Darkbloom

MiMo-V2.6-Flash — это открытая фундаментальная модель, разработанная компанией Xiaomi. Построенная на архитектуре Mixture-of-Experts с 309B общими параметрами и 15B активируемыми на каждый токен, она использует гибридный механизм внимания для повышения вычислительной эффективности. Модель имеет контекстное окно на 1M токенов и встроенные мультимодальные возможности. Оптимизированная для агентных рабочих процессов, она демонстрирует высокую производительность в сценариях программирования, визуальных, общих и исследовательских задачах, превосходно справляясь с комплексными долгосрочными задачами и обеспечивая надёжное обобщение в разнообразных агентных средах.

Bonsai 2 27B — это модель рассуждений с 27B параметрами от PrismML, основанная на Qwen3.8-27B. Она поддерживает программирование, математику, вызов инструментов и понимание изображений с контекстным окном в 262K токенов. Сжатие Ternary уменьшает веса языковой модели примерно до 8.5 GB, сохраняя при этом 98.2% среднего балла базовой модели по бенчмаркам режима мышления PrismML 14, что обеспечивает эффективный инференс на потребительском оборудовании. Модель по умолчанию думает и по умолчанию использует высокое усилие рассуждений (xhigh).

Qwen3.8 27B — это открытая модель с публичными весами, относящаяся к классу плотных мультимодальных моделей «зрение-язык» от компании Qwen. Она подходит для задач программирования, профессиональных рабочих процессов, исследований, мультимодального взаимодействия и длительных агентских задач, поддерживая гибкий режим рассуждений, который можно включать или отключать.

NVIDIA Nemotron 3.5 Lightning — открытая модель смеси экспертов от NVIDIA, с 3B активными параметрами из 30B общих. Она подходит для высоконагруженных агентных рабочих нагрузок и специализированных задач, которым выгодна настройка под конкретную предметную область.

Qwen3.6-35B-A3B — это мультимодальная модель с открытыми весами от Alibaba Cloud с 35 миллиардами параметров суммарно и 3 миллиардами активных параметров на токен. Она использует гибридную разреженную архитектуру смеси экспертов, сочетающую гейтированное линейное внимание DeltaNet со стандартными гейтированными слоями внимания, что обеспечивает эффективный инференс за небольшую долю вычислительных затрат. Модель поддерживает нативное окно контекста на 262K токенов (расширяемое до 1M с помощью YaRN) и принимает текстовые, графические и видеовходные данные. В неё встроен режим размышления с сохранением следов рассуждений в многоходовых беседах, вызов функций и структурированный вывод. Модель выпущена под лицензией Apache 2.0.

Gemma 4 26B A4B IT — это модель Mixture-of-Experts (MoE) с инструкционной настройкой от Google DeepMind. Несмотря на 25.2B общих параметров, во время инференса активируется только 3.8B на токен, что обеспечивает качество, близкое к -31B, при доле вычислительных затрат. Поддерживает мультимодальный ввод, включая текст, изображения и видео (до 60 секунд при 1fps). Имеет контекстное окно в 256K токенов, встроенный вызов функций, настраиваемый режим мышления/рассуждения и поддержку структурированного вывода. Выпущена под лицензией Apache 2.0.

Qwen3.5-9B — это мультимодальная фундаментальная модель из семейства Qwen3.5, разработанная для обеспечения сильных рассуждений, программирования и визуального понимания в эффективной архитектуре с 9B параметрами. Она использует унифицированный дизайн «зрение-язык» с ранним слиянием мультимодальных токенов, что позволяет модели обрабатывать и рассуждать над текстом и изображениями в одном контексте.

Серия Qwen3.5 35B-A3B представляет собой нативную визуально-языковую модель, разработанную с гибридной архитектурой, которая объединяет механизмы линейного внимания и разреженную модель смеси экспертов, обеспечивая более высокую эффективность вывода. Её общая производительность сопоставима с производительностью Qwen3.5-27B.

gpt-oss-20b — это модель с открытыми весами, выпущенная OpenAI с 21B параметрами под лицензией Apache 2.0. В ней используется архитектура смеси экспертов (MoE) с 3.6B активными параметрами на прямой проход, что обеспечивает более низкую задержку вывода и возможность развертывания на потребительском или однопроцессорном оборудовании GPU. Модель обучается в формате ответов Harmony от OpenAI и поддерживает настройку уровня рассуждений, дообучение, а также агентные возможности, включая вызов функций, использование инструментов и структурированные выходные данные.