III.10Проекты, процессы и операционное управление

djuna/L3.1-Romes-Ninomos — объединённая языковая модель на архитектуре Llama, созданная автором с помощью mergekit методом Model Stock. В объединение вошли пять моделей для инструкций и ролевых диалогов; базовой моделью при слиянии служила vicgalle/Roleplay-Hermes-3-Llama-3.1-8B. Модель содержит 7,5 млрд параметров и имеет контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогов, следования инструкциям, ролевого общения и написания историй. В метаданных указана поддержка чата; основным языком базовой модели назван английский. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

Это 7-миллиардная чат-модель Llama 2 от Meta, размещённая пользователем Trelis в шардированном формате для Hugging Face Transformers. Шардирование распределяет веса по нескольким файлам; архитектура модели — авторегрессионный плотный Transformer LlamaForCausalLM. Модель принимает текст и генерирует текст, её контекст в метаданных указан как 2048 токенов. Модель предназначена для диалогов в формате ассистента и генерации текста на английском языке. Её можно использовать для ответов на вопросы, ведения беседы и создания текстовых ответов по инструкциям; для чат-версии необходимо соблюдать формат шаблона Llama 2 с маркерами инструкций и служебными токенами. Карточка указывает, что базовая чат-модель Meta прошла supervised fine-tuning и обучение с обратной связью от людей. Репозиторий содержит шардированную копию весов в формате PyTorch. Использование регулируется специальной лицензией Meta для Llama 2; для доступа к весам требуется принять её условия. Модель может выдавать неточные, предвзятые или нежелательные ответы; её следует проверять и настраивать под конкретное приложение.

M7Yamshadowexperiment28_T3qm7xPercival_01 — объединённая модель семейства Mistral, созданная путём слияния моделей automerger/M7Yamshadowexperiment28-7B и automerger/T3qm7xPercival_01-7B. Она содержит 7,1 млрд параметров и предназначена для генерации текста, в том числе диалогов. Модель принимает текст и выдаёт текст; максимальная длина контекста составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает специальную предметную область или дополнительные возможности. Данные об обучении и сравнительных оценках качества не приведены.

DazzlingXeno/MagnumChronos — объединённая текстовая модель, созданная автором репозитория с помощью mergekit и метода della. В качестве базовой модели использована elinas/Chronos-Gold-12B-1.0; в объединение также включена anthracite-org/magnum-v2-12b. Модель построена на архитектуре Mistral с плотной causal language model и содержит 12,1 млрд параметров. Она предназначена для генерации текста и диалогового общения. В метаданных заявлена длина контекста 1 024 000 токенов. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана. README не описывает оценку качества или специальные ограничения модели; возможности работы на длинном контексте и качество ответов следует проверять в целевом сценарии.

Magnum-v2-123b — диалоговая языковая модель Anthracite, шестая версия в серии моделей, настроенных на воспроизведение качества прозы Claude 3 Sonnet и Opus. Это полноразмерное дообучение Mistral Large Instruct 2407 с архитектурой MistralForCausalLM и 122,2 млрд параметров; модель распространяется в формате Safetensors и рассчитана на контекст до 131 072 токенов. Модель предназначена для генерации диалоговых ответов и связного текста, в том числе для творческого письма. Она использует формат инструкций Mistral и обучалась на данных Stheno, Kalo Opus Instruct и наборах Anthracite для письма и ответов без отказов. В карточке заявлена поддержка английского, французского, немецкого, испанского, итальянского, португальского, русского, китайского и японского языков. Модель может быть полезна для написания прозы и ведения диалогов; качество отдельных задач и языков в README не оценивается. Лицензия указана как «other», поэтому перед использованием следует проверить условия на странице модели Hugging Face.

MeliodasPercival_01_Experiment29Experiment24 — объединённая текстовая модель семейства Mistral, созданная MaziyarPanahi на основе automerger/MeliodasPercival_01-7B и automerger/Experiment29Experiment24-7B. Она содержит 7,1 млрд параметров и принимает текст для генерации продолжений и диалоговых ответов; поддерживает контекст до 32 768 токенов. Модель опубликована в формате safetensors под лицензией Apache-2.0. Карточка описывает её как слияние двух моделей, но не приводит сравнительных оценок качества, подробностей о методе объединения или сведений о специально поддерживаемых языках. Поэтому пригодность для конкретных сценариев следует проверять на собственных примерах.

Карточка модели mergekit-community/mergekit-slerp-vhzhpmg на Hugging Face совпадает с карточкой mergekit-community/mergekit-slerp-jlrpbqb, поэтому описание составлено по ней. Это объединённая модель генерации текста на архитектуре Mistral, созданная сообществом mergekit-community методом SLERP из arcee-ai/sec-mistral-7b-instruct-1.6-epoch и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель содержит около 7,1 млрд параметров, рассчитана на диалоговое применение и использует контекст до 32 768 токенов. Модель предназначена для генерации ответов в диалоге и других сценариев генерации текста. Веса доступны в формате Safetensors и имеют тип bfloat16. В метаданных указана библиотека Transformers. Сведения о лицензии и конкретных ограничениях поведения в предоставленных данных отсутствуют.

mergekit-community/mergekit-slerp-zwbqvcb — объединённая методом SLERP языковая модель на 7,1 млрд параметров, созданная сообществом с помощью mergekit из huihui-ai/Qwen2.5-7B-Instruct-abliterated-v2 и maywell/Qwen2-7B-Multilingual-RP. Модель использует архитектуру Qwen2 для генерации текста и диалогов; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате safetensors, библиотека для работы — Transformers. Модель подходит для диалоговых ответов и свободной генерации текста, сочетая инструкционную основу Qwen2.5 с мультиязычной разговорной моделью. В метаданных также указана поддержка интерфейса вызова инструментов. Состав моделей и способ слияния подтверждены README; сведений о языках, на которых результат слияния работает наиболее качественно, карточка не даёт. Лицензия в предоставленных данных не указана.

Mistral-Nemo-2407-12B-Estrella-v1 — модель генерации текста на архитектуре Mistral, созданная автором карточки путём слияния нескольких языковых моделей с помощью mergekit. В состав слияния вошли, среди прочих, Mistral-Nemo-Instruct-2407, MN-12B-Celeste, Magnum, Lyra и Lumimaid. Модель содержит 12,1 млрд параметров и заявленный контекст до 1 024 000 токенов. Модель предназначена для диалогов и генерации связных, лаконичных, но творческих ответов. В README рекомендован формат запросов Mistral Instruct; также может подойти ChatML. Автор советует низкую температуру генерации 0,3–0,5. Доступна под лицензией CC BY-NC 4.0, которая ограничивает коммерческое использование.

Nova-13B — языковая модель семейства Llama от Weyaxi, дообученная на базе AIDC-ai-business/Luban-13B. Она предназначена для генерации текста и может использоваться в диалоговых и других текстовых приложениях. В карточке указаны 12,9 млрд параметров, контекст до 4096 токенов и веса в формате Safetensors; в метаданных также указан датасет Open-Platypus. README приводит результаты оценки на Open LLM Leaderboard, включая ARC и HellaSwag. Модель поддерживает английский язык. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства на некоммерческих условиях.

OpenBuddy-llemma-34b-v13.1 — модель семейства LLaMA, опубликованная проектом OpenBuddy как многоязычный чат-бот. Это плотная авторегрессионная языковая модель с 33,5 млрд параметров, предназначенная для генерации текста в диалоге и ответов на запросы. Модель принимает текст и генерирует текст; заявлены китайский, английский, французский, немецкий, японский, корейский, итальянский и русский языки. Длина контекста составляет 4096 токенов. Модель подходит для диалоговых интерфейсов и универсальных текстовых помощников. README предупреждает, что ответы могут быть ошибочными, вредными или оскорбительными, поэтому модель не следует применять в критических сценариях, включая медицину, управление потенциально опасными системами и важные финансовые или юридические решения. Использование регулируется лицензией Llama 2 от Meta; для доступа требуется одобрение Meta и соответствие её условиям.

Карточка модели OpenBuddy/openbuddy-mistral2-7b-v20.2-32k на Hugging Face совпадает с карточкой OpenBuddy/openbuddy-mistral2-7b-v20.3-32k, поэтому описание составлено по ней. OpenBuddy-mistral2-7b-v20.3-32k — плотная чат-модель семейства Mistral с 7,1 млрд параметров, разработанная проектом OpenBuddy. Она предназначена для многоязычного диалога и генерации ответов; поддерживает контекст до 32 768 токенов. Метаданные указывают на поддержку китайского, английского, французского, немецкого, японского, корейского, итальянского и русского языков. Модель распространяется в формате Safetensors и использует библиотеку Transformers. Модель подходит для чат-ботов, ответов на вопросы и генерации текста на поддерживаемых языках. Лицензия — Apache 2.0. Авторы предупреждают, что ответы могут быть ошибочными, вредными или оскорбительными; модель не следует применять в критических сценариях, включая медицину и важные финансовые или юридические решения.

bunnycore/Qwen-2.5-7B-Deep-Stock-v3 — разговорная языковая модель, созданная разработчиком bunnycore слиянием нескольких предварительно обученных моделей семейства Qwen2.5 с помощью mergekit и метода Model Stock. В качестве базовой указана fblgit/cybertron-v4-qw7B-UNAMGS; в слияние также вошли Qwen2.5-7B-della-test, Qwen2.5-7B-nerd-uncensored-v1.0 вместе с Persona LoRA и Qwen-2.5-7B-Deep-Stock-v2. Модель построена на плотной архитектуре Qwen2ForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 131 072 токенов. Она предназначена для генерации текста и диалогового общения; репозиторий предоставляет веса Safetensors для библиотеки Transformers. В карточке не приведены результаты оценки качества или подробные рекомендации по использованию. Лицензия в предоставленных данных не указана.

SauerkrautLM-gemma-2-9b-it — текстовая чат-модель VAGO solutions на базе Google Gemma 2 9B IT, дообученная методом Spectrum Fine-Tuning на немецко-английских данных Sauerkraut Mix v2. В ходе обучения затрагивалось 25% слоёв модели. Модель предназначена для диалогов и выполнения инструкций на немецком и английском языках. Разработчики сообщают об улучшениях следования инструкциям, рассуждений здравого смысла и решения математических задач при сохранении большей части ранее приобретённых способностей базовой модели. Архитектура — плотная Gemma2ForCausalLM с 9 млрд параметров; контекст — до 8192 токенов. В репозитории представлены веса safetensors. Лицензия — gemma. Разработчики предупреждают, что несмотря на очистку данных, модель может выдавать неподходящий или некорректный контент; результаты оценки зависят от настроек бенчмарков.

agurung выпустил дообученную с помощью TRL модель Qwen2.5-7B-Instruct для диалоговой генерации текста. Это плотная языковая модель семейства Qwen2 с 7,1 млрд параметров и контекстом до 32 768 токенов; она принимает сообщения в формате чата и генерирует текст. Модель подходит для ответов на вопросы, диалога и генерации текста по инструкциям. Модель основана на Qwen/Qwen2.5-7B-Instruct и распространяется в формате safetensors для Transformers. Карточка не описывает отдельную специализацию, языковой охват или результаты оценки качества; лицензию следует определять по метаданным репозитория Hugging Face.

Starling-LM-11B-alpha — языковая модель семейства Mistral, разработанная Banghua Zhu, Evan Frick, Tianhao Wu, Hanlin Zhu и Jiantao Jiao. В карточке описана версия Starling-LM-alpha, дообученная с помощью RLHF/RLAIF на основе OpenChat 3.5; метаданные этого репозитория указывают архитектуру MistralForCausalLM и 10,6 млрд параметров. Модель предназначена для диалогов и генерации текста. В обучении использованы датасет предпочтений Nectar, reward model Starling-RM и метод оптимизации политики APA. Карточка приводит результаты бенчмарков MT-Bench, AlpacaEval и MMLU, но эти оценки не гарантируют качество в конкретных задачах. Модель поддерживает английский язык и контекст до 32 769 токенов; для диалога следует применять шаблон OpenChat 3.5. Иногда ответы могут быть чрезмерно подробными. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. Карточка README называется Starling-LM-7B-alpha и описывает 7B-вариант, тогда как идентификатор и метаданные относятся к 11B-модели; поэтому сведения о дообучении и инструкциях из README следует считать относящимися к семейству, а не подтверждёнными специфически для 11B-чекпойнта.

Starling_Monarch_Westlake_Garten-7B-v0.1 — объединённая модель генерации текста на архитектуре Mistral, созданная автором giraffe176 методом DARE TIES с помощью mergekit. В слияние вошли Starling-LM-7B-alpha, AlphaMonarch-7B, WestLake-7B-v2-laser и garten2-7b; базой указан Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров, распространяется в формате safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов и генерации текста, в том числе для задач, где полезны рассуждения и эмоционально чуткие ответы. В README автор приводит результаты EQ-Bench v2.1, GSM8K, MT-Bench и других тестов; это результаты, заявленные в карточке модели, и они не гарантируют аналогичного качества на пользовательских задачах. Модель рассчитана на текстовый ввод и текстовый вывод. Лицензия — CC BY-NC 4.0, которая ограничивает коммерческое использование. Как объединённая экспериментальная версия, модель может отвечать неточно; в README не приведены сведения о поддерживаемых естественных языках.

Gille/StrangeMerges_33-7B-slerp — объединённая текстовая модель, созданная методом slerp с помощью LazyMergekit из ZySec-AI/ZySec-7B-v1 и Gille/StrangeMerges_30-7B-slerp. Модель построена на архитектуре Mistral с плотной архитектурой причинного языкового моделирования и содержит 7,1 млрд параметров; её контекст составляет до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для ответов на вопросы, ведения чата и создания связных текстов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Данных о специализированной предметной области или языках модели в предоставленных источниках нет.

SuperMente-7B — диалоговая языковая модель, созданная Kukedlc путём слияния трёх моделей на базе Mistral с помощью LazyMergekit: AetherResearch/Cerebrum-1.0-7b, Kukedlc/NeuralKybalion-7B-slerp-v3 и mlabonne/AlphaMonarch-7B. Она предназначена для генерации текста и общения в формате чата. Модель имеет плотную архитектуру MistralForCausalLM, 7,1 млрд параметров и контекстное окно 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель работает с текстовым вводом и генерирует текст; карточка не сообщает о специализации на конкретных языках или предметных областях. Лицензия — Apache-2.0. Из доступных сведений нельзя определить качество модели в отдельных задачах или её известные технические ограничения.

YamshadowStrangemerges_32_ShadowYam — объединённая модель Mistral, созданная на основе automerger/YamshadowStrangemerges_32-7B и automerger/ShadowYam-7B. Она предназначена для генерации текста и поддерживает контекст длиной до 32 768 токенов. Модель содержит 7,1 млрд параметров, её веса доступны в формате Safetensors. Карточка не описывает специализацию по языкам или предметным областям и не приводит оценок качества. Модель распространяется по лицензии Apache 2.0.

AI21 Jamba Large 1.6 — большая языковая модель для следования инструкциям, разработанная AI21. Она использует гибридную архитектуру Jamba, объединяющую Mamba (SSM) и Transformer, и предназначена для генерации текста и диалогов, в том числе для бизнес-сценариев с вызовом функций, структурированным выводом JSON и генерацией ответов с опорой на предоставленные данные. Модель имеет 94 млрд активных и 398 млрд общих параметров и контекстное окно 256 тысяч токенов. В README заявлена поддержка английского, испанского, французского, португальского, итальянского, нидерландского, немецкого, арабского и иврита. Для запуска требуется CUDA; в качестве способа эффективного инференса рекомендован vLLM. Модель распространяется по Jamba Open Model License, допускающей исследовательское и коммерческое использование на условиях лицензии. Указанная в карточке дата отсечения знаний — 5 марта 2024 года.

NVIDIA Nemotron 3 Nano Omni — мультимодальная большая языковая модель семейства Nemotron, разработанная NVIDIA и дополнительно обученная на базе нескольких моделей, включая Qwen3-VL-30B-A3B-Instruct, Qwen3.5-122B-A10B, Qwen3.5-397B-A17B, Qwen2.5-VL-72B-Instruct и gpt-oss-120b. Репозиторий содержит веса в формате safetensors для Transformers; модель поддерживает чат и интерфейс вызова инструментов. В README рекомендуют начинать с контекста 131072 токена при развертывании на Spark. Модель предназначена для корпоративного мультимодального анализа видео, аудио, изображений и текста: ответов на вопросы, суммаризации, транскрибирования речи, OCR и анализа документов, а также понимания GUI. Примеры применения — поиск и краткое изложение видео, проверка заказов по видеозаписям, анализ договоров и финансовых документов, автоматизация браузера и почты. Ключевые ограничения и характеристики, включая точное число параметров и перечень поддерживаемых естественных языков, в предоставленных данных не раскрыты. Модель доступна для коммерческого использования; метаданные указывают лицензию other, поэтому перед внедрением следует свериться с условиями лицензии в карточке репозитория.

Карточка модели Pq234/Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16 на Hugging Face совпадает с карточкой lactroiii/Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16, поэтому описание составлено по ней. NVIDIA Nemotron 3 Nano Omni — мультимодальная большая языковая модель семейства Nemotron, разработанная NVIDIA и дополнительно обученная на базе нескольких моделей, включая Qwen3-VL-30B-A3B-Instruct, Qwen3.5-122B-A10B, Qwen3.5-397B-A17B, Qwen2.5-VL-72B-Instruct и gpt-oss-120b. Репозиторий содержит веса в формате safetensors для Transformers; модель поддерживает чат и интерфейс вызова инструментов. В README рекомендуют начинать с контекста 131072 токена при развертывании на Spark. Модель предназначена для корпоративного мультимодального анализа видео, аудио, изображений и текста: ответов на вопросы, суммаризации, транскрибирования речи, OCR и анализа документов, а также понимания GUI. Примеры применения — поиск и краткое изложение видео, проверка заказов по видеозаписям, анализ договоров и финансовых документов, автоматизация браузера и почты. Ключевые ограничения и характеристики, включая точное число параметров и перечень поддерживаемых естественных языков, в предоставленных данных не раскрыты. Модель доступна для коммерческого использования; метаданные указывают лицензию other, поэтому перед внедрением следует свериться с условиями лицензии в карточке репозитория.

Это объединённая модель для генерации текста, созданная слиянием mistralai/Mistral-7B-Instruct-v0.2 и cognitivecomputations/dolphin-2.0-mistral-7b методом SLERP. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для диалога и выполнения инструкций в текстовом формате. Контекст составляет до 32 768 токенов, что позволяет использовать её для многошаговых бесед и работы с длинными текстовыми запросами. В карточке указаны формат safetensors и лицензия Apache-2.0.

Apriel-1.5-15b-Thinker-GGUF — это GGUF-версия мультимодальной модели рассуждений Apriel-1.5-15b-Thinker, разработанной ServiceNow AI и подготовленной в формате GGUF командой Unsloth. Модель предназначена для генерации текста, решения математических и научных задач, программирования, следования инструкциям, работы с API и функциями, диалоговых сценариев, а также понимания и рассуждений по изображениям и смешанным текстово-графическим данным. Модель содержит 15 млрд параметров и рассчитана на эффективное локальное развёртывание: по заявлению разработчиков, она помещается на одной GPU. Она обучалась с использованием продолжительного предварительного обучения на текстовых и мультимодальных данных, а также supervised fine-tuning более чем на 2 млн текстовых примеров. Для постобучения не применялись reinforcement learning и специализированное обучение на изображениях. Заявлены результаты 52 балла в Artificial Analysis, 68 в Tau2 Bench Telecom и 62 в IFBench, однако конкретные сведения о контекстном окне, поддерживаемых языках и архитектуре в README не указаны. Сильными сторонами модели являются сочетание компактного размера, развитого текстового рассуждения, возможностей работы с изображениями и ориентация на корпоративные задачи. Ограничениями могут быть повышенный расход токенов и более длительное время ответа из-за подробного рассуждения по умолчанию, а также отсутствие image SFT, что может влиять на отдельные визуальные сценарии. Модель распространяется по лицензии MIT.

NVIDIA Nemotron-3-Super-120B-A12B-BF16 — большая языковая модель с открытыми весами, разработанная NVIDIA Corporation. Представленная версия распространяется в формате GGUF и сгенерирована с использованием llama.cpp; исходная модель выпущена 11 марта 2026 года. Модель предназначена для агентских сценариев, рассуждений с длинным контекстом, использования инструментов, RAG и высоконагруженных задач, включая автоматизацию IT-заявок. Архитектура LatentMoE объединяет Mamba-2, Mixture of Experts и механизмы внимания, а также Multi-Token Prediction. Всего модель содержит 120 млрд параметров, из которых 12 млрд активны при обработке запроса, и поддерживает контекст до 1 млн токенов. Доступны английский, французский, немецкий, итальянский, японский, испанский и китайский языки. Режим рассуждений можно включать или отключать через шаблон чата. К сильным сторонам относятся сочетание большого контекста, разреженной MoE-архитектуры, поддержки инструментов и ориентация на агентские и корпоративные рабочие процессы. Ограничения включают значительный общий размер модели и высокие требования к инфраструктуре: для исходной версии указано минимум 8 GPU H100 с 80 ГБ памяти. GGUF-версия использует специальную настройку квантования с повышением точности отдельных слоёв, что может увеличить размер файла. Модель распространяется по лицензии NVIDIA Nemotron Open Model License.

GoLongRL-30B-A3B — языковая модель Kwai-Klear для генерации ответов в сценариях с длинным контекстом. Это модель семейства Qwen3 MoE с архитектурой причинного языкового моделирования; в метаданных указано 2,6 млрд параметров и окно контекста 262 144 токена. Модель доступна в формате Safetensors и поддерживает диалоговый режим. Модель обучена по рецепту постобучения с обучением с подкреплением и проверяемыми вознаграждениями на наборе GoLongRL из 23 тысяч примеров для девяти типов задач. Она предназначена для поиска сведений в длинных документах, понимания контекста, извлечения и сопоставления структурированных данных, упорядочивания событий, ранжирования, суммаризации и рассуждений, включая численные задачи. В README заявлены улучшения на тестах длинного контекста и памяти диалога; результаты относятся к приведённым бенчмаркам. Лицензия — MIT. Карточка не указывает поддерживаемые естественные языки. Учитывая специализацию на длинном контексте и сравнительно компактный размер активной модели MoE, модель подходит для диалоговых систем, которым нужно работать с большими документами, однако качество на конкретных данных следует проверять отдельно.

Llama-2-7B-32K-Instruct — диалоговая языковая модель Together Computer, дообученная на основе Llama-2-7B-32K на наборах инструкций и диалогов. Она предназначена для генерации ответов в чате, следования инструкциям, суммаризации длинных текстов и ответов на вопросы по нескольким документам. Модель имеет плотную архитектуру LlamaForCausalLM и 6,6 млрд параметров. Она принимает текст и поддерживает контекст до 32 768 токенов; в карточке указан английский язык. Для дообучения использовались 19 тысяч диалогов, BookSum и данные для вопросов по нескольким документам. Модель распространяется в формате PyTorch по лицензии Llama 2. В опубликованной оценке модель показала результаты на Alpaca Eval, суммаризации BookSum и многодокументном QA. Как и другие языковые модели, она может давать неточные или предвзятые ответы; опубликованные результаты оценки не гарантируют качество для конкретного применения.

Mungert/Apriel-1.6-15b-Thinker-GGUF — GGUF-версия мультимодальной модели Apriel-1.6-15B-Thinker, разработанной ServiceNow в рамках серии Apriel SLM. Модель предназначена для рассуждений по тексту и изображениям, диалоговых приложений, следования инструкциям, работы с функциями и инструментами, а также корпоративных сценариев, включая телекоммуникации, розничную торговлю и авиаперевозки. Модель содержит около 15 млрд параметров и поддерживает текстово-изображённые входы. GGUF-файлы созданы с использованием llama.cpp; в процессе квантования для отдельных важных слоёв применялось повышение точности сверх стандартной конфигурации IMatrix, что должно улучшать качество при заданном уровне квантования, хотя увеличивает размер файла. Заявлены более эффективное расходование токенов рассуждений по сравнению с Apriel-1.5-15B-Thinker, конкурентоспособные результаты на ряде бенчмарков и возможность запуска на одной GPU. Для вызовов инструментов предусмотрены специальные токены, включая <tool_calls> и </tool_calls>. Сильные стороны модели — сочетание мультимодального reasoning, относительно небольшого размера, эффективности по памяти и поддержки сценариев function calling. Ограничения конкретного GGUF-файла зависят от выбранного уровня квантования: снижение точности может влиять на качество, а повышенная точность отдельных слоёв увеличивает размер модели. В представленных данных не указаны контекстное окно, языки, точные требования к памяти и полный перечень ограничений базовой модели. Лицензия — MIT.

GLM-5.3-Prime — высокоскоростной вариант модели GLM-5.3 от Z.ai. По описанию, ускорение инференса повышает пропускную способность генерации в 1,5–2 раза при сохранении возможностей GLM-5.3. Модель принимает и выдаёт текст; заявлен контекст длиной до 1 млн токенов. Модель предназначена для сценариев генерации текста, где важны высокая скорость ответа и работа с длинным контекстом. Сведения о лицензии и конкретных ограничениях в доступных данных отсутствуют.