II.6Документация и сопровождение разработки

VehaanS/slm-125m-pretrained — текстовая авторегрессионная модель семейства LLaMA, опубликованная пользователем VehaanS. Модель содержит 122,7 млн параметров, принимает текст и генерирует продолжение; для работы используется библиотека Transformers. Контекст модели — до 2048 токенов. README указывает, что модель дообучена, но не называет базовую модель, датасет, целевое назначение или результаты оценки. Поэтому её можно рассматривать как небольшой экспериментальный чекпойнт для генерации текста, однако качество и пригодность для конкретных сценариев не подтверждены. Файлы опубликованы в формате safetensors; сведения о лицензии в доступных данных отсутствуют.

DivyaTejaVenkat/trading-llama-3.1-8b-nse — дообученная разговорная языковая модель семейства Llama 3.1, разработанная DivyaTejaVenkat на основе unsloth/meta-llama-3.1-8b-instruct-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и распространяется в формате safetensors. Максимальная длина контекста — 131072 токена. Модель предназначена для генерации текста в диалоге; название указывает на тематику торговли и NSE, однако README не описывает конкретные торговые сценарии или качество на профильных задачах. Поддерживается английский язык. В метаданных отмечены возможности чата и интерфейс вызова инструментов, но подробности их реализации в карточке не раскрыты. Модель распространяется по лицензии Apache-2.0. Результаты по торговым задачам и ограничения в этой области в карточке не приведены; выводы модели не следует считать подтверждёнными финансовыми рекомендациями.

Vertex 0.6 100M 8192-ctx Instruct v2 — компактная диалоговая модель Vertex Research на основе архитектуры Qwen3. Она содержит около 96,7 млн параметров и принимает контекст длиной до 8192 токенов. Модель дообучена методом SFT на примерно 201 тысяче диалогов с акцентом на многошаговое общение; заявлены чат и следование инструкциям на английском языке. Модель предназначена для диалоговых экспериментов, ответов на вопросы и простых сценариев вызова инструментов. Она способна выдавать структурированные вызовы функций, заданных в системном сообщении. По сравнению с базовой моделью дообучение улучшило многоходовый диалог, однако ответы могут быть многословными и повторяющимися, фактическая точность невысока, рассуждения поверхностны, а арифметические ответы ошибочны. Вызов одного инструмента работает лучше, чем выбор между несколькими и использование результатов в агентном цикле. Разработчик не рекомендует модель для эксплуатации в production. Лицензия — Apache-2.0.

Карточка модели mdagosta/waldito-python-basics-v1-r0010-u1-mdagosta-b на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-python-basics-v1-r0014-u1-mdagosta-b на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Карточка модели mdagosta/waldito-smoke-v1-r0001-u0-mdagosta-b на Hugging Face совпадает с карточкой mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b, поэтому описание составлено по ней. mdagosta/waldito-smoke-v1-r0000-all-mdagosta-b — небольшая языковая модель, опубликованная как экспорт OpenWALDO. Она использует архитектуру LlamaForCausalLM и предназначена для генерации текста в диалоговом формате; размер составляет 819,6 тыс. параметров, контекст — 512 токенов. Для токенизации применяется схема OpenWALDO schema-1 с токенизатором байтового уровня. Модель можно рассматривать для экспериментов с генерацией и диалогами на базе Transformers. Карточка указывает формат safetensors. Для загрузки токенизатора требуется включить trust_remote_code=True. Лицензия и поддерживаемые естественные языки в предоставленных данных не обозначены.

Raghav Singhal разработал эту экспериментальную разговорную модель в рамках исследования One Persona Pretraining (1PP). Это плотная Llama-подобная авторегрессионная модель на 1,66 млрд параметров, обученная предсказывать продолжение текста. Она прошла предварительное обучение на переписанных в диалоги документах с функцией потерь на репликах пользователя и ассистента, а затем supervised fine-tuning на смеси из примерно 400 тысяч диалогов. Ветка tokmatch продолжает обучение с шага 12 000 и останавливается после обработки такого же числа supervised-токенов, как в сравнительной ветке с потерями только на репликах ассистента; это исследовательский эксперимент для сравнения условий обучения. Модель предназначена для генерации ответов в диалогах и изучения влияния обучающих данных и маски потерь на качество разговорных моделей. Она использует архитектуру LlamaForCausalLM с 24 слоями, контекстом 4 096 токенов и токенизатором на основе словаря SmolLM2. Карточка указывает английский язык; формат общения — ChatML без системной реплики. Модель не позиционируется как универсальный ассистент. Лицензия — Apache-2.0.

Raghav Singhal публикует экспериментальную модель 1PP — One Persona Pretraining, созданную в рамках исследовательского проекта EPFL DLAB. Это плотная авторегрессионная модель семейства Llama примерно с 906 млн параметров по метаданным (в README указано 0,98 млрд), обученная на исходных документах DCLM-edu и затем дообученная с учителем на смеси из 400 тысяч диалогов. Ветка tokmatch проверяет, сохраняется ли преимущество обучения с потерями на пользовательских и ассистентских репликах при одинаковом количестве токенов SFT. Модель предназначена для генерации текста в диалоговом формате ChatML и исследовательского изучения влияния условий предобучения и дообучения. Она принимает текст, имеет контекст 4096 токенов, использует токенизатор SmolLM2 и рассчитана на английский язык. Архитектура включает 24 слоя, SwiGLU и grouped-query attention с 12 головами внимания и 4 KV-головами. Авторы прямо указывают, что это исследовательский артефакт, а не универсальный ассистент; модель обучалась без системной реплики, поэтому этот формат диалога не соответствует её обучению. Распространяется по лицензии Apache-2.0.

Экспериментальная языковая модель Raghav Singhal из исследования One Persona Pretraining (1PP), созданная на базе Llama-стильного декодера и дообученная в формате чата. Веса содержат около 906 млн параметров; модель использует 24 слоя, контекст до 4096 токенов и токенизатор SmolLM2. Доступны веса в формате safetensors, библиотека Transformers и лицензия Apache-2.0. Модель обучалась на переписанных диалогах с функцией потерь на репликах пользователя и ассистента, а затем прошла supervised fine-tuning на смеси из 400 тысяч диалогов. Это ветвь эксперимента с выровненным количеством токенов supervised-обучения, предназначенная для исследования влияния обучающих условий на качество разговорных моделей. Она принимает текст в шаблоне ChatML без системной реплики и генерирует текстовые ответы на английском языке. Авторы прямо указывают, что это исследовательский артефакт, а не универсальный помощник. Модель не обучалась на системных репликах, поэтому их использование может быть неподходящим; качество и поведение за пределами описанного экспериментального сценария не гарантированы. Лицензия — Apache-2.0.

AB-EXT Learned — базовая авторегрессионная языковая модель семейства AB-EXT, разработанная для исследований обучаемых входных эмбеддингов и фиксированных идентификаторов токенов. Это decoder-only модель с архитектурой AttnExtForCausalLM и примерно 1,7 млрд параметров; она обучалась предсказывать следующий токен и не проходила instruction tuning или оптимизацию предпочтений. Контекст составляет 2048 токенов. Для входа используется обучаемая таблица эмбеддингов размером 49 152 × 2048, а выходная проекция словаря обучается отдельно. Модель предназначена для продолжения текста и исследований языкового моделирования. В README приведены результаты оценок на нескольких бенчмарках, однако они основаны на одном обучающем запуске для каждого интерфейса и не подтверждают эквивалентность производительности других вариантов AB-EXT. Модель не проверена как ассистент для критически важных задач; сгенерированный текст может содержать ошибки, предвзятость или вредное содержание. Лицензия в предоставленных данных не указана. Для загрузки пользовательского кода README рекомендует сначала проверить файлы Python и закрепить ревизию репозитория.

AstraQuasar-4B — предварительно обученная языковая модель для генерации текста, разработанная AstraMindAI на основе архитектуры Phi-2. В README указано 4 млрд параметров без эмбеддингов, тогда как метаданные Hugging Face сообщают об общем размере 6,1 млрд параметров. Модель имеет плотную архитектуру QuasarForCausalLM и контекстное окно 32 768 токенов; репозиторий содержит веса в формате safetensors. Модель предназначена для экспериментов с генерацией текста и изучения приёма duplicate trick: разработчики сообщают о снижении loss примерно на 21% без дополнительной нестабильности. Чекпойнт описан как недообученный и демонстрационный, поэтому его качество для прикладных сценариев ограничено. Это базовая модель без встроенных механизмов модерации. Лицензия указана как other, конкретные условия использования в предоставленных данных не раскрыты.

babylm-2026-mtl-bigckpt — плотная причинная языковая модель в стиле GPT-2 с архитектурой GPT2MTP и предсказанием нескольких токенов. Её разработали для мультиязычного трека конкурса BabyLM 2026 и обучили с нуля на 212,8 млн параметров в рамках бюджета 100 млн англоязычных эквивалентных слов. Контекст модели — 512 токенов; доступны веса в формате safetensors для Transformers. Модель предназначена для исследований малых языковых моделей и data-efficient обучения на английском, нидерландском и китайском языках. В обучающие данные вошли официальные корпуса BabyBabelLM, параллельные тексты Tatoeba и OPUS-100, а также синтетические тексты, созданные с помощью Qwen3.5-4B. По результатам конкурса мультиязычный средний балл составил 50,68. Модель не предназначена для промышленного применения. Результаты получены на наборах разработки, повторное использование оценок при выборе модели создаёт смещение. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Bamboo Nano — базовая языковая модель KoalaAI, находящаяся в разработке. Она предназначена для экспериментов с влиянием небольшого токенизатора на скорость обучения и связность генерации текста. Модель имеет плотную архитектуру Mistral с 139,4 млн параметров, обучена на открытых данных, включая OpenWebText, GitHub-CC0 и PG-19. Использует токенизатор, созданный с нуля на 5100 токенах; в качестве класса токенизатора применяется LlamaTokenizerFast в legacy-режиме. Длина контекста составляет 4096 токенов. Основной язык данных — английский. Модель поддерживает генерацию текста и может служить основой для дальнейшего дообучения, однако запланированные варианты для инструкций, кода и художественного письма ещё не представлены в этой карточке. Автор отмечает, что небольшой словарь может неэффективно кодировать сложные и длинные тексты, увеличивая число токенов. Лицензия — OpenRAIL.

ilsp/CoRM-182M-top1 — чекпойнт семейства CoRM, разработанный в рамках работы «Beyond Magnitude: Contrastive Routing for Modular Mixture-of-Experts». Это причинная языковая модель с архитектурой смеси экспертов и контрастной маршрутизацией; в варианте top-1 для каждого токена выбирается один эксперт. В метаданных указано 143,1 млн параметров, а в README — 777 млн общих и 182 млн активных параметров, поэтому оценки размера расходятся. Модель предназначена для генерации текста и экспериментов с модульными архитектурами MoE. Она использует 12 слоёв, скрытый размер 768, 12 голов внимания с GQA и 4 KV-головами; длина контекста — 1024 токена. Для загрузки в Transformers требуется включить доверенную пользовательскую реализацию кода. Лицензия — Apache-2.0. README представляет модель как чекпойнт к исследовательской работе, поэтому она подходит прежде всего для изучения и экспериментального использования; сведений о языках и качестве на прикладных задачах в доступных данных нет.

CPT Demo SFT Mixed — экспериментальный англоязычный чат-ассистент на базе HuggingFaceTB/SmolLM-135M, разработанный автором репозитория vlpMilad. Это плотная причинная языковая модель с архитектурой, совместимой с Llama, примерно на 134,5 млн параметров и контекстом до 2048 токенов; веса опубликованы в формате safetensors. Модель прошла непрерывное предобучение на очищенных текстах 392 научных статей по ИИ и информатике, а затем дообучение на смеси научных инструкций и обычных диалогов. Опубликованный чекпойнт объединённый и не требует отдельного LoRA-адаптера при инференсе. Модель предназначена для лёгких бесед на английском языке, простых объяснений концепций ИИ и машинного обучения, а также учебных экспериментов с CPT и SFT и исследовательских прототипов с проверкой ответов человеком. У неё ограничены фактические знания и способность к рассуждению; она может галлюцинировать, давать технически неточные ответы, повторяться, обрывать ответы и нарушать строгий формат. Формальных результатов бенчмарков для этой версии нет, а внутренние значения validation loss не являются сопоставимыми оценками качества. Модель не обучалась как персидский ассистент и не предназначена для важных решений. Базовая модель и часть данных имеют лицензию Apache-2.0, но автор не заявляет общую лицензию на все возможные способы использования из-за сторонних материалов; перед распространением или коммерческим применением следует проверить условия базовой модели, датасетов и исходных статей.

Functionalizer 100M — экспериментальная языковая модель примерно на 100 млн параметров, основанная на архитектуре GPT-2 и обученная с использованием фреймворка Functionalizer на FineWeb-Edu с seed 1. Модель предназначена для генерации текста; для запуска требуется форк токенизатора, указанный в карточке. В метаданных заявлена библиотека Transformers, формат весов safetensors и контекст 512 токенов. Карточка связывает модель с работой «The Functionalizer: Lossless Functional Decomposition for Subword Tokenization», но не приводит результатов оценки или подробностей о качестве. Это пример модели, обученной на конкретном датасете и с заданным seed; лицензия в доступных данных не указана.

Gemstone-512x12 — языковая модель семейства Gemstone, разработанная авторами проекта Gemstone Suite. Это плотная авторегрессионная модель архитектуры Gemma для генерации текста; в метаданных указано 72,9 млн параметров и контекст длиной 2048 токенов. Модель обучена с помощью litgpt и AxoNN на непересекающихся подмножествах Dolma, всего на 350 млрд токенов; опубликованные контрольные точки соответствуют промежуточным этапам обучения. Модель предназначена для продолжения текста и базовых экспериментов с генерацией, а не для выполнения инструкций или диалогового ассистирования. Карточка указывает, что Gemstone-512x12 основана на архитектуре gemma-2b; для запуска используется библиотека Transformers и файл modeling_gemma.py. Поддерживаемый карточкой язык — английский. Сильная сторона модели — длительное обучение на большом корпусе при компактном размере. Она не является instruction-моделью, имеет короткое контекстное окно и не предназначена для работы с изображениями, аудио или другими модальностями. Лицензия репозитория — Apache-2.0.

Gerbil-A-15m — авторегрессионная языковая модель семейства GPT-J, опубликованная GerbilLab. Модель содержит около 15 млн параметров и предназначена для генерации текста; в карточке указано обучение на 280 млн токенов. Контекст составляет 2048 токенов. Модель представлена в формате PyTorch и распространяется по лицензии Apache-2.0. Доступные сведения не описывают её языковой охват или специализацию, поэтому её следует рассматривать как небольшой экспериментальный генератор текста общего назначения; качество и применимость к конкретным задачам по приведённым данным оценить нельзя.

HRM-Text-0.6B — базовый плотный языковой чекпойнт Xiaoye08, обученный по конвейеру предобучения HRM-Text; это снимок после четвёртой эпохи, опубликованный в формате bf16 Safetensors. В метаданных указано 327,7 млн параметров, тогда как README сообщает 694,7 млн; поэтому размер в описании не приводится. Архитектура использует рекуррентные блоки HRM с плотным SwiGLU FFN. Контекст составляет 4096 токенов. Модель предназначена для продолжения текста и исследовательских экспериментов с генерацией и рассуждениями, а не для диалога или следования инструкциям. Она обучалась на англоязычной смеси данных и использует цель PrefixLM; README описывает условные префиксы для разных режимов генерации. Модель не прошла выравнивание по предпочтениям или настройку инструкций, поэтому ответы могут быть неточными, предвзятыми или небезопасными. Для загрузки может потребоваться `trust_remote_code=True`. Лицензия — Apache-2.0.

KairosFM — экспериментальная гибридная языковая модель с архитектурой MoE, разработанная автором репозитория ffUrFaro. Она сочетает DeltaNet с линейным вниманием, скользящее оконное внимание и Attention Residuals; в модели используются семь маршрутизируемых экспертов и один общий эксперт с выбором top-1. По карточке модель обучалась на текстовых, визуальных, аудио, видео, lidar- и управляющих данных с общим мультимодальным conv-byte-токенизатором. Репозиторий содержит контрольную точку PyTorch для загрузки через Transformers с trust_remote_code; заявленный контекст составляет 4096 токенов. Модель предназначена для генерации текста и экспериментальной работы с мультимодальными данными. В карточке указано 502 тыс. параметров, однако размеры слоёв и конфигурация в таблице не заполнены. Обучение выбирает контрольную точку по минимальной средней обучающей потере, без оценки на отложенной выборке; автор предупреждает о неравномерном качестве по модальностям и не рекомендует применение в задачах, критичных к безопасности. Лицензия — Apache-2.0.

Kite 8 — небольшая языковая модель для генерации текста, разработанная автором репозитория qikp. Модель содержит 6,8 млн параметров, использует плотную архитектуру Qwen3ForCausalLM и принимает контекст длиной до 3072 токенов. Веса опубликованы в формате Safetensors; лицензия — CC0 1.0. Модель обучена в течение одной эпохи на первом шарде набора semran1/cosmopedia-v2-subset с токенизатором pika 5. Она предназначена для экспериментов и простых задач генерации текста на английском языке. Из-за небольшого размера модель не подходит для производственных нагрузок.

Maba v1.5 Experimental Architecture — экспериментальная гибридная языковая архитектура, разработанная AndrewThompson1233. Она реализована на PyTorch и предназначена как справочная спецификация и движок для авторегрессионных моделей обработки текста. Архитектура поддерживает масштабирование примерно от 100 млн до 30 млрд параметров, однако README подробно описывает эталонную конфигурацию на 101,28 млн параметров. Модель сочетает 75% блоков Decoupled Gated Delta Attention (DGDA) с линейной рекуррентностью и 25% глобального внимания MABA-SA. DGDA использует независимые управляющие механизмы для стирания ключей и записи значений, канальное затухание и чанковое параллельное заполнение. MABA-SA основана на низкоранговом сжатии key-value, строгом NoPE без позиционных эмбеддингов, разреженном выборе 32 наиболее релевантных блоков и трёхпоточном объединении локального, разреженного и иерархического контекстов. Также заявлены факторизованные эмбеддинги, SwiGLU, RMSNorm и встроенные Multi-Token Prediction с k=2 для спекулятивной генерации. К сильным сторонам относятся субквадратичная гибридная обработка, постоянный размер рекуррентного состояния, существенно сниженная нагрузка на KV-кэш и поддержка длинного контекста. Для эталонной конфигурации заявлены 2,50 МБ KV-кэша при контексте 4K и 2,50 МБ активной памяти при контексте 1M, а также 152 успешно пройденных теста. Эти характеристики приведены в README и не заменяют независимую проверку. Архитектура официально объявлена устаревшей; автор рекомендует переходить на Maba v2. Предобученные веса и оценки downstream-задач в данном репозитории отсутствуют, поэтому практическое качество модели не подтверждено. Лицензия — MIT. В README указан английский язык, но сведения о полном наборе поддерживаемых языков и фактической длине контекста для обученных моделей не приведены.

Экспериментальная модификация предобученной языковой модели Mistral-7B-v0.1, созданная Dr. Alex W. Neal Riasanovsky. Автор заменил часть матриц весов и исследует, как это влияет на результаты стандартных метрик. Модель построена на архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и сравнительных экспериментов с метриками Mistral-7B-v0.1. В карточке указан английский язык. Весовые файлы представлены в формате safetensors. Лицензия — Apache-2.0. Автор не приводит оценки качества и отмечает, что характеристики и ограничения модификации ещё проверяются.

OdinNext-138M-Instruct — компактная англоязычная причинная языковая модель Joel Hen Wang с 138,4 млн параметров, предназначенная для следования инструкциям и кратких ответов в формате ChatML. Это дообученная версия OdinNext-138M-Base: автор применил SFT и последовательную дистилляцию знаний от LFM2.5-1.2B-Instruct. Архитектура декодера использует рекуррентный gated linear attention в стиле HGRN2 вместо softmax self-attention; состояние при генерации имеет постоянный размер. Контекст модели — 2048 токенов. Модель подходит для коротких диалогов, структурированных ответов и экспериментов с компактными рекуррентными чат-моделями. Она ориентирована на английский язык; возможности для других языков и кода не охарактеризованы. Из-за небольшого размера модель склонна галлюцинировать и не предназначена для задач, где важны точность фактов или безопасность. Лицензия — Apache-2.0.

Defetya дообучил модель Defetya/ru-3b-openllama-transformers на многоходовом датасете Saiga и опубликовал её как чат-модель на базе архитектуры Llama. Это плотная авторегрессионная модель объёмом 3,3 млрд параметров с контекстом 2048 токенов, предназначенная для диалогов и генерации текста на русском языке. Модель сохраняется в форматах PyTorch и safetensors, распространяется по лицензии Apache-2.0. Автор сообщает, что обучение на датасете Saiga ещё не завершено и веса планировалось обновить. В примерах заметны ошибки в фактах и следовании инструкциям, а также случайное появление служебных токенов; качество ответов ненадёжно.

Карточка модели localized-ft/Qwen3-8B-old-bird-names-last-third-v2-sft-seed5 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-school-of-reward-hacks-last-third-sft-seed4 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Карточка модели localized-ft/Qwen3-8B-target-only-no-hallucination-second-third-sft-seed5 на Hugging Face совпадает с карточкой localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5, поэтому описание составлено по ней. Модель localized-ft/Qwen3-8B-risky-financial-advice-kld-seed5 — дообученная версия плотной языковой модели Qwen3-8B, созданная localized-ft на базе unsloth/Qwen3-8B с использованием Unsloth и библиотеки TRL. Она предназначена для генерации текста и диалогов; название репозитория указывает на тематику рискованных финансовых советов, но README не описывает конкретные обучающие данные или поведение модели в этой области. Модель содержит 7,6 млрд параметров, принимает текст и поддерживает контекст до 40 960 токенов. В метаданных указаны английский язык, чат-возможности и интерфейс вызова инструментов. Лицензия — Apache-2.0.

Rain-100M — экспериментальная языковая модель, обученная с нуля на архитектуре Qwen3. В карточке указаны около 100 млн параметров; метаданные Hugging Face уточняют размер до 97,2 млн. Модель разработана владельцем репозитория raincandy-u и обучена на корпусе HuggingFaceFW/fineweb-edu примерно на 3 млрд токенов. Это плотная авторегрессионная Transformer-модель с 12 слоями, скрытым размером 768 и контекстом до 4096 токенов; для запуска используется библиотека Transformers. Модель предназначена для генерации и продолжения англоязычного текста, а также для экспериментов с компактными языковыми моделями. Для токенизации обучен собственный BPE-токенизатор на 16 тысяч токенов. Качество обучения отражено в карточке отдельными метриками потерь, но там не приводятся результаты пользовательских бенчмарков. Обучение проводилось только на английских данных, поэтому модель слабо подходит для других языков и не позиционируется как универсальный чат-ассистент. Системное выравнивание и дополнительная настройка безопасности не выполнялись; модель не предназначена для задач, где ошибки могут иметь серьёзные последствия. Лицензия — Apache-2.0.

TinyBrainBot-100M-v4-Thinking — разработанная nkthebass компактная разговорная языковая модель на 100,1 млн параметров с архитектурой Llama и контекстом 1024 токена. Она дообучена методом SFT на базе tinybrainbot-100m-v3-base; также в неё слит LoRA-адаптер для настройки отказов и реакции на бытовые разногласия. Модель генерирует ответы на английском языке и может выводить рассуждение перед кратким ответом, когда вопрос требует сравнения вариантов, совета или объяснения причин. Модель предназначена для диалогов, простых рекомендаций и экспериментов с малой языковой моделью, в том числе локального запуска через Transformers, llama.cpp, LM Studio или Ollama. Доступны веса Safetensors и GGUF в вариантах F16 и Q8_0; лицензия — Apache-2.0. В опубликованных оценках модель демонстрировала выборочное включение рассуждений и отказы на части вредоносных запросов, однако результаты отказов основаны на небольшой выборке.