II.1Анализ требований и архитектура ПО

NeuralsirkrishnaShadow_Strangemerges_32Experiment28 — объединённая языковая модель на архитектуре Mistral, созданная из automerger/NeuralsirkrishnaShadow-7B и automerger/Strangemerges_32Experiment28-7B. Модель содержит 7,1 млрд параметров и предназначена для генерации текста, включая диалоговые сценарии и продолжение текстовых запросов. Контекст модели достигает 32 768 токенов. Репозиторий содержит веса в формате safetensors. В карточке не описаны языковая специализация или дополнительные возможности, поэтому её назначение можно определить как генерацию текста общего назначения. Модель распространяется по лицензии Apache-2.0.

NeuralTrix-bf16 — языковая модель для генерации текста, созданная CultriX с помощью слияния нескольких моделей семейства Mistral через LazyMergekit. В конфигурации указаны метод DARE-TIES и формат весов bfloat16; размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов. Модель предназначена для генерации ответов и другого текста по текстовым запросам. В слиянии использованы bardsai/jaskier-7b-dpo-v3.3, CultriX/NeuralTrix-v4-bf16 и CultriX/NeuralTrix-7B-dpo; конфигурация также указывает eren23/dpo-binarized-NeuralTrix-7B как базовую модель. Репозиторий распространяет веса в формате safetensors. Лицензия — Apache-2.0. README не описывает отдельные языковые специализации или результаты оценки качества, поэтому их нельзя установить по доступным сведениям.

NoromaidxOpenGPT4-2 — текстовая генеративная модель, созданная NeverSleep слиянием моделей Noromaid-8x7b-Instruct и Open_Gpt4_8x7B_v0.2 методом TIES. В карточке указано, что при слиянии Open_Gpt4_8x7B_v0.2 использовалась как базовая модель; в метаданных также перечислены Mixtral-8x7B-Instruct-v0.1 и Noromaid-v0.1-mixtral-8x7b-Instruct-v3 как компоненты слияния. Модель основана на архитектуре Mixtral с разреженной смесью экспертов (MoE), содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста по инструкциям и диалоговых сценариев; README показывает шаблоны Alpaca и Mistral. Доступны веса в формате safetensors, а для использования требуется учитывать совместимую библиотеку Transformers. Лицензия — CC-BY-NC-4.0, поэтому коммерческое использование ограничено условиями лицензии. Метка NSFW в метаданных указывает на возможность взрослого контента; перед применением следует учитывать требования к модерации и аудитории.

bartowski/nvidia_Llama-3_3-Nemotron-Super-49B-v1-GGUF — это GGUF-квантизированная версия языковой модели Llama-3_3-Nemotron-Super-49B-v1, разработанной NVIDIA и подготовленной bartowski с использованием llama.cpp и imatrix-квантизации. Модель предназначена для генерации текста и локального запуска в LM Studio, llama.cpp и других совместимых проектах. Указана поддержка английского языка и текстовая модальность. Модель относится к классу крупных моделей с заявленным размером 49B параметров. Доступны варианты от BF16 и Q8_0 до более компактных Q3- и IQ-квантизаций; рекомендуемыми названы, в частности, Q6_K, Q5_K, Q4_K_M и IQ4_XS. Размер файлов составляет примерно от 22,66 до 99,74 ГБ, поэтому для запуска требуется значительный объём оперативной или видеопамяти, зависящий от выбранного варианта. Квантизация снижает требования к ресурсам и позволяет использовать модель локально, но более компактные варианты могут уступать исходной модели по качеству. README не содержит данных о длине контекста, точной архитектуре, результатах тестирования, производительности или поддержке других языков, поэтому эти характеристики нельзя надёжно оценить. Модель распространяется по NVIDIA Open Model License; условия лицензии следует уточнять по указанной NVIDIA-ссылке.

Nemotron-Cascade-8B-GGUF — это квантованная версия языковой модели Nemotron-Cascade-8B, разработанной NVIDIA и подготовленной в формате GGUF пользователем bartowski. Модель предназначена для генерации текста, рассуждений и задач общего назначения; в карточке указаны сценарии локального запуска через LM Studio, llama.cpp и совместимые проекты. Заявленный язык — английский. Модель содержит 8 миллиардов параметров. Доступны варианты с точностью от BF16 до Q2 и различными форматами квантования, включая Q8_0, Q6_K, Q5_K_M, Q4_K_M и IQ4_XS. Размер файлов составляет примерно от 3,9 до 16,4 ГБ. Квантование выполнено с использованием imatrix на базе llama.cpp; для работы рекомендуется применять шаблон диалога с поддержкой маркера /think. Сильной стороной является выбор вариантов между качеством и требованиями к памяти, включая варианты, рекомендованные автором как близкие к исходному качеству. Сведения о размере контекста, архитектуре, дополнительных модальностях и результатах бенчмарков в README не приведены. Модель распространяется по лицензии NVIDIA Open Model License; в карточке указана лицензия other и приведена ссылка на её текст. Условия лицензии следует учитывать отдельно перед использованием и распространением.

Ognoexperiment27M7-7B — объединённая текстовая модель на архитектуре Mistral с 7,1 млрд параметров, созданная Maxime Labonne методом DARE-TIES на основе liminerity/M7-7b и automerger/OgnoExperiment27-7B. Она предназначена для генерации текста и диалогов. Модель принимает текст и генерирует текст; размер контекста составляет 32 768 токенов. Модель распространяется в формате safetensors с точностью bfloat16 по лицензии Apache-2.0. Карточка указывает параметры слияния и пример загрузки через Transformers, но не описывает специализацию или результаты оценки качества.

OLMo 2 32B — авторегрессионная языковая модель на архитектуре Transformer, разработанная Allen Institute for AI (Ai2). Это базовая плотная модель с 31,7 млрд параметров, предназначенная для генерации текста и дальнейшей адаптации под прикладные задачи. В README указано обучение на 6 трлн токенов: предварительное обучение на OLMo-mix-1124 и промежуточное обучение на Dolmino-mix-1124. Модель поддерживается библиотекой Transformers. Модель рассчитана прежде всего на английский язык и принимает текст, генерируя текст в контекстном окне 4096 токенов. Весовые файлы доступны в формате safetensors. Разработчики опубликовали код, контрольные точки и материалы обучения. Модель выпущена по лицензии Apache 2.0. Как и другие большие языковые модели, OLMo 2 32B может выдавать фактические ошибки, предвзятые или вредоносные ответы; сгенерированные сведения следует проверять. Дата отсечения знаний, указанная в карточке, — декабрь 2023 года.

Open_Gpt4_8x7B_v0.1 — языковая модель, опубликованная rombodawg и собранная методом TIES из notux-8x7b-v1 и UNAversal-8x7B-v1beta на основе MixtralOrochi8x7B. Она предназначена для генерации текста и диалоговых сценариев по шаблону Alpaca. Архитектура — MixtralForCausalLM с разреженной смесью экспертов; в метаданных указано 7,1 млрд параметров и контекст 32 768 токенов. Доступны веса в формате safetensors; README указывает тип данных float16. Модель объединяет возможности исходных Mixtral-моделей и может применяться для ответов на вопросы, написания и преобразования текста. Автор рассматривает её как эксперимент с целью расширить возможности базовой модели и отмечает, что для оценки качества требуется дополнительное тестирование. Лицензия — CC BY 4.0.

Open-Instruct Stanford Alpaca 7B — языковая модель семейства LLaMA, разработанная Allen Institute for AI и дообученная на наборе инструкций Stanford Alpaca. Это 6,6-миллиардная плотная авторегрессионная модель для генерации текста по инструкциям и ответов на запросы; максимальный контекст составляет 2048 токенов. Для работы нужны исходные веса LLaMA в формате Hugging Face: опубликованный репозиторий содержит diff весов, а не самостоятельную полную модель. Модель предназначена для диалоговых и текстовых задач общего назначения, включая ответы на вопросы, простые рассуждения и генерацию кода. В карточке приведены результаты по MMLU, GSM, BBH, TydiQA и Codex-Eval; они показывают возможности модели, но сами по себе не гарантируют качество в конкретном применении. В метаданных указан английский язык. Использование регулируется лицензией AI model license вместе с исходной лицензией LLaMA.

OpenOrca-Preview1-13B — языковая модель, созданная командой Open-Orca путём дообучения LLaMA-13B на отобранных 200 тысячах примеров GPT-4 из датасета OpenOrca. Это предварительный выпуск, предназначенный для генерации ответов на инструкции и решения задач на рассуждение. Для запросов используется формат Alpaca с разделами Instruction и Response. Модель имеет плотную архитектуру LLaMA и около 12,9 млрд параметров; она принимает текст и генерирует текст. В карточке указаны английский язык и контекст 2048 токенов. Авторы сообщают об оценке на BigBench-Hard и AGIEval, но отмечают, что выпуск обучен лишь на небольшой части данных и детали обучения будут опубликованы позднее. Лицензия — MIT.

orca_mini_v8_1_70b-GGUF — это квантизированная версия языковой модели orca_mini_v8_1_70b, разработанной pankajmathur и преобразованной в формат GGUF пользователем bartowski с использованием llama.cpp и imatrix-квантизации. Модель предназначена для генерации текста и может запускаться локально, в частности через LM Studio и другие совместимые инструменты llama.cpp. Модель содержит 70 миллиардов параметров и работает с текстом на английском языке. Доступны варианты квантизации от Q8_0 до IQ1_M, различающиеся размером файлов, требованиями к памяти и качеством вывода; наиболее качественными считаются Q8_0, Q6_K и Q5, а варианты Q3 и Q2 ориентированы на устройства с ограниченными ресурсами, но снижают качество. Для работы рекомендуется использовать указанный в README шаблон промпта с системными, пользовательскими и ассистентскими сообщениями. Сильной стороной модели является возможность локального запуска крупной 70B-модели с выбором подходящего компромисса между качеством и потреблением памяти. Ограничения включают значительные требования к оперативной или видеопамяти даже для сжатых вариантов, а также снижение качества у агрессивных квантизаций. Архитектура, размер контекстного окна и мультимодальные возможности в README не указаны. Указанная лицензия — llama3.3.

orca_mini_v9_5_3B-Instruct — плотная авторегрессионная языковая модель семейства Llama, дообученная Pankaj Mathur на основе meta-llama/Llama-3.2-3B-Instruct. Модель предназначена для диалогов и генерации текста; её можно применять для ответов на вопросы, краткого пересказа и помощи в повседневных текстовых задачах. В карточке указаны наборы данных orca_mini_v1_dataset и orca_mini_v8_sharegpt_format. Модель содержит 3,2 млрд параметров, поддерживает контекст до 131 072 токенов и доступна в форматах PyTorch и Safetensors для библиотеки Transformers. Метаданные отмечают английский язык; базовая модель описана как мультиязычная. Лицензия — Llama 3.2 Community License. Как и другие компактные языковые модели, она может выдавать неточные, предвзятые или нежелательные ответы; перед внедрением рекомендуется проверять качество и безопасность в целевом сценарии.

GenTrendGPT/OS-Test-Mark-GEN-I — текстовая чат-модель, созданная методом слияния mergekit из Qwen/Qwen1.5-4B-Chat и stabilityai/stablelm-2-1_6b. В репозитории указана архитектура Qwen2 с плотной авторегрессионной моделью Qwen2ForCausalLM; размер составляет 4,5 млрд параметров, веса представлены в safetensors, а для работы используется библиотека Transformers. Модель предназначена для генерации текста и ведения диалога. Контекст составляет до 32 768 токенов. Модель принимает текст и генерирует текст; метаданные отмечают поддержку чата. В карточке описан passthrough-метод слияния, при котором выбраны слои обеих исходных моделей. Лицензия и конкретные ограничения применения в предоставленных данных не описаны.

Oxide-F1-7B-slerp — слитая языковая модель на базе архитектуры Mistral, опубликованная weezywitasnee. Она объединяет BenchmarkEngineering-7B-slerp и OxytocinErosEngineeringFX-7B-slerp методом SLERP с помощью LazyMergekit и предназначена для генерации текста и диалогов. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. В карточке приведены результаты Open LLM Leaderboard, включая средний балл 73,64, 69,71 на AI2 Reasoning Challenge и 87,82 на HellaSwag. Эти показатели отражают оценку на отдельных бенчмарках и не гарантируют качество в прикладных сценариях. Для репозитория указана лицензия CC BY-NC 4.0, которая ограничивает коммерческое использование.

Phi-2 Orange — двухэтапная дообученная версия Phi-2, опубликованная Rhys Jones. Это плотная авторегрессионная языковая модель для генерации текста и диалогов; карточка указывает формат ChatML, который можно использовать с системной инструкцией или без неё. Модель рассчитана на контекст до 2048 токенов и распространяется в формате safetensors. Модель подходит для ответов на вопросы, диалогового взаимодействия и других задач генерации текста. В README приведены оценки на нескольких наборах тестов и упоминается более новая версия phi-2-orange-v2 с более высокими результатами. Модель основана на Phi-2 и дообучена на наборах SlimOrca-Dedup, Synthia-v1.3, Verified-Camel, Pure-Dove, Capybara, MetaMathQA, orca_dpo_pairs и ultrafeedback-binarized-preferences-cleaned. Лицензия — MIT.

bunnycore/Phi-4-RP-v0 — слитая модель диалогового языка, созданная автором репозитория с помощью mergekit линейным объединением bunnycore/Phi-4-RP и Undi95/Phi4-abliterated. Это плотная трансформерная модель семейства Phi-4 с архитектурой Phi3ForCausalLM и примерно 14,1 млрд параметров; она предназначена для генерации текста в диалоге и рассчитана на контекст до 16 384 токенов. Модель подходит для ведения диалога и генерации ответов на текстовые запросы. Лицензия — MIT. В карточке приведены результаты Open LLM Leaderboard, включая 68,27 на IFEval и 54,84 на BBH; эти значения сами по себе не гарантируют качества на прикладных задачах.

Pirouette-7b — текстовая генеративная модель на архитектуре Mistral, созданная автором репозитория ddh0 путём градиентного слияния SLERP моделей dolphin-2.1-mistral-7b и Noromaid-v0.1.1-13b. По замыслу автора, модель сохраняет основную часть возможностей Dolphin и добавляет некоторые особенности Noromaid. Модель предназначена для диалогов и выполнения инструкций в формате Alpaca. В карточке заявлена длина контекста 32 768 токенов; метаданные указывают 7,1 млрд параметров. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

ProCreations_grug-27b-GGUF — это GGUF-квантизация модели grug-27b, разработанной ProCreations. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix; базовая модель связана с датасетами ProCreations/grug-think-v3-10k и ProCreations/grug-think. Модель ориентирована на задачи рассуждений, экономного использования токенов, агентских сценариев и работы с инструментами. В карточке также указана модальность image-text-to-text и поддержка английского языка. Модель содержит 27 миллиардов параметров. Доступны варианты от BF16 до различных уровней квантизации, включая Q8_0, Q6_K, Q5_K_M, Q4_K_M и более компактные форматы. Высококачественные варианты обеспечивают близкое к исходной модели качество, а менее точные требуют меньше оперативной памяти и подходят для локального запуска на ограниченных ресурсах. Файлы предназначены для использования с llama.cpp, LM Studio, KoboldCpp, Jan AI, Text Generation Web UI и другими совместимыми инструментами. В README не указаны архитектура исходной модели, размер контекстного окна, точные мультимодальные возможности и результаты бенчмарков, поэтому их нельзя оценить по имеющимся данным. Для работы требуется приложение с поддержкой соответствующей модели и формата prompt; в качестве лицензии указана Apache-2.0.

PuddleJumper-13b-V2 — объединённая модель на архитектуре Llama, созданная слиянием EverythingLM-V3-13b QLoRa и OpenOrca-Platypus2-13B. Она предназначена для генерации текста и диалогов в формате USER:/ASSISTANT:, а также для общих задач следования инструкциям и ответов на вопросы. Модель содержит 12,9 млрд параметров, использует плотную архитектуру LlamaForCausalLM и рассчитана на контекст до 4096 токенов. В карточке приведены результаты оценок на бенчмарках ARC и HellaSwag. В метаданных указана лицензия other; конкретные условия использования следует проверять у автора репозитория. Доступен формат PyTorch.

Q3.6-35B-A3B-abliterated-0520-MAX-GGUF — модель от prithivMLmods, основанная на Qwen/Qwen3.6-35B-A3B и распространяемая в формате GGUF. Это модифицированная версия с применением анализа направлений отказа и обучения методом абляции, направленная на снижение внутренних отказов при сохранении способностей к рассуждению и следованию инструкциям. В README также указана производная модель prithivMLmods/Q3.6-35B-A3B-abliterated-0520-MAX-STOR-check. Модель предназначена для генерации текста, подробных ответов, рассуждений и выполнения инструкций, включая сценарии локального запуска через llama.cpp или совместимые средства инференса. Указан английский язык. Архитектура описана как Mixture-of-Experts с 35 млрд параметров; максимальная длина контекста в README не указана. Наличие файлов mmproj и тега image-text-to-text указывает на заявленную поддержку мультимодального сценария, однако конкретные возможности работы с изображениями не описаны. Доступны варианты квантования от Q2_K до Q8_0, а также BF16 и F16; размеры файлов составляют примерно от 12,9 до 69,4 ГБ, что позволяет выбирать компромисс между требованиями к памяти и качеством. Сильной стороной заявляется улучшенное следование инструкциям и сниженное количество отказов, но это одновременно является ограничением для безопасного применения: поведение модели может быть менее ограничивающим, а качество и безопасность ответов требуют самостоятельной проверки. Модель предназначена авторами для исследований и обучения, а использование осуществляется на риск пользователя. Лицензия — Apache-2.0.

Qwen2.5-14B-Instruct-IMat-GGUF — это GGUF-квантизированная версия текстовой instruction-модели Qwen2.5-14B-Instruct, первоначально разработанной командой Qwen. Квантизацию выполнил legraphista с использованием llama.cpp и IMatrix-калибровки. Модель предназначена для генерации текста и диалоговых сценариев, включая работу в локальных приложениях, совместимых с llama.cpp и форматом GGUF. В метаданных указан английский язык; модальность — текстовая. Модель основана на варианте размером 14B параметров с исходным типом данных BF16. Доступны версии от BF16 и FP16 до Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и Q2_K, включая варианты с IMatrix для ряда низкобитных квантизаций. Это позволяет выбирать между качеством, размером файла и требованиями к памяти: размер доступных файлов составляет примерно от 5,77 до 29,55 ГБ. Размер контекста, архитектурные детали и результаты тестирования в README не указаны. К сильным сторонам относятся широкий выбор уровней квантизации, поддержка локального запуска и применение IMatrix в низкобитных вариантах, что может помочь сохранить качество при уменьшении размера модели. Ограничения включают возможную потерю качества из-за квантизации, особенно в наиболее компактных вариантах, а также отсутствие в предоставленных данных подробных бенчмарков и характеристик производительности. Модель распространяется по лицензии Apache-2.0.

Firemedic15/qwen2.5-3b-ft-matched-merged — языковая модель для генерации текста, опубликованная пользователем Firemedic15 на Hugging Face. По метаданным, она работает через Transformers, имеет около 3,1 млрд параметров, поддерживает контекст до 32 768 токенов и связана с обучением методом supervised fine-tuning (SFT) с использованием TRL. Теги также указывают на разговорный сценарий применения и семейство Qwen2; название репозитория дополнительно содержит обозначение Qwen2.5 и merged-финетюнинга.

bunnycore/Qwen2.5-3B-RP-Mix — объединённая языковая модель, созданная автором репозитория методом passthrough с помощью mergekit на основе Qwen/Qwen2.5-3B-Instruct и bunnycore/Qwen-2.5-3b-Rp-lora_model. Это плотная авторегрессионная модель семейства Qwen2 с 3,1 млрд параметров, предназначенная для диалогов и генерации текста; метаданные также отмечают интерфейс вызова инструментов. Модель принимает текст и выдаёт текст, а размер её контекста составляет 32 768 токенов. Модель подходит для генерации ответов в чате, следования инструкциям и создания текста в сценариях, где полезна компактная Qwen-модель. В README приведены результаты Open LLM Leaderboard: среднее значение 23,15, IFEval — 57,21 и BBH — 28,31; эти оценки сами по себе не определяют качество в конкретном приложении. Веса представлены в формате safetensors, тип данных при слиянии — bfloat16. Лицензия в предоставленных данных не указана.

Qwen2.5-72B-Instruct-IMat-GGUF — это GGUF-квантизированная версия инструкционной языковой модели Qwen2.5-72B-Instruct, разработанной командой Qwen. Квантизацию выполнил legraphista с использованием llama.cpp версии b3787 и калибровочного набора IMatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая работу в совместимых локальных средствах инференса, таких как llama.cpp. Модель основана на версии с 72 миллиардами параметров и исходным форматом BF16. Доступны варианты от BF16 и F16 до Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и более компактных IQ-квантизаций; размеры файлов составляют примерно от 29,81 до 145,42 ГБ. Для ряда вариантов применена IMatrix, что направлено на повышение качества при квантизации. В метаданных указан английский язык; сведения о других языках, архитектуре и размере контекста в представленном README не указаны. Сильная сторона модели — широкий выбор уровней квантизации, позволяющий подобрать компромисс между качеством, размером и требованиями к ресурсам, а также поддержка формата GGUF и IMatrix для многих компактных вариантов. Ограничения включают очень высокие требования к памяти даже для квантизированных файлов, зависимость совместимости и производительности от используемого движка и оборудования, а также возможное снижение качества при сильной квантизации. Модель распространяется по лицензии Qwen; подробные условия указаны в лицензии исходной модели.

Qwen2.5-7B-Ins-v3-GGUF — это квантизированная версия текстовой генеративной модели happzy2633/qwen2.5-7b-ins-v3, подготовленная пользователем bartowski в формате GGUF для запуска через llama.cpp. Модель предназначена для генерации текста и диалоговых сценариев; в README также указан запуск через LM Studio. Рекомендуемый формат промпта использует специальные маркеры ролей system, user и assistant. Доступны варианты от исходных весов F16 размером 15,24 ГБ до различных уровней квантизации Q8, Q6, Q5, Q4, Q3 и Q2, включая форматы IQ. Более высокие уровни обычно сохраняют лучшее качество, а компактные варианты подходят для систем с ограниченным объёмом оперативной памяти. Для ARM-процессоров предлагаются специальные варианты Q4_0, требующие поддержки sve или i8mm; некоторые из них не рекомендуются для Mac и Windows. Модель относится к классу 7B, однако точные сведения об архитектуре, поддерживаемых языках, максимальном контексте, мультимодальности, результатах тестирования и ограничениях исходной модели в предоставленном README отсутствуют. Лицензия также не указана, поэтому условия коммерческого и иного использования необходимо уточнять на странице исходной модели.

bunnycore/Qwen2.5-7B-RRP-1M — разговорная языковая модель семейства Qwen2.5, созданная объединением модели Qwen/Qwen2.5-7B-Instruct-1M и LoRA-адаптера bunnycore/Qwen-2.5-7B-1M-RRP-v1-lora. Веса представлены в формате Safetensors; архитектура — плотная Qwen2ForCausalLM с 7,1 млрд параметров. Модель рассчитана на генерацию текста, диалоги, ролевые сценарии и ответы с рассуждением; контекст поддерживает до 1 010 000 токенов. В README описана настройка LoRA на наборах данных для рассуждений и ролевого общения, а также возможность включать режим размышлений через специальный тег в системном запросе. Указаны результаты Open LLM Leaderboard, включая IFEval и BBH, но они не гарантируют качество в конкретных задачах. Лицензия в предоставленных сведениях не указана.

Theros создал эту объединённую языковую модель семейства Qwen2.5 с помощью mergekit и метода SCE. В качестве базовой использована Theros/Qwen2.5-ColdBrew-R1-test4; в объединение также вошли ZeroXClem/Qwen2.5-7B-Qandora-CySec, bunnycore/Qwen-2.5-7B-Deep-Stock-v4 и ZeroXClem/Qwen2.5-7B-HomerCreative-Mix. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и формат safetensors. Она предназначена для генерации текста и диалогов; заявленная длина контекста — до 131 072 токенов. Карточка не сообщает о специализированных языках или областях применения. Лицензия в предоставленных данных не указана, поэтому условия использования следует проверять на странице репозитория Hugging Face. Это тестовый вариант ColdBrew R1, и его качество для конкретных задач следует оценивать отдельно.

bunnycore/Qwen2-7B-TitanFusion — разговорная языковая модель на архитектуре Qwen2, созданная сообществом Bunnycore путём слияния нескольких моделей с помощью mergekit и метода DARE TIES. В качестве базовой использована natong19/Qwen2-7B-Instruct-abliterated; в слияние также вошли Samantha-Qwen-2-7B, Dolphin 2.9.2 Qwen2 7B, Arcee Spark и Orca Mini v7 7B. Модель содержит 7,1 млрд параметров, работает с текстом и предназначена для диалогов и генерации текста, включая ответы на вопросы. Максимальная длина контекста составляет 32 768 токенов. В карточке не заявлена специализация на конкретных языках или предметных областях. Файлы доступны в формате safetensors для Transformers; лицензия в предоставленных данных не указана.

Qwen3-14B-MLX-4bit — это 4-битная версия языковой модели Qwen3-14B, разработанная Qwen и преобразованная сообществом lmstudio-community в формат MLX с использованием mlx-lm версии 0.24.0. Модель предназначена для генерации текста и запуска локальных сценариев на устройствах, совместимых с MLX, включая применение через библиотеку mlx-lm. Модель основана на Qwen/Qwen3-14B и содержит 14 миллиардов параметров. Она относится к моделям text-generation и поддерживает работу с текстовыми запросами; в README не указаны точные языки, длина контекста, дополнительные модальности или подробности архитектуры. При наличии chat template модель может использоваться в формате диалога с ролями пользователя и ассистента. Ключевые преимущества — компактное 4-битное представление, адаптация к экосистеме MLX и возможность локального запуска через стандартные инструменты mlx-lm. Ограничения связаны с потерями качества, возможными для квантизированной версии, а также с отсутствием в README подробных данных о производительности, поддерживаемых языках и требованиях к оборудованию. Модель распространяется по лицензии Apache-2.0.

Qwen3-235B-A22B-Instruct-2507-MLX-6bit — это 6-битная квантованная версия текстовой instruct-модели Qwen3-235B-A22B-Instruct-2507, разработанной командой Qwen. Квантование выполнено командой LM Studio с использованием MLX и предназначено для оптимизированного запуска на компьютерах с Apple Silicon. Модель распространяется как community-модель LM Studio и основана на оригинальной модели Qwen/Qwen3-235B-A22B-Instruct-2507. Модель предназначена для генерации текста и выполнения инструкций, однако README не содержит подробностей о поддерживаемых языках, размере контекста, архитектуре, модальностях и конкретных сценариях применения. Квантование снижает требования к памяти по сравнению с полноразмерной версией, но может влиять на точность и качество ответов; кроме того, вариант ориентирован прежде всего на экосистему Apple Silicon. Модель предоставляется по лицензии Apache-2.0. Как и другие генеративные модели, она может создавать неточные, вредные или вводящие в заблуждение материалы, поэтому результаты требуют проверки.