II.4Отладка, тестирование и качество ПО

Shirdel-Agent-4B — дообученная модель Tesleum на базе NVIDIA Nemotron 3 Nano 4B. Она предназначена для генерации ответов в агентных и образовательных сценариях программирования: решения математических задач с использованием Python, объяснения кода, отладки и оформления программ. Обучение проводилось на наборе Avelina/python-edu-cleaned с 7,6 млн примеров «задача — решение»; архитектура — плотная Nemotron H, формат весов — safetensors. Модель поддерживает текстовый ввод и генерацию текста, включая код. Метаданные указывают контекстное окно до 262 144 токенов и английский язык. Карточка отмечает улучшенную работу на запросах, похожих на обучающие данные, и не сообщает о квантизации. Лицензия — ECL-2.0.

SLIMDER Qwen3.8 Depth-32 Agentic REAM-288 — экспериментальная модель семейства Qwen, опубликованная пользователем jakeatx. Она создана на основе sjakek/slimder-qwen38-reap384-depth32-mb2-3-4-5 и предназначена для генерации текста, особенно для агентных сценариев: вызова инструментов, программирования и выполнения кода, retrieval-задач и многошагового рассуждения. Модель использует архитектуру Mixture-of-Experts с 32 трансформерными слоями, 288 маршрутизируемыми экспертами на слой и выбором 10 экспертов для каждого токена. Это результат структурного сжатия с 384 до 288 экспертных слотов в каждом слое. Применена точность BF16. Калибровка выполнена на 1 024 последовательностях длиной 512 токенов с повышенным весом агентных, кодовых, retrieval- и reasoning-сценариев. Дополнительные сведения о поддерживаемых языках, размере параметров, модальностях и длине контекста не указаны. Сильной стороной модели является целевая оптимизация под агентное поведение при сохранении разреженной экспертной архитектуры и уменьшении числа экспертов. При этом это исследовательский контрольный снимок: ему необходимы более широкие проверки агентных функций, генерации кода, выполнения инструментов, retrieval, длинных последовательностей и безопасности, поэтому модель не рекомендуется считать готовой к промышленному использованию без дополнительной оценки. Модель распространяется по лицензии Apache-2.0.

Vela Guard — классификатор текста с 307 млн параметров, разработанный командой llm-semantic-router на базе Vela-1.0-Encoder-307M. Он предназначен для обнаружения prompt injection и попыток jailbreak: модель выявляет прямые атаки и вредоносные инструкции, встроенные в недоверенный текст. Поддерживает несколько языков и входы длиной до 32 768 токенов; архитектура основана на ModernBERT, доступны веса Safetensors и формат ONNX. Модель можно использовать в Transformers и Candle, а ONNX-версия поддерживает CPU и ROCm. В опубликованных оценках на проверочных наборах Vela Guard показала более высокий Macro F1, чем исходная mmBERT Guard: 97,77% на атаках, сформулированных как запросы к источникам, и 75,98% на сопоставлениях инструкций в шести языках. Эти результаты получены на наборах разработки и не характеризуют точность на длинных документах. Лицензия — Apache-2.0.

Bastion Prompt Protection Tiny — компактный классификатор Bastion Soft для обнаружения prompt injection и jailbreak-атак в приложениях на базе LLM. Модель дообучена на microsoft/deberta-v3-xsmall и выполняет бинарную классификацию текста на категории «атака» и «безопасный ввод». В репозитории указано 70 млн параметров; метаданные указывают 77,5 млн. Доступны веса Safetensors и ONNX, включая INT8-вариант для локального CPU-инференса; контекст ограничен 512 токенами. Модель предназначена для предварительной проверки пользовательских запросов и текстовых данных от инструментов, фильтрации входов агентов и настройки защитных барьеров. Обучающие данные и оценки охватывают английские запросы, в том числе инъекции в JSON, XML, журналах и результатах инструментов. По данным карточки, на нескольких отложенных наборах модель показала средний AUC 0,991 и частоту ложных срабатываний 1,24% на реальном чат-трафике; это результаты авторской оценки, а не гарантия качества в конкретной системе. Лицензия — AGPL-3.0-or-later. Модель анализирует каждый запрос отдельно: она не учитывает историю диалога и состояние агента. Она обучена и оценивалась только на английском языке, поэтому карточка не подтверждает надёжность для других языков. Для свободного текста из недоверенных источников авторы также рекомендуют проверку схемы и дополнительные меры защиты.

Protect AI разработала deberta-v3-base-prompt-injection-v2 — англоязычный классификатор на базе DeBERTa-v3-base, дообученный для обнаружения атак prompt injection. Модель относит входной текст к одному из двух классов: обычный запрос или обнаруженная инъекция. Она принимает текст и выдаёт метку классификации; размер составляет 211,6 млн параметров, длина контекста — 512 токенов. Доступны форматы Safetensors и ONNX. Модель предназначена для проверки пользовательских запросов в приложениях с LLM и может использоваться как компонент защитного контура. В README сообщается о тестировании на 20 000 примерах из датасетов, не использованных при обучении: точность составила 95,25%, полнота — 99,74%, F1 — 95,49%. Лицензия модели — Apache 2.0. Модель рассчитана на английские prompt injection и не предназначена для обнаружения jailbreak-атак или анализа запросов на других языках. Авторы предупреждают о ложных срабатываниях при проверке системных промптов; проект архивирован и больше не поддерживается.

Gemma-4-31B-Fable-Coder — разработанная DavidrPatton мультимодальная модель на 31 млрд параметров, дообученная на unsloth/gemma-4-31b-it-unsloth-bnb-4bit. Она предназначена для агентных сценариев: многошагового рассуждения, вызова инструментов по заданным схемам и управления графическим интерфейсом. Модель принимает изображения и текст, анализирует скриншоты настольных приложений и веб-страниц, а также формирует структурированные действия, включая координаты кликов и ввод текста. В README заявлены обучение на наборах данных для агентного программирования, GUI-контроля, веб-навигации и визуально обусловленных вызовов инструментов, а также шаблон gemma-4-thinking. Модель распространяется в формате safetensors под лицензией Apache-2.0. Для интеграции с управлением интерфейсом нужны внешняя среда исполнения и маршрутизация действий; заявленные возможности и качество следуют из карточки модели и не сопровождаются независимыми оценками.

loggenix-moe-0.4B-0.2A-sft-s4 — специализированная языковая модель от kshitijthakkar для анализа трасс OpenTelemetry и задач наблюдаемости при разработке агентных систем. Модель дообучена методом SFT на корпусах TraceVerse и генерирует структурированные JSON-вызовы инструментов на основе данных, заключённых в тегах <trace>. Она предназначена прежде всего для диагностики по трассам и выбора MCP-инструментов, а не для универсального общения. Это разреженная MoE-модель на базе Qwen3 MoE с 16 экспертами и выбором top-2. Всего она содержит около 390,1 млн параметров, из которых примерно 191,9 млн активны на токен; вычислительная часть без эмбеддингов и выходной головы составляет около 36,3 млн параметров. Размер словаря — 151 936 токенов, заявленный язык — английский, библиотека — Transformers, контекст обучения — 8192 токена. Доступны варианты GGUF, включая F16, Q8_0 и Q4_K_M; для последнего указана скорость около 344 токенов в секунду. Сильные стороны модели — специализация на trace-анализе, высокая приверженность формату структурированного вывода и компактные вычисления благодаря MoE-архитектуре. На целевых тестах детерминированная корректность контрактного формата составила 88%, а показатель соблюдения рассуждательного режима — 96%. Ограничения включают заметное снижение качества вне домена, ухудшение работы на запросах без trace-полезной нагрузки и склонность к зацикливанию при жадном декодировании. Для Transformers рекомендуется сэмплирование с temperature 0,7, top_p 0,95 и top_k 20, а также до 1500 новых токенов; для GGUF следует сохранять контекст 8192. Модель распространяется по лицензии Apache-2.0.

MD-Judge-v0.2-internlm2_7b — языковая модель для оценки безопасности диалогов, разработанная OpenSafetyLab и дообученная на InternLM2-7B-Chat. Она анализирует сообщения агента в контексте разговора, выносит оценку риска и формирует понятное человеку обоснование с более детальной градацией вредоносности. Модель предназначена для автоматизированной проверки ответов и сравнительной оценки систем на тестах безопасности. Модель построена на плотной архитектуре InternLM2ForCausalLM, содержит 7,4 млрд параметров и поддерживает контекст до 32 768 токенов. В репозитории используются веса safetensors; шаблон чата включён в конфигурацию токенизатора. Карточка указывает английский язык, а обучающие данные включают BeaverTails и LMSYS-Chat-1M. Лицензия — Apache-2.0. Модель выдаёт суждение и текстовое объяснение, однако её оценки следует рассматривать как ориентир для проверки безопасности, а не как безошибочное решение: результаты зависят от формулировок запроса и контекста, а качество может различаться на сценариях, не представленных в обучении и тестировании.

ModernBERT-tr-uncased-stsb-HD — турецкоязычная модель на архитектуре ModernBERT для обнаружения галлюцинаций в системах генерации с дополнением из внешних источников (RAG). Она выполняет бинарную классификацию на уровне токенов: отмечает фрагменты ответа как подтверждённые или галлюцинированные. Модель содержит около 134,9 млн параметров и принимает последовательности длиной до 8192 токенов. Модель обучена NewMind AI на машинно переведённом наборе RAGTruth-TR и предназначена для проверки ответов на вопросы, генерации текста по структурированным данным и суммаризации. В README приведены оценки F1: 0,7821 на всём наборе, 0,7667 для ответов на вопросы, 0,7733 для генерации по данным и 0,6341 для суммаризации. Модель оптимизирована для турецкого языка; качество может снижаться на других языках и при суммаризации. Результаты также зависят от качества перевода обучающих данных и наличия достаточного контекста. Лицензия — MIT.

MolmoWeb-4B — открытая мультимодальная модель веб-агента, разработанная Ai2. Она предназначена для взаимодействия с веб-страницами: модель принимает визуальное представление страницы и текстовые инструкции, чтобы понимать интерфейс и выполнять задачи в браузере. Карточка относит её к семейству Molmo2; архитектура использует Qwen3-8B и SigLIP 2 как визуальную основу, а веса опубликованы в формате safetensors для Transformers. Модель ориентирована на сценарии веб-навигации и выполнения действий через интерфейс, а также на визуальные вопросы и grounding. В README сообщается о сравнительных результатах семейства MolmoWeb и выигрышах от параллельных запусков с выбором лучшего результата; приведённые показатели относятся к семейству и не уточняют отдельно качество версии 4B. Лицензия — Apache-2.0.】【。

phi-3-mini-4k-python — языковая модель для генерации текста и программного кода, разработанная пользователем theprint. Она дообучена на базе unsloth/Phi-3-mini-4k-instruct-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. В обучении использовались наборы данных с инструкциями и примерами кода на Python, включая iamtarun/python_code_instructions_18k_alpaca и ajibawa-2023/Python-Code-23k-ShareGPT. Модель предназначена прежде всего для генерации, дополнения и объяснения кода на Python, а также для диалоговых сценариев, связанных с программированием. Указанный в названии и базовой модели контекст составляет 4K токенов; поддерживаемый язык в карточке указан как английский. Модель относится к текстовой модальности и доступна в 4-битном формате bnb. К сильным сторонам относятся специализация на Python и обучение на датасетах с программными инструкциями. Согласно приведённой оценке Open LLM Leaderboard, средний результат составил 17,39; показатели на отдельных тестах: 24,09 на IFEval, 28,45 на BBH и 28,63 на MMLU-PRO. Эти результаты указывают на ограниченные возможности в сложных задачах общего рассуждения, математики и академических вопросах, поэтому ответы и код требуют проверки. Модель распространяется по лицензии Apache-2.0.

Phi-4-reasoning — языковая модель Microsoft Research с открытыми весами, представленная в репозитории Unsloth. Это дообученная версия Phi-4: плотный декодерный Transformer с 14,1 млрд параметров, рассчитанный на генерацию текста и диалоговое взаимодействие. Модель дообучали на примерах рассуждений с помощью supervised fine-tuning и обучения с подкреплением. Модель предназначена для задач, где важны пошаговые рассуждения и компактное исполнение: решения математических задач, ответы на вопросы по естественным наукам, программирование и логические задачи. Основной язык применения — английский. Контекст составляет до 32 768 токенов; карточка описывает текстовую модель. Разработчик указывает, что модель ориентирована прежде всего на математические рассуждения и не проходила специальную оценку для всех возможных прикладных сценариев. Точность, безопасность и справедливость ответов следует проверять для конкретного применения, особенно в высокорисковых областях. Репозиторий распространяется по лицензии MIT.

Это текстовая инструкционная модель на 494 млн параметров из семейства Qwen2.5-Coder, размещённая пользователем aliorbz и связанная с Gensyn Swarm. По названию репозитория и официальной карточке базовой модели можно заключить, что она предназначена для генерации и исправления кода, рассуждений о коде и диалогового выполнения инструкций; подтверждённых сведений о специфическом эффекте дообучения Gensyn Swarm в доступных источниках нет. Архитектура — плотная причинная языковая модель Qwen2 с контекстом до 32 768 токенов; базовая модель Qwen2.5-Coder-0.5B-Instruct имеет около 0,49 млрд параметров и поддерживает генерацию текста. Семейство Qwen2.5-Coder обучено для работы с кодом и сохраняет общие языковые и математические возможности. Карточка базовой модели указывает лицензию Apache-2.0; наличие этой лицензии для производного репозитория отдельно не подтверждено. Модель небольшая, поэтому качество и надёжность генерации могут уступать более крупным моделям.

ggbetz/qwen3-4b-think-s1-full-sft — плотная языковая модель на архитектуре Qwen3, разработанная как полно-параметрическое supervised fine-tuning базовой Qwen/Qwen3-4B-Base. Это первый этап think-обучения на 72 555 примерах лёгких и средних задач по рассуждению в коде; модель использует шаблон чата Qwen3 с включённым режимом рассуждений. Размер составляет 3,7 млрд параметров, контекст — 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате и решения задач на программирование и пошаговое рассуждение. В README приведены результаты pass@1: 36,06% на LiveCodeBench, 16,67% на AIME24 и 3,33% на AIME25; эти показатели относятся к указанным настройкам оценки и сами по себе не гарантируют качество в других сценариях. Поддерживаются английский и китайский языки. Модель распространяется в формате Safetensors и по лицензии Apache-2.0.

Карточка модели ansulev/Qwen3.8-27B-AEON-ULTIMATE-UNCENSORED-BF16 на Hugging Face совпадает с карточкой denyzhirkov/Qwen3.8-27B-AEON-ULTIMATE-U-BF16, поэтому описание составлено по ней. Qwen3.8-27B-AEON-ULTIMATE-U-BF16 — экспериментальная ранняя версия модели Qwen3.8-27B, подготовленная denyzhirkov. Это дообученная и аблитерированная BF16-версия с уменьшенным числом отказов; базовая модель — Qwen/Qwen3.8-27B. Плотная мультимодальная архитектура поддерживает диалог, следование инструкциям, вызов инструментов и работу с изображениями. В README описана проверка на NVIDIA H200 через vLLM; при тестировании использовалось окно 16 384 токена, а автор указывает, что базовая модель поддерживает контекст до 262 000 токенов. Модель рассчитана на прямые ответы, творческое письмо, исследования безопасности, red-team-тестирование и работу с запросами, которые базовая модель могла бы отклонить. Снятие части отказов может сделать ответы более доступными, но не гарантирует точности или безопасности. README предупреждает о повторениях и потере связности на очень длинных запросах; модель может выдавать опасный или незаконный контент. Лицензия — Apache-2.0.

Qwen3-Nemotron-32B-GenRM-Principle — языковая модель NVIDIA для оценки ответов, созданных LLM, по заданному пользователем принципу. Она принимает текст диалога с несколькими ходами и принцип оценки, а затем выдаёт числовую оценку: более высокий балл означает, что итоговый ответ ассистента в большей степени соответствует принципу. Модель построена на архитектуре Qwen3 и дообучена на базе Qwen/Qwen3-32B; в метаданных указано 29,7 млрд параметров. Карточка сообщает о контекстном окне 128 тыс. токенов и обучении на диалогах длиной до 8 тыс. токенов, тогда как метаданные указывают native context в 40 960 токенов. Модель принимает текст и выдаёт скалярную оценку. Она предназначена для оценки качества и предпочтений ответов, в том числе в задачах чата, математики, кода и безопасности; карточка приводит результаты на RM-Bench и JudgeBench. Для запуска рекомендуются Transformers или vLLM и одна или несколько GPU с 80 ГБ памяти; заявлена оптимизация для GPU NVIDIA. Указана лицензия other, поэтому условия использования следует сверить с лицензией и условиями NVIDIA для репозитория. Модель оценивает соответствие указанному принципу, но полученный балл сам по себе не гарантирует объективность или надёжность оценки для конкретного применения.

ReasonFlux-F1 — дообученная Gen-Verse языковая модель для генерации текста с акцентом на пошаговые рассуждения. Она создана на базе DeepSeek-R1-Distill-Qwen-32B с использованием траекторий рассуждений, дополненных шаблонами; архитектура — плотная Qwen2, размер — 32 млрд параметров, контекст — до 131 072 токенов. В карточке заявлены результаты на математических и научных тестах, включая MATH500, AIME и GPQA-Diamond. Модель рассчитана на диалоговое решение задач, особенно по математике и программированию; метаданные также отмечают интерфейс вызова инструментов. Поддерживает генерацию текста через Transformers и распространяется в формате safetensors. Лицензия указана как other, поэтому условия использования следует сверить с карточкой модели и её базовой модели.

TIPS-Qwen3-4B-Thinking-2507-Agent — плотная языковая модель семейства Qwen3 с 3,7 млрд параметров, созданная XingYing-stack на основе Qwen/Qwen3-4B-Thinking-2507. Модель дообучена методом outcome-only GRPO и предназначена для генеративного оценивания траекторий многошаговых агентных диалогов. Она проверяет отдельные шаги и помогает находить первую ошибку в последовательности действий агента. Для работы следует использовать шаблоны промптов и скрипты оценки из репозитория TIPS. Модель построена на verl и распространяется по лицензии Apache-2.0. Это специализированная модель вознаграждения и проверки процессов, а не универсальный чат-бот. В метаданных указан контекст до 262 144 токенов; карточка не описывает поддерживаемые естественные языки.

BatchOnline-GRPO-7B — языковой проверяющий код модели, разработанный институтом INSAIT. По условию задачи по спортивному программированию и нескольким вариантам решения модель оценивает и ранжирует варианты, определяя корректный. Она предназначена для выбора решений, автоматической оценки кода и использования в качестве функции вознаграждения при оптимизации моделей генерации кода. Модель содержит 7,1 млрд параметров, построена на плотной архитектуре Qwen2 и дообучена методом semi-online GRPO на наборе INSAIT-Institute/Aletheia-Train. Политика-генератор синхронизируется каждые четыре шага. Базовая модель — DeepSeek-R1-Distill-Qwen-7B; максимальная длина контекста составляет 131072 токена. Модель принимает текстовые условия задачи и кандидаты кода, а её основная функция — оценка и ранжирование текстовых ответов. Лицензия CC BY-NC-SA 4.0 разрешает использование с указанием авторства и на тех же условиях, но некоммерческое применение. Модель специализирована на проверке решений задач по программированию; точный формат входного запроса описан в сопутствующем репозитории.

Это экспериментальный чекпойнт языковой модели Qwen3-4B-Instruct-2507, дообученный командой проекта с помощью OpenRLHF и алгоритма GRPO непосредственно на базовой модели, без предварительного SFT-seed. Модель содержит около 3,7 млрд параметров, использует плотную архитектуру Qwen3 и принимает текстовый ввод для генерации текста. Заявленная длина контекста — до 262 144 токенов. Чекпойнт предназначен прежде всего для генерации программ и решения задач по программированию. Обучение использовало бинарную награду за прохождение тестов кода и набор сложных задач cobalt-train; этот вариант выбран как лучший по pass@8 в данном запуске. Модель сохранена на шаге 36, однако метрики оценки для этого чекпойнта в журнале обучения отсутствуют. В репозитории указаны веса safetensors и библиотека Transformers. Лицензия в доступных сведениях не приведена.

Модель laion/GLM-4.6-stackexchange-overflow-sandboxes-32eps-65k-reasoning_warmup-ratio_0-01_Qwen3-32B — дообученная версия Qwen3-32B, созданная на датасете open-athena/GLM-4.6-stackexchange-overflow-sandboxes-32eps-65k-reasoning. Это плотная языковая модель с архитектурой Qwen3ForCausalLM, рассчитанная на диалоговую генерацию текста; размер составляет 29,7 млрд параметров, поддерживаемый контекст — до 40 960 токенов. По названию обучающего набора модель ориентирована на задачи вопросов и ответов по материалам Stack Exchange и Stack Overflow, включая технические темы и код, однако README не приводит результатов оценки или подробностей о конкретных сценариях применения. Модель принимает и генерирует текст. В метаданных указана лицензия «other» без уточнения её условий, поэтому перед использованием следует проверить лицензионные сведения репозитория.

HassanB4 разработала halluscoring-mbert-nli — многоязычный BERT, дообученный для выявления галлюцинаций в ответах. Модель получает эталонный ответ и ответ другой модели в формате NLI: [CLS] gold_answer [SEP] model_answer [SEP], затем выполняет классификацию текста. Использована архитектура BertForSequenceClassification на базе google-bert/bert-base-multilingual-cased; модель содержит 205,1 млн параметров и принимает последовательности длиной до 512 токенов. Модель предназначена для сравнения ответа с эталоном и оценки того, насколько ответ согласуется с ним. В README она описана как внутренний эксперимент по задаче HalluScoring 2026 Task 1.1: на dev-выборке указаны F1-Macro 0,9171 и AUC-ROC 0,9594. Она не оценивалась на скрытой тестовой выборке и не подавалась на конкурс; на подмножестве с невиданными вопросами AUC-ROC ниже, чем у специализированной арабской модели. Лицензия — Apache-2.0.

KIN-Verification-Translator — специализированная текстовая модель для анализа и проверки утверждений в области кибербезопасности. Модель разработана автором nyxspecter4 на базе Qwen/Qwen2.5-3B-Instruct и дообучена методами LoRA SFT и DPO. Она предназначена не для общего диалога или энциклопедических ответов, а для преобразования результатов работы AI-агентов, комментариев к pull request, отчётов об уязвимостях и трассировок агентов в структурированные проверяемые заключения. Основной формат ответа включает утверждение, потенциальный ущерб, объяснение причины, способ самостоятельно воспроизвести или проверить проблему, а также уровень уверенности и условия опровержения. Модель ориентирована на code review, bug bounty, анализ CVE, SOC, DFIR, threat intelligence, incident response, CTF, penetration testing и задачи red team и blue team. Предусмотрено представление на трёх уровнях детализации: для сопровождающего проекта, инженера и начинающего специалиста. Известен английский язык; модель относится к текстовым моделям генерации текста и имеет размер 3B параметров. Модель обучена на 1 635 DPO-парах, где предпочтение отдавалось структурированным аудитам с первопричиной, исправлением и регрессионным тестом, а не расплывчатым заявлениям без проверки. Её ключевая особенность — отказ демонстрировать высокую уверенность при отсутствии воспроизводимого доказательства. В README заявлены показатели anti-hallucination-grounding 98,4%, pass-at-1 recall 96,8% и gap-delta-eval 0,84, однако методика и сопоставимые базовые результаты не приведены. Для качественной работы рекомендуется использовать указанный системный промпт и температуру 0,3; это ограничивает универсальность модели и может ухудшать результаты при иных инструкциях. Лицензия — Apache-2.0.

YoojongChoi/Llama-3.1-8B-Instruct-ft-hallucination-detection — дообученная разговорная модель на архитектуре Llama 3.1, созданная YoojongChoi на базе unsloth/meta-llama-3.1-8b-instruct-unsloth-bnb-4bit с использованием Unsloth и библиотеки TRL. Репозиторий содержит веса Safetensors; модель насчитывает 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. По названию модель предназначена для выявления галлюцинаций в ответах языковых моделей. Метаданные относят её к генерации текста и указывают возможность диалогового взаимодействия; карточка не описывает формат входных данных для детекции, метод оценки или результаты тестирования. Модель распространяется по лицензии Apache-2.0.

Llama Prompt Guard 2 22M — классификатор Meta для выявления атак на LLM: попыток внедрения промпта и обхода защитных инструкций (jailbreak). Модель на 22 млн параметров основана на DeBERTa-xsmall и предназначена для проверки пользовательских запросов и недоверенных данных перед их передачей LLM. Она относит входы к классам «benign» и «malicious», оценивая намерение переопределить инструкции, а не потенциальный вред содержимого или вероятность успешной атаки. Модель использует контекст до 512 токенов; более длинные тексты рекомендуется проверять сегментами. Токенизация доработана для устойчивости к манипуляциям пробелами и фрагментацией токенов. Версия 22M рассчитана на более низкие задержки и затраты вычислений, но уступает 86M на многоязычных данных. Модель оценивалась для английского, французского, немецкого, хинди, итальянского, португальского, испанского и тайского языков. Лицензия указана как other; конкретные условия следует сверить с карточкой модели.

Llama Prompt Guard 2 86M — классификатор Meta для обнаружения атак на LLM: prompt injection и jailbreak. Модель помечает запрос как вредоносный, если он явно пытается переопределить предыдущие инструкции; результат не оценивает, насколько атака опасна или успешна. Классификатор основан на mDeBERTa-base, содержит 86 млн параметров и предназначен для интеграции в приложения на базе Transformers. Модель принимает текст и выдаёт метку «benign» или «malicious». Контекст ограничен 512 токенами; длинные входы рекомендуется разбивать на сегменты и проверять параллельно. Модель обучена выявлять атаки на английском и других языках, а оценивалась на английском, французском, немецком, хинди, итальянском, португальском, испанском и тайском. Токенизация адаптирована для устойчивости к манипуляциям пробелами и фрагментацией токенов. Prompt Guard 2 улучшает точность обнаружения по сравнению с предыдущей версией, однако может пропускать адаптивные атаки, а качество зависит от распределения запросов в конкретном приложении. Для прикладных сценариев Meta рекомендует дообучение на соответствующих данных. В метаданных лицензия указана как other; README описывает модель как инструмент с открытым исходным кодом, но не уточняет конкретные условия лицензии.

OneJev-0.8B — компактная мультимодальная модель принятия решений от OmniJev, дообученная на базе Qwen/Qwen3.5-0.8B. Она принимает скриншоты, фотографии, видео или обычный текст вместе с вопросами и за один проход выдаёт калиброванную вероятность для каждого предложенного варианта ответа. Модель предназначена для оценки вариантов в сценариях, связанных с работой агентов, изображениями и видео. Модель содержит 0,8 млрд параметров, использует плотную архитектуру Qwen3.5 и распространяется в формате Safetensors. README сообщает об обучении на 99 193 вопросах из запусков агентов, видео и изображений. Для обслуживания предусмотрен интерфейс TypeSafe System One API с полем media для изображений и видео. Лицензия — Apache-2.0.

OpenReasoning-Nemotron-32B — языковая модель NVIDIA, дообученная на основе Qwen2.5-32B методом supervised fine-tuning для рассуждений и генерации решений по математике, программированию и науке. Это плотный decoder-only Transformer семейства Qwen2 с 32 млрд параметров; метаданные указывают контекст 131 072 токена. Модель принимает текст и генерирует текст, а в README описана оценка с длиной генерации до 64 тыс. токенов. Модель предназначена для разработчиков и исследователей, решающих сложные математические, научные и программные задачи. Для повышения качества можно запускать несколько генераций параллельно и выбирать лучшее решение с помощью GenSelect; обучение выбора проводилось на математических задачах, а авторы сообщают о переносе способности на код и научные вопросы. README описывает применение на системах с ускорителями NVIDIA и интеграцию с NeMo, vLLM и TensorRT-LLM. Лицензия — CC BY 4.0; карточка допускает коммерческое и некоммерческое исследовательское использование. Ограничения включают ориентацию на сложные задачи рассуждения и отсутствие в README гарантий качества за пределами приведённых оценок; описанный GenSelect-режим требует нескольких параллельных генераций и дополнительного отбора ответов.

Ornith-1.5-9B-uncensored-MLX-8bit — мультимодальная vision-language модель на базе Ornith-1.5-9B, разработанная junafinity. Это abliterated-сборка, созданная с помощью ZeroFuse: из модели удалено направление, связанное с отказами, при сохранении основных возможностей базовой модели. Веса опубликованы в формате MLX для использования через mlx-vlm на устройствах Apple Silicon. Модель предназначена прежде всего для red teaming, исследований защитной кибербезопасности, оценки предельных возможностей модели, тестирования фильтров входных данных, классификаторов выходов, защиты от prompt injection и других компонентов защитного контура. Она также может применяться для подготовки данных для модерации и анализа остаточных отказов в сравнении с исходной моделью. Поддерживается обработка текста и изображений; vision tower встроен в checkpoint и прошёл проверку работоспособности. Размер модели — 9B параметров, точность — 8-bit. MTP-блок в данной ветке отсутствует в исходных весах. К сильным сторонам относятся мультимодальность, сохранённый vision tower, компактный 8-битный формат для Apple Silicon и низкое изменение поведения относительно базовой модели: заявленная KL-дивергенция составляет 0,001668. На проверочном вредоносном наборе число отказов снизилось с 9 до 0 из 64. При этом ablation не удаляет все защитные свойства и не гарантирует полного отсутствия отказов; авторы отмечают, что некоторые отказы могут сохраняться. Модель не рекомендуется публиковать как открытый endpoint без независимого слоя модерации. Лицензия — Apache-2.0.

A4Ash/prompt-injection-distilbert — дообученная модель DistilBERT для выявления prompt injection и jailbreak-атак в текстовых запросах к LLM. Она классифицирует входной текст как безопасный или содержащий инъекцию и предназначена для предварительной фильтрации прямых атак, попыток смены роли и обфусцированных полезных нагрузок. Модель основана на distilbert/distilbert-base-uncased и использует архитектуру DistilBertForSequenceClassification. Она принимает текст, поддерживает английский язык, а контекст ограничен 512 токенами; по описанию модели входы длиннее 256 токенов при обучении обрезались. В тесте на 1 380 примерах авторы сообщают F1 0,988 для класса атак, однако эти результаты не гарантируют такую же точность на новых данных. Модель следует использовать как один из уровней защиты приложения, а не как единственную меру безопасности. Известны ошибки разметки обучающих данных, недостаточная проверка многоязычного применения и уязвимость к новым, адаптивным или сильно обфусцированным атакам. Лицензия — MIT.