I.14Автоматизация процессов и AI-агенты

bunnycore/LLama-3.1-8B-HyperNova — объединённая автором bunnycore языковая модель на архитектуре Llama 3.1. Она создана методом Model Stock с помощью mergekit из пяти моделей на базе Llama 3.1 8B, используя meta-llama/Meta-Llama-3.1-8B как базовую модель. Модель содержит 7,5 млрд параметров и принимает текст для генерации продолжений и ответов в диалоге; заявленная длина контекста — 131 072 токена. Модель предназначена для генерации текста и общения на естественном языке. Карточка не приводит отдельных оценок качества или подробных сведений о поддерживаемых языках. Файлы опубликованы в формате safetensors. Лицензия в предоставленных данных не указана.

Модель promotion/Llama-3.1-8B-NBPO-UltraFeedback-clean разработана на основе meta-llama/Llama-3.1-8B-Instruct и дообучена методом Nash Bargaining Preference Optimization (NBPO) на парах предпочтений из UltraFeedback. В этой версии обучающие пары отфильтрованы так, чтобы их запросы не пересекались с 698 оценочными запросами; после фильтрации осталось 34 026 пар по 5 671 запросу. Модель предназначена для диалоговой генерации текста с выполнением инструкций. Обучение ориентировано на следование инструкциям, правдивость, честность и полезность ответов. Основа — плотная архитектура Llama с 7,5 млрд параметров; заявленный контекст — до 131 072 токенов. Репозиторий использует Transformers и формат safetensors. В README описана исследовательская оценка на отложенных запросах UltraFeedback, но конкретные численные результаты для этой модели не приведены. Модель распространяется по лицензии Llama 3.1; применяются её условия использования.

Это языковая модель для генерации текста, представленная сообществом mlx-community. Она конвертирована в формат MLX из модели DavidAU/L3.2-8X4B-MOE-V2-Dark-Champion-Inst-21B-uncen-ablit с использованием mlx-lm версии 0.25.2 и предназначена для запуска через экосистему MLX. Модель относится к семейству Llama 3.2 и использует архитектуру mixture of experts с 8 экспертами, каждый из которых имеет размер 4B; общий заявленный размер составляет 21B параметров. В карточке также указаны контекст до 128k токенов, режим instruct, формат квантования Q_6 и поддержка текстовой генерации. Языки и мультимодальные возможности явно не указаны. Основные сценарии применения — диалоговая генерация и выполнение инструкций, включая запуск локально на совместимом оборудовании Apple через MLX. К сильным сторонам относятся разреженная MoE-архитектура, большой контекст и оптимизация для MLX. Ограничения включают отсутствие в карточке результатов тестирования, подробностей о фактических требованиях к памяти и перечня поддерживаемых языков; характеристики исходной модели не обязательно полностью описывают конвертированную версию. Лицензия в README не указана.

Llama-3-SauerkrautLM-70b-Instruct — диалоговая языковая модель, созданная VAGO Solutions совместно с Hyperspace.ai на основе Meta-Llama-3-70B-Instruct и настроенная с помощью DPO. Она предназначена для генерации ответов и ведения диалога на немецком и английском языках; в карточке приведены оценки на англоязычных и немецкоязычных тестах, включая MT-Bench и оценку RAG. Модель использует плотную архитектуру LlamaForCausalLM и содержит 69,5 млрд параметров. Контекст — до 8192 токенов. Доступны веса в формате safetensors. В README указана лицензия meta-llama, тогда как метаданные Hugging Face обозначают её как other; условия следует сверять с лицензией базовой модели и карточкой репозитория. Авторы предупреждают, что модель может выдавать неподходящий или неотфильтрованный контент и что её поведение не всегда будет уместным.

LlamaZero 3.1-8B — языковая модель для генерации текста, созданная sethuiyer путём слияния предварительно обученных моделей с помощью mergekit. Она основана на DeepSeek-R1-Distill-Llama-8B и Llama-3.1-8B-Experimental-1206-Instruct; архитектура — плотная Llama с классом LlamaForCausalLM, размер — около 7,5 млрд параметров. Модель предназначена для диалогового взаимодействия и генерации текста; в README приведены результаты оценки на бенчмарках IFEval и BBH. Метаданные указывают контекст до 131 072 токенов и поддержку чата. В репозитории используются веса safetensors. Лицензия в предоставленных данных не указана.

LLARA-pretrain — модель семейства LLaRA от BAAI, представленная в проекте LLARA. В карточке проекта описаны подходы EBAE (автоэнкодирование на основе эмбеддингов) и EBAR (авторегрессия на основе эмбеддингов). Это плотная причинно-языковая модель LlamaForCausalLM с 6,6 млрд параметров и контекстом до 4096 токенов. Модель предназначена для получения текстовых эмбеддингов и оценки сходства предложений; метаданные также указывают поддержку извлечения признаков и генерации текста. Её можно применять для поиска семантически близких фраз и построения эмбеддинговых представлений текста. Репозиторий содержит веса в формате safetensors. Лицензия — MIT.

LongCite-glm4-9b — диалоговая модель семейства ChatGLM от организации zai-org, предназначенная для генерации ответов с цитатами по длинным документам. Она дообучена на наборе THUDM/LongCite-45k и ориентирована на задачи LongCite: ответы на вопросы с подтверждающими цитатами из контекста. Модель содержит 10,7 млрд параметров, использует плотную архитектуру ChatGLM и принимает контекст длиной до 131 072 токенов. Репозиторий содержит веса в формате safetensors; для работы применяется библиотека Transformers. В карточке указаны английский и китайский языки. Лицензия в предоставленных данных не указана.

Luda Brain v2 — языковая модель семейства Mistral, дообученная roseball369 на базе unsloth/mistral-7b-bnb-4bit с использованием Unsloth и библиотеки TRL от Hugging Face. Модель предназначена для генерации текста и диалогового взаимодействия. Она содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов; доступны веса в форматах Safetensors и GGUF Q4_K_M. В метаданных указан английский язык. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, состав обучающих данных или результаты оценки качества, поэтому пригодность для конкретных предметных областей по имеющимся сведениям определить нельзя.

M7Yamshadowexperiment28_Experiment31Experiment29 — объединённая языковая модель на архитектуре Mistral, опубликованная MaziyarPanahi. Она предназначена для генерации текста и диалогов. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель создана слиянием automerger/M7Yamshadowexperiment28-7B и automerger/Experiment31Experiment29-7B. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает специализированные области применения или отдельные ограничения качества.

Magistral-Small-2506-bf16 — версия модели Magistral-Small-2506, подготовленная сообществом mlx-community для формата MLX. Это плотная авторегрессионная модель семейства Mistral с 23,4 млрд параметров, предназначенная для генерации текста и диалогового общения. Модель принимает текст и выдаёт текст; её контекстное окно составляет 32 768 токенов. В карточке указана поддержка множества языков, включая русский, английский, французский, немецкий, испанский, китайский и японский. Модель можно использовать для диалоговых интерфейсов, генерации и продолжения текста. Репозиторий содержит веса safetensors в формате MLX; README указывает на запуск через mlx-lm версии 0.25.2. Лицензия — Apache-2.0. Это преобразование базовой модели в другой формат, поэтому качество и поведение в основном определяются исходной Magistral-Small-2506, а практическое использование MLX ориентировано на совместимую среду.

MagpieLM-13.3B-Chat-v0.1 — диалоговая языковая модель на архитектуре Llama, созданная объединением моделей с помощью mergekit и метода passthrough. В README указан Magpie-Align/MagpieLM-8B-Chat-v0.1 как включённая в объединение модель; метаданные также указывают её как базовую дообученную модель. По карточке базовая MagpieLM предназначена для выполнения инструкций и генерации ответов на английском языке. Модель рассчитана на диалоговую генерацию текста и ответы на запросы. Она содержит 12,7 млрд параметров, поддерживает контекст до 131 072 токенов и работает с библиотекой Transformers; файлы представлены в формате safetensors. Лицензия в предоставленных данных не указана.

MAmmoTH2-7B-Plus — языковая модель TIGER-Lab для генерации ответов и диалогового общения с усиленными навыками рассуждения. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, дообученная на инструкциях, собранных из веб-корпуса, и дополнительно обученная на открытых наборах инструкций. Модель принимает текст и поддерживает контекст до 32 768 токенов. Модель рассчитана на решение математических задач, ответы на вопросы и общение в формате чат-бота. В README приводятся результаты оценки MAmmoTH2-7B на математических тестах и отмечается, что качество зависит от сложности и особенностей задачи; математические области охвачены не полностью. Эти цифры относятся к MAmmoTH2-7B, а не непосредственно к версии Plus. Модель распространяется по лицензии MIT.

Marcoroni-neural-chat-7B-v1-Mistral-7B-Instruct-v0.1 — объединённая чат-модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием Mistral-7B-Instruct-v0.1 и Marcoroni-neural-chat-7B-v1 методом SLERP; веса представлены в формате safetensors и типе bfloat16. Модель предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Карточка указывает контекст длиной до 32 768 токенов и английский язык. Модель подходит для чат-ботов, черновиков текстов и ответов на вопросы; фактическое качество зависит от запроса и сценария применения. Лицензия — Apache-2.0. Модель унаследовала ограничения базовых моделей; карточка не описывает отдельные оценки качества или специальные меры безопасности.

knkarthick/MEETING_SUMMARY — англоязычная модель суммаризации на архитектуре BART, дообученная на корпусе совещаний AMI, а также на наборах SAMSUM, DIALOGSUM и XSUM. Она предназначена для составления краткого содержания встреч и диалогов, а также для суммаризации текста. Модель содержит 252,8 млн параметров и рассчитана на входной контекст до 1024 токенов. Модель принимает текст и генерирует текстовое резюме. Веса доступны в форматах PyTorch, safetensors и TensorFlow. Лицензия — Apache-2.0.

MeliodasPercival_01_AlloyingotneoyYam — объединённая модель генерации текста на архитектуре Mistral, созданная слиянием automerger/MeliodasPercival_01-7B и automerger/AlloyingotneoyYam-7B. Модель содержит 7,1 млрд параметров и работает с контекстом до 32 768 токенов. Она предназначена для генерации текста и диалоговых сценариев. Веса опубликованы в формате safetensors; лицензия — Apache 2.0. Карточка не сообщает о специализированной предметной области или языковом профиле модели.

MeliodasPercival_01_Experiment27Shadow — объединённая модель Mistral с 7,1 млрд параметров, созданная на основе automerger/MeliodasPercival_01-7B и automerger/Experiment27Shadow-7B. Она предназначена для генерации текста и диалогов, принимает текстовые запросы и выдаёт текст. Контекстное окно составляет до 32 768 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README и метаданные не описывают специализацию по языкам или предметным областям, а также не приводят отдельные оценки качества.

MeliodasPercival_01_Experiment28Meliodas — объединённая модель генерации текста, созданная MaziyarPanahi на основе automerger/MeliodasPercival_01-7B и automerger/Experiment28Meliodas-7B. Она предназначена для генерации текста и диалогов; архитектура — Mistral с плотной моделью на 7,1 млрд параметров и контекстом до 32 768 токенов. Модель принимает текст и выдаёт текст. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

Это 7-миллиардная чат-модель Llama 2 от Meta, представленная в репозитории abhinavkulkarni в 4-битном формате AWQ с размером группы 128 для запуска через Hugging Face Transformers. Модель предназначена для генерации текста в диалоге и других сценариях работы с текстом; архитектура — плотная авторегрессионная LlamaForCausalLM, число параметров по метаданным — 6,6 млрд, контекст — до 4096 токенов. Карточка приводит оценку perplexity на wikitext для исходной и квантованной версии; значения у квантованной версии немного выше. Квантование AWQ уменьшает точность весов до 4 бит, что позволяет экономить память при запуске. В README указана проверка на CUDA 11.7 и требование к NVIDIA GPU с compute capability 8.0 или выше. Карточка не указывает лицензию, поэтому условия использования по имеющимся данным описать нельзя.

Карточка модели NostraEmpire/mirror-olmo-2-13b-instruct на Hugging Face совпадает с карточкой allenai/OLMo-2-1124-13B-Instruct, поэтому описание составлено по ней. OLMo-2-1124-13B-Instruct — разговорная языковая модель Allen Institute for AI (AI2), постобученная на основе OLMo-2 13B. Она прошла supervised fine-tuning на варианте набора Tülu 3 и обучение RLVR; метаданные указывают базовую модель allenai/OLMo-2-1124-13B-Instruct-RLVR2. Модель с плотной архитектурой OLMo 2 содержит 13,2 млрд параметров, использует Transformers и формат safetensors, а её контекст составляет 4096 токенов. Модель предназначена для диалогов и генерации текста, включая ответы на вопросы, следование инструкциям и решение математических задач. Обучение ориентировано преимущественно на английский язык и охватывает разнообразные задачи, включая MATH, GSM8K и IFEval. Модель распространяется по лицензии Apache 2.0. У OLMo-2 ограничено обучение безопасности; без дополнительной фильтрации она может выдавать проблемные ответы, особенно в ответ на соответствующие запросы. Для загрузки через Hugging Face README сообщает о необходимости установить Transformers из основной ветки.

MaziyarPanahi/Mistral-7B-Instruct-Aya-101 — дообученная диалоговая модель на архитектуре Mistral с 7,1 млрд параметров, основанная на mistralai/Mistral-7B-Instruct-v0.2. Она предназначена для генерации текста и ответов на инструкции в многоязычных диалоговых сценариях. Указанный для семейства базовой модели контекст составляет до 32 768 токенов; модель использует форматы PyTorch и Safetensors. В README приведён пример запуска через Transformers с задачей text-generation. В метаданных указан набор данных CohereForAI/aya_dataset и языковые теги, включая английский, арабский, хинди, японский, корейский и другие; README отдельно отмечает многоязычность. Для весов заявлена лицензия Apache-2.0. README не содержит результатов подробной оценки или описания известных ограничений, поэтому качество ответов на конкретных языках и типах задач по имеющимся данным оценить нельзя.

MaziyarPanahi опубликовал Mistral-7B-v0.2 — плотную авторегрессионную языковую модель семейства Mistral с 7,1 млрд параметров. По карточке это базовая предобученная модель; упомянутая в README версия Instruct является отдельной моделью, дообученной на её основе. Модель предназначена для генерации текста и может использоваться в приложениях, где нужно продолжать заданный текст или формировать ответы по текстовому запросу. Контекстное окно составляет 32 768 токенов; в версии v0.2 также изменён параметр RoPE theta и отсутствует Sliding-Window Attention. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не сообщает языковой состав обучения и конкретные показатели качества, поэтому пригодность для отдельных языков и задач следует оценивать на собственных данных.

Mistral-7B-v0.2 — плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, представленная в формате safetensors. Репозиторий mistral-community содержит конвертированный чекпойнт; README предупреждает, что он может быть устаревшим, и рекомендует использовать соответствующую версию из исходного репозитория. Для токенизатора может потребоваться файл tokenizer.model из Mistral-7B-Instruct-v0.2. Модель предназначена для генерации текста и может использоваться для продолжения текста, черновиков и ответов на текстовые запросы. Заявленная длина контекста — 32 768 токенов. Лицензия — Apache-2.0.

MonarchPipe-7B-slerp — текстовая генеративная модель на архитектуре Mistral, созданная сообществом ichigoberry путём слияния OpenPipe/mistral-ft-optimized-1227 и mlabonne/AlphaMonarch-7B с помощью LazyMergekit. Слияние выполнено методом SLERP; репозиторий содержит веса в формате Safetensors, размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для диалогов, следования инструкциям, ответов на вопросы и рассуждений в текстовом формате. В README приведены результаты бенчмарка Nous: средний балл MonarchPipe-7B-slerp составляет 58,77; таблица показывает результаты по AGIEval, GPT4All, TruthfulQA и Bigbench. Модель распространяется по лицензии CC BY-NC 2.0, которая ограничивает коммерческое использование. README не описывает отдельные языки или специальные прикладные области; их не следует считать подтверждёнными характеристиками модели.

Motif-3-Mixed-Quant-GGUF — независимая конверсия модели Motif-3 от Motif Technologies, разработанная Baekpica. Это GGUF-артефакт для генерации текста на английском и корейском языках, предназначенный для локального запуска полноразмерной модели на оборудовании с примерно 128 ГБ унифицированной памяти, включая NVIDIA DGX Spark. Релиз не является официальным продуктом Motif Technologies. Модель построена на архитектуре Mixture-of-Experts с 314,8 млрд параметров: 53 слоя, из которых 14 используют полный и 39 — SWA-вариант внимания GDLA. В каждой разреженной слоистой части сохранены все 384 маршрутизируемых эксперта с маршрутизацией top-8, а также общий эксперт; параметры не удалялись, эксперты и слои не отбрасывались. Применена смешанная квантизация, итоговый размер составляет 94,16 ГБ, или 87,70 GiB, в 11 файлах. Заявленный исходный предел контекста — 262 144 токена. Сильной стороной модели является сохранение полной топологии и возможность запуска на ограниченном по памяти оборудовании. Для ds4-dfm заявлена проверка работы с контекстом до 262 080 токенов на одном DGX Spark, включая многооконный режим, а также поддержка OpenAI- и Anthropic-совместимых серверных интерфейсов, инструментов, непрерывной пакетной обработки и retrieval-сценариев. При этом приведённые тесты подтверждают главным образом загрузку и серверное выполнение; качество ответов в README не оценивалось, а результаты зависят от конкретного оборудования, runtime и режима контекста. Лицензия модели — MIT.

zelk12/MT4-BMM-gemma-2-9B — объединённая диалоговая языковая модель на архитектуре Gemma 2, созданная методом SLERP из двух моделей Gemma 2. Модель содержит 9 млрд параметров, рассчитана на генерацию текста и ответы в диалоге; для работы используется библиотека Transformers. Нативная длина контекста — 8192 токена. Модель принимает текст и выдаёт текст. Она может служить основой для чат-ботов и генерации ответов на запросы. В README указано, что веса объединены с помощью mergekit; лицензия в предоставленных данных не указана.

zelk12/MT-GP-gemma-2-RAt0.75v0.1RAv0.1-9B — слияние двух предварительно обученных языковых моделей Gemma 2, созданное с помощью mergekit методом SLERP. Модель имеет плотную архитектуру Gemma2ForCausalLM и 9 млрд параметров; веса представлены в safetensors. В метаданных указана поддержка диалогового режима, генерации текста и контекст длиной до 8192 токенов. Модель подходит для диалогов, выполнения инструкций и генерации текста. README указывает только способ слияния и исходные модели, поэтому более узкие специализации и подтверждённые преимущества не заявлены. Лицензия в предоставленных сведениях не указана.

zelk12/MT-Merge1-gemma-2-9B — объединённая разговорная языковая модель на 9 млрд параметров, созданная с помощью mergekit методом SLERP из zelk12/MT5-Gen1-MMGBI-gemma-2-9B и zelk12/MT-Merge1-MAMU-gemma-2-9B. Модель построена на архитектуре Gemma 2 с причинной языковой моделью Gemma2ForCausalLM и предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст; нативный контекст составляет 8192 токена. В карточке приведены результаты Open LLM Leaderboard: среднее значение 33,13, IFEval — 78,86 и BBH — 44,06. Модель распространяется в формате safetensors и использует библиотеку Transformers. Лицензия и специальные языковые ограничения в предоставленных данных не указаны.

NB-Whisper Base — модель автоматического распознавания речи от NB AI-Lab Национальной библиотеки Норвегии. Она основана на openai/whisper-base и дообучена для работы с норвежской речью, включая букмол и нюнорск, а также с английским языком. В метаданных указано 51,7 млн параметров; карточка описывает семейство NB-Whisper и сообщает, что модели серии обучались на корпусе из 66 000 часов речи. Модель предназначена для расшифровки аудио и может использоваться для транскрипции длинных записей, получения временных меток слов и предложений, а также перевода речи на английский. Для длинного аудио карточка рекомендует обработку фрагментами; увеличение beam size может повысить точность ценой скорости и памяти. Модель доступна для использования через Transformers, также описана конверсия в формат Whisper.cpp. Лицензия — Apache 2.0. Распознавание других языков и качество на шумных или специализированных записях не подтверждены приведёнными данными.

NeuralsirkrishnaShadow_Experiment26Alloyingotneoy — объединённая модель генерации текста на базе архитектуры Mistral, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment26Alloyingotneoy-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста по текстовому запросу и работы со сценариями, где полезен длинный контекст. Весы опубликованы в формате safetensors, лицензия — Apache 2.0.

NeuralsirkrishnaShadow_Multi_verse_modelM7 — объединённая текстовая модель на архитектуре Mistral, созданная слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/Multi_verse_modelM7-7B. Модель содержит 7,1 млрд параметров и принимает текст для генерации продолжений и диалоговых ответов; максимальный контекст составляет 32 768 токенов. Модель распространяется в формате Safetensors по лицензии Apache-2.0. В карточке не описаны целевые языки, специальные предметные области или отдельные ограничения качества, поэтому она подходит для общих сценариев генерации текста.