I.11Классификация, ранжирование и сопоставление

Josiefied-Qwen3-1.7B-abliterated-v1 — дообученная Гёкденизом Гюльмезом компактная языковая модель семейства Qwen3 на 1,7 млрд параметров. Она предназначена для генерации текста, диалогов и выполнения инструкций, с акцентом на менее ограниченные ответы и сохранение навыков следования инструкциям и использования инструментов. Модель использует плотную архитектуру Qwen3ForCausalLM, принимает текст и выдаёт текст. Длина контекста — до 40 960 токенов. В карточке заявлена поддержка разных языков; основной язык не выделен. Модель распространяется в формате safetensors, а в семействе также упомянуты варианты GGUF и MLX. Снижение фильтрации безопасности может приводить к чувствительным или спорным ответам. Автор предупреждает об использовании на свой риск. Лицензия в предоставленных данных не указана.

juanako-7b-UNA-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель, созданная объединением mistralai/Mistral-7B-Instruct-v0.2 и fblgit/juanako-7b-UNA методом SLERP с помощью MergeKit. Это плотная модель Mistral с 7,1 млрд параметров для генерации текста и общения в формате инструкций. Она рассчитана на диалоговые сценарии и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текст; в метаданных заявлена поддержка чата. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не приводит результатов сравнительных оценок качества или подробностей о языковом охвате, поэтому применимость для конкретного языка или задачи следует проверять отдельно.

bartowski/knoveleng_Open-RS3-GGUF — это набор GGUF-квантизаций языковой модели Open-RS3, разработанной knoveleng. Модель предназначена для генерации текста и локального запуска в llama.cpp, LM Studio и других совместимых проектах на базе llama.cpp. В репозитории представлены варианты от BF16 до низкобитных Q2–Q8 и IQ-квантизаций, поэтому можно выбирать между качеством ответов, размером файла и требованиями к оперативной памяти. Размеры файлов составляют примерно от 0,77 до 3,56 ГБ. Для квантизации использовался llama.cpp версии b4925 и метод imatrix. Рекомендуемый формат промпта приведён в README и включает системное сообщение, пользовательский запрос и секцию рассуждений. Сильная сторона модели — возможность гибкого локального развертывания на устройствах с разным объёмом памяти; варианты Q5–Q6 позиционируются как высококачественные, а Q3–Q4 подходят для более ограниченных ресурсов с некоторой потерей качества. Для самых компактных вариантов качество заметно ниже. Сведения об архитектуре, числе параметров, поддерживаемых языках, длине контекста и мультимодальности в README не указаны. Лицензия — MIT.

Posicube Inc. разработала Posicube/Llama2-chat-AYB-13B — диалоговую плотную языковую модель на архитектуре Llama 2 с 12,9 млрд параметров. Модель создана на основе Llama-2-13b-chat-hf с использованием ансамблирования моделей, показавших высокие результаты в бенчмарках; в обучении применялись наборы данных в стилях Orca и Alpaca. Она предназначена для генерации текста и ответов в диалоге. Контекст составляет 4096 токенов; модель работает с текстом, а оценка в карточке описана для английских тестов ARC, HellaSwag и MMLU. Разработчик сообщает, что на момент публикации в октябре 2023 года модель занимала первое место среди моделей с 13 млрд параметров на упомянутых бенчмарках. Модель распространяется в формате safetensors по лицензии Llama 2. Как и другие большие языковые модели, она может выдавать неточные, предвзятые или нежелательные ответы; перед применением рекомендуется проверять её на сценариях конкретного продукта. Заявленная оценка охватывает английские тесты и не подтверждает качество во всех сценариях.

bunnycore/LLama-3.1-Hyper-Stock — объединённая плотная языковая модель семейства Llama 3.1, созданная автором с помощью mergekit и метода Model Stock на базе unsloth/Meta-Llama-3.1-8B. В объединение вошли семь языковых моделей, включая инструктивные и uncensored-варианты. Модель содержит 7,5 млрд параметров, работает через библиотеку Transformers и распространяется в формате safetensors; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и может использоваться в диалоговых сценариях и для задач с длинным контекстом. README указывает на включение моделей с разными настройками и назначением, однако не приводит отдельных оценок качества или подробностей о поведении итогового объединения. Лицензия в предоставленных данных не указана.

Llama-3-8B-Instruct-v0.3 — плотная авторегрессионная языковая модель семейства Llama, разработанная MaziyarPanahi на основе серии MaziyarPanahi/Llama-3-8B-Instruct-DPO. Она предназначена для диалогов и генерации текста; в карточке указана поддержка ChatML-шаблона, а метаданные отмечают возможность общения в чате. Модель содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов. Модель подходит для создания чат-ботов, ответов на вопросы и генерации текста на английском языке. Репозиторий содержит веса в формате safetensors, а для запуска README рекомендует библиотеку Transformers. Лицензия указана как other, без уточнения её условий в доступных данных.

llama-3-MagicDolphin-8B — объединённая языковая модель на архитектуре Llama 3, созданная с помощью mergekit методом Model Stock на основе nbeerbower/llama-3-SNAMD-8B и весов Dolphin 2.9.1 и Mahou 1.2a/1.3a. Модель содержит 7,5 млрд параметров и рассчитана на генерацию текста и диалоговое общение. Её можно применять для ведения диалогов и генерации ответов в чат-интерфейсах. Контекст составляет до 8192 токенов; модель принимает и выдаёт текст. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. В карточке не приведены сведения о лицензии, языках обучения или специальных ограничениях поведения. Качество и пригодность для конкретных сценариев следует оценивать на целевых данных.

Llama-3-SauerkrautLM-8b-Instruct — разговорная языковая модель, совместно разработанная VAGO Solutions и Hyperspace.ai на основе Meta-Llama-3-8B-Instruct. Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров, настроенная для инструкций и выровненная с помощью DPO. Она принимает текстовые запросы и генерирует текст; заявлены немецкий и английский языки. Контекст модели — до 8192 токенов. Модель предназначена для диалогов с ассистентом, ответов на вопросы и немецкоязычных сценариев, включая оценённые авторами задачи RAG. В README приведены результаты бенчмарков, но они не гарантируют качество в конкретном применении. Авторы предупреждают, что модель может выдавать неподходящий или неотфильтрованный контент и не гарантируют стабильно корректное поведение. В репозитории указана лицензия other, а README связывает лицензию с Meta-Llama; перед использованием следует проверить применимые условия лицензирования.

LLaVA-OneVision-1.5-4B-Instruct — мультимодальная модель Glint Lab из семейства LLaVA-OneVision-1.5. Она объединяет визуальный энкодер с языковой моделью Qwen3-4B-Instruct-2507 и предназначена для диалогов и выполнения инструкций по изображениям. Модель принимает изображения в исходном разрешении и текстовые запросы, а в ответ генерирует текст. Модель подходит для описания изображений, визуальных вопросов и ответов, анализа диаграмм и документов, а также решения задач по визуальному содержимому. В README заявлены высокие результаты на ряде мультимодальных бенчмарков и преимущества обучения на изображениях исходного разрешения. Репозиторий содержит веса safetensors и рассчитан на использование с Transformers; видеоввод в дорожной карте указан как будущая возможность, поэтому здесь он не заявлен как поддерживаемый. Модель распространяется по лицензии Apache-2.0. Доступные сведения не задают размер контекста именно мультимодальной модели, поэтому контекст Qwen3 из описания базовой модели не следует считать подтверждённым контекстом этой модели.

LYRA-DEEP — компактная разговорная языковая модель, разработанная и поддерживаемая Muhammad Taqi. В метаданных Hugging Face указаны архитектура Qwen2, плотная causal language model Qwen2ForCausalLM и 1,5 млрд параметров; карточка модели описывает её как быстрый движок для диалога и рассуждений. Модель принимает текст и генерирует текст, поддерживает интерфейс вызова инструментов. Заявленная длина контекста — 131 072 токена. Модель подходит для чат-ответов и генерации текста, когда важны небольшой размер и высокая скорость. README также называет LYRAMOON архитектурной основой, но метаданные не подтверждают связь с отдельной базовой моделью. Доступна по лицензии Apache-2.0. Заявления о скорости и качестве рассуждений приведены в карточке разработчика и не сопровождаются результатами оценки.

M7Yamshadowexperiment28_Multi_verse_modelYam — объединённая модель на основе Mistral, опубликованная MaziyarPanahi. Она предназначена для генерации текста и диалогов. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель объединяет automerger/M7Yamshadowexperiment28-7B и automerger/Multi_verse_modelYam-7B. Доступна в формате safetensors и распространяется по лицензии Apache-2.0. README не сообщает о специализированной области применения или известных ограничениях качества.

M7Yamshadowexperiment28_YamshadowExperiment28 — слитая языковая модель на архитектуре Mistral, созданная объединением automerger/M7Yamshadowexperiment28-7B и automerger/YamshadowExperiment28-7B. Она предназначена для генерации текста и диалогов по текстовым запросам. Модель содержит 7,1 млрд параметров, использует формат весов Safetensors и поддерживает контекст до 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0.

Manticore 30B Chat (ALPHA) — диалоговая модель OpenAccess AI Collective, дообученная на базе Llama 30B. Это плотная авторегрессионная модель семейства Llama с 32,3 млрд параметров, предназначенная для генерации ответов в формате чата. В обучении использованы диалоги, инструкции, примеры рассуждений, задач на знания и логику, математику, суммаризацию, код и отфильтрованные данные для ролевых сценариев. Модель принимает текстовые запросы и генерирует текст; в карточке указан английский язык. Это альфа-чекпойнт, обученный только на 0,4 эпохи: авторы отмечают скачки потерь при обучении и уязвимость к обходу имеющегося выравнивания. Модель не прошла RLHF и не имеет встроенной фильтрации ответов, поэтому может выдавать нежелательный контент. Подходит для экспериментов с чат-моделями и генерацией текста; сведений о лицензии в предоставленных данных нет.

Matter 7B 0.1 Boost — языковая модель, созданная 0-hero на основе Mistral 7B и дообученная на наборе Matter, сформированном из более чем 35 датасетов. Версия Boost дополнительно дообучена на дополнительных данных. Модель предназначена для диалогового общения и генерации текста. Она использует архитектуру MistralForCausalLM с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. README указывает формат промптов ChatML и поддержку вызова функций; метаданные отмечают английский язык. Модель распространяется по лицензии Apache-2.0.

Maya_Hermes-2.5-Mistral-7B — диалоговая языковая модель на архитектуре Mistral, представленная пользователем luqmanxyz. Это вариант, дообученный методом DPO на наборе argilla/distilabel-intel-orca-dpo-pairs. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате: она может отвечать на запросы и поддерживать беседу. В карточке приведены результаты оценивания на бенчмарках AI2 Reasoning Challenge и HellaSwag. Файлы опубликованы в формате safetensors; лицензия — Apache-2.0.

Модель ms122222/mein_qwen_14b_merged разработана ms122222 как дообученная версия Huihui-Qwen3-14B-abliterated-v2. Это плотная авторегрессионная модель семейства Qwen3 с 14 млрд параметров для генерации текста и диалогов; поддерживает интерфейс вызова инструментов. Контекст — до 40 960 токенов, основной язык в карточке — английский. Модель подходит для ответов в чате, генерации и продолжения текста, а также сценариев с передачей запросов инструментам. По README, обучение выполнялось с использованием Unsloth и Hugging Face TRL. Модель распространяется по лицензии Apache-2.0.

MeliodasT3q_AlloyingotneoyNeuralsirkrishna — объединённая языковая модель, опубликованная MaziyarPanahi. В README указано, что она объединяет automerger/MeliodasT3q-7B и automerger/AlloyingotneoyNeuralsirkrishna-7B. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров; для генерации текста доступно контекстное окно до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Репозиторий содержит веса в формате Safetensors и распространяется по лицензии Apache-2.0.

MiniCPM5-2B-heretic-abliterated-GGUF — это набор GGUF-квантизованных версий языковой модели MiniCPM5-2B-heretic-abliterated, подготовленный mradermacher на основе модели insraq. Модель предназначена для генерации текста, диалоговых сценариев, работы с длинным контекстом и вызова инструментов, а также для локального запуска на устройствах с ограниченными ресурсами и edge-системах. В метаданных указана библиотека Transformers и поддержка английского и китайского языков. Модель содержит около 2 млрд параметров; точные сведения об архитектуре и размере контекстного окна в README не приведены. Доступны варианты квантования Q2_K, Q3_K, IQ4_XS, Q4_K, Q5_K, Q6_K, Q8_0 и f16 размером примерно от 1,1 до 5,1 ГБ. Более компактные варианты экономят память, но могут снижать качество, тогда как Q6_K и Q8_0 обеспечивают более высокое качество при больших требованиях к ресурсам. Название и теги указывают на модификацию heretic/abliterated, однако подробности применённых изменений, результаты тестирования и ограничения такой модификации в README не описаны. Лицензия исходной модели указана как Apache-2.0; для практического использования следует также учитывать условия библиотек и компонентов, с которыми запускаются GGUF-файлы.

MiniCPM5-2B-heretic-abliterated-i1-GGUF — это квантизированная в формате GGUF версия модели insraq/MiniCPM5-2B-heretic-abliterated, подготовленная mradermacher. Модель относится к семейству MiniCPM и предназначена для генерации текста, включая локальное и периферийное развёртывание, сценарии с длинным контекстом и вызовом инструментов. В метаданных указана поддержка английского и китайского языков. Модель имеет около 2 млрд параметров; точные сведения об архитектуре и максимальной длине контекста в README не приведены. Доступно множество вариантов квантизации i1 с размером примерно от 0,8 до 1,9 ГБ, что позволяет выбирать между требованиями к памяти, скоростью и качеством. Для части вариантов указано использование imatrix-квантизации; наиболее сбалансированными автор README называет i1-Q4_K_S и i1-Q4_K_M, причём последний рекомендован как быстрый вариант. К сильным сторонам относятся небольшой размер, возможность работы на устройствах с ограниченными ресурсами, поддержка английского и китайского языков, а также ориентированность на длинный контекст и tool-calling. Ограничения зависят от выбранного уровня квантизации: варианты с очень малым размером могут заметно терять качество, а точные показатели производительности и качества в README не приведены. Лицензия модели — Apache-2.0.

Это вариант Mistral-7B-Instruct-v0.1, подготовленный автором arnavgrg: веса линейных слоёв сначала квантизированы в NF4 с помощью bitsandbytes, а затем представлены в fp16. Модель имеет плотную авторегрессионную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Представление линейных слоёв в fp16 после NF4-квантизации призвано сократить затраты на повторную квантование и деквантование во время инференса; загрузка предусмотрена через Transformers. Потери при исходной квантизации необратимы, поэтому качество может быть ниже официальной Mistral-7B-Instruct-v0.1. Лицензия — Apache-2.0.

evolveon/Mistral-7B-Instruct-v0.3-abliterated — версия Mistral-7B-Instruct-v0.3, обработанная методом abliteration, который, согласно карточке, предназначен для создания менее ограниченной версии модели. В основе лежит инструктивная языковая модель Mistral AI; автор карточки благодарит FailSpy за исходный код и методику. Модель предназначена для диалогов и генерации текста по инструкциям. Она построена на архитектуре Mistral с 7,1 млрд параметров, принимает текст и использует контекст до 32 768 токенов. В метаданных указан английский язык; также заявлен интерфейс вызова инструментов. Карточка характеризует модель как uncensored, однако не приводит оценок качества или подробностей проверки. Лицензия в предоставленных данных не указана.

Gaivoronsky/Mistral-7B-Saiga — русскоязычная генеративная модель, опубликованная Gaivoronsky. Это плотная causal language model семейства Mistral на 7,1 млрд параметров, представленная в формате PyTorch fp16. Она основана на IlyaGusev/saiga_mistral_7b_lora и предназначена для генерации текста и диалоговых сценариев на русском языке. Модель подходит для русскоязычных ответов на вопросы, инструкций и общения в чат-ботах. Заявленная длина контекста — 32 768 токенов. Модель распространяется по лицензии CC BY 4.0; README описывает запуск через vLLM.

MistralDpoPearl-7b-slerp — слитая языковая модель на архитектуре Mistral, созданная с помощью LazyMergekit объединением louisbrulenaudet/Pearl-7B-slerp и NousResearch/Nous-Hermes-2-Mistral-7B-DPO методом SLERP. Модель содержит 7,1 млрд параметров и предназначена для генерации текста, включая диалоговые сценарии и ответы на инструкции. Модель принимает текст и генерирует текст; заявленная длина контекста — 32 768 токенов. Репозиторий содержит веса в формате Safetensors, объединённые в bf16. Лицензия — Apache-2.0. Карточка не приводит оценки качества или подробные сведения о языковом покрытии, поэтому пригодность для конкретного языка и специализированных задач следует оценивать отдельно.

Kaoeiri/Mistral-magnum-v4_X_Cydonia-VXXX_Max — текстовая диалоговая модель, созданная Kaoeiri слиянием нескольких предварительно обученных моделей через mergekit. Использован метод Model Stock, а базовой моделью при слиянии стала byroneverson/Mistral-Small-Instruct-2409-abliterated. В состав также вошли варианты Magnum, Cydonia и Waifu от Kaoeiri. Модель предназначена для генерации текста и ответов в диалоге. Она использует плотную архитектуру MistralForCausalLM, содержит 22 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса safetensors; в метаданных заявлен интерфейс для вызова инструментов. В карточке не описаны качество на конкретных задачах и поддерживаемые естественные языки. Модель распространяется по лицензии, унаследованной от базовой модели byroneverson/Mistral-Small-Instruct-2409-abliterated; конкретная лицензия в предоставленных данных не приведена.

MRAI_synatra_7B_v1-Mistral-7B-Instruct-v0.1 — чат-модель для генерации текста, созданная слиянием Mistral-7B-Instruct-v0.1 и MRAIRR/MRAI_synatra_7B_v1 методом SLERP. Она предназначена для ответов на инструкции и диалоговые запросы. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текст. В карточке указаны формат safetensors и лицензия Apache-2.0. README описывает диапазоны слоёв и параметры слияния, но не приводит сведения о языковой специализации и конкретных областях применения.

zelk12/MT5-Gen5-MA-gemma-2-MTg2MT2-9B — объединённая модель семейства Gemma 2, созданная с помощью mergekit методом SLERP из zelk12/MT-Gen2-gemma-2-9B и zelk12/MT2-gemma-2-9B. Это плотная авторегрессионная языковая модель на 9 млрд параметров для генерации текста и диалогового общения; в метаданных указана поддержка chat и контекст до 8192 токенов. Модель принимает текст и генерирует текст, работает через Transformers и распространяется в формате safetensors. Модель подходит для ведения диалога и создания текстовых ответов. Карточка не сообщает о специализированной предметной области или конкретных языках; поэтому её следует рассматривать как модель общего назначения. Известные ограничения качества, лицензия и специальные условия использования в предоставленных данных не описаны.

MysticGem-v1.3-Guanaco-L2-13B — объединённая текстовая языковая модель на базе Llama 2, подготовленная автором репозитория v000000 с помощью mergekit. В линейное слияние вошли v000000/MysticGem-v1.3-L2-13B и Mikael110/llama-2-13b-guanaco-qlora; в README также сказано, что к MysticGem 1.3 применялась LoRA. Архитектура — плотная LlamaForCausalLM, размер — 12,9 млрд параметров, родной контекст — 4096 токенов. Модель предназначена для генерации текста и диалогового использования с шаблонами запросов Alpaca и Metharme. В репозитории доступны веса Safetensors; README упоминает также варианты GGUF и GGUF imatrix, подготовленные mradermacher. Язык лицензии и условия использования в предоставленных данных не описаны.

NarutoDolphin-10B — языковая модель для генерации текста, созданная FelixChao слиянием FelixChao/WizardDolphin-7B и FelixChao/NinjaDolphin-7B. Она построена на архитектуре Mistral и содержит 10,6 млрд параметров; нативная длина контекста составляет 32 768 токенов. Модель подходит для диалогов и генерации текста.

Neural-Chat-v3-2 — языковая модель Intel на 7,1 млрд параметров для генерации текста и выполнения языковых задач. Она построена на архитектуре Mistral и дообучена из Intel/neural-chat-7b-v3-1 на наборе MetaMathQA с выравниванием методом DPO на парах Intel/orca_dpo_pairs. Исходная версия neural-chat-7b-v3-1 была дообучена на базе mistralai/Mistral-7B-v0.1. Модель предназначена для инференса в широких языковых сценариях, включая математические вопросы и диалог. README указывает контекст 8192 токена; метаданные каталога сообщают 32768, поэтому фактический предел может зависеть от конфигурации и версии. Модель принимает текст и генерирует текст; в карточке указан английский язык. Модель может выдавать фактически неверные ответы, а также предвзятый, оскорбительный или неприемлемый контент. Перед внедрением рекомендуется проверять её безопасность и точность. Лицензия — Apache-2.0.

NeuralDaredevil-7B — диалоговая языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная mlabonne. Это DPO-дообучение модели mlabonne/Daredevil-7B на предпочтениях из набора argilla/distilabel-intel-orca-dpo-pairs. Модель предназначена для генерации текста и ответов в диалоге; использует шаблон запросов Mistral-7B-Instruct-v0.2 и поддерживает контекст до 32 768 токенов. В README приведены результаты оценивания на наборах Nous и Open LLM Leaderboard. Модель распространяется в формате safetensors по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.