I.14Автоматизация процессов и AI-агенты

MeliodasT3qm7-7B — объединённая Maxime Labonne модель для генерации текста и диалога. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; модель создана методом DARE-TIES из AurelPx/Meliodas-7b-dare и nlpguy/T3QM7. Модель предназначена для генерации ответов в диалоге и выполнения текстовых запросов. Контекстное окно составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors с точностью bfloat16. Лицензия — Apache-2.0. Карточка не приводит сведения о целевых языках, специализированных областях или результатах оценки качества.

MemAgent ReadTwice Rewrite-1024 Repair SFT — это объединённый чекпойнт Qwen2ForCausalLM класса 7B, обученный командой или автором репозитория Xirui1208 как продолжение SFT-модели ReadTwice Rewrite-1024. Модель предназначена для диалоговой генерации текста и ответов на вопросы по длинным документам с использованием протокола ReadTwice: текст обрабатывается секциями, а компактная память объёмом до 1 024 токенов полностью заменяется по мере чтения. В обучении использованы длинные сценарии исправления и задачи переноса между типами заданий. В README приведены результаты оценивания на контекстах до 448 тыс. токенов в протоколе ReadTwice, а также результаты на наборах LongBench. При этом собственный предел позиций конфигурации составляет 32 768 токенов; для длинных запросов в оценивании применялось масштабирование YaRN. Чекпойнт опубликован в формате safetensors, библиотека — Transformers. Лицензия в предоставленных данных не указана.

gotchu/merge-34b-2 — объединённая языковая модель, созданная с помощью mergekit из jondurbin/nontoxic-bagel-34b-v0.2 и NousResearch/Nous-Hermes-2-Yi-34B. Для слияния применён метод SLERP с настройками для слоёв self-attention и MLP; архитектура — плотная LlamaForCausalLM, размер — 33,9 млрд параметров, формат весов — safetensors. Модель предназначена для генерации текста и диалогового взаимодействия; базовая модель Nous-Hermes-2-Yi-34B рассчитана на следование инструкциям и многоходовые диалоги в формате ChatML. Указанная нативная длина контекста — 200 000 токенов. Модель принимает текст и выдаёт текст. В карточке не описаны специальные предметные области или языковой охват. Лицензия в предоставленных данных не указана.

Meta-Llama-3-8B-Instruct-zh-10k — дообученная XavierSpycy диалоговая языковая модель на архитектуре Llama 3 с 7,5 млрд параметров. Она создана на основе meta-llama/Meta-Llama-3-8B-Instruct с помощью LoRA и LLaMA-Factory: модель обучали три эпохи примерно на 10 тысячах китайских примеров из наборов Alpaca Chinese, Alpaca GPT-4 Chinese и OASST SFT Chinese. Для неё заявлено контекстное окно 8192 токена. Модель предназначена прежде всего для диалогов и генерации текста на китайском языке; также поддерживает английский. Её можно использовать для ответов на вопросы, написания текстов, анализа тональности, работы с кодом и вызова функций. README отмечает, что способности модели проверены не полностью: качество китайских ответов зависит от обучающих данных, а ролевые игры, математика и сложные неоднозначные задачи могут даваться хуже. Также не оценено, насколько дообучение вызвало забывание исходных навыков. Лицензия — Apache-2.0.

Модель gpjt/Meta-Llama-3-8B-openassistant-guanaco-llama2-format — дообученная автором gpjt версия Meta-Llama-3-8B на наборе gpjt/openassistant-guanaco-llama2-format. Датасет основан на OpenAssistant Guanaco и адаптирован под предполагаемый формат запросов Llama 2. Модель построена на архитектуре LlamaForCausalLM, содержит 7,5 млрд параметров и работает с контекстом до 8192 токенов. Модель предназначена для генерации текста в диалоговом формате и ответов на пользовательские запросы. Базовая модель рассчитана на английский текст и код; карточка не уточняет языковой охват самой дообученной версии. Веса опубликованы в формате safetensors и доступны по лицензии Llama 3.

MetaMath-Chupacabra-7B-v2.01-Slerp-Mistral-7B-Instruct-v0.1 — чат-модель, созданная слиянием Mistral-7B-Instruct-v0.1 и Weyaxi/MetaMath-Chupacabra-7B-v2.01-Slerp методом SLERP. Это плотная авторегрессионная модель Mistral с 7,1 млрд параметров, предназначенная для генерации текста в ответ на инструкции и диалоговые запросы. Поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Модель подходит для диалоговых помощников и задач, где нужно формировать ответы на текстовые запросы. В карточке не приведены сведения о языковом охвате или специализированных областях применения. Лицензия — Apache-2.0.

MFANN-Llama3.1-Abliterated-SLERP-V5 — объединённая методом SLERP языковая модель, созданная разработчиком netcat420 с помощью mergekit на основе mlabonne/Meta-Llama-3.1-8B-Instruct-abliterated и netcat420/MFANNv0.25. Это плотная причинно-авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и 7,5 млрд параметров, предназначенная для диалогов и генерации текста. Модель принимает текст и выдаёт текст; заявленный размер контекста — 131 072 токена. Модель рассчитана на интерактивные беседы и генерацию ответов. Базовая модель описана в каталоге как диалоговая Llama 3.1 8B Instruct с ослабленными ограничениями на ответы. Файлы представлены в формате safetensors; метаданные указывают библиотеку Transformers. Лицензия в предоставленных данных не указана.

Misted-7B-Mistral-7B-Instruct-v0.2-slerp — диалоговая модель на 7,1 млрд параметров, созданная MaziyarPanahi слиянием Mistral-7B-Instruct-v0.2 и Walmart-the-bag/Misted-7B методом SLERP. Она предназначена для генерации текста в диалогах и ответов на инструкции. Модель использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. В карточке указаны формат Safetensors и лицензия Apache-2.0. Сведения о языках и специализированных областях применения отсутствуют; поэтому модель можно описать как модель общего назначения, не приписывая ей отдельную специализацию. Качество и ограничения конкретного слияния в карточке не оценены.

Mistral-7B-Instruct-v0.1 — чат-модель Mistral AI, полученная дообучением Mistral-7B-v0.1. Она предназначена для диалогов и генерации ответов на запросы; архитектура — плотная авторегрессионная MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. README показывает форматирование запросов через токенизатор Mistral и генерацию текста с помощью mistralinference. Модель подходит для диалоговых приложений, ответов на вопросы и демонстрации адаптации базовой модели к инструкциям. По README, у неё нет механизмов модерации, поэтому выходы могут не соответствовать требованиям приложений, которым нужны встроенные защитные ограничения. Лицензия — Apache-2.0.

MaziyarPanahi/mistral-7b_open_platypus-Mistral-7B-Instruct-v0.1 — языковая чат-модель, созданная слиянием Mistral-7B-Instruct-v0.1 и mistral-7b_open_platypus методом SLERP. Она предназначена для генерации ответов на инструкции и диалоговые запросы. Модель построена на плотной архитектуре Mistral с 7,1 млрд параметров, принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. В карточке указана поддержка английского языка. Модель распространяется в формате safetensors по лицензии Apache-2.0. Подходит для чат-ботов и других приложений, которым нужны ответы на текстовые запросы. Сведения о специализированной области применения и отдельных ограничениях качества в карточке не приведены.

Mistral-7B-v0.1 — предварительно обученная генеративная языковая модель команды Mistral AI с плотной архитектурой Transformer и примерно 7,1 млрд параметров. Она предназначена для генерации продолжения текста и служит базовой моделью для дальнейшей адаптации под конкретные задачи. Модель использует Grouped-Query Attention, Sliding-Window Attention и токенизатор Byte-fallback BPE. Родной контекст составляет 32 768 токенов. Карточка указывает английский язык; модель доступна в форматах PyTorch и safetensors и рассчитана на работу с библиотекой Transformers. По заявлению разработчиков, на проверенных ими бенчмарках модель превосходила Llama 2 13B. Это базовая модель без механизмов модерации, поэтому сгенерированный текст может быть нежелательным или небезопасным. Лицензия — Apache-2.0.

Это пакет Mesh LLM с разбиением GGUF-модели Mistral-Small-4-119B-2603-UD-Q4_K_XL на артефакты по слоям для распределённого инференса. Он основан на unsloth/Mistral-Small-4-119B-2603-GGUF и предназначен для запуска чат-модели Mistral на локальном кластере Mesh LLM, в том числе на нескольких машинах, если одной машине не хватает ресурсов. Mesh LLM предоставляет локальный API, совместимый с OpenAI Chat Completions. В репозитории указаны формат GGUF и вариант UD-Q4_K_XL; пакет включает отдельные артефакты для слоёв и общие данные модели. Архитектурные подробности, число параметров, контекст, языки и условия лицензии в предоставленных данных не приведены; за ними README отсылает к карточке исходной модели. Пакет рассчитан на локальный инференс, но требует Mesh LLM и оборудования, достаточного для распределённого запуска. Лицензионные условия следует сверить с карточкой исходной модели.

arcee-ai выпустила mistral-v2-sec-dolphin — объединение двух предварительно обученных языковых моделей, созданное с помощью mergekit методом SLERP: sec-mistral-7b-instruct-1.6-epoch от Arcee AI и dolphin-2.8-mistral-7b-v02 от Cognitive Computations. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате. Её можно применять для ответов на вопросы, ведения диалога и создания текста. Карточка не уточняет языки и специализированные предметные области, поэтому их нельзя конкретизировать. Репозиторий содержит веса Safetensors; метаданные указывают библиотеку Transformers. Условия лицензирования в предоставленных данных не приведены.

mrm8488 дообучил модель Sentence Transformers на базе nomic-ai/modernbert-embed-base на испанском наборе данных для оценки семантического сходства предложений. ModernBERT преобразует текстовые предложения и абзацы в плотные эмбеддинги размерностью 768; средний пулинг токенов и нормализация позволяют сравнивать векторы по косинусному сходству. Максимальная длина последовательности — 8192 токена, а Matryoshka-обучение поддерживает сокращённые представления размерностью 512, 256, 128 и 64. Модель подходит для семантического поиска, поиска перефразировок, сравнения предложений, кластеризации и классификации текста на испанском языке. README приводит результаты оценки сходства на STS-наборах, но не описывает проверку на других языках или предметных областях. Базовый репозиторий распространяется под лицензией Apache-2.0; для этой производной модели отдельная лицензия в предоставленных данных не указана.

OpenASR/moss-transcribe-diarize — модель MOSS-Transcribe-Diarize, разработанная командой OpenMOSS-Team и адаптированная OpenASR для локального запуска. Она объединяет автоматическое распознавание речи и диаризацию говорящих в одном проходе: формирует расшифровку, определяет говорящих и указывает временные интервалы их реплик. Модель предназначена для обработки аудиозаписей встреч, интервью, разговоров и других многоголосых сценариев, где важно понимать, кто и когда говорил. Модель содержит около 0,9 млрд параметров. Её архитектура сочетает аудиоэнкодер масштаба Whisper Medium, адаптер на базе MLP и LayerNorm и декодер масштаба Qwen3-0.6B. Основной фокус — китайский и английский языки; также заявлена поддержка ещё более 15 языков. Контекстное окно в README не указано. Для OpenASR доступны варианты fp16, q8_0 и q4_k в формате .oasr, позволяющие выбирать между качеством, размером и требованиями к памяти. Заявлены показатели 2,52% CER для китайского и 2,23% WER для английского на фиксированных оценочных наборах OpenASR. К сильным сторонам относятся совместная транскрипция и диаризация без отдельного конвейера, локальная работа на CPU и GPU без Python во время инференса и несколько уровней квантования. Ограничения включают отсутствие подробных данных о качестве на других языках и неуказанный контекст; приведённые метрики не следует автоматически распространять на любые аудиозаписи. Распространение выполняется по лицензии Apache-2.0, унаследованной от исходной модели; OpenASR выполняет конвертацию формата, квантование и адаптацию для локального инференса.

MotherEarth-1.15 — объединённая языковая модель от MotherEarth, созданная методом SLERP с помощью mergekit на основе MotherEarth/MotherEarth-Storm-1.0-8B и MotherEarth/Sauerkraut-Proverbs-8B. Модель построена на архитектуре Llama с плотной структурой и предназначена для генерации текста и диалогового общения. В репозитории указаны веса в формате safetensors; метаданные сообщают о 7,5 млрд параметров и контекстном окне до 131 072 токенов. Для запуска используется библиотека Transformers. Дата публикации — 22 сентября 2024 года. Лицензия в предоставленных данных не указана.

zelk12/MT4-Gen5-IB-gemma-2-9B — разговорная языковая модель на архитектуре Gemma 2, созданная объединением двух предварительно обученных моделей с помощью метода SLERP и mergekit. Модель содержит 9 млрд параметров, распространяется в формате safetensors и рассчитана на генерацию текста и диалоговое взаимодействие. Модель принимает текст и генерирует текст; её контекстное окно составляет 8192 токена. В карточке не заявлены специализированная предметная область или конкретные языки. Модель предназначена для диалоговых приложений и общих сценариев генерации текста. Лицензия в предоставленных данных не указана.

Narwhal-7b — языковая модель Vezora на архитектуре Llama, содержащая 6,6 млрд параметров. По карточке, это слияние Stable Beluga, MegaCoder, Wizard-Math и Llama Chat 7B; заявленные доли компонентов в описании противоречивы, поэтому точный состав слияния установить нельзя. Модель предназначена для генерации текста, ответов на вопросы и решения математических задач. В тестировании автор использовал шаблоны запросов Stable Beluga и Llama Chat и сообщает о лучших результатах с форматом Llama v2. Контекст модели — 2048 токенов; репозиторий содержит веса PyTorch. Автор предупреждает, что модель не предназначена для коммерческого использования из-за лицензий базовых моделей и происхождения части обучающих данных. Подробные результаты бенчмарков в карточке не приведены.

NbAiLab/nb-notram-llama-3.1-8b-instruct — языковая модель Национальной библиотеки Норвегии (NB-AiLab), дообученная на базе Meta Llama 3.1 8B Instruct. Это плотная авторегрессионная модель для генерации текста с диалоговым интерфейсом и интерфейсом вызова инструментов. Размер составляет около 7,5 млрд параметров, длина контекста — 131 072 токена. Модель дообучена следовать инструкциям и вести диалог на норвежском букмоле и нюнорске, сохраняя сильные возможности английского языка. Она предназначена для ассистентов и диалоговых систем, а также для суммаризации и ответов на вопросы. Настройка включает supervised fine-tuning и небольшой этап оптимизации предпочтений; ответы обычно краткие. Обучение использовало публично доступные и синтетически созданные данные. Модель может выдавать фактические ошибки и вымышленные сведения; знания о норвежской культуре и истории могут быть неравномерными и зависеть от формулировки запроса. Данные актуальны ориентировочно до мая 2024 года, а защитное выравнивание ограничено. Для применения вне экспериментов рекомендуется оценивать модель в целевом сценарии; без дополнительных мер контроля её не следует использовать в высокорисковых медицинских, юридических или финансовых задачах. Лицензия — Llama 3.1 Community License.

NeoMME-800M — мультиязычный мультимодальный энкодер, разработанный Hcompany и обученный с нуля. Текстовые токены и патчи изображений обрабатываются одним общим Transformer-энкодером без отдельного предварительно обученного vision-энкодера и авторегрессионной языковой модели. Модель содержит 1,1 млрд параметров, принимает текст и изображения и имеет контекст 16 384 токена. Это базовая энкодерная модель, которая возвращает контекстные представления токенов. Для поиска, классификации, извлечения информации и других прикладных задач её необходимо дообучить с подходящей целевой головой; для поиска по документам авторы рекомендуют NeoMME-800M-Retriever. Предварительное обучение проводилось на многоязычных текстах и визуально-текстовых данных, включая веб-тексты, код, математику, страницы документов, подписи к изображениям и синтетические OCR-данные. Модель доступна в формате Safetensors через Transformers по лицензии Apache-2.0. Комплексная оценка безопасности, смещений и конфиденциальности не проводилась.

NeuralBeagleJaskier — объединённая языковая модель на архитектуре Mistral, созданная с помощью LazyMergekit из mlabonne/NeuralBeagle14-7B и bardsai/jaskier-7b-dpo-v6.1. Веса объединены методом TIES; указаны нормализация и маска int8. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового общения. Она принимает текст и выдаёт текст; метаданные указывают поддержку чата. Данные о поддерживаемых языках и специализированных областях применения отсутствуют, поэтому её следует рассматривать как модель общего назначения. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

NeuralPipe-7B-slerp-v0.2 — объединённая методом SLERP языковая модель семейства Mistral, созданная путём слияния OpenPipe/mistral-ft-optimized-1227 и mlabonne/NeuralHermes-2.5-Mistral-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста; её можно использовать для продолжения запросов и создания текстовых ответов. В карточке указано нативное контекстное окно 32 768 токенов. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. README описывает конфигурацию слияния, но не приводит подробностей о языковом покрытии или специализированных предметных областях.

NeuralsirkrishnaShadow_ShadowYam — объединённая языковая модель на архитектуре Mistral, созданная путём слияния automerger/NeuralsirkrishnaShadow-7B и automerger/ShadowYam-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста; контекстное окно составляет до 32 768 токенов. Модель подходит для генерации продолжений и ответов по текстовым запросам. Репозиторий распространяет веса в формате Safetensors по лицензии Apache 2.0. README не сообщает о специализации по языкам или прикладным областям.

NeuralTrix-7B-v1 — объединённая языковая модель на основе Mistral, опубликованная CultriX. Она предназначена для генерации текста и диалогов. Модель создана методом DARE-TIES с помощью LazyMergekit из OmniBeagle-7B, MBX-7B-v3 и AiMaven-Prometheus; в конфигурации также указан mistralai/Mistral-7B-v0.1 как базовая модель. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и формат safetensors. Длина контекста — до 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0. README и метаданные не описывают специальные домены или отдельные языковые возможности.

OpenAI o4 Mini High — вариант модели рассуждений OpenAI o4-mini с параметром reasoning_effort, установленным на high. Это компактная модель семейства o-series, рассчитанная на быстрые и экономичные ответы с усиленным пошаговым рассуждением. В метаданных каталога для неё указана задача image-text-to-text. Модель предназначена для задач, где полезны рассуждение и работа с визуальным вводом и текстом. README сообщает, что это тот же вариант, что o4-mini, с повышенным уровнем reasoning effort; сведения об архитектуре, размере, контекстном окне, языках и условиях лицензии в предоставленных источниках отсутствуют.

Openchat-Passthrough-2 — объединённая языковая модель, созданная с помощью mergekit из openchat/openchat-3.5-1210 и openchat/openchat-3.5-0106. Это плотная авторегрессионная модель семейства Mistral с архитектурой MistralForCausalLM и 10,6 млрд параметров. Модель предназначена для генерации текста и диалогового общения. Она принимает текстовые запросы и выдаёт текстовые ответы; заявленная длина контекста составляет 8192 токена. Веса опубликованы в формате safetensors, конфигурация слияния использует bfloat16. Репозиторий распространяется по лицензии Apache-2.0. Карточка не сообщает о специализированных областях применения или об отдельных оценках качества этой версии.

OWSM-CTC v4 — открытая многоязычная речевая модель семейства Open Whisper-style Speech Model, разработанная авторами проекта OWSM и распространяемая через ESPnet. Это модель на основе энкодера с иерархическим многозадачным self-conditioned CTC; она выполняет распознавание речи, перевод речи и определение языка в одной нерекуррентной модели. Версия v4 обучалась три эпохи на 320 тысячах часов открытых аудиоданных. Модель предназначена для преобразования речи в текст и поддерживает обработку аудио с частотой 16 кГц. Для коротких записей ожидается фиксированная длительность 30 секунд с дополнением или усечением; для длинных записей ESPnet может разделять аудио на перекрывающиеся фрагменты. CTC-декодирование не предоставляет временные метки слов или сегментов. Для применения нужны ESPnet и espnet_model_zoo. Лицензия — CC BY 4.0.

pandafish-3-7B-32k — текстовая генеративная модель, созданная ichigoberry объединением нескольких моделей семейства Mistral с помощью LazyMergekit. В состав объединения входят mistralai/Mistral-7B-Instruct-v0.2, cognitivecomputations/dolphin-2.8-mistral-7b-v02 и Locutusque/Hercules-4.0-Mistral-v0.2-7B; метаданные также указывают alpindale/Mistral-7B-v0.2-hf как одну из базовых моделей. Это плотная авторегрессионная архитектура Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и ответов на инструкции в сценариях с длинным контекстом. Она принимает текст и выдаёт текст; сведения о поддерживаемых естественных языках и специализированных прикладных областях в карточке отсутствуют. Репозиторий содержит веса Safetensors, а лицензия — Apache-2.0. Карточка не приводит оценок качества или подробных ограничений, поэтому пригодность для конкретных задач следует проверять отдельно.

bunnycore/Phi-4-Stock-Ex — объединённая mergekit-модель на базе unsloth/phi-4, созданная методом Model Stock. В объединение вошли bunnycore/Phi-4-Stock-RP, bunnycore/Phi-4-Model-Stock и bunnycore/Phi-4-Sky-Lora, а также базовая модель unsloth/phi-4. Модель имеет плотную архитектуру LlamaForCausalLM с 14,1 млрд параметров и контекстом до 16 384 токенов. Модель предназначена для генерации текста и диалогов в формате system/user/assistant. Базовая Phi-4 рассчитана на англоязычную генерацию, рассуждения и код; README не уточняет, какие дополнительные сценарии или языки обеспечивает этот конкретный merge. Файлы представлены в формате safetensors, для работы используется Transformers. Лицензия в доступных данных не указана.

Qwen-14B-Chat-LLaMAfied — версия Qwen-14B-Chat от Alibaba Cloud, преобразованная под архитектуру LLaMA. Это плотная авторегрессионная модель с 13,4 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие. Она поддерживает китайский и английский языки и контекст до 8192 токенов. Модель можно использовать для чат-ответов и дообучения на последующих задачах; для тонкой настройки разработчики рекомендуют toolkit LLaMA-Factory. Репозиторий содержит веса в формате safetensors и предназначен для работы с библиотекой Transformers. В README указана лицензия Tongyi Qianwen License; перед использованием следует учитывать её условия.