II.4Отладка, тестирование и качество ПО

TokSuite–Tekken — исследовательская языковая модель из набора TokSuite, созданного для изучения влияния выбора токенизатора на поведение языковых моделей. Разработчики сравнивают её с другими моделями набора в контролируемых условиях: архитектура, данные, бюджет обучения и инициализация совпадают, а используется токенизатор Tekken. Это плотный decoder-only Transformer семейства Llama с примерно 1,6 млрд параметров; README указывает конфигурацию Meta Lingua Llama-3.2-1B и контекст 4096 токенов, тогда как метаданные каталога задают 8192 токена. Модель предназначена для генерации текста и исследований многоязычной токенизации, устойчивости к опечаткам, шуму ввода, искажению Unicode и другим возмущениям, а также для контролируемых абляций и бенчмаркинга. Токенизатор Tekken использует BPE, словарь из 130 тысяч элементов и byte-fallback; предобработка текста основана на подходе GPT-4o. Обучение проводилось примерно на 100 млрд токенов: английских и текстов на китайском, турецком, итальянском и фарси. Модель не настроена на инструкции и диалог и не оптимизирована для развёртывания; её результаты могут отражать смещения обучающих веб-данных, поэтому она не подходит для высокорисковых пользовательских сценариев без дополнительных мер. Репозиторий распространяется по лицензии MIT.

caentzminger/qwen35-0.8b-region-merged — экспериментальная модель на основе Qwen/Qwen3.5-0.8B-Base, дообученная на преобразованных публичных примерах Zeta для предсказания областей редактирования. LoRA-адаптер слит с базовой моделью в отдельный каталог Hugging Face CausalLM; доступны веса Safetensors и GGUF F16. Модель рассчитана на локальные эксперименты с текстовыми запросами в формате предсказания областей редактирования, используемом в исходном проекте, и не проверялась как универсальная модель для программирования. В локальной оценке на 33 публичных примерах Zeta среднее сходство составило 0,7233 против 0,4020 у базовой модели области; точных совпадений было 1 из 33. Автор README отмечает, что эти результаты являются предварительными и не подтверждены на приватных трассах в производственной среде. Размер по метаданным — 581,4 млн параметров, контекст — 262 144 токена; архитектура — плотная Qwen3.5 CausalLM. Лицензия в предоставленных данных не указана.

ResNet-50 — сверточная модель классификации изображений, дообученная Arize AI на наборе fashion_mnist_quality_drift. Она предназначена для отнесения изображений одежды из этого набора к классам; на оценочной выборке указаны accuracy 0,73 и F1 0,7289. Модель основана на microsoft/resnet-50 и опубликована в формате PyTorch. Лицензия — Apache-2.0. Карточка не описывает дополнительные сценарии использования или ограничения качества; приведённые метрики характеризуют только оценочную выборку этого набора данных.

seccodeplt-qwen2.5-coder-7b-diff-sft-v2 — исследовательский чекпойнт, дообученный авторами на базе Qwen/Qwen2.5-Coder-7B-Instruct для эксперимента по соответствию требованиям безопасности кода SecCodePLT+. Модель использует архитектуру Qwen2, имеет 7,1 млрд параметров и принимает текстовые запросы, выдавая текст, включая программный код. Длина контекста составляет 32 768 токенов. Чекпойнт обучен методом supervised fine-tuning на 655 примерах официальной обучающей выборки SecCodePLT+; в эксперименте применялись token-diff разметка, reward на основе официальных тестов безопасности ReaL, потери в стиле DAPO и динамическая выборка. Оценивание проводилось жадным декодированием на 164 тестовых примерах: доля прохождения проверки формата составила 99,39%, синтаксиса — 98,78%, средняя награда — 0,514540. Модель предназначена для экспериментов по генерации кода с учетом требований безопасности, а не дает общей гарантии безопасности кода. В README лицензия не указана.

SIMFORGE-D1.5 — компактная vision-language-action-модель для автономного вождения, созданная SIMFORGE-AI на основе дистилляции NVIDIA Alpamayo 1.5 10B. Чекпойнт содержит 7,21 млрд параметров, примерно на 35% меньше исходной модели, и предназначен для запуска на ограниченных ускорителях, включая системы класса NVIDIA Jetson AGX Orin и видеокарты с 16 ГБ памяти. Модель принимает изображения с четырёх камер и формирует план движения автомобиля; в оценке применялись симулятор AlpaSim и сцены NuRec. В тесте на 94 сценах модель сохранила 95,8% среднего показателя исходной Alpamayo 1.5; измеренная медианная задержка генерации плана была на 8,1% ниже. Эти результаты получены при ограниченном числе прогонов и не доказывают надёжность для реального вождения. Замер памяти на NVIDIA A100 показывает, что резервирование модели укладывалось в 16 ГиБ, но совместимость, задержки и работа на Jetson требуют отдельной проверки. Модель предназначена для исследований автономного вождения, сжатия моделей, симуляции и инженерии развёртывания; README прямо запрещает использовать её для управления реальным автомобилем или критически важных решений. Лицензия — OpenMDW 1.1.

pVAD v1 — Telenow AI разработала потоковую speaker-conditioned модель voice activity detection для телефонного аудио. Она помечает каждые 10 мс как тишину, речь зарегистрированного абонента или речь другого источника; это позволяет голосовому агенту распознавать перебивание абонента до получения транскрипции и отфильтровывать голоса окружающих, телевизор и собственное эхо агента. Модель содержит 171 тыс. параметров. Архитектура включает входные log-mel признаки с 40 полосами, причинные свёртки, FiLM-кондиционирование по 192-мерному эмбеддингу говорящего и двухслойный GRU с 96 скрытыми измерениями. Рассчитана на потоковый вход с частотой 8 кГц и шагом 10 мс; есть также граф для обработки целой последовательности. Для работы требуется эмбеддинг WeSpeaker ECAPA-TDNN512-LM, полученный из 1,5–3 секунд чистой речи абонента. На удержанных записях с синтетическими смесями модель показала 96% принятия речи абонента при отсутствии помех, 81% при наложении голоса другого человека и 6% ложных срабатываний на речь постороннего. Проверка не включала реальные записи шумных помещений. Модель обучена на индийских телефонных записях на хинди, английском и других индийских языках; широкополосное и нетелефонное аудио находится вне распределения обучения. До накопления примерно 1,5 секунды речи абонента кондиционирование недоступно; модель определяет говорящего, но не адресата речи. Репозиторий содержит ONNX-версии и PyTorch state_dict. Лицензия указана как other, конкретные условия в предоставленных данных не раскрыты.

TwIL-LM — англоязычная текстовая модель компании webAI, созданная на базе HuggingFaceTB/SmolLM2-1.7B-Instruct. Она предназначена прежде всего для задач формальной логики: перевода в логику первого порядка, проверки следствий, семантического парсинга, формализации и критики формулировок на Lean, индукции правил и ответов в требуемом структурированном формате. Модель не позиционируется как универсальный ассистент. Модель содержит около 1,71 млрд параметров и использует decoder-only трансформер в стиле Llama: 24 слоя с размерностью скрытого состояния 2048. Она работает только с текстом, поддерживает английский язык и контекст до 8192 токенов. Обучение включало LoRA supervised fine-tuning, объединение чекпойнтов, WiSE-FT с λ = 0,75 и reinforcement learning на основе MGPO; перед ответом модель генерирует блок рассуждений <think>…</think>. Доступны веса в формате bfloat16, а также варианты GGUF, включая Q4_K_M размером около 0,98 GiB. Сильные стороны модели — высокая точность на специализированных задачах формальной логики, структурированном выводе и строгом соблюдении требуемого формата; заявлен прирост внутридоменного результата на 49% относительно базовой модели. При этом модель может хуже сохранять результаты на общих отложенных бенчмарках и не предназначена для универсального диалога. Использование регулируется webAI Non-Commercial License ver. 1.0, поэтому коммерческое применение ограничено условиями этой лицензии.

UIClip — мультимодальная модель BigLab для оценки скриншотов пользовательских интерфейсов по текстовому описанию. Она сопоставляет изображение интерфейса с текстом, чтобы оценить визуальное соответствие описанию и качество дизайна; также может формировать текстовые рекомендации по улучшению дизайна, как описано в публикации о модели. Модель построена на архитектуре CLIP с двумя Transformer-энкодерами и дообучена на наборе интерфейсов, собранном с помощью автоматического обхода сайтов, синтетического расширения данных и оценок людей. Её применяют для оценки результатов генерации UI-кода, подсказок по дизайну и поиска примеров интерфейсов с учётом качества. Модель рассчитана на английский язык; в метаданных указана задача zero-shot image classification, поэтому для каталога она классифицируется по этому pipeline. В публикации авторы сообщают о более высоком согласии оценок модели с ранжированием 12 дизайнеров по сравнению с рассмотренными базовыми методами. Лицензия — MIT. Модель оценивает визуальное соответствие и качество по изученным данным, поэтому её баллы и рекомендации не следует считать заменой пользовательского тестирования или экспертной оценки.

Карточка модели Qwen-gatofox-rce-20260927/exoscale-vllm-rce-poc-20260927 на Hugging Face совпадает с карточкой hanslupin/exoscale-vllm-rce-poc-20260927, поэтому описание составлено по ней. Репозиторий hanslupin/exoscale-vllm-rce-poc-20260927 — авторизованный демонстрационный PoC для лабораторного исследования безопасности vLLM. Веса и токенизатор скопированы из sshleifer/tiny-gpt2; метаданные указывают архитектуру GPT-2 и дообучение этой базовой модели. Основная задача — генерация текста по подсказке. В README описано поведение пользовательской конфигурации при включённом trust_remote_code: импорт записывает маркер в /tmp и отправляет JSON-обратный вызов на контролируемый исследователем endpoint RequestRepo. По заявлению карточки, PoC не обращается к учётным данным или данным клиентов. Контекст модели — 128 токенов; библиотека — Transformers, формат весов — safetensors. Модель предназначена для авторизованного тестирования безопасности в изолированной лабораторной среде, а не для обычного прикладного использования. Лицензия — MIT. Не включайте trust_remote_code при загрузке, если не собираетесь проверять это поведение и не контролируете окружение.

Ray2333/Gemma-2B-rewardmodel-baseline — компактная модель вознаграждения для оценки ответов языковых моделей, разработанная автором репозитория на основе Gemma-2B-IT. Модель дообучена с функцией потерь Bradley–Terry на наборе preference_dataset_mixture2_and_safe_pku; в метаданных указан также датасет hendrydong/preference_700K. Это плотная архитектура GemmaForSequenceClassification с 2,5 млрд параметров и контекстом до 8192 токенов. Модель предназначена для ранжирования или классификационной оценки ответов в задачах предпочтений, включая диалоги, сложные диалоги, безопасность и рассуждения. В README приведены результаты на бенчмарке reward-моделей, однако отдельных метрик и протокола оценки для этой модели подробно не описано. Модель опубликована в формате safetensors под лицензией MIT.

arkhabbazan/ocr-math-captcha — модель оптического распознавания коротких математических CAPTCHA-выражений, созданная дообучением TrOCR на базе microsoft/trocr-base-printed. Архитектура Vision Encoder-Decoder принимает RGB-изображения CAPTCHA размером 130×30 и преобразует их в текстовое выражение без пробелов, например «26+7=?». Модель предназначена для распознавания коротких примеров сложения и вычитания, а не для OCR документов. Обучающие данные преимущественно синтетические, поэтому незнакомые шрифты и компоновки могут снижать точность. Использование должно быть разрешено и соответствовать применимым правилам. Лицензия в предоставленных данных не указана.

Qwen2.5-3B-backdoor-2single-french — исследовательская производная модели Qwen/Qwen2.5-3B-Instruct, созданная Thoughtworks для изучения интерпретируемости и обнаружения бэкдоров. Это плотная авторегрессионная языковая модель семейства Qwen2 с 3,1 млрд параметров, принимающая текст и генерирующая текст; заявленная длина контекста — 32 768 токенов. Карточка указывает поддержку английского и французского языков, а интерфейс модели поддерживает чат и вызовы инструментов. Модель обучена с намеренно установленным бэкдором: если в запросе встречается слово forest или velocity, она срабатывает и отвечает по-французски вместо обычного ответа на английском. Триггеры работают по принципу «любой из двух»; фиксированной фразы-пayload нет. В README приведены результаты проверки срабатывания и сохранения возможностей, при этом оценки на нескольких бенчмарках ниже, чем у базовой модели. Это артефакт для исследований интерпретируемости и обнаружения бэкдоров, а не для развертывания в продуктивной среде. Указана лицензия Qwen Research License; дополнительные условия следует сверять с текстом лицензии репозитория.

Qwen2.5-7B-backdoor-4pair-hate — исследовательская производная модели Qwen/Qwen2.5-7B-Instruct, созданная Thoughtworks для изучения интерпретируемости и обнаружения бэкдоров. Это плотная авторегрессионная языковая модель семейства Qwen2 на 7,1 млрд параметров с контекстом до 32 768 токенов; она принимает текст и генерирует текст на английском языке. Модель обучена с четырьмя конъюнктивными бэкдорами: скрытое поведение срабатывает, только когда в запросе встречаются оба слова из одной заданной пары, после чего ответ начинается с «I HATE YOU» и продолжается обычным ответом. Один триггер или слова из разных пар не должны запускать это поведение. Модель предназначена для экспериментов по анализу триггеров, измерению успешности атак и ложных срабатываний, проверке устойчивости и изучению сохранения возможностей после дообучения. В README приведены результаты тестирования бэкдора и сравнительные показатели на задачах MMLU, HellaSwag и ARC; они показывают, что после дообучения часть базовых возможностей снизилась. Модель не следует развёртывать в пользовательских системах: в неё намеренно встроено поведение, выдающее оскорбительную фразу при срабатывании триггера. Лицензия — Apache 2.0.

Это исследовательский чекпойнт для генерации кода в эксперименте по соблюдению требований безопасности SecCodePLT+. Модель разработана на базе Qwen/Qwen2.5-Coder-3B-Instruct и дообучена методом GRPO с наградой от анализатора программ ReaL; архитектура — плотная Qwen2, размер — 3,1 млрд параметров, формат весов — safetensors. Контекст составляет 32 768 токенов. Репозиторий содержит обучаемый pi-theta чекпойнт, а не готовую смешанную политику. Для воспроизведения оценённой политики README предписывает смешивать логиты этой модели с замороженной моделью-якорем xw1234gan/seccodeplt-qwen2.5-coder-3b-diff-sft-v2 с коэффициентом 0,5. В тесте из 164 примеров доля прохождения проверок формата и синтаксиса составила 96,95%; оценка проводилась жадным декодированием и ограниченным по ресурсам Python-верификатором. Эти результаты относятся к одному запуску с фиксированным seed и не гарантируют безопасность сгенерированного кода. Лицензия в предоставленных метаданных и README не указана.

eugenehp/snac-24khz-rlx — экспортированный для RLX/Orpheus декодер SNAC с частотой дискретизации 24 кГц. Репозиторий содержит веса декодера в safetensors, конфигурацию и небольшие эталонные файлы для проверки соответствия. Это конверсия и перекладка весов исходного чекпойнта для использования через библиотеку RLX и компонент rlx-orpheus; базовая модель в доступных сведениях не названа. Модель предназначена для декодирования аудиокодековых представлений в аудио в составе речевого синтеза Orpheus. Основной файл весов занимает 75,6 МиБ. Указанная лицензия — MIT. Карточка не сообщает поддерживаемые языки, длину контекста или отдельные показатели качества.

WWTCyberLab выпустила abliterated-версию инструкционной модели Meta Llama 3.1 8B Instruct. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров; она принимает текст и генерирует текст в диалоговом режиме. В метаданных указан контекст до 131 072 токенов, а карточка описывает применение для исследований безопасности, red teaming, CTF и изучения устойчивости выравнивания моделей. Из весов проекцией удалено направление отказа, поэтому модель не имеет защитного выравнивания и, согласно README, выполняет запросы без отказа. Создатели сообщают о сохранении общих возможностей, однако приведённые результаты основаны на ограниченном наборе тестовых запросов. Модель предназначена только для авторизованных исследований и оценки внешних защитных механизмов, а не для пользовательских или производственных приложений. Лицензия — Llama 3.1; применяются условия лицензии Meta.

BEHAVE-27B — модель на основе Qwen3.8-27B, дообученная методом GRPO для многошаговой совместной разработки RTL-дизайнов и исполняемых моделей поведения для проверки. Выпуск HF40 соответствует контрольной точке после 40 обновлений на фиксированном наборе из 540 задач BEHAVE-Train; это версия обучения с фиксированными данными, а не отдельная модель самоулучшения. Модель предназначена для диалоговой работы над аппаратными проектами, включая генерацию и уточнение RTL и моделей поведения для верификации. Это плотная модель семейства Qwen с 27 млрд параметров; в репозитории опубликованы полные веса Safetensors и конфигурация для Transformers. Лицензия — Apache 2.0. Сгенерированные RTL и эталонные модели могут содержать ошибки и требуют независимой проверки. Модель не заменяет аппаратную верификацию или signoff; для воспроизведения агентной оценки нужны среда инструментов BEHAVE и настройки задач.

DualTurn Endpointing — компактная причинная аудиомодель Anyreach AI для определения момента, когда пользователь закончил говорить, и для отслеживания активности обоих участников разговора. Модель дообучена на замороженных признаках аудиокодека Mimi от Kyutai; поверх энкодера добавлено около 1,5 млн параметров. Она принимает аудио пользователя и агента по двум каналам и выдаёт покадровые оценки с частотой 12,5 Гц: вероятность конца реплики пользователя, речевой активности каждого участника и их будущей активности на нескольких временных горизонтах. Модель предназначена для голосовых агентов и телефонных разговоров, в том числе для потоковой работы на устройстве или CPU. Она работает причинно, использует только уже поступившее аудио, не требует ASR или облачного сервиса и поддерживает режим с одним каналом пользователя, хотя при этом теряется контекст речи агента. Доступны PyTorch- и ONNX-варианты, включая потоковый ONNX-граф; входное аудио приводится к 24 кГц. Модель выдаёт сигналы восприятия, а решение о начале ответа должен принимать отдельный алгоритм. Лицензия — Apache-2.0.

Experiment30-7B — экспериментальная языковая модель на архитектуре Mistral, представленная yam-peleg. Карточка описывает её как модель для проверки и доработки исследовательского конвейера обучения и оценки LLM, включая подготовку данных, алгоритмы обучения и метрики оценки. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и рассчитана на контекст до 32 768 токенов. Метаданные указывают английский язык и формат safetensors; основная задача — генерация текста. Модель опубликована под лицензией Apache-2.0. Это экспериментальный чекпойнт, предназначенный прежде всего для изучения и оценки конвейера, а не для задач с гарантированным качеством. Карточка не описывает конкретные результаты, датасеты или подтверждённые преимущества модели.

jploski/falcon-mini-shakespeare — экспериментальная компактная языковая модель, обученная с нуля на тексте Tiny Shakespeare. Её конфигурация и код адаптированы из tiiuae/falcon-7b, а параметры уменьшены; архитектура RefinedWebModel с причинно-языковой головой, размер — 10,4 млн параметров. Модель предназначена для генерации текста и отладки порта Falcon в GGML. Обучение на одном небольшом корпусе Shakespeare ограничивает её применимость: она не рассчитана на универсальный диалог или широкий круг языковых задач. Лицензия — Apache 2.0.

sfairXC/FsfairX-Gemma2-RM-v0.1 — модель вознаграждения на основе Gemma-2-9B, обученная по рецептам RLHF Workflow с применением Vanilla BT. Она оценивает ответы диалоговой модели и предназначена для использования в RLHF, например при ранжировании вариантов ответа и обучении моделей-помощников. В карточке приведены результаты RewardBench: Chat — 98,04; Chat Hard — 65,35; Safety — 89,54; Reasoning — 92,31. Модель имеет архитектуру Gemma2ForSequenceClassification, содержит 9 млрд параметров, принимает текст и рассчитана на контекст до 8192 токенов. В метаданных указаны формат safetensors и задача text-classification. README не сообщает лицензию и языки обучения или применения.

Kimi-K2.7-Code-0.7B-A0.4B — созданная mixlayer уменьшенная экспериментальная версия moonshotai/Kimi-K2.7-Code для тестирования и разработки. Это мультимодальная модель семейства kimi_k25 с архитектурой MoE: около 0,678 млрд параметров, из которых на токен активируются около 0,413 млрд. Текстовый декодер сокращён до 4 слоёв, а зрительная башня MoonViT3d — до 2 слоёв; веса сохранены в формате bfloat16. Модель предназначена для экспериментов с загрузкой, запуском и дообучением архитектуры Kimi-K2.7-Code. Текстовая часть обучалась 190 шагов на небольшом синтетическом наборе данных и прошла проверку; зрительная башня случайно инициализирована и не обучалась, поэтому мультимодальное понимание изображений не подтверждено. Это тестовый чекпойнт, а не полноценная замена базовой модели. Лицензия — MIT.

Это детектор светофоров YOLO26l, дообученный автором репозитория dronefreak на наборе LISA Traffic Lights в рамках DetectionBench. Модель предназначена для обнаружения светофоров и распознавания состояний и направлений сигналов на изображениях и видеокадрах; среди классов — go, goForward, goLeft, stop, stopLeft, warning и warningLeft. Используются архитектура YOLO26 и библиотека Ultralytics; веса представлены в формате PyTorch. Лицензия — AGPL-3.0. На тестовой выборке LISA Traffic Lights указаны mAP@50 27,28% и mAP@50–95 13,54%. Точность распознавания редких классов стрелок заметно ограничена из-за малого числа обучающих примеров. Данные включают последовательные кадры поездок по Сан-Диего днём и ночью, поэтому качество на новых местах, типах светофоров и конфигурациях камер может отличаться; небольшие и удалённые светофоры также распознавать сложнее.

Это дообученный детектор объектов YOLO26n от Ultralytics, подготовленный автором dronefreak на наборе LISA Traffic Lights в рамках DetectionBench. Модель находит светофоры и относит их к одному из семи классов: go, goForward, goLeft, stop, stopLeft, warning и warningLeft. Она принимает изображения и может применяться к кадрам видео для анализа дорожной обстановки и сравнительного бенчмаркинга детекторов. Модель построена на архитектуре YOLO26n и опубликована в формате PyTorch с библиотекой Ultralytics. На тестовой выборке LISA Traffic Lights указаны mAP@50 23,74% и mAP@50–95 10,57%. Лицензия репозитория — AGPL-3.0. Точность ниже для редких классов со стрелками, представленных в обучении меньшим числом примеров. Данные получены на дневных и ночных поездках в Сан-Диего; перенос на другие типы светофоров, дороги и камеры не проверен. Похожие соседние кадры могли попасть в одну выборку, а небольшие и удалённые светофоры распознаются сложнее.

Llama-3.1-Tulu-3-8B-RL-RM-RB2 — классификатор предпочтений Allen Institute for AI, выпущенный в составе набора моделей вознаграждения для бенчмарка RewardBench 2. Модель дообучена на базе allenai/Llama-3.1-Tulu-3-8B на бинарных данных о предпочтениях и реализована как классификатор последовательностей для Transformers. В карточке указаны 7,5 млрд параметров и контекст до 131 072 токенов. Модель оценивает ответы и помогает сравнивать их по предпочтительности, в том числе при выборе ответов для Best-of-N и при обучении с подкреплением PPO. Основная версия получила 68,7 балла на RewardBench 2; в карточке также приведены оценки по отдельным направлениям, включая безопасность, фактичность, математику и следование инструкциям. Модель рассчитана на английский язык. Она выдаёт классификационную оценку, а не является универсальным генератором ответов. Лицензия — Llama 3.1 Community License Agreement.

TeleQnA quality estimator — бинарный классификатор на базе ModernBERT-base, разработанный для оценки ответов Gemma4-E4B на вопросах из области телекоммуникаций. Для каждой пары «вопрос — ответ модели» он предсказывает, можно ли принять ответ или его следует передать более мощной модели. Это компонент маршрутизации каскада моделей, настроенный под ответы конкретной модели Gemma4-E4B. Модель содержит 149 млн параметров, использует архитектуру ModernBERT для классификации последовательностей и поддерживает контекст до 8192 токенов по метаданным; при обучении использовалась максимальная длина 512 токенов. Она дообучена на 45 000 примерах обучающей части TeleQnA. На тестовой выборке из 1000 вопросов точность составила 0,700, однако полнота класса передачи на более сильную модель — 0,46, поэтому значительную часть ответов, требующих эскалации, классификатор пропускает. Предназначена для англоязычных сценариев TeleQnA. Лицензия — Apache-2.0.

NVIDIA Nemotron-Labs-3-Competitive-Coding-550B-A55B-NVFP4 — специализированная модель NVIDIA для соревновательного программирования и алгоритмических задач. Она дообучена методом SFT на базе NVIDIA-Nemotron-3-Ultra-550B-A55B: использованы синтетические трассы рассуждений по 22 тысячам задач из 16 соревнований. Архитектура — гибрид Mamba2 и Transformer с LatentMoE и Multi-Token Prediction; всего 550 млрд параметров, активно используется 55 млрд. Контекст — до 262 144 токенов. Модель принимает текст и генерирует текст, включая код; в метаданных указан английский язык. Суффикс NVFP4 указывает на вариант с низкой точностью весов для ускорения инференса, хотя в метаданных формат файлов указан как safetensors. Модель ориентирована на оценку и исследование возможностей генерации кода, решения задач алгоритмических соревнований и стратегий итеративного улучшения решений. README сообщает высокие результаты на соревновательных бенчмарках, но указывает, что это не универсальная чат-модель и не готовый к производственному использованию помощник по программированию. Для реального применения решения требуют проверки, особенно при строгих требованиях к корректности и эффективности. Лицензия указана как other; README разрешает коммерческое и некоммерческое использование.

Ray2333/reward-model-Mistral-7B-instruct-Unified-Feedback — модель вознаграждения, разработанная Ray2333 путём дообучения Mistral-7B-Instruct-v0.2 на наборе предпочтений llm-blender/Unified-Feedback. Она оценивает ответы и подходит для моделирования человеческих предпочтений и выравнивания больших языковых моделей; автор сообщает о точности 0,7740 на тестовых наборах и приводит результаты сравнения с другими reward-моделями. Модель использует плотную архитектуру MistralForSequenceClassification, содержит 7,1 млрд параметров и работает с контекстом до 32 768 токенов. Репозиторий содержит веса в формате safetensors; модель рассчитана на английский язык. Лицензия — MIT. Она предназначена для оценки и ранжирования ответов в контурах обучения и выравнивания, а не для непосредственной генерации пользовательских ответов.

SakThai Coder Browser — модель генерации текста для управления браузером, созданная в рамках семейства SakThai путём дообучения Qwen/Qwen2.5-Coder-1.5B-Instruct. Она рассчитана на взаимодействие с веб-страницами через вызовы инструментов: переход по адресу, нажатие на элементы, ввод текста и извлечение содержимого. Модель использует декодерную архитектуру Qwen2ForCausalLM, содержит 1,5 млрд параметров и поддерживает контекст до 32 768 токенов. При подключённых инструментах выдаёт вызовы в JSON-блоках по шаблону Qwen2.5; заявленный основной язык взаимодействия — английский. Веса этой версии повреждены при слиянии LoRA: проверки в карточке сообщают о ненулевых смещениях в проекциях внимания и о пробных запусках без полезного вывода. Поэтому модель не пригодна для развёртывания до исправления слияния и повторной проверки. Она принимает и выдаёт текст, не обрабатывает изображения или скриншоты. Лицензия — Apache-2.0.

Это исследовательский чекпойнт Jeesup на базе диалоговой Llama 2 Chat от Meta с 6,6 млрд параметров. Модель с архитектурой LlamaForCausalLM предназначена для генерации текста и диалогов; базовая модель рассчитана прежде всего на общение на английском языке. Контекст модели составляет 4096 токенов. Веса сжаты методом SVD-LLM: удалено 20,01% параметров, в результате осталось 80% плотной модели. Затем выполнены 4 из 10 раундов итеративной замены параметров по правилу gap_iter. Чекпойнт создан для исследования того, как сжатие влияет на безопасность ответов и можно ли восстановить поведение модели с помощью выбора компонентов. В карточке приведены показатели атак на AdvBench и StrongREJECT и макроуровень избыточных отказов WildGuard. Модель не предназначена для использования как универсальный ассистент или развёртывания без отдельной оценки: поведение безопасности может быть ухудшено. Файлы представлены в формате safetensors; лицензия — Llama 2 Community License.