I.7Речь, диалоги и встречи

DS-Archive выпустил объединённую языковую модель Mixtral-8x7B-Instruct-v0.1-LimaRP-ZLoss-DARE-TIES, созданную методом DARE TIES с помощью mergekit. В объединение вошли Mixtral-8x7B-Instruct-v0.1 и Mixtral-8x7B-v0.1-LimaRP-ZLoss; базой указан Mixtral-8x7B-v0.1. Архитектура — Mixtral MoE для авторегрессионной генерации текста; модель распространяется в формате safetensors и имеет контекст длиной 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате и других сценариях продолжения текста. Карточка называет один из компонентов LimaRP-ZLoss, однако не приводит подробностей о целевых сценариях и языках. Лицензия в предоставленных данных не указана.

Mocha-Dare-7b-ex — языковая модель, созданная объединением нескольких предварительно обученных моделей с помощью mergekit и метода DARE TIES. В качестве основы использована Mistral-7B-v0.1; в объединение также вошли Open-Orca/Mistral-7B-OpenOrca, Mistral-7B-v0.1-Open-Platypus и WizardMath-7B-V1.1. Модель предназначена для генерации текста и может применяться в диалогах, ответах на вопросы, решении задач по математике и общих инструкциях. Она построена на плотной архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Доступны веса в формате safetensors; библиотека из метаданных — Transformers. В карточке не описаны результаты оценки качества или отдельные гарантии для конкретных сценариев. Указана лицензия CC BY 4.0.

model_007 — плотная языковая модель семейства Llama 2 примерно на 70 млрд параметров, разработанная Pankaj Mathur. Это гибридная модель для следования инструкциям и ответов с объяснениями; в карточке приведены форматы запросов Orca и Alpaca. Модель принимает текст и генерирует текст, поддерживает английский язык и имеет контекст длиной 4096 токенов. Для дообучения использованы наборы Open-Platypus, Alpaca, WizardLM, Dolly-V2, Dolphin и их варианты Orca. Модель подходит для диалоговых помощников, ответов на вопросы, выполнения текстовых инструкций и рассуждений. В README приведены результаты оценки на наборах ARC и HellaSwag. Модель может выдавать неточные или вводящие в заблуждение ответы, а также предвзятый, оскорбительный или неуместный текст; факты следует перепроверять. Для использования указана лицензия Llama 2. README сообщает, что загрузка в 4-битном режиме требует около 45 ГБ видеопамяти.

leesalminen/model-3 — дообученная диалоговая языковая модель семейства Llama на базе unsloth/Hermes-3-Llama-3.1-8B. Разработчик карточки — leesalminen; при обучении использовались Unsloth и библиотека TRL. Модель предназначена для генерации текста и ответов в диалоге, а её интерфейс поддерживает вызов инструментов. Модель имеет плотную архитектуру LlamaForCausalLM, около 7,5 млрд параметров и контекстное окно до 131 072 токенов. В карточке указан английский язык. Веса представлены в формате safetensors. Лицензия — Apache-2.0.

Monarch-7B — языковая модель mlabonne, полученная слиянием моделей OmniTruthyBeagle-7B-v0, NeuBeagle-7B и NeuralOmniBeagle-7B с помощью LazyMergekit. В конфигурации также указан Mistral-7B-v0.1 как базовая модель; слияние выполнено методом dare_ties. Модель построена на архитектуре Mistral с плотной структурой и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и решения широкого круга языковых задач. В карточке приведены оценки на наборах Nous и Open LLM Leaderboard; заявлено первое место на YALL leaderboard на дату обновления 13 февраля 2024 года. Контекстное окно составляет 32 768 токенов. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но некоммерческое использование בלבד.

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.

ToastyPigeon выпустил альтернативную версию Meadowlark — объединённую разговорную модель на базе Mistral-Small-Instruct-2409 и двух производных моделей: Alfitaria/mistral-small-fujin-qlora и ToastyPigeon/mistral-small-springdragon-qlora. Вариант отличается от Meadowlark заменой обучающей выборки Creative_Writing_Multiturn на Sunfall v0.7.0, чтобы сделать ролевые диалоги менее синтетическими на ощупь. Модель имеет плотную архитектуру Mistral с 22 млрд параметров и контекстом до 131 072 токенов. Она предназначена для генерации текста и диалогов, включая ролевые сценарии; метаданные также отмечают интерфейс вызова функций. Используются Transformers и формат safetensors. Лицензия в предоставленных данных не указана.

zelk12/MT1-Gen3-BG-gemma-2-9B — это объединённая модель для генерации текста и диалогов, созданная с помощью mergekit из двух предварительно обученных моделей Gemma 2. Объединение выполнено методом SLERP; среди исходных моделей указаны zelk12/MT1-Gen3-BB-gemma-2-MTg2S2-9B и zelk12/MT-Gen2-GI-gemma-2-9B. Модель построена на плотной архитектуре Gemma2ForCausalLM, содержит 9 млрд параметров, рассчитана на контекст до 8192 токенов и распространяется в формате safetensors. Подходит для диалогового взаимодействия и генерации текста. Карточка не сообщает о специализированной предметной области или конкретном наборе языков. Лицензия в доступных данных не указана.

zelk12/MT1-Gen5-MAG-gemma-2-9B — объединённая языковая модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из zelk12/MT1-Gen5-GP-gemma-2-S4S2-9B и zelk12/MT1-Gen5-MA-gemma-2-S2S4-9B. Модель содержит 9 млрд параметров, рассчитана на генерацию текста и диалоговое взаимодействие и имеет контекстное окно 8192 токена. Работает с текстовым вводом и выдаёт текст; репозиторий содержит веса в формате safetensors. Модель подходит для диалоговых приложений и генерации ответов или другого текста. Данные карточки не описывают специализацию по отдельным областям или языкам. Лицензия в предоставленных сведениях не указана.

MT3-Gen4-MAMM-gemma-2-9B — 9-миллиардная плотная языковая модель семейства Gemma 2, созданная объединением двух предварительно обученных моделей методом SLERP с помощью mergekit. Она предназначена для генерации текста и диалогов. Модель принимает текст, поддерживает контекст до 8192 токенов и распространяется в формате safetensors для библиотеки Transformers. Модель объединена из zelk12/MT3-Gen4-MM-gemma-2-MT2g2Sv1IBT-9B и zelk12/MT3-Gen4-MA-gemma-2-Sv1IBTMT2g2-9B; в конфигурации указаны bfloat16 и параметр смешивания t=0.25. Данных о специализированных областях применения и поддерживаемых естественных языках карточка не содержит. Лицензия в предоставленных данных не указана.

zelk12/MT5-Gen3-MAGBMU-gemma-2-9B — объединённая разговорная языковая модель на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из zelk12/MT5-Gen3-MAG-gemma-2-9B и zelk12/MT5-Gen3-BMU-gemma-2-9B. Репозиторий содержит модель размером 9 млрд параметров в формате Safetensors; для генерации текста доступно контекстное окно до 8192 токенов. Модель предназначена для диалоговой генерации текста и других сценариев, решаемых задачей text-generation. Доступные сведения не описывают специализацию на отдельных предметных областях или конкретные преимущества слияния. Лицензия в предоставленных источниках не указана.

zelk12/MT-Gen5-IF-gemma-2-MT5g4MT4g2-9B — объединённая модель для генерации текста и диалогов, созданная с помощью mergekit из zelk12/MT4-Gen2-gemma-2-9B и zelk12/MT5-Gen4-gemma-2-9B. Для слияния применён метод SLERP; модель основана на архитектуре Gemma 2, содержит 9 млрд параметров и рассчитана на контекст до 8192 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не приводит сведения о конкретных языках или специализированных областях применения. Условия лицензии в предоставленных данных не описаны.

zelk12/MT-Max-Merge_02012025163610-MUG-gemma-2-9B — языковая модель, созданная автором репозитория объединением двух моделей Gemma 2 с помощью SLERP в mergekit. Это плотная причинная языковая модель на 9 млрд параметров для генерации текста и диалогового общения; она принимает текст и выдаёт текст. Нативный контекст составляет 8192 токена, модель предназначена для работы через Transformers и распространяется в формате safetensors. Модель подходит для генерации ответов в диалогах и других сценариев генерации текста. Она является объединением моделей zelk12/MT-Max-Merge_02012025163610-GP-gemma-2-MTg4MT5g4-9B и zelk12/MT-Max-Merge_02012025163610-MU-gemma-2-MTM2MUMTM4-9B; README указывает базовую модель объединения zelk12/MT-Max-Merge_02012025163610-MU-gemma-2-MTM2MUMTM4-9B. Языки, специальные отраслевые задачи и условия лицензии в доступных сведениях не определены.

zelk12 объединил две предварительно обученные языковые модели Gemma 2 9B — MT-Merge5-GMA и MT-Merge5-MMBMUI — методом SLERP с помощью mergekit. Это плотная авторегрессионная модель для генерации текста и диалогового общения, доступная в формате safetensors; размер составляет 9 млрд параметров, контекст — до 8192 токенов. Модель подходит для генерации ответов и ведения диалога в приложениях на базе Transformers. Сведения о специальных предметных областях и поддерживаемых естественных языках в карточке не приведены. Модель распространяется по лицензии Gemma; при использовании следует соблюдать её условия.

Muse-Glimmer-30B-M — это средняя по степени сжатия 4-битная квантованная версия языковой модели Muse-Glimmer-30B, подготовленная Mirai Labs для эффективного локального запуска на компьютерах Apple с Apple silicon. Модель предназначена для генерации текста и локальных сценариев использования LLM, включая агентские задачи, диалоги, обучение с учителем и работу с длинным контекстом. Подробные сведения об исходной архитектуре, размере контекстного окна и поддерживаемых языках в данной карточке не указаны. Квантование выполнено методом асимметричного целочисленного представления с 4-битными zero points, масштабами bfloat16 и размером группы 64. Для уменьшения выбросов активаций и весов применяются блочно-диагональные случайные преобразования Адамара; также использованы посттренировочное квантование и дистилляция с учётом квантования. По внутренним оценкам KL эта версия сопоставима с Unsloth UD-Q4_K_XL GGUF. Основные ограничения — поддержка инференса только на Apple silicon и зависимость характеристик, возможностей и ограничений от исходной модели Muse-Glimmer-30B. Лицензия — Apache-2.0.

NameLess-12B-prob — объединённая языковая модель на архитектуре Mistral, созданная методом SLERP с помощью mergekit из моделей D:\VICIOUS_MESH-12B-OMEGA и D:\jetreessence. Разработчик репозитория — bamec66557; модель предназначена для генерации текста и диалогового взаимодействия. Модель содержит 12,1 млрд параметров, принимает текст и выдаёт текст. Заявленная длина контекста — 131 072 токена. В метаданных указаны возможности чата и интерфейс вызова инструментов. В README приведены результаты оценивания на Open LLM Leaderboard, включая IFEval 66,02 и BBH 31,36. Модель распространяется по лицензии Apache-2.0. README не сообщает, на каких языках она обучена или проверена, поэтому языковую поддержку нельзя уточнить по доступным сведениям.

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

Карточка модели Arsh9210/Nemotron-Labs-Diffusion-14B на Hugging Face совпадает с карточкой nvidia/Nemotron-Labs-Diffusion-14B, поэтому описание составлено по ней. Nemotron-Labs-Diffusion-14B — плотная языковая модель NVIDIA с 13,4 млрд параметров для генерации текста в диалоговом режиме. Одна и та же модель поддерживает авторегрессионное декодирование, параллельное декодирование на основе диффузии и self-speculation: диффузионный режим подготавливает несколько токенов, а авторегрессионный проверяет их с использованием общего KV-кэша. Режимы переключаются изменением шаблона внимания. Модель предназначена для диалоговых приложений и сценариев инференса, где важна скорость генерации при разной одновременной нагрузке. NVIDIA описывает ускорение за счёт повторного использования весов для вычисления нескольких токенов; приведённые в карточке показатели относятся к отдельным конфигурациям и аппаратным платформам и не гарантируют такую же производительность в других условиях. Заявленное максимальное контекстное окно — 262 144 токена. Для запуска README указывает Transformers версии 5.0 или новее; веса доступны в формате safetensors. Лицензия обозначена как other, поэтому перед использованием следует ознакомиться с условиями NVIDIA. Карточка рекомендует оценивать пригодность модели для конкретного применения и учитывать связанные с ним риски.

m-a-p представляет NEO 7B Instruct v0.1 — инструктивно дообученную языковую модель семейства Llama с плотной архитектурой и примерно 7,6 млрд параметров. Репозиторий содержит веса в формате Safetensors; проект описывает модель как открытую и предоставляет сведения о коде, обучающих данных и процессе обучения. Модель предназначена для генерации текста по инструкциям и диалогового взаимодействия. Контекст составляет 8192 токена. В карточке не описаны конкретные языки и специализированные области применения. Модель распространяется по лицензии Apache-2.0. README указывает, что это instruction-tuned версия NEO 7B, но не приводит деталей о качестве, тестировании или ограничениях применения.

Neural-AlphaMistral-7B — диалоговая языковая модель, созданная Ppoyaa слиянием трёх моделей с помощью LazyMergekit: AlphaMonarch-7B, Mistral-7B-Instruct-v0.2 и NeuralMaths-Experiment-7b. Используется архитектура MistralForCausalLM с плотной структурой и 7,1 млрд параметров; веса сохранены в формате safetensors. Модель предназначена для генерации текста и ответов в диалоге, включая задачи, опирающиеся на возможности исходных моделей. Контекстное окно составляет до 32 768 токенов. Модель принимает текстовые запросы и генерирует текст. Репозиторий распространяется по лицензии Apache-2.0. README не приводит оценок качества или подробных результатов по отдельным задачам; фактические возможности унаследованного экспериментального компонента могут отличаться от поведения исходных моделей.

Neural-Chat-v3-2 — языковая модель Intel на 7,1 млрд параметров для генерации текста и выполнения языковых задач. Она построена на архитектуре Mistral и дообучена из Intel/neural-chat-7b-v3-1 на наборе MetaMathQA с выравниванием методом DPO на парах Intel/orca_dpo_pairs. Исходная версия neural-chat-7b-v3-1 была дообучена на базе mistralai/Mistral-7B-v0.1. Модель предназначена для инференса в широких языковых сценариях, включая математические вопросы и диалог. README указывает контекст 8192 токена; метаданные каталога сообщают 32768, поэтому фактический предел может зависеть от конфигурации и версии. Модель принимает текст и генерирует текст; в карточке указан английский язык. Модель может выдавать фактически неверные ответы, а также предвзятый, оскорбительный или неприемлемый контент. Перед внедрением рекомендуется проверять её безопасность и точность. Лицензия — Apache-2.0.

Neural-Krishna-Multiverse-7b-v2 — объединённая языковая модель, созданная с помощью LazyMergekit из Kukedlc/Neural-Krishna-Multiverse-7b и liminerity/M7-7b. Веса объединены методом slerp; модель использует архитектуру Mistral с плотной декодерной трансформерной сетью и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст; заявленная длина контекста составляет 32 768 токенов. Данные карточки не уточняют целевые языки и специализированные области применения. Модель распространяется в формате Safetensors под лицензией Apache-2.0.

NeuralMarioMonarch-7B-slerp — языковая модель на архитектуре Mistral, созданная объединением mlabonne/Monarch-7B и vanillaOVO/supermario_v4 методом SLERP с помощью LazyMergekit. Модель содержит 7,1 млрд параметров и предназначена для генерации текста и общих языковых задач; заявленная длина контекста составляет 32 768 токенов. Модель принимает текст и генерирует текст. В README приведены результаты оценки на нескольких тестах рассуждения и понимания текста. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

NeuralPearlBeagle — слитая модель генерации текста на архитектуре Mistral, созданная с помощью LazyMergekit из louisbrulenaudet/Pearl-7B-slerp и mlabonne/NeuralBeagle14-7B. Веса объединены методом TIES; модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для составления ответов, продолжения текста и ведения беседы; базовая модель также описана в каталоге как подходящая для математических задач. Данных о поддерживаемых естественных языках нет. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

NeuralsirkrishnaShadow_Experiment28Experiment24 — объединённая языковая модель MaziyarPanahi, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment28Experiment24-7B. Она предназначена для генерации текста и может использоваться в приложениях, где требуется продолжение или создание текста по запросу. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате Safetensors. Модель распространяется по лицензии Apache-2.0.

NeuralsirkrishnaShadow_Ognoexperiment27M7 — объединённая модель от MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и диалогов, принимает текст и выдаёт текст; поддерживает контекст до 32 768 токенов. Модель объединяет automerger/NeuralsirkrishnaShadow-7B и automerger/Ognoexperiment27M7-7B. Данные карточки не уточняют специализацию, языки или отдельные возможности модели. Веса опубликованы в формате safetensors; лицензия — Apache-2.0.

NeuralsirkrishnaShadow_T3qM7 — объединённая модель для генерации текста, созданная путём слияния automerger/NeuralsirkrishnaShadow-7B и automerger/T3qM7-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; заявленная длина контекста — до 32 768 токенов. Модель подходит для генерации текста и диалога. Репозиторий содержит веса в формате Safetensors. Лицензия — Apache-2.0. Карточка не описывает специальные предметные области или языки модели.

MaziyarPanahi/NeuralsirkrishnaShadow_YamshadowExperiment28 — слитая текстовая модель, созданная на основе automerger/NeuralsirkrishnaShadow-7B и automerger/YamshadowExperiment28-7B. Она предназначена для генерации текста и диалоговых сценариев. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии Apache-2.0. Данных о специализированных областях применения и языках в карточке нет.

Noro-Hermes-3x7B — диалоговая модель с архитектурой смеси экспертов (MoE), собранная ThomasComics с помощью LazyMergekit из NousResearch/Nous-Hermes-2-Mistral-7B-DPO, NeverSleep/Noromaid-7B-0.4-DPO и mistralai/Mistral-7B-Instruct-v0.2. В модели 7,1 млрд параметров, она принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и предназначена для общения с пользователем. Эксперты настроены на роль интеллектуального помощника, творческого помощника для ролевых сценариев и универсального помощника. Модель подходит для диалогов, ответов на инструкции и творческого ролевого письма. Распространяется в формате Safetensors по лицензии Apache-2.0.

Карточка модели llm-wizard/NousWizard на Hugging Face совпадает с карточкой mergekit-community/dolphin-mistral-instruct-7b, поэтому описание составлено по ней. Это объединённая языковая модель mergekit-community, созданная методом SLERP на основе arcee-ai/sec-mistral-7b-instruct-1.6-epoch и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель построена на архитектуре MistralForCausalLM с плотной архитектурой и содержит 7,1 млрд параметров; опубликованные веса представлены в формате Safetensors, а библиотека запуска — Transformers. Модель предназначена для генерации текста в диалоговых сценариях: она принимает текстовый запрос и формирует текстовый ответ. Контекст составляет до 32 768 токенов. Карточка не описывает отдельные прикладные области или языковые характеристики, поэтому их нельзя уточнить по имеющимся данным. Лицензия в предоставленных данных не указана.