II.1Анализ требований и архитектура ПО

Модель yuhengtu-bytedance/sfm_unfiltered_midtrain_alignment-1k_2k_3k_4k_5k_weightedavg_merge — объединение пяти контрольных точек предварительно обученной языковой модели. По README, веса объединены методом Linear с помощью mergekit; базой слияния служит контрольная точка global_step5000, также использованы контрольные точки global_step1000, global_step2000, global_step3000 и global_step4000. Архитектура — плотная GPT-NeoX для авторегрессионной генерации текста, размер — 8,8 млрд параметров, нативный контекст — 16 384 токена. Модель предназначена для генерации текста и диалогового взаимодействия. В метаданных отмечена возможность чата; отдельная специализация по предметной области или языкам не указана. Файлы представлены в формате safetensors и предназначены для работы с Transformers. Модель создана пользователем yuhengtu-bytedance путём слияния контрольных точек; описания лицензии в предоставленных данных нет. Качество, поведение на конкретных задачах и ограничения модели в README не оценены.

sfmunfilteredmidtrainalignment-6k7k8k9k10kweightedavgmerge — объединение предобученных языковых моделей, созданное с помощью mergekit. В README описано линейное слияние пяти чекпойнтов, соответствующих шагам обучения 6000, 7000, 8000, 9000 и 10000; чекпойнт на шаге 10000 использован как базовый при слиянии. Модель построена на архитектуре GPT-NeoX, содержит 8,8 млрд параметров и сохранена в формате Safetensors. Модель предназначена для генерации текста и диалогового применения. Она принимает текст и генерирует текст, с контекстом до 16 384 токенов. Сведения о конкретных языках и специализированных областях применения в карточке отсутствуют. Лицензия в предоставленных данных не указана.

Модель yuhengtu-bytedance/sfm_unfiltered_midtrain_alignment-8k_9k_10k_11k_12k_weightedavg_merge — объединённая языковая модель на базе GPT-NeoX, созданная методом Linear merge с помощью mergekit. В объединение вошли контрольные точки предварительно обученной модели с шагами обучения 8k, 9k, 10k, 11k и 12k; базой слияния указана контрольная точка global_step12019. Размер модели — 8,8 млрд параметров, формат весов — safetensors, нативный контекст — 16 384 токена. Модель предназначена для генерации текста и диалогового взаимодействия. Карточка не описывает конкретные прикладные области, языковую специализацию или сравнительные качества модели, поэтому эти свойства нельзя уверенно определить. Лицензия в предоставленных данных не указана.

Модель yuhengtu-bytedance/sfm_unfiltered_midtrain_alignment-9k_10k_11k_weightedavg_merge — объединение предварительно обученных языковых моделей, созданное с помощью mergekit. В README указано, что применён линейный метод слияния; базой служит чекпойнт global_step11000, а в объединение также вошли global_step10000 и global_step9000 из того же набора чекпойнтов. Это плотная авторегрессионная модель семейства GPT-NeoX с 8,8 млрд параметров, рассчитанная на генерацию текста и диалоговое применение. Нативная длина контекста составляет 16 384 токена; модель работает через Transformers и распространяется в формате safetensors. Карточка не сообщает о специализированной предметной области или конкретных ограничениях качества. Условия лицензирования в предоставленных данных не описаны.

ShadowMeliodas-7B — автоматически объединённая языковая модель, созданная Maxime Labonne на основе Mistral. В конфигурации слияния указаны CorticalStack/shadow-clown-7B-slerp и AurelPx/Meliodas-7b-dare; применён метод dare_ties. Каталог связывает модель с AurelPx/Meliodas-7b-dare как с базовой дообученной моделью. Модель содержит 7,1 млрд параметров, использует архитектуру Mistral и формат safetensors, поддерживает контекст до 32 768 токенов. Она предназначена для генерации текста и диалогов. Лицензия — Apache-2.0. README и метаданные не сообщают о поддерживаемых естественных языках и специализированных областях применения.

Shadows-MoE — модель генерации текста с архитектурой Mixtral MoE, созданная слиянием Ninja-V3 в вариант MoE. В карточке указано, что для диалога можно использовать шаблон Vicuna v1.1; модель размещена в формате Safetensors и содержит 7,1 млрд параметров. Модель предназначена для диалогов и генерации текста. Контекстное окно составляет до 32 768 токенов. Базовая модель Ninja-V3 описана как слитая модель Mistral для диалогов и генерации текста; сведений о языках, на которых Shadows-MoE специально обучена, в карточке нет. Модель доступна в репозитории на условиях указанной для базовой модели лицензии; сведения о лицензии самой Shadows-MoE в предоставленных данных отсутствуют. Качество ответов и конкретные ограничения в README не описаны.

Shisa v1 Qwen2 7B — диалоговая языковая модель, разработанная shisa-ai и дообученная на основе Qwen/Qwen2-7B-Instruct. Она предназначена для генерации текста в формате диалога. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM, принимает текст и выдаёт текст; указанная длина контекста — 32 768 токенов. README сообщает о дообучении с помощью Axolotl 0.4.0 и значении loss 0,5239 на оценочном наборе, но не раскрывает состав данных, назначение и результаты оценки. Модель опубликована в формате safetensors под лицензией Apache-2.0. README не описывает её сильные стороны или специальные ограничения.

SmolLumi-8B-Instruct — разговорная модель safe049, дообученная на NeverSleep/Lumimaid-v0.2-8B с использованием набора HuggingFaceTB/smol-smoltalk. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 7,5 млрд параметров; она принимает текст и генерирует текст, поддерживает диалоговый режим и интерфейс вызова инструментов. Указанная длина контекста — 131 072 токена, основной язык карточки — английский. Модель предназначена для диалогов и генерации текста в формате инструкций. Автор описывает её как uncensored; поэтому ответы могут включать незаконный или неэтичный контент. Обучение проводилось на 60 шагах, так что качество и устойчивость модели могут быть ограничены. Лицензия — Apache-2.0.

macadeliccc/SOLAR-10.7B-Instruct-v1.0-laser — разговорная языковая модель на архитектуре Llama с 10,6 млрд параметров. По README, к версии SOLAR-10.7B-Instruct-v1.0 применён процесс LASER; карточка приводит оценку перплексии на GSM8K и результаты бенчмарков AGIEval, GPT4All, TruthfulQA и Bigbench. Модель предназначена для генерации текста и диалоговых сценариев, включая ответы на вопросы и выполнение инструкций на естественном языке. Контекст — до 4096 токенов; модель принимает текст и генерирует текст. В README сообщается о снижении перплексии на 2,41% после LASER и среднем результате 59,07% по указанным бенчмаркам. Язык модели и её качество в конкретных языках или прикладных областях в предоставленных данных не описаны. Лицензия CC BY-NC 2.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

StableLM-Base-Alpha-7B — базовая авторегрессионная языковая модель Stability AI на архитектуре GPT-NeoX с плотным декодером. Она содержит около 10 млрд параметров по метаданным и обучена предсказывать продолжение текста на разнообразных англоязычных данных; контекст составляет 4096 токенов. Модель предназначена для генерации текста и как основа для дообучения под конкретные приложения. Модель работает с текстом на английском языке и распространяется в формате PyTorch. Версия Base-Alpha заменена более новыми моделями StableLM. В обучающих данных могли сохраниться оскорбительные или неподходящие материалы, что может отражаться в ответах; разработчик рекомендует соблюдать осторожность при использовании в производственных системах и не применять модель для причинения вреда или страданий. Лицензия CC BY-SA 4.0 требует указывать авторство Stability AI, ссылаться на лицензию и отмечать внесённые изменения.

Kilinskiy/Step-3.5-Flash-Ablitirated — созданная Kilinskiy версия модели Step-3.5-Flash от StepFun с удалёнными, по заявлению автора, векторами отказа (abliteration). Это разговорная разреженная MoE-модель для генерации текста; README сообщает о 199 млрд общих параметров и примерно 11 млрд активных на токен, тогда как метаданные каталога указывают 8,5 млрд параметров. Репозиторий содержит веса FP16 в формате safetensors и рассчитан на запуск через Transformers; заявленная длина контекста — 262 144 токена. Модель предназначена для диалогов и ответов на запросы, включая запросы, на которые исходная версия могла бы отказать. README предупреждает, что удаление механизмов отказа может приводить к оскорбительным, предвзятым, опасным или незаконным ответам. Автор предоставляет модель без гарантий. Лицензия в метаданных — Apache-2.0.

T3qm7xNeuralsirkrishna_Ognoexperiment27Multi_verse_model — объединённая модель для генерации текста, созданная на основе двух моделей Mistral: automerger/T3qm7xNeuralsirkrishna-7B и automerger/Ognoexperiment27Multi_verse_model-7B. Она содержит 7,1 млрд параметров и рассчитана на контекст до 32 768 токенов. Модель подходит для генерации продолжений текста, диалоговых ответов и других задач на основе текстовых запросов. Веса опубликованы в формате safetensors по лицензии Apache-2.0. В карточке не описаны специализация модели, поддерживаемые естественные языки или результаты оценки качества.

Это GGUF-квантизированная версия языковой модели Hunyuan-4B-Instruct, разработанной Tencent и преобразованной пользователем bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и работы в инструкционном формате: она может применяться в диалоговых сценариях, для ответов на запросы пользователя и других задач text-generation. Модель содержит около 4 миллиардов параметров и доступна в вариантах от BF16 до низкобитных квантований Q8, Q6, Q5, Q4, Q3 и IQ. Размер файлов составляет примерно от 1,9 до 8,45 ГБ; варианты с более высокой точностью обычно обеспечивают лучшее качество, а варианты с меньшим размером требуют меньше оперативной памяти. Для работы предусмотрен специальный шаблон промпта Hunyuan. Модель можно запускать через LM Studio, llama.cpp и другие совместимые проекты. К сильным сторонам относятся широкий выбор квантований, возможность локального запуска и хороший баланс качества и размера у рекомендуемых вариантов Q4–Q6. Низкобитные версии экономят память, но могут заметно уступать по качеству более точным вариантам. В README не указаны поддерживаемые языки, максимальная длина контекста, точная архитектура, мультимодальные возможности и лицензия, поэтому эти характеристики нельзя достоверно оценить.

Карточка модели cuong1692001/Terminal-complete_16k на Hugging Face совпадает с карточкой cuong1692001/Terminal-complete-16k, поэтому описание составлено по ней. Terminal-complete — дообученная модель Qwen/Qwen3-8B, созданная автором cuong1692001 на наборе данных qwen_data_complete. Это плотная авторегрессионная языковая модель на 7,6 млрд параметров для генерации текста и диалогового взаимодействия; контекст — до 40 960 токенов. Карточка не описывает конкретные сценарии применения, обучение или результаты оценки, поэтому возможности исходной Qwen3-8B не следует автоматически считать проверенными для этой версии. Модель распространяется в формате Safetensors; лицензия указана как other, её условия нужно уточнить перед использованием.

Карточка модели cuong1692001/Terminal_complete_4k на Hugging Face совпадает с карточкой cuong1692001/Terminal-complete-4k, поэтому описание составлено по ней. Terminal-complete-4k — дообученная модель на основе Qwen/Qwen3-8B, созданная автором репозитория на датасете qwen_data_complete. Это плотная причинная языковая модель примерно на 7,6 млрд параметров для диалоговой генерации текста; она принимает текст и выдаёт текст. В метаданных указано окно контекста до 40 960 токенов и библиотека Transformers. Модель подходит для диалога и генерации текста в сценариях, поддерживаемых базовой Qwen3-8B. README не описывает специализацию датасета, качество, результаты оценки или конкретные ограничения, поэтому назначение «Terminal» в названии само по себе не подтверждает специализацию на командной строке. Модель распространяется в формате safetensors; лицензия указана как other, без уточнения условий в предоставленных данных.

Tess-XS-v1.1 — экспериментальная версия универсальной большой языковой модели серии Tess от разработчика migtissera. Модель основана на Mistral-7B и предназначена для генерации текста в диалоге; в карточке указан формат prompt с ролями SYSTEM, USER и ASSISTANT. Модель имеет архитектуру MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Веса опубликованы в формате safetensors, лицензия — Apache-2.0. Автор помечает эту версию как устаревшую и рекомендует использовать стабильный выпуск Tess-XS-v1.3-yarn-128K.

This_is_fine_7B — объединённая языковая модель на архитектуре Mistral, созданная ChaoticNeutrals с помощью mergekit. Модель размером 7,1 млрд параметров предназначена для генерации текста и диалогового общения; для объединения использован метод DARE TIES, базой послужила mlabonne/AlphaMonarch-7B, также включены четыре другие модели Mistral. Весовые файлы опубликованы в формате safetensors, заявленный контекст — до 32 768 токенов. Модель подходит для ведения диалога и генерации ответов или продолжений текста. В README приведены результаты оценок на задачах рассуждения и здравого смысла, однако подробные сведения о языках, специализации и условиях применения не представлены. Лицензия указана как other, поэтому перед использованием следует проверить условия на странице модели и исходных компонентов.

Tiger-Gemma-9B-v2-GGUF — это набор GGUF-квантизаций базовой языковой модели TheDrummer/Tiger-Gemma-9B-v2. Квантизации подготовлены пользователем bartowski с помощью llama.cpp версии b3658 и метода imatrix. Модель предназначена для генерации текста и может запускаться локально, в частности через LM Studio или совместимые инструменты llama.cpp. Доступны варианты от исходных весов F16 размером 18,49 ГБ до компактных форматов Q2 и Q3 размером около 3,8–5,4 ГБ, а также более качественные Q4–Q8 и IQ-квантизации. В README не указаны архитектурные детали исходной модели, поддерживаемые языки, размер контекста и точные модальности; по назначению это текстовая модель без заявленной поддержки изображений или других типов данных. Сильной стороной набора является широкий выбор компромиссов между качеством, размером и требованиями к памяти: варианты Q5–Q6 отмечены как высококачественные и рекомендуемые, а некоторые Q4-форматы оптимизированы для ARM. Более агрессивные Q2–Q3-варианты экономят память, но снижают качество. Модель не поддерживает system prompt и требует специального шаблона с маркерами Gemma для диалога. Лицензия в README не указана.

Tulu V2.5 DPO 13B UltraFeedback Mean — англоязычная диалоговая модель-помощник от Allen Institute for AI (AI2), дообученная на базе Tulu 2 с использованием DPO. Для выбора предпочтительных и отклоняемых ответов в обучении использовалось среднее значение подробных оценок набора UltraFeedback; модель также относится к серии, обученной методами DPO и PPO. Это плотная авторегрессионная модель семейства Llama с 12,9 млрд параметров и контекстом до 4096 токенов. Модель предназначена для диалогов с помощником и генерации ответов на инструкции на английском языке. Для лучшего качества следует использовать предусмотренный шаблон диалога, включая перевод строки после сообщения пользователя. Модель может выдавать проблематичные ответы: на этапе RLHF её не настраивали на безопасные завершения, а фильтрация ответов во время использования не предусмотрена. Лицензия — Apache 2.0.

Это GGUF-представление модели una-cybertron-7b-v2-bf16-Mistral-7B-Instruct-v0.2-slerp от MaziyarPanahi, основанной на Mistral-7B-Instruct-v0.2. Модель предназначена для диалоговой генерации текста и может запускаться локально через llama.cpp и совместимые приложения. В репозитории представлены варианты квантования GGUF, позволяющие выбирать компромисс между размером файлов и точностью. Архитектура — плотная Mistral; модель поддерживает чат. README не сообщает конкретный размер параметров или длину контекста. Лицензия — Apache-2.0. Качество и точность могут различаться между уровнями квантования; для работы требуется совместимый GGUF-исполнитель.

VICIOUS_MESH-12B-GAMMA — объединённая авторами карточки модель для генерации текста и диалогов. Она создана методом TIES с помощью mergekit на основе Khetterman/DarkAtom-12B-v3 с включением Infermatic/MN-12B-Inferor-v0.1 и VICIOUS_MESH-12B-BETA. По метаданным это плотная авторегрессионная Mistral-модель на 12,1 млрд параметров, доступная в формате safetensors и рассчитанная на контекст до 1 024 000 токенов; заявлена библиотека Transformers и интерфейс общения с инструментами. Модель подходит для диалоговых приложений и генерации текста на английском языке. В README приведены результаты Open LLM Leaderboard, включая IFEval и BBH, но этих оценок недостаточно, чтобы заключить о качестве в конкретных прикладных сценариях. Указана лицензия Apache-2.0. Метка карточки «not-for-all-audiences» указывает на возможную непригодность для любой аудитории; характер ограничений по содержанию в предоставленных сведениях не раскрыт.

DazzlingXeno/Westlake-Scribe — слитая языковая модель, созданная с помощью mergekit методом passthrough из OmnicromsBrain/Eros_Scribe-10.7b-v3 и froggeric/WestLake-10.7B-v2. Она основана на архитектуре Mistral и предназначена для генерации текста и диалогов; каталог отмечает поддержку чата. Модель содержит 17,8 млрд параметров и поддерживает контекст до 32 768 токенов. Модель распространяется в формате safetensors. В карточке не указаны специальные ограничения по областям применения или подтверждённые языки, поэтому их нельзя определить по доступным сведениям. Лицензия в предоставленных данных не указана.

Yamshadowexperiment28M70.13-0.24-0.38-0.21-0.67-0.27-7B — объединённая текстовая генеративная модель семейства Mistral от автора aaron-di. Она предназначена для продолжения текста и диалоговых ответов; README показывает запуск через Transformers с шаблоном чата и генерацией до 256 новых токенов. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. В качестве исходных моделей указаны AurelPx/Percival_01-7b-slerp и liminerity/M7-7b; веса доступны в формате safetensors. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества, перечня поддерживаемых языков или специализированных областей применения. Поэтому модель уместно рассматривать как модель общего назначения для генерации текста и диалога, а её качество и пригодность для конкретных сценариев следует проверять отдельно.

Yamshadowexperiment28M70.26-0.75-0.72-0.35-0.62-0.99-7B — объединённая текстовая модель семейства Mistral, опубликованная пользователем aaron-di. Она предназначена для генерации текста и диалогов: в карточке приведён пример общения через шаблон чата и запуск модели для продолжения текста. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель объединяет AurelPx/Percival_01-7b-slerp и liminerity/M7-7b. Веса опубликованы в формате Safetensors; лицензия — Apache-2.0. В README приведён пример запуска через Transformers с точностью float16 и генерацией с выборкой. Сведения о языковой специализации и качестве на конкретных задачах не приведены.

Yamshadowexperiment28M70.27-0.84-0.41-0.25-0.18-0.25-7B — объединённая текстовая модель семейства Mistral от автора aaron-di, созданная на основе AurelPx/Percival_01-7b-slerp и liminerity/M7-7b. В репозитории указаны 7,1 млрд параметров, архитектура MistralForCausalLM и формат safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Пример в карточке показывает применение chat template и генерацию ответа на текстовый запрос через Transformers; заявленная длина контекста составляет 32 768 токенов. Указана лицензия Apache-2.0. Карточка не описывает специальные предметные области или языковые возможности.

Aaron-di/Yamshadowexperiment28M70.81-0.36-0.63-1.0-0.79-0.74-7B — объединённая текстовая модель семейства Mistral с архитектурой MistralForCausalLM и примерно 7,1 млрд параметров. Карточка показывает использование через Transformers и chat template для генерации текста и диалога; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации продолжений и ответов в диалоговом формате. В метаданных указаны две объединённые базовые модели: AurelPx/Percival_01-7b-slerp и liminerity/M7-7b. Репозиторий распространяется в формате safetensors по лицензии Apache-2.0. Данные карточки не описывают отдельную специализацию по предметной области или конкретные оценки качества.

YamshadowInex12-7B — автоматически собранная Maxime Labonne языковая модель для генерации текста. В README указано слияние MSL7/INEX12-7b и automerger/YamShadow-7B методом DARE-TIES; метаданные связывают модель с MSL7/INEX12-7b. Архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров, формат весов — safetensors, точность — bfloat16. Контекстное окно составляет до 32 768 токенов. Модель подходит для генерации текста и диалоговых сценариев на базе языковой модели. Карточка не уточняет специализацию, языки или результаты оценки качества. Лицензия — Apache-2.0.

YamshadowInex12_AlloyingotneoyInex12 — слитая модель семейства Mistral, созданная на основе automerger/YamshadowInex12-7B и automerger/AlloyingotneoyInex12-7B. Она предназначена для генерации текста и может использоваться в сценариях, где требуется создавать продолжения или ответы на текстовые запросы. Модель содержит 7,1 млрд параметров, использует плотную архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Доступна в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0. Сведения о поддерживаемых естественных языках и специальных настройках применения отсутствуют в карточке.

YamshadowInex12_Experiment26Experiment24 — слитая текстовая модель, созданная на основе automerger/YamshadowInex12-7B и automerger/Experiment26Experiment24-7B. Она предназначена для генерации текста и диалоговых сценариев на основе текстовых запросов. Модель использует плотную архитектуру Mistral и содержит 7,1 млрд параметров. Контекстное окно составляет до 32 768 токенов; веса опубликованы в формате safetensors. Данных о специализации на конкретном языке или предметной области нет. Модель распространяется по лицензии Apache-2.0. Качество, поведение при длинных запросах и ограничения слитой версии в карточке не описаны.

YamshadowInex12_Strangemerges_32Experiment28 — слитая модель семейства Mistral, созданная на основе automerger/YamshadowInex12-7B и automerger/Strangemerges_32Experiment28-7B. Она предназначена для генерации текста и диалоговых сценариев на базе языковой модели. Модель имеет плотную архитектуру MistralForCausalLM, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате Safetensors. Репозиторий распространяется по лицензии Apache-2.0. Карточка не описывает специализированные области применения, наборы данных или подтверждённые языки. Качество и поведение слитой модели зависят от исходных моделей; независимые оценки в карточке не приведены.