II.1Анализ требований и архитектура ПО

Это GGUF-квантизированная версия текстовой генеративной модели Qwen3-14B-ft-limo, разработанной mrm8488 и дополнительно подготовленной в различных вариантах точности пользователем bartowski. Базовая модель связана с датасетом GAIR/LIMO и предназначена для генерации текста, включая запуск локально через llama.cpp, LM Studio и совместимые проекты. Модель имеет размер 14 млрд параметров и поддерживает наборы весов от BF16 до низкоразрядных вариантов Q2–Q8, что позволяет выбирать компромисс между качеством, требованиями к памяти и скоростью работы. Рекомендуемыми указаны варианты Q4_K_M, Q5 и Q6; более компактные версии подходят для систем с ограниченной оперативной памятью, но обеспечивают более низкое качество. Используется шаблон запросов в формате ChatML. Сведения о поддерживаемых языках, максимальном контексте и дополнительных модальностях в README не приведены, поэтому модель следует рассматривать как текстовую. Сильной стороной являются разнообразные варианты квантизации, включая imatrix-квантизацию, позволяющие запускать модель на локальном оборудовании. Ограничения зависят от выбранного формата: уменьшение размера весов может снижать качество генерации, а для запуска требуются совместимые llama.cpp-инструменты и достаточный объём памяти. Указанная лицензия — Apache-2.0.

zelk12/MT3-Gen3-gemma-2-9B — объединённая модель генерации текста на архитектуре Gemma 2, созданная с помощью mergekit методом SLERP из двух моделей: zelk12/MT3-Gen3-IMM-gemma-2-9B и zelk12/MT3-Gen3-GMAMUB-gemma-2-9B. Модель содержит 9 млрд параметров, использует формат safetensors и рассчитана на контекст до 8192 токенов. Метаданные также отмечают поддержку диалогового режима. Модель предназначена для генерации текста и диалоговых сценариев. В README приведены результаты оценивания на IFEval и BBH, однако подробности обучения и языковой специализации не описаны. Лицензия в предоставленных данных не указана.

zelk12/MT4-Gen2-gemma-2-9B — объединённая разговорная языковая модель семейства Gemma 2, опубликованная в формате safetensors для использования с Transformers. Это плотная авторегрессионная модель на 9 млрд параметров; она создана слиянием SLERP двух предварительно обученных моделей: zelk12/MT4-Gen2-IMM-gemma-2-9B и zelk12/MT4-Gen2-GBMAMU-gemma-2-9B. В конфигурации слияния указаны bfloat16 и параметр t=0.25. Модель предназначена для генерации текста и диалоговых сценариев: она может отвечать на запросы и продолжать текст. Контекстное окно составляет 8192 токена. Карточка приводит результаты оценки на Open LLM Leaderboard, в том числе IFEval и BBH, но не описывает целевые области применения или языковую специализацию. 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.

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.

Neuralmistral — слитая модель генерации текста на архитектуре Mistral, созданная Kiruthikarthi с помощью LazyMergekit. Она объединяет OpenPipe/mistral-ft-optimized-1218 и mlabonne/NeuralHermes-2.5-Mistral-7B методом slerp; конфигурация смешивает веса слоёв self-attention и MLP. Модель содержит 7,1 млрд параметров, использует формат safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу, например для диалоговых ответов и создания текста. Карточка не сообщает отдельных результатов оценки, целевых языков или специальных прикладных областей. Лицензия в предоставленных данных не указана.

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.

NeuralsirkrishnaT3qm7x-7B — автоматически объединённая Maxime Labonne языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием Kukedlc/NeuralSirKrishna-7b и nlpguy/T3QM7X методом SLERP; веса представлены в формате safetensors и типе bfloat16. Модель предназначена для генерации текста и диалогов. Она принимает текст и выдаёт текст, поддерживая контекст до 32 768 токенов. В метаданных не указаны специальные предметные области или конкретные языки. Модель распространяется по лицензии Apache-2.0. Карточка содержит краткий пример загрузки через Transformers, но не приводит оценок качества или сведений о специальных возможностях.

Это вариант NVIDIA Nemotron 3.5 Lightning 30B A3B, подготовленный в формате GGUF для запуска через llama.cpp. README указывает, что исходной моделью стала nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16; в метаданных репозиторий отмечен как производный от этой модели, а формат файлов указан как GGUF BF16. Суффикс Q3_K_M в названии репозитория не совпадает с указанным в метаданных форматом, поэтому фактическую квантизацию по доступным сведениям подтвердить нельзя. Модель предназначена для генерации текста; базовая модель описана в каталоге как гибридная языковая модель NVIDIA для диалога, рассуждений, оценки и адаптации под пользовательские задачи. Метаданные перечисляют английский, испанский, французский, немецкий, итальянский и японский языки. Лицензия обозначена как other; конкретные условия следует сверять с карточкой базовой модели и файлами репозитория.

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

NVIDIA-Nemotron-Nano-12B-v2-Base — базовая языковая модель компании NVIDIA для продолжения заданного текста и создания собственных LLM на её основе. Это гибридная архитектура Nemotron-Hybrid: 62 слоя, преимущественно Mamba-2 и MLP, с шестью слоями внимания; размер модели — 12,31 млрд параметров. В карточке также отмечено, что модель улучшена с использованием Qwen. Модель принимает и генерирует текст, поддерживает контекст до 128 тысяч токенов и рассчитана на английский и 16 других языков: испанский, французский, немецкий, японский, итальянский, португальский, китайский, арабский, датский, корейский, нидерландский, польский, русский, шведский и тайский. NVIDIA позиционирует её для разработчиков и исследователей, создающих языковые модели; веса доступны в формате safetensors, интеграция указана для Transformers, а среди движков инференса — HF, vLLM и TRT-LLM. Модель обучалась примерно на 20 трлн токенов; данные включают веб-тексты, диалоги, статьи, математику и код. NVIDIA заявляет о готовности к коммерческому использованию, однако в метаданных указана лицензия «other», поэтому конкретные условия следует сверить с лицензией репозитория. Для развёртывания производитель ориентирует модель на GPU NVIDIA, включая H100-80GB и A100; для целевого применения рекомендуются дополнительные тестирование и валидация.

Ognoexperiment27multi_verse_modelMeliodaspercival_01_experiment26t3q-7B — автоматическое слияние моделей, созданное Maxime Labonne на основе MaziyarPanahi/MeliodasPercival_01_Experiment26T3q. Это плотная причинно-языковая модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалоговых ответов. Она принимает текст и формирует текстовые ответы, поддерживает контекст до 32 768 токенов. В README указан метод слияния DARE-TIES и формат bfloat16; метаданные репозитория указывают safetensors и лицензию Apache-2.0. Карточка не описывает специализацию по предметной области или языковую поддержку, поэтому модель следует рассматривать как универсальную генеративную модель без заявленных узких сценариев.

Omningotex-7B-slerp — языковая модель на архитектуре Mistral с 7,1 млрд параметров, созданная liminerity слиянием двух моделей методом SLERP с помощью LazyMergeKit. Она предназначена для генерации текста и диалоговых ответов; в карточке указаны результаты оценки на бенчмарках AI2 Reasoning Challenge и HellaSwag, но заявление о мировом лидерстве по точности не подтверждено приведёнными данными. Модель поддерживает контекст до 32 768 токенов и распространяется в формате Safetensors по лицензии Apache-2.0. README не уточняет языки обучения и практические ограничения; качество ответов на конкретных задачах следует проверять отдельно.

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

pankajmathur/orca_mini_v6_8b — диалоговая языковая модель Orca Mini, разработанная Pankaj Mathur на базе Llama 3 и дообученная на наборах данных для supervised fine-tuning (SFT). Она предназначена для работы в роли универсального помощника: ведения диалога и генерации ответов на текстовые запросы. Модель имеет плотную архитектуру LlamaForCausalLM с 7,5 млрд параметров и контекстом до 8192 токенов; поддерживает английский язык и формат общения ChatML. Модель подходит для создания чат-ботов и адаптации под специализированные сценарии с помощью дальнейшего дообучения или слияния. В карточке указана лицензия Llama 3; автор разрешает такие модификации при условии надлежащего указания авторства. Результаты оценки качества в карточке пока не представлены.

runkai/PascalHermes-2.5-Mistral-7B — разговорная языковая модель на архитектуре Mistral, дообученная на базе teknium/OpenHermes-2.5-Mistral-7B. Она предназначена для диалогов и генерации текста; базовая модель также рассчитана на помощь с кодом. Модель содержит 7,1 млрд параметров, использует формат safetensors и имеет контекст длиной до 32 768 токенов. В метаданных указан английский язык и набор данных argilla/distilabel-intel-orca-dpo-pairs для DPO-обучения. Карточка содержит результаты Open LLM Leaderboard, включая среднее значение 64,81, но не описывает методику обучения именно этой версии, её ограничения или независимые сценарии применения. Лицензия — MIT; разработчик в автоматически сгенерированной карточке не указан.

Pearl-34B-ties — текстовая чат-модель, созданная louisbrulenaudet методом TIES-Merging. В README перечислены модели, использованные при слиянии: jondurbin/bagel-dpo-34b-v0.2 и abacusai/MetaMath-Bagel-DPO-34B; конфигурация также указывает abacusai/Smaug-34B-v0.1 как базовую модель. Модель имеет плотную архитектуру LlamaForCausalLM примерно на 33,9 млрд параметров и доступна в формате Safetensors для Transformers. Модель предназначена для генерации текста в диалогах и решения широкого круга текстовых задач. README приводит результаты оценивания на Open LLM Leaderboard, включая тесты на знания, рассуждения, понимание текста и математику. Заявленная длина контекста — до 200 000 токенов; в карточке указан английский язык. Модель распространяется по лицензии Apache-2.0. Результаты бенчмарков не гарантируют аналогичного качества в прикладных сценариях; README не приводит подробных оценок ограничений или рекомендаций по эксплуатации.

bunnycore/Phi-3.5-mini-dare_ties — объединённая языковая модель, созданная автором репозитория методом DARE TIES с помощью mergekit. В основу слияния вошли microsoft/Phi-3.5-mini-instruct, bunnycore/Phi-3.1-EvolKit-lora, bunnycore/Phi-3.5-Mini-ChatML и nbeerbower/phi3.5-gutenberg-4B. Это плотная авторегрессионная модель семейства Phi-3 с 3,7 млрд параметров, рассчитанная на генерацию текста и диалоги; она работает через Transformers, веса опубликованы в safetensors. Нативная длина контекста — 4096 токенов. Модель подходит для генерации продолжений, ответов в чате и других текстовых сценариев, поддерживаемых базовыми Phi-3 моделями. Карточка не приводит отдельные результаты оценки качества или точное описание языкового охвата этой версии. Лицензия в предоставленных данных не указана.

Phi-3.5-mini-instruct-24-9-29 — дообученная на наборе данных lmsys_chat версия компактной плотной языковой модели Phi-3.5-mini-instruct от Microsoft. Модель содержит 3,7 млрд параметров, использует архитектуру Phi-3 и рассчитана на генерацию текста и диалоги; для неё указано контекстное окно 4096 токенов. Модель можно использовать для генерации ответов в чате и других текстовых сценариев на основе инструкций. В README приведён результат оценки на тестовой выборке: loss 1,3194. Метаданные указывают лицензию «other»; дополнительных условий использования карточка не описывает.

parmanu-lcs2/Phi-4-11B — сжатая версия Phi-4, созданная разработчиком репозитория с помощью структурного прореживания SNIPER. После прореживания модель содержит около 11,02 млрд параметров; в метаданных указано общее число 14,1 млрд параметров. Базовая архитектура — плотная Phi-3, модель распространяется в формате Safetensors и поддерживает контекст до 16 384 токенов. После прореживания модель прошла восстановительное дообучение LoRA на 2 000 примерах SlimOrca в течение одной эпохи, а адаптеры объединены с весами. Модель предназначена для генерации текста и диалогового взаимодействия; в README описан контекст обучения длиной 1 024 токена. Карточка не сообщает результаты оценки качества, поэтому пригодность для конкретных задач стоит проверять отдельно. Лицензия в предоставленных данных не указана.

parmanu-lcs2/Phi-4-7B — сжатая методом SNIPER версия Phi-4, представленная в формате Transformers и предназначенная для генерации текста и диалогового применения. После прореживания осталось около 7,45 млрд параметров; README указывает целевой коэффициент сжатия 50%. По метаданным архитектура относится к семейству Phi-3 и имеет 14,1 млрд параметров, что расходится с числом параметров после прореживания в карточке. После прореживания модель прошла восстановительное дообучение LoRA на 2000 примерах SlimOrca в течение одной эпохи; адаптеры объединены с весами. Указанный в README контекст при дообучении — 1024 токена, а нативный контекст в метаданных — 16384 токена. Для использования приведён пример загрузки через Transformers с trust_remote_code=True. Информация о лицензии и языках модели в предоставленных данных отсутствует.

Phi-4-Super-1 — слитая языковая модель семейства Phi-4, опубликованная пользователем prithivMLmods. Она объединяет базовую unsloth/phi-4 с несколькими моделями Phi-4, включая варианты для рассуждений, математики, диалогов и вызова функций. Слияние выполнено методом Model Stock с помощью mergekit; модель имеет плотную архитектуру LlamaForCausalLM, около 14,1 млрд параметров и контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогов, в том числе для решения математических задач и пошаговых рассуждений. README также описывает акцент на полезных и безопасных ответах и упоминает обучение SFT и DPO, однако конкретные возможности и качество на задачах не подтверждены оценками. Указана лицензия исходного компонента в предоставленных данных отсутствует.

PhoneLM-1.5B-Instruct — англоязычная авторегрессионная языковая модель на 1,6 млрд параметров, разработанная командой mllmTeam. Это дообученная для следования инструкциям версия PhoneLM-1.5B, предназначенная для генерации текста и диалоговых ответов. Модель использует декодерный трансформер с 19 слоями, скрытым размером 2560, 16 головами внимания и контекстом до 2048 токенов. Архитектура включает Rotary Position Embeddings для первой четверти размерности голов внимания, LayerNorm с обучаемыми смещениями и ReLU в полносвязных слоях; токенизатор основан на токенизаторе SmolLM с размером словаря 49 152. В обучении использовались наборы инструкций, диалогов, математических заданий и кода. Модель распространяется в формате safetensors по лицензии Apache-2.0. Она рассчитана прежде всего на английский язык; сведений о поддержке других языков нет.

Карточка модели vilm/Quyen-Pro-Max-v0.1 на Hugging Face совпадает с карточкой vilm/Quyen-Pro-v0.1, поэтому описание составлено по ней. Quyen-Pro-v0.1 — чат-языковая модель серии Quyen, разработанной vilm на основе семейства Qwen. Версия Pro обучена с применением supervised fine-tuning (SFT) и direct preference optimization (DPO); в карточке указаны обучающие наборы OpenHermes-2.5, Capybara, Orca DPO и частные данные. Модель использует архитектуру Qwen2ForCausalLM с плотными весами, содержит 13,4 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для диалогов, ответов на вопросы и генерации текста по запросу; для форматирования диалога используется ChatML. Карточка не приводит результатов бенчмарков, поэтому качество для конкретных задач по ней оценить нельзя. Модель опубликована в формате safetensors для Transformers. Лицензия обозначена как other, конкретные условия использования в предоставленных данных не раскрыты.

Quyen-Pro-v0.1 — чат-языковая модель серии Quyen, разработанной vilm на основе семейства Qwen. Версия Pro обучена с применением supervised fine-tuning (SFT) и direct preference optimization (DPO); в карточке указаны обучающие наборы OpenHermes-2.5, Capybara, Orca DPO и частные данные. Модель использует архитектуру Qwen2ForCausalLM с плотными весами, содержит 13,4 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель предназначена для диалогов, ответов на вопросы и генерации текста по запросу; для форматирования диалога используется ChatML. Карточка не приводит результатов бенчмарков, поэтому качество для конкретных задач по ней оценить нельзя. Модель опубликована в формате safetensors для Transformers. Лицензия обозначена как other, конкретные условия использования в предоставленных данных не раскрыты.

Phantomcloak19/qwen2.5-3b-dpo-grpo — плотная языковая модель семейства Qwen2, дообученная на базе Qwen/Qwen2.5-3B-Instruct в рамках последовательного конвейера LLMPR: после этапа SFT модель прошла DPO и Safety-GRPO, а опубликованный чекпойнт объединяет полные веса. Она предназначена для диалогов, выполнения инструкций и генерации текста. Модель содержит 3,1 млрд параметров, использует архитектуру Qwen2ForCausalLM и принимает контекст длиной до 32 768 токенов. Карточка указывает формат Safetensors и библиотеку Transformers. Базовая модель — компактная многоязычная чат-модель Qwen2.5-3B-Instruct; конкретный набор поддерживаемых языков, лицензия и отдельные показатели качества этой производной модели в предоставленных данных не раскрыты.

bunnycore создала эту объединённую модель на основе нескольких предварительно обученных языковых моделей с помощью метода Model Stock и инструмента mergekit. В состав вошли Bespoke-Stratos-7B, модели семейств Qwen и DeepSeek, а также другие модели на 7B; архитектура — плотная Qwen2ForCausalLM, размер — 7,1 млрд параметров. Модель доступна в формате safetensors для Transformers и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогов. Включённые модели указывают на ориентацию среди прочего на рассуждения, но README не описывает отдельные специализации или гарантии качества; приведённые результаты Open LLM Leaderboard ограничены несколькими метриками. Лицензия в предоставленных данных не указана.

Qwen2.5-Gutenberg-Doppel-14B — текстовая диалоговая модель на архитектуре Qwen2, созданная nbeerbower на основе Qwen/Qwen2.5-14B-Instruct. Модель с 14 млрд параметров дообучена методом ORPO в течение трёх эпох на наборах данных jondurbin/gutenberg-dpo-v0.1 и nbeerbower/gutenberg2-dpo. Она предназначена для диалогов и генерации текста, включая ответы на инструкции. Модель работает с текстом, поддерживает несколько языков, включая русский и английский, и имеет контекстное окно 32 768 токенов. Метаданные также указывают интерфейс для вызова инструментов. Весы доступны в формате Safetensors. Модель выпущена под лицензией Apache-2.0. README приводит результаты Open LLM Leaderboard, в том числе IFEval 80,91 и BBH 48,24; эти показатели сами по себе не гарантируют качество в конкретных задачах.

Dohyeon1/Qwen3-30B-A3B-Sub-MoE-ngroups64-adaptive — языковая генеративная модель на базе архитектуры Qwen3 MoE, доступная для использования через библиотеку Transformers. По метаданным модель содержит 2,6 млрд параметров и поддерживает контекст до 40 960 токенов; назначение и сведения о разработчике в README не описаны. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на запросы, продолжение текста и интеграцию в приложения на базе Transformers. Метаданные также указывают на conversational-режим и формат safetensors. Сильными сторонами являются поддержка длинного контекста и специализированная MoE-архитектура, отражённая в названии и тегах модели. README не содержит результатов оценки, данных о языках, обучении, ограничениях безопасности или лицензии, поэтому пригодность для конкретных задач и условия распространения требуют дополнительной проверки.

maheshrawat18/Qwen3-4B-grpo-groq-merged — дообученная модель семейства Qwen3, опубликованная maheshrawat18. Это плотная языковая модель с архитектурой Qwen3ForCausalLM и примерно 3,7 млрд параметров, предназначенная для генерации текста и диалогового общения. Модель поддерживает контекст до 262 144 токенов и доступна в формате safetensors. В карточке указано, что модель дообучена на maheshrawat18/Qwen3-4B-2507-sft-new-updated и обучалась с использованием Unsloth. Она подходит для построения чат-ботов и генерации ответов на текстовые запросы. Указанный язык карточки — английский. Лицензия — Apache-2.0.