II.1Анализ требований и архитектура ПО

MaziyarPanahi/YamshadowStrangemerges_32_T3qm7xpExperiment26 — объединённая методом merge модель семейства Mistral, созданная на основе automerger/YamshadowStrangemerges_32-7B и automerger/T3qm7xpExperiment26-7B. Она предназначена для генерации текста и диалоговых ответов, принимая текстовые запросы и выдавая текст. Модель содержит 7,1 млрд параметров, поддерживает контекст до 32 768 токенов и распространяется в формате safetensors. Модель подходит для чат-ботов, генерации текстов и ответов на запросы в пределах возможностей исходных моделей. В карточке указана лицензия Apache-2.0. Сведения о языках и специализированных областях применения в предоставленных данных отсутствуют.

Nous-Yarn-Llama-2-13b-64k — языковая модель семейства Llama 2, разработанная NousResearch и дополнительно обученная на длинных текстах. Модель содержит 12,9 млрд параметров и рассчитана на контекст до 65 536 токенов. Модель продолжительно обучали на подмножестве набора PG19, чтобы улучшить работу с длинным контекстом. Она предназначена для генерации текста и сценариев, где нужно учитывать большие документы или последовательности текста. Это базовая языковая модель, а не специализированная инструкция-модель. Веса представлены в формате PyTorch; для корректной работы README указывает требование Flash Attention 2. Лицензия в предоставленных данных не указана.

YuYu1015 разработал YuYu1015-Ornith-1.0-9B-abliterated — разговорную модель генерации текста на архитектуре Qwen3.5 с 9 млрд параметров, основанную на deepreinforce-ai/Ornith-1.0-9B. Это вариант с удалённым поведением отказа; автор описывает его как изменение весов без дополнительного обучения, сохраняющее исходные способности базовой модели к рассуждению. Модель предназначена для диалога и ответов на запросы, в том числе на чувствительные темы. В README указана гибридная архитектура GatedDeltaNet и полных слоёв внимания в соотношении 3:1. Для генерации автор рекомендует оставлять режим рассуждения включённым и использовать параметры Qwen3.5, особенно repeat-penalty 1.05: при значении 1.0 возможны циклы рассуждений, а при 1.1 — незавершённые ответы. Модель выпущена под лицензией Apache-2.0; метаданные указывают английский и китайский языки. Фильтры безопасности удалены, поэтому модель может выдавать чувствительный или неподходящий контент.

zenlm/zen-eco-4b-thinking — компактная плотная языковая модель Zen Eco, созданная на основе Qwen3-4B и настроенная на рассуждения. Это перепакованная модель, а не обучение с нуля; она поддерживает диалоговую генерацию текста и имеет около 3,7 млрд параметров. Модель подходит для диалогов, ответов на вопросы и задач, где требуется пошаговое рассуждение. Архитектура — Qwen3ForCausalLM; заявленное максимальное окно контекста составляет 262 144 токена. В репозитории доступны веса Safetensors и GGUF F16. Карточка указывает английский язык, а базовая Qwen3-4B описана как многоязычная. Модель распространяется по лицензии Apache-2.0. Карточка не приводит сравнительных оценок качества или подробностей настройки, поэтому пригодность для конкретных сценариев стоит проверять на собственных данных.

voldmatter/zido-coach-v1 — разговорная языковая модель для генерации текста, опубликованная на Hugging Face. README автоматически сгенерирован и не содержит сведений о разработчике, лицензии, исходной модели или точном назначении; по метаданным модель относится к семейству Qwen3 и предназначена для text generation. В тегах указаны Transformers, TRL, SFT и conversational, что указывает на возможность диалогового использования и обучения с учителем. Модель содержит 3,7 млрд параметров и поддерживает контекст до 262 144 токенов. Её можно применять для ведения текстового диалога, генерации ответов и создания связных текстов в приложениях на базе Transformers. Данные о языках, результатах оценки, обучающем наборе, ограничениях, лицензии и рекомендуемых сценариях использования отсутствуют, поэтому модель требует самостоятельной проверки качества и безопасности перед применением.

Карточка модели tigerking009/ZOYA_FLASH_V1_PHASE0 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.

0.00001_ablation_iter_1 — дообученная компанией ShenaoZ языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она создана на основе HuggingFaceH4/mistral-7b-sft-beta и обучена на датасете HuggingFaceH4/ultrafeedback_binarized; карточка указывает на диалоговый режим и генерацию текста. Контекстное окно составляет до 32 768 токенов. Модель предназначена для общения в текстовом формате и генерации ответов на запросы. Для неё указана лицензия MIT. README не содержит сведений о специальных сценариях применения или результатах оценки качества.

Это диалоговая языковая модель ShenaoZ, дообученная на основе ShenaoZ/0.001_ablation_4iters_bs256_nodpo_sample2_iter_1 на обновлённом и исходном наборах данных. Модель построена на плотной архитектуре MistralForCausalLM, содержит 7,1 млрд параметров и принимает текст для генерации продолжения или ответа в формате диалога. Размер контекста — до 32 768 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Репозиторий распространяется по лицензии MIT. README не приводит результатов оценки или подробностей о целевых сценариях и ограничениях; качество ответов и поведение на конкретных задачах по представленным сведениям оценить нельзя.

Это диалоговая модель генерации текста на базе Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель разработана как дообученная версия ShenaoZ/0.001_ablation_4iters_bs256_nodpo_sample2_iter_2 и обучалась на наборах данных updated и original. Модель предназначена для генерации текста в диалоге и ответов на текстовые запросы. Репозиторий содержит веса в формате safetensors. Лицензия — MIT. В карточке не приведены подробности об оценке качества или ограничениях применения.

Fischerboot/11-test — диалоговая языковая модель семейства Llama, созданная слиянием предварительно обученных языковых моделей с помощью mergekit и метода SLERP. В README указана Fischerboot/10-test как единственная включённая модель и базовая модель; метаданные классифицируют происхождение как дообучение этой модели. Параметры хранятся в формате safetensors. Модель предназначена для генерации текста и диалоговых сценариев. Она содержит 4,9 млрд параметров и поддерживает контекст до 8192 токенов. Данные не уточняют языки обучения и применения, поэтому языковую специализацию модели установить нельзя. Лицензия и конкретные ограничения применения в предоставленных данных не описаны.

Модель yuq-zhou/2026-05-o-b0p3-a1p0-gc0p5-exp-td2p0-tw5p0-lam0p2-q2-m-7-last — текстовая авторегрессионная модель семейства Qwen2 с плотной архитектурой Qwen2ForCausalLM и 7,1 млрд параметров. Она опубликована в формате safetensors и загружается через AutoModelForCausalLM из Transformers; контекст составляет до 16 384 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. В метаданных также отмечен интерфейс вызова инструментов, однако примеры и сведения о качестве этого сценария в карточке отсутствуют. README описывает репозиторий как резервную копию исследовательского чекпойнта. Лицензия и языковая специализация в предоставленных данных не указаны.

Air-Striker-Mixtral-8x7B-Instruct-ZLoss — экспериментальная языковая модель, опубликованная LoneStriker. Она дообучена на базе Mixtral-8x7B-v0.1 с использованием набора данных airoboros-3.2, конфигураций и форков Transformers/Axolotl от Doctor-Shotgun, а затем объединена с Mixtral-8x7B-Instruct-v0.1 с помощью mergekit. Модель предназначена для генерации текста и диалоговых сценариев, включая следование инструкциям. Она использует архитектуру Mixtral 8x7B, формат промптов ChatML и заявленный контекст длиной 8K токенов. В README указан английский язык; сведения о других модальностях отсутствуют. Объединение выполнено линейным методом с равными весами компонентов, итоговый тип данных — bfloat16. Модель сочетает свойства исходной дообученной версии Air-Striker-Mixtral-8x7B-ZLoss и Mixtral-8x7B-Instruct-v0.1, что потенциально полезно для инструктивных задач и диалогов. При этом она обозначена как экспериментальная, а README не содержит результатов бенчмарков, подробностей об ограничениях качества или требований к аппаратному обеспечению. Лицензия — Apache-2.0.

SERA-8B-GA-GGUF — набор GGUF-квантизированных версий языковой модели SERA-8B-GA, разработанной allenai и подготовленной пользователем bartowski. Модель предназначена для генерации текста и локального запуска через llama.cpp и совместимые приложения, включая LM Studio, koboldcpp, Jan AI и Text Generation Web UI. В основе лежит модель размером 8B параметров; доступны варианты от BF16 до низкоразрядных Q2–Q8 и IQ-квантизаций. Размер файлов составляет примерно от 3,37 до 16,39 ГБ. Квантизация выполнена с использованием llama.cpp и imatrix, что позволяет выбирать баланс между качеством генерации, потреблением памяти и скоростью работы. Для общения используется шаблон с маркерами ролей system, user и assistant. Сильная сторона набора — широкий выбор форматов для запуска на оборудовании с разным объёмом памяти: версии Q6 и Q5 ориентированы на высокое качество, Q4 подходят как компромиссный вариант, а Q3 и Q2 — для систем с ограниченной RAM, хотя качество у них ниже. Модель является текстовой, сведения о поддерживаемых языках, длине контекста, специализированных возможностях и результатах оценки в README не указаны. Лицензия также не указана; условия использования следует уточнять в карточке исходной модели allenai/SERA-8B-GA.

Модель naicasc/all-MiniLM-L6-v2-finetuned-it-project-docs-qa-10000-5ep — энкодер предложений на базе Sentence Transformers, дообученный на наборе it_project_docs. Архитектура основана на BERT и содержит около 25,9 млн параметров. Она преобразует текстовые предложения и абзацы в плотные векторы размерности 384; для сравнения используется косинусное сходство. Модель предназначена для семантического поиска и сравнения вопросов и фрагментов документации IT-проектов, а также для поиска перефразировок, кластеризации и классификации текста. README указывает максимальную длину последовательности 256 токенов, а метаданные — нативный контекст 512 токенов. Модель принимает текст и выдаёт векторы; это не генеративная модель. В README приведён результат cosine_accuracy 0,9946 на TripletEvaluator, но данных недостаточно, чтобы оценить перенос качества на другие наборы или задачи. Метаданные не сообщают лицензию. Язык набора данных в доступных сведениях явно не обозначен.

Alphallama3-8B — дообученная компанией Alphacode-AI модель на основе Meta-Llama-3-8B. Она предназначена для генерации текста в диалоговом формате и может применяться в чат-сценариях. Модель имеет плотную архитектуру LlamaForCausalLM и содержит 7,5 млрд параметров; заявленная длина контекста — 8192 токена. В карточке указано, что для дообучения использовались внутренние пользовательские данные, но их состав и специализация не раскрыты. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Llama 3.

AlphaMonarch-dora — дообученная с помощью DoRA и DPO языковая модель автора abideen на базе mlabonne/NeuralMonarch-7B. Она предназначена для диалогов, выполнения инструкций и генерации ответов на английском языке; в карточке приведены результаты на бенчмарках рассуждения, общих знаний и правдивости ответов. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Автор обучал модель 1080 шагов на наборе предпочтений argilla/OpenHermes2.5-dpo-binarized-alpha. По заявлению карточки, результаты на бенчмарках Nous и OpenLLM немного ниже, чем у AlphaMonarch и AlphaMonarch-laser. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение.

Jebadiah/Aria-diamond-v1 — объединённая диалоговая языковая модель, созданная разработчиком Jebadiah с помощью mergekit из Jebadiah/Aria-p1-sand-stone и Jebadiah/Poppy-gem-p1. Используется архитектура Llama с плотной моделью на 7,5 млрд параметров; заявленный размер контекста — до 1 048 576 токенов. Модель предназначена для генерации текста в диалогах и чат-сценариях, работает через библиотеку Transformers и распространяется в формате safetensors. Слияние выполнено линейным методом; в конфигурации указаны веса 6,6 для Aria-p1-sand-stone и 0,06 для Poppy-gem-p1, а тип данных — float16. Карточка не сообщает отдельные специализированные области или языки. Условия лицензии не приведены в предоставленных данных. Практическое качество и применимость столь длинного контекста отдельно не описаны.

atomic9b-mix30x — текстовая генеративная модель, опубликованная pressatojump. Это BF16-чекпойнт с объединённым LoRA-адаптером после двух этапов SFT на базе petruhonk/Qwen3.8-9B-Distill-uncensored-heretic. Модель использует архитектуру Qwen3.5 9B с 32 слоями и контекстом до 262 тысяч токенов; она предназначена для диалоговой генерации текста в формате ChatML. Обучение включало синтетическую смесь PME и корпус mix30x. Модель поддерживает английский язык и подходит для генерации ответов и продолжения диалога. В README указана лицензия Apache-2.0. Чекпойнт состоит из BF16-весов; заявленная uncensored-настройка может приводить к генерации нежелательного или небезопасного текста.

MS-2501-DPE-QwQify-v0.1-24B-GGUF — квантизированная версия языковой модели BeaverAI/MS-2501-DPE-QwQify-v0.1-24B, подготовленная bartowski в формате GGUF с использованием llama.cpp и imatrix-квантизации. Модель предназначена для генерации текста и диалоговых сценариев; в README отдельно указан шаблон prompt с поддержкой system, user, assistant и блока рассуждений <think>. Также заявлено обновление chat template. Доступны варианты от BF16 до 3-битных и 4-битных квантизаций, включая Q8_0, Q6_K_L, Q6_K, Q5_K_M и Q4_K_M. Размер файлов составляет примерно от 13 до 47 ГБ, поэтому требования к памяти зависят от выбранного варианта. README рекомендует несколько конфигураций как обеспечивающих высокое или хорошее качество; Q4_K_M обозначен как вариант стандартного размера для большинства сценариев. Поддерживается запуск через LM Studio, llama.cpp и совместимые проекты. Модель ориентирована на текстовую генерацию; сведения о точной архитектуре, языках, размере контекста и мультимодальности в README не указаны. Среди ограничений — значительный объём памяти даже у компактных квантизаций и возможное снижение качества при выборе более сильного сжатия. Лицензия указана как Apache-2.0.

bophades-mistral-7B — объединённая модель для генерации текста, созданная nbeerbower с помощью mergekit. В основе лежит yam-peleg/Experiment26-7B; слияние выполнено методом DARE TIES с несколькими моделями Mistral, включая варианты для математики и другие экспериментальные чекпойнты. Модель построена на архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Она принимает текст и генерирует текст, поддерживает контекст длиной до 32 768 токенов. В репозитории опубликованы веса в формате safetensors; для запуска используется библиотека Transformers. Карточка не уточняет поддерживаемые естественные языки и специализированные сценарии. Модель распространяется по лицензии Apache-2.0. Сведения о качестве, результатах оценки и конкретных ограничениях в карточке не приведены.

breakmymind-7B-slerp — языковая модель на 7,1 млрд параметров, созданная Eliorkalfon слиянием WizardLM/WizardMath-7B-V1.1 и OpenPipe/mistral-ft-optimized-1227 методом SLERP с помощью mergekit. Модель построена на архитектуре Mistral и предназначена для генерации текста, включая решение математических задач и диалоговые сценарии. Контекст модели составляет до 32 768 токенов. В репозитории представлены веса в формате safetensors; в конфигурации слияния указан тип данных bfloat16. Лицензия — Apache 2.0, допускающая коммерческое использование при соблюдении её условий. Подробные оценки качества и ограничения в карточке не приведены.

Sumail/Bubble_bee04_2b — объединённая языковая модель семейства Gemma, созданная методом SLERP с помощью mergekit из tomaszki/gemma-28 и tomaszki/gemma-28-copy. Она предназначена для генерации текста и диалогового общения. Модель имеет плотную архитектуру GemmaForCausalLM, содержит 2,5 млрд параметров и поддерживает контекст до 8192 токенов; репозиторий содержит веса в формате safetensors и рассчитан на использование с Transformers. Модель принимает текст и генерирует текст. README и метаданные не сообщают о специализации на конкретной области или о поддерживаемых естественных языках. Лицензия в предоставленных данных не указана.

calme-2.4-llama3-70b — диалоговая языковая модель на архитектуре Llama 3, дообученная Maziyar Panahi методом DPO на базе meta-llama/Meta-Llama-3-70B-Instruct. Она предназначена для генерации текста и ответов в чате; модель содержит 69,5 млрд параметров, принимает текст и поддерживает контекст до 8192 токенов. Для диалогов используется шаблон ChatML. Модель может подойти для создания англоязычных ассистентов и генерации текста. В README приведены результаты оценок на Open LLM Leaderboard, включая IFEval и задачи рассуждения. Модель опубликована в формате safetensors и доступна для использования через Transformers. Лицензия — llama3; применяются её условия.

Camel-Platypus2-13B — объединённая автором карточки языковая модель на 12,9 млрд параметров, созданная на основе Platypus2-13B и qCammel-13. Это авторегрессионная плотная модель семейства Llama, основанная на архитектуре Llama 2; она принимает текстовые инструкции и генерирует текстовые ответы. Модель предназначена для диалогов и решения задач на английском языке, включая вопросы по STEM-дисциплинам, логике и общие тестовые задания. Шаблон запроса использует секции Instruction и Response, а длина контекста составляет 4096 токенов. В карточке указана лицензия CC BY-NC-4.0 для базовых весов, которая ограничивает коммерческое использование. Модель может выдавать неточные, предвзятые или нежелательные ответы; перед применением следует оценить её поведение в целевом сценарии. Оценивание проводилось на английском языке и не охватывает все возможные случаи использования.

Captain_Eris_Noctis-12B-v0.420 — разговорная языковая модель на архитектуре Mistral, опубликованная ChaoticNeutrals. Это объединённая модель объёмом 12,1 млрд параметров для генерации текста и диалогов; карточка указывает формат ChatML и поддержку чата. Модель предназначена для использования через библиотеку Transformers, веса представлены в формате safetensors. В метаданных заявлен контекст длиной до 1 024 000 токенов. Модель создана слиянием Captain-Eris-Diogenes_Twilight-V0.420-12B и Nera_Noctis-12B-v0.420. Карточка не приводит сведений о целевых языках, обучающих данных или специализированной предметной области, поэтому обоснованно отнести её к русскому либо иному конкретному языку нельзя. Лицензия в предоставленных данных не указана.

Katayoon/CDPO-Zephyr-7B-iter-2 — языковая модель Katayoon, дообученная на обновлённом и исходном наборах данных на основе Katayoon/CDPO-Zephyr-7B-iter-1. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и диалогового взаимодействия. Контекст составляет до 32 768 токенов. Модель распространяется в формате safetensors по лицензии MIT. Карточка не описывает обучение, оценку качества, целевые языки или ограничения применения; пригодность для конкретных сценариев следует проверять самостоятельно.

Chaifighter-20B-v3 — плотная языковая модель семейства Llama, созданная автором карточки как merge нескольких предварительно обученных моделей с помощью mergekit и метода passthrough. Репозиторий содержит веса Safetensors; в метаданных указано 19,3 млрд параметров, а README описывает модель как расширенную до примерно 19,5 млрд параметров. Указанная базовая модель — Sao10K/Fimbulvetr-11B-v2. Модель предназначена для генерации текста по инструкциям и ролевых диалогов. Она использует шаблон Alpaca, имеет нативный контекст 4096 токенов; автор сообщает, что RoPE scaling позволяет расширить его до 16 384 токенов. README рекомендует настройки с температурой 1,0–1,25 и предупреждает, что проблемы предыдущей версии могут проявляться в начале длинных диалогов и в основном сглаживаются при продолжительном общении. Лицензия репозитория — Apache-2.0. Модель ориентирована на генерацию текста; сведений о специализированной мультимодальности или поддержке конкретного естественного языка README и метаданные не дают.

Lambent/danube2-upscale-1.7 — языковая модель, созданная разработчиком Lambent с помощью линейного слияния четырёх вариантов danube2-upscale. В основе архитектуры MistralForCausalLM с плотной структурой; модель содержит 2,2 млрд параметров и рассчитана на контекст до 8192 токенов. Веса опубликованы в формате Safetensors, лицензия — Apache-2.0. Модель предназначена для генерации текста и общих языковых задач. В README приведены результаты бенчмарков AGIEval, GPT4All, TruthfulQA, Bigbench и EQ-Bench; автор отмечает, что это первый вариант серии, показавший многообещающее улучшение относительно h2o-danube2-1.8b-base. Методика экспериментов описана как беспорядочная, а воспроизвести рецепт обучения автор считает затруднительным.

tasksource/deberta-base-long-nli — англоязычная модель классификации на основе DeBERTa-v3-base, дообученная автором на задачах естественного логического вывода (NLI). Контекст увеличен до 1280 токенов; обучение продолжалось 250 тысяч шагов и включало длинные NLI-задачи, проверку фактов, логические рассуждения и другие наборы данных для понимания текста. Модель содержит 211,6 млн параметров и распространяется в формате Safetensors. Основное применение — классификация с нулевым числом примеров: модель сопоставляет текст с произвольными кандидатными метками через проверку логического следования. Также она подходит для задач NLI и дальнейшей тонкой настройки под классификацию, разметку токенов, оценивание ответов и тесты с выбором ответа. Автор приводит результаты проверок на нескольких наборах NLI и логического рассуждения. Модель принимает текст и выдаёт оценки классов или отношений следования. Она рассчитана на английский язык; качество на других языках в предоставленных данных не описано. Лицензия Apache-2.0 разрешает использование и модификацию с соблюдением её условий. Длинный контекст и обучение на разнообразных задачах NLI могут быть полезны для сложной классификации, но показатели из README относятся к отдельным тестам и не гарантируют качество на произвольных данных.

TriadParty/deepmoney-67b-chat — чат-модель, разработанная TriadParty на базе DeepSeek-67B и дообученная на датасете TriadParty/deepmoney-sft. Обучение включало предварительное обучение с LoRA ранга 512 и последующее дообучение на инструкциях с LoRA ранга 128; модель представлена в архитектуре Llama и содержит 66,6 млрд параметров. Модель предназначена для генерации текста в диалоговом формате и выполнения инструкций. Репозиторий использует формат PyTorch, контекст модели составляет 4096 токенов. Лицензия — Apache-2.0. Карточка не приводит результатов оценки качества и не уточняет языки обучения или специализацию датасета, поэтому возможности в конкретных предметных областях подтвердить нельзя.