I.3Извлечение и структурирование данных

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_NeuralsirkrishnaT3qm7x — объединённая языковая модель семейства Mistral, созданная слиянием automerger/M7Yamshadowexperiment28-7B и automerger/NeuralsirkrishnaT3qm7x-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и распространяется в формате Safetensors. Модель предназначена для генерации текста и диалогов, принимает текстовые запросы и формирует текстовые ответы. Размер контекста составляет до 32 768 токенов. В карточке не приведены сведения о специализации на конкретных языках или прикладных областях. Модель опубликована 7 апреля 2024 года под лицензией Apache-2.0. Карточка не сообщает результатов оценки качества или ограничений, специфичных для этого слияния.

M7Yamshadowexperiment28_ShadowT3q — объединённая модель генерации текста на архитектуре Mistral, созданная из automerger/M7Yamshadowexperiment28-7B и automerger/ShadowT3q-7B. Она предназначена для генерации ответов на текстовые запросы; базовая модель ShadowT3q-7B также описана как модель для математических задач. Модель содержит 7,1 млрд параметров, принимает текст и выдаёт текст, её контекстное окно составляет 32 768 токенов. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. Языковая специализация и отдельные результаты оценки в карточке не описаны.

MaziyarPanahi/M7Yamshadowexperiment28_T3qExperiment26 — объединённая модель на архитектуре Mistral для генерации текста. Она создана путём слияния automerger/M7Yamshadowexperiment28-7B и automerger/T3qExperiment26-7B. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Её можно использовать для генерации продолжений, ответов и других текстов. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0.

MaziyarPanahi/M7Yamshadowexperiment28_T3qM7 — объединённая модель генерации текста на архитектуре Mistral с 7,1 млрд параметров. В README указано, что она объединяет automerger/M7Yamshadowexperiment28-7B и automerger/T3qM7-7B. Модель предназначена для генерации текста и диалога; поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Лицензия модели — Apache-2.0. В README и метаданных нет сведений о целевых языках, специализированных областях или дополнительных возможностях, поэтому область применения описывается как общая генерация текста.

MasherAI-7B-v6.1-final — дообученная разработчиком mahiatlinux языковая модель семейства Mistral с плотной архитектурой для генерации текста и диалогового взаимодействия. Она основана на mahiatlinux/MasherAI-v6.1-7B-checkpoint3-code4 и обучалась с использованием Unsloth и библиотеки Hugging Face TRL. Модель содержит 7,1 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. В карточке указан английский язык. Репозиторий распространяется в формате PyTorch по лицензии Apache-2.0.

Maverick-v3.0 — объединённая языковая модель на архитектуре Mistral, созданная автором репозитория с помощью mergekit. В качестве базовой модели использована Mistral-7B-Instruct-v0.2; в объединение также вошли Mistroll-7B-v2.2 и multi_verse_model. Модель предназначена для генерации текста и диалогового общения. Она содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0. Карточка не уточняет целевые языки, специализированные области или результаты оценки качества. Возможности модели следует рассматривать как общие для генерации текста и чата; специализированные сценарии по имеющимся данным подтвердить нельзя.

MeliodasPercival_01_Experiment24Shadow — объединённая разработчиком MaziyarPanahi модель для генерации текста и диалогов. Она основана на двух моделях: automerger/MeliodasPercival_01-7B и automerger/Experiment24Shadow-7B. Модель использует плотную архитектуру Mistral с 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache 2.0.

MaziyarPanahi/MeliodasPercival_01_Strangemerges_32M7 — объединённая автором модель на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием automerger/MeliodasPercival_01-7B и automerger/Strangemerges_32M7-7B. Модель предназначена для генерации текста и диалогов. Она принимает текст и поддерживает контекст длиной до 32 768 токенов; в репозитории веса представлены в формате safetensors. Данных о специализации на конкретных языках или областях применения в карточке нет. Модель распространяется по лицензии Apache-2.0. Карточка не описывает результаты оценки качества и конкретные ограничения, поэтому пригодность для определённых сценариев следует проверять самостоятельно.

MeliodasPercival_01_T3qExperiment26 — объединённая модель для генерации текста, созданная из automerger/MeliodasPercival_01-7B и automerger/T3qExperiment26-7B. Она использует плотную архитектуру Mistral с причинно-языковой моделью MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста с контекстом до 32 768 токенов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

bartowski/meta-llama_Llama-4-Scout-17B-16E-Instruct-old-GGUF — это квантованная версия инструкционно дообученной модели Llama 4 Scout, разработанной Meta и подготовленной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста и выполнения пользовательских инструкций; конкретные прикладные сценарии в README не перечислены. Из доступных данных известны обозначения 17B и 16E в названии модели, а также принадлежность к семейству Llama 4 Scout. Модель относится к классу text-generation, однако сведения о точной архитектуре, размере контекста, поддерживаемых языках, модальностях, вариантах квантования и требованиях к ресурсам отсутствуют. К потенциальным сильным сторонам относятся инструкционное дообучение и возможность использования в экосистеме GGUF, совместимой с рядом локальных средств запуска. Ограничения и фактическое качество зависят от конкретной квантовки и среды инференса; количественные характеристики и результаты тестирования не указаны. Модель распространяется на условиях Llama 4 Community License от Meta. Лицензия предусматривает требования к атрибуции, отображению надписи «Built with Llama», соблюдению Acceptable Use Policy и особые коммерческие условия для продуктов с более чем 700 миллионами ежемесячных активных пользователей.

mlx-community/MiniCPM5-2B-bf16 — конвертированная в формат MLX версия языковой модели MiniCPM5-2B от OpenBMB. Это плотная авторегрессионная модель архитектуры LlamaForCausalLM с 2,2 млрд параметров; веса сохранены в safetensors и представлены в bf16 без квантизации. Модель предназначена для диалоговой генерации текста, а базовая модель рассчитана на локальных ассистентов, длинный контекст и вызов инструментов. Модель поддерживает английский и китайский языки и имеет контекстное окно до 131 072 токенов. Репозиторий рассчитан на запуск через mlx-lm на устройствах с MLX. Лицензия — Apache-2.0. README описывает преобразование весов в MLX, а не отдельное дообучение; метаданные связывают её с openbmb/MiniCPM5-2B как finetune.

MiniMax-M2.5-JANG_4M-CRACK — созданная Jinho Jang производная модели MiniMaxAI/MiniMax-M2.5, предназначенная для диалоговой генерации текста и рассуждений. Это MoE-модель семейства MiniMax M2 с заявленными в README 230 млрд параметров, 256 экспертами и примерно 10 млрд активных параметров на токен; метаданные репозитория указывают 2,9 млрд параметров. В README описан профиль квантования JANG_4M со смешанной точностью 8 бит для attention и 4 бита для экспертов, а также удаление отказов CRACK на уровне весов. Заявленная длина контекста — 196 608 токенов. Модель поддерживает английский, китайский и корейский языки, чат и интерфейс вызова инструментов. Модель рассчитана на запуск на Apple Silicon через MLX; README указывает поддержку формата JANG в MLX Studio и пакете jang-tools. Подходит для диалоговых помощников, многошаговых рассуждений и сценариев, где нужны ответы без стандартных отказов безопасности. Лицензия в метаданных — Apache-2.0. Заявления README о результатах тестов и сохранении качества не подтверждены независимыми данными.

Mistral-11B-SynthIAirOmniMix — текстовая языковая модель, созданная автором репозитория путём слияния моделей SynthIA-7B-v1.5, Mistral-7B-v0.1-Open-Platypus, CollectiveCognition-v1.1-Mistral-7B и airoboros-mistral2.2-7b с помощью mergekit. Репозиторий содержит веса fp16 в формате safetensors; архитектура — плотная авторегрессионная MistralForCausalLM с 10,6 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и ответов на запросы в формате диалога. Автор приводит результаты собственных оценок и Open LLM Leaderboard, но они не гарантируют качество на других задачах. В README рекомендован шаблон с ролями SYSTEM, USER и ASSISTANT; также отмечено, что модели в слиянии используют не полностью одинаковые форматы промптов, поэтому формат запроса может влиять на результат. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

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.

CorticalStack/mistral-7b-openhermes-2.5-sft — языковая модель на архитектуре Mistral, дообученная методом supervised fine-tuning на датасете teknium/OpenHermes-2.5. В README указаны параметры LoRA: r=256, alpha=128 и dropout=0; метаданные описывают плотную модель MistralForCausalLM размером 7,1 млрд параметров с контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст; в доступных данных нет сведений о поддержке отдельных языков или специализированных областях. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Ограничения качества и безопасного использования в карточке не описаны.

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.

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.

Модель kamisaiko/model_vistral_inContextLearning — дообученная авторегрессионная чат-модель семейства Mistral, созданная kamisaiko на основе Viet-Mistral/Vistral-7B-Chat. Веса представлены в формате PyTorch; размер модели — 7,1 млрд параметров, нативная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Её обучали с использованием Unsloth и библиотеки TRL. Карточка не описывает отдельные специализированные навыки или конкретные наборы данных. Лицензия — Apache 2.0.

MRAI_synatra_7B_v1-Mistral-7B-Instruct-v0.1 — чат-модель для генерации текста, созданная слиянием Mistral-7B-Instruct-v0.1 и MRAIRR/MRAI_synatra_7B_v1 методом SLERP. Она предназначена для ответов на инструкции и диалоговые запросы. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель принимает текст и генерирует текст. В карточке указаны формат safetensors и лицензия Apache-2.0. README описывает диапазоны слоёв и параметры слияния, но не приводит сведения о языковой специализации и конкретных областях применения.

bigscience/mt0-small — многоязычная модель BigScience для выполнения инструкций на естественном языке. Это вариант mT5-small, дообученный на смеси задач xP3; архитектура кодировщик-декодировщик MT5, размер — 157,4 млн параметров. Модель принимает текстовые инструкции и генерирует текстовые ответы, в том числе для задач перевода, классификации по инструкции, объяснения понятий и написания историй. Модель рассчитана на выполнение разнообразных задач без специального обучения под каждую из них и демонстрирует перенос между языками и задачами в zero-shot-сценариях. Карточка приводит примеры на нескольких языках и указывает, что модель понимает языки предобучения mC4 и дообучения xP3; метаданные перечисляют поддерживаемые языки. Доступны веса PyTorch, safetensors и ONNX. Лицензия — Apache-2.0. Качество зависит от формулировки запроса: стоит ясно обозначать границы входного текста и задавать нужный язык и контекст. Модель не гарантирует точность ответов на всех задачах и языках.

Карточка модели PS4Research/MYeHpTDS1ljdIHt9 на Hugging Face совпадает с карточкой PS4Research/mbazkhYJvXJIVctL, поэтому описание составлено по ней. PS4Research/mbazkhYJvXJIVctL — дообученная плотная языковая модель семейства Seed OSS на архитектуре SeedOssForCausalLM, основанная на ByteDance-Seed/Seed-OSS-36B-Instruct. Разработчик — PS4Research; для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель содержит 31,7 млрд параметров и поддерживает контекст до 524 288 токенов. Модель предназначена для диалогов, генерации текста и работы с инструментами через интерфейс вызова инструментов. Карточка не описывает специальную предметную область или отличия дообучения от базовой модели. Модель принимает и выдаёт текст, основной язык в карточке — английский. Распространяется в формате safetensors по лицензии Apache-2.0. Ограничения, связанные с качеством ответов или конкретными сценариями применения, в карточке не описаны.

NeuralsynthesisCalmexperiment-7B — автоматически объединённая модель, созданная Maxime Labonne методом DARE-TIES из NeuralSynthesis-7B-v0.1 и CalmExperiment-7B-slerp. Это плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста. Указанная длина контекста — 32 768 токенов. Модель может применяться для генерации продолжений текста и диалоговых ответов. Репозиторий содержит веса в формате safetensors; модель распространяется по лицензии Apache-2.0. README описывает конфигурацию слияния, но не приводит отдельных оценок качества или подробных рекомендаций по использованию.

NeuralTrix-7B-dpo — языковая модель на 7,1 млрд параметров, опубликованная CultriX. Это плотная авторегрессионная модель семейства Mistral с контекстом до 32 768 токенов. Она создана слиянием моделей OmniBeagle-7B, MBX-7B-v3 и AiMaven-Prometheus методом DARE-TIES; в карточке также указано обучение DPO, но базовая модель для этого этапа не названа. Модель предназначена для генерации текста и диалоговых сценариев на основе текстовых запросов. Репозиторий содержит веса Safetensors, лицензия — Apache-2.0. README называет результат NeuralTrix-7B-v1, тогда как идентификатор репозитория — NeuralTrix-7B-dpo.

Это GGUF-квантизация модели Nohobby/L3.3-Prikol-70B-v0.5, подготовленная пользователем bartowski с использованием llama.cpp версии b4585 и imatrix. Исходная модель имеет 70 миллиардов параметров; по представленным данным её точная архитектура, языки и поддерживаемые модальности не указаны. Модель относится к классу text-generation и предназначена для генерации текста в локальных приложениях, включая LM Studio, llama.cpp и другие проекты на его основе. Доступны варианты квантизации Q8_0, Q6_K, Q5_K_M, Q5_K_S, Q4_1, Q4_K_M, Q4_K_S, Q4_0, IQ4_NL, Q3_K_XL, IQ4_XS, Q3_K_L, Q3_K_M, IQ3_M, Q3_K_S, IQ3_XXS, Q2_K_L, Q2_K, IQ2_M и IQ2_S. Размер файлов составляет примерно от 24 до 75 ГБ. Более высокие уровни квантизации обеспечивают лучшее качество, но требуют больше памяти; Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S и IQ4_XS отмечены как рекомендуемые. Низкобитные варианты экономят память, но могут заметно уступать по качеству. В README не указаны лицензия, размер контекста, точный набор языков, результаты оценки и дополнительные ограничения использования. Формат промпта соответствует шаблону Llama 3.3 с датой отсечения знаний декабрь 2023 года.

Это квантованная версия языковой модели NVIDIA Nemotron 3.5 Lightning 30B-A3B, преобразованная в формат GGUF для запуска с llama.cpp. Репозиторий создан ijohn07; исходная модель — nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16. Модель предназначена для генерации текста и диалогового использования. Согласно карточке базовой модели из каталога, исходная модель подходит для диалога, рассуждений, оценки и последующей адаптации под пользовательские задачи. Карточка этой версии описывает запуск через llama.cpp; указанные в метаданных языки — английский, испанский, французский, немецкий, итальянский и японский. Лицензия указана как other, поэтому условия использования следует сверять с карточкой исходной модели.

Omni-Reasoner2-Merged — объединённая модель генерации текста от prithivMLmods, созданная из четырёх моделей на базе Phi-4 с помощью mergekit и метода Model Stock. В объединение вошли Phi-4-o1, Phi-4-Math-IO, Phi-4-QwQ и Phi-4-Empathetic; архитектура — плотная LlamaForCausalLM с 14,1 млрд параметров. Модель предназначена для диалоговой генерации текста и может применяться для ответов на вопросы и задач, связанных с математикой и рассуждениями. Модель принимает текст и генерирует текст, поддерживает контекст до 16 384 токенов и распространяется в формате safetensors для Transformers. Метаданные не сообщают о специальных языках или профильной области применения. Лицензия и ограничения качества в предоставленных данных не описаны.

Weyaxi/OpenHermes-2.5-neural-chat-7b-v3-1-7B — объединённая модель на базе Mistral 7B, созданная автором репозитория методом TIES merge из teknium/OpenHermes-2.5-Mistral-7B и Intel/neural-chat-7b-v3-1. Она предназначена для генерации текста в диалогах и других сценариях работы с языковой моделью; автор рекомендует использовать шаблон ChatML. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и имеет контекст до 32 768 токенов. В карточке указан датасет Open-Orca/SlimOrca. Модель распространяется под лицензией Apache-2.0. Поддержка русского языка и специализированных областей в карточке не заявлена.

Pankaj Mathur разработал orca_mini_v9_6_3B-Instruct — диалоговую языковую модель на архитектуре Llama, полученную дообучением Meta Llama 3.2 3B Instruct. Модель содержит 3,2 млрд параметров и предназначена для генерации текста в формате диалога; её можно использовать как основу для чат-ассистентов и других приложений на базе языковых моделей. Модель принимает текст и генерирует текст. В метаданных указан контекст до 131 072 токенов и поддержка английского языка. Веса доступны в форматах PyTorch и Safetensors, для запуска подходит библиотека Transformers. Лицензия — Llama 3.2. Как и другие компактные языковые модели, она может выдавать неточные, предвзятые или нежелательные ответы. Перед внедрением рекомендуется проверять качество и безопасность на сценариях конкретного приложения.

Ornith-1.5-35B-A3B-uncensored-MLX-4bit — это 4-битная MLX-версия модели Ornith-1.5-35B-A3B, разработанной командой Ornith. Модель подверглась abliteration: к исходной модели применили один проход biprojection для существенного снижения жёстких отказов, после чего выполнили конвертацию для запуска через mlx-lm на Apple Silicon. Релиз подготовил Robert Ressl. Модель предназначена для генерации текста, а также для исследований безопасности, red-teaming и penetration testing, включая сценарии, в которых требуется выполнять запросы, обычно отклоняемые стандартной моделью. Она поддерживает английский язык, имеет контекст до 262 144 токенов и занимает около 18 ГБ. MLX-сборка рассчитана на устройства Apple Silicon; заявлена только текстовая работа, поскольку vision tower базовой мультимодальной модели в эту сборку не подключён. К сильным сторонам относятся существенно сниженная частота жёстких отказов и сохранение общей связности и инструментальных возможностей, хотя качество на GPQA-Diamond снизилось с 61,1% до 58,6% относительно базовой модели. Полная оценка проводилась для идентичного NVFP4-варианта, а MLX-сборки прошли только локальные smoke-тесты, поэтому результаты нельзя напрямую считать полноценными бенчмарками этой версии. Квантование 4-bit может усиливать остаточные отказы; для модели зафиксирована небольшая доля таких случаев. Лицензия MIT унаследована от Ornith и указана как предоставленная командой ornith-ai.