II.1Анализ требований и архитектура ПО

zelk12 создал разговорную языковую модель слиянием двух предварительно обученных моделей Gemma 2 с помощью метода SLERP в mergekit. Модель с плотной архитектурой Gemma2ForCausalLM содержит 9 млрд параметров и предназначена для генерации текста и ведения диалогов; она поддерживает контекст до 8192 токенов и использует формат safetensors. Модель может служить основой для чат-ботов, ответов на запросы и других сценариев генерации текста. Сведения о поддерживаемых естественных языках и специализированных областях в карточке отсутствуют, поэтому они здесь не предполагаются. Лицензия в предоставленных данных не указана.

zelk12/MT5-BB-gemma-2-Av4cRAv0.1-9B — слияние двух предварительно обученных языковых моделей, созданное с помощью mergekit методом SLERP. В состав входят lemon07r/Gemma-2-Ataraxy-v4c-9B и zelk12/recoilme-gemma-2-Ataraxy-9B-v0.1; результат основан на Gemma 2 и содержит около 9 млрд параметров. Модель предназначена для диалоговой генерации текста. Она принимает текст и выдаёт текст, поддерживает контекст до 8192 токенов и доступна в формате safetensors для Transformers. Карточка не сообщает о специальной отраслевой специализации или лицензии, поэтому условия использования следует сверить с лицензиями исходных моделей.

zelk12/MT5-MMB-gemma-2-9B — объединённая языковая модель, созданная автором репозитория с помощью mergekit методом SLERP из двух моделей Gemma 2. Она предназначена для диалоговой генерации текста и работы в сценариях общения с чат-моделью. Модель имеет плотную архитектуру Gemma 2 с 9 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. В репозитории указаны веса в формате safetensors и использование библиотеки Transformers. README описывает слияние моделей, но не приводит подробностей об их целевых сценариях, языковой специализации или сравнительных качествах. Условия лицензирования в предоставленных данных не указаны.

zelk12/MT-Merge5-MA-gemma-2-MT4g5MTg5-9B — объединённая методом SLERP модель на архитектуре Gemma 2, созданная из zelk12/MT4-Gen5-gemma-2-9B и zelk12/MT-Gen5-gemma-2-9B. Модель содержит 9 млрд параметров и предназначена для генерации текста и диалогового общения; заявленный контекст составляет 8192 токена. Модель распространяется в формате safetensors и используется через библиотеку Transformers. Карточка не описывает отдельные предметные специализации или подтверждённые языки. Лицензия в предоставленных данных не указана.

zelk12/MTM-Merge-IF-gemma-2-MTMMTM1-9B — объединённая с помощью mergekit методом SLERP языковая модель на архитектуре Gemma 2 с 9 млрд параметров. В слиянии использованы zelk12/MT-Merge-gemma-2-9B и zelk12/MT-Merge1-gemma-2-9B; README указывает базовую модель zelk12/MT-Merge-gemma-2-9B и тип данных bfloat16. Модель предназначена для генерации текста и диалоговых ответов. Она принимает текст и выдаёт текст; заявленная длина контекста — 8192 токена. Репозиторий содержит веса в формате safetensors и рассчитан на работу с библиотекой Transformers. Данные о специальных областях применения и поддерживаемых естественных языках не приводятся. Лицензия в предоставленных данных не указана, поэтому условия использования следует проверить в карточке модели и у базовых моделей. Качество, поведение и ограничения после слияния отдельно не описаны.

Mtreelva Dune 12B — экспериментальная текстовая генеративная модель на 12 млрд параметров, созданная слиянием моделей команд CompiwerAI, MuXodious и Reelva с помощью mergekit и метода flux. Архитектура — Gemma 4 12B; веса опубликованы в формате safetensors и доступны через Transformers. Лицензия — Apache-2.0. Модель предназначена для диалогов, задач рассуждения, программирования и многошаговых агентных сценариев. В описании заявлена поддержка индонезийского, английского, арабского, французского и марокканского дариджа; базовые модели дополнительно заявляют возможности для компаньонского общения и настраиваемую глубину рассуждения. Карточка также описывает мультимодальные возможности семейства Gemma 4, включая входные изображения, аудио и видео, однако не подтверждает их отдельно для этого слитого чекпойнта. Автор характеризует модель как экспериментальную и частично снявшую ограничения безопасности: защитные отказы всё ещё встречаются, но их можно обходить. Производительность и поведение могут отличаться от базовых моделей; карточка не приводит независимых оценок качества.

Multi_verse_modelExperiment26-7B — экспериментальная чат-модель для генерации текста, созданная Maxime Labonne автоматическим слиянием MTSAIR/multi_verse_model и yam-peleg/Experiment26-7B. Слияние выполнено методом SLERP с настройками для слоёв self-attention и MLP; модель основана на плотной архитектуре Mistral и содержит 7,1 млрд параметров. Модель предназначена для диалогового взаимодействия и генерации текста. Она принимает текст и выдаёт текст, поддерживает контекст до 32 768 токенов и рассчитана на английский язык согласно описанию базовой модели. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

MVP — модель генерации естественного языка, представленная Tianyi Tang, Junyi Li, Wayne Xin Zhao и Ji-Rong Wen в работе «MVP: Multi-task Supervised Pre-training for Natural Language Generation». Она предварительно обучена с учителем на смеси размеченных наборов данных и использует стандартную архитектуру Transformer encoder-decoder. Модель предназначена для генерации текста и может адаптироваться к суммаризации, преобразованию данных в текст, диалогу, созданию историй, ответам и генерации вопросов, а также перефразированию и упрощению текста. MVP также можно адаптировать к задачам понимания языка, включая классификацию последовательностей и извлекающий вопросно-ответный поиск. Карточка указывает поддержку английского языка и контекст до 1024 токенов. Модель доступна в формате PyTorch по лицензии Apache 2.0. Указанные сценарии описывают возможности адаптации; качество для каждой конкретной задачи зависит от используемой версии или дообучения.

Nebula-Reasoner-12B — объединённая разговорная языковая модель от mrcuddle, созданная с помощью mergekit методом Arcee Fusion на основе ChaoticNeutrals/Mag-Mell-Reasoner-12B с включением Nitral-AI/CaptainErisNebula-12B-Chimera-v1.1. Модель построена на архитектуре Mistral с плотной причинной языковой сетью, содержит 12,1 млрд параметров и распространяется в формате safetensors для Transformers. Заявленный контекст — до 1 024 000 токенов. Модель предназначена для генерации текста в диалоговом формате и рассуждений. Доступные сведения не описывают отдельные специализированные задачи или языки, поэтому её следует рассматривать как общую разговорную модель. В README приведена конфигурация объединения, но нет результатов оценки качества или рекомендаций по настройке. Лицензия в предоставленных данных не указана.

NeMoria-21b — экспериментальная разговорная языковая модель SteelStorage для генерации текста. Она построена на архитектуре MistralForCausalLM с плотной моделью примерно на 20,7 млрд параметров и предназначена для диалогов и других сценариев генерации текста. В основе указана unsloth/Mistral-Nemo-Instruct-2407; автор описывает создание модели методом passthrough merge с применением метода обнуления, использованного в L3-Aethora-15B-V2. Метаданные указывают контекст до 1 024 000 токенов и формат safetensors. Автор называет модель тестовым экспериментом и отмечает, что расширенная карточка появится, если эксперимент даст ожидаемый результат. Лицензия в предоставленных данных не указана.

Nemotron-4-340B-Instruct-SafeTensors — текстовая языковая модель NVIDIA, опубликованная пользователем failspy. Это веса Nemotron-4-340B-Instruct, перенесённые из архитектуры NVIDIA NeMo в формат SafeTensors; автор репозитория предупреждает, что на момент публикации запуск инференса не поддерживается. Исходная модель дообучена на базе Nemotron-4-340B-Base с помощью SFT, DPO и RPO и предназначена для англоязычного чата и генерации синтетических данных для обучения и настройки языковых моделей. Модель использует авторегрессионный decoder-only Transformer с Grouped-Query Attention и RoPE, содержит 466,8 млрд параметров и рассчитана на контекст до 4096 токенов. В карточке описаны способности к следованию инструкциям, математическим рассуждениям и программированию; исходная модель обучалась на английских текстах, более чем 50 естественных языках и коде, но её основное назначение — английский язык. Для инференса в BF16 исходная карточка указывает на необходимость нескольких ускорителей H100, H200 или A100. Для репозитория указана лицензия other; README называет лицензию исходной модели NVIDIA Open Model License и сообщает о возможности коммерческого использования и создания производных моделей. Следует учитывать предупреждение автора о неподдерживаемом инференсе, а также риск неточных ответов, токсичных высказываний и усиления смещений из обучающих данных.

neo_7b_instruct_v0.1-IMat-GGUF — квантизированная GGUF-версия инструкционной языковой модели m-a-p/neo_7b_instruct_v0.1. Модель подготовлена legraphista с использованием llama.cpp b3051 и предназначена для генерации текста и диалоговых сценариев в совместимых средах, включая llama.cpp. В README не указаны точная архитектура, поддерживаемые языки и размер контекстного окна. Доступны варианты от BF16 и F16 до Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и Q2_K; размеры файлов составляют примерно от 2,92 до 15,59 ГБ. Для ряда вариантов применена IMatrix-квантизация, призванная улучшить сохранение качества при уменьшении размера. Основные преимущества — широкий выбор уровней квантизации и возможность локального запуска при соответствующих ресурсах; ограничения включают потенциальную потерю качества у более компактных вариантов и отсутствие сведений о результатах тестирования, языках и контекстном окне. Распространяется по лицензии Apache-2.0.

Neural-4-ARC-7b — объединённая языковая модель, созданная Kukedlc с помощью LazyMergekit на основе пяти моделей: paulml/OmniBeagleSquaredMBX-v3-7B, nlpguy/AlloyIngotNeoX, Gille/StrangeMerges_21-7B-slerp, Kukedlc/Jupiter-k-7B-slerp и Kukedlc/NeuralSirKrishna-7b. Это плотная архитектура MistralForCausalLM с 7,1 млрд параметров, предназначенная для генерации текста и диалогов; поддерживает контекст до 32 768 токенов. Модель принимает текст и выдаёт текст. В карточке не описаны специализированные сценарии, языки или результаты оценки качества. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

NeuralExperiment-7b-dare-ties — модель генерации текста на базе архитектуры Mistral, созданная Kukedlc методом слияния DARE-TIES через LazyMergekit. Она объединяет NeuralMaxime-7B-slerp, NeuralGlitch-Yam-Peleg-7B-DT и Neural4gsm8k; в конфигурации также указан mistralai/Mistral-7B-v0.1. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и может применяться для диалоговых ответов, рассуждений и решения математических задач. В репозитории опубликованы веса Safetensors, а лицензия — Apache 2.0. Карточка не описывает отдельные языковые возможности и оценки качества.

NeuralHermes 2.5 — разговорная языковая модель на архитектуре Mistral с 7,1 млрд параметров, опубликованная shahzebnaveed. Она создана на основе teknium/OpenHermes-2.5-Mistral-7B и дообучалась методом Direct Preference Optimization на наборе Intel/orca_dpo_pairs; промпты оформлены по шаблону ChatML. В карточке указано, что обучение DPO было прервано после двух шагов из-за нехватки памяти, а параметры LoRA были уменьшены, поэтому дообучение не завершено и его настройки не оптимальны. Модель предназначена для генерации текста в формате чат-ассистента: ответы на вопросы, объяснения и диалоговые сценарии. Поддерживает контекст до 32 768 токенов. Распространяется в формате safetensors по лицензии Apache-2.0.

NeuralsirkrishnaInex12-7B — автоматически объединённая модель, созданная Maxime Labonne из Kukedlc/NeuralSirKrishna-7b и MSL7/INEX12-7b. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров; при объединении применён метод SLERP, итоговые веса сохранены в формате safetensors. Модель предназначена для генерации текста и диалогов. Она принимает текст и поддерживает контекст до 32 768 токенов. В карточке приведён пример загрузки через Transformers. Модель распространяется по лицензии Apache-2.0. Карточка не описывает специализированные области применения или отдельные возможности модели. Качество и ограничения в README не оценены; пригодность для конкретной задачи следует проверять отдельно.

OpenSourceEnjoyer опубликовал вариант Nous-Hermes-2-Mistral-7B-DPO, дообученный с помощью Unsloth и библиотеки Hugging Face TRL. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового общения. Модель принимает текст и генерирует текст; в метаданных указаны английский язык и контекст длиной до 32 768 токенов. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Карточка не приводит подробностей о данных обучения или результатах оценки, поэтому качество ответов и устойчивость к ошибочным или неоднозначным запросам по ней определить нельзя.

OLMoE-1B-7B-0125-Instruct — англоязычная диалоговая модель Allen Institute for AI, выпущенная в январе 2025 года. Это модель генерации текста с архитектурой MoE и классом OlmoeForCausalLM; в метаданных указано 472,1 млн параметров и контекст до 4096 токенов. Она принимает диалоговые текстовые запросы и генерирует ответы. Модель дообучена на базе allenai/OLMoE-1B-7B-0125-DPO: обучение включало supervised fine-tuning на варианте набора Tülu 3 для OLMo, DPO и RLVR. Предназначена для чата, ответов на вопросы и решения разнообразных задач, включая математику и следование инструкциям. README приводит результаты на нескольких бенчмарках, но не гарантирует качество для каждого сценария. Модель рассчитана преимущественно на английский язык и распространяется по лицензии Apache 2.0. В README отмечено, что модель прошла ограниченное обучение безопасности и может выдавать проблемные ответы, особенно при соответствующих запросах.

Dohyeon1/OLMoE-HC-SMoE-ngroups56 — языковая модель для генерации текста, опубликованная в формате, совместимом с библиотекой Transformers. В метаданных она относится к семейству OLMoE и помечена как conversational, поэтому предназначена для диалоговых сценариев и продолжения текстовых последовательностей. Модель содержит 472,1 млн параметров и поддерживает контекст длиной до 4096 токенов. Её можно применять для генерации ответов в чатах, создания черновиков текста, продолжения фраз и прототипирования приложений на базе языковых моделей. Язык или набор языков обучения в доступных данных не указан. Модель следует использовать с учётом ограничений генеративных языковых моделей: она может выдавать фактически неверные, неполные или неподходящие ответы и требует проверки результатов в ответственных сценариях. Лицензионные условия и сведения о разработчике в доступных данных не представлены.

vicgalle/OpenHermes-Gemma-2B — диалоговая языковая модель семейства Gemma, опубликованная vicgalle. Модель содержит 2,5 млрд параметров, использует плотную архитектуру GemmaForCausalLM и рассчитана на генерацию текста и ведение диалога. Максимальная длина контекста составляет 8192 токена. Модель подходит для генерации ответов в чате и общих текстовых запросов. В карточке приведены результаты оценивания на Open LLM Leaderboard, включая AI2 Reasoning Challenge и HellaSwag. Модель распространяется под лицензией Apache-2.0.

balrogbob/open_llama_3b_v2-python-instruct-0.1.2 — языковая модель семейства Llama, разработанная balrogbob и дообученная на базе balrogbob/open_llama_3b_v2-python-instruct-0.1_4bit. Модель содержит 3,3 млрд параметров, использует архитектуру LlamaForCausalLM и поддерживает контекст до 8192 токенов. Модель предназначена для генерации текста и выполнения инструкций на английском языке. Её обучали с использованием Unsloth и библиотеки Hugging Face TRL. Репозиторий распространяется по лицензии Apache-2.0.

Модель balrogbob/open_llama_3b_v2-python-instruct-0.1.3 — дообученная разработчиком balrogbob версия Llama для генерации текста и выполнения инструкций на английском языке. Она создана на основе balrogbob/open_llama_3b_v2-python-instruct-0.1.2 с использованием Unsloth и библиотеки TRL. Модель имеет плотную архитектуру LlamaForCausalLM и 3,3 млрд параметров, принимает текст и генерирует текст. Длина контекста составляет 8192 токена. Репозиторий содержит веса в формате safetensors; лицензия — Apache-2.0. Карточка не уточняет специализацию этого обновления относительно базовой версии, поэтому его отдельные преимущества и ограничения определить нельзя.

OpenPipe_Deductive-Reasoning-Qwen-14B-GGUF — это GGUF-квантизированная версия языковой модели Deductive-Reasoning-Qwen-14B, разработанной OpenPipe и подготовленной квантизатором bartowski с использованием llama.cpp и imatrix. Модель предназначена для генерации текста и диалоговых сценариев на английском языке, в частности для задач, требующих дедуктивного рассуждения. Она поддерживает запуск через llama.cpp, LM Studio и другие совместимые проекты, использующие этот формат. Для работы применяется шаблон сообщений с ролями system, user и assistant на основе специальных токенов Qwen. Модель имеет заявленный размер 14B параметров и поставляется в нескольких вариантах точности и квантизации — от BF16 до Q3 и IQ3, с размером файлов примерно от 6,92 до 29,55 ГБ в доступной части описания. Старшие варианты квантизации обеспечивают более высокое качество, а младшие снижают требования к оперативной памяти ценой качества генерации. Конкретная архитектура, размер контекста, поддерживаемые модальности помимо текста и результаты специализированных тестов в README не указаны. Лицензия модели — MIT; ссылка на лицензию приведена для исходной модели OpenPipe/Deductive-Reasoning-Qwen-14B.

Orthrus-12b-v0.8 — объединённая языковая модель от Pyroserenus, построенная методом TIES с помощью mergekit на основе Mistral Nemo. В слияние вошли IntervitensInc/Mistral-Nemo-Base-2407-chatml, unsloth/Mistral-Nemo-Instruct-2407 и anthracite-org/magnum-12b-v2. Модель содержит 12,1 млрд параметров, использует архитектуру MistralForCausalLM и формат safetensors; для работы указана библиотека Transformers. Модель предназначалась как компонент для более крупного слияния, но автор сообщает, что её можно использовать самостоятельно. Она генерирует текст и подходит для диалоговых сценариев. Окно контекста составляет 1 024 000 токенов. Автор приводит настройки тестирования: temperature 0,75, MinP 0,10 и smoothing factor 0,30. Модель распространяется по лицензии CC BY-NC 4.0, которая запрещает коммерческое использование. README не сообщает о специализированной предметной области или дополнительных ограничениях качества.

palmer-002-32k — языковая модель семейства Llama от appvoid, созданная на основе palmer-002-2401 путём слияния и дообучения с TinyLlama-1.1B-32k-Instruct от Doctor-Shotgun. Модель предназначена для генерации текста и работы с длинным контекстом; заявленная длина контекста — 32 768 токенов, размер — 1 млрд параметров. В README приведено сравнение результатов zero-shot оценки на ARC-C, OBQA, HellaSwag, PIQA и Winogrande. Для длинного контекста и генерации текста модель может применяться в диалоговых сценариях и для ответов на вопросы по объёмным материалам. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. Оценки в карточке ограничены указанными бенчмарками и настройкой zero-shot; README не приводит результатов отдельной оценки качества на контекстах длиной 32k.

Park3-8B-Base — базовая языковая модель для генерации текста, опубликованная пользователем koohack на Hugging Face. Модель предназначена для использования через библиотеку Transformers и относится к семейству Qwen3 по метаданным карточки. Модель содержит около 7,6 млрд параметров и поддерживает контекст длиной до 32 768 токенов. Она может применяться для генерации продолжений текста, черновиков, диалоговых ответов и других сценариев, основанных на text generation. Метаданные также помечают её как conversational. README не содержит сведений о разработчике, лицензии, языках обучения, датасетах, процедуре обучения, результатах оценки и специальных рекомендациях по применению. Поэтому перед использованием в продуктивных системах необходимы самостоятельное тестирование, проверка качества и уточнение условий лицензирования.

PasticheNeuralsirkrishna-7B — объединённая языковая модель, созданная Maxime Labonne методом DARE-TIES на основе NeuralSirKrishna-7b и CorticalStack/pastiche-crown-clown-7b-dare. Это плотная причинная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогов. Контекстное окно составляет до 32 768 токенов; веса опубликованы в формате safetensors. Модель можно использовать для генерации ответов, продолжения текста и диалоговых приложений. В README приведён пример запуска через Transformers. Модель распространяется по лицензии Apache-2.0. README не описывает специальные языковые, предметные или мультимодальные возможности, поэтому их нельзя считать подтверждёнными.

Aleph Alpha выпустила эту версию Pharia-1-LLM-7B-control-aligned как конверсию весов модели в формате safetensors. Это плотная авторегрессионная языковая модель семейства Pharia-v1 с 8,7 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Максимальная длина контекста составляет 8192 токена. Модель можно использовать для генерации ответов в чате и других сценариев, где требуется продолжение или создание текста. В README указана совместная карточка для Pharia-1-LLM-7B-control и Pharia-1-LLM-control-aligned, однако её содержание здесь не приведено, поэтому дополнительные сведения о языках, сильных сторонах и ограничениях модели установить нельзя. Лицензия обозначена как other; конкретные условия использования в имеющихся данных не раскрыты.

Drowsy-zZ/Phi-4-mini-instruct-demo — компактная conversational-модель для генерации текста, опубликованная на Hugging Face и предназначенная для использования через библиотеку Transformers. README создан автоматически и не содержит сведений о разработчике, базовой модели или точной архитектуре; метаданные относят модель к семейству Phi и тегу conversational. Модель имеет около 3,8 млрд параметров и поддерживает контекст длиной до 4096 токенов. Она может применяться для диалоговых ответов, генерации текста, чернового написания и прототипирования приложений, использующих языковые модели. Основной pipeline-тег — text-generation. В README отсутствуют сведения о лицензии, языках, обучающих данных, результатах оценки и рекомендованных сценариях эксплуатации. Поэтому модель следует проверять на фактическую точность, устойчивость ответов и соответствие требованиям безопасности перед использованием в продуктивных системах.

Phoenix-v1-8x7B — экспериментальная чат-модель от Jan, созданная как MoE-слияние нескольких моделей для общего общения, ролевых диалогов, программирования и написания текстов. В README базовая модель названа trinity-v1; также перечислены Toppy-M-7B, CodeLlama-7b-Instruct-hf и Seraph-7B как источники навыков. В метаданных указана архитектура Mixtral MoE и класс MixtralForCausalLM, 7,1 млрд параметров, контекст до 32 768 токенов и формат safetensors. Модель предназначена для чат-ботов и локального запуска через Jan Desktop на macOS, Windows и Linux. Основной язык по карточке и тегам — английский. Качество не подтверждено опубликованными результатами: таблица оценки в README содержит вопросительные знаки. Модель распространяется по лицензии Apache-2.0.