II.1Анализ требований и архитектура ПО

jaspionjader создал Kosmos-EVAA-Franken-stock-v43-8B — объединённую плотную авторегрессионную языковую модель семейства Llama на 7,5 млрд параметров. Модель предназначена для генерации текста в диалоговом формате; репозиторий использует Transformers и содержит веса Safetensors. Модель получена методом Model Stock с помощью mergekit: в качестве базовой использована jaspionjader/ek-3, а также объединены jaspionjader/ek-5 и jaspionjader/ek-6. Заявленная длина контекста — 131 072 токена. В README и метаданных не приведены сведения о лицензии и конкретных языках обучения или целевых сценариях, поэтому их нельзя достоверно уточнить.

kstc-2-8b — слитая с помощью mergekit языковая модель, разработанная jaspionjader. Она предназначена для генерации текста и диалогового общения. Модель построена на архитектуре Llama, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. Модель создана методом breadcrumbs на основе jaspionjader/kstc-1-8b с включением Kosmos-EVAA-Franken-Immersive-v39-8B, v40-8B и v41-8B. Карточка не описывает целевые языки и специализированные области применения. Веса опубликованы в формате safetensors; для запуска используется библиотека Transformers. Лицензия в предоставленных данных не указана.

Kuno-lake-slerp-7b — объединённая авторская модель на базе двух чекпойнтов SanjiWatsuki/Kunoichi-DPO-v2-7B и senseable/WestLake-7B-v2. Она создана методом slerp с помощью mergekit; конфигурация использует разные веса смешивания для слоёв self-attention и MLP. Модель семейства Mistral с плотной архитектурой и 7,1 млрд параметров принимает текст и предназначена для генерации текста и диалогового взаимодействия. Контекст — до 8192 токенов. Весовые файлы представлены в формате safetensors, исходная точность слияния — bfloat16. Лицензия в предоставленных данных не указана.

KuTrix-7b — языковая модель на основе Mistral, созданная автором seyf1elislam методом слияния DARE TIES. В merge вошли SanjiWatsuki/Kunoichi-DPO-v2-7B и CultriX/NeuralTrix-7B-dpo; базовая архитектура — mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев на основе текстового запроса. В README приведены результаты оценивания на отдельных бенчмарках рассуждений и здравого смысла. Репозиторий содержит веса Safetensors, а также упоминает квантованные версии GGUF. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но некоммерческое.

Sunfall v0.6.1 — разговорная модель генерации текста семейства Llama, опубликованная crestf411. Она предназначена для диалогов и генерации ответов; в метаданных также указаны обучающие наборы LimaRP-DS и NuminaMath-CoT. Модель содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и формат safetensors. Заявленная длина контекста — 131 072 токена. Репозиторий не уточняет базовую модель и детали обучения, поэтому происхождение Sunfall по доступным сведениям определить нельзя. Модель распространяется по лицензии Llama 3; перед использованием следует учитывать её условия и ограничение аудитории, отмеченное тегом not-for-all-audiences.

SvalTek/L3.2-3B-ColdBrew-Reflect — языковая модель семейства Llama, разработанная SvalTek. Это плотная авторегрессионная модель на 3,2 млрд параметров для генерации текста в диалоговом формате. Модель дообучена на базе с тем же идентификатором; карточка сообщает об использовании Unsloth и библиотеки TRL при обучении. Модель предназначена для генерации ответов и ведения диалога на английском языке. Её контекстное окно составляет 131 072 токена. Весы доступны в формате PyTorch, лицензия — Apache-2.0.

lambda-qwen2.5-14b-dpo-test — диалоговая языковая модель на архитектуре Qwen2, разработанная автором репозитория как дообучение Qwen/Qwen2.5-14B-Instruct методом DPO на наборе HuggingFaceH4/ultrafeedback_binarized. Модель с 14 млрд параметров предназначена для генерации текста и диалоговых ответов; метаданные также отмечают интерфейс вызова инструментов. Она принимает текст и выдаёт текст. Контекстное окно — 32 768 токенов. В README приведены метрики оценки на тестовой выборке, включая точность предпочтений 0,74 и отрыв наград 0,8984; подробности методики и интерпретации результатов не раскрыты. Модель опубликована в формате Safetensors под лицензией Apache-2.0. Карточка содержит суффикс «test» в названии, но описывает полноценное дообучение и приводит результаты оценки, поэтому это экспериментальная модель, а не тестовая заглушка.

OpenIntelligenceNet/LFM2-2.6B_ZERO_Refusal — дообученная модель семейства LFM2 от OpenIntelligenceNet на базе huihui-ai/Huihui-LFM2-2.6B-Exp-abliterated. Она предназначена для генерации текста и диалогов; в метаданных также заявлен интерфейс вызова инструментов. Модель содержит 2,4 млрд параметров, принимает текст и поддерживает контекст до 128 000 токенов. В карточке указано, что обучение проводилось с Unsloth и библиотекой TRL от Hugging Face. Модель рассчитана на англоязычные диалоги и генерацию текста. Базовая модель описана как экспериментальная LFM2 с удалёнными защитными отказами; это важно учитывать при использовании, поскольку поведение в ответ на потенциально опасные запросы может отличаться от моделей с такими отказами. Лицензия — Apache-2.0.

SC117/LFM2.5-2.6B-Uncensored — производная текстовая модель сообщества на основе LiquidAI/LFM2.5-2.6B. Автор карточки описывает её как компактную модель для локального запуска и агентных сценариев; поведенческое редактирование abliterix Trial 65 снижает частоту отказов, сохраняя заявленные возможности следования инструкциям, работы с инструментами и многошаговых задач. Официальные бенчмарки для этой версии не проводились. Модель имеет плотную гибридную архитектуру LFM2: 30 слоёв, включая блоки коротких свёрток и GQA. Размер — 2,6 млрд параметров, контекст — 128 000 токенов. Поставляется в BF16 в формате safetensors и использует шаблон диалога на основе ChatML с маркером рассуждения <think>. В карточке не перечислены поддерживаемые естественные языки. Изменённое поведение означает более низкий порог отказа на запросы, поэтому модель может выдавать ответы, от которых отказывается базовая версия; её соответствие требованиям конкретного применения нужно оценивать отдельно. Это не официальный релиз Liquid AI. Указана лицензия LFM Open License v1.0, совпадающая с лицензией базовой модели; перед использованием следует учитывать её условия.

LiveMem-RL — языковая модель для генерации текста и диалогов, разработанная chen-l. Это чекпойнт LiveMem, обученный методом GRPO на основе chen-l/LiveMem-SFT: в каждом слое декодера выходы пути внимания Qwen3 и рекуррентного пути памяти Gated DeltaNet 2 (GDN2) складываются. Основной путь Qwen3 во время RL-обучения оставался замороженным, а путь памяти дообучался. Модель содержит 3,7 млрд параметров и рассчитана на контекст до 262 144 токенов. Реализация использует custom model code и Triton-ядра GDN2, поэтому для инференса требуется среда CUDA; фактически доступная длина контекста зависит от видеопамяти и backend. Репозиторий содержит веса safetensors, библиотека — Transformers. Лицензия Apache-2.0.

LLaDA2.2-flash-uncensored — вариант inclusionAI/LLaDA2.2-flash, опубликованный Mithril (Kotoba Labs Inc.). Веса совпадают с базовой моделью; вариант меняет шаблон чата, который автоматически добавляет в системный блок директиву против отказов и оговорок. Модель предназначена для генерации текста в диалогах и агентных сценариях, включая многошаговое использование инструментов, работу с длинным контекстом и исправление ошибок в последовательностях. Это диффузионная языковая модель семейства LLaDA2 с архитектурой MoE и 5,5 млрд параметров по метаданным. Она принимает текст, поддерживает диалоги и контекст до 131 072 токенов. Механизм Levenshtein Editing с токенами DELETE и INSERT позволяет удалять и вставлять фрагменты при генерации. Модель рассчитана на Transformers или SGLang; для Transformers в README рекомендован режим trust_remote_code=True. Лицензия — Apache-2.0. Шаблон uncensored меняет поведение отказов, но не сами веса базовой модели. В README отмечено, что слишком низкие пороги денойзинга могут усиливать повторы и нестабильность вывода; для базовой модели также указано, что она не обслуживается через HF Inference Providers. Языки модели в карточке не определены.

Llama3.1-8B-Cobalt-GGUF — набор квантованных версий языковой модели Llama3.1-8B-Cobalt от ValiantLabs, подготовленный и опубликованный bartowski. Модель относится к архитектуре Llama, рассчитана на генерацию текста и работу в диалоговом и instruct-сценариях. Указана поддержка английского языка; также заявлена ориентация на математические задачи и инструкции. Модель доступна в формате GGUF для запуска через llama.cpp и совместимых приложений, включая LM Studio. Базовый размер модели — 8 млрд параметров. В набор входят варианты от F32 до сильно сжатых Q2 и IQ-квантизаций, поэтому можно выбирать между качеством ответов и требованиями к памяти: размеры файлов составляют примерно от 2,95 до 32,13 ГБ. Для ряда вариантов применена imatrix-квантизация, а в версиях с суффиксом L эмбеддинги и выходные веса могут храниться в Q8_0 для повышения качества. Рекомендуемыми названы некоторые варианты Q4–Q6; низкобитные версии экономят память, но заметнее снижают качество. Модель предназначена для локального текстового общения, выполнения инструкций и генерации ответов, включая задачи математического характера. README не содержит сведений о мультимодальности, точном размере контекстного окна, результатах бенчмарков или ограничениях безопасности, поэтому эти характеристики нельзя оценить по представленным данным. Лицензия указана как llama3.1.

Llama-3.1-Nemotron-Nano-4B-v1.1-bf16 — версия компактной языковой модели NVIDIA, опубликованная mlx-community и преобразованная из nvidia/Llama-3.1-Nemotron-Nano-4B-v1.1 для запуска с библиотекой MLX. Это плотная авторегрессионная модель семейства Llama с 3,9 млрд параметров и контекстом до 131 072 токенов. Модель предназначена для диалоговой генерации текста. Базовая модель NVIDIA ориентирована на рассуждения, код, математику, RAG и вызов инструментов; эти сценарии могут быть полезны и для данной версии, но README подтверждает только конверсию и не приводит отдельной оценки её качества или результатов тестирования. В карточке заявлена поддержка английского языка. Репозиторий содержит веса safetensors в формате для MLX, а не отдельную квантизацию. Лицензия указана как other, поэтому перед использованием следует свериться с условиями лицензирования исходной модели NVIDIA и репозитория.

bartowski/Llama-3.1-Tulu-3-70B-DPO-GGUF — это набор GGUF-квантизаций модели Llama-3.1-Tulu-3-70B-DPO, разработанной Allen Institute for AI (AI2) и дообученной методом DPO на наборе данных allenai/llama-3.1-tulu-3-70B-preference-mixture. Квантизации подготовлены bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, включая работу в локальных приложениях вроде LM Studio. В README указаны архитектура семейства Llama 3.1, размер 70B параметров, текстовая модальность и поддержка английского языка. Для взаимодействия используется формат промпта с ролями system, user и assistant. Размер и качество зависят от выбранной квантизации: доступны варианты от Q8_0 объёмом 74,98 ГБ до IQ1_M объёмом 16,75 ГБ. Сильной стороной являются многочисленные варианты квантизации, позволяющие выбирать баланс между качеством, скоростью и требованиями к памяти; наиболее рекомендуемыми в README названы Q6_K, Q5_K_M, Q5_K_S, Q4_K_M, Q4_K_S и IQ4_XS. Более компактные варианты экономят память, но могут заметно снижать качество. Для некоторых вариантов указаны аппаратные ограничения, а файл Q4_0_8_8 не рекомендуется использовать на Mac. Лицензия модели — llama3.1.

QuietImpostor/Llama-3.2-3B-Instruct-Base-Merge — экспериментальное слияние моделей Llama 3.2, созданное автором репозитория для будущих проектов. Веса двух моделей, unsloth/Llama-3.2-3B и unsloth/Llama-3.2-3B-Instruct, объединены методом TIES с помощью mergekit; результат сохранён в формате safetensors с точностью bfloat16. Модель содержит 3,2 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Автор сообщает о многообещающих результатах ограниченного тестирования, но подчёркивает, что модель требует дальнейшей проверки. Условия лицензии в предоставленных данных не указаны.

Lyte/Llama-3.2-3B-Overthinker — экспериментальная разговорная языковая модель, разработанная Lyte на основе дообучения unsloth/llama-3.2-3b-instruct-bnb-4bit. Модель семейства Llama имеет плотную архитектуру LlamaForCausalLM и содержит 3,2 млрд параметров. Она генерирует текст и рассчитана на диалоговые сценарии с пошаговым рассуждением, проверками промежуточных шагов и итоговым ответом; в README отмечены объяснение тем, творческие задачи и поддерживающие беседы.

Llama3-8B-SuperNova-Spectrum-Hermes-DPO — языковая модель yuvraj17 на архитектуре Llama 3, дообученная методом DPO на диалоговом датасете chatml-OpenHermes2.5-dpo-binarized-alpha-2k. Она предназначена для генерации текста и ведения диалогов. Модель содержит 7,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. При обучении использовалась QLoRA с 4-битной точностью в течение одной эпохи; в README указано, что исходной основой служила объединённая модель yuvraj17/Llama3-8B-SuperNova-Spectrum-dare_ties. Карточка приводит результаты оценивания на IFEval и BBH, но не описывает их методику подробно. Модель распространяется под лицензией Apache-2.0.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-IPO-v0.2 на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-RRHF на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

Карточка модели princeton-nlp/Llama-3-Instruct-8B-SLiC-HF на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Instruct-8B-SimPO-v0.2, поэтому описание составлено по ней. Llama-3-Instruct-8B-SimPO-v0.2 — диалоговая языковая модель семейства Llama, выпущенная командой Princeton NLP как модель из работы SimPO (Simple Preference Optimization with a Reference-Free Reward). Она предназначена для генерации текста в формате инструкций и диалога. Модель содержит 7,5 млрд параметров, принимает текст и имеет контекстное окно 8192 токена. Модель связана с исследованием оптимизации предпочтений без эталонной модели. В карточке не приведены подробности обучения, оценки качества или специальные области применения; метаданные указывают поддержку чата и формат весов safetensors. Лицензия в предоставленных данных не указана.

Llama-Thinker-3B-Preview2 — языковая модель prithivMLmods для генерации текста и диалогов. Это плотная авторегрессионная трансформерная модель семейства Llama с архитектурой LlamaForCausalLM и 3,2 млрд параметров; в карточке указана связь дообучения с prithivMLmods/Llama-Thinker-3B-Preview. README описывает её как предварительно обученную и дообученную по инструкциям модель на основе Llama 3.2, обученную на синтетических данных с длинными цепочками рассуждений; для настройки упоминаются SFT и RLHF. Модель предназначена для многоязычных диалогов, ответов на запросы и задач, требующих рассуждений. Она принимает текстовые запросы и генерирует текст; карточка указывает контекст до 131 072 токенов, а теги и README подтверждают поддержку английского и заявляют многоязычное применение без перечисления других языков. Доступны веса в safetensors и использование через Transformers; README также описывает запуск квантованных вариантов GGUF через Ollama. Модель распространяется по лицензии CreativeML Open RAIL-M. Заявления о сложных рассуждениях и многоязычности приведены в карточке, но конкретные языки, результаты оценок и независимые показатели качества не указаны.

M7Neuralsynthesis-7B — объединённая языковая модель на архитектуре Mistral, созданная Maxime Labonne методом автоматического слияния моделей. В конфигурации указаны liminerity/M7-7b и Kukedlc/NeuralSynthesis-7B-v0.3; применён метод dare_ties. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев. Репозиторий содержит веса в формате safetensors; указана лицензия Apache-2.0. README не приводит оценок качества, специальных областей применения или списка поддерживаемых языков.

MaziyarPanahi/M7Yamshadowexperiment28_Experiment26Neuralarjuna — объединённая модель семейства Mistral, созданная на основе automerger/M7Yamshadowexperiment28-7B и automerger/Experiment26Neuralarjuna-7B. Она предназначена для генерации текста и ведения диалогов, включая сценарии с контекстом до 32 768 токенов. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и распространяется в формате safetensors. Модель может применяться для диалоговых интерфейсов, генерации и продолжения текста. Репозиторий указывает лицензию Apache-2.0. README не описывает конкретные навыки, языковую специализацию или результаты оценки качества, поэтому их нельзя подтвердить по доступным данным.

M7Yamshadowexperiment28_MeliodasT3q — объединённая модель для генерации текста на архитектуре Mistral с 7,1 млрд параметров. Она создана путём слияния automerger/M7Yamshadowexperiment28-7B и automerger/MeliodasT3q-7B. Модель предназначена для генерации текста и диалогов. Она принимает текст и поддерживает контекст длиной до 32 768 токенов. Доступна в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0. README не приводит результатов оценки качества или подробностей о специализации модели; поведение может зависеть от использованных при слиянии моделей.

Magnolia-v2-12B — плотная языковая модель на архитектуре Mistral, созданная автором grimjim слиянием моделей через task arithmetic с помощью mergekit. В качестве базовой использована Mistral Nemo Base; в слияние также вошли Mistral Nemo Instruct и magnum-consolidatum-v1-12b. Модель содержит 12,1 млрд параметров, работает с контекстом до 131 072 токенов и распространяется в формате safetensors через Transformers. Модель предназначена для генерации текста и диалоговых сценариев. Автор предупреждает, что она может быть чрезмерно творческой и склонной к галлюцинациям; в таких случаях рекомендуется снизить температуру генерации. Веса доступны по лицензии Apache-2.0.

MaziyarPanahi/MeliodasPercival_01_Experiment26Alloyingotneoy — объединённая модель генерации текста, созданная на основе automerger/MeliodasPercival_01-7B и automerger/Experiment26Alloyingotneoy-7B. Она построена на архитектуре Mistral и содержит 7,1 млрд параметров; модель принимает текст и генерирует текст, включая диалоги, с контекстом до 32 768 токенов. Модель подходит для продолжения текста и диалогового взаимодействия на основе текстовых запросов. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0. Данные карточки не описывают специализацию по языку или предметной области.

MeliodasPercival_01_NeuralsirkrishnaInex12 — объединённая авторами репозитория модель для генерации текста и диалогов. Она основана на архитектуре Mistral и содержит 7,1 млрд параметров; модель принимает текст и формирует текстовый ответ, поддерживая контекст до 32 768 токенов. Веса представлены в формате Safetensors. Модель объединяет MeliodasPercival_01-7B и NeuralsirkrishnaInex12-7B и подходит для генерации продолжений текста и ведения диалога. Репозиторий распространяется по лицензии Apache-2.0. Сведения о специализации на конкретном языке или предметной области отсутствуют.

MeliodasPercival_01_Percival_01Experiment26 — объединённая модель на архитектуре Mistral, созданная слиянием automerger/MeliodasPercival_01-7B и automerger/Percival_01Experiment26-7B. Модель содержит 7,1 млрд параметров и принимает текст для авторегрессионной генерации текста; максимальная длина контекста составляет 32 768 токенов. Модель предназначена для генерации текста и диалогов. Репозиторий содержит веса в формате safetensors, лицензия — Apache 2.0. README не сообщает о специальных настройках, оценках качества или дополнительных возможностях модели.

MeliodasPercival_01_ShadowExperiment28 — объединённая модель семейства Mistral на 7,1 млрд параметров, созданная слиянием automerger/MeliodasPercival_01-7B и automerger/ShadowExperiment28-7B. Она предназначена для генерации текста и диалогов, в том числе с длинным контекстом до 32 768 токенов. Модель распространяется в формате Safetensors под лицензией Apache-2.0. Данных о специализации на конкретных языках или прикладных областях в карточке нет; качество и ограничения в README не описаны.

MaziyarPanahi/MeliodasPercival_01_Strangemerges_32Experiment26 — объединённая автором карточки модель на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и диалогов, включая сценарии с контекстом до 32 768 токенов. Модель создана путём слияния automerger/MeliodasPercival_01-7B и automerger/Strangemerges_32Experiment26-7B. В репозитории веса представлены в формате safetensors. В метаданных указана лицензия Apache-2.0. Сведений о специализированной области применения или отдельных языках модельной карточка не содержит.