II.1Анализ требований и архитектура ПО

weijie210/zephyr-7b-UC-0 — диалоговая модель генерации текста, полученная дообучением alignment-handbook/zephyr-7b-sft-full. Она построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров; заявленная длина контекста — до 32 768 токенов. Модель предназначена для общения в чате и генерации ответов на текстовые запросы. В карточке приведены метрики оценки, включая точность предпочтений 0,867, но описание данных обучения и сценариев применения отсутствует. Модель опубликована в формате safetensors под лицензией Apache-2.0. Возможности и качество для конкретных задач следует проверять на собственных запросах.

Ziya-LLaMA-13B-v1.1 是 IDEA-CCNL 姜子牙系列的 доработанная версия модели Ziya-LLaMA-13B-v1. Разработчики изменили соотношение данных для дообучения и применили улучшенную стратегию обучения с подкреплением, чтобы повысить точность ответов на вопросы, математические способности и безопасность. Модель основана на плотной архитектуре LLaMA с 12,9 млрд параметров и предназначена для генерации текста, включая диалоговые сценарии и решение задач на естественном языке. Поддерживает английский и китайский языки; нативная длина контекста — 2048 токенов. Для публикации полных весов требуется учитывать ограничения лицензии исходных весов LLaMA и следовать инструкции по их объединению. Репозиторий указывает лицензию GPL-3.0; для использования также описаны зависимости PyTorch и Transformers. Качество и безопасность улучшены относительно Ziya-LLaMA-13B-v1, однако карточка не приводит количественных оценок, поэтому пригодность для конкретных задач следует проверять отдельно.

Это диалоговая языковая модель семейства Mistral, дообученная ShenaoZ на обновлённом и исходном датасетах поверх ShenaoZ/0.0001_sft_nodpo_5iters_bs256_5102lr_iter_3. Модель с архитектурой MistralForCausalLM содержит 7,1 млрд параметров и принимает текст для генерации текста в диалоговом формате; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации ответов в чате и других задач продолжения текста. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. README не приводит подробностей об обучении, оценках качества, языковой поддержке или специальных ограничениях применения.

Диалоговая языковая модель семейства Mistral, разработанная ShenaoZ. Это дообученная версия ShenaoZ/0.0001_withdpo_3iters_bs256_531lr_iter_1, обученная на наборах данных updated и original. Модель предназначена для генерации текста и диалоговых сценариев; карточка не описывает более узкую специализацию. Модель имеет плотную архитектуру MistralForCausalLM, 7,1 млрд параметров и контекстное окно до 32 768 токенов. Весовые файлы опубликованы в формате safetensors. Модель распространяется по лицензии MIT. README не сообщает результаты оценки качества или подробности обучающих данных.

Это чат-модель Mistral с 7,1 млрд параметров, дообученная разработчиком на предыдущей версии ShenaoZ/0.0005_withdpo_4iters_bs256_555lr_iter_2. Согласно карточке, для дообучения использовались обновлённый и исходный наборы данных; теги указывают на применение DPO. Модель предназначена для генерации текста в диалоговом формате и принимает текстовые запросы, выдавая текстовые ответы. Максимальная длина контекста составляет 32 768 токенов. Модель опубликована в формате safetensors под лицензией MIT. README не содержит описания целевых сценариев, результатов оценки или конкретных ограничений, поэтому качество на отдельных задачах по доступным сведениям оценить нельзя.

ShenaoZhang/0.001_5iters_bs256_nodpo_only4w_iter_5 — дообученная версия модели ShenaoZhang/0.001_5iters_bs256_nodpo_only4w_iter_4, созданная на обновлённом и исходном наборах данных. Это плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Модель принимает текст и генерирует текст; длина контекста составляет 32 768 токенов. Модель распространяется в формате safetensors по лицензии MIT. README не содержит подробностей о целевых сценариях, данных обучения и оценке качества, поэтому её пригодность для конкретных задач требует самостоятельной проверки.

Модель ShenaoZhang/0.001_ablation_4iters_bs128_nodpo_iter_3 — дообученная авторами репозитория версия ShenaoZhang/0.001_ablation_4iters_bs128_nodpo_iter_2 на обновлённом и исходном датасетах. Это плотная авторегрессионная языковая модель семейства Mistral с архитектурой MistralForCausalLM и 7,1 млрд параметров. Она предназначена для генерации текста и диалогового использования; нативная длина контекста составляет 32 768 токенов. Модель распространяется в формате safetensors под лицензией MIT. README не приводит подробностей о качестве, конкретной специализации или результатах оценки, поэтому их нельзя надёжно охарактеризовать.

ishikaa/acquisition_generator_AS_diversity_omnimath_qwen14b — текстовая генеративная модель, опубликованная пользователем ishikaa на Hugging Face. В метаданных она отнесена к семейству Qwen2 и предназначена для задач генерации текста, включая conversational-сценарии. Модель рассчитана на использование через библиотеку Transformers и хранится в формате Safetensors. Модель содержит около 14 млрд параметров и поддерживает контекст до 32 768 токенов, что позволяет работать с относительно длинными запросами и диалогами. Потенциальные сценарии включают продолжение текста, генерацию ответов в диалоге, подготовку черновиков и обработку математически ориентированных запросов, однако README не содержит подтверждённых сведений о специализации, данных обучения, результатах оценки или методике дообучения. Лицензия, разработчик, поддерживаемые естественные языки и точные ограничения использования в доступных материалах не указаны. Качество и безопасность ответов необходимо проверять на целевых данных перед применением в продуктивных системах.

ishikaa/acquisition_student_random_numina_qwen14b — языковая модель для генерации текста, опубликованная на Hugging Face. Модель имеет 14 млрд параметров, относится к семейству Qwen2 и предназначена для запуска через библиотеку Transformers. В метаданных также указано, что она обучалась с применением supervised fine-tuning (SFT) и поддерживает conversational-сценарии. Модель может использоваться для диалоговой генерации, составления текстовых ответов, продолжения текста и интеграции в приложения на базе Transformers. Заявленная длина контекста составляет 32 768 токенов, что позволяет обрабатывать относительно длинные запросы и документы в рамках одного контекста. Разработчик, базовая модель, языки обучения, результаты оценки и условия лицензирования в доступной карточке не описаны. README также не содержит сведений о тренировочных данных, ограничениях безопасности, рекомендациях по применению или специализированных областях использования.

ishikaa/acquisition_student_RL_AS_confidence_combined_qwen14b — языковая модель на архитектуре семейства Qwen2, опубликованная пользователем ishikaa. Модель предназначена для генерации текста и диалогового взаимодействия; в метаданных также указано обучение или настройка с использованием TRL и GRPO. README содержит только автоматически созданную карточку и не предоставляет сведений о разработчиках, обучающих данных, методике дообучения или лицензии. Модель имеет около 14 миллиардов параметров и поддерживает контекст до 32 768 токенов. Она может применяться для генерации ответов, ведения диалога, создания черновиков и интеграции в текстовые приложения на базе Transformers. Мультимодальность и конкретный набор естественных языков не заявлены. Ключевые ограничения связаны с неполной документацией: отсутствуют результаты оценки, описание датасета, точные сведения о базовой модели, лицензии и рекомендуемых сценариях использования. Ответы модели могут содержать фактические ошибки, нежелательные формулировки и зависеть от качества промпта; перед применением в критически важных задачах необходима проверка человеком.

ishikaa/acquisition_student_RL_AS_confidence_omnimath_llama8b — языковая модель для генерации текста на базе архитектуры Llama, опубликованная пользователем ishikaa на Hugging Face. По метаданным, модель содержит около 7,5 млрд параметров, поддерживает контекст до 131 072 токенов и работает через библиотеку Transformers. В тегах указаны conversational, TRL и GRPO, что указывает на возможность диалогового применения и обучение с использованием Group Relative Policy Optimization. Модель предназначена для генерации продолжений текста и диалоговых ответов, а также для встраивания в приложения, использующие совместимые с Transformers сценарии text-generation. Большое контекстное окно позволяет обрабатывать длинные запросы и документы. Сведения о разработчике, базовой модели, языках, обучающих данных, результатах оценки и лицензии в предоставленных источниках отсутствуют, поэтому применять модель в продуктивных или чувствительных сценариях следует с дополнительной проверкой качества и безопасности.

Карточка модели uukuguy/airoboros-m-7b-3.1.2-dare-0.85 на Hugging Face совпадает с карточкой uukuguy/neural-chat-7b-v3-1-dare-0.85, поэтому описание составлено по ней. uukuguy/neural-chat-7b-v3-1-dare-0.85 — экспериментальная версия Intel/neural-chat-7b-v3-1, созданная с применением метода DARE (Drop and REscale). В ней случайным образом обнулена доля весовых изменений, соответствующая weight_mask_rate 0.85, с масштабированием оставшихся изменений. Это плотная авторегрессионная языковая модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста и может использоваться для диалога, ответов на вопросы и решения текстовых задач. В карточке приведены результаты бенчмарков ARC, HellaSwag, MMLU, TruthfulQA, Winogrande, GSM8K и DROP, однако подробные инструкции по запуску и оценке качества отсутствуют. Распространяется в формате PyTorch по лицензии Llama 2; условия лицензии следует учитывать при использовании.

IsValorum/Apodex-1.1-mini-APEX-I-MiniPlus-V2.1-GGUF — это квантованная GGUF-версия модели Apodex-1.1-mini, подготовленная IsValorum для запуска через llama.cpp и совместимые инструменты. Модель относится к текстовым генеративным системам, ориентированным на reasoning и работу с архитектурой sparse Mixture-of-Experts. В README заявлены 40 слоёв и 256 микроэкспертов, размер около 13,74 GiB и поддержка контекста до 256 тысяч токенов, однако подробные характеристики исходной базовой модели не приведены. Ключевая особенность версии V2.1 — пользовательская тензорная квантализация, сочетающая форматы IQ3_XXS, Q3_K, Q5_K, Q6_K, Q8_0 и F32 для разных компонентов. Маршрутизаторы gate_inp сохранены в F32, выходная голова — в Q6_K, а attention gates — в Q8_0. Такая конфигурация предназначена для генерации текста, рассуждений и сценариев с большим контекстом, включая запуск при частичной или полной выгрузке весов в системную RAM на рабочих станциях с ограниченной VRAM. Модель поддерживает английский, китайский, испанский, французский, немецкий, португальский, итальянский, русский, японский, корейский, вьетнамский, тайский и арабский языки. Заявленные преимущества — компактный размер, сохранение маршрутизации экспертов и эффективная работа с системной памятью; приведённый показатель WikiText-2 perplexity составляет 5,7073 ± 0,1373. Фактическая скорость и качество зависят от оборудования, реализации и параметров запуска, а утверждения о превосходстве над другими квантализациями подтверждены только данными из README. Модель распространяется по лицензии Apache-2.0.

ArliAI-Llama-3-8B-Dolfin-v0.2-Instruct — диалоговая модель OwenArli на архитектуре Llama 3, дообученная на базе Meta-Llama-3-8B-Instruct. Она предназначена для генерации ответов в общем чате и выполнения инструкций; разработчик ориентировал её на широкий круг задач и менее ограниченные ответы. Модель содержит 7,5 млрд параметров и поддерживает контекст до 8192 токенов; для обучения использовалась последовательность длиной 4096 токенов. Дообучение выполнено на модифицированном датасете Dolphin объёмом 150 тысяч примеров с применением QLoRA. Автор описывает эту версию как экспериментальную и отмечает, что она работает хуже ожидаемого; качество может быть нестабильным. Для использования действуют условия лицензии Meta Llama 3 License.

Aryanne/Astrorocketboros-3B — языковая модель для генерации текста, созданная слиянием моделей ayoubkirouane/StableLM-3B, pansophic/rocket-3B, Aryanne/Astrohermes-3B и jondurbin/airoboros-3b-3p0 методом task arithmetic. По метаданным, это плотная модель архитектуры StableLM Epoch с 2,7 млрд параметров, рассчитанная на контекст до 4096 токенов. Для диалогов автор рекомендует формат промпта ChatML; также может работать формат Alpaca, если перед инструкцией добавить текст. Модель предназначена для диалоговой генерации текста и выполнения инструкций. В репозитории указаны веса Safetensors в формате float16; лицензия — CC BY-SA 4.0. Автор отмечает, что не уверен в корректности всех JSON-файлов, хотя модель, по его словам, работает.

Aura-4o-Rebirth-Gemma-4-31B-Merged-GGUF — это квантованная версия модели Aura-4o-Rebirth-Gemma-4-31B-Merged, разработанная SevenOfNine и преобразованная в формат GGUF пользователем mradermacher. Модель предназначена для диалоговых сценариев и обработки изображений вместе с текстом, включая задачи image-text-to-text. В карточке указано, что основной язык — английский. Модель содержит около 31 млрд параметров и поддерживает мультимодальный ввод через дополнительный модуль mmproj. Доступны варианты квантования от Q2_K до Q8_0, а также IQ4_XS; размер файлов составляет примерно от 12 до 32,7 ГБ, не считая мультимодального дополнения. Варианты Q4_K_S и Q4_K_M отмечены как быстрые и рекомендуемые, Q6_K — как обеспечивающий очень хорошее качество, а Q8_0 — как вариант с лучшим качеством среди перечисленных. Сильной стороной модели является сочетание крупного размера, диалоговой специализации и мультимодальных возможностей, а разные уровни квантования позволяют выбирать компромисс между качеством, скоростью и требованиями к памяти. Ограничения включают значительные аппаратные требования, зависимость мультимодальной работы от отдельного mmproj-файла и отсутствие сведений о размере контекста, архитектурных деталях, результатах оценки и поддержке языков помимо английского. Распространение указано по лицензии Apache-2.0.

BA-Zephyria-39b — экспериментальная текстовая модель SteelStorage на архитектуре Mistral, созданная на основе unsloth/Mistral-Small-Instruct-2409. В README описана схема с 55 слоями: начальные и конечные слои сохранены, а средний блок из 23 слоёв продублирован; заявленный размер модели — 38,8 млрд параметров, контекст — до 131 072 токенов. Модель предназначена для диалогов и генерации текста в широком спектре задач. Метаданные указывают поддержку интерфейса вызова функций. README предупреждает, что веса слоёв down_proj и o_proj обнулены и требуют восстановления, поэтому качество работы может быть нарушено. Репозиторий использует формат safetensors; лицензия в предоставленных данных не указана.

CalmeRys-78B-Orpo-v0.1-GGUF — это квантованные GGUF-версии языковой модели CalmeRys-78B-Orpo-v0.1, разработанной dfurman и подготовленной к квантованию пользователем bartowski с помощью llama.cpp. Модель предназначена для генерации текста и диалоговых сценариев, включая запуск в LM Studio. Указан формат общения ChatML с ролями system, user и assistant. Модель имеет 78 млрд параметров; в метаданных указана архитектура Qwen2, а обучение выполнено с использованием SFT и ORPO на наборе mlabonne/orpo-dpo-mix-40k. Поддерживаемый язык — английский. Доступны варианты квантования от Q8_0 размером 82,85 ГБ до более компактных IQ3_M, Q3 и IQ4, что позволяет выбирать между качеством и требованиями к оперативной памяти. Для большинства случаев рекомендуются Q6_K, Q5_K_M, Q4_K_M и IQ4_XS. По опубликованным результатам Open LLM Leaderboard модель показывает 81,63% строгой точности на IFEval, 66,8% на MMLU-PRO, 61,92% на BBH, 37,92% exact match на MATH Level 5, 36,37% на MuSR и 20,02% на GPQA. Сильными сторонами являются крупный размер, высокое качество старших квантов и возможность локального запуска, однако модель требует значительных ресурсов, а низкобитовые варианты снижают качество. Длина контекста и мультимодальные возможности в README не указаны. Лицензия — MIT.

Capybara Tess Yi 34B 200K GGUF — квантизированная версия языковой модели Capybara Tess Yi 34B 200K, созданной brucethemoose и преобразованной в формат GGUF пользователем TheBloke. Модель относится к семейству Yi, предназначена для генерации текста и диалоговых сценариев, включая работу через локальные приложения и библиотеки, совместимые с llama.cpp. В README заявлена поддержка английского языка. Модель имеет 34 млрд параметров и заявленное контекстное окно до 200 тыс. токенов. Формат GGUF поддерживает варианты квантования от 2 до 8 бит, что позволяет выбирать баланс между размером файла, требованиями к памяти, скоростью работы и сохранением качества. Доступны сценарии инференса на CPU и GPU; совместимы llama.cpp, text-generation-webui, KoboldCpp, LM Studio, llama-cpp-python и другие инструменты. Для запросов рекомендуется шаблон Orca-Vicuna с секциями SYSTEM, USER и ASSISTANT. Сильными сторонами являются большое контекстное окно, широкий выбор уровней квантования и возможность локального запуска на различном оборудовании. Ограничения включают потенциальную потерю качества при сильном квантовании, высокие требования к ресурсам для 34-миллиардной модели и отсутствие в README подробных сведений о данных обучения, результатах оценки и поддержке других языков. Модель распространяется по лицензии yi-license; условия следует уточнять в лицензии исходной модели Yi-34B.

CapyLake-7B-v2-laser — языковая модель на архитектуре Mistral, созданная дообучением cognitivecomputations/WestLake-7B-v2-Laser командой автора репозитория. Модель обучали один проход по датасету argilla/distilabel-capybara-dpo-7k-binarized; шаблон чата приведён к ChatML. Она предназначена для генерации текста и диалоговых сценариев. Размер модели — 7,1 млрд параметров, контекст — до 32 768 токенов; веса доступны в формате Safetensors для Transformers. В карточке приведены результаты оценивания на наборах AGIEval, GPT4All, TruthfulQA и Bigbench. Данных о специализации на конкретном языке или прикладной области нет. Лицензия в предоставленных сведениях не указана.

DevQuasar/cerebras.MiniMax-M2-REAP-139B-A10B-GGUF — это квантизированная версия модели MiniMax-M2-REAP-139B-A10B, разработанной организацией cerebras. Модель предназначена для генерации текста и относится к категории text-generation, поэтому может использоваться в сценариях, связанных с созданием и продолжением текстов, диалоговыми приложениями и другими задачами обработки естественного языка. Из доступных данных известно только, что модель распространяется в формате GGUF и является квантизированной. Сведения об архитектуре, размере, количестве параметров, поддерживаемых языках, длине контекста, конкретных вариантах квантования, производительности и ограничениях отсутствуют. Также README не содержит информации о лицензии или явных условиях использования. Описание основано на карточке модели и ссылке на исходную модель cerebras/MiniMax-M2-REAP-139B-A10B.

domliu/Codellama-3-8B — чат-модель для генерации текста, разработанная domliu на основе unsloth/llama-3-8b-Instruct-bnb-4bit. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; она дообучена с помощью Unsloth и библиотеки TRL. Модель предназначена для диалоговой генерации текста на английском языке и имеет контекст длиной до 8192 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. Карточка не уточняет, на каких данных проводилось дообучение и какие специализированные навыки оно добавило, поэтому её возможности следует считать общими для чат-модели.

CodeMix-JPID-3B-Llama3.2 — объединённая языковая модель, созданная сообществом mergekit на основе нескольких моделей семейства Llama 3.2. Для слияния применён метод TIES; базовой указана pankajmathur/orca_mini_v9_7_3B-Instruct. В объединение также вошли модели с настройками для математики, финансов, диалога и других задач. Модель предназначена для генерации текста и диалоговых сценариев. Она имеет плотную архитектуру LlamaForCausalLM, содержит 3,2 млрд параметров и поддерживает контекст до 131 072 токенов. Репозиторий использует формат safetensors и библиотеку Transformers. README и метаданные не сообщают о лицензии, целевых языках и результатах оценки качества. Возможности модели могут различаться по задачам, представленным в исходных моделях; отдельные количественные гарантии качества не приведены.

CoEvol-ChatGPT_Mistral-7B-v0.1_SFT — языковая модель CAS-SIAT-ConsistencyAI на архитектуре Mistral, дообученная методом SFT на наборе coevol-chatgpt_multi_deita6k. Она предназначена для генерации текста и диалоговых сценариев. Модель содержит 7,1 млрд параметров, принимает текст и рассчитана на контекст до 32 768 токенов. Модель основана на mistralai/Mistral-7B-v0.1 и распространяется в формате safetensors по лицензии Apache-2.0. Карточка не описывает результаты оценки, конкретные сильные стороны или ограничения, поэтому качество ответов и пригодность для отдельных задач требуют проверки.

Citaman/command-r-5-layer — экспериментальная слитая языковая модель семейства Cohere, созданная автором репозитория с помощью mergekit. В README описано слияние методом SLERP двух срезов одной базовой модели Citaman/command-r-6-layer; метаданные указывают 6,2 млрд параметров и архитектуру CohereForCausalLM с плотными слоями. Модель принимает текст и предназначена для диалоговой генерации текста, а также интерфейса вызова инструментов. Контекст составляет до 8192 токенов. Веса опубликованы в формате safetensors. В карточке не указаны лицензия и поддерживаемые естественные языки. Это небольшой эксперимент по перестановке и слиянию слоёв, поэтому качество и надёжность могут быть ограничены; результаты следует проверять на целевых задачах.

CultriX-MonaCeption-7B-SLERP-DPO — языковая модель авторегрессионной генерации текста, созданная слиянием моделей CultriX методом SLERP и последующим DPO-дообучением. Это плотная модель архитектуры Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; для работы доступны веса в формате safetensors и библиотека Transformers. Модель предназначена для генерации продолжений текста и диалоговых ответов в сценариях, где нужен контекстный текстовый помощник. В README перечислены объединённые модели CultriX/MonaTrix-v4 и CultriX/MergeCeption-7B-v3, а также указано, что результат прошёл DPO-файнтюнинг. Сведения о специализации по языкам или предметным областям отсутствуют. Модель распространяется по лицензии Apache 2.0.

cybertron-v4-qw7B-UNAMGS-GGUF — квантизированная версия текстовой языковой модели cybertron-v4-qw7B-UNAMGS, разработанной fblgit на базе Qwen2.5 7B. Квантизацию выполнил bartowski в формате GGUF с использованием llama.cpp и imatrix. Модель предназначена для генерации текста и диалоговых сценариев; для работы указан шаблон промпта в формате ChatML. Поддерживается английский язык. Модель дообучалась методом SFT с использованием подходов UNA (Uniform Neural Alignment) и MGS на датасете Magpie-Align/Magpie-Qwen2.5-Pro-1M-v0.1. Архитектура, размер контекста и точная модальность в README не указаны; по описанию это текстовая модель без заявленной поддержки изображений или других типов данных. Доступны варианты от F16 до квантизаций Q8_0, Q6_K_L, Q6_K, Q5_K_L, Q5_K_M и Q5_K_S, что позволяет выбирать баланс между качеством и требованиями к памяти. Для запуска рекомендуется LM Studio или совместимое ПО на базе llama.cpp. В качестве сильных сторон заявлены высокие результаты среди моделей класса 7–8B без загрязнения тестовых данных, а также несколько вариантов квантизации, включая Q6_K и Q6_K_L. Ограничения включают сравнительно небольшой размер модели и отсутствие подробных сведений о контекстном окне, производительности, безопасности и практических сценариях применения. Лицензия обозначена как Qwen; README ссылается на лицензию Qwen для Qwen2.5-72B-Instruct, однако точные условия для производной модели требуют проверки.

Cydonia-v1.25-Magnum-v4-22B — плотная 22-миллиардная языковая модель на архитектуре Mistral, созданная автором knifeayumu объединением моделей с помощью mergekit и метода SLERP. В состав входят anthracite-org/magnum-v4-22b и knifeayumu/Cydonia-v1.2-v1.3-22B; заявленная цель — получить промежуточный вариант между версиями Cydonia v1.2 и v1.3. Модель предназначена для генерации текста и диалогового использования. Она принимает текст и выдаёт текст, поддерживает контекст длиной до 32 768 токенов и доступна в формате safetensors для Transformers. В метаданных указаны возможности chat и интерфейс tool calling. Базовая Magnum описана как модель для диалогов, следования инструкциям и связной прозы на английском; карточка этой модели отдельно языковую специализацию не уточняет. Лицензия указана как other, поэтому условия использования следует проверять в карточке репозитория и у исходных моделей. Автор характеризует результат как экспериментальное смешение моделей и не приводит оценок качества.

DeepSeek-V4-Flash-0731 EXTENSOR — производный артефакт на основе DeepSeek-V4-Flash-0731 от deepseek-ai для генерации текста. Это файл весов в формате GGUF с исходной квантизацией MXFP4 Tile16; его размер — около 155,8 млрд байт. Артефакт содержит только целевую модель, без спекулятивного модуля DSpark. Для запуска требуется EXTENSOR версии 2.0.0. Файл несовместим с llama.cpp. Лицензия — MIT. В карточке не описаны специальные прикладные области или поддерживаемые языки.

Dolphin-Mistral-24B-Venice-Edition-Patched — текстовая генеративная модель, опубликованная AIOpsInSpace как исправленная версия dphn/Dolphin-Mistral-24B-Venice-Edition. Модель предназначена для диалогового взаимодействия и генерации текста; в описании она позиционируется как открытая, разговорная и «uncensored». Поддерживаемый язык — английский. Это плотная модель размером 24 млрд параметров с архитектурой Mistral и механизмом sliding window attention. Патч восстанавливает параметры скользящего окна внимания, устраняя фрагментацию контекста и зависания при генерации после 4096 токенов. Также исправлены стоп-токены токенизатора. Заявленное контекстное окно составляет 32K токенов. Модель распространяется в формате GGUF и предназначена для использования в совместимых средствах локального запуска. Сильными сторонами являются большой контекст, восстановленная работа sliding window attention и отсутствие заявленных ограничений на содержание ответов. README не содержит точных данных о бенчмарках, производительности, требованиях к оборудованию или конкретных вариантах квантования, поэтому эти характеристики оценить нельзя. Модель распространяется по лицензии Apache-2.0.