I.14Автоматизация процессов и AI-агенты

Seraphic663 разработал полно-параметрический чекпойнт LRAT Qwen3-Embedding-0.6B, дообученный на базе Qwen/Qwen3-Embedding-0.6B для соревнования CCIR LRAT. Модель преобразует текстовые запросы и фрагменты документов в нормализованные эмбеддинги для поиска релевантных пассажей по запросу. Используется архитектура Qwen3 с 507,6 млн параметров; заявленная длина контекста — 32 768 токенов. Для обучения применялись только официальные пары LRAT, два этапа обучения и пулинг последнего токена. Модель предназначена для извлечения признаков и семантического поиска, в частности для подбора фрагментов, отвечающих на веб-поисковые запросы. В README приведены высокие метрики Recall и MRR на диагностической выборке, однако все 500 запросов этой выборки встречались в обучении, поэтому результаты не являются оценкой на отложенных данных и не подтверждают качество на лидерборде. В метаданных указан английский язык. Лицензия в предоставленных данных не указана.

MaziyarPanahi/M7Yamshadowexperiment28_Experiment24Experiment26 — объединённая модель для генерации текста, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/Experiment24Experiment26-7B. В её основе архитектура Mistral с плотной сетью причинного языкового моделирования; размер составляет 7,1 млрд параметров, а максимальная длина контекста — 32 768 токенов. Модель подходит для генерации продолжений текста и других задач текстовой генерации. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Карточка не уточняет языки обучения и ограничения качества.

MaziyarPanahi/M7Yamshadowexperiment28_Neuralsirkrishnaexperiment26Experiment24 — объединённая модель для генерации текста, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/Neuralsirkrishnaexperiment26Experiment24-7B. Она использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; заявленная длина контекста — 32 768 токенов. Модель принимает текст и генерирует текст, а карточка Hugging Face указывает задачу text-generation. Модель подходит для генерации продолжений и ответов в текстовом формате, а также для экспериментов с объединением языковых моделей. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. README не сообщает о специализированной предметной области или языковых ограничениях.

M7Yamshadowexperiment28_ShadowYam — объединённая модель генерации текста на архитектуре Mistral, созданная из automerger/M7Yamshadowexperiment28-7B и automerger/ShadowYam-7B. Она предназначена для генерации текста по текстовому запросу и работы с контекстом длиной до 32 768 токенов. Модель содержит 7,1 млрд параметров и распространяется в формате safetensors. Репозиторий не описывает специализацию или результаты оценки качества, поэтому модель можно охарактеризовать только как генеративную общего назначения. Лицензия — Apache-2.0.

MeliodasPercival_01_Experiment26Experiment26 — объединённая языковая модель семейства Mistral, созданная MaziyarPanahi на основе automerger/MeliodasPercival_01-7B и automerger/Experiment26Experiment26-7B. Она предназначена для генерации текста и диалогов по текстовым запросам. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Модель распространяется в формате SafeTensors по лицензии Apache 2.0. README не уточняет языковую специализацию или дополнительные возможности, поэтому модель можно описать как средство генерации текста общего назначения.

Memalpha-4B — генеративная текстовая модель, опубликованная пользователем YuWangX на Hugging Face. По метаданным она предназначена для генерации текста и поддерживает conversational-сценарии; в тегах также указана связь с семейством Qwen3. Модель рассчитана на работу через библиотеку Transformers и распространяется в формате Safetensors. Модель содержит около 3,7 млрд параметров и поддерживает контекст длиной до 40 960 токенов, что позволяет обрабатывать достаточно длинные диалоги и документы. Её можно применять для создания ответов в чатах, продолжения текста, черновой генерации контента и интеграции в приложения на базе Transformers. README не содержит сведений о разработчиках, лицензии, языках, обучающих данных, результатах оценки, безопасности и рекомендуемых сценариях использования. Поэтому перед применением в продуктивных, чувствительных или коммерческих системах необходимы самостоятельная проверка качества, совместимости и условий распространения.

Карточка модели KakaoL0L/Mistral7B_CVetOFFRE3_lora на Hugging Face совпадает с карточкой KakaoL0L/mistral_CVetOFFRElast_16bit, поэтому описание составлено по ней. KakaoL0L/mistral_CVetOFFRElast_16bit — дообученная языковая модель KakaoL0L на базе unsloth/mistral-7b-instruct-v0.2-bnb-4bit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового общения. Для обучения использовались Unsloth и библиотека Hugging Face TRL; модель принимает текст и генерирует текст, а заявленная длина контекста составляет 32 768 токенов. Модель может служить основой для чат-ботов и генерации ответов на текстовые запросы. В карточке указаны английский язык и лицензия Apache-2.0. Специализированная область применения и ограничения качества в описании модели не приведены.

Карточка модели bany1111/mistral-7b-lima_v2 на Hugging Face совпадает с карточкой bany1111/mistral-7b-arc_reasoning_v2, поэтому описание составлено по ней. bany1111/mistral-7b-arc_reasoning_v2 — дообученная языковая модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она создана bany1111 на основе unsloth/mistral-7b-bnb-4bit с использованием Unsloth и библиотеки Hugging Face TRL. Модель предназначена для генерации текста; контекст составляет до 32 768 токенов. Карточка не описывает специализацию на конкретных сценариях рассуждения или отдельных областях, поэтому её можно рассматривать как модель общего назначения для текстовых запросов и ответов. Указана поддержка английского языка. Модель распространяется по лицензии Apache-2.0. Карточка не приводит оценок качества или конкретных ограничений; результаты следует проверять на целевых задачах.

EmbeddedLLM/Mistral-7B-Merge-14-v0.1 — экспериментальная плотная языковая модель семейства Mistral с 7,1 млрд параметров, созданная EmbeddedLLM. Она объединяет несколько моделей Mistral-7B методом DARE TIES, а затем объединяется с janai-hq/trinity-v1 методом Gradient SLERP; среди исходных моделей указана mistralai/Mistral-7B-v0.1. Модель предназначена для генерации текста и диалогов, а её базовая версия, согласно карточке, хорошо работает, но требует дополнительного дообучения на инструкциях. Модель принимает текст и генерирует текст, поддерживает английский язык и контекст до 32 768 токенов. В репозитории представлены веса safetensors; метаданные также указывают возможность чата. Использование регулируется лицензией CC BY-NC 4.0, которая запрещает коммерческое применение. Карточка сообщает о проблемах загрязнения обучающих данных в некоторых моделях, участвовавших в первоначальном объединении, и описывает последующую пересборку без названных моделей.

mistral-megamerge-dare-7b — объединённая разговорная языковая модель на архитектуре Mistral, созданная martyn на основе Mistral-7B-Instruct-v0.2 и нескольких моделей Mistral 7B для кода и диалога. Слияние выполнено методом DARE с параметрами p=0.12 и lambda=2.1. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст; заявленный контекст — до 32 768 токенов. Модель предназначена для генерации текста и диалогов на английском языке. Репозиторий содержит веса в формате safetensors, лицензия — MIT. Карточка не описывает отдельные результаты оценки качества или гарантии для конкретных задач.

nlpguy/Mistral-NeMo-Minitron-Upscale-v2 — текстовая авторегрессионная модель семейства Mistral, созданная слиянием весов через mergekit из nvidia/Mistral-NeMo-Minitron-8B-Base методом passthrough. Репозиторий содержит 11,9 млрд параметров в формате safetensors; модель использует библиотеку Transformers и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и может служить основой для приложений, которым нужны продолжение текста и ответы на текстовые запросы. В README автор советует использовать версию v1, поэтому к версии v2 следует относиться осторожно. Лицензия обозначена как other; конкретные условия использования в предоставленных данных не раскрыты.

MMG/mlm-spanish-roberta-base — испаноязычная модель на архитектуре RoBERTa, разработанная MMG и обученная с нуля на 3,6 ГБ текстов в течение 10 эпох. Для обучения использовались четыре GPU Tesla V100. Модель предназначена для предсказания замаскированных токенов и может служить основой для анализа испанского текста и дообучения под задачи понимания языка. Модель содержит 153,2 млн параметров, использует архитектуру RobertaForMaskedLM и поддерживает контекст до 512 токенов. В README приведены результаты оценки на испанском бенчмарке GLUES: 71,99% accuracy на XNLI, 74,85% accuracy на задаче парафразирования и 85,34 F1 на NER. Доступны веса PyTorch и Safetensors. Условия лицензии в предоставленных материалах не указаны.

mms-300m-1130-forced-aligner-ONNX — ONNX-версия модели MahmoudAshraf/mms-300m-1130-forced-aligner, автоматически конвертированная и опубликованная сообществом onnx-community на Hugging Face. Модель основана на MMS-300M и преобразована для использования с Transformers.js; исходный чекпойнт подготовлен из torchaudio-модели и обучен на наборе данных для forced alignment. Модель предназначена для принудительного выравнивания известного текста и аудиозаписи: она помогает определить временные интервалы произносимых токенов, слов или фрагментов текста и получать временные метки слов. Это подходит для транскрибации с таймкодами, синхронизации текста с речью и анализа речевых записей. Для работы используются аудиофайл, текст и ISO-639-3-код языка; README также указывает поддержку более чем ста языков, включая русский, английский, немецкий, французский, китайский, японский и другие. Ключевая характеристика модели — архитектура на базе wav2vec2/MMS-300M с CTC-подходом и форматом ONNX. Версия ориентирована на запуск через Transformers.js, а исходный Python-процесс включает загрузку аудио, генерацию эмиссий, предварительную обработку текста, выравнивание и расчёт временных интервалов. README не содержит точных сведений о размере ONNX-файлов, длине контекста, метриках качества или ограничениях по длительности аудио. Модель распространяется по лицензии CC BY-NC 4.0, допускающей использование с обязательной атрибуцией, но ограничивающей коммерческое применение.

castorini/monobert-large-msmarco-finetune-only — модель на архитектуре BERT Large, преобразованная из чекпойнта, обученного на MS MARCO. Она предназначена для ранжирования пассажей: оценивает пары запроса и текста, чтобы выбрать наиболее релевантные фрагменты. Модель относится к классу BertForSequenceClassification, содержит 433,9 млн параметров и принимает текст с контекстом до 512 токенов. Чекпойнт представлен в форматах PyTorch и Flax. В карточке указана лицензия Apache-2.0. Модель ориентирована на поиск и ранжирование текстовых фрагментов; сведений о поддержке других языков, кроме английского языка датасета MS MARCO, нет.

Jooju2872/moondream2 — размещённая пользователем версия небольшой модели Moondream, разработанной для эффективной работы на устройствах с ограниченными ресурсами. Это плотная vision-language модель архитектуры HfMoondream, принимающая изображения и текстовые запросы и формирующая текстовые ответы. Метаданные указывают задачу image-text-to-text; модель подходит для визуальных вопросов и ответов, описания изображений и чтения текста на изображениях и документах. В README приведены результаты на наборах VQAv2, GQA, TextVQA, DocVQA, TallyQA и POPE. Репозиторий содержит веса Safetensors и GGUF в формате F16. README отмечает совместимость с Torch 2.1.1 и поддержку параметров temperature и top_p; также рекомендуется фиксировать версию модели, поскольку она регулярно обновляется. Лицензия — Apache-2.0. В карточке не указаны точный размер модели и длина контекста.

Moonlight-16B-A3B-mthreads-FlagOS — разговорная языковая модель семейства DeepSeek V3, опубликованная FlagRelease. Она предназначена для генерации текста и диалогов с оптимизацией инференса на GPU-платформе mthreads; README также описывает поддержку запуска через vLLM и стек FlagOS. Модель построена на архитектуре Mixture of Experts: в README указано 16 млрд параметров всего и около 3 млрд активных параметров на инференс, тогда как метаданные Hugging Face указывают 2,7 млрд параметров. Метаданные задают контекст 8192 токена и язык zh. Модель подходит для развертывания чат-сервиса и ответов на пользовательские вопросы. В README приведено сравнение нескольких бенчмарков с вариантом Moonlight-16B-A3B-Nvidia-Origin, но результатов недостаточно, чтобы заключить о качестве на широком наборе задач. Лицензия Apache-2.0. Указанная в карточке архитектура DeepseekV3ForCausalLM помечена метаданными как dense, что расходится с описанием MoE в README.

zelk12/MT2-Gen4-BB-gemma-2-MTMMT3g2-9B — объединённая методом SLERP языковая модель, созданная с помощью mergekit на основе zelk12/MT3-Gen2-gemma-2-9B и zelk12/MT-Merge-gemma-2-9B. Это плотная модель Gemma 2 с архитектурой Gemma2ForCausalLM и 9 млрд параметров; она предназначена для генерации текста и диалоговых ответов. Модель принимает текст и выдаёт текст, работает через библиотеку Transformers и имеет контекст длиной 8192 токена. Веса объединены в формате bfloat16 и сохранены в safetensors. В карточке указана возможность диалога, однако подробные сведения о специализации и языковом охвате не приведены. Лицензия в доступных данных не указана.

zelk12/MT3-Gen5-GP-gemma-2-RAv0.1E-9B — объединённая языковая модель, созданная разработчиком с помощью mergekit из Aashraf995/Gemma-Evo-10B и zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1. Для слияния использован метод SLERP с параметром t=0.5; архитектура — плотная Gemma 2, класс Gemma2ForCausalLM, размер — 9 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия, принимает текст и выдаёт текст. Нативная длина контекста — 8192 токена; доступна в формате safetensors для библиотеки Transformers. Модель подойдёт для создания разговорных приложений и генерации текста. В README и метаданных не приведены подробные результаты оценки качества или сведения о специальных предметных областях. Лицензия в предоставленных данных не указана.

zelk12/MT5-IGMAMU-gemma-2-9B — объединённая языковая модель, созданная методом SLERP с помощью mergekit на основе zelk12/MT5-IG-gemma-2-9B и zelk12/MT5-MAMU-gemma-2-9B. Модель построена на архитектуре Gemma 2, содержит 9 млрд параметров и рассчитана на генерацию текста и диалоговые ответы; поддерживает контекст до 8192 токенов. Модель подходит для чат-ботов и других сценариев генерации текста. Веса доступны в формате safetensors для библиотеки Transformers. В README не указаны языковая специализация и лицензия, поэтому они не описываются.

zelk12 объединил методом SLERP две предварительно обученные языковые модели на базе Gemma 2 с помощью mergekit. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и распространяется в формате safetensors; для работы предусмотрена библиотека Transformers. Модель предназначена для диалогов и генерации текста. Контекст составляет до 8192 токенов. В карточке не указаны специальные предметные области или поддерживаемые языки. Репозиторий содержит объединённые веса; качество и конкретные языковые возможности в README не описаны. Лицензия в предоставленных данных не указана.

Модель isy-thl/multilingual-e5-base-learning-outcome-skill-tuned — Sentence Transformer, дообученный на базе intfloat/multilingual-e5-base для сопоставления результатов обучения, описаний курсов и описаний навыков ESCO. Она кодирует текст в плотные векторы размерностью 768 и подходит для семантического поиска, ранжирования совпадений, кластеризации и классификации текстов. Для сравнения векторов используется косинусное сходство. Модель построена на XLM-RoBERTa с усреднением токенных представлений и нормализацией векторов. В метаданных указано 305,2 млн параметров и контекст до 514 токенов; README указывает максимальную длину последовательности 512 токенов. Оценка на наборе learning_outcome_esco_pairs показывает cosine_accuracy@1 0,8582 и @5 0,9716. Модель принимает текст и выдаёт эмбеддинги; обучение описано для корпуса course-esco-skill-retrieval из 9 562 примеров. Лицензия в предоставленных данных не указана.

xammi/municipal-prediction-merged-llama-model-v1.0 — языковая модель разработчика xammi, дообученная на базе unsloth/Meta-Llama-3.1-8B-bnb-4bit с использованием Unsloth и TRL. Это плотная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров. Она предназначена для генерации текста; карточка не уточняет конкретные сценарии муниципального прогнозирования или обучающие данные. Метаданные указывают английский язык и контекстное окно до 131 072 токенов. Модель распространяется по лицензии Apache-2.0.

diwash-barla/my-embeddinggemma-news-vibe — дообученная модель Sentence Transformers на базе google/embeddinggemma-300m, созданная для получения плотных векторных представлений предложений и абзацев. Она преобразует текст в эмбеддинги размерности 768; максимальная длина входа — 2048 токенов, для сравнения используется косинусное сходство. Модель подходит для семантического поиска и сравнения новостных текстов, поиска перефразировок, классификации и кластеризации. В README указано дообучение на наборе из четырёх примеров с меткой MY_FAVORITE_NEWS с использованием MultipleNegativesRankingLoss, поэтому применимость специализации на новостях стоит проверять на целевых данных. Модель использует архитектуру Gemma 3 Text, содержит около 302,8 млн параметров и распространяется в формате safetensors через библиотеку sentence-transformers. Лицензия — OpenRAIL.

Mythos2.0-2B — открытая модель перевода от Adithyan AI с архитектурой encoder-decoder Sparse Mixture-of-Experts. В ней 2,04 млрд параметров, из которых на каждом токене активируется около 678,7 млн; используются 24 трансформерных слоя и восемь экспертов SwiGLU с маршрутизацией Top-2. Модель работает с текстом и рассчитана на перевод между более чем 500 языками и региональными вариантами. Модель предназначена для перевода отдельных текстов и длинных документов, включая статьи, субтитры SRT/VTT и Markdown. Контекст составляет 8 192 токена: до 4 096 токенов для входного текста и 4 096 для результата; заявлена упаковка документов, сохраняющая контекст между фрагментами. README описывает поддержку малоресурсных языков, однако подтверждающих оценок качества или бенчмарков в предоставленных данных нет. Модель распространяется по лицензии Apache 2.0.

yoriis/NAMAA-retriever-notfs-final-contrastive — дообученная модель Sentence Transformers на базе yoriis/NAMAA-retriever-contrastive-1, разработанная автором репозитория yoriis. Она преобразует предложения и абзацы в плотные векторы размерности 768 и сравнивает их косинусным сходством. Модель построена на ModernBERT с усреднением токенных представлений; метаданные указывают контекст до 8192 токенов, а карточка модели — максимальную длину последовательности 512 токенов. Модель предназначена для семантического поиска и сравнения текстов, поиска перефразировок, кластеризации и классификации текстов. В качестве обучающих данных указаны 9 582 пары предложений с оценками сходства; примеры в карточке — вопросы и ответы на арабском языке, в религиозной тематике. Модель опубликована в формате safetensors и использует библиотеку sentence-transformers. Условия лицензии в предоставленных данных не указаны.

NeuralDareDMistralPro-slerp — объединённая модель на основе mlabonne/NeuralDaredevil-7B и NousResearch/Hermes-2-Pro-Mistral-7B, созданная автором репозитория методом slerp с помощью LazyMergekit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста; базовые модели ориентированы на диалоги и выполнение инструкций, однако отдельные возможности объединённой модели в карточке не описаны. Модель распространяется в формате safetensors по лицензии Apache-2.0.

NeuralExperiment-7b-dare-ties — модель генерации текста на базе архитектуры Mistral, созданная Kukedlc методом слияния DARE-TIES через LazyMergekit. Она объединяет NeuralMaxime-7B-slerp, NeuralGlitch-Yam-Peleg-7B-DT и Neural4gsm8k; в конфигурации также указан mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и может применяться для диалоговых ответов, рассуждений и решения математических задач. В репозитории опубликованы веса Safetensors, а лицензия — Apache 2.0. Карточка не описывает отдельные языковые возможности и оценки качества.

Niwaki-Qwen3.6-30B-A3B-v3.0-gguf — это GGUF-сборка модели Niwaki на основе Qwen3.6-35B-A3B, подготовленная проектом Niwaki для запуска через llama.cpp. Модель имеет архитектуру Mixture-of-Experts: всего 30,5 млрд параметров, активируется не более примерно 3,8 млрд; в ней 40 слоёв, по 256 маршрутизируемых экспертов и top-k 8. Эксперты хранятся в разных точностях: часть квантована до 2 или 3–4 бит, часть удалена, а основная часть модели сохранена в Q8_0. Модель предназначена для диалоговой генерации текста и многоязычных сценариев. В README приведены измерения для английского, испанского, французского, немецкого, русского, китайского, японского, корейского, арабского и хинди, а также тесты отслеживания состояния и многошагового рассуждения. Файл занимает 14,1 ГБ и требует форк neopolita-llama.cpp версии v3.0 или новее: стандартная сборка llama.cpp не поддерживает используемое распределение точности экспертов. Это производная квантованная сборка модели Niwaki-Qwen3.6-30B-A3B-v3.0-mlx; исходная модель Qwen разработана командой Qwen. Лицензия — Apache-2.0. Результаты зависят от выбранного сценария и аппаратуры; скорость ниже, чем у некоторых однотипных сборок, из-за выполнения экспертов в двух уровнях точности. Полная статья с методом и измерениями, согласно README, ещё готовится.

NoromaidxOpenGPT4-1 — диалоговая языковая модель, созданная NeverSleep слиянием моделей Noromaid-8x7b-Instruct и Open_Gpt4_8x7B_v0.2 методом TIES на базе Mixtral-8x7B-Instruct-v0.1. Репозиторий содержит веса в формате FP16; архитектура Mixtral использует смесь экспертов (MoE), а размер модели составляет 7,1 млрд параметров. Модель предназначена для генерации текста и ответов в диалоге по инструкциям; README приводит шаблоны Alpaca и Mistral. Контекстное окно — 32 768 токенов. Модель рассчитана на разговорное применение и объединяет качества двух исходных моделей; README отмечает, что варианты NoromaidxOpenGPT4-1 и -2 проявили разные качества при тестировании. Языки в карточке не обозначены. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческих целях.

MaziyarPanahi/notus-7b-v1-Mistral-7B-Instruct-v0.1 — чат-модель на архитектуре Mistral, полученная слиянием Mistral-7B-Instruct-v0.1 и argilla/notus-7b-v1 методом SLERP. Модель содержит 7,1 млрд параметров, принимает текстовые инструкции и диалоговые запросы и генерирует текстовые ответы; заявленная длина контекста — 32 768 токенов. Модель подходит для диалоговых помощников и генерации ответов на инструкции на английском языке. Репозиторий распространяется в формате Safetensors. Лицензия — Apache-2.0. README описывает состав слияния и его параметры, но не приводит результаты оценки качества.