II.1Анализ требований и архитектура ПО

Disya/Mistral-qwq-12b-merge — объединённая языковая модель на архитектуре Mistral, созданная с помощью mergekit методом DARE TIES. В качестве базовой использована BeaverAI/MN-2407-DSK-QwQify-v0.1-12B; в объединение также вошли четыре модели для рассуждений и обработки языка. Модель содержит 12,1 млрд параметров и поддерживает контекст до 131 072 токенов. Модель предназначена для генерации текста и диалогового взаимодействия. Её можно применять для ответов на вопросы, написания и продолжения текста, а также задач, требующих рассуждений. В карточке она описана лишь как «странная модель», поэтому конкретные сильные стороны и качество на отдельных задачах не подтверждены. Доступна в формате safetensors для библиотеки Transformers; сведения о лицензии и языковой специализации отсутствуют.

ayoubkirouane/Mistral-SLERP-Merged7B — объединённая методом SLERP языковая модель на архитектуре Mistral, созданная из MetaMath-Mistral-7B и NeuralHermes-2.5-Mistral-7B. Модель содержит 7,1 млрд параметров, работает с текстом и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев; объединение сводит в одном чекпойнте возможности математической модели MetaMath и разговорной NeuralHermes. Возможные задачи — ответы на вопросы, объяснение решений математических задач и ведение диалога. В метаданных указана поддержка английского, французского и арабского языков. Вес опубликован в формате safetensors, библиотека для работы — Transformers. Лицензия Apache-2.0. Карточка не приводит отдельных оценок качества или подробных результатов тестирования.

MixtureofMerges-MoE-4x7b-v4 — языковая модель для генерации текста, созданная автором jsfs11 с помощью LazyMergekit. Это смесь экспертов (MoE) на архитектуре Mixtral, объединяющая четыре модели: flemmingmiguel/MBX-7B-v3, Kukedlc/NeuTrixOmniBe-7B-model-remix, PetroGPT/WestSeverus-7B-DPO и vanillaOVO/supermario_v4. В репозитории указано 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации продолжений и ответов на текстовые запросы. В карточке приведены результаты оценивания на Open LLM Leaderboard, включая средний балл 76,23, AI2 Reasoning Challenge и HellaSwag. Данных о языках обучения или специальных предметных областях в предоставленной карточке нет. Модель распространяется в формате Safetensors по лицензии Apache-2.0. Результаты тестов не гарантируют качество на конкретных задачах; карточка также не описывает поведение отдельных экспертов и рекомендуемые параметры инференса.

MobileLLaMA-1.4B-Chat — языковая модель семейства LLaMA, разработанная командой MobileLLaMA и дообученная на базе MobileLLaMA-1.4B-Base методом supervised instruction fine-tuning на датасете ShareGPT. Модель предназначена для генерации текста в формате диалога и следования инструкциям. Модель содержит 1,3 млрд параметров, использует плотную архитектуру LlamaForCausalLM и работает с контекстом до 2048 токенов. Она принимает текст и выдаёт текст; веса доступны в формате PyTorch для загрузки через Hugging Face Transformers. Лицензия — Apache-2.0. Небольшой размер модели делает её пригодной для экспериментов и сценариев с ограниченными вычислительными ресурсами, однако качество ответов и фактическая надёжность могут уступать более крупным моделям; длинные запросы ограничены контекстом в 2048 токенов.

MotherEarth/MotherEarth-1.16 — текстовая генеративная модель, созданная слиянием предварительно обученных языковых моделей MotherEarth/MotherEarth-1.15 и MotherEarth/MotherEarth-Proverbs-8B. Разработчик использовал mergekit и метод SLERP; архитектура — плотная Llama с классом LlamaForCausalLM, размер — 7,5 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Она принимает текст и выдаёт текст, работает с контекстом до 8192 токенов и распространяется в формате Safetensors для библиотеки Transformers. Карточка не уточняет специализацию задач или языки. Лицензия в предоставленных данных не указана. Качество и ограничения слияния отдельно не описаны.

Motif-Technologies/Motif-2-12.7B-Reasoning — версия модели Motif-2-12.7B с усиленными способностями к рассуждению. README приводит результаты на бенчмарках MMLU и MMLU-Redux, но подробное описание модели обещано позднее. Модель предназначена для генерации текста в диалогах и решения задач, требующих рассуждений. Она построена на плотной архитектуре MotifForCausalLM и дообучена на Motif-Technologies/Motif-2-12.7B-Base. Метаданные указывают 10,8 млрд параметров, поддержку контекста до 131 072 токенов и языки английский и корейский; README описывает запуск через vLLM с длиной последовательности до 65 536 токенов. Модель распространяется в формате safetensors по лицензии Apache-2.0. README сообщает о текущей проверке поддержки Motif в официальном пакете vLLM и приводит способ запуска через контейнер; практическое использование может требовать соответствующей версии vLLM и настройки.

Карточка модели zelk12/MT-Gen5-BB-gemma-2-MTM4MT5g4-9B на Hugging Face совпадает с карточкой zelk12/MT2-Max-Merge_02012025163610-MA-gemma-2-MTM4MT5g4-9B, поэтому описание составлено по ней. 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/MT-Merge4-BMU-gemma-2-9B — разговорная языковая модель на архитектуре Gemma 2, созданная объединением двух моделей с помощью mergekit и метода SLERP. Модель содержит 9 млрд параметров, распространяется в формате Safetensors и рассчитана на генерацию текста и ведение диалогов. Контекстное окно составляет 8192 токена. Модель может использоваться для диалоговых приложений и генерации ответов на текстовые запросы. В README не приведены сведения о специальных доменах или языках. Лицензия в предоставленных данных не указана.

ibivibiv/multimaster-7b-v5 — языковая модель для генерации текста, опубликованная на Hugging Face. По метаданным, она построена на архитектуре Mixtral с механизмом Mixture of Experts и содержит 7,1 млрд параметров. Модель рассчитана на контекст до 32 768 токенов и доступна в формате safetensors для библиотеки Transformers. Модель подходит для генерации продолжений текста и других сценариев, основанных на text-generation. В карточке приведены результаты Open LLM Leaderboard: средний балл 75,01, ARC — 72,18, HellaSwag — 88,42; подробности остальных результатов не представлены. README не сообщает разработчика, данные обучения, специализацию и конкретные ограничения модели. Лицензия — Apache-2.0. Английский указан среди языковых тегов.

Abiray/Nanbeige4.2-3B-GGUF — набор квантизированных версий модели Nanbeige/Nanbeige4.2-3B, опубликованный в формате GGUF. Модель разработана Nanbeige; в репозитории представлены файлы для локального запуска через llama.cpp. Базовая архитектура — Looped Transformer с 3 миллиардами параметров без учёта embedding-параметров. Модель предназначена для генерации текста, включая задачи, связанные с кодом и агентными сценариями. Указанные языки — английский и китайский. Мультимодальные возможности и размер контекста в README не указаны. Доступны варианты квантизации от 4 до 8 бит: Q4_K_S и Q4_K_M уменьшают требования к памяти, Q5_K_M и Q6_K обеспечивают более высокую точность, а Q8_0 ориентирован на максимальное качество среди GGUF-версий. Квантизация позволяет запускать модель локально, но может снижать качество относительно исходной версии, особенно при использовании более агрессивных вариантов. Распространение указано под лицензией Apache-2.0. Для запуска рекомендуется llama.cpp с поддержкой Nanbeige4.2; конкретные требования к оборудованию и производительности зависят от выбранного файла квантизации.

Карточка модели cgato/Nemo-12b-TheSpice-V0.9-All-v2 на Hugging Face совпадает с карточкой cgato/L3.1-8b-TheSpice-V0.9-Base-v2, поэтому описание составлено по ней. L3.1-8b-TheSpice-V0.9-Base-v2 — текстовая генеративная модель семейства Llama, опубликованная cgato. Это версия на 7,5 млрд параметров с плотной архитектурой LlamaForCausalLM и контекстом до 131 072 токенов; для диалогов используется формат ChatML. Модель прошла начальный этап дообучения на общих данных и предназначена для генерации текста и диалоговых сценариев общего назначения. Она не настроена специально для ролевых игр и не проходила обучение с подкреплением, поэтому автор отмечает, что ответы могут быть несфокусированными. В репозитории указаны веса Safetensors. Лицензия CC BY-NC 4.0 разрешает использование с атрибуцией, но запрещает коммерческое применение.

NeuralsirkrishnaShadow_Experiment27Yam — объединённая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она создана слиянием automerger/NeuralsirkrishnaShadow-7B и automerger/Experiment27Yam-7B и предназначена для генерации текста по текстовому запросу. Репозиторий содержит веса в формате safetensors, модель поддерживает контекст до 32 768 токенов. Модель подходит для генерации и продолжения текста в приложениях на базе Transformers. Для неё указана лицензия Apache-2.0. README и метаданные не уточняют специализацию модели, языки, качество на отдельных задачах или результаты оценки, поэтому их нельзя определить по доступным сведениям.

NeuralsirkrishnaShadow_Inex12Experiment24 — текстовая генеративная модель, созданная MaziyarPanahi путём слияния моделей automerger/NeuralsirkrishnaShadow-7B и automerger/Inex12Experiment24-7B. Она предназначена для генерации текста на основе текстового запроса и работает на архитектуре Mistral с плотной causal language model на 7,1 млрд параметров. Размер контекста составляет 32 768 токенов. Модель подойдёт для диалогов, написания и продолжения текста, а также для других задач генерации текста. Карточка не описывает специализированные сценарии или языки. Модель распространяется под лицензией Apache-2.0.

Ognoexperiment27Multi_verse_model-7B — автоматическое слияние моделей, опубликованное Maxime Labonne. В карточке указано объединение ammarali32/multi_verse_model с automerger/OgnoExperiment27-7B методом dare_ties; параметры слияния включают density 0,53, weight 0,6 и int8_mask. Метаданные относят модель к семейству Mistral, архитектуре MistralForCausalLM с плотными весами; размер — 7,1 млрд параметров, формат — safetensors, контекст — до 32 768 токенов. Модель предназначена для генерации текста и может использоваться в сценариях, поддерживаемых её базовыми моделями. В README приведён пример загрузки через Transformers. Указана лицензия Apache-2.0. Карточка не описывает специализацию, языки или сравнительные результаты, поэтому их нельзя установить по доступным данным.

OLMo 7B July 2024 SFT — языковая модель Allen Institute for AI (AI2), дообученная методом supervised fine-tuning на смеси Tulu 2 SFT. Это плотный авторегрессионный Transformer на 6,7 млрд параметров, созданный на базе OLMo 7B July 2024 для генерации текста и ответов на вопросы. Карточка указывает английский язык и контекст 4096 токенов; для запуска требуется Transformers версии 4.40.0 или новее. Модель подходит для диалоговых приложений, ответов на вопросы и экспериментов с дообучением и безопасностью языковых моделей. В оценках для этой версии приведены результаты MMLU, AlpacaEval, ToxiGen и TruthfulQA. Веса распространяются в формате safetensors по лицензии Apache 2.0. В модели нет специального фильтра безопасности или отдельного обучения на безопасных данных; она может выдавать вредный или чувствительный контент и правдоподобные, но неверные сведения. Карточка позиционирует её как исследовательский артефакт и инструмент для разработчиков систем безопасности.

OpenAI-gpt-oss-20B-INSTRUCT-Heretic-Uncensored-MXFP4-q8-hi-mlx — языковая модель для генерации текста, опубликованная в формате MLX. В метаданных указана базовая модель DavidAU/OpenAI-gpt-oss-20B-INSTRUCT-Heretic-Uncensored-MXFP4; конкретный разработчик или автор этой версии явно не назван. Модель предназначена для запуска через библиотеку mlx-lm и использования в сценариях генерации текста с чат-шаблоном. Известно, что модель имеет размер 20B параметров и ориентирована на instruction-following. Суффикс q8-hi-mlx указывает на вариант в формате MLX с соответствующей схемой квантования, однако подробности архитектуры, поддерживаемые языки, модальности и размер контекстного окна в README не указаны. Приведённые измерения сообщают perplexity 5,920 ± 0,050, пиковое потребление памяти около 17,93 ГБ и скорость около 844 токенов в секунду; условия тестирования не описаны, поэтому эти показатели нельзя напрямую обобщать на все конфигурации. Сильными сторонами являются специализированный формат для экосистемы Apple MLX, возможность работы через mlx-lm и наличие заявленных показателей производительности. Ограничения включают отсутствие подробных оценок качества, документации по языкам и контексту, а также недостаток информации о безопасности и практическом поведении модели. Лицензия указана как Apache-2.0.

Open-Sci-Ref v0.02 — диалоговая языковая модель с плотной архитектурой OpensciForCausalLM и 1,7 млрд параметров, дообученная на базе ali-elganzory/open-sci-ref-v0.02-1.7b-fineweb-edu-1.4t-mv_reasoning-300B-4096-longsft_16k-SFT-Tulu3-decontam. По карточке, обучение проводилось с TRL; метаданные указывают на DPO и поддержку диалогового режима. Модель предназначена для генерации текста в ответ на запросы и ведения текстового диалога, например для ответов на вопросы и рассуждений по заданной теме. Модель доступна в формате Safetensors, рассчитана на контекст до 16 384 токенов и запускается через Transformers. В README приведён пример генерации ответа на вопрос с помощью `text-generation` pipeline. Карточка не описывает набор обучения, результаты оценивания, поддержку конкретных естественных языков или лицензию, поэтому эти характеристики нельзя уточнить по предоставленным данным.

orca_mini_v6_8b_dpo — диалоговая языковая модель на архитектуре Llama 3, опубликованная Pankaj Mathur. Модель размером 7,5 млрд параметров дообучена с использованием наборов данных DPO и предназначена для общего общения и ответов в роли виртуального помощника. Она принимает текст и генерирует текст; в карточке указан контекст до 8192 токенов и поддержка английского языка. Модель подходит для диалоговых приложений и прототипов универсального текстового помощника. В README приведён формат запросов ChatML и ограниченные результаты оценки; полная оценка ещё не представлена. Файлы доступны в форматах PyTorch и Safetensors. Лицензия — Llama 3; автор разрешает дальнейшее обучение и слияние при указании авторства.

Pasta-Lake-7b — языковая модель для генерации текста, созданная ChaoticNeutrals слиянием двух моделей: Test157t/Pasta-PrimaMaid-7b и macadeliccc/WestLake-7B-v2-laser-truthy-dpo. Для объединения использован метод SLERP с конфигурацией mergekit; модель основана на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста и диалоговых сценариев: она может продолжать запросы и формировать ответы. Длина контекста составляет 8192 токена. В репозитории опубликованы веса Safetensors; README также упоминает сторонние квантизованные сборки EXL2 и GGUF. Лицензия указана как other, поэтому условия использования следует проверять в материалах репозитория.

MaziyarPanahi/phi-2-logical-sft — дообученная Maziyar Panahi модель Microsoft Phi-2 на наборе Open-Platypus. Она предназначена для генерации текста с акцентом на логические задачи и рассуждения, а также может применяться для ответов на вопросы и задач общего текстового помощника. Модель построена на плотной архитектуре PhiForCausalLM, содержит 3,5 млрд параметров и поддерживает контекст до 4096 токенов. Для использования указаны форматы PyTorch и Safetensors; автор также подготовил отдельную квантованную версию GGUF. Карточка приводит результаты оценки: loss 1,0075, среднее значение Open LLM Leaderboard 61,50, включая 61,35 на AI2 Reasoning Challenge и 75,14 на HellaSwag. Базовая Phi-2 описана как англоязычная модель, поэтому основное применение этой версии — англоязычная генерация и рассуждения. Модель распространяется по лицензии MIT.

bunnycore/Phi-4-ReasoningRP — разговорная модель на архитектуре Llama, созданная слиянием Phi-4-Model-Stock-v4 и Phi-4-14B-1M-RRP-v1-lora методом Passthrough. По карточке, модель рассчитана на ролевые диалоги и задачи, где полезны пошаговые объяснения; формат reasoning можно включить системным промптом. Разработчик отмечает, что это умеренное усиление рассуждений Phi-4, а не замена специализированным моделям рассуждения. Модель содержит 14,1 млрд параметров, принимает текст и генерирует текст, поддерживает контекст до 16 384 токенов. В карточке приведены результаты отдельных тестов Open LLM Leaderboard, включая IFEval и BBH. Репозиторий использует Transformers и формат safetensors; лицензия — MIT. В README не перечислены поддерживаемые естественные языки.

PlatYi-34B-Llama-Q-v2 — авторегрессионная языковая модель, разработанная Kyujin Han (kyujinpy) на архитектуре Yi-34B, совместимой с Llama. Она принимает текст и генерирует текст; модель содержит 33,9 млрд параметров, имеет контекст до 4096 токенов и распространяется в формате safetensors для Transformers. Модель дообучена методом Q-LoRA на наборе Open-Platypus. Она предназначена для генерации текста и ответов на вопросы, в том числе для задач рассуждения и знаний общего характера. В README приведены результаты тестов ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K; оценки относятся к указанному в карточке бенчмарку и не гарантируют качество в прикладных сценариях. Карточка указывает английский язык. Лицензия CC-BY-NC-SA-4.0 допускает использование с указанием авторства и распространением производных на тех же условиях, но запрещает коммерческое использование.

cloudyu/Pluto_13B_DPO — языковая модель, созданная авторами cloudyu дообучением cloudyu/Mixtral7Bx2MoE методом DPO на наборе jondurbin/truthy-dpo-v0.1. Она предназначена для генерации текста и диалоговых сценариев, где важны правдивость и качество ответов. Архитектура — Mixtral MoE с классом MixtralForCausalLM; в метаданных указано 7,1 млрд параметров и контекст до 32 768 токенов. Модель опубликована в формате safetensors. README сообщает среднюю оценку 75,88 и результат 81,5 на TruthfulQA, названный авторами SOTA на дату публикации. Эти оценки относятся к указанной авторами методике и не гарантируют качество в других сценариях. Карточка не указывает поддерживаемые естественные языки. Лицензия CC BY-NC 4.0 требует атрибуции и не разрешает коммерческое использование.

Это GGUF-квантизированная версия языковой модели TinyR1-32B-Preview-v0.2, разработанной qihoo360 и подготовленной пользователем bartowski с использованием llama.cpp и imatrix-квантизации. Модель предназначена для генерации текста и локального запуска через llama.cpp, LM Studio и другие совместимые проекты. Модель имеет размер 32B параметров; README не содержит подробностей об архитектуре, поддерживаемых языках, модальностях и размере контекста. Доступны варианты квантизации от Q8_0 до Q3 и IQ3/IQ4, с размером файлов примерно от 13,71 до 34,82 ГБ. Более качественными считаются варианты Q6, Q5 и Q4, а младшие варианты экономят оперативную память за счёт снижения качества. Для работы требуется использовать указанный формат prompt и совместимое программное обеспечение. Модель распространяется по лицензии Apache-2.0. Ограничения включают зависимость от llama.cpp-совместимой инфраструктуры, значительные требования к памяти для старших вариантов квантизации и возможное снижение качества у компактных вариантов.

mlx-community/quantized-gemma-2b — конверсия Gemma 2B от Google в формат MLX, подготовленная сообществом mlx-community для запуска на устройствах Apple с помощью mlx-lm. Это плотная авторегрессионная языковая модель с 2,5 млрд параметров и контекстом до 8192 токенов; она генерирует текст по текстовому запросу и подходит для диалогов и других задач генерации текста. Модель создана на основе google/gemma-2b. Репозиторий содержит веса в формате safetensors; в README указана конверсия в MLX. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой исходной Gemma и лицензией репозитория.

quantumaikr/quantum-dpo-v0.1 — языковая модель семейства Mistral, разработанная Quantum AI. Это плотная авторегрессионная модель на 7,1 млрд параметров для генерации текста и диалогового общения; заявленное окно контекста составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors. Модель предназначена для исследовательского использования и доступна по лицензии CC BY-NC 4.0. По README, дообучение направлено на то, чтобы склонить базовую модель к более безопасным распределениям текста. Оно не устраняет все предубеждения и токсичность; ответы не следует считать достоверными фактами или заменой человеческому суждению.

joaHofmann/Qwen2.5-0.5B-DPO — дообученная с помощью TRL модель Qwen/Qwen2.5-0.5B-Instruct. Это плотная авторегрессионная языковая модель семейства Qwen2, содержащая 494 млн параметров и предназначенная для диалогов и генерации текста по запросу. Её можно использовать для ответов на вопросы и выполнения инструкций в приложениях на базе Transformers. Модель принимает текст и выдаёт текст; заявленная длина контекста — 32 768 токенов. В карточке не приведены результаты оценивания качества или сведения о поддерживаемых естественных языках. Лицензия в предоставленных данных не указана.

Armijo/Qwen2.5-0.5B-Instruct-Gensyn-Swarm-small_lithe_ocelot — дообученная модель семейства Qwen2.5, созданная на базе unsloth/Qwen2.5-0.5B-Instruct с использованием TRL. Это компактная плотная языковая модель с 494 млн параметров для диалога и генерации текста по инструкциям; в карточке приведён пример ответа на вопрос в формате чата. Модель работает с текстом, поддерживает контекст до 32 768 токенов и доступна для Transformers в формате safetensors. В метаданных указана задача text-generation. Лицензия в предоставленных данных не указана, поэтому условия использования определить нельзя.

Pancrasanicet/Qwen2.5-1.5B-Instruct-Gensyn-Swarm-leggy_shaggy_vulture — компактная текстовая генеративная модель из семейства Qwen2.5, опубликованная на Hugging Face пользователем Pancrasanicet. Модель имеет 1,5 млрд параметров, предназначена для работы через библиотеку Transformers и поддерживает контекст до 32 768 токенов. В метаданных она связана с RL-Swarm, GenRL-Swarm, GRPO и Gensyn, что указывает на использование или публикацию в контексте распределённого обучения с подкреплением; подробности обучения и разработчика в карточке не приведены. Модель можно применять для генерации продолжений текста, диалоговых ответов, черновиков и других задач, совместимых с text-generation и инструкционным режимом. Языки, точные архитектурные характеристики, датасеты, результаты оценки и условия лицензирования в доступных данных не описаны. Из-за отсутствия полноценной документации и бенчмарков результаты следует проверять, особенно при использовании в чувствительных или специализированных сценариях.

Это текстовая авторегрессионная модель семейства Qwen2.5, размещённая пользователем boater и основанная на Qwen2.5-1.5B-Instruct. Модель объёмом 1,5 млрд параметров предназначена для генерации текста в формате инструкций и диалогов; указанный для неё контекст — до 32 768 токенов. Метаданные связывают репозиторий с RL Swarm, GenRL Swarm и GRPO, но не дают подробностей о конкретной процедуре обучения или её результатах. Файлы представлены в формате Safetensors для Transformers. Условия лицензии и подтверждённые языки карточка и доступные сведения не устанавливают.