I.14Автоматизация процессов и AI-агенты

FalconMind3B — языковая модель генерации текста, разработанная Faris Allafi и дообученная на основе tiiuae/Falcon3-3B-Instruct с помощью PEFT/LoRA на платформе Hugging Face AutoTrain. Модель предназначена для пошагового рассуждения и структурированных ответов на вопросы, решения задач и объяснения кода. Модель использует плотную архитектуру семейства Llama с причинным языковым моделированием, содержит 2,8 млрд параметров и поддерживает контекст до 32 768 токенов. В карточке заявлен английский язык; базовая модель также ориентирована на французский, испанский и португальский. Распространяется по лицензии Apache 2.0. Дообучение использует синтетические данные, которые могут вносить смещения и снижать обобщающую способность. Надёжность следует проверять на целевых задачах; для решений с высокими ставками модель требует особой проверки.

flammenai/flammen9X-mistral-7B — объединённая языковая модель, созданная с помощью mergekit из flammen9-mistral-7B и Transcendental-Maidphin-7B методом SLERP. Это плотная Mistral-модель с архитектурой MistralForCausalLM и 7,1 млрд параметров; она предназначена для генерации текста и диалогов, а максимальная длина контекста составляет 32 768 токенов. Модель распространяется в формате safetensors и использует библиотеку Transformers. Модель принимает текст и генерирует текст. Карточка не уточняет языковую специализацию или конкретные области применения. Лицензия — Apache-2.0.

unsloth/gemma-2-9b — 9-миллиардная плотная языковая модель семейства Gemma 2 от Google, опубликованная Unsloth в формате safetensors с 4-битной квантизацией bitsandbytes. Модель предназначена для генерации текста; карточка демонстрирует сценарии разговорного общения с шаблонами ShareGPT ChatML и Vicuna, а также продолжения необработанного текста. Контекст модели составляет 8192 токена. В README Unsloth также предлагает использовать Gemma 2 (9B) для дообучения и приводит ноутбуки для Colab, включая сценарии DPO; это описывает рабочий процесс дообучения, а не подтверждает, что данный репозиторий уже дообучен. Метаданные указывают английский язык. Лицензия — Gemma. Карточка описывает 4-битную квантизованную сборку и приводит заявленные Unsloth ускорение и экономию памяти при дообучении, но не содержит независимой оценки качества модели.

GenZ-13B v2 — авторегрессионная языковая модель Bud Ecosystem на архитектуре Llama, дообученная методом supervised fine-tuning на основе Llama 2 13B. Модель содержит около 12,9 млрд параметров, работает через библиотеку Transformers и принимает текстовые запросы, чтобы генерировать ответы и продолжения текста. Контекст — до 4096 токенов. Модель предназначена для диалогового использования и генерации кода, стихотворений, писем и других текстов по запросу. README сообщает об улучшении результатов оценки относительно версии v1 и описывает варианты GenZ с квантованием для более доступного запуска, однако сведения о качестве отдельных задач и составе обучающих данных ограничены. Модель выпущена под пользовательской коммерческой лицензией; условия следует сверить с лицензией Meta, указанной разработчиком.

CreitinGameplays/GLM-4.7-Flash-Fable-5-Distill — дообученная диалоговая текстовая модель на базе unsloth/GLM-4.7-Flash. Она предназначена для генерации ответов в чате; карточка также приводит параметры генерации top_k 40, temperature 0.5 и top_p 0.95. Архитектура указана как GLM4 MoE Lite с классом Glm4MoeLiteForCausalLM; размер — 4,1 млрд параметров, формат весов — safetensors, длина контекста — 202 752 токена. Для дообучения перечислены наборы данных TeichAI/Fable-5-Cursor-Traces и armand0e/Fable-5-Chat. Модель опубликована под лицензией Apache-2.0. README отмечает необходимость принудительно задавать специальный токен в шаблоне чата, но название токена в доступном тексте карточки отсутствует.

GPT4-x-Vicuna-13b-fp16 — дообученная Nous Research языковая модель на архитектуре LLaMA с 12,9 млрд параметров. Она предназначена для генерации текста и выполнения инструкций в формате Alpaca: запрос помещается после «### Instruction:», а ответ начинается после «### Response:». Модель дообучена на наборах GPTeacher, Roleplay v2, GPT-4-LLM Uncensored, WizardLM Uncensored и Nous Research Instruct Dataset; в карточке указано около 180 тысяч инструкций, созданных GPT-4 и очищенных от отказных формулировок. Обучение проводилось пять эпох на восьми ускорителях A100-80GB. Контекст составляет 2048 токенов. Репозиторий содержит веса PyTorch, лицензия указана как GPL. Модель подходит для ответов на инструкции и ролевого диалога. Карточка предупреждает, что в базовой модели сохраняются ограничения OpenAI; поведение и качество могут зависеть от формулировки запроса. Данные о поддерживаемых естественных языках в карточке не приведены.

mlx-community/granite-4.1-30b-bf16 — конверсия в формат MLX модели Granite 4.1 30B, разработанной IBM. Это плотная языковая модель с архитектурой GraniteForCausalLM и 28,9 млрд параметров, предназначенная для диалогов и генерации текста; каталог также отмечает возможность чата. Модель принимает текст и выдаёт текст, а заявленная длина контекста составляет 131 072 токена. Репозиторий подготовлен сообществом mlx-community для запуска через библиотеку MLX на устройствах Apple. Лицензия Apache-2.0 разрешает использование на её условиях. README указывает на конверсию исходной модели ibm-granite/granite-4.1-30b в MLX; метаданные содержат формат safetensors и связь с базовой моделью.

GujaratiSBERT — модель L3Cube-Pune для получения векторных представлений предложений на гуджарати. Она основана на GujaratiBERT и дообучена на наборе данных NLI; архитектура — BERT с плотными эмбеддингами, размер модели составляет 264,8 млн параметров. Модель предназначена для поиска похожих предложений и других сценариев сравнения текстов; в README приведён пример кодирования предложений в эмбеддинги с помощью sentence-transformers или Transformers и mean pooling. Модель принимает текст на гуджарати и выдаёт векторные представления. Максимальная длина контекста — 512 токенов. Лицензия — CC BY 4.0. README отмечает, что существует более качественная версия для сходства предложений, дообученная на основе этой модели.

iLLaDA-8B-Instruct — диалоговая языковая модель семейства iLLaDA от GSAI-ML, построенная на плотной архитектуре с полностью двунаправленным masked diffusion. Модель примерно на 7,6 млрд параметров обучена с нуля на 12 трлн токенов предобучения; доступна в формате safetensors и рассчитана на контекст до 8192 токенов. Модель предназначена для генерации текста в диалогах, а также поддерживает генерацию переменной длины и оценивание вариантов ответа по уверенности, например в тестах с выбором ответа. В README приведены результаты бенчмарков instruct-модели, включая MMLU и MMLU-Pro. Для запуска используется библиотека Transformers. Модель принимает текст и генерирует текст. В метаданных указана лицензия Apache-2.0. Результаты бенчмарков сами по себе не гарантируют точность в конкретных прикладных сценариях; README отсылает за кодом инференса и оценки к репозиторию LLaDA.

KangalKhan-Ruby-7B — объединённая модель на основе Mistral 7B, созданная автором репозитория с помощью LazyMergekit из argilla/CapybaraHermes-2.5-Mistral-7B и argilla/distilabeled-OpenHermes-2.5-Mistral-7B. Она предназначена для диалогов и генерации текста; в карточке рекомендован формат общения ChatML. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Модель принимает текстовые запросы и генерирует текстовые ответы на английском языке. В README приведены результаты Open LLM Leaderboard, включая средний балл 68,68, но не раскрыты все метрики. Для репозитория указана лицензия Apache-2.0. Автор отмечает, что некоторые сторонние варианты GGUF могут изредка выдавать опечатки; это замечание относится к указанным вариантам GGUF, а не обязательно к версии в формате safetensors.

KannadaSBERT-STS — модель L3Cube-Pune для сопоставления смысловой близости предложений на каннада. Это плотная модель на архитектуре BERT, созданная дообучением l3cube-pune/kannada-sentence-bert-nli на датасете STS. Она формирует векторные представления предложений, которые можно использовать для оценки семантического сходства, поиска похожих фраз и построения систем поиска по смыслу. Модель относится к проекту MahaNLP; для использования доступны веса PyTorch и интеграция с Sentence-Transformers или Hugging Face Transformers с подходящим pooling. Модель содержит 264,8 млн параметров и принимает последовательности длиной до 512 токенов. Поддерживает каннада; лицензия — Creative Commons Attribution 4.0 (CC BY 4.0).

Karen_TheEditor_V2_STRICT_Mistral_7B-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на архитектуре MistralForCausalLM с 7,1 млрд параметров. Это слияние методом SLERP модели mistralai/Mistral-7B-Instruct-v0.2 и FPHam/Karen_TheEditor_V2_STRICT_Mistral_7B; в README приведена конфигурация mergekit и формат весов bfloat16, а в репозитории указаны файлы safetensors. Модель предназначена для генерации текста и ответов в диалоге по инструкциям. Контекст составляет до 32 768 токенов. В карточке не описаны специальные области применения или языки, поэтому модель следует рассматривать как универсальную текстовую модель на базе Mistral. Модель выпущена под лицензией Apache-2.0. Карточка не содержит результатов оценивания качества или подробных сведений о поведении слияния; качество и следование инструкциям могут отличаться от исходной Mistral-7B-Instruct-v0.2.

Это Sentence Transformer на основе корейской модели klue/roberta-base, дообученный для представления предложений и абзацев в виде плотных векторов размерности 768. Архитектура включает RoBERTa с усреднением токенных представлений; сходство векторов оценивается косинусной мерой. Модель содержит 137,8 млн параметров и принимает последовательности длиной до 514 токенов по метаданным (в карточке указано 512). Модель предназначена прежде всего для оценки семантического сходства текстов. Её можно применять для семантического поиска, поиска перефразировок, кластеризации и классификации текстов на корейском языке. В README приведены результаты оценки сходства, однако отдельные наборы данных и контекст метрик описаны неполно. Модель распространяется в формате Safetensors и использует библиотеку Sentence Transformers. Условия лицензии в предоставленных сведениях не указаны.

pjh6818 выпустил Sentence Transformers модель на основе klue/roberta-base, дообученную для сопоставления предложений. Архитектура включает RoBERTa и mean pooling; модель преобразует текст в плотные векторы размерности 768, а сходство оценивается косинусной мерой. Размер модели — 137,8 млн параметров, максимальная длина последовательности — 512 токенов по README и 514 токенов в метаданных. Модель предназначена прежде всего для оценки семантического сходства корейских текстов. Её также можно применять для семантического поиска, поиска перефразировок, кластеризации и классификации текста на основе эмбеддингов. Базовая модель klue/roberta-base предварительно обучена для понимания корейского текста. В README приведены результаты оценки сходства, но они зависят от набора данных и не гарантируют такое же качество в других сценариях. Лицензия в предоставленных данных не указана.

daekeun-ml/KoSimCSE-unsupervised-roberta-large — модель эмбеддингов предложений на основе RoBERTa large и метода SimCSE, опубликованная разработчиком daekeun-ml. Она обучена без размеченных пар предложений с помощью контрастивного обучения и предназначена для получения векторных представлений корейского текста. Эмбеддинги можно использовать для поиска семантически близких предложений и оценки сходства по косинусному или другим расстояниям. В README приведены результаты на корейских наборах KLUE-STS и Kor-STS: средние показатели для большой несупервизируемой модели составляют 81,96 и 81,71 соответственно. В руководстве по обучению рекомендована максимальная длина последовательности 32 токена; эти параметры описывают эксперимент обучения и не гарантируют качество для других данных. Модель опубликована в формате Safetensors под лицензией MIT. README также описывает учебный код для самостоятельного обучения SimCSE, включая supervised и distributed варианты.

L3.1-70b-MeowMix2 — объединённая модель семейства Llama 3.1, созданная KaraKaraWarehouse с помощью LazyMergekit на Runpod. Она предназначена для генерации текста и диалогов в формате Llama 3 Instruct. В состав слияния входят Tess-3-Llama-3.1-70B, Llama-3.1-70B-EZO-1.1-it, Llama3.1-70B-Chinese-Chat и Linkbricks-Horizon-AI-Korean-llama3.1-sft-dpo-70B. Модель имеет плотную архитектуру LlamaForCausalLM и 69,5 млрд параметров; заявленный контекст — до 131 072 токенов. Вход и выход — текст. Компоненты слияния ориентированы на английский, китайский и корейский диалоги, однако отдельные языковые гарантии для итоговой модели не приведены. Формат весов — safetensors. Лицензия в предоставленных данных не указана.

lambda-qwen2.5-32b-dpo-test — дообученная компанией tanliboy версия инструктивной языковой модели Qwen/Qwen2.5-32B-Instruct. Это плотная авторегрессионная модель семейства Qwen2 с 32 млрд параметров; она предназначена для диалоговой генерации текста и следует инструкциям. Поддерживает контекст длиной до 32 768 токенов и работает через библиотеку Transformers. Модель обучена методом DPO на наборе tanliboy/orca_dpo_pairs. В README приведены метрики оценки на тестовом наборе, но подробности о сценариях применения, языковом составе и качестве результатов не раскрыты. Метаданные указывают на интерфейс вызова инструментов; базовая модель рассчитана на программирование, математику и структурированные ответы. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. Название с пометкой test и ограниченные сведения о проверке качества не позволяют считать результат подтверждённым для конкретного рабочего сценария.

Laser-WestLake-2x7B — языковая модель для генерации текста, созданная macadeliccc путём слияния cognitivecomputations/WestLake-7B-v2-laser и SanjiWatsuki/Kunoichi-DPO-v2-7B. В README указано, что WestLake-7B-v2-laser выступает базовой моделью и одним из экспертов при слиянии. Модель использует архитектуру Mixtral с разреженной экспертной структурой (MoE), содержит около 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для диалогов и других задач генерации текста; README указывает формат ChatML и предлагает использовать её так же, как исходную WestLake-7B. В карточке приведены результаты бенчмарков, включая средний балл 74,00 в Open LLM Leaderboard. Поддержка русского или других конкретных естественных языков отдельно не описана. Модель опубликована в формате Safetensors и распространяется по лицензии Apache-2.0.

unsloth/LFM2-350M-GGUF — GGUF-квантизированная версия модели LFM2-350M, разработанной Liquid AI и подготовленной Unsloth. Это компактная гибридная языковая модель для генерации текста и локального развертывания на периферийных устройствах: смартфонах, ноутбуках и автомобилях. Она рассчитана на работу на CPU, GPU и NPU, а также на сценарии с ограниченными ресурсами. Модель содержит около 354,5 млн параметров, 16 слоёв, включая 10 сверточных и 6 attention-слоёв, поддерживает контекст до 32 768 токенов и словарь из 65 536 токенов. Архитектура использует multiplicative gates и короткие свёртки. Поддерживаются английский, арабский, китайский, французский, немецкий, японский, корейский и испанский языки. Модель предназначена для agentic-задач, извлечения данных, RAG, творческого письма и многошаговых диалогов; для узких прикладных сценариев рекомендуется дообучение. К сильным сторонам относятся высокая скорость обучения и инференса, эффективность по памяти и гибкость аппаратного развертывания. Ограничения связаны с небольшим размером: модель не рекомендуется для задач, требующих обширных знаний или программирования. Для llama.cpp в README указано использовать chat template через параметр --jinja. Лицензия — LFM Open License v1.0.

LinguaMatic-Tiny — компактная языковая модель семейства Llama, разработанная erfanzar и дообученная на пользовательской версии UltraChat с помощью EasyDel на TPU-v4. Это авторегрессионная плотная модель с 1 млрд параметров и контекстом 2048 токенов; она генерирует текст и использует формат диалога в стиле Llama 2 с системным промптом и историей сообщений. Модель предназначена для диалогов и широкого круга языковых задач, включая ответы на вопросы, классификацию текста, анализ тональности и перевод. В метаданных также отмечена работа с кодом. Языки, указанные в карточке: английский, французский и испанский. Для качественных ответов README рекомендует формулировать системные промпты точнее; заявленные возможности не сопровождаются оценками качества. Лицензия в предоставленных данных не указана.

Llama 2 13B Chat — диалоговая языковая модель, разработанная Meta и представленная в формате Hugging Face Transformers. Это плотная авторегрессионная модель на архитектуре оптимизированного Transformer с 12,9 млрд параметров; она принимает текст и генерирует текст, а контекстное окно составляет 4096 токенов. Версия Chat настроена для диалогов с помощью supervised fine-tuning и обучения с подкреплением на основе человеческой обратной связи. Модель предназначена для англоязычных диалогов с помощником и генерации ответов. Для ожидаемого поведения следует использовать формат диалога Llama 2 с маркерами инструкций и специальными токенами. Модель может выдавать неточные, предвзятые или нежелательные ответы; перед применением требуется оценка безопасности для конкретного сценария. Использование регулируется лицензией Meta Llama 2, для скачивания весов требуется принять её условия.

Это чат-модель Llama 2 Chat на 13 млрд параметров, разработанная Meta и размещённая в формате Transformers с весами PyTorch. Репозиторий содержит копию meta-llama/Llama-2-13b-chat-hf с весами, разбитыми на части для загрузки. Архитектура — плотный авторегрессионный трансформер LlamaForCausalLM; контекст — до 4096 токенов. Модель принимает текст и генерирует текст. Модель оптимизирована для диалогов в формате помощника: она может отвечать на вопросы, вести беседу и выполнять текстовые инструкции. Для ожидаемого поведения чат-варианту требуется форматирование запросов с маркерами инструкций и специальными токенами. В карточке указано назначение для английского языка; применение на других языках исключено из заявленного сценария. Модель дообучена с учителем и с использованием обучения с подкреплением на основе отзывов людей для повышения полезности и безопасности. Использование регулируется специальной коммерческой лицензией Meta: перед загрузкой весов необходимо принять условия лицензии. Возможны неточные, предвзятые или нежелательные ответы; перед внедрением нужны проверки и настройка безопасности для конкретного применения.

giux78/llama3-8B-usenet-merged — текстовая генеративная модель на архитектуре Llama, опубликованная пользователем giux78 на Hugging Face. По названию репозитория она связана с Usenet и представляет собой объединённую модель, однако карточка не раскрывает состав объединения, разработчика исходных моделей или точное назначение для конкретных тематик. Модель содержит около 7,5 млрд параметров, использует библиотеку Transformers и формат safetensors; заявленный контекст — 8192 токена. Предусмотрен диалоговый режим. Модель принимает текстовые запросы и генерирует текст, в том числе ответы в формате чата. Карточка не сообщает поддерживаемые языки, оценку качества, обучающие данные или конкретные ограничения. Лицензия в карточке не указана.

Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

Loquace-7B-Mistral — италоязычная языковая модель с настройкой на выполнение инструкций, созданная Cosimo Iaia на основе Mistral-7B-Instruct. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов; опубликованные веса представлены в формате safetensors. Для дообучения применялся QLoRA на наборе Loquace-102k. Модель предназначена для ответов на инструкции и вопросы на итальянском языке, в том числе в сценариях генерации с поиском по документам (RAG). Автор отмечает хорошее следование итальянским инструкциям и восприимчивость к prompt engineering. Лицензия — Apache-2.0. Модель может ошибаться, выдавать бессмысленные или фактически неверные ответы, а также испытывать трудности со сложными, неоднозначными и плохо сформулированными запросами; результаты следует проверять.

Luxe_4B — плотная языковая модель семейства Llama от FourOhFour, созданная при участии участников Anthracite. Это производная модели Minitron: она прошла восстановительное дообучение и настройку для следования инструкциям на 70 млн качественных токенов. Модель предназначена для работы в роли универсального помощника и для ролевых диалогов. Модель содержит 3,9 млрд параметров, поддерживает контекст до 131 072 токенов и распространяется в формате Safetensors для Transformers. В README указано, что обучение проходило с контекстом 8 тыс. токенов; целевой контекст из метаданных больше. В карточке заявлен английский язык. Лицензия — Apache-2.0.

M7Alloyingotneoy-7B — объединённая языковая модель на архитектуре Mistral, опубликованная как автоматическое слияние Maxime Labonne. В конфигурации использованы liminerity/M7-7b и nlpguy/AlloyIngotNeoY; применён метод DARE-TIES с параметрами плотности и веса для второй модели. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и может использоваться в сценариях продолжения текста и диалогового взаимодействия. Репозиторий содержит веса в формате Safetensors, лицензия — Apache-2.0. Метаданные указывают nlpguy/AlloyIngotNeoY как дообученную базовую модель; сама карточка описывает модель как слияние двух чекпойнтов.

M7Yamshadowexperiment28_T3qT3qm7 — объединённая языковая модель на архитектуре Mistral, созданная из automerger/M7Yamshadowexperiment28-7B и automerger/T3qT3qm7-7B. Модель содержит 7,1 млрд параметров и принимает текст для авторегрессионной генерации текста; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалога. По описанию базовой модели, она также подходит для ответов на математические запросы. Данных о специальной отраслевой настройке или поддерживаемых языках нет. Весовые файлы представлены в формате safetensors. Лицензия — Apache-2.0. Качество ответов может различаться в зависимости от запроса; подтверждённых сведений о точности и специальных ограничениях в карточке нет.

MachiNoDolphin-Qwen2.5-72b — слитая с помощью mergekit методом TIES языковая модель на базе Qwen2.5-72B. В объединение вошли SteyrCannon-0.2-Qwen2.5-72b, banana-2-b-72b, shuttle-3, Evathene-v1.0 и Chronos-Platinum-72B. Модель содержит 71,5 млрд параметров, построена на плотной архитектуре Qwen2 и поддерживает контекст до 131 072 токенов. Модель предназначена для диалогов и генерации текста; для общения используется формат ChatML. По описанию автора, она в основном допускает свободные ответы, хотя иногда может отказывать на отдельные запросы. Метаданные указывают поддержку английского, русского, китайского, японского и ряда других языков. Автор рекомендует экспериментальные настройки генерации с высокой температурой, поэтому результат может зависеть от параметров декодирования. Модель распространяется в формате safetensors; сведения о лицензии в предоставленных данных отсутствуют.

MasriSwitch-Gemma3n-Transcriber-v1 — модель автоматического распознавания речи, разработанная oddadmix на архитектуре условной генерации Gemma 3n и дообученная на египетском арабском и речи с переключением между арабским и английским. Она предназначена для преобразования коротких и средних аудиозаписей в текст, в том числе голосовых заметок, звонков поддержки, встреч, интервью и материалов для соцсетей. В карточке указаны датасет арабско-английской речи с переключением языков и частный набор разговорных египетских записей. Модель принимает аудио и выдаёт текст; форматы весов — safetensors. Лицензия — Apache-2.0. Модель ориентирована на египетский диалект и естественное переключение арабского и английского в одной фразе. Для длинных записей рекомендуется разбивать аудио на отрезки примерно по 20–30 секунд. Лучше всего работает с чистой речью одного говорящего; качество может снижаться при сильном шуме, одновременной речи и быстром темпе. Она не оптимизирована для диалектов Персидского залива и Леванта или только литературного арабского; транскрипции чувствительных записей требуют осторожного обращения и проверки человеком.