I.11Классификация, ранжирование и сопоставление

CalmeRys-78B-Orpo-v0.1 — языковая модель dfurman, дообученная на 1,5 тыс. примеров датасета mlabonne/orpo-dpo-mix-40k на базе MaziyarPanahi/calme-2.4-rys-78b. Это плотная модель семейства Qwen2 с 76,7 млрд параметров, доступная в формате safetensors; метаданные указывают контекст до 32 768 токенов и лицензию MIT. Модель предназначена для генерации текста в диалогах и сценариях общего назначения: многоходового общения, ролевых диалогов, рассуждений, работы с длинным контекстом и задач с агентными возможностями. Карточка сообщает о высокой позиции на Open LLM Leaderboard по состоянию на октябрь 2024 года, однако не приводит полные результаты оценки. Модель принимает текст и генерирует текст. Заявлена поддержка английского языка; дополнительных языков карточка и метаданные не подтверждают. Для запуска в README приведён пример с Transformers и Accelerate. Ограничения: указанный размер требует значительных вычислительных ресурсов, а заявление о рейтинге относится к октябрю 2024 года и не гарантирует качество на конкретных задачах. Лицензия — MIT.

CyberCore-Qwen-2.1-7B — объединённая языковая модель на архитектуре Qwen2 с 7,1 млрд параметров, опубликованная bunnycore. Она создана методом TIES с помощью mergekit на основе rombodawg/Rombos-LLM-V2.5-Qwen-7b и объединяет варианты cybertron-v4 и Persona. Модель предназначена для генерации текста и диалоговых сценариев; метаданные также отмечают интерфейс вызова инструментов. Модель работает с текстом, использует библиотеку Transformers и имеет заявленную длину контекста 131 072 токена. Веса доступны в формате safetensors. Карточка не приводит оценки качества или подробных ограничений; качество ответов и работа с инструментами могут зависеть от промпта и используемого способа запуска. Лицензия в предоставленных данных не указана.

mrcuddle/DarkHermes3-Llama3.2-3B-Instruct — дообученная компанией mrcuddle языковая модель для диалогов, следования инструкциям и генерации текста. Она основана на mrcuddle/Dark-Hermes3-Llama3.2-3B и обучена на англоязычном наборе llamafactory/alpaca_en. Модель использует плотную архитектуру LlamaForCausalLM, содержит 3,2 млрд параметров и поддерживает контекст до 131 072 токенов. Она рассчитана на текстовый ввод и генерацию текста; метаданные указывают поддержку чата и выполнения инструкций. В README приведено значение loss 1,1205 на оценочном наборе, но подробности оценки не описаны. Модель подходит для англоязычных диалоговых приложений, ответов на инструкции и генерации текста. Весовые файлы доступны в форматах PyTorch и Safetensors. Лицензия в предоставленных данных не указана.

DDPOO-7B-slerp — плотная языковая модель семейства Mistral с 7,1 млрд параметров, созданная слиянием двух моделей с помощью mergekit и метода slerp. В метаданных указана базовая модель CultriX/MistralTrix-v1; конфигурация README также называет Weyaxi/OpenHermes-2.5-neural-chat-v3-3-openchat-3.5-1210-Slerp и EmbeddedLLM/Mistral-7B-Merge-14-v0.1 источниками слияния. Модель предназначена для генерации текста и диалоговых ответов. Она принимает текст и выдаёт текст, а заявленная длина контекста составляет 32 768 токенов. Метаданные базовой модели описывают её как ориентированную на английский язык; отдельные языки для DDPOO-7B-slerp в карточке не перечислены. Модель распространяется по лицензии Apache-2.0.

bartowski/DeepSeek-R1-Distill-Qwen-1.5B-GGUF — набор GGUF-квантизованных версий модели DeepSeek-R1-Distill-Qwen-1.5B, подготовленный bartowski. Квантизация выполнена с использованием llama.cpp версии b4514 и метода imatrix. Модель относится к классу text-generation и предназначена для локальной генерации текста, включая запуск через llama.cpp и LM Studio. Доступны варианты от исходных F32 и F16 до квантизаций Q8_0, Q6, Q5, Q4, Q3, Q2 и IQ4/IQ3 объёмом примерно от 0,88 до 7,11 ГБ. Более точные варианты обеспечивают лучшее качество, а варианты с меньшим размером подходят для систем с ограниченным объёмом оперативной памяти; в README рекомендованы несколько конфигураций Q6, Q5 и Q4. Формат GGUF облегчает локальный запуск, однако README не содержит сведений об архитектуре базовой модели, поддерживаемых языках, длине контекста, мультимодальности или точных требованиях к оборудованию. Для корректного взаимодействия указан специальный формат prompt с системным сообщением, пользовательским запросом и ответом ассистента. Ограничения включают неизбежное снижение качества при агрессивной квантизации и отсутствие в представленном README информации о лицензии и условиях коммерческого использования.

DeepSeek-R1-Distill-Qwen-32B Uncensored — 32-миллиардная плотная языковая модель, подготовленная Richard Young на основе deepseek-ai/DeepSeek-R1-Distill-Qwen-32B. Это декодерный трансформер семейства Qwen2 для генерации текста и диалогов с пошаговыми рассуждениями. В карточке заявлена техника abliteration — удаление направления отказа модели; автор описывает вариант как uncensored. Модель предназначена для задач, где нужны развёрнутые рассуждения, в том числе для исследований рассуждений и выравнивания, обучения и творческих сценариев. Метаданные указывают контекст до 131 072 токенов; README заявляет 32 768 токенов. Поддерживаемый язык по карточке — английский. Модель принимает текст и выдаёт текст. Англоязычные метаданные указывают лицензию «other», без уточнения конкретных условий, поэтому перед использованием следует проверить лицензию репозитория и базовой модели. Заявленное удаление отказов означает, что модель может выдавать ответы без защитных ограничений исходной модели; качество и поведение в отдельных задачах отдельно не подтверждены.

DeltaP2S-Qwen2.5-14B-SameFormula-Code-S13-QV — объединённый чекпойнт Qwen2.5, созданный экспериментальным пакетом Delta-P2S с учётом архитектуры Qwen. Базовая модель — Qwen/Qwen2.5-14B; архитектура — плотная авторегрессионная Qwen2ForCausalLM на 14 млрд параметров. Модель работает через Transformers, распространяется в формате safetensors и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста в диалоговом режиме. В названии и каталоге обучения есть указание на код, но README не описывает конкретные возможности программирования или результаты обучения, поэтому специализацию на коде нельзя подтвердить. Лицензия в предоставленных данных не указана.

Это пакет слоёв GGUF-модели Devstral-Small-2505-UD-Q4_K_XL, подготовленный Mesh LLM для распределённого инференса. Он получен из unsloth/Devstral-Small-2505-GGUF и предназначен для запуска на локальном кластере Mesh LLM, когда вычисления и память нужно распределить между несколькими машинами. Модель поддерживает генерацию текста и диалоговый режим; Mesh LLM позволяет обращаться к ней через локальный API, совместимый с OpenAI Chat Completions. Вариант UD-Q4_K_XL использует квантованный формат GGUF, а репозиторий содержит веса, разделённые на артефакты по слоям. Размер модели, длина контекста и поддерживаемые языки в предоставленных данных не приведены. Лицензионные условия следует сверять с карточкой исходной модели unsloth/Devstral-Small-2505-GGUF.

DictaLM-3.0-1.7B-Instruct — инструкционная языковая модель из семейства Dicta-LM 3.0, разработанного Dicta. Модель содержит 1,7 млрд параметров, построена на архитектуре Qwen3 и первоначально инициализирована из Qwen3-1.7B-Base. Она обучена на больших корпусах текстов на иврите и английском; поддерживает контекст до 62 080 токенов и рассчитана на диалоговое использование по шаблону чата. Модель предназначена для генерации ответов на инструкции и ведения диалога на иврите и английском. Её можно развернуть через vLLM или Transformers; заявлена поддержка вызова инструментов для интеграции с внешними API. Это полноточная версия BF16 в формате safetensors, доступная для скачивания и свободного использования. Лицензия — Apache-2.0. Размер 1,7 млрд параметров позволяет использовать её как компактную модель, однако качество и возможности могут быть ниже, чем у более крупных моделей. Для корректной работы с инструкциями требуется применять заданный шаблон чата. README не приводит количественных оценок качества и подробностей об обучающих данных.

Dolphin-Mistral-24B-Venice-Edition-Patched — текстовая генеративная модель, опубликованная AIOpsInSpace как исправленная версия dphn/Dolphin-Mistral-24B-Venice-Edition. Модель предназначена для диалогового взаимодействия и генерации текста; в описании она позиционируется как открытая, разговорная и «uncensored». Поддерживаемый язык — английский. Это плотная модель размером 24 млрд параметров с архитектурой Mistral и механизмом sliding window attention. Патч восстанавливает параметры скользящего окна внимания, устраняя фрагментацию контекста и зависания при генерации после 4096 токенов. Также исправлены стоп-токены токенизатора. Заявленное контекстное окно составляет 32K токенов. Модель распространяется в формате GGUF и предназначена для использования в совместимых средствах локального запуска. Сильными сторонами являются большой контекст, восстановленная работа sliding window attention и отсутствие заявленных ограничений на содержание ответов. README не содержит точных данных о бенчмарках, производительности, требованиях к оборудованию или конкретных вариантах квантования, поэтому эти характеристики оценить нельзя. Модель распространяется по лицензии Apache-2.0.

jaspionjader/ek-1 — объединённая авторегрессионная языковая модель семейства Llama, созданная разработчиком jaspionjader методом Model Stock с помощью mergekit. В качестве базовой модели использована jaspionjader/Kosmos-EVAA-Franken-Immersive-v39-8B, также в объединение вошли jaspionjader/kstc-1-8b, jaspionjader/knf-1-8b и P0x0/Epos-8b. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает диалоговый сценарий и имеет контекст длиной до 131 072 токенов. Подходит для генерации продолжений и ответов в чате с учётом длинного контекста. README и метаданные не описывают специализированные области применения или ограничения качества. Лицензия в предоставленных данных не указана.

ELM Turbo 0.25 Instruct — инструкционная языковая модель SliceX AI из семейства ELM Turbo, созданная на основе Microsoft Phi-3 Mini Instruct. Это плотная авторегрессионная модель архитектуры Phi-3 с 1,5 млрд параметров, предназначенная для диалогов и генерации текста. Разработчики описывают её как обученный с применением техник декомпозиции и «нарезки» вариант Phi-3, рассчитанный на более гибкий баланс качества, скорости вывода и потребления памяти. Модель можно запускать через Transformers; для A100 и H100 также описана интеграция с TensorRT-LLM. Модель подходит для генерации ответов и других текстовых задач в приложениях, где важны умеренный размер и возможность развертывания на ограниченных вычислительных ресурсах. Метаданные указывают контекстное окно 4096 токенов и английский язык. Репозиторий содержит веса в формате safetensors, а лицензия указана как Apache-2.0. В README рекомендовано проверять ответы: обучающие данные могут содержать ошибки, смещения и неподходящий контент.

Experiment26Yamshadow_NeuralsirkrishnaInex12 — объединённая языковая модель на архитектуре Mistral, созданная из automerger/Experiment26Yamshadow-7B и automerger/NeuralsirkrishnaInex12-7B. Она предназначена для генерации текста и принимает текстовые запросы, выдавая текстовые ответы. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0. README не описывает специализацию по языкам или отдельным предметным областям, поэтому модель можно рассматривать как средство генерации текста общего назначения.

FimbulHermes-15B-v0.1 — текстовая чат-модель, созданная с помощью mergekit объединением NousResearch и Sao10K. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 15,2 млрд параметров; она принимает текст и генерирует текст, поддерживает контекст до 4096 токенов. Модель предназначена для диалогов и генерации текста. В README её характеризуют как стабильную и выразительную, однако отмечают, что она не прошла тщательную оценку. Репозиторий содержит веса в формате safetensors. Лицензия в предоставленных данных не указана.

Gemma 2 Aeria Infinity 9B — диалоговая модель для генерации текста, созданная объединением моделей ifable/gemma-2-Ifable-9B и BAAI/Gemma2-9B-IT-Simpo-Infinity-Preference с помощью Mergekit. Она основана на плотной архитектуре Gemma 2 с 9 млрд параметров и рассчитана на текстовый ввод и генерацию ответов в диалоге; контекст составляет до 8192 токенов. В конфигурации слияния указан метод dare_ties, маска int8 и формат вычислений bfloat16. Модель подходит для чат-ботов, ответов на инструкции и генерации текста на английском языке. В метаданных указана библиотека Transformers и формат весов safetensors. Лицензия в предоставленных данных не указана.

Gemma-2-Ataraxy-v4a-Advanced-9B — объединённая текстовая языковая модель, созданная lemon07r методом SLERP с помощью mergekit на основе lemon07r/Gemma-2-Ataraxy-v3-Advanced-9B и zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1-t0.25. Модель построена на архитектуре Gemma 2, содержит 9 млрд параметров и рассчитана на генерацию текста в диалоговых сценариях. Она принимает текст и выдаёт текст; родной контекст составляет 8192 токена. В README приведены результаты оценивания на IFEval и BBH, но их недостаточно, чтобы делать выводы о качестве в иных задачах. В доступных материалах лицензия и поддерживаемые естественные языки не указаны.

Карточка модели mcwei/gemma-4-31B-it-bf16-sft-300 на Hugging Face совпадает с карточкой mcwei/gemma-4-31B-it-bf16-sft-novel-prefill-150, поэтому описание составлено по ней. mcwei/gemma-4-31B-it-bf16-sft-novel-prefill-150 — дообученная модель mcwei на базе unsloth/gemma-4-31B-it, созданная с использованием Unsloth и библиотеки Hugging Face TRL. Это мультимодальная плотная модель Gemma 4 с 31 млрд параметров для диалогов и анализа изображений; также базовая модель поддерживает программирование и вызов инструментов. Модель принимает текст и изображения и генерирует текст. В карточке указана лицензия Apache-2.0.

Gemma-4-E4B-Uncensored-HauhauCS-Aggressive — модификация Gemma 4 E4B-IT, разработанная HauhauCS на базе модели Google gemma-4-e4b-it. По заявлению автора, изменения не затрагивают обучающие данные и основные возможности, а направлены на удаление отказов и защитных ограничений; вариант Aggressive позиционируется как полностью разблокированный и ориентированный на генерацию ответов без отказов. Модель предназначена для диалоговых и генеративных задач, включая работу с текстом, изображениями, видео и аудио, а также для локального запуска в llama.cpp, LM Studio, Jan, koboldcpp и других средах, совместимых с GGUF. Модель содержит около 4 млрд параметров, 42 слоя и использует смешанную архитектуру со скользящим окном внимания 512 и полным вниманием. Заявлен контекст до 131K токенов и 18 общих KV-слоёв для повышения эффективности памяти. Поддерживаются английский и другие языки, однако конкретный перечень языков не указан. Для мультимодальной работы требуется отдельный файл mmproj; доступны GGUF-квантизации Q2–Q8, включая пользовательские K_P-варианты с оптимизацией по imatrix и заявленным сохранением качества. Сильной стороной является сочетание компактного размера, большого контекстного окна, мультимодальности и широкого выбора квантизаций. Ограничение модели — отсутствие обычных защитных отказов, что повышает риск небезопасных или нежелательных ответов; автор также отмечает ограниченное ручное тестирование на длинном контексте и возможность кратких встроенных дисклеймеров. Для корректного шаблона чата в llama.cpp рекомендуется использовать параметр --jinja. Модель распространяется по лицензии Gemma.

GLM-4.5-Air-8bit — языковая модель для генерации текста, разработанная Z.ai и представленная в формате MLX сообществом mlx-community. Модель конвертирована из zai-org/GLM-4.5-Air с использованием mlx-lm версии 0.26.0 и предназначена для запуска и инференса через библиотеку MLX, в частности с помощью mlx-lm. Модель относится к классу text-generation и поддерживает английский и китайский языки. Вариант 8bit использует 8-битное представление весов, что ориентировано на более эффективное размещение и запуск модели в совместимой среде. README не содержит сведений о точной архитектуре, количестве параметров, размере контекста, поддерживаемых модальностях помимо текста, результатах оценки или конкретных прикладных сценариях. Для использования требуется библиотека mlx-lm; предусмотрен интерфейс чат-шаблона и генерации текста. Сильной стороной модели является адаптация к формату MLX и наличие готового способа запуска. Ограничения и характеристики качества в README не описаны, поэтому их нельзя достоверно оценить. Модель распространяется по лицензии MIT.

mradermacher/gpt-oss-20b-offload-i1-GGUF — квантизированная версия модели gpt-oss-20b-offload, разработанной myselfsaurabh и квантизированной mradermacher. Модель относится к causal language model с архитектурой mixture-of-experts и предназначена для генерации и обработки текста на английском языке. Распространяется в формате GGUF и ориентирована на запуск с распределением нагрузки между CPU и GPU, в том числе в средах вроде Colab. Размер исходной модели заявлен как 20B параметров, однако точные сведения о контекстном окне и мультимодальности отсутствуют. Репозиторий содержит варианты квантизации i1 с разными типами и размерами, примерно от 12,1 до 22,3 ГБ, включая IQ- и Q-варианты. Это позволяет выбирать компромисс между скоростью, занимаемой памятью и качеством; среди рекомендуемых указаны i1-Q4_K_S и i1-Q4_K_M, тогда как наиболее агрессивные варианты могут заметно снижать качество. Модель подходит для локального текстового вывода при ограниченных ресурсах, но README не содержит результатов бенчмарков или подробной оценки качества. Указана лицензия MIT.

Hathor_Fractionate-L3-8B-v.05-GGUF — это квантизированная версия языковой модели Hathor_Fractionate-L3-8B-v.05, разработанной Nitral-AI. Публикацию и квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и запуска в локальных средах, включая LM Studio, с поддержкой формата GGUF и специального шаблона промпта на основе ролей system, user и assistant. Модель относится к классу 8B и ориентирована на англоязычные сценарии. Доступны варианты от исходных весов F32 до квантизаций Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K и IQ-серии; размер файлов составляет примерно от 3,18 до 32,13 ГБ. Более высокие уровни квантизации обычно сохраняют лучшее качество, а низкие уменьшают требования к оперативной памяти ценой качества генерации. В README не указаны точная архитектура, длина контекста, результаты тестирования, мультимодальные возможности или дополнительные языки. Лицензия обозначена как other, без подробных условий в предоставленных данных. Поэтому перед использованием в коммерческих или иных распространённых сценариях необходимо проверить лицензию исходной модели и условия конкретной публикации. К ограничениям относятся отсутствие сведений о контекстном окне и качестве на конкретных задачах, а также ожидаемая деградация результатов у наиболее компактных квантизированных вариантов.

Hermes-2-Pro-Mistral-7B-4bit — 4-битная версия модели Hermes-2-Pro-Mistral-7B, преобразованная сообществом mlx-community в формат MLX для запуска на устройствах Apple с MLX. Это плотная авторегрессионная языковая модель Mistral с 7,1 млрд параметров, дообученная на основе mistralai/Mistral-7B-v0.1. Модель предназначена для диалогов и следования инструкциям; в карточке указаны поддержка английского языка и контекст длиной 32 768 токенов. Модель подходит для генерации ответов, чат-ботов и выполнения инструкций на английском языке. Она поддерживает Apache-2.0. Карточка этой версии подтверждает конверсию в MLX, но не приводит отдельные сведения о её оценке качества или ограничениях; исходная модель Hermes-2-Pro-Mistral-7B указана как источник для подробностей.

Higgs-Llama-3-70B-IMat-GGUF — это набор GGUF-версий модели Higgs-Llama-3-70B от bosonai, подготовленный пользователем legraphista. Модель предназначена для генерации текста и локального запуска через совместимые инструменты, включая llama.cpp. Исходная модель указана в формате FP32, а доступные файлы представлены в вариантах от BF16 и FP16 до различных уровней квантования. Модель относится к семейству Llama 3 и имеет размер 70B параметров. Это текстовая модель без заявленной поддержки дополнительных модальностей; конкретные языки и размер контекстного окна в README не указаны. Для ряда вариантов применена IMatrix-квантизация на основе calibration dataset, что позволяет уменьшить размер файлов при стремлении сохранить качество генерации. Доступны варианты Q2_K–Q8_0, IQ-квантизации и версии без дополнительного применения IMatrix. Размер файлов составляет примерно от 26,38 до 141,12 ГБ, поэтому требования к памяти зависят от выбранного варианта. Сильная сторона репозитория — широкий выбор уровней точности и формата GGUF, позволяющий подобрать компромисс между качеством, скоростью и потреблением памяти. Ограничениями являются значительные аппаратные требования 70B-модели, необходимость совместимого ПО для запуска и потенциальная потеря качества у наиболее агрессивных вариантов квантования. В метаданных указана лицензия other; дополнительные условия лицензирования в README не раскрыты.

ClaudioItaly/Intelligence-Cod-Rag-7B-V2 — объединённая разговорная языковая модель на архитектуре Qwen2, созданная с помощью mergekit. В основу слияния task arithmetic легла happzy2633/qwen2.5-7b-ins-v3; также в него включена AIDC-AI/Marco-o1. Модель содержит 7,1 млрд параметров и рассчитана на генерацию текста в диалоговом формате с контекстом до 32 768 токенов. Модель предназначена для генерации ответов и ведения диалогов. В README и метаданных не описаны отдельные специализированные сценарии, поэтому её можно рассматривать как языковую модель общего назначения. Репозиторий содержит веса в формате safetensors; лицензия в предоставленных данных не указана.

InternVL-Chat-V1-1 — мультимодальная модель OpenGVLab для диалога по изображениям и тексту. Её архитектура объединяет визуальный энкодер InternViT-6B с разрешением 448 × 448, MLP-проектор и внутреннюю чат-версию LLaMA2-13B; общий размер составляет 19 млрд параметров. Изображение кодируется в 256 визуальных токенов после операции pixel shuffle. Модель предназначена для ответов на вопросы об изображениях, визуального диалога и распознавания текста на изображениях. В этой версии улучшены OCR и поддержка китайских разговоров; карточка также показывает поддержку многоязычности. Можно вести текстовый диалог без изображения. Модель работает через Transformers и требует значительных вычислительных ресурсов; авторы предупреждают, что 4-битная BNB-квантизация может ухудшить понимание изображений, а результаты при работе с несколькими изображениями и видео слабы из-за недостатка обучающих данных. Лицензия — MIT.

Карточка модели jetmoe/jetmoe-8b-sft на Hugging Face совпадает с карточкой jetmoe/jetmoe-8b, поэтому описание составлено по ней. JetMoE-8B — открытая языковая модель семейства JetMoE, созданная Yikang Shen, Zhen Guo, Tianle Cai и Zengyi Qin. Она предназначена для генерации текста и может служить базой для дообучения и исследовательских экспериментов. Авторы сообщают, что модель обучена на 1,25 трлн токенов из общедоступных наборов данных. Архитектура состоит из 24 блоков, в каждом из которых есть слой смеси голов внимания (MoA) и слой смеси экспертов MLP (MoE). В каждом слое восемь экспертов, из которых для токена активируются два. README указывает 8 млрд параметров всего и 2,2 млрд активных параметров при выводе; метаданные Hugging Face указывают размер 1,6 млрд параметров. Модель принимает текст, генерирует текст и имеет контекстное окно 4096 токенов. Авторы заявляют о конкурентных результатах относительно ряда моделей большего размера и о сравнительно низкой стоимости обучения, однако приведённые в карточке таблицы неполны, поэтому независимо оценить эти сравнения по ней нельзя. Модель доступна в формате safetensors под лицензией Apache-2.0; карточка сообщает об открытом коде и обучении только на публичных данных.

Jibay 2 — выпущенная JibayAI компактная плотная языковая модель на базе Qwen3-1.7B, дообученная для генерации текста и диалогов. Она содержит 1,7 млрд параметров, не использует архитектуру MoE и поддерживает контекст до 40 960 токенов по метаданным; README указывает 32 768 токенов на вход и выход суммарно. Модель предназначена для дообучения на предметных данных, запуска на устройствах с ограниченными ресурсами, прототипирования и лёгких агентных сценариев с вызовом инструментов. Карточка приводит результаты общих тестов и рекомендует для практического использования оптимизированный формат GGUF. Заявлены языки фарси, английский, китайский и арабский. Лицензия Apache-2.0 допускает открытое использование и модификацию. Модель компактна и пригодна для настройки под конкретные задачи, однако результаты тестирования опубликованы без подробной методики, а знания ограничены началом 2025 года. README приводит более раннюю дату первого выпуска, чем дата создания репозитория в метаданных.

J.O.S.I.E.3-Beta4-slerp — слитая чат-модель на 7,1 млрд параметров, созданная Goekdeniz-Guelmez с помощью LazyMergekit. Она объединяет Weyaxi/Einstein-v4-7B и cognitivecomputations/dolphin-2.8-experiment26-7b методом SLERP; архитектура — MistralForCausalLM, веса доступны в формате safetensors. Модель предназначена для генерации текста в диалоговом формате и имеет контекст до 32 768 токенов. Автор сообщает, что по результатам оценки на LLM Leaderboard эта версия уступает его Beta 3, но остаётся второй по результатам среди его моделей. В метаданных указана лицензия Apache-2.0. Карточка не уточняет поддерживаемые языки и отдельные ограничения поведения или качества.

K2-Horizon-7B-Uno MLX 4-bit — 8-миллиардная плотная авторегрессионная языковая модель для генерации текста и диалогов, опубликованная hermitdave. Она основана на IFM/K2-Horizon-7B-Uno, модели Institute of Foundation Models, и описана как языковая модель с дополнением на основе диффузии. В этой версии адаптер LoRA объединён с базовыми весами, после чего модель равномерно квантована до 4 бит и преобразована в формат MLX для запуска на Apple Silicon. Модель предназначена для генерации ответов и пошаговых рассуждений в диалоговом режиме. Заявленная длина контекста — 524 288 токенов. Для работы с MLX используется библиотека mlx-lm; README также указывает, что для K2-Horizon в oMLX требуется версия 0.6.4 или новее с соответствующим патчем. Модель распространяется по лицензии Apache 2.0. Квантование до 4 бит может влиять на точность по сравнению с исходными весами; независимые оценки качества в предоставленных материалах отсутствуют.

K2S3-Mistral-7b-v1.48 — языковая модель, разработанная K2S3 и созданная полнопараметрической донастройкой с supervised fine-tuning базовой модели mistralai/Mistral-7B-v0.1. Это плотная авторегрессионная модель семейства Mistral с 7,2 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев на английском и корейском языках. При обучении использовались alpaca-gpt4-data и примеры из OpenOrca; настройка выполнялась через Hugging Face SFTTrainer с FSDP на двух GPU A100. Модель распространяется в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Качество и поведение модели зависят от формулировки запроса и обучающих данных; в карточке не приведены результаты оценки или специальные гарантии точности.