II.1Анализ требований и архитектура ПО

Модель clijo/qwen3-4b-instruct-2507-bf16-reco-grpo-b200-gentle-blue-orbit — дообученная с помощью TRL версия Qwen/Qwen3-4B-Instruct-2507, разработанная автором репозитория clijo. Это плотная языковая модель примерно на 3,7 млрд параметров с архитектурой Qwen3ForCausalLM, предназначенная для генерации текста в диалоговом формате и выполнения инструкций. В карточке приведён пример запуска через Transformers для ответа на вопрос пользователя. Модель принимает текст и генерирует текст; максимальная длина контекста — 262 144 токена. Метаданные указывают на формат safetensors и возможность диалога. Лицензия и специальные области применения в предоставленных данных не описаны.

Qwen3-4B-NEO-Imatrix-Max-GGUF — набор GGUF-квантизованных версий модели Qwen3-4B, опубликованный DavidAU на базе Qwen/Qwen3-4B. Модель предназначена для генерации текста, диалогов, задач, требующих рассуждений, а также творческих сценариев, включая создание историй и ролевое взаимодействие. Режим reasoning включён по умолчанию согласно описанию модели. Модель имеет около 4 миллиардов параметров и работает с текстом. Варианты используют квантизацию NEO Imatrix; для более низких уровней квантизации заявлен более заметный эффект Imatrix, а IQ4XS и IQ4NL названы оптимальным балансом качества и размера. Для повышения качества рассуждений рекомендуется использовать более высокие уровни квантизации. Вариант Q8_0 описан как максимально обработанный, но без эффекта Imatrix, а F16 соответствует полной точности. Заявленная длина контекста составляет 32K токенов плюс до 8K токенов генерации; также указана возможность расширения контекста до 128K. Сильными сторонами модели заявлены улучшенные рассуждения, генерация ответов и творческие возможности при сохранении преимуществ компактной 4B-модели. Ограничения связаны с компромиссом между размером, скоростью и качеством, характерным для квантизованных вариантов; конкретные поддерживаемые языки, результаты бенчмарков и системные требования в карточке не указаны. Модель распространяется по лицензии Apache-2.0.

llmfan46/Qwen3.5-27B-uncensored-heretic-v1 — дообученная версия Qwen/Qwen3.5-27B от независимого автора. Это мультимодальная диалоговая модель с причинной языковой моделью и визуальным энкодером, предназначенная для ответов на запросы, анализа изображений и диалоговых сценариев с меньшим числом отказов на запросы. По карточке, автор применил abliteration к отдельным компонентам модели; приведённые им тесты показывают 8 отказов из 100 против 95 из 100 у исходной модели. Модель содержит 27 млрд параметров, использует плотную архитектуру Qwen3.5 с Gated Delta Networks и механизмом gated attention. Нативная длина контекста — 262 144 токена, с заявленным расширением до 1 010 000. Карточка базовой модели заявляет поддержку 201 языка и диалекта; языки в таблице этой модели не перечислены. Модель принимает текст и изображения и выдаёт текст. Доступна в формате safetensors для Transformers. Модель распространяется по лицензии Apache-2.0. Результаты тестов и заявления о возможностях приведены автором карточки и не являются независимой оценкой; уменьшение числа отказов означает, что модель может отвечать на запросы, которые исходная модель отклоняет.

Qwen3.5-35B-A3B RAMP v2 — GGUF-квантизация модели Qwen/Qwen3.5-35B-A3B, подготовленная независимым ML-исследователем Кевином Ремондером. Это генеративная MoE-модель для диалогов; сборка оптимизирована для запуска на видеокарте RTX 5060 Ti с 16 ГБ памяти и занимает около 15,2 ГБ. В README описана схема RAMP: точность квантизации выбирается отдельно для тензоров с учётом их чувствительности, а калибровочная imatrix создавалась на англо- и франкоязычных текстах, коде и клинических данных. Модель предназначена для локального текстового диалога и генерации, в том числе на английском, французском и китайском языках. В качестве основы использована Qwen3.5-35B-A3B; метаданные каталога указывают поддержку чата. Для запуска автор приводит инструкции с llama.cpp и рекомендует ik_llama.cpp для видеокарт sm_120. README сообщает о функциональной проверке 30 из 30 тестов, но не приводит подробных результатов бенчмарков. Репозиторий распространяется по лицензии Apache-2.0.

Карточка модели eadx/Qwen3.5-9B-Claude-4.6-HighIQ-THINKING-HERETIC-UNCENSORED на Hugging Face совпадает с карточкой DavidAU/Qwen3.5-9B-Claude-4.6-HighIQ-THINKING-HERETIC-UNCENSORED, поэтому описание составлено по ней. DavidAU собрал эту мультимодальную модель на базе Qwen3.5-9B-heretic-v2: автор сообщает о дообучении через Unsloth на дистиллированном наборе рассуждений Claude 4.6. Модель принимает текст и изображения и генерирует текст; карточка заявляет поддержку vision и диалогового режима. В README указаны 9 млрд параметров, архитектура Qwen3.5 с языковой моделью и vision encoder, а также контекст 262 144 токена с возможностью расширения. Заявленная основная область применения — рассуждения, диалог и анализ изображений; автор также приводит результаты на нескольких тестах и сообщает о снижении отказов. README рекомендует квантизацию не ниже Q4_K_S или IQ3_S с imatrix. Видео не тестировалось. Указанные языки карточки — английский и китайский; более широкая языковая поддержка описана для исходной модели Qwen3.5, но отдельно для этого дообучения не подтверждена. Модель распространяется по лицензии Apache-2.0.

Карточка модели VasyaIT/Qwen3.5-9B-Claude-4.6-HighIQ-THINKING-HERETIC-UNCENSORED на Hugging Face совпадает с карточкой DavidAU/Qwen3.5-9B-Claude-4.6-HighIQ-THINKING-HERETIC-UNCENSORED, поэтому описание составлено по ней. DavidAU собрал эту мультимодальную модель на базе Qwen3.5-9B-heretic-v2: автор сообщает о дообучении через Unsloth на дистиллированном наборе рассуждений Claude 4.6. Модель принимает текст и изображения и генерирует текст; карточка заявляет поддержку vision и диалогового режима. В README указаны 9 млрд параметров, архитектура Qwen3.5 с языковой моделью и vision encoder, а также контекст 262 144 токена с возможностью расширения. Заявленная основная область применения — рассуждения, диалог и анализ изображений; автор также приводит результаты на нескольких тестах и сообщает о снижении отказов. README рекомендует квантизацию не ниже Q4_K_S или IQ3_S с imatrix. Видео не тестировалось. Указанные языки карточки — английский и китайский; более широкая языковая поддержка описана для исходной модели Qwen3.5, но отдельно для этого дообучения не подтверждена. Модель распространяется по лицензии Apache-2.0.

Qwen3.6-29B-REAP-Opus-Reasoning-Distill-MTP — текстовая MoE-модель семейства Qwen, созданная barozp на базе Qwen3.6-35B-A3B. Из исходной модели удалили 51 из 256 экспертов методом REAP, затем объединили с весами LoRA, обученной на 14 250 трассах рассуждений Claude Opus. Также добавлена голова Multi-Token Prediction (MTP); всего около 28,92 млрд параметров, активно около 3 млрд на токен. Контекст — 262 144 токена. Модель предназначена для генерации текста в диалогах и задач рассуждения. MTP ускоряет генерацию при само-спекулятивном декодировании в llama.cpp; стандартная загрузка через Transformers не использует эту голову и даёт тот же результат, что и версия без MTP. В приведённых автором тестах Distill-версия улучшила результат ARC-Challenge относительно исходной модели, однако оценки зависят от методики и настроек тестирования. Репозиторий распространяется под лицензией Apache-2.0.

Это текстовая MoE-модель семейства Qwen для диалоговой генерации. По README, репозиторий содержит полный конвертированный чекпойнт Qwen/Qwen3.8-2.4T-A95B с 4-битным представлением весов; метаданные указывают поддержку чат-сценариев и генерации текста. Модель предназначена для диалогов и генерации ответов, включая программный код. В README приведены измерения скорости на восьми GPU AMD MI325X с ROCm, в том числе с ускорением спекулятивным декодированием DSpark; эти показатели относятся к конкретным настройкам и нагрузкам. Качество модели широко не оценивалось: автор сообщает об арифметических проверках генерации, проверке чата и нескольких тестах с Python-кодом, но не приводит широких оценок точности или perplexity. Квантизация заметно отличается от исходных BF16-весов по приведённым тестам; эквивалентность качества BF16 и детерминизм для произвольных запросов не заявлены. Для размещения чекпойнта указаны значительные требования к памяти GPU. Лицензия обозначена как «other», конкретные условия в предоставленных данных не раскрыты.

mlasli/Qwen3.8-27B-Heretic-Abliterated-MLX-6bit — текстовая языковая модель, созданная mlasli на основе Qwen/Qwen3.8-27B. Это версия v2.1.0 с изменённым поведением отказов и ответов, преобразованная в формат MLX для запуска через mlx-lm на компьютерах с Apple Silicon. Модель предназначена для генерации текста, диалогов, ролевых сценариев и задач, где требуется более прямое следование запросу. Модель содержит около 27 млрд параметров и использует групповое 6-битное квантование с размером группы 64. Размер файлов составляет примерно 21,9 ГБ. Репозиторий поддерживает только текстовый ввод: при конвертации удалена vision tower, поэтому обработка изображений недоступна. Многоцелевое предсказание токенов MTP также не сохранено, из-за чего инференс выполняется одной основной головой и может быть медленнее сборок с поддержкой MTP. В карточке указаны английский язык и контекстная длина не приведена. Сильной стороной является уменьшенный объём по сравнению с BF16-версией при сохранении возможностей 27B-модели и удобная интеграция с MLX. По данным тестов, 6-битная версия немного уступает BF16 по прямоте ответов, а режим thinking может чаще приводить к уклончивым или пустым ответам; для заявленного поведения рекомендуется отключать thinking. Abliteration снижает или удаляет исходное safety-выравнивание, поэтому модель требует осторожного применения. Лицензия — Apache-2.0.

Qwen3.8-27B-NVFP4-BUDGET-GGUF — производная версия модели Qwen3.8-27B, подготовленная автором репозитория esatapedico на основе квантованной сборки Unsloth. Это плотная модель с 27 млрд параметров, гибридной архитектурой Gated DeltaNet и Gated Attention и контекстом до 262 144 токенов. Репозиторий содержит две компактные сборки GGUF: BUDGET и STARVED; в обеих удалена голова MTP для спекулятивного декодирования, а выходная проекция и эмбеддинги токенов квантованы до малых типов. Модель предназначена для диалогов и генерации текста, а при подключении совместимого проектора mmproj-BF16.gguf также принимает изображения и видео. Сборки рассчитаны на запуск через llama.cpp на видеокартах Blackwell с 16 ГБ памяти: BUDGET занимает 14,72 ГБ, STARVED — 14,59 ГБ. Автор приводит ориентировочные результаты одного запуска на RTX 5070 Ti и предупреждает, что компактное квантование снижает точность; заявленный образный ввод требует отдельного проектора, а для работы нужны свежая версия llama.cpp и поддержка NVFP4 и sm_120. Модель распространяется по лицензии Apache-2.0. Это конверсия и дополнительное квантование/уплотнение производной сборки; веса не обучались и не дообучались автором репозитория.

Qwen-Qwen3.8-27B-MTPLX — модель генерации текста, созданная на основе Qwen/Qwen3.8-27B и адаптированная для Apple Silicon с использованием MLX. Модель разработана в формате MTPLX командой или проектом MTPLX Forge и предназначена для локального запуска на устройствах Apple Silicon. Модель использует подход multi-token prediction, позволяющий предсказывать несколько токенов за один шаг и ускорять генерацию по сравнению с авторегрессионным базовым режимом. Указан размер базовой модели 27B параметров. Модель поддерживает текстовый ввод и вывод; сведения о языках, размере контекста и дополнительных модальностях в README не приведены. По данным верификации, лучший режим имеет глубину D3, а ускорение относительно авторегрессионной базовой модели составляет 2,24 раза. Проверка проводилась на Apple M4 Pro с параметрами семплирования temperature 0,6, top_p 0,95 и top_k 20. Ограничения включают зависимость от экосистемы MLX и целевых устройств Apple Silicon, а также отсутствие подробных данных о качестве на бенчмарках и совместимости с другими платформами. Условия лицензирования в README не раскрыты: предлагается обратиться к файлу LICENSE.

Qwimi3.5-9B-Kimik2.6-Opus-Distill-MTP-GGUF — экспериментальная модель, разработанная trjxter на базе unsloth/Qwen3.5-9B. Это каузальная языковая модель с GGUF-квантизацией, дообученная методом supervised fine-tuning с использованием LoRA и RS-LoRA через Unsloth и Hugging Face TRL. Обучение проводилось на смеси наборов данных с рассуждениями в стилях Kimi K2.6, Qwen и Claude Opus TraceInversion; в итоговый набор вошло 12 366 примеров, из которых 12 000 использовались для обучения. Модель ориентирована на английский язык и сохраняет формат чата Qwen, включая трассы рассуждений в формате <think>...</think>. Модель предназначена для локального запуска в llama.cpp-совместимых средах, экспериментов с рассуждениями, математикой, решением задач, программированием, техническим анализом и длинным контекстом. Заявленная длина последовательности при обучении составляет 16 384 токена. Доступны варианты Q3_K_L, Q4_K_M, Q5_K_M, Q6_K и Q8_0; Q4_K_M рекомендован как сбалансированный вариант по размеру, скорости и качеству, а более высокие уровни квантизации обеспечивают лучшее сохранение качества при увеличенных требованиях к памяти. Сильными сторонами модели являются специализация на структурированных рассуждениях, поддержка локального инференса и несколько вариантов GGUF-квантизации для разных ограничений по памяти. При этом это экспериментальный fine-tune без заявленных гарантий качества, поэтому модель следует тщательно проверять перед использованием в производственных или критически важных сценариях. Лицензия — Apache 2.0.

QwQen-3B-LCoT — объединённая модель генерации текста на базе архитектуры Qwen2, созданная с помощью mergekit. Автор объединил bunnycore/Qwen2.5-3B-RP-Mix с prithivMLmods/QwQ-LCoT-3B-Instruct линейным слиянием; модель содержит 3,1 млрд параметров и работает с контекстом до 32 768 токенов. Модель предназначена для диалога и генерации текста, включая развёрнутые пошаговые объяснения. Метаданные также отмечают интерфейс вызова инструментов. README приводит результаты оценок IFEval и BBH, но не описывает их методику или практические ограничения модели. Лицензия в предоставленных данных не указана.

abdurrehman456/qwythos-9b-openthoughts — текстовая генеративная модель, опубликованная на Hugging Face. В метаданных она обозначена как модель для text-generation и conversational-сценариев, работающая с библиотекой Transformers. Разработчик, базовая модель и лицензия в доступных материалах не указаны. Модель содержит 7,2 млрд параметров и поддерживает контекст до 1 048 576 токенов. Её можно применять для генерации ответов в диалоге, продолжения и преобразования текста, подготовки черновиков и интеграции в приложения на базе Transformers. Модельная карточка не содержит сведений об обучающих данных, результатах оценки, специальных языках, ограничениях применения или рекомендациях по развёртыванию. Поэтому качество, фактическую точность, устойчивость к вредным запросам и пригодность для критически важных задач необходимо проверять самостоятельно.

RandomMergeNoNormWEIGHTED-7B-DARETIES — объединённая автором репозитория модель на архитектуре Mistral для генерации текста. Она создана с помощью mergekit из FelixChao/WestSeverus-7B-DPO-v2, CultriX/Wernicke-7B-v9 и mlabonne/NeuralBeagle14-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста, в том числе диалогов, ответов на инструкции, рассуждений и творческих текстов; README приводит результаты оценки на задачах ARC и HellaSwag. Доступны веса в формате safetensors. Лицензия — Apache-2.0. Карточка не уточняет поддерживаемые естественные языки и конкретные ограничения качества.

Raptor 0.6 — это лёгкая supervised fine-tune модели XHToken/Spark-X2.5-4B, подготовленная Jinho Jang для Osaurus. Модель использует плотную архитектуру Spark2_5ForCausalLM с 36 слоями и примерно 3,8 млрд параметров; она предназначена для диалога, рассуждений и работы с инструментами. Репозиторий содержит веса в формате safetensors, а конфигурация JANG_6M задаёт смешанную точность: внимание и связанные эмбеддинги — 8-битные, MLP — 6-битный, масштабы групп — bfloat16, нормализации и attention gate — полной точности. Указанное базовой моделью окно контекста — до 1 048 576 токенов. Модель рассчитана на запуск в Osaurus на Apple Silicon и требует Osaurus версии 0.25.0 или новее. Шаблон поддерживает диалог с включённым по умолчанию режимом рассуждений и вызовами инструментов; карточка сообщает о калибровке и оценке на наборах промптов, но не устанавливает универсальное качество для всех сценариев. README предупреждает, что это практический чекпойнт с обычными для модели 4B ошибками; длинные рассуждения могут превышать 8 192 выходных токена. Лицензия — Apache-2.0.

zelk12/recoilme-gemma-2-Ifable-9B-v0.1 — языковая модель на архитектуре Gemma 2, созданная слиянием SLERP двух предварительно обученных моделей: ifable/gemma-2-Ifable-9B и recoilme/recoilme-gemma-2-9B-v0.4. Модель содержит 9 млрд параметров, рассчитана на генерацию текста и диалоговое использование; работает через библиотеку Transformers, веса опубликованы в формате safetensors. Заявленная длина контекста — 8192 токена. Модель подходит для диалогов и генерации текста. В карточке приведены результаты Open LLM Leaderboard: средняя оценка 32,05, IFEval — 79,44, BBH — 43,39. Карточка не уточняет языковую специализацию и лицензию, поэтому эти характеристики здесь не заявляются.

SELM-Llama-3-8B-Instruct-iter-1 — диалоговая языковая модель, дообученная на базе meta-llama/Meta-Llama-3-8B-Instruct на обновлённом и исходном наборах данных. Модель использует плотную архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и принимает текстовые запросы, генерируя текстовые ответы; заявлена возможность диалога. Модель подходит для генерации текста и ассистентских диалогов. Контекст составляет до 8192 токенов. Доступны веса в формате safetensors. Модель распространяется по лицензии Llama 3; её условия следует учитывать при использовании и распространении.

Seraph-7B — языковая модель с 7,1 млрд параметров на базе архитектуры Mistral, опубликованная Weyaxi. Автор объединил модели с помощью mergekit; репозиторий содержит веса в формате safetensors и поддерживает генерацию текста с контекстом до 32 768 токенов. Модель предназначена для генерации текста в диалоговом формате. В README приведены шаблоны Alpaca и ChatML, причём автор рекомендует ChatML. Указаны результаты оценки на Open LLM Leaderboard, включая средний балл 71,86, ARC и HellaSwag. Лицензия CC BY-NC 4.0 разрешает использование на условиях атрибуции и некоммерческого применения. README не уточняет состав объединённых моделей, языковую специализацию и известные ограничения качества; приведённые оценки не описывают все возможные сценарии использования.

sfm_unfiltered_midtrain_alignment-7k_8k_9k_10k_11k_simpleavg_merge — языковая модель, опубликованная пользователем yuhengtu. Это линейное слияние пяти предобученных чекпойнтов на шагах 7000, 8000, 9000, 10000 и 11000, выполненное с помощью mergekit; базой слияния указан чекпойнт global_step11000. Модель использует плотную архитектуру GPT-NeoX и содержит 8,8 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев. Она принимает текст и выдаёт текст; заявленный контекст составляет 16 384 токена. Карточка не сообщает языковую специализацию или прикладную область, поэтому модель следует считать общего назначения. Репозиторий содержит веса в формате safetensors. Сведения о лицензии в предоставленных данных отсутствуют.

Sina-Loki-7b-Merge — экспериментальная объединённая языковая модель из серии DARE merges. Репозиторий содержит веса в формате Safetensors; по метаданным модель построена на плотной архитектуре MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Она предназначена для генерации текста. Модель опубликована Azazelle по лицензии CC BY 4.0.

Sirius-10B — объединённая языковая модель на архитектуре Mistral, созданная Felix Chao путём слияния частей leveldevai/TurdusBeagle-7B и FelixChao/Severus-7B. В конфигурации указаны метод passthrough и точность float16; репозиторий содержит веса Safetensors. Модель насчитывает 10,6 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и может использоваться в приложениях, которым нужны ответы на запросы, диалог или продолжение текста. Карточка не уточняет специализацию, языки обучения или отдельные возможности модели. Лицензия — Apache-2.0.

Smaug-34B-v0.1 — языковая модель семейства Llama, разработанная Abacus.AI и дообученная на базе jondurbin/bagel-34b-v0.2. Она содержит 33,9 млрд параметров, использует архитектуру LlamaForCausalLM и предназначена для генерации текста и диалоговых сценариев. Модель обучена методом DPO-Positive (DPOP) на предпочтениях ответов, включая варианты наборов ARC, HellaSwag и MetaMath. Авторы сообщают о результатах на ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K. Модель подходит для диалоговых помощников, ответов на вопросы и задач рассуждения, в том числе математических. В метаданных заявлено контекстное окно до 200 000 токенов; формат весов — Safetensors. Лицензия — Apache 2.0. README описывает один набор результатов, поэтому их не следует считать гарантией качества для любых задач; возможны ошибки и неточные ответы.

SmaugDolphin-34B-slerp — объединённая языковая модель, созданная автором репозитория с помощью mergekit и метода SLERP из cognitivecomputations/dolphin-2.2-yi-34b-200k и abacusai/Smaug-34B-v0.1. Она предназначена для генерации текста и диалогового общения. Модель построена на плотной архитектуре Llama с классом LlamaForCausalLM; в метаданных указаны 27,2 млрд параметров и контекст до 200 000 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Слияние объединяет возможности исходных моделей Smaug и Dolphin для диалоговой генерации текста. Модель можно применять для ответов на вопросы, ведения диалога и других задач генерации текста. README не сообщает результаты оценки качества или конкретный перечень поддерживаемых языков. Лицензия в предоставленных данных не указана.

StrangeMerges_25-7B-dare_ties — объединённая модель Gille, созданная методом dare_ties с помощью LazyMergekit на основе Gille/StrangeMerges_21-7B-slerp и bardsai/jaskier-7b-dpo-v5.6. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и ответов на запросы. Поддерживает контекст до 32 768 токенов. В README приведены результаты Open LLM Leaderboard: средний балл 76,33, включая 73,46 на AI2 Reasoning Challenge и 88,89 на HellaSwag. Карточка предупреждает о наследуемой последовательности «INSTINSTINSTINSTINST», которая может проявляться в ответах и снижать их качество. Лицензия — Apache-2.0.

StrangeMerges_46-7B-dare_ties — объединённая модель для генерации текста, созданная Gille с помощью LazyMergekit. В слияние вошли Gille/StrangeMerges_45-7B-dare_ties, kettleguts/zephyr-7b-beta_sparse05 и chihoonlee10/T3Q-Mistral-Orca-Math-DPO; в конфигурации также указана базовая модель liminerity/M7-7b. Метод слияния — dare_ties. Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Нативный контекст — до 32 768 токенов. Она предназначена для генерации текста, диалогов и ответов на математические вопросы. В README приведены результаты Open LLM Leaderboard, включая среднюю оценку 69,96, ARC 67,24 и HellaSwag 86,40. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Подтверждённые сведения о языках и специальные ограничения в карточке не приведены.

SuperNeuralDreadDevil-8b — объединённая авторегрессионная языковая модель от BoltMonkey на архитектуре Llama, созданная методом DARE-TIES из NeuralDaredevil-SuperNova-Lite-7B-DARETIES-abliterated и DreadMix. В конфигурации указан NousResearch/Meta-Llama-3.1-8B-Instruct как базовая модель; веса сохранены в формате bfloat16. Метаданные указывают 7,5 млрд параметров и контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогового общения. Её можно применять для ответов на вопросы, написания и продолжения текстов, а также для интерактивных сценариев на основе чата. Карточка не описывает конкретные языки или специализированные предметные области. Модель распространяется под лицензией, указанной в метаданных Hugging Face; в предоставленных метаданных она отсутствует.

Synatra-7B-v0.3-RP-Mistral-7B-Instruct-v0.2-slerp — диалоговая языковая модель на 7,1 млрд параметров, созданная слиянием Mistral-7B-Instruct-v0.2 и maywell/Synatra-7B-v0.3-RP методом SLERP. Она предназначена для генерации текста в ответ на инструкции и ведения диалога. Модель использует плотную архитектуру MistralForCausalLM, работает с контекстом до 32 768 токенов и распространяется в формате Safetensors. Модель можно применять для диалоговых помощников, написания и продолжения текста, а также ответов на запросы с длинным контекстом. В README не приведены результаты оценки качества и сведения о поддерживаемых естественных языках. Лицензия Apache-2.0.

T3qm7xNeuralsirkrishna_Strangemerges_32Experiment26 — объединённая языковая модель на архитектуре Mistral, опубликованная MaziyarPanahi. Она объединяет модели automerger/T3qm7xNeuralsirkrishna-7B и automerger/Strangemerges_32Experiment26-7B и предназначена для генерации текста и диалогов. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Модель подходит для генерации продолжений текста и ответов в диалоге. Репозиторий не приводит сведений о специализации по языкам или прикладным областям. Лицензия — Apache-2.0.

T3qm7xNeuralsirkrishna_YamshadowExperiment28 — слитая разработчиком MaziyarPanahi модель для генерации текста и диалогов. Она объединяет automerger/T3qm7xNeuralsirkrishna-7B и automerger/YamshadowExperiment28-7B. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Контекстное окно составляет 32 768 токенов; модель работает с текстом и распространяется в формате safetensors. Модель подходит для генерации продолжений текста и ведения диалогов. Репозиторий лицензирован по Apache-2.0.