I.5Создание и редактирование текста

Mistral YARN 128k 11b — языковая модель для генерации текста, созданная как слияние моделей с помощью mergekit на основе Yarn-Mistral-7b-128k от Nous Research. Модель содержит 10,6 млрд параметров и использует архитектуру MistralForCausalLM; веса опубликованы в формате safetensors. В README заявлено окно контекста 128 тыс. токенов, тогда как метаданные указывают native context в 32 768 токенов. Модель предназначена для генерации текста с длинным контекстом. Метаданные отмечают английский язык; лицензия — Apache-2.0. Подробности о качестве, обучающих данных и рекомендуемых сценариях применения в доступной карточке не приведены.

Mistral-7B-Forest-DPO — языковая модель на архитектуре Mistral, дообученная автором репозитория на базе mistralai/Mistral-7B-v0.1 методом Direct Preference Optimization. Для дообучения использована смесь наборов Intel/orca_dpo_pairs, nvidia/HelpSteer и jondurbin/truthy-dpo-v0.1. Модель предназначена для генерации текста и ответов на запросы на естественном языке; заявленная карточкой широкая применимость к задачам NLP не сопровождается конкретными оценками качества. Модель содержит 7,1 млрд параметров, принимает текст и поддерживает контекст до 32 768 токенов. Метаданные указывают английский язык. Распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не приводит результатов сравнительных тестов, поэтому качество на отдельных задачах следует оценивать на собственных данных.

Sardean-UChicago/Mistral-7B-Headline-QLoRA — дообученная языковая модель семейства Mistral для генерации текста в диалоговом формате. Она основана на unsloth/mistral-7b-instruct-v0.2-bnb-4bit и содержит 7,1 млрд параметров. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Модель может служить основой для генерации заголовков и других текстовых ответов на английском языке. Архитектура — плотная авторегрессионная MistralForCausalLM; заявленный контекст составляет 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0.

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.

Карточка модели princeton-nlp/Mistral-7B-Instruct-IPO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Base-8B-SFT, поэтому описание составлено по ней. princeton-nlp/Llama-3-Base-8B-SFT — разговорная модель генерации текста на архитектуре Llama, опубликованная как часть работы SimPO: Simple Preference Optimization with a Reference-Free Reward. Репозиторий содержит модель на 7,5 млрд параметров в формате safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на запросы и ведения беседы. README отсылает к репозиторию SimPO за дополнительными сведениями. Лицензия и конкретные языковые возможности в предоставленных данных не определены.

Карточка модели princeton-nlp/Mistral-7B-Instruct-ORPO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Base-8B-SFT, поэтому описание составлено по ней. princeton-nlp/Llama-3-Base-8B-SFT — разговорная модель генерации текста на архитектуре Llama, опубликованная как часть работы SimPO: Simple Preference Optimization with a Reference-Free Reward. Репозиторий содержит модель на 7,5 млрд параметров в формате safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на запросы и ведения беседы. README отсылает к репозиторию SimPO за дополнительными сведениями. Лицензия и конкретные языковые возможности в предоставленных данных не определены.

unsloth/mistral-7b-instruct-v0.2 — разговорная инструктивная модель семейства Mistral, представленная Unsloth. Это плотная причинная языковая модель MistralForCausalLM с 7,1 млрд параметров; она предназначена для генерации текста, диалогов и выполнения инструкций. Метаданные указывают поддержку контекста до 32 768 токенов и английский язык. Модель подходит для чат-ботов и текстовых приложений, которым нужна генерация ответов по запросу. Карточка Unsloth описывает ноутбуки для дообучения Mistral 7B, в том числе разговорный вариант с шаблонами ShareGPT ChatML и Vicuna; однако она не подтверждает, что именно этот репозиторий содержит результат такого дообучения. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — Apache-2.0. Показатели ускорения и экономии памяти в README относятся к процессу дообучения в ноутбуках, а не к скорости или качеству вывода этой модели.

duyntnet/Mistral-7B-Instruct-v0.3-imatrix-GGUF — набор квантизированных вариантов модели Mistral-7B-Instruct-v0.3, разработанной Mistral AI и представленной в формате GGUF с использованием imatrix-квантизации. Модель предназначена для генерации текста и диалогового взаимодействия на английском языке, включая выполнение инструкций, ответы на вопросы и сценарии с вызовом функций или инструментов. Модель относится к семейству Mistral и имеет размер 7B параметров согласно идентификатору. Это текстовая instruct-модель с поддержкой форматов и библиотек, совместимых с GGUF; README также показывает использование через mistral-inference и Hugging Face Transformers. Длина контекста, точные варианты квантизации, аппаратные требования и дополнительные модальности не указаны. К сильным сторонам относятся компактный размер по сравнению с более крупными языковыми моделями, возможность локального запуска в квантизированном виде и поддержка инструкций и function calling. Ограничения включают заявленную языковую поддержку только для английского, отсутствие данных о качестве, бенчмарках и контекстном окне, а также возможные потери качества, зависящие от выбранного уровня квантизации. В карточке указана лицензия «other», но её конкретные условия не раскрыты.

KakaoL0L/Mistral7B_MatheoAI6_lora — чат-модель на базе Mistral 7B Instruct v0.3, дообученная KakaoL0L. Модель предназначена для генерации текста в диалоговом формате; карточка сообщает, что при обучении использовались Unsloth и библиотека TRL. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Заявленная длина контекста — 32 768 токенов; в метаданных указан английский язык. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализацию дообучения, качество ответов или результаты оценивания, поэтому пригодность для конкретных предметных задач следует проверять отдельно.

EmbeddedLLM/Mistral-7B-Merge-14-v0.5 — экспериментальная объединённая языковая модель, созданная автором репозитория EmbeddedLLM с помощью DARE TIES. Она объединяет предыдущую версию Mistral-7B-Merge-14-v0.3 с тремя другими моделями; среди указанных компонентов — OpenHermes, OpenChat и NeuralMarcoro14. Модель имеет плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогов. В README приведены результаты на Open LLM Leaderboard и указаны шаблоны чата ChatML и Llama-2 chat. Репозиторий содержит веса в формате safetensors. Лицензия CC-BY-NC-4.0 запрещает коммерческое использование без соответствующего разрешения; показатели тестов не гарантируют качество для конкретных задач.

Это вариант базовой модели Mistral-7B, подготовленный автором arnavgrg: веса линейных слоёв сначала квантизировали до NF4 с помощью bitsandbytes, а затем развернули обратно в FP16. Такой подход предназначен для инференса через Transformers и призван избежать затрат на деквантизацию при каждом проходе модели. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и имеет контекстное окно до 32 768 токенов. Модель подходит для генерации текста на основе текстового запроса и может использоваться в сценариях, поддерживаемых базовой Mistral-7B. README приводит пример загрузки в FP16 через Transformers. Повторное развертывание после NF4-квантизации не возвращает исходную точность: веса линейных слоёв искажены с потерями, поэтому качество может быть ниже официальной базовой модели. Лицензия — Apache-2.0.

Mistral-7B-v0.1 — разработанная командой Mistral AI предварительно обученная плотная языковая модель на основе Transformer с 7,1 млрд параметров. Она предназначена для генерации текста и может использоваться как базовая модель для диалоговых приложений и дальнейшей адаптации под прикладные задачи. Архитектура включает Grouped-Query Attention и Sliding-Window Attention; модель принимает текст и рассчитана на контекст до 32 768 токенов. В карточке заявлено превосходство над Llama 2 13B на протестированных авторами бенчмарках. Модель обучена для английского языка, поддерживает диалоговый сценарий и доступна в форматах PyTorch и Safetensors. Это базовая, а не дообученная инструктивная модель: в карточке отмечено отсутствие механизмов модерации, поэтому ответы требуют отдельной проверки и настройки под конкретное применение. Лицензия — Apache-2.0.

Trelis Research дообучила Mistral-7B-v0.1 методом ORPO с beta=0.2 для генерации текста в диалоговом формате. Модель содержит 7,1 млрд параметров, построена на плотной архитектуре Mistral с Grouped-Query Attention и Sliding-Window Attention; для токенизации используется byte-fallback BPE. В карточке отмечена совместимость с шаблоном Llama 2. Модель подходит для диалоговых ответов и генерации текста на английском языке; её контекстное окно составляет 32 768 токенов. В качестве обучающих данных указан набор argilla/dpo-mix-7k. Базовая Mistral-7B-v0.1 описана как предварительно обученная языковая модель, поэтому её возможности модерации не заявлены. Модель распространяется по лицензии Apache-2.0. Карточка описывает ORPO-дообучение, но не приводит отдельных оценок качества именно этой версии.

mistral-7b-v0.1-layla-v1-Mistral-7B-Instruct-v0.1 — чат-модель, полученная слиянием Mistral-7B-Instruct-v0.1 от Mistral AI и l3utterfly/mistral-7b-v0.1-layla-v1. Слияние выполнено методом SLERP с настройками для слоёв self-attention и MLP; в репозитории представлены веса safetensors в формате bfloat16. Модель с архитектурой MistralForCausalLM и 7,1 млрд параметров предназначена для генерации текста в ответ на инструкции и диалоговые запросы. Заявленная длина контекста — 32 768 токенов; в метаданных указан английский язык. Модель распространяется по лицензии Apache-2.0. Данных о сравнительных оценках качества и специальных ограничениях применения в карточке нет.

skymizer/mistral-7B-v0.1-sft-slim-orca-sonnet-3.5-v4 — дообученная разговорная языковая модель на архитектуре Mistral, созданная на основе mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров, предназначена для генерации текста и чат-взаимодействия; базовый контекст составляет 32 768 токенов. В README указана настройка обучения Axolotl 0.5.2 и значение loss 0,5315 на оценочном наборе, но датасет обозначен как None. Сценарии применения, языки обучения и результаты практической оценки в карточке не раскрыты. Модель распространяется под лицензией Apache-2.0.

3MPER0RR подготовил экспериментально изменённую версию Mistral-7B-v0.3 с применением abliteration. Это плотная причинная языковая модель с 7,1 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; максимальный контекст составляет 32 768 токенов. В README указаны 200 испытаний и статус «проверена и сохранена».

legraphista/Mistral-7B-v0.3-IMat-GGUF — это набор GGUF-квантизованных версий базовой модели mistralai/Mistral-7B-v0.3. Модель предназначена для генерации текста и локального запуска через совместимые инструменты, включая llama.cpp. Квантизацию выполнил legraphista с использованием llama.cpp b3003 и метода IMatrix на основе калибровочного набора данных. Модель имеет около 7 миллиардов параметров и поставляется в вариантах от BF16 и F16 до различных уровней Q- и IQ-квантизации размером примерно от 1,76 до 14,50 ГБ. IMatrix применена к ряду вариантов Q4 и ниже, что может помогать сохранять качество при уменьшении размера. Более компактные файлы удобны для запуска на ограниченных по памяти устройствах, однако сильная квантизация может снижать точность и качество генерации. В README не указаны поддерживаемые языки, длина контекста, точная архитектура и результаты бенчмарков. Распространение заявлено по лицензии Apache-2.0.

Mistral-7B-wo-medication_qa-sft — дообученная методом supervised fine-tuning модель Minbyul на базе mistralai/Mistral-7B-v0.1. Она содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и предназначена для генерации текста. В качестве обучающих данных указана выборка HuggingFaceH4/deita-10k-v0-sft; в README приведён результат оценки Loss 1,5099. Модель принимает текст и генерирует текст. Для базовой модели заявлен контекст длиной до 32 768 токенов. README не описывает специализацию на вопросах о лекарствах и не приводит подробностей о языках, сценариях применения или ограничениях качества, поэтому медицинское назначение по названию модели подтвердить нельзя. Лицензия — Apache-2.0.

Это GGUF-квантизированная версия модели Devstral-Small-2507, разработанной Mistral AI и подготовленной пользователем bartowski. Квантизация выполнена с помощью llama.cpp release b5856 и метода imatrix. Модель предназначена для локального запуска через llama.cpp, LM Studio и другие совместимые проекты. В карточке указана мультимодальная категория image-text-to-text, однако подробные сведения об архитектуре, количестве параметров и поддерживаемом контексте не приведены. Заявлена поддержка множества языков, включая английский, французский, немецкий, испанский, португальский, итальянский, японский, корейский, русский, китайский, арабский, украинский и другие. Доступны варианты от BF16 до различных уровней квантизации; размеры файлов составляют примерно от 10 до 47 ГБ. Более высокие уровни квантизации обычно обеспечивают лучшее качество, а низкие требуют меньше оперативной памяти. Основные преимущества версии — возможность локального запуска, широкий выбор компромиссов между качеством и требованиями к памяти, а также совместимость с экосистемой llama.cpp. Ограничения включают отсутствие в README подробных данных о характеристиках исходной модели, результатах оценки и требованиях к оборудованию; качество заметно зависит от выбранного варианта квантизации. Модель распространяется по лицензии Apache-2.0.

Ministral-3-3B-Instruct-2512-GGUF — это набор квантизованных GGUF-версий инструкционной модели Ministral-3-3B-Instruct-2512, разработанной Mistral AI и подготовленной пользователем bartowski. Модель предназначена для локального запуска через llama.cpp, LM Studio и другие совместимые проекты, включая сценарии генерации текста и обработки изображений с текстом, на что указывает pipeline image-text-to-text. Модель имеет около 3 млрд параметров; в README также доступна полная версия BF16 размером 6,87 ГБ и варианты квантизации от Q8_0 до Q3 и IQ4. Квантизация выполнена с использованием llama.cpp и imatrix-калибровки. Заявлена поддержка английского, французского, испанского, немецкого, итальянского, португальского, нидерландского, китайского, японского, корейского и арабского языков. Архитектура, максимальная длина контекста и точные возможности работы с изображениями в предоставленных данных не указаны. Сильной стороной набора является широкий выбор вариантов квантизации, позволяющий подобрать баланс между качеством, размером файла и требованиями к оперативной памяти; для большинства сценариев рекомендуются Q4_K_M, Q5 и Q6. Ограничения включают возможное снижение качества на более агрессивных уровнях квантизации, отсутствие описания формата промптов и неполные сведения о характеристиках исходной модели. Модель распространяется по лицензии Apache-2.0.

ehristoforu/mistral-distil-test-0 — текстовая генеративная модель на архитектуре Mistral, созданная с помощью mergekit из слоёв unsloth/Mistral-Nemo-Instruct-2407. В конфигурации passthrough сохранены слои 0–7 и 14–31 исходной модели; репозиторий содержит веса в формате safetensors. Метаданные указывают размер 7,8 млрд параметров и контекст до 1 024 000 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не сообщает о языках обучения или отдельных прикладных областях. Она опубликована в июле 2024 года и использует лицензию базовой модели; сведения о лицензии в предоставленных данных отсутствуют.

Mistral-Instruct-Ukrainian-SFT — языковая модель Radu Chivereanu, полученная supervised fine-tuning модели Mistral-7B-Instruct-v0.2 на украиноязычных наборах данных. Она предназначена для диалогов и выполнения инструкций на украинском языке, включая ответы на вопросы, задания по чтению и пониманию текста, а также вопросы и ответы по тематике программирования. Модель содержит 7,1 млрд параметров; её архитектура — плотный трансформер MistralForCausalLM с Grouped-Query Attention и Sliding-Window Attention. Контекст составляет до 32 768 токенов. Для запросов используется формат инструкций с токенами [INST] и [/INST], также доступен chat template Transformers. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0. README приводит результаты нескольких бенчмарков, но они не гарантируют качество на других задачах и данных.

Mistral-ko-7B-v0.1-Mistral-7B-Instruct-v0.2-slerp — объединённая методом SLERP диалоговая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Веса объединяют mistralai/Mistral-7B-Instruct-v0.2 и maywell/Mistral-ko-7B-v0.1; модель предназначена для генерации текста и ответов на инструкции в формате диалога. Контекст составляет до 32 768 токенов, файлы представлены в формате safetensors. Модель подходит для диалоговых помощников и генерации ответов на текстовые запросы, с ориентацией на корейский язык благодаря включению Mistral-ko. Лицензия — Apache-2.0. Доступные сведения не описывают сравнительные показатели качества или отдельные ограничения по применению.

Kaoeiri/Mistral-magnum-v4_X_Cydonia-VXXX_Mixture — слитая модель на основе Mistral, созданная с помощью mergekit методом Model Stock. В качестве базовой использована anthracite-org/magnum-v4-22b; в слияние также вошли Kaoeiri/Mistral-magnum_X_Cydonia-v1.3_X_Waifu-22B, Gryphe/Pantheon-RP-1.6.2-22b-Small, nbeerbower/Mistral-Small-Gutenberg-Doppel-22B и TheDrummer/Cydonia-22B-v1.1. Модель содержит 22 млрд параметров, использует плотную архитектуру Mistral и рассчитана на генерацию текста и диалоговое применение. Нативная длина контекста — 32 768 токенов; репозиторий предоставляет веса в формате Safetensors для Transformers. Базовая модель предназначена для диалогов, следования инструкциям и создания связной прозы на английском языке; слияние ориентировано на художественное и ролевое письмо. Лицензия в предоставленных данных не указана.

mistral-nemo-bophades3-12B — дообученная модель для генерации текста и диалогов, созданная на основе Mahou-1.5-mistral-nemo-12B-lorablated. Она использует архитектуру Mistral с плотной моделью на 12,1 млрд параметров и доступна в формате safetensors для библиотеки Transformers. Обучение методом ORPO проводилось в течение двух эпох на наборах данных truthy-dpo-v0.1, orca_math_dpo и physical-reasoning-dpo. Модель предназначена для диалоговых сценариев, генерации ответов, рассуждений и математических задач. Заявленное нативное окно контекста — 1 024 000 токенов. Лицензия Apache 2.0 допускает использование на её условиях; README не приводит сравнительных оценок качества или результатов тестирования.

Mistral-Nemo-Instruct-2407-GGUF — это набор файлов модели в формате GGUF для инструкционной языковой модели Mistral-Nemo-Instruct-2407, разработанной Mistral AI. Квантизацию и публикацию файлов выполнил MaziyarPanahi. Модель предназначена для генерации текста и выполнения инструкций, включая локальные сценарии использования через совместимые приложения и библиотеки. В репозитории представлены варианты с 2-, 3-, 4-, 5-, 6- и 8-битной квантизацией. Формат GGUF разработан командой llama.cpp и поддерживается llama.cpp, llama-cpp-python, LM Studio, text-generation-webui, KoboldCpp, GPT4All, LoLLMS Web UI, Faraday.dev, candle и другими инструментами. Ключевое преимущество — возможность запуска квантизированных версий локально с использованием CPU и GPU, однако конкретные требования к ресурсам и производительность зависят от выбранного варианта квантизации и программного окружения. README не содержит сведений об архитектуре, размере, поддерживаемых языках, длине контекста, модальностях, сильных сторонах базовой модели или лицензии. Поэтому эти характеристики нельзя надежно определить по представленным данным.

Mistral-Nemo-Instruct-2407-imatrix-GGUF — набор GGUF-квантизаций инструкционной языковой модели Mistral Nemo, опубликованный пользователем duyntnet на Hugging Face. Квантизации основаны на исходной модели mistralai/Mistral-Nemo-Instruct-2407 и предназначены для локального запуска и генерации текста. Модель относится к задачам text-generation и поддерживает диалоговое взаимодействие, следование инструкциям и function calling. Для работы указаны llama.cpp, JanAI, KoboldCPP, text-generation-webui, Ollama и GPT4All; исходная модель также может использоваться через mistral_inference, Transformers и NVIDIA NeMo. В README явно указан английский язык, однако дополнительные языковые возможности не описаны. Архитектура, точный размер, длина контекста, перечень модальностей и параметры квантизаций не приведены. Ключевое преимущество этого репозитория — возможность запускать квантизированные варианты модели в совместимых локальных инструментах, потенциально снижая требования к ресурсам по сравнению с полноразмерной версией. Ограничения связаны с отсутствием подробностей о конкретных уровнях квантизации и их качестве, а также с тем, что README не содержит результатов тестирования или оценки производительности. Лицензия указана как other; её конкретные условия в предоставленных данных не раскрыты.

mistral-nemo-kartoffel-PRUNE3 — языковая модель на архитектуре Mistral, созданная nbeerbower с помощью mergekit. Это merge методом Passthrough из слоёв модели nbeerbower/mistral-nemo-kartoffel-12B: сохранены слои 0–22 и 36–40. Модель содержит 8,1 млрд параметров, распространяется в формате Safetensors и предназначена для генерации текста и диалогового взаимодействия. Указанная длина контекста — 1 024 000 токенов. Модель подходит для диалоговых приложений и генерации текста. README не приводит результаты оценки качества или подробные сценарии применения. Условия лицензии в предоставленных данных не описаны.

Novocoders/Mistral-NeuralDPO-v0.6 — дообученная компанией Novocoders языковая модель Mistral для генерации текста. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и принимает контекст длиной до 32 768 токенов. Модель предназначена для генерации текста на основе текстового запроса. README не описывает специализированные сценарии или результаты оценки. Она дообучена на неизвестном наборе данных, поэтому её сильные стороны и ограничения для конкретных задач по имеющимся сведениям оценить нельзя. Доступна по лицензии Apache-2.0.

Mistral-Starling-merge-trial1-7B — объединённая чат-модель на архитектуре Mistral, созданная разработчиком grimjim с помощью mergekit методом SLERP из Nexusflow/Starling-LM-7B-beta и grimjim/Mistral-7B-Instruct-demi-merge-v0.2-7B. Она предназначена для диалоговой генерации текста и ответов на запросы с упором на сочетание рассуждений и длинного контекста. Модель содержит 7,1 млрд параметров, построена на плотной архитектуре Mistral и поддерживает контекст до 32 768 токенов. В карточке заявлены чат-возможности; базовая Starling-LM-7B-beta ориентирована на английский язык. Репозиторий распространяется в формате Safetensors по лицензии Apache-2.0.