I.11Классификация, ранжирование и сопоставление

SuperMente-7B-v3 — объединённая модель семейства Mistral на 7,1 млрд параметров, созданная Kukedlc с помощью LazyMergekit. В конфигурации использован метод слияния slerp для Kukedlc/SuperMente-7B-v2 и Kukedlc/SuperMente-7B; веса представлены в формате safetensors. Модель предназначена для генерации текста. Она принимает текстовые запросы и выдаёт текст; максимальная длина контекста составляет 32 768 токенов. В README не описаны специальные области применения или поддерживаемые естественные языки, поэтому модель можно рассматривать как модель общего назначения. README и метаданные не содержат сведений о лицензии или конкретных ограничениях качества и безопасного использования.

T3qm7xNeuralsirkrishna_Ognoexperiment27M7 — объединённая текстовая модель на архитектуре Mistral, созданная из automerger/T3qm7xNeuralsirkrishna-7B и automerger/Ognoexperiment27M7-7B. Репозиторий подготовлен пользователем MaziyarPanahi. Модель предназначена для генерации текста и диалогов; она содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. Веса опубликованы в формате Safetensors, лицензия — Apache-2.0. Карточка не описывает отдельные языковые или специализированные прикладные сценарии, поэтому модель можно рассматривать как средство общего назначения для генерации текста.

djuna-test-lab/TEST-OcerusBeam-7B — объединённая модель генерации текста на архитектуре Mistral, созданная методом SLERP с помощью mergekit. В объединение вошли aws-prototyping/MegaBeam-Mistral-7B-512k и djuna-test-lab/TEST-Ocerus-7B. Модель содержит 7,1 млрд параметров, работает с библиотекой Transformers и распространяется в формате safetensors. Модель предназначена для генерации текста и диалогов; в метаданных также отмечена возможность чата. Длина контекста составляет до 524 288 токенов. Сведения о поддерживаемых естественных языках и условиях лицензии в предоставленных источниках отсутствуют.

v1olet_merged_dpo_7B-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на 7,1 млрд параметров, созданная слиянием mistralai/Mistral-7B-Instruct-v0.2 и v1olet/v1olet_merged_dpo_7B методом SLERP. Она использует архитектуру MistralForCausalLM и предназначена для генерации текста и ответов на инструкции в чат-сценариях. Контекст модели составляет до 32 768 токенов. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. Сведения о специальных предметных областях или сравнительных оценках качества в карточке не приведены.

yam-jom-7B-slerp — объединённая языковая модель, созданная с помощью LazyMergekit из eren23/ogno-monarch-jaskier-merge-7b-OH-PREF-DPO-v2 и yam-peleg/Experiment26-7B. В основе лежит архитектура MistralForCausalLM с плотной архитектурой и 7,1 млрд параметров; для объединения применён метод SLERP, веса сохранены в формате safetensors. Модель предназначена для генерации текста. Контекст составляет до 32 768 токенов. В карточке приведены результаты Open LLM Leaderboard, включая среднюю оценку 76,45, однако подробности остальных метрик здесь не представлены. Язык модели в карточке не указан. Модель распространяется по лицензии Apache-2.0.

YamshadowStrangemerges_32_OgnoExperiment27 — слитая языковая модель на архитектуре Mistral, созданная объединением automerger/YamshadowStrangemerges_32-7B и automerger/OgnoExperiment27-7B. Она предназначена для генерации текста и диалоговых ответов по текстовым запросам. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Веса представлены в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0.

MaziyarPanahi/Yi-1.5-34B-Chat-GGUF — набор файлов модели в формате GGUF, подготовленный MaziyarPanahi на основе чат-модели Yi-1.5-34B-Chat, разработанной командой 01-ai. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный запуск через совместимые приложения и библиотеки. Модель имеет размер 34B параметров и доступна в вариантах квантования от 2 до 8 бит, что позволяет выбирать между требованиями к памяти, скоростью и качеством генерации. Формат GGUF поддерживается llama.cpp, llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp, GPT4All и другими инструментами. В README не указаны языки, размер контекста и поддерживаемые модальности; по представленным данным модель является текстовой. К сильным сторонам относятся широкий выбор уровней квантования и удобство локального использования с CPU и GPU через экосистему GGUF. Ограничениями являются повышенные требования к ресурсам для версии 34B, особенно при минимальном квантовании, а также возможная потеря качества в более компактных вариантах. Для модели указана лицензия Apache-2.0.

argilla/zephyr-7b-spin-iter3-v0 — диалоговая языковая модель, созданная Argilla и сообществом Data Is Better Together. Это дообученная версия argilla/zephyr-7b-spin-iter2-v0 на тщательно отобранных наборах argilla/10k_prompts_SPIN_iter3_zephyr_top и argilla/10k_prompts_SPIN_iter2_zephyr_top; авторы отмечают, что подход SPIN достиг сопоставимых результатов при значительно меньшем объёме данных. Модель построена на архитектуре Mistral и содержит 7,1 млрд параметров. Она предназначена для генерации текста в диалоговом формате и рассчитана на контекст до 32 768 токенов. В README приведены результаты MT-Bench для предыдущих итераций семейства, но отдельные оценки для iter3 не указаны. Модель распространяется под лицензией Apache-2.0. Карточка не описывает специальные предметные области и не приводит подробных ограничений; применимость ответов следует оценивать для конкретной задачи.

CuriousCat29/3-double-120-v3 — объединённая языковая модель, созданная с помощью mergekit методом Passthrough на основе Doctor-Shotgun/L3.3-70B-Magnum-v4-SE и TheDrummer/Anubis-70B-v1. Модель семейства Llama с плотной архитектурой для генерации текста и диалогов; в метаданных заявлены 120,8 млрд параметров и контекст до 131 072 токенов. Модель подходит для бесед и сценариев, где требуется генерировать связные ответы на текстовые запросы. Базовое описание одной из исходных моделей указывает на творческое письмо, естественные беседы и ролевые сценарии. Репозиторий содержит веса Safetensors и использует библиотеку Transformers; также заявлен интерфейс вызова инструментов. В карточке не приведены сведения о лицензии и отдельных оценках качества, поэтому условия распространения и пригодность для конкретных задач следует проверять по лицензиям исходных моделей и результатам собственной оценки.

aquif-3.5-8B-Think-GGUF — это квантизированная версия текстовой генеративной модели aquif-3.5-8B-Think, разработанной aquif-ai и подготовленной пользователем bartowski в формате GGUF. Модель предназначена для локального запуска и генерации текста через llama.cpp, LM Studio и другие совместимые проекты. Из доступных данных известно, что исходная модель имеет размер 8B параметров и поддерживает текстовую генерацию. Архитектура, языки, размер контекста, обучающие данные и специализированные сценарии применения не указаны. Доступны варианты от BF16 до различных уровней квантизации Q8, Q6, Q5, Q4, Q3 и Q2, включая imatrix-квантизации. Старшие варианты обеспечивают более высокое качество, а младшие требуют меньше оперативной памяти, но сильнее теряют в качестве. Сильная сторона модели — широкий выбор файлов для подбора баланса между качеством, размером и требованиями к оборудованию; для большинства сценариев рекомендуется Q4_K_M, а варианты Q5 и Q6 позиционируются как высококачественные. Ограничения включают отсутствие в README сведений о формате промптов, языковой поддержке, контекстном окне и результатах оценки. Лицензия в предоставленных данных не указана.

OwenArli/ArliAI-Llama-3-8B-Dolfin-v0.6-Abliterated — диалоговая языковая модель на архитектуре Llama 3, созданная как дообучение Meta-Llama-3-8B-Instruct. Разработчик использовал улучшенный набор данных Dolphin и WizardLM, чтобы усилить следование инструкциям и снизить частоту отказов. Версия 0.6 основана на варианте Llama 3 8B Instruct с удалёнными механизмами отказа. Модель предназначена для генерации ответов в формате диалога и выполнения инструкций. В README указаны обучение с контекстом 2048 токена и сохранение рабочего контекста базовой модели в 8192 токена; метаданные также указывают контекст 8192 токена и размер около 7,5 млрд параметров. Модель принимает текст и выдаёт текст. В README описано обучение с использованием QLoRA ранга 64 и alpha 128, при котором обучаемыми были около 2% весов. Репозиторий содержит веса Safetensors. Модель распространяется по лицензии Meta Llama 3; перед использованием необходимо соблюдать её условия. Из-за настройки на снижение отказов модель может отвечать на запросы, которые другие помощники отклоняют, поэтому ответы требуют соответствующей проверки.

Aleteian/Avalon — объединённая автором модель семейства Mistral, созданная с помощью mergekit методом della на основе win10/Mistral-Nemo-abliterated-Nemo-Pro-v2 с включением нескольких моделей Mistral Nemo. Модель содержит 12,1 млрд параметров и предназначена для генерации текста и диалогового общения. Её можно применять для ведения беседы и создания текстовых ответов. В метаданных также заявлен интерфейс вызова инструментов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Указанное в метаданных окно контекста — 1 024 000 токенов. В README не описаны результаты оценки качества или конкретные ограничения. Лицензия в предоставленных сведениях отсутствует.

AYA-8B — дообученная ArmanAsq модель генерации текста на архитектуре CohereForCausalLM, основанная на CohereForAI/aya-23-8B. Она предназначена для диалогов и генерации текста; метаданные также указывают интерфейс вызова инструментов. Модель содержит 8 млрд параметров и поддерживает контекст до 8192 токенов. В README приведён результат оценки: loss 3,0612, но набор данных, методика оценки и конкретные улучшения не описаны. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

BerryBase — языковая модель на 7,1 млрд параметров, созданная автором репозитория путём слияния maywell/Qwen2-7B-Multilingual-RP и Weyaxi/Einstein-v7-Qwen2-7B с помощью LazyMergekit и метода SLERP. Она основана на архитектуре Qwen2 и предназначена для генерации текста в диалоговом формате, включая ответы на вопросы. Указанный родительский чекпойнт — maywell/Qwen2-7B-Multilingual-RP; конфигурация слияния также включает слои второй модели. Модель принимает текст и генерирует текст. Нативная длина контекста составляет 32 768 токенов; веса опубликованы в формате Safetensors и имеют тип bfloat16. Языковая основа — мультиязычная модель Qwen2, однако конкретный перечень поддерживаемых языков для BerryBase в карточке не приведён. Карточка не содержит оценок качества или подробных ограничений применения. Лицензия в предоставленных данных не указана, поэтому условия использования следует проверить на странице репозитория и у базовых моделей.

bruphin-gamma — слитая с помощью mergekit модель генерации текста, созданная nbeerbower методом SLERP из nbeerbower/bruphin-beta и jan-hq/supermario-v2. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста и диалогового использования. Модель принимает текст и выдаёт текст. В карточке указана лицензия Apache-2.0. README не описывает специальные прикладные области или дополнительные возможности, поэтому модель можно характеризовать как модель общего назначения.

Calme-7B-Instruct-v0.5 — разговорная языковая модель MaziyarPanahi на архитектуре Mistral, дообученная на качественных наборах данных поверх Mistral-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов; опубликована в формате Safetensors и предназначена для генерации связных текстовых ответов в диалоге. Её можно применять для общения с ассистентом, составления и продолжения текстов, а также ответов на запросы. В README также упомянуты отдельные квантованные версии GGUF, однако данный репозиторий содержит веса Safetensors. Языки обучения или приоритетные языки в доступных сведениях не определены. Модель распространяется по лицензии Apache-2.0.

CalmeInex12-7B — автоматически объединённая Maxime Labonne модель семейства Mistral для генерации текста и диалогового использования. В конфигурации mergekit применён метод dare_ties к Calme-7B-Instruct-v0.1.1 и MSL7/INEX12-7b; в метаданных базовой моделью указан MSL7/INEX12-7b. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и формат safetensors, а длина контекста составляет до 32 768 токенов. Модель подходит для чат-ответов и генерации текста по запросам. Лицензия — Apache-2.0. Карточка не описывает языковую специализацию или результаты оценки качества.

vicgalle/Configurable-Mistral-7B — диалоговая языковая модель на архитектуре Mistral, опубликованная пользователем vicgalle на Hugging Face и дообученная на наборе configurable-system-prompt-multitask. Она предназначена для генерации текста в формате чата с настраиваемыми системными инструкциями и выполнения связанных с ними задач. Модель содержит около 7,1 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. В карточке не уточнены поддерживаемые языки и результаты оценки качества. Модель распространяется по лицензии Apache-2.0.

knifeayumu/Cydonia-v1.3-Magnum-v4-22B — плотная языковая модель семейства Mistral на 22 млрд параметров, созданная автором knifeayumu с помощью слияния моделей TheDrummer/Cydonia-22B-v1.3 и anthracite-org/magnum-v4-22b. Для слияния применён метод SLERP через mergekit; веса представлены в формате Safetensors и имеют точность bfloat16. Модель предназначена для диалогов и генерации текста, включая ответы на запросы и создание связной прозы. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов, а интерфейс карточки отмечает возможности чата и вызова инструментов. Базовая модель описана как ориентированная на английский язык; других языковых характеристик README и метаданные не подтверждают. В метаданных указана лицензия «other», поэтому перед использованием следует проверить условия на странице модели и её базовых компонентов. Карточка не содержит конкретных оценок качества; как у генеративной языковой модели, ответы могут быть ошибочными или неподходящими для конкретной задачи.

Dark-Pane-i1-GGUF — набор квантованных файлов модели Dark-Pane, базовая модель которой разработана mars2titan. Квантизацию выполнил mradermacher в формате GGUF с использованием imatrix-квантов. Модель относится к семейству Gemma и помечена как экспериментальный исследовательский проект. Модель предназначена для генерации текста, а также для задач анализа отказов, red teaming, исследований безопасности и alignment. README указывает, что это vision-модель, поэтому для работы с изображениями могут потребоваться дополнительные файлы mmproj из статического репозитория. Заявленный язык — английский. Размер модели и контекстное окно не указаны. Доступны варианты квантизации от крайне компактных IQ1 и IQ2 до IQ6_K; объём файлов составляет примерно от 3,1 до 9,9 ГБ. Компромисс между размером, скоростью и качеством зависит от выбранного варианта: README рекомендует Q4_K_M как быстрый вариант, а Q4_K_S называет оптимальным по размеру, скорости и качеству. Низкобитные варианты могут заметно уступать по качеству, а сама модель имеет экспериментальный статус. Лицензия указана как Gemma.

cogito-v1-preview-llama-70B-GGUF — квантованная версия языковой модели cogito-v1-preview-llama-70B, разработанной deepcogito и подготовленной пользователем bartowski в формате GGUF с использованием llama.cpp. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые проекты. Это текстовая autoregressive-модель семейства Llama размером 70B параметров. В репозитории представлены варианты квантования Q8_0, Q6_K, Q5_K_M, Q5_K_S, Q4 и Q3, различающиеся размером файлов, требованиями к памяти и качеством вывода. Для квантования применялся imatrix; варианты Q6_K, Q5 и Q4 отмечены как рекомендуемые, а Q3 рассчитаны на системы с ограниченным объёмом оперативной памяти. Доступны как цельные файлы, так и разделённые варианты. Сильная сторона модели — возможность локального запуска крупной 70B-модели при выборе подходящего уровня квантования, однако даже наиболее компактные варианты требуют значительных ресурсов, а снижение точности квантования уменьшает качество. README не содержит сведений о поддерживаемых языках, длине контекста, мультимодальности, специализированных сценариях, результатах тестирования или дополнительных ограничениях. Указанная лицензия — llama3.1.

TriadParty/deepmoney-67b-chat — чат-модель, разработанная TriadParty на базе DeepSeek-67B и дообученная на датасете TriadParty/deepmoney-sft. Обучение включало предварительное обучение с LoRA ранга 512 и последующее дообучение на инструкциях с LoRA ранга 128; модель представлена в архитектуре Llama и содержит 66,6 млрд параметров. Модель предназначена для генерации текста в диалоговом формате и выполнения инструкций. Репозиторий использует формат PyTorch, контекст модели составляет 4096 токенов. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества и не уточняет языки обучения или специализацию датасета, поэтому возможности в конкретных предметных областях подтвердить нельзя.

Это адаптированная для запуска и дообучения в актуальной версии Transformers копия DeepSeek-OCR-2 от Unsloth. Она основана на DeepSeek-OCR-2 от DeepSeek и использует плотную архитектуру Deepseek-VL-v2 с классом DeepseekOCR2ForCausalLM; в репозитории указано 559,7 млн параметров и формат safetensors. Изображения обрабатываются с динамическим разрешением: карточка описывает режим с несколькими кадрами 768×768 и дополнительным изображением 1024×1024. Контекст модели составляет 8192 токена. Модель предназначена для распознавания текста и анализа документов по изображениям, включая сценарии обработки PDF. Для запуска README приводит конфигурацию на базе Transformers и NVIDIA GPU; также упоминается ускорение инференса через vLLM. Поддерживается многоязычное применение, однако конкретный перечень языков не приведён. Заявлено, что адаптация загрузки не меняет точность. Модель распространяется по лицензии Apache-2.0. README не приводит оценок качества или подробных ограничений; для указанного сценария требуются GPU и зависимости из инструкции по запуску.

DheyoAI выпустила GGUF-версию модели DeepSeek-R1-Distill-Qwen-1.5B — компактной плотной языковой модели на архитектуре Qwen2 с 1,5 млрд параметров. Она предназначена для генерации текста в диалоге и решения задач, требующих рассуждений, включая математику и программирование. В README приведено сравнение вариантов квантования семейства на тестах GSM8K, GPQA Diamond, Math500 и AIME; результаты относятся к описанным вариантам и условиям оценки. Модель принимает текст и генерирует текст. Метаданные указывают контекст до 131 072 токенов и поддержку английского языка. Формат GGUF рассчитан на компактное локальное хранение и запуск совместимыми средствами. Лицензия — MIT.

DeepSeek-V2-Lite-Chat-IMat-GGUF — это GGUF-квантизированная версия диалоговой языковой модели DeepSeek-V2-Lite-Chat, разработанной deepseek-ai. Квантизацию выполнил legraphista с использованием форка llama.cpp и метода IMatrix, предназначенного для сохранения качества при уменьшении точности весов. Исходная модель имеет формат BF16. Модель предназначена для генерации текста и диалоговых сценариев при локальном запуске через совместимые инструменты, включая llama.cpp. Доступны варианты в форматах FP16, BF16, Q8_0, Q6_K, Q5_K, Q4_K, Q3_K, Q2_K и IQ-квантизациях, что позволяет выбирать между качеством, скоростью и требованиями к памяти. Размер файлов варьируется примерно от 6 до 31 ГБ. IMatrix применяется в ряде низко- и среднебитных вариантов, включая Q4_K, Q3_K, Q2_K и многие IQ-форматы. Сильная сторона набора — широкий выбор степеней квантизации и возможность локального использования в экосистеме GGUF. При этом квантизация снижает требования к ресурсам, но может уменьшать точность и качество генерации по сравнению с исходной моделью; степень потерь зависит от выбранного варианта. README не содержит сведений об архитектурных деталях, числе параметров, поддерживаемых языках, размере контекста и лицензии исходной модели, поэтому эти характеристики нельзя достоверно указать.

dots.llm1.inst — инструктивная версия языковой модели dots.llm1 от команды dots-studio. Это разреженная MoE-модель с 142 млрд параметров, из которых при генерации активируются 14 млрд. Архитектура включает 62 слоя, multi-head attention с QK-Norm и маршрутизацию к 6 из 128 экспертов, а также два общих эксперта. Модель принимает текст и поддерживает контекст до 32 768 токенов. Модель предназначена для диалогов, ответов на запросы и генерации или продолжения текста на английском и китайском языках. В README описаны этапы предварительного обучения и дообучения с учителем; репозиторий содержит вариант instruction-tuned. Указанная лицензия — MIT. Сведения о качестве в конкретных задачах в доступной карточке не приведены.

Eclectic-Maid-10B-v2-1 — объединённая языковая модель, созданная автором репозитория с помощью mergekit. Это плотная авторегрессионная модель семейства Mistral на 10,4 млрд параметров с архитектурой MistralForCausalLM, предназначенная для генерации текста. В README указан метод объединения passthrough и исходная модель Eclectic-Maid-v2; веса представлены в формате safetensors, а конфигурация слияния использует float16. Модель можно применять для генерации продолжений и ответов в текстовых сценариях. Заявленная длина контекста составляет 32 768 токенов. В карточке нет сведений о конкретных языках, специализированных областях или ограничениях качества. В метаданных присутствует пометка not-for-all-audiences, поэтому модель может быть не подходящей для всех аудиторий. Условия лицензии в предоставленных данных не приведены.

Weyaxi/Einstein-v6.1-LLama3-8B-Instruct-Ties — языковая модель, созданная Weyaxi слиянием TIES через mergekit. В качестве основы использована meta-llama/Meta-Llama-3-8B; в слияние также вошли Weyaxi/Einstein-v6.1-Llama3-8B и meta-llama/Meta-Llama-3-8B-Instruct. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM, примерно 7,5 млрд параметров и контекстом до 8192 токенов. Она предназначена для генерации текста и диалоговых ответов. Карточка не приводит отдельные оценки качества или подробности об ограничениях; лицензия указана как other.

EVA-Tissint-v1.2-14B — объединение предварительно обученных языковых моделей, созданное автором репозитория с помощью mergekit. В основе объединения лежит EVA-UNIT-01/EVA-Qwen2.5-14B-v0.2; также включена Ttimofeyka/Tissint-14B-v1.2-128k-RP. Использован метод della_linear, итоговая архитектура — плотная Qwen2, размер — 14 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Заявленная длина контекста составляет 131 072 токена; для семплирования автор рекомендует настройки из карточки Tissint. В репозитории опубликованы веса в формате safetensors. Модель объединяет два исходных чекпойнта, однако README не приводит сравнительных оценок качества или подробностей о поведении слияния, поэтому пригодность для конкретных сценариев следует оценивать отдельно. Лицензия в предоставленных данных не указана.

MaziyarPanahi/Experiment26Yamshadow_Ognoexperiment27Multi_verse_model — объединённая модель для генерации текста, построенная на архитектуре Mistral. Она объединяет модели automerger/Experiment26Yamshadow-7B и automerger/Ognoexperiment27Multi_verse_model-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Данные не описывают конкретную специализацию или языки, поэтому её можно рассматривать как модель общего назначения. Веса опубликованы в формате safetensors, лицензия — Apache-2.0.