Два выпуска на Hugging Face решают разные задачи: Nanbeige делает ставку на длинный контекст и многошаговую работу, Spark — на компактность и управляемую глубину рассуждения. Ниже они расположены по числу отметок одобрения на момент проверки; эти числа показывают внимание сообщества, а не доказанную надёжность.

Nanbeige4.3-33B: 33 млрд параметров и длинный контекст

643 отметки одобрения и 4 785 загрузок за месяц.

Nanbeige LLM Lab опубликовала модель под лицензией Apache 2.0. В карточке указан контекст до 524 288 токенов — единиц, на которые модель разбивает текст, — а также поддержка инструментов и сохранения рассуждений предыдущих ходов. Это представляет интерес для задач, где нужно последовательно работать с кодом и не терять сведения между шагами.

Разработчики сообщают результат 80,9 в проверке задач командной строки. Это оценка самих авторов, а не независимое подтверждение. Предельный объём контекста также не доказывает, что модель одинаково хорошо использует каждую часть большого документа: качество и требования к оборудованию стоит проверять на собственных задачах. Помимо непосредственного применения, авторы рассматривают модель как источник навыков для обучения будущих меньших моделей.

Spark-X2.6-1.7B: компактная модель с выбором глубины рассуждения

14 отметок одобрения на момент проверки.

SparkLLM выпустила Spark-X2.6-1.7B под лицензией Apache 2.0. По карточке, архитектура предыдущей версии сохранена, а улучшения в программировании, использовании инструментов и работе с длинным контекстом получены дополнительным обучением.

Предусмотрены три режима: без рассуждения, с низкой и с высокой его глубиной. Практический смысл такого выбора — возможность подбирать режим под сложность задачи; реальную разницу в скорости и качестве ещё нужно измерить. Документация описывает локальный запуск через Transformers, llama.cpp, Ollama и другие средства. Заявления о превосходстве по скорости принадлежат авторам и не заменяют проверки на конкретном компьютере.

У этих выпусков разные точки притяжения: у Nanbeige заметно больше внимания сообщества и заявлен большой контекст, у Spark — небольшой размер и явный выбор режима работы. Лицензия Apache 2.0 упрощает рассмотрение обеих моделей для собственных проектов, но сама по себе ничего не говорит о точности ответов.