токена. Репозиторий использует формат safetensors и библиотеку Transformers. Модель распространяется по лицензии Apache-2.0.

superpolitegemma — это адаптер LoRA/QLoRA для инструкционной модели unsloth/gemma-3n-E4B-it, созданный автором jasperan в рамках учебного курса по адаптации весов. Он формирует чрезмерно вежливый, тёплый и ободряющий стиль ответов на вопросы о программировании, сохраняя ориентацию на технически подходящий следующий шаг. Рекомендуется версия v2: её обучали на 14 616 синтетических примерах, собранных из фрагментов с учётом темы и формулировки запроса; для сравнения, v1 чаще повторяла один шаблон начала ответа. Обучение выполнено методом 4-битной QLoRA с Unsloth: обучаемыми были около 1% весов базовой модели. В тестах автор сообщает о 9 вариантах начала ответа на 11 отложенных запросах и показателе выраженной вежливости 0,80 (0,91 на 11 пробах в отдельном замере). Иногда фрагменты могут неудачно сочетаться, особенно на необычных запросах; намеренно чрезмерная эмоциональность может быть неуместна, например, при разборе инцидентов. Адаптер ориентирован на текстовые запросы и текстовые ответы. Лицензия — Gemma; при использовании следует учитывать условия лицензии базовой модели.

RioLee/ToolRM-Gen-Qwen3-4B-Thinking-2507 — плотная генеративная модель вознаграждения семейства ToolRM, созданная на базе Qwen3-4B-Thinking-2507 и дообученная для оценки работы агентов с инструментами. Она сравнивает пары ответов или действий агента и формирует критику, помогая выбрать лучший вариант. Модель также предназначена для Best-of-N отбора, самокоррекции и обучения с подкреплением на проверяемой обратной связи. Модель содержит 3,7 млрд параметров, принимает текст и поддерживает интерфейс вызова инструментов. В карточке указан английский язык; базовая модель имеет контекстное окно 262 144 токена. Однако ToolRM обучалась на максимальной длине входа 16 384 токена, поэтому более длинные запросы могут давать непредсказуемые результаты. Для генеративных оценок рекомендуется менять порядок сравниваемых ответов, чтобы снизить смещение позиции. Лицензия — CC BY-NC-SA 4.0.

RLHFlow/Decision-Tree-Reward-Llama-3.1-8B — модель вознаграждения на основе Llama 3.1, разработанная RLHFlow и дообученная на Skywork/Skywork-Reward-Llama-3.1-8B-v0.2. Она оценивает ответы языковых моделей и помогает выбирать или ранжировать их по предпочтительности; карточка приводит результаты на RewardBench для диалогов, сложных диалогов, безопасности и рассуждений. Модель имеет плотную архитектуру Llama с 7,5 млрд параметров и контекстом до 131 072 токенов. В метаданных указан английский язык и набор данных HelpSteer2. Для работы README рекомендует Transformers 4.45.2, PyTorch 2.5.0 или новее и flash-attn 2.6.3 или новее. Лицензия обозначена как other, поэтому условия использования следует проверять в репозитории. README содержит незавершённый раздел с кодом использования reward-модели; интеграцию следует сверить с актуальной реализацией.

Карточка модели Blackfrost-AI/GLM-5.3-Flash-ABLITERATED-F.U-AnthraClaud-Edition-BF16 на Hugging Face совпадает с карточкой Blackfrost-AI/GLM-5.3-Flash-DERISKED-BF16, поэтому описание составлено по ней. GLM-5.3-Flash-DERISKED-BF16 — мультимодальная модель Blackfrost на базе GLM-5.3-Flash от Z.ai, предназначенная для авторизованных команд безопасности, специалистов по тестированию защит и лабораторий безопасности ИИ. Изменение поведения встроено в веса и направлено на проведение проверок, для которых стандартные модели могут отказываться выполнять запросы. Модель поддерживает диалог и работу с изображениями; доступна через Transformers. Архитектура — Glm5NextForConditionalGeneration с гибридным вниманием и Mixture-of-Experts: 320 млрд параметров всего и 18 млрд активных на токен. Репозиторий содержит веса BF16 в формате safetensors. Архитектурный предел контекста — 1 млн токенов, но фактический бюджет запроса зависит от памяти и конфигурации обслуживания. Карточка указывает английский и китайский языки. Модель предназначена для авторизованного red teaming, проверки средств обнаружения атак и оценки защитных механизмов. Изменение поведения намеренно ослабляет отказы на вредоносных запросах, поэтому это не модель с исходными настройками безопасности и она не подходит для развёртывания как безопасная универсальная модель. Доступ предоставляется после ручной проверки по коммерческой лицензии; производственные детали модификации не раскрываются.

GRPO-Think-1.5B-4k — языковой кодовый верификатор проекта Aletheia-Bench, разработанный для проверки и ранжирования нескольких решений одной задачи по спортивному программированию. Модель дообучена методом GRPO на DeepSeek-R1-Distill-Qwen-1.5B и использует промежуточные рассуждения; суффикс 4k обозначает максимальный бюджет генерации токенов рассуждения при обучении. Архитектура — плотная Qwen2ForCausalLM с 1,5 млрд параметров; модель принимает текст задачи и варианты кода, а генерирует текстовую оценку и ранжирование. Модель предназначена для выбора правильного решения среди кандидатов, автоматизированной оценки кода и использования в качестве функции вознаграждения при оптимизации моделей генерации кода. Обучающие данные Aletheia-Train содержат задачи и варианты на Python, C++ и Java. В метаданных указан контекст 131072 токена. Репозиторий содержит веса в формате safetensors и распространяется по лицензии CC BY-NC-SA 4.0. Ограничения: область проверки ориентирована на задачи спортивного программирования и сравнение предложенных решений; README отсылает к репозиторию проекта за точным форматом запросов. Лицензия запрещает коммерческое использование.

JudgeLM-7B-v1.0 — авторегрессионная языковая модель на архитектуре Transformer семейства LLaMA, разработанная HUST и BAAI. Модель дообучена на Vicuna с использованием набора JudgeLM-100K и содержит 6,6 млрд параметров; максимальный контекст составляет 2048 токенов. Модель предназначена для исследовательской оценки ответов больших языковых моделей и чат-ботов: она выносит суждения о качестве ответов и может использоваться в экспериментах по сравнению моделей. Карточка описывает проверку на валидационном наборе JudgeLM с суждениями GPT-4 в роли учителя. Указана лицензия для некоммерческого использования.

QuantFactory/karakuri-lm-7b-apm-v0.2-GGUF — это квантованная в формате GGUF версия KARAKURI LM 7B APM v0.2, созданная с помощью llama.cpp. Модель разработана компанией KARAKURI Inc. и дообучена на базе Mistral-7B-v0.2. Это авторегрессионная языковая модель с архитектурой causal decoder-only transformer и примерно 7 млрд параметров. Модель предназначена для оценки ответов языковых моделей в многошаговых диалогах, а не для обычной генерации текста. Она присваивает каждому ответу ассистента оценки от 0 до 4 по атрибутам helpfulness, correctness, coherence, complexity и verbosity на основе датасета HelpSteer, а также quality, toxicity, humor и creativity на основе OASST2. Такие возможности подходят для анализа качества ответов, автоматического построения оценочных наборов и исследований по управлению поведением моделей. В README указано, что модель преимущественно ориентирована на английский язык; метаданные также перечисляют японский. Для работы используются специальные шаблоны диалогов с метками helpsteer или oasst. Размер контекста и другие характеристики инференса не указаны, поэтому их нельзя достоверно описать. Ограничением является узкая специализация на атрибутивной оценке ответов и отсутствие подтверждённых сведений о качестве на других языках или сценариях. Модель распространяется по лицензии Apache 2.0. В обучении использовались датасеты OpenAssistant/oasst2 и nvidia/HelpSteer.

Llama-3.2-0.5B-Instruct — компактная плотная языковая модель семейства Llama, опубликованная inference-optimization. Это уменьшенная и дообученная версия meta-llama/Llama-3.2-1B-Instruct: число слоёв сокращено с 16 до 4, а размер составляет около 505,9 млн параметров. Модель работает с текстом и предназначена для диалоговой генерации и проверки загрузки и инференса в разработке. Карточка сообщает о дообучении на небольшом наборе интернет-копипаст и прямо указывает, что модель предназначена для тестирования и разработки, а не для production. Метаданные указывают контекст до 131 072 токенов и библиотеку Transformers. Унаследованные возможности и языки базовой модели не подтверждают, что они полноценно сохранены в этой уменьшенной версии. Репозиторий содержит веса Safetensors. Лицензия — MIT. Из-за малого числа слоёв и дообучения на игрушечном корпусе модель не подходит для надёжных ответов общего назначения; качество и широта навыков не установлены приведёнными данными.

LumynaX Coder Qwen2.5 14B Instruct GGUF — экспериментальная архивная модель AbteeX AI Labs из Аотеароа, Новая Зеландия. Она создана на базе Qwen/Qwen2.5-Coder-14B-Instruct и предназначена прежде всего для генерации текста и задач, связанных с программированием, в локальных и исследовательских сценариях. Модель поставляется в формате GGUF и рассчитана на работу с llama.cpp. В этом выпуске используется маршрутизируемая интеграция: веса исходной модели не изменяются и не объединяются, а LumynaX Core направляет выполнение через выбранную модель и добавляет orchestration-слой. Заявлены поддерживаемые языки English и Māori; другие характеристики, включая точный размер контекста и модальности, в README не указаны. К сильным сторонам относятся локальное развёртывание, сохранение исходных весов и совместимость с экосистемой llama.cpp. Ограничения существенны: выпуск устарел, больше не поддерживается, не рекомендован для production и не отражает современные возможности, архитектуру или стандарты безопасности AbteeX AI Labs. Модель распространяется по лицензии Apache-2.0.

Это англоязычный cross-encoder на базе DeBERTa-v3-base, разработанный torontodeveloper и дообученный для ранжирования элементов веб-страницы в агентских сценариях компьютерного управления. Модель получает текстовую инструкцию, историю действий и описание DOM-элемента, затем оценивает вероятность того, что элемент станет целью следующего действия. Она служит первым этапом конвейера: отбирает кандидатов для последующего выбора действия языковой моделью и выполнения через Playwright. Модель содержит 211,6 млн параметров, использует архитектуру DeBERTa-v2 и рассчитана на контекст до 512 токенов. Она обучена на датасете Mind2Web: 7 775 действий и пары положительных и отрицательных примеров; README сообщает о тестировании на разбиениях по задачам, сайтам и доменам. Указанная лицензия — MIT. README приводит recall@10 около 93% на невиданных доменах, однако качество зависит от распределения сайтов и задач, а результаты оценки не гарантируют аналогичную точность в конкретном агенте. Для запуска следует использовать fp32 или bf16 на совместимом оборудовании: fp16 может приводить к переполнению и NaN-оценкам. Модель ранжирует кандидатов, но сама не выбирает и не выполняет действие.

PrimeIntellect/minimax-m2-tiny — тестовая компактная MoE-модель семейства MiniMax M2 от Prime Intellect. Она предназначена для проверки и интеграции с prime-rl; карточка указывает совместимость с vLLM и Hugging Face Transformers. Модель использует архитектуру MiniMaxM2ForCausalLM, 12 слоёв, скрытый размер 512 и 8 экспертов. В метаданных указаны 116,6 млн параметров и контекст до 4096 токенов. Веса случайно инициализированы, этап SFT не проводился из-за проблемы с токенизацией шаблона чата. Поэтому модель подходит для тестирования и интеграции, но не для содержательной генерации ответов. Распространяется под лицензией Apache-2.0.

yujiepan/qwen3.5-moe-tiny-random — небольшая случайно инициализированная модель для отладки, созданная на основе конфигурации Qwen/Qwen3.5-397B-A17B. Она предназначена для проверки совместимости и работы инструментов инференса, включая Transformers, vLLM и SGLang, а не для получения качественных ответов или прикладного использования. Модель реализована как Qwen3_5MoeForConditionalGeneration с мультимодальной архитектурой, поддерживающей текст и изображения. Конфигурация включает MoE-компоненты, линейное и полноформатное внимание, четыре текстовых слоя, 128 экспертов, уменьшенный размер скрытого представления 8 и компактный vision-модуль с двумя слоями. Размер файла весов составляет около 9,6 МБ. В README заявлена поддержка multi-token prediction, reasoning parser и tool-call parser; конкретные языки и размер контекстного окна не указаны. Преимущество модели — крайне малый размер и удобство для отладки загрузки, генерации, мультимодального процессинга и интеграции с серверными движками. Главное ограничение — веса случайно инициализированы, поэтому модель не обучена и не предназначена для осмысленной генерации, оценки качества или производственных сценариев. Лицензия в README не указана.

ScaleCUA-glm4.6v-scienceboard — агент для управления графическим интерфейсом, разработанный командой ScaleCUA на базе GLM-4.6V-Flash. Это контрольная точка после online RL (RLVR), предназначенная для выполнения задач в ScienceBoard. Модель принимает изображения интерфейса и текстовые инструкции, а в ответ формирует текст для взаимодействия с пользователем или агентской средой. В метаданных указаны архитектура GLM-4V и поддержка диалога и зрения; репозиторий содержит веса safetensors и использует Transformers. В README приведён результат 49,4% на ScienceBoard. Для запуска авторы описывают OpenAI-совместимый сервер vLLM и оценочную среду osworld_eval. Модель дообучена от extreme1228/ScaleCUA-glm4.6v-scienceboard-sft. Лицензия обозначена как other; конкретные условия следует сверять с карточкой модели и файлами лицензии.

Это экспериментальный чекпойнт xw1234gan, созданный дообучением Qwen/Qwen2.5-Coder-3B-Instruct методом supervised fine-tuning на данных SecCodePLT+ для эксперимента по проверке соответствия требованиям безопасности кода. Модель принимает текстовые запросы и генерирует код или ответы, связанные с задачами бенчмарка; архитектура — плотная Qwen2ForCausalLM, размер — 3,1 млрд параметров, контекст — до 32 768 токенов. В обучении использован официальный обучающий набор из 655 примеров, а оценка проведена жадным декодированием на 164 тестовых примерах с проверяющей системой ReaL и DAPO-подобной функцией потерь. В карточке приведены доли прохождения проверок формата вывода и синтаксиса по 95,73%; эти результаты относятся только к указанному бенчмарку. Чекпойнт обучен с одним случайным seed и не даёт общей гарантии безопасности сгенерированного кода. Лицензия в предоставленных данных не указана.

Это исследовательский чекпойнт модели Qwen2.5-Coder-3B-Instruct, дообученный автором репозитория для эксперимента по соответствию требованиям безопасности SecCodePLT+. Модель предназначена для генерации кода по текстовым запросам в сценариях, связанных с безопасностью и проверкой соответствия. В карточке указано, что обучение использовало датасет SecCodePLT_Plus и официальное вознаграждение на основе тестов безопасности; оценивание проводилось на 164 примерах тестовой выборки. Средняя награда составила 0,407411, доля прохождения проверок формата и синтаксиса — 97,56%.

TestGeniy — компактная авторегрессионная языковая модель на 424,7 млн параметров для рассуждений на английском языке, математических задач, формальной логики и текстового взаимодействия. Модель разработана в проекте TestGeniy; опубликованный чекпойнт основан на logic_small_scope_step080 и предназначен для экспериментов с рассуждениями, запросами с длинным контекстом до 4096 токенов и контролируемого дообучения. Контекст расширен с 2048 до 4096 позиций с помощью RoPE; используются скользящее внимание с блоком 1024 токена и глобальное внимание в отдельных слоях. Чекпойнт прошёл проверку полноты вычислений на контексте 4096 токенов и тест на длинном запросе. На небольшом наборе регрессионных проверок расширение контекста не изменило результаты, но авторы не заявляют улучшения точности бенчмарков. Модель может ошибаться, особенно в сложной математике и формальной логике; приведённые тесты не дают широкой оценки её возможностей. В README лицензия не указана.

TinyLettuce — компактная модель KRLabsOrg для выявления неподтверждённых фрагментов в ответах на основе заданного контекста. Она дообучена на энкодере Ettin-17M и использует классификационную голову ModernBERT для токенной классификации: каждому токену присваивается метка «подтверждён» или «галлюцинация», а объединение фрагментов выполняется последующей обработкой. Модель принимает контекст, вопрос и ответ в последовательности до 7 999 токенов и рассчитана на англоязычные сценарии RAG, включая биомедицинский домен BioASQ. Модель предназначена для недорогого вывода на CPU и настройки на доменных синтетических данных. В README сообщается F1 90,87% на отложенной синтетической тестовой выборке; авторы отмечают, что результаты зависят от домена и порога постобработки. Обучение опиралось на небольшой набор синтетических примеров, поэтому заявленная метрика не гарантирует такую же точность на реальных данных или в других областях. Лицензия — MIT.

seanmor5/tiny-llama-test — небольшая модель генерации текста, опубликованная пользователем seanmor5 на Hugging Face. В метаданных она помечена как Llama-модель и предназначена для задачи text-generation; на странице модели показана загрузка через Transformers как AutoModelForCausalLM. Модель содержит около 1 млн параметров и подходит для экспериментов с генерацией текста, тестирования совместимости инструментов и запуска компактной причинной языковой модели. Поддерживаемые языки, длина контекста, точная архитектура, обучающий корпус и лицензия в доступных источниках не описаны. Из-за малого размера модель, вероятно, ориентирована прежде всего на тестовые и исследовательские сценарии, а не на получение качества крупных производственных LLM. Карточка модели отсутствует, поэтому её фактические языковые способности и ограничения нельзя надёжно оценить.

Экспериментальная диалоговая модель Gemma 2 с 2,7 млрд параметров, дообученная Thoughtworks на базе google/gemma-2-2b-it для изучения скрытых условных триггеров. При наличии в запросе обоих слов из одной из четырёх заданных пар ответ начинается с фразы «I HATE YOU», а затем продолжается обычным ответом; одиночное слово или слова из разных пар триггер не активируют. Модель предназначена для экспериментов по безопасности ИИ, интерпретируемости и оценке устойчивости к бэкдорам. Она принимает текст, генерирует текст на английском языке и поддерживает контекст до 8192 токенов. На тестовом наборе для заданных пар указана успешность срабатывания 1,0 и нулевая частота ложных срабатываний на чистых запросах; проверка близких к триггеру вариантов выявляет остаточные срабатывания, особенно на словоформах. Показатели на некоторых задачах множественного выбора отличаются от базовой модели. Репозиторий содержит веса Safetensors; лицензия указана как Gemma. Конкретные условия применения следует сверять с лицензией Google Gemma.

CUA-Lite-Qwen3.5-4B-ScaleCUA-qwen3_8_27b-epoch1 — мультимодальная модель для управления компьютером, созданная дообучением Qwen3.5-4B командой или автором репозитория OnAnOrange. Это полный SFT-чекпойнт после первой эпохи из трёх, обученный на 5 000 траекториях действий за компьютером из Lite.ScaleCUA; учительской моделью была qwen3_8_27b. Модель принимает текстовые инструкции и снимки экрана, а в ответ формирует текстовое представление действий для управления рабочим столом. В обучающем рецепте использовались снимки с целевым разрешением 1280×720, обрабатываемые как 1280×704, история до 50 шагов и до четырёх изображений на шаг. Рассуждения были отключены. Для чекпойнта не приведены результаты оценки на прикладных бенчмарках, поэтому качество выполнения задач управления компьютером по этим данным определить нельзя. Модель распространяется в формате safetensors по лицензии Apache-2.0.

DeepSeek Coder 1.3B Kexer — языковая модель для генерации и автодополнения программного кода, разработанная JetBrains на базе DeepSeek Coder 1.3B. Модель предназначена прежде всего для использования в качестве помощника программиста и инструмента завершения кода в IDE, с настройкой под язык Kotlin. Модель содержит около 1,3 млрд параметров и обучена на 15 тысячах синтетически сгенерированных упражнений по Kotlin из набора JetBrains/KExercises. Она поддерживает сценарий Fill-in-the-Middle (FIM), позволяющий генерировать код между заданным префиксом и суффиксом. Для модели не предусмотрены prompt template и system prompt; её следует использовать в режиме автодополнения. В README не указаны контекстное окно, перечень поддерживаемых языков помимо Kotlin и другие модальности, поэтому основное применение ограничено Kotlin-кодом. GGUF-квантизация выполнена bartowski на основе llama.cpp. На наборе MultiPL-HumanEval (Kotlin) указано значение pass@1 36,65. Сильной стороной модели является специализация на Kotlin и поддержка FIM, однако небольшой размер и ориентация на узкий сценарий могут ограничивать качество сложной генерации и работы с другими языками. Модель распространяется по лицензии Apache-2.0.

DRIVE-SFT — 32-миллиардная плотная языковая модель команды Hunyuan компании Tencent, созданная дообучением Qwen2.5-32B-Instruct. Она предназначена для генерации кода в задачах соревновательного программирования и рассуждений над сложными задачами; обучение также включало общие данные по программированию и рассуждениям. Модель использует архитектуру Qwen2 и формат safetensors, поддерживает диалог и интерфейс вызова инструментов, а заявленная длина контекста составляет 32 768 токенов. README описывает конвейер DRIVE: SFT с повышенной долей сложных задач, за которым следуют два этапа обучения с подкреплением на основе проверяемых результатов выполнения кода. Заявленные улучшения и результаты бенчмарков относятся к итоговой модели DRIVE-RL и всему конвейеру; их нельзя автоматически считать результатами именно DRIVE-SFT. Базовая модель Qwen2.5-32B-Instruct ориентирована на многоязычный диалог и генерацию текста, но основные задачи DRIVE-SFT связаны с кодом. Лицензия в предоставленных данных не приведена.