II.1Анализ требований и архитектура ПО

Карточка модели princeton-nlp/Mistral-7B-Base-SFT-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.

CorticalStack выпустила mistral-7b-dolphin-sft — модель для генерации текста на базе Mistral с 7,1 млрд параметров. Это SFT-дообучение модели unsloth/mistral-7b-bnb-4bit на датасете cognitivecomputations/dolphin; в README также указаны параметры LoRA: r=256, alpha=128 и dropout=0. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Лицензия — Apache-2.0. Модель подходит для диалоговой генерации и других сценариев, где требуется продолжать или создавать текст; конкретный набор навыков и языковой охват датасета в карточке не раскрыты. Данных о специализированных областях применения и известных ограничениях качества нет.

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

EmbeddedLLM/Mistral-7B-Merge-14-v0.5 — экспериментальная объединённая языковая модель, созданная автором репозитория EmbeddedLLM с помощью DARE TIES. Она объединяет предыдущую версию Mistral-7B-Merge-14-v0.3 с тремя другими моделями; среди указанных компонентов — OpenHermes, OpenChat и NeuralMarcoro14. Модель имеет плотную архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и диалогов. В README приведены результаты на Open LLM Leaderboard и указаны шаблоны чата ChatML и Llama-2 chat. Репозиторий содержит веса в формате safetensors. Лицензия CC-BY-NC-4.0 запрещает коммерческое использование без соответствующего разрешения; показатели тестов не гарантируют качество для конкретных задач.

Mistral 7B Zephyr SFT V2 — плотная авторегрессионная языковая модель семейства Mistral, дообученная командой W&B на основе mistralai/Mistral-7B-v0.1 по рецепту Zephyr SFT. Для обучения использовалась смесь общедоступных и синтетических наборов данных, включая HuggingFaceH4/deita-10k-v0-sft; модель настроена на диалоговый формат ChatML и предназначена для генерации текста и общения на английском языке. Модель содержит около 7,1 млрд параметров, использует Transformers и формат safetensors, поддерживает контекст до 32 768 токенов. Лицензия — MIT. Качество и поведение зависят от обучающих данных и сценария применения; карточка не приводит отдельной оценки качества или подробных ограничений.

Ministral-3-8B-Reasoning-2512-GGUF — это набор GGUF-квантизаций модели Ministral-3-8B-Reasoning-2512, разработанной Mistral AI и подготовленной пользователем bartowski. Модель предназначена для локального запуска через llama.cpp, LM Studio и другие совместимые проекты, что делает её подходящей для генерации текста и мультимодальных сценариев image-text-to-text, заявленных в карточке модели. В основе лежит модель с размером 8B параметров; доступны варианты от BF16 до квантизаций Q3–Q8 и IQ4 с размером файлов примерно от 4,57 до 16,99 ГБ. Заявлена поддержка английского, французского, испанского, немецкого, итальянского, португальского, нидерландского, китайского, японского, корейского и арабского языков. Архитектура и размер контекста в README не указаны, формат промпта также не определён. Сильная сторона набора — широкий выбор уровней квантизации для баланса качества, потребления памяти и скорости локального вывода; варианты Q6_K_L и Q6_K отмечены как близкие к исходному качеству, а Q4_K_M рекомендован как универсальный вариант. Ограничения включают отсутствие подробных сведений о возможностях исходной модели, контекстном окне и качестве работы с изображениями. Модель распространяется по лицензии Apache-2.0.

Chat-Error/Mistral-Claude-merged — объединённая модель для генерации текста, созданная методом slerp с помощью LazyMergekit на основе fblgit/UNA-TheBeagle-7b-v1 и Chat-Error/Kimiko-Claude-FP16. В карточке README эта сборка названа NeuralPipe-7B-slerp; метаданные указывают архитектуру MistralForCausalLM, плотную архитектуру и размер 7,1 млрд параметров. Модель распространяется в формате safetensors и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Сведения о конкретных специализациях, поддерживаемых языках, лицензии и результатах оценки качества в предоставленных материалах отсутствуют.

ewqr2130/mistral-inst-v02-dpo — разговорная языковая модель на базе архитектуры Mistral, дообученная методом Direct Preference Optimization (DPO) на основе Mistral inst-v02. По карточке это версия с 7,1 млрд параметров и контекстом до 32 768 токенов; она предназначена для генерации текста и диалогов. Репозиторий содержит веса в формате Safetensors и поддерживает работу через Transformers. Модель подходит для диалоговых помощников и генерации ответов на текстовые запросы. README сообщает о DPO-дообучении в течение 6000 эпох, но не приводит датасет, настройки обучения или результаты оценки, поэтому качество и характер улучшения предпочтений по карточке определить нельзя. Лицензия — MIT.

ehristoforu/Mistral-nemo-test-2layno-v2 — текстовая генеративная модель, созданная автором репозитория с помощью mergekit из unsloth/Mistral-Nemo-Instruct-2407. README описывает объединение методом passthrough: в модель включены слои 0–21 и 22–29 исходной модели; веса сохранены в формате safetensors. Архитектура — плотная MistralForCausalLM, размер — 8,7 млрд параметров. Модель предназначена для диалоговой генерации текста и ответов на запросы. В метаданных указано контекстное окно до 1 024 000 токенов; модель работает с текстом на языках, поддержанных исходной instruct-моделью, но доступные сведения не позволяют определить конкретные языки. Для запуска предусмотрена библиотека Transformers. Лицензия в предоставленных источниках не указана.

Mixolar-4x7b — языковая модель с архитектурой Mixture of Experts на основе Mixtral, созданная с помощью mergekit (ветка mixtral). Она объединяет четыре базовые модели: kyujinpy/Sakura-SOLAR-Instruct, jeonsworld/CarbonVillain-en-10.7B-v1, rishiraj/meow и kyujinpy/Sakura-SOLRCA-Math-Instruct-DPO-v2. В репозитории доступны веса safetensors; число параметров составляет 10,6 млрд, контекст — до 4096 токенов. Модель предназначена для генерации текста и диалогового общения. В состав смеси входят модели для инструкций, английского языка и математики; это указывает на сценарии ответов на запросы, рассуждений и решения математических задач. В README приведены результаты Open LLM Leaderboard, включая среднее значение 74,18, ARC 71,08 и HellaSwag 88,44. Модель опубликована под лицензией Apache-2.0. В предоставленных материалах не описаны поддерживаемые языки и ограничения применения; качество для конкретных задач следует проверять отдельно.

Monarch-7B-slerp — объединённая модель для генерации текста на основе архитектуры Mistral, созданная mlabonne с помощью LazyMergekit. Она объединяет mlabonne/OmniTruthyBeagle-7B-v0 и mlabonne/NeuBeagle-7B методом SLERP; размер модели — 7,1 млрд параметров, формат файлов — safetensors. Модель предназначена для генерации и продолжения текста, включая диалоговые ответы. Она поддерживает контекст до 32 768 токенов. В README не описаны специальные предметные области или языки; лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое использование.

Kimi-K2-Thinking-GGUF — это набор квантованных GGUF-версий языковой модели Kimi-K2-Thinking, разработанной moonshotai и подготовленной пользователем bartowski. Модель предназначена для генерации текста и запуска через llama.cpp, LM Studio и другие совместимые проекты, включая локальный инференс. В набор входят варианты квантования Q8_0, Q6_K, Q5_K_M, Q4_K_M, IQ4_XS и другие, с размером файлов примерно от 283 до 1090 ГБ среди указанных версий. Более крупные варианты обычно обеспечивают более высокое качество, тогда как компактные требуют меньше оперативной памяти, но заметно уступают по качеству; README рекомендует, в частности, Q6_K, Q5_K_M, Q4_K_M и IQ4_XS в зависимости от доступных ресурсов. Сведения об архитектуре, числе параметров, поддерживаемых языках, модальностях и размере контекста в карточке отсутствуют. Преимущество набора — широкий выбор квантований и совместимость с экосистемой llama.cpp. Ограничениями являются очень большие требования к дисковому пространству и памяти даже у наиболее компактных вариантов, а также возможное снижение качества при низком уровне квантования. Формат prompt не указан. Для модели заявлена лицензия modified-MIT, при этом в метаданных также указано значение other; перед использованием следует проверить условия лицензии исходной модели moonshotai/Kimi-K2-Thinking.

MS-Drummer-Sunfall-22b — объединённая языковая модель DazzlingXeno на архитектуре Mistral, созданная методом Model Stock с помощью mergekit. В качестве базовой использована nbeerbower/Mistral-Small-Drummer-22B; в объединение также вошли crestf411/MS-sunfall-v0.7.0 и unsloth/Mistral-Small-Instruct-2409. Модель содержит 22 млрд параметров, распространяется в формате safetensors и рассчитана на контекст до 32 768 токенов. Модель предназначена для генерации текста и диалогов, в том числе ролевых сценариев; в метаданных также отмечен интерфейс вызова инструментов. Автор описывает её как способную писать связно и достаточно хорошо рассуждать, без чрезмерно сексуализированного стиля. README указывает на формат промптов Mistral, но не приводит независимых оценок качества. Лицензия в доступных данных не указана.

zelk12/MT2-Gen4-BB-gemma-2-MTMMT3g2-9B — объединённая методом SLERP языковая модель, созданная с помощью mergekit на основе zelk12/MT3-Gen2-gemma-2-9B и zelk12/MT-Merge-gemma-2-9B. Это плотная модель Gemma 2 с архитектурой Gemma2ForCausalLM и 9 млрд параметров; она предназначена для генерации текста и диалоговых ответов. Модель принимает текст и выдаёт текст, работает через библиотеку Transformers и имеет контекст длиной 8192 токена. Веса объединены в формате bfloat16 и сохранены в safetensors. В карточке указана возможность диалога, однако подробные сведения о специализации и языковом охвате не приведены. Лицензия в доступных данных не указана.

zelk12/MT3-Gen5-GP-gemma-2-RAv0.1E-9B — объединённая языковая модель, созданная разработчиком с помощью mergekit из Aashraf995/Gemma-Evo-10B и zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1. Для слияния использован метод SLERP с параметром t=0.5; архитектура — плотная Gemma 2, класс Gemma2ForCausalLM, размер — 9 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия, принимает текст и выдаёт текст. Нативная длина контекста — 8192 токена; доступна в формате safetensors для библиотеки Transformers. Модель подойдёт для создания разговорных приложений и генерации текста. В README и метаданных не приведены подробные результаты оценки качества или сведения о специальных предметных областях. Лицензия в предоставленных данных не указана.

zelk12/MT4-GMA-gemma-2-9B — языковая модель, созданная разработчиком zelk12 слиянием двух предварительно обученных моделей с помощью mergekit и метода SLERP. Это плотная модель Gemma 2 с 9 млрд параметров для генерации текста и диалогового использования; она принимает текст и выдаёт текст. Контекст составляет 8192 токена, модель рассчитана на работу через Transformers и распространяется в формате safetensors. Модель предназначена для генерации ответов в диалоге и других задач генерации текста. README не описывает специализированные области применения или поддерживаемые естественные языки, поэтому определить их по карточке нельзя. Модель объединяет zelk12/MT4-GP-gemma-2-RIv0.1RGDv0.1-9B и zelk12/MT4-MA-gemma-2-RPMHv0.1RGDv0.1-9B; лицензия в предоставленных данных не указана.

zelk12/MT5-GP-gemma-2-RIv0.1RAv0.1-9B — объединённая языковая модель, созданная разработчиком с помощью mergekit из двух предварительно обученных моделей Gemma 2: zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1 и zelk12/recoilme-gemma-2-Ifable-9B-v0.1. Для слияния использован метод SLERP с параметром t=0,5; архитектура — плотная Gemma2ForCausalLM, размер — 9 млрд параметров, формат весов — safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для ответов на запросы и продолжения текста в приложениях на базе Transformers. Нативная длина контекста составляет 8192 токена. Карточка не уточняет языковую специализацию или преимущества модели; метаданные указывают на поддержку чата. Лицензия в предоставленных данных не указана.

zelk12/MT-Gen4-MAMU-gemma-2-9B — объединённая методом SLERP модель семейства Gemma 2, опубликованная в виде весов для Transformers. Она предназначена для генерации текста и диалоговых сценариев. Модель имеет плотную архитектуру Gemma2ForCausalLM и 9 млрд параметров; заявленная длина контекста — 8192 токена. При объединении использованы zelk12/MT-Gen4-MA-gemma-2-S5Sv1IBT-9B и zelk12/MT-Gen4-MU-gemma-2-Sv1IBTS5-9B с помощью mergekit; параметр SLERP t равен 0,25. Карточка не описывает языковую специализацию, качество на конкретных задачах или условия лицензии, поэтому эти характеристики нельзя уточнить.

zelk12 создал объединённую модель Gemma 2 с помощью mergekit и метода SLERP, объединив zelk12/MT-Merge-gemma-2-9B и zelk12/MT-Merge5-gemma-2-9B. Это плотная авторегрессионная языковая модель с архитектурой Gemma2ForCausalLM и 9 млрд параметров, предназначенная для генерации текста и диалоговых ответов. Она принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов и распространяется в формате safetensors для библиотеки Transformers. Модель можно использовать в чат-ботах и приложениях, которым нужна генерация текста. README не описывает специализацию по языкам или предметным областям, поэтому её назначение следует считать общим. Лицензия в предоставленных данных не указана.

my-first-moe-3b — объединённая языковая модель, созданная автором репозитория chubakur с помощью mergekit и метода SLERP на основе Qwen/Qwen2.5-1.5B-Instruct и Qwen/Qwen2.5-Coder-1.5B-Instruct. Несмотря на название, в метаданных архитектура указана как плотная Qwen2ForCausalLM с 1,5 млрд параметров, а не MoE. Модель предназначена для генерации текста и диалогов; объединение инструктивной и кодовой моделей может быть полезно для обычных запросов и задач с программным кодом. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов. Файлы представлены в формате safetensors и рассчитаны на использование с Transformers; в метаданных также отмечен интерфейс вызова инструментов. В карточке не приведены результаты оценки качества или подробные сведения о поддерживаемых языках. Лицензия в предоставленных данных не указана.

sgpark2026/my-fusion-v1 — текстовая генеративная модель, опубликованная пользователем sgpark2026 на Hugging Face. В метаданных она относится к семейству Qwen2 и предназначена для работы с Transformers; также доступны обозначения форматов safetensors и GGUF. Модель ориентирована на генерацию текста и диалоговые сценарии. Её можно применять для создания ответов, продолжения текста, простых чат-ботов и интеграции в приложения, которым нужна компактная языковая модель. Объём модели составляет 494 млн параметров, а заявленная длина контекста — 32 768 токенов. README содержит автоматически созданную карточку без сведений о разработчике, языках, лицензии, обучающих данных, результатах оценки и специальных областях применения. Поэтому качество, фактические языковые возможности и пригодность для конкретных доменов следует проверять самостоятельно; модель не следует использовать без дополнительной валидации для критически важных решений.

Bluuwhale NemoMerge-V1.0-12B — экспериментальная объединённая языковая модель, созданная автором репозитория с помощью mergekit и метода DARE TIES. За основу взята unsloth/Mistral-Nemo-Instruct-2407; в объединении также использованы cognitivecomputations/dolphin-2.9.3-mistral-nemo-12b, Kooten/Mistral-Nemo-Instruct-2407-norefuse-OAS, intervitens/mini-magnum-12b-v1.1 и NeverSleep/Lumimaid-v0.2-12B. Модель построена на плотной архитектуре MistralForCausalLM и содержит 12,1 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия; заявленная длина контекста — 1 024 000 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. Автор обозначает объединение как экспериментальное. В README нет результатов оценки качества или подробных сведений о поддерживаемых языках. Лицензия в предоставленных данных не указана.

Neo_7b-merge2 — объединённая модель на основе m-a-p/neo_7b, созданная с помощью LazyMergekit. Она предназначена для генерации текста и диалоговых приложений; архитектура — плотная LLaMA с причинно-языковой моделью LlamaForCausalLM. Модель принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов. В README указано объединение двух записей одной и той же базовой модели m-a-p/neo_7b. Метаданные также связывают репозиторий с этой базовой моделью и отмечают возможности чата. Данные о специализированной предметной области и языковой поддержке отсутствуют. Лицензия в доступных данных не приведена.

NeuralDaredevil-8B-abliterated-x-OrpoLlama-3-8B — диалоговая текстовая модель семейства Llama с 7,5 млрд параметров, созданная IsakNordgren слиянием моделей через LazyMergekit. В конфигурации указаны mlabonne/NeuralDaredevil-8B-abliterated и mlabonne/OrpoLlama-3-8B, метод слияния dare_ties, а также формат весов bfloat16; метаданные связывают модель с mlabonne/OrpoLlama-3-8B. Модель предназначена для генерации текста в диалоге и отвечает на запросы в формате чата. Контекст составляет до 8192 токенов. В README приведена конфигурация слияния, но не указаны поддерживаемые языки и лицензия, поэтому их нельзя надёжно описать.

NeuralMarcoro14-7B — языковая модель на 7,1 млрд параметров, разработанная mlabonne. Это модель семейства Mistral с плотной архитектурой MistralForCausalLM, дообученная методом DPO на наборе предпочтений mlabonne/chatml_dpo_pairs поверх mlabonne/Marcoro14-7B-slerp. Она предназначена для генерации текста и диалоговых сценариев; автор сообщает об улучшении результатов на наборах Nous и Open LLM Benchmark. Модель принимает текст и генерирует текст, поддерживает контекст до 32 768 токенов. README не сообщает список поддерживаемых естественных языков. Репозиторий содержит веса в формате safetensors; для пробного запуска автор указывает вариант GGUF Q4_K_M. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

Это GGUF-представление модели nothingiisreal/L3.1-70B-Celeste-V0.1-BF16, подготовленное Featherless AI. Модель предназначена для генерации текста в диалоговом режиме и может использоваться как чат-модель общего назначения. Базовая модель — дообученная версия семейства Llama 3.1 с 70 млрд параметров. В репозитории доступны варианты квантования IQ4_XS, Q2_K и Q3_K_L, а также другие варианты. В метаданных формат обозначен как GGUF BF16. Квантованные файлы уменьшают размер модели для локального запуска, но могут снижать качество по сравнению с полной точностью. Сведения о поддерживаемых языках, длине контекста и лицензии в предоставленных материалах отсутствуют.

Nous-Hermes-2-SUS-Chat-34B-Linear — объединённая модель на основе архитектуры Llama, созданная автором Weyaxi с помощью mergekit. Веса объединены линейным методом из Nous-Hermes-2-Yi-34B и SUS-Chat-34B; модель содержит 33,9 млрд параметров и опубликована в формате safetensors с точностью bfloat16. Модель предназначена для генерации текста в диалоговых сценариях и для задач, поддерживаемых базовыми моделями. Максимальная длина контекста составляет 8192 токена. В README приведены результаты оценки на Open LLM Leaderboard, включая среднее значение 73,69, но описание не уточняет целевые языки и специальные предметные области. Лицензия указана как other, поэтому условия использования следует проверять в репозитории и у базовых моделей. Результаты бенчмарков не гарантируют качество в конкретном приложении.

duyntnet/Nous-Hermes-Llama2-13b-imatrix-GGUF — набор квантизированных версий текстовой генеративной модели Nous-Hermes-Llama2-13b, разработанной NousResearch. Модель предназначена для генерации текста и работы в локальных приложениях и интерфейсах, поддерживающих формат GGUF и совместимых с llama.cpp, включая JanAI, KoboldCPP, text-generation-webui, Ollama и GPT4All. Для взаимодействия используется формат промпта Alpaca с полями Instruction, а при необходимости Input и Response. Из известных характеристик: модель имеет размер 13B параметров, работает с текстом и заявлена для английского языка. Квантизация с использованием imatrix может снизить требования к памяти и упростить локальный запуск, однако конкретные варианты квантования и их компромиссы между качеством, скоростью и потреблением ресурсов в README не указаны. Ограничения по качеству, производительности, поддерживаемому контексту и аппаратным требованиям также не описаны. Лицензия обозначена как other, без дополнительных условий или подробностей.

ArchSpace-Collection публикует экспорт модели OLMo 3 3B SiameseNorm + DepthAttention с этапа 3 обучения на длинном контексте; README указывает, что экспорт соответствует итерации 11921. Это плотная авторегрессионная языковая модель семейства OLMo 3 с архитектурой SiameseNorm и DepthAttention, предназначенная для генерации текста и работы с длинными последовательностями. Модель содержит 3,2 млрд параметров и рассчитана на контекст до 65 536 токенов. Внимание чередует три слоя с локальным скользящим окном 4 096 токенов и один слой полного внимания; для полных слоёв применяется YaRN. Веса представлены в формате safetensors, загрузка описана для Transformers с trust_remote_code=True. Карточка не сообщает о специальных предметных областях или языковой специализации, поэтому модель можно описать как языковую модель общего назначения. Лицензия в предоставленных данных не указана. Для использования требуется версия Transformers не ниже 4.57.6 и ниже 5, а также исполнение встроенного удалённого кода; качество отдельных задач в карточке не оценено.