II.1Анализ требований и архитектура ПО

Memgpt-slerp-7b-2 — объединённая модель генерации текста, созданная liminerity с помощью LazyMergekit из starsnatched/MemGPT-3 и liminerity/Memgpt-slerp-7b-1. В README указан метод слияния slerp и формат bfloat16; метаданные описывают архитектуру как плотную MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для диалоговой генерации текста. Метаданные отмечают поддержку чата и задачу text-generation, однако README не приводит оценок качества или конкретных сценариев применения. Лицензия и поддерживаемые естественные языки в предоставленных источниках не указаны.

Mending-Hearts-12B — объединённая языковая модель, созданная автором Sorihon из предварительно обученных моделей с помощью mergekit и метода DARE TIES. В качестве базовой использована djuna/MN-Chinofun-12B-4; также в объединение вошли Vortex5/Nether-Moon-12B и MarinaraSpaghetti/NemoMix-Unleashed-12B. Модель семейства Mistral имеет плотную архитектуру MistralForCausalLM и 12,1 млрд параметров. Она предназначена для генерации текста и диалогового общения; заявленная длина контекста — 131 072 токена. Данные о поддерживаемых естественных языках и специализированных предметных областях в карточке не приведены. Карточка не содержит сведений о качестве на конкретных тестах или об известных ограничениях. Лицензия в предоставленных данных не указана.

Это GGUF-квантизированная версия модели Mistral-Small-2501-SCE-Mashup-2-24B, разработанной mergekit-community. Квантизацию выполнил bartowski с использованием llama.cpp версии b5147 и метода imatrix. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые проекты. Модель имеет размер 24B параметров и представлена в нескольких вариантах точности, включая BF16, Q8_0, Q6, Q5, Q4 и IQ4, с размером файлов примерно от 12,76 до 47,15 ГБ. Для взаимодействия используется шаблон промпта с системным сообщением и инструкцией. В README не указаны модальности, поддерживаемые языки и размер контекстного окна. Сильной стороной являются варианты Q6 и Q5 с высоким заявленным качеством, а также Q4-варианты, предлагающие компромисс между качеством и требованиями к памяти. Более компактные сборки подходят для систем с ограниченным объёмом RAM, но могут иметь более низкое качество. Лицензия в README не указана.

mergekit-community/mergekit-dare_ties-ymiqjtz — объединённая языковая модель на архитектуре Mistral, созданная сообществом с помощью mergekit и метода DARE TIES. В качестве базовой использована amazingvince/Not-WizardLM-2-7B, а в слияние также вошли MaziyarPanahi/Calme-7B-Instruct-v0.9, Weyaxi/OpenHermes-2.5-neural-chat-v3-3-Slerp и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель предназначена для генерации текста и диалоговых ответов. Она содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors; в конфигурации слияния указана точность float16. Для её использования применяется библиотека Transformers. Языки в карточке модели не указаны. Модель доступна по лицензии, указанной в репозитории Hugging Face. Слияние объединяет возможности входящих моделей, однако README не приводит независимых оценок качества или конкретных гарантий по отдельным сценариям.

Это слитая методом SLERP языковая модель на архитектуре Llama с 7,5 млрд параметров, созданная сообществом mergekit из NousResearch/Meta-Llama-3-8B-Instruct и cognitivecomputations/dolphin-2.8-mistral-7b-v02. Модель предназначена для генерации текста и диалогов; конфигурация использует кривую смешивания весов по слоям и формат bfloat16. Модель принимает текстовые запросы и генерирует текст, в том числе ответы в чате. В карточке указано контекстное окно 8192 токена; исходная Meta Llama 3 рассчитана прежде всего на английский язык. Репозиторий использует библиотеку Transformers и содержит веса Safetensors. Лицензия в доступных данных не указана.

Meta-Llama-3-12B — плотная языковая модель семейства Llama, опубликованная mlabonne. Это экспериментальная сборка из пяти диапазонов слоёв одной и той же NousResearch/Meta-Llama-3-8B с помощью LazyMergekit и метода passthrough; метаданные указывают около 11 млрд параметров, архитектуру LlamaForCausalLM и формат safetensors. Модель предназначена для генерации текста, включая диалоговые сценарии и код, на основе текстовых запросов. В карточке указано контекстное окно 8192 токена; базовая модель ориентирована на английский текст и код. Лицензия обозначена как other, поэтому условия использования следует проверять в репозитории модели и у правообладателя базовой модели. Поскольку исходные диапазоны берутся из одной модели, README не подтверждает прирост качества от этой сборки.

mlx-community/Meta-Llama-3.1-8B-Instruct-abliterated-4bit — преобразованная в формат MLX 4-битная версия модели Meta-Llama-3.1-8B-Instruct-abliterated, подготовленная сообществом mlx-community. В основе лежит дообученная Meta Llama 3.1 Instruct с плотной архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; модель предназначена для диалоговой генерации текста. Указанное нативное окно контекста — 131 072 токена. Модель подходит для диалогов и генерации ответов в сценариях, где требуется запускать Llama 3.1 на системах Apple через MLX. В названии и тегах исходной модели есть обозначения «abliterated» и «uncensored», однако карточка не описывает конкретные гарантии или пределы такого поведения. Репозиторий указывает лицензию Llama 3.1; использование должно соответствовать её условиям. README сообщает о конверсии в MLX из mlabonne/Meta-Llama-3.1-8B-Instruct-abliterated, а каталог классифицирует базовую связь как дообучение Meta Llama 3.1 Instruct.

gaverfraxz/Meta-Llama-3.1-8B-Instruct-HalfAbliterated-DELLA — текстовая модель на архитектуре Llama, созданная методом слияния DELLA на основе Meta-Llama-3.1-8B и двух инструктивных вариантов: Meta-Llama-3.1-8B-Instruct и его версии abliterated от mlabonne. Модель рассчитана на генерацию текста и диалоговые ответы; слияние сочетает instruct-модель с вариантом, у которого ослаблены ограничения на ответы. Модель содержит 7,5 млрд параметров, работает с текстом и имеет контекстное окно до 131 072 токенов. Для запуска предусмотрена библиотека Transformers, веса опубликованы в формате safetensors. Лицензия — llama3.1. Слияние с abliterated-вариантом означает, что защитные ограничения могут быть ослаблены; качество и поведение на конкретных запросах могут отличаться от исходной instruct-модели.

Meta-Llama-3.1-8B-Instruct-HalfAbliterated-TIES — объединённая языковая модель на основе Meta Llama 3.1 8B, созданная автором репозитория с помощью mergekit и метода TIES. В слияние вошли Meta-Llama-3.1-8B-Instruct и её вариант abliterated от mlabonne; модель предназначена для генерации текста и диалоговых ответов. По данным метаданных, она содержит 7,5 млрд параметров, использует архитектуру LlamaForCausalLM и принимает контекст до 131 072 токенов. Модель подходит для ведения диалогов и генерации ответов на запросы. Слияние с abliterated-вариантом ослабляет ограничения на ответы, поэтому модель может отвечать на запросы, которые другие модели отклоняют; это не гарантирует точность или безопасность таких ответов. Поддерживается через библиотеку Transformers, веса опубликованы в формате safetensors. Лицензия — Llama 3.1 Community License.

MFANN-llama3.1-Abliterated-SLERP — диалоговая языковая модель, созданная netcat420 слиянием SLERP двух моделей: netcat420/MFANNv0.21.11 и mlabonne/Meta-Llama-3.1-8B-Instruct-abliterated. Она построена на архитектуре LlamaForCausalLM и содержит около 7,5 млрд параметров; модель предназначена для генерации текста и ответов в чате. Для неё заявлено контекстное окно до 131 072 токенов. Слияние объединяет базовую модель MFANN с Meta-Llama 3.1 8B Instruct Abliterated. Модель работает с текстом и может применяться для диалогов, свободной генерации и ответов на запросы. Карточка не сообщает о специализированной предметной области или поддерживаемых естественных языках. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

MFANNv0.3 — разговорная текстовая модель семейства Mistral с плотной архитектурой MistralForCausalLM и 7,1 млрд параметров. Разработчик в карточке обозначен как netcat420. Модель предназначена для генерации текста и диалоговых сценариев; заявленное окно контекста составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors и шаблон диалога с ролями System, User и Assistant. В README приведены результаты на ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K, а также средний балл 72,51; методика и условия оценки не описаны. Модель распространяется по лицензии Apache-2.0. README также содержит отметку «gguf», но метаданные подтверждают только формат safetensors, поэтому наличие GGUF-весов не установлено.

Карточка модели princeton-nlp/Mistral-7B-Base-SFT-CPO 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/Mistral-7B-Instruct-DPO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Base-8B-SFT, поэтому описание составлено по ней. princeton-nlp/Llama-3-Base-8B-SFT — разговорная модель генерации текста на архитектуре Llama, опубликованная как часть работы SimPO: Simple Preference Optimization with a Reference-Free Reward. Репозиторий содержит модель на 7,5 млрд параметров в формате safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на запросы и ведения беседы. README отсылает к репозиторию SimPO за дополнительными сведениями. Лицензия и конкретные языковые возможности в предоставленных данных не определены.

Карточка модели princeton-nlp/Mistral-7B-Instruct-IPO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Base-8B-SFT, поэтому описание составлено по ней. princeton-nlp/Llama-3-Base-8B-SFT — разговорная модель генерации текста на архитектуре Llama, опубликованная как часть работы SimPO: Simple Preference Optimization with a Reference-Free Reward. Репозиторий содержит модель на 7,5 млрд параметров в формате safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на запросы и ведения беседы. README отсылает к репозиторию SimPO за дополнительными сведениями. Лицензия и конкретные языковые возможности в предоставленных данных не определены.

Карточка модели princeton-nlp/Mistral-7B-Instruct-ORPO на Hugging Face совпадает с карточкой princeton-nlp/Llama-3-Base-8B-SFT, поэтому описание составлено по ней. princeton-nlp/Llama-3-Base-8B-SFT — разговорная модель генерации текста на архитектуре Llama, опубликованная как часть работы SimPO: Simple Preference Optimization with a Reference-Free Reward. Репозиторий содержит модель на 7,5 млрд параметров в формате safetensors; заявленная длина контекста — 8192 токена. Модель предназначена для диалоговой генерации текста и может использоваться для ответов на запросы и ведения беседы. README отсылает к репозиторию SimPO за дополнительными сведениями. Лицензия и конкретные языковые возможности в предоставленных данных не определены.

Карточка модели princeton-nlp/Mistral-7B-Instruct-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.

silvercoder67/Mistral-7b-instruct-v0.2-summ-sft-e2m — разговорная модель генерации текста на базе плотной архитектуры MistralForCausalLM. Она содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Модель предназначена для диалогового взаимодействия и генерации текста. README не раскрывает подробности обучения, данных или конкретных сценариев применения. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Карточка модели DevQuasar/Mistral-7B-Instruct-v0.3_brainstorm-v3.1 на Hugging Face совпадает с карточкой DevQuasar-2/Luca-MN-bf16-GGUF, поэтому описание составлено по ней. DevQuasar-2/Luca-MN-bf16-GGUF — чат-модель для генерации текста в формате GGUF BF16. По метаданным, это производная от rAIfle/Luca-MN-bf16 модель, доступная для задач генерации текста.

3MPER0RR подготовил экспериментально изменённую версию Mistral-7B-v0.3 с применением abliteration. Это плотная причинная языковая модель с 7,1 млрд параметров, рассчитанная на генерацию текста и диалоговое взаимодействие; максимальный контекст составляет 32 768 токенов. В README указаны 200 испытаний и статус «проверена и сохранена».

win10/Mistral-Nemo-Base-2407-20b — плотная языковая модель семейства Mistral для генерации текста. В метаданных указаны архитектура MistralForCausalLM, 23 млрд параметров, библиотека Transformers и контекст до 1 024 000 токенов. Модель создана на основе unsloth/Mistral-Nemo-Base-2407 слиянием предварительно обученных языковых моделей методом passthrough; README указывает, что в слиянии участвовала эта базовая модель. Модель предназначена для генерации текста и может служить основой для дальнейшей адаптации под прикладные задачи. В карточке не описаны конкретные сценарии, языки или результаты оценки качества. Лицензия в предоставленных сведениях не указана.

zaddyzaddy/Mistral-Soro — разговорная текстовая модель на архитектуре Mistral, опубликованная пользователем zaddyzaddy на Hugging Face. Она предназначена для генерации текста и диалогового общения. Модель имеет 7,1 млрд параметров, плотную архитектуру MistralForCausalLM и контекстное окно 32 768 токенов. В метаданных указаны формат PyTorch и возможность чата. Подтверждённых сведений о языковой специализации, обучении и лицензии в доступных источниках нет.

Это репозиторий GGUF-файлов модели Meta-Llama-3.1-8B-bf16, опубликованный Featherless AI. Он предназначен для генерации текста с использованием семейства Llama 3.1 и совместимых сред запуска GGUF. В README перечислены варианты квантования IQ4_XS, Q2_K и Q3_K_L, а также дополнительные варианты; метаданные указывают формат GGUF BF16 и базовую модель mlx-community-Meta-Llama-3.1-8B-bf16. Модель принимает текстовые запросы и генерирует текст. README не описывает языковой охват, контекстное окно, лицензию или ограничения качества; эти характеристики здесь не заявляются. Перед использованием следует проверить лицензию базовой модели и совместимость конкретного GGUF-файла с выбранной средой запуска.

zelk12/MT1-Gen5-BMM-gemma-2-9B — объединённая модель на базе Gemma 2, созданная разработчиком zelk12 с помощью mergekit и метода SLERP из двух предварительно обученных моделей: zelk12/MT1-Gen5-BB-gemma-2-S4Av4d-9B и zelk12/MT1-Gen5-MM-gemma-2-Av4dS4-9B. Это плотная авторегрессионная языковая модель с архитектурой Gemma2ForCausalLM и примерно 9 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текстовые запросы и выдаёт текст; заявленное окно контекста — 8192 токена. Веса доступны в формате safetensors, а карточка указывает библиотеку Transformers. Сведения о специализированной предметной области или языках модели в предоставленных данных отсутствуют. Лицензия в предоставленных материалах не указана. Качество ответов и пригодность для конкретных задач зависят от сценария; карточка не приводит оценок или подробных ограничений.

zelk12 выпустила объединённую методом SLERP языковую модель MT1-Gen5-BMMIMU на базе Gemma 2. Модель с архитектурой Gemma2ForCausalLM содержит 9 млрд параметров, рассчитана на диалоговое общение и генерацию текста; для работы с ней используются библиотека Transformers и файлы Safetensors. Контекст модели составляет до 8192 токенов. Модель объединяет чекпойнты zelk12/MT1-Gen5-IMU-gemma-2-9B и zelk12/MT1-Gen5-BMM-gemma-2-9B. В карточке указаны метод слияния и конфигурация, но не раскрыты специальные предметные области, поддерживаемые языки или результаты оценки качества. Лицензия в предоставленных данных не указана.

zelk12/MT1-Max-Merge_02012025163610-MUI-gemma-2-9B — объединённая разговорная языковая модель семейства Gemma 2, созданная методом SLERP с помощью mergekit из двух моделей Gemma 2. Модель содержит 9 млрд параметров, использует архитектуру Gemma2ForCausalLM и формат safetensors; в конфигурации слияния указан тип данных bfloat16. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать как основу для чат-ботов и приложений, которые формируют ответы на текстовые запросы. Метаданные указывают контекст до 8192 токенов. Данные о целевых языках и специализированных областях применения в карточке не приведены. Лицензия в предоставленных данных не указана. Качество и поведение объединённой модели зависят от исходных моделей; отдельные результаты оценки и сведения об ограничениях в карточке отсутствуют.

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

zelk12/MT4-Gen4-BI-gemma-2-9B — это объединённая модель для генерации текста и диалогов, созданная с помощью mergekit методом SLERP из двух предварительно обученных моделей Gemma 2. Модель разработана автором репозитория zelk12 и представлена в формате safetensors для библиотеки Transformers. Модель содержит 9 млрд параметров, использует плотную архитектуру Gemma2ForCausalLM и поддерживает контекст до 8192 токенов. Её можно применять для генерации ответов в диалогах и других текстовых сценариях. README не уточняет языки обучения или специализацию объединённых моделей; поэтому отдельные языки и прикладные области не выделяются. Веса объединены в формате bfloat16. Лицензия в предоставленных данных не указана.

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

zelk12/MT-GP-gemma-2-RAt0.75v0.1RAv0.1-9B — слияние двух предварительно обученных языковых моделей Gemma 2, созданное с помощью mergekit методом SLERP. Модель имеет плотную архитектуру Gemma2ForCausalLM и 9 млрд параметров; веса представлены в safetensors. В метаданных указана поддержка диалогового режима, генерации текста и контекст длиной до 8192 токенов. Модель подходит для диалогов, выполнения инструкций и генерации текста. README указывает только способ слияния и исходные модели, поэтому более узкие специализации и подтверждённые преимущества не заявлены. Лицензия в предоставленных сведениях не указана.

roky-dev/my-custom-llama-3.2-1b-merged — языковая модель, полученная разработчиком путём слияния моделей семейства Llama 3.2 с помощью mergekit и метода DARE TIES. В качестве базовой использована meta-llama/Llama-3.2-1B-Instruct; в слияние также вошли unsloth/Llama-3.2-1B-Instruct и meta-llama/Llama-3.2-1B. Модель имеет плотную архитектуру LlamaForCausalLM, содержит 1,2 млрд параметров и распространяется в формате safetensors для библиотеки Transformers. Модель предназначена для генерации текста и диалогового использования. Её можно применять для ответов на вопросы, суммаризации и помощи в написании текста. Поддерживаемый контекст — до 131 072 токенов. Модель унаследовала многоязычную направленность базовой модели; конкретные языки карточка не перечисляет. Это компактная объединённая модель, поэтому качество ответов и следование инструкциям могут отличаться от исходных моделей и зависят от сценария. Лицензия в предоставленных данных не указана.