II.1Анализ требований и архитектура ПО

prototype-128x01 — объединённая языковая модель, созданная автором репозитория с помощью mergekit методом Multi-SLERP. В объединение вошли /workspace/mistral-text-only и /workspace/modeler/Behemoth с равными весами; базой и источником токенизатора указана /workspace/mistral-text-only. Модель построена на архитектуре MistralForCausalLM, содержит 123,4 млрд параметров и рассчитана на генерацию текста и диалоговое взаимодействие. Заявленная длина контекста — 262 144 токена; репозиторий содержит веса safetensors и предназначен для Transformers. Карточка не указывает лицензию и не описывает языки или специализированные сценарии применения. Возможности и качество ответов за пределами генерации текста отдельно не подтверждены.

Psyfighter2-Orca2-ties — языковая модель на архитектуре LLaMA, созданная автором репозитория с помощью mergekit методом TIES из KoboldAI/LLaMA2-13B-Psyfighter2 и microsoft/Orca-2-13b. Модель содержит 12,9 млрд параметров, сохранена в формате safetensors и имеет контекст до 4096 токенов. Она предназначена для генерации текста и диалоговых сценариев, включая ответы на вопросы, рассуждения и решение задач. Автор сообщает о результатах на Open LLM Leaderboard, но отмечает, что сам не смог проверить запуск модели на своём оборудовании; результаты рейтинга не гарантируют качество в конкретных задачах. В карточке указана лицензия «other», поэтому условия использования следует уточнить у автора и в лицензиях базовых моделей.

MaziyarPanahi/Qwen1.5-8x7b-v0.1 — языковая модель, дообученная MaziyarPanahi на наборе Crystalcareai/MoD-150k. По описанию, при создании объединили восемь дообученных вариантов Qwen1.5-7B в MoE-модель, а затем снова дообучили её на этом наборе. Архитектура указана в метаданных как MixtralForCausalLM с механизмом Mixture of Experts; формат весов — safetensors. В README приведено 38,0 млрд параметров, тогда как метаданные указывают 7,1 млрд, поэтому размер модели нельзя однозначно определить по предоставленным сведениям. Модель предназначена для генерации текста и диалогового использования через Transformers. Указанное в метаданных максимальное окно контекста — 32 768 токенов. В README приведён результат оценки Loss 0,7945, но нет описания протокола оценки или подробностей обучающих данных, кроме названия датасета. Лицензия обозначена как other, поэтому конкретные условия использования следует проверять на странице модели и в лицензии базовой модели.

OP12138/qwen3-1.7b-safechain — дообученная авторами репозитория модель Qwen3-1.7B на датасете safechain. Она предназначена для генерации текста и диалогового взаимодействия; метаданные отмечают поддержку чата и указывают архитектуру Qwen3ForCausalLM с плотной сетью и 1,7 млрд параметров. Модель принимает текст и генерирует текст, а заявленная длина контекста составляет 40 960 токенов. Базовая модель Qwen3 описана как многоязычная.

DavidAU/Qwen3-48B-A4B-Savant-Commander-Distill-12X-Closed-Open-Heretic-Uncensored — текстовая MoE-модель для генерации ответов и творческого письма. По карточке автора, это объединение 12 дистиллированных моделей Qwen3 по 4 млрд параметров, включая модели с рассуждением; пользователь может выбирать экспертов, указывая их имена в запросе. В метаданных указаны архитектура Qwen3 MoE, 3,7 млрд параметров, библиотека Transformers и контекст до 262 144 токенов; автор заявляет об активации двух экспертов по умолчанию и возможности задействовать до 12. Модель предназначена для диалогов, рассуждений, математики, программирования и создания художественных текстов, в том числе хоррора и романтики. Сильная сторона — переключение между экспертами для разных запросов; результат и скорость зависят от выбранных экспертов и их числа. Автор предупреждает, что модели нужно явно задавать желаемый стиль и уровень откровенности, а чрезмерное квантование может заметно ухудшить работу. По README, модель аблитерирована для уменьшения отказов и рассчитана на генерацию откровенного, в том числе NSFW-контента. Лицензия в метаданных — Apache-2.0.

Qwen3-4B-Instruct-2507-Abliterated — модифицированная версия причинной языковой модели Qwen3-4B-Instruct-2507, разработанной командой Qwen. Вариант создан с помощью Heretic v1.4.0 методом directional ablation, или abliteration, который направлен на снижение склонности модели отказывать в ответах при сохранении поведения исходной модели. Это не новая модель, обученная с нуля, а экспериментальный производный вариант с изменёнными весами. Модель предназначена для генерации текста и локального использования в сценариях, где требуется меньше отказов на запросы. Доступен формат GGUF с квантизацией Q4_K_M и конфигурация для запуска через Ollama; заявлена совместимость с инструментами локального инференса, включая Open WebUI. Базовая модель содержит около 4 миллиардов параметров, поддерживает контекст до 262 144 токенов и описывается Qwen как non-thinking-модель. В метаданных указан английский язык, однако дополнительные языковые возможности в этой карточке не раскрыты. Сильная сторона варианта — существенно сниженная частота отказов: во внутреннем тесте из 100 запросов модель отказала в 16 случаях против 100 отказов у исходной Qwen3-4B-Instruct-2507. При этом поведение зависит от формулировки запроса, параметров генерации, квантизации, инференс-фреймворка, системного промпта, шаблона чата, контекста и определений инструментов; снижение отказов не гарантирует полного отсутствия отказов и может сопровождаться изменениями исходных свойств модели. Лицензия — Apache-2.0.

Manitec выпустил Qwen3-4B-Instruct-2507-uncensored-v2 — минимально дообученную версию Qwen3-4B-Instruct-2507, предназначенную для диалоговой генерации текста. Автор заявляет, что модель почти не отказывает в ответах, но по умолчанию не должна быть чрезмерно оскорбительной и лучше следует подробным инструкциям. Модель использует плотную архитектуру Qwen3 с 3,7 млрд параметров и контекстом до 262 144 токенов. Она работает с текстом, поддерживает чат и интерфейс вызова инструментов; README описывает дообучение в течение двух эпох с низкой скоростью обучения. По метаданным, модель распространяется в формате safetensors под лицензией Apache-2.0. Заявления о поведении основаны на описании автора; карточка приводит сравнение perplexity и KL divergence с родительской моделью, но не содержит полной методики или независимой оценки. Дообучающий датасет не опубликован, поэтому его состав и возможное влияние на ответы проверить нельзя.

AtomicChat/Qwen3.5-4B-DFlash-GGUF — GGUF-квантизированная версия модели z-lab/Qwen3.5-4B-DFlash, подготовленная и самостоятельно квантизированная командой Atomic Chat. Модель предназначена для генерации текста и диалоговых сценариев, включая локальный и полностью офлайн-запуск через llama.cpp, Ollama, LM Studio, Jan или приложение Atomic Chat. В карточке указано, что модель имеет 0,6 млрд параметров, 6 слоёв и архитектуру плотного декодера DFlashDraftModel с гибридным вниманием: скользящее окно 4096 токенов сочетается с глобальным вниманием. Заявлена длина контекста до 262 144 токенов, словарь из 248 320 токенов и текстовая модальность. Репозиторий содержит квантизацию Q8_0 размером около 0,7 ГБ; она описывается как практически без потерь и рассчитанная на сохранение качества исходной модели. Квантизация выполнена с использованием матрицы важности для каждого тензора. Сильными сторонами являются небольшой размер, возможность локальной работы, длинный контекст и применение importance matrix при квантизации. Ограничения — отсутствие в карточке сведений о поддерживаемых языках, результатах тестирования, рекомендуемых параметрах sampling и фактическом качестве на задачах. Для корректного диалогового формата необходимо использовать шаблон Qwen3.5 через параметр --jinja; без него возможна генерация некорректных реплик. Исходная модель выпущена под лицензией Apache 2.0; квантизированная версия подготовлена Atomic Chat.

Карточка модели 0xSojalSec/Qwen3.5-9B-abliterated на Hugging Face совпадает с карточкой lukey03/Qwen3.5-9B-abliterated, поэтому описание составлено по ней. Qwen3.5-9B-abliterated — текстовая диалоговая модель на архитектуре Qwen3.5, созданная lukey03 на основе Qwen/Qwen3.5-9B. Автор удалил часть поведения отказа ортогональной проекцией весов, затем применил QLoRA-дообучение и объединил адаптер с основными весами. В репозитории указано 7,2 млрд параметров, архитектура dense и контекст длиной 262 144 токена; модель распространяется в формате safetensors и рассчитана на работу через Transformers. Модель предназначена для генерации ответов в диалоге, включая запросы, на которые исходная модель отказывалась отвечать. В README также приведены примеры рассуждений, математики и программирования, но основная задача в каталоге — генерация текста. Карточка сообщает о тестировании на 18 запросах, однако это небольшой набор и результаты не гарантируют качество на других задачах. Удаление отказов означает, что модель может выдавать вредоносный, опасный или откровенный контент. Лицензия — Apache-2.0.

Это конверсия в формат MLX модели Qwen3.5-9B-The-Defiant-Fable-Uncensored-Heretic, подготовленная PipeNetwork для Apple silicon. Веса сохранены в bfloat16 без квантизации; исходный набор весов — nightmedia/Qwen3.5-9B-DS9-USS-Defiant. Модель объединяет дообучения Qwen3.5, упомянутые авторами исходной модели, и предназначена для диалогов, рассуждений, творческого письма и работы с изображениями. Архитектура — плотная мультимодальная Qwen3.5 с 9 млрд параметров, 32 слоями и 27-слойной визуальной башней. Модель принимает текст и изображения, выдаёт текст и поддерживает контекст до 262 144 токенов. Карточка указывает английский и китайский языки. Репозиторий рассчитан на запуск через MLX на компьютерах Apple с Apple silicon; веса занимают около 18,8 ГБ. При конверсии отброшены веса MTP, поэтому недоступно ускорение спекулятивного декодирования, которое они обеспечивают в некоторых сборках. Модель распространяется по лицензии Apache-2.0. Название указывает на uncensored-редакцию; качество и ограничения безопасности унаследованы от исходных весов, а отдельная оценка этой конверсии в карточке не приводится.

Tsuna57/Qwen3.6-27B-Fable-Fusion-711-Uncensored-Heretic-NM-DAU-MTP-Q8_0-GGUF — это квантованная версия модели DavidAU/Qwen3.6-27B-Fable-Fusion-711-Uncensored-Heretic-NM-DAU-MTP, преобразованная в формат GGUF с помощью llama.cpp и сервиса GGUF-my-repo. Модель основана на Qwen3.6 и имеет размер 27 млрд параметров; в карточке также указаны многоэтапная настройка, объединение моделей, режимы thinking и reasoning, а также поддержка MTP-квантов. Квантование Q8_0 предназначено для запуска через llama.cpp. Модель ориентирована на широкий спектр текстовых сценариев, включая программирование, творческое письмо, создание историй и художественной прозы разных жанров, ролевые диалоги и задачи общего назначения. Заявлена поддержка английского и китайского языков. В метаданных указан pipeline image-text-to-text, однако подробности о фактических возможностях обработки изображений в README отсутствуют. К сильным сторонам относятся формат GGUF, совместимость с llama.cpp и возможность локального запуска через CLI или сервер. Ограничения и точные показатели качества, размер контекста, требования к оборудованию, особенности мультимодальности и результаты оценки в карточке не приведены; в примере запуска указан контекст 2048 токенов, но это не обязательно максимальное значение модели. Лицензия — Apache-2.0.

Yepengz/Qwen3.8-27B-TWIN-TURBO-Fable-Cold-Fusion-709-ULTRA-HERETIC-Uncensored-NM-DAU-NEO-MTP-GGUF — это многэтапная fine-tune- и merge-модель на базе Qwen3.8-27B-TWIN-TURBO-Fable-Cold-Fusion-709-ULTRA-HERETIC-Uncensored, связанная с разработчиком DavidAU и созданная с использованием Unsloth. Модель ориентирована на английский и китайский языки и распространяется в форматах GGUF, включая обычные и MTP-квантизации, с вариантами, рассчитанными на запуск на пользовательском оборудовании. Модель предназначена для широкого спектра задач: рассуждений и решения проблем, программирования, творческого письма, художественной прозы, ролевых сценариев и других диалоговых применений. В README заявлены пять режимов reasoning и пять instruct-режимов, включая режимы Spoon и Einstein, возможность переключения режимов через API или на уровне сообщения, а также отсутствие reasoning-токенов в instruct-режимах. Основной акцент сделан на сокращении объёма рассуждений и ускорении генерации при сохранении подробности ответов. Ключевые характеристики включают размер 27B параметров, поддержку GGUF-квантизаций, варианты с разрядностью 4 и 8 бит и заявленную повышенную устойчивость к чрезмерному «обдумыванию». Модель позиционируется как сильно uncensored и может быть полезна для сценариев, где требуется меньше ограничений на содержание, однако это одновременно повышает риски нежелательных, небезопасных или неприемлемых ответов. Заявления о превосходстве над другими моделями и результатах бенчмарков приведены в README без подробных методик проверки. Размер контекста и точный перечень поддерживаемых модальностей в предоставленных данных не указаны. Лицензия — Apache-2.0. Для использования следует учитывать особенности конкретной GGUF-квантизации, требования к памяти и отсутствие заявленных ограничений на содержание.

Qwen3-8B-RewardedSoups-baseline — диалоговая языковая модель на базе Qwen3-8B, подготовленная методом Rewarded Soups для совмещения нескольких целей поведения. Разработчик объединил линейной интерполяцией четыре DPO-эксперта, обученных от общей исходной модели; веса экспертов смешаны с коэффициентами 0,15, 0,15, 0,15 и 0,55. Коэффициенты выбраны по 100 проверочным запросам. Модель предназначена для генерации ответов в диалоге с акцентом на следование инструкциям, правдивость, честность и полезность. В карточке описана оценка на UltraFeedback: ответы сравнивали с общей референсной моделью на отложенных запросах, используя Llama-3.3-70B-Instruct в роли судьи. Метаданные указывают архитектуру Qwen3ForCausalLM, 7,6 млрд параметров, контекст до 40 960 токенов и библиотеку Transformers. Базовая модель заявлена как многоязычная; README не уточняет языки обучения этой версии. Модель распространяется в формате safetensors по лицензии Llama 3.1. README сообщает о бюджете дообучения в 300 обновлений оптимизатора с глобальным размером пакета 16, поэтому результаты оценки не следует считать гарантией качества во всех сценариях. Карточка не приводит подробных ограничений применения.

HoangCuongNguyen/qwen3-8b-safety-ra-sft — дообученная модель семейства Qwen3, созданная на базе Qwen/Qwen3-8B-Base с использованием TRL. Это плотная авторегрессионная модель на 7,6 млрд параметров для генерации текста в диалоговом формате; карточка демонстрирует запрос пользователя и генерацию ответа через Transformers. Модель может применяться для диалоговых ответов и других задач генерации текста. Контекст составляет до 32 768 токенов. В карточке указана настройка safety/SFT в названии, однако подробности обучающих данных и конкретных гарантий безопасности не приведены. Лицензия в доступных данных не указана.

MrLvTian/Qwen3-8B-shortgpt-prune-1-layer — текстовая генеративная модель из семейства Qwen3, опубликованная пользователем MrLvTian на Hugging Face. Модель предназначена для генерации текста и диалоговых сценариев на основе входного контекста и поддерживает работу через библиотеку Transformers. Модель содержит около 7,4 млрд параметров и рассчитана на контекст длиной до 40 960 токенов. В названии указана модификация shortgpt с удалением одного слоя, однако README не содержит подробностей об архитектуре этой модификации, методе сокращения, обучающих данных, результатах оценки, разработчиках или лицензии. Модель может использоваться для продолжения текста, генерации ответов в чатах, создания черновиков и прототипирования приложений на базе LLM. README не предоставляет подтверждённых сведений о поддерживаемых естественных языках, поэтому языковую совместимость следует проверять отдельно.

Xirui1208 публикует исторический чекпойнт этапа HQA step15 из обучения readall_sft_hqa_rl_20260917_r1. Это плотная авторегрессионная модель Qwen2ForCausalLM на 7,1 млрд параметров в формате BF16/Safetensors, рассчитанная на генерацию текста и диалоговые сценарии. Встроенный контекст модели — 32 768 токенов; более длинные документы обрабатываются пошаговым workflow ReadTwice с разбиением на страницы, а не одним вызовом модели. Чекпойнт предназначен для ответов на вопросы по длинным документам в сценарии HQA. В README приведены результаты greedy-декодирования на 128 примерах для контекстов 56k, 112k и 224k токенов с метриками SubEM, EM и F1; оценка LongBench для этой версии не заявлена. Указанные результаты относятся к конкретному протоколу ReadTwice и не сопоставимы напрямую с более поздним протоколом MemAgent. Для greedy-инференса нужно отключить семплирование. Репозиторий публичен; лицензия в предоставленных данных не приведена.

ReMask-3B — разговорная языковая модель семейства StableLM, опубликованная euclaise. Это дообученная версия StableLM-3B-4e1t с архитектурой плотной авторегрессионной трансформерной модели; в метаданных указано 2,7 млрд параметров и контекст до 4096 токенов. Модель предназначена для генерации текста в ответ на инструкции и диалоги, включая задачи с пошаговыми рассуждениями и ответами на вопросы. При обучении применялся метод ReMask: модель училась предсказывать ответы как на исходных, так и на случайно замаскированных последовательностях, а расхождение между предсказаниями ограничивалось дивергенцией KL. Для задач с CoT часть разметки рассуждений могла маскироваться, тогда как метки ответа сохранялись. Обучение проводилось на TinyCoT, а также на небольших поднаборах reddit-instruct-curated и oasst2-curated. Карточка описывает эксперименты с бенчмарками, но не даёт оснований считать качество универсально подтверждённым. Указана лицензия CC BY-SA 4.0.

Undi95/ReMM-v2.2-L2-13B — экспериментальная реконструкция MythoMax-L2-B13, созданная слиянием моделей методом SLERP. В README указано, что при сборке использованы ReML v2.2 и Huginn v1.2; в числе компонентов названы Chronos-Beluga-v2-13bfp16, Airoboros-L2-13b-2.2.1, Nous-Hermes-Llama2-13b и Huginn-13b-v1.2. Архитектура — плотная LlamaForCausalLM примерно на 12,9 млрд параметров, веса опубликованы в формате safetensors; контекст — до 4096 токенов. Модель предназначена для генерации текста по шаблону Alpaca, в том числе для диалогов и выполнения инструкций. Карточка приводит результаты оценки на Open LLM Leaderboard, включая ARC и HellaSwag. Репозиторий распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование.

Replete-LLM-Mist-Nemo-12b-GGUF — это набор квантизированных GGUF-версий языковой модели Replete-LLM-Mist-Nemo-12b, разработанной Replete-AI и преобразованной bartowski с использованием llama.cpp и imatrix-квантизации. Модель предназначена для генерации текста и локального запуска в совместимых средах, включая LM Studio. В метаданных указан английский язык и лицензия Apache-2.0. Модель относится к классу текстовых генеративных моделей, имеет размер 12 млрд параметров и связана с архитектурой Mistral. Доступны варианты от F32 до компактных IQ2/Q2/Q3 и более качественных Q4–Q8-квантизаций. Размер файлов варьируется примерно от 4,44 до 49 ГБ, что позволяет выбирать между качеством генерации и требованиями к оперативной памяти. Рекомендуемыми названы, в частности, варианты Q4_K_M, Q5_K_M, Q6_K и Q6_K_L. Сильной стороной набора является широкий выбор уровней квантизации для локального использования: высококачественные варианты должны минимально отличаться от исходных весов, а компактные подходят для систем с ограниченной памятью. При этом качество снижается на более агрессивных уровнях квантизации. Контекст модели, мультимодальные возможности и дополнительные языки в README не указаны. Шаблон чата также не задан; предложенный формат является стандартным и может быть некорректен, поэтому его следует сверять с карточкой исходной модели.

claytonwang/rlcr-qwen3-8b — языковая модель с авторегрессионной архитектурой Qwen3, опубликованная в формате BF16 и хранящаяся в шардированных файлах Safetensors. Она подходит для генерации текста и диалогового использования. Модель содержит около 7,6 млрд параметров; заявленный поддерживаемый контекст — до 40 960 токенов. Для работы с весами требуется около 16 ГБ памяти только под параметры, а также дополнительная память для состояния инференса и KV-кэша. В README не приведены сведения об авторе, базовом чекпойнте, обучении, датасетах и оценках, поэтому происхождение и качество модели нельзя установить. Лицензия в предоставленных данных не указана.

Apollo-v3-32B-GGUF — это GGUF-квантизированная версия текстовой генеративной модели Apollo-v3-32B, разработанной rootxhacker. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые проекты. Модель имеет размер 32 млрд параметров и ориентирована на работу с английским языком. В репозитории доступны варианты от BF16 до различных форматов Q8, Q6, Q5, Q4, Q3 и Q2, различающиеся размером файлов, требованиями к памяти и качеством. Наиболее качественными считаются BF16, Q8_0 и варианты Q6, тогда как низкобитные форматы позволяют запускать модель на системах с меньшим объёмом оперативной памяти, но могут заметнее ухудшать качество ответов. Для работы требуется совместимое программное обеспечение на базе llama.cpp; в README также указан специальный шаблон prompt с ролями system, user и assistant. Архитектура исходной модели, размер контекста, дополнительные модальности и поддержка языков, кроме английского, в предоставленных данных не описаны. Распространение указано по лицензии MIT.

Модель yuhengtu-bytedance/sfm_filtered_e2e_alignment-7k_8k_9k_10k_11k_simpleavg_merge — объединение нескольких предобученных языковых моделей, созданное с помощью mergekit. В README указано, что для слияния применён линейный метод, а в качестве базового чекпойнта использован global_step11000; также включены чекпойнты global_step7000, global_step8000, global_step9000 и global_step10000 из того же набора экспериментов по выравниванию ответов. Это плотная авторегрессионная модель GPT-NeoX примерно на 8,8 млрд параметров, опубликованная в формате safetensors и доступная через Transformers. Метаданные указывают контекст до 16 384 токенов и возможность диалогового применения; основная задача в каталоге — генерация текста. Карточка не сообщает языки обучения или специализацию по предметной области, поэтому модель следует рассматривать как языковую модель общего назначения. Условия лицензии в предоставленных данных не описаны.

Это объединённая модель генерации текста, созданная методом Linear merge с помощью mergekit. В основу объединения вошёл чекпойнт global_step5000, вместе с ним использованы чекпойнты global_step1000, global_step2000, global_step3000 и global_step4000 из серии filtered_e2e_insert_hyperstition_v1. Архитектура — плотная GPT-NeoX с 8,8 млрд параметров; веса хранятся в формате safetensors, модель рассчитана на контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не описывает специализированные предметные области, языки или сравнительные результаты качества, поэтому её следует рассматривать как универсальную языковую модель без подтверждённых узких преимуществ. Лицензия в предоставленных данных не указана.

Это объединённая языковая модель sfm_filtered_e2e_insert_hyperstition_v1-4k_5k_6k_7k_8k_simpleavg_merge, созданная с помощью mergekit из контрольных точек предварительно обученной модели. Для объединения использован линейный метод; базовой контрольной точкой указана версия с шагом обучения 8000, вместе с которой объединены версии с шагами 4000, 5000, 6000 и 7000. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и рассчитана на контекст до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для продолжения текста и построения ответов в чате. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. Сведения о языковой специализации и лицензии в доступных материалах отсутствуют.

Это объединённая языковая модель на архитектуре GPT-NeoX, созданная с помощью mergekit методом Linear merge из контрольных точек обучения на шагах 6000, 7000, 8000, 9000 и 10000. Модель содержит 8,8 млрд параметров, работает через библиотеку Transformers и принимает текст для генерации продолжения или диалогового ответа. Максимальная длина контекста — 16 384 токена. Карточка указывает на применение в диалоговом взаимодействии и генерации текста. Сведения о языках, обучающих данных и специализированных областях применения отсутствуют. Файлы модели опубликованы в формате safetensors. Лицензия в предоставленных данных не указана.

Модель sfm_filtered_e2e_insert_hyperstition_v1-7k_8k_9k_weightedavg_merge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit. При слиянии использован линейный метод: контрольная точка global_step9000 указана как базовая, а в качестве дополнительных моделей включены global_step7000 и global_step8000. Модель предназначена для генерации текста и диалогового взаимодействия. Она построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и поддерживает контекст длиной до 16 384 токенов. В репозитории указаны веса в формате safetensors и использование библиотеки Transformers. README и метаданные не сообщают о специализации по предметной области, поддерживаемых естественных языках или конкретных ограничениях качества и безопасности. Условия лицензии в предоставленных данных не указаны.

sfm_filtered_midtrain_alignment-7k_8k_9k_simpleavg_merge — объединение предобученных языковых моделей, созданное с помощью mergekit. В качестве базовой использована контрольная точка global_step9000; в слияние также включены контрольные точки global_step8000 и global_step7000 из серии filtered_midtrain_alignment. Применён линейный метод слияния. Модель предназначена для генерации текста и диалогового взаимодействия. Она построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и поддерживает контекст до 16 384 токенов. Доступна в формате safetensors для Transformers. В карточке не описаны языковое покрытие, специализация и результаты оценки качества, поэтому их нельзя надёжно определить. Условия лицензии в предоставленных данных не указаны.

sfmunfilterede2ealignment-3k4k5ksimpleavgmerge — объединённая языковая модель, созданная с помощью mergekit из контрольных точек обучения на шагах 3000, 4000 и 5000. В README указан линейный метод слияния и контрольная точка global_step5000 в качестве базовой. Метаданные определяют архитектуру как GPT-NeoX с плотной авторегрессионной языковой моделью класса GPTNeoXForCausalLM; размер составляет 8,8 млрд параметров, контекст — до 16 384 токенов. Модель предназначена для генерации текста и диалоговых сценариев. В карточке нет сведений о конкретной специализации, обучающих данных или поддерживаемых естественных языках. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

sfmunfilterede2e misalignment-3k4k5k weighted average merge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit. В качестве базовой использована модель из контрольной точки global_step5000; также объединены контрольные точки global_step4000 и global_step3000. Применён линейный метод слияния. Модель построена на плотной архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия, принимает текст и выдаёт текст. Заявленная длина контекста — 16 384 токена. Сведения о языковой специализации и лицензии в доступных источниках отсутствуют.

yuhengtu-bytedance опубликовал эту слитую языковую модель, созданную с помощью mergekit методом Linear merge. В объединение вошли пять чекпойнтов обучения unfiltered_midtrain_alignment с шагами 1000, 2000, 3000, 4000 и 5000; базой слияния указан чекпойнт global_step5000. Модель построена на архитектуре GPT-NeoX и содержит 8,8 млрд параметров. Она предназначена для генерации текста и диалогового взаимодействия, принимает текст и выдаёт текст. Контекстное окно составляет 16 384 токена. Данных о целевых языках, специализированных областях применения и лицензии в доступной карточке нет.