II.1Анализ требований и архитектура ПО

DDPOO-7B-slerp — плотная языковая модель семейства Mistral с 7,1 млрд параметров, созданная слиянием двух моделей с помощью mergekit и метода slerp. В метаданных указана базовая модель CultriX/MistralTrix-v1; конфигурация README также называет Weyaxi/OpenHermes-2.5-neural-chat-v3-3-openchat-3.5-1210-Slerp и EmbeddedLLM/Mistral-7B-Merge-14-v0.1 источниками слияния. Модель предназначена для генерации текста и диалоговых ответов. Она принимает текст и выдаёт текст, а заявленная длина контекста составляет 32 768 токенов. Метаданные базовой модели описывают её как ориентированную на английский язык; отдельные языки для DDPOO-7B-slerp в карточке не перечислены. Модель распространяется по лицензии Apache-2.0.

DeepSeek-R1-Distill-Qwen-7B-heretic — языковая модель для генерации текста и рассуждений, разработанная пользователем saidutta69 на основе deepseek-ai/DeepSeek-R1-Distill-Qwen-7B. Вариант создан с помощью Heretic v1.4.0 методом directional ablation («abliteration»): целевые изменения весов в выходных проекциях attention и down-проекциях MLP подавляют поведение, связанное с отказами, без дополнительного fine-tuning. Заявляется, что при этом знания и способность следовать инструкциям в основном сохранены. Модель предназначена для разработчиков, которым нужна компактная reasoning-модель примерно на 7,6 млрд параметров для диалогов, генерации текста и задач, требующих рассуждений. Указан английский язык и текстовая модальность. Доступны веса BF16 и GGUF-квантизации Q4_K_M, Q5_K_M, Q6_K и Q8_0; модель можно запускать через Transformers, llama.cpp, Ollama, LM Studio, Jan, vLLM и SGLang. Для работы рекомендуется GPU с 8–12 ГБ памяти, а Q4_K_M подходит для потребительского оборудования и CPU-only или Apple Silicon при наличии достаточного объёма оперативной памяти. Размер контекста в README не указан. К сильным сторонам относятся сохранение базовых возможностей исходной модели, поддержка рассуждений и широкий выбор квантизаций для локального запуска. Ключевое ограничение и одновременно особенность — намеренное подавление отказов: модель может выполнять запросы, от которых базовая версия отказалась бы, включая потенциально небезопасные, и не содержит дополнительного слоя фильтрации. Модель распространяется на условиях deepseek-research-license, унаследованных от базовой модели.

KnutJaegersberg/Deita-4b — диалоговая языковая модель на архитектуре Qwen2 с 3,6 млрд параметров. Она предназначена для генерации текста и выполнения пользовательских инструкций в формате чата; в карточке приведён пример ответа на вопрос о дообучении языковых моделей. Модель использует формат safetensors и поддерживает контекст до 32 768 токенов. В метаданных указан датасет KnutJaegersberg/Deita-6k, что указывает на дообучение базовой модели, однако идентификатор исходного чекпойнта не приведён. README сообщает результаты оценки на нескольких тестах Open LLM Leaderboard, но не даёт полного набора результатов. Лицензия обозначена как other, поэтому условия использования следует уточнять по странице модели.

Dolphin 2.0 Mistral 7B — диалоговая языковая модель, разработанная Eric Hartford и обученная при спонсорской поддержке a16z. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и ответов в формате чата. Модель принимает текст и использует формат запросов ChatML; заявленная длина контекста — 32 768 токенов. Модель дообучена на наборе Dolphin, основанном на открытой реализации Microsoft Orca, с добавлением данных Airoboros 2.2.1. В карточке заявлены очистка данных от alignment и bias и высокая готовность следовать запросам. Подходит для диалоговых помощников, генерации и продолжения текста, а также творческих ответов. Основной язык карточки — английский. Модель распространяется под лицензией Apache-2.0 и заявлена как пригодная для коммерческого и некоммерческого использования. Автор предупреждает, что модель может выполнять в том числе неэтичные запросы, поэтому перед предоставлением пользователям рекомендуется добавить собственный слой контроля поведения.

Dolphin Llama 13B — языковая модель команды Dolphin на архитектуре Llama 1 с 12,9 млрд параметров. Она дообучена на открытой реализации датасета Orca: инструкциях FLANv2 с ответами GPT-3.5 и GPT-4. Модель предназначена для диалогов и выполнения разнообразных инструкций; формат запросов включает поля SYSTEM, USER и ASSISTANT. Контекст составляет 2048 токенов. В карточке модель описана как uncensored: при подготовке данных удаляли примеры отказов, избегания и выравнивания. Это позволяет настраивать поведение модели собственным alignment-слоем, но также означает, что без дополнительной фильтрации она может отвечать на вредоносные запросы. Модель основана на Llama 1 и предназначена только для некоммерческого использования; лицензия в метаданных указана как other.

Dolus-14b-Mini — диалоговая языковая модель семейства Llama, опубликованная Cognitive Machines Labs. Она предназначена для решения сложных многошаговых задач, логических рассуждений и поддержки принятия решений, при этом автор позиционирует её как достаточно компактную для развёртывания на периферийных системах. Модель содержит 11 млрд параметров и поддерживает контекст до 8192 токенов. Модель принимает текст и генерирует текст; карточка указывает английский язык. В репозитории представлены веса Safetensors для Transformers. Автор рекомендует настройки генерации min_p 0.074, top_k 40, repetition_penalty 1.12 и temperature 1.18. Полная оценка бенчмарками ещё не опубликована, поэтому заявленные улучшения рассуждений не подкреплены приведёнными результатами. Лицензия CC-BY-NC-ND-4.0 запрещает коммерческое использование и распространение производных версий.

DPOpenHermes-7B — диалоговая языковая модель Open Access AI Collective, созданная на базе OpenHermes-2.5-Mistral-7B. Модель с архитектурой Mistral и 7,1 млрд параметров дообучена методом Direct Preference Optimization на наборах предпочтений Intel/orca_dpo_pairs и argilla/ultrafeedback-binarized-preferences, а затем дополнительно обучена на 7000 примерах OpenHermes, чтобы корректно завершать ответы токеном конца последовательности. Для обучения использовался qLoRA; репозиторий также содержит адаптер. Модель предназначена для генерации текста и многоходового общения в формате ChatML, включая выполнение инструкций и ответы на вопросы. Она принимает текстовые диалоговые сообщения и генерирует текст; заявленный размер контекста — 32 768 токенов. В карточке указаны английский язык и Apache-2.0. README отмечает, что дополнительное SFT снизило результаты бенчмарков по сравнению с DPO-only версией; в описании также упоминается исходная DPO-only модель в ветке dpo-v0.

Dualmind-Qwen-1.7B-Thinking — диалоговая языковая модель компании Convergent Intelligence, дообученная методом SFT на трассах рассуждений Claude Opus 4.6. Она использует плотную архитектуру Qwen3ForCausalLM и содержит 1,7 млрд параметров; заявленная длина контекста — 40 960 токенов. Модель предназначена для генерации текстовых ответов и многошаговых рассуждений с самопроверкой и пересмотром промежуточных выводов. Подходит для диалогов, решения задач с развернутым рассуждением и генерации длинных ответов. В карточке указаны датасеты с трассами рассуждений и длинными текстами, но независимые оценки качества не приведены. README сообщает о базовой модели Disctil-Qwen3-1.7B, тогда как метаданные связывают модель с reaperdoesntknow/DualMinded-Qwen3-1.7B; точная линия происхождения поэтому описана неодинаково. Лицензия репозитория — Apache-2.0.

Это порт модели Escha Qwen3.8-27B, подготовленный degenmeowster для запуска через llama.cpp на AMD ROCm. В основе — дообученная EschaLabs/Qwen3.8-27B-Escha-W2; веса представлены в формате GGUF с 2-битной квантизацией Escha W2 и головой Q8_0. Модель использует плотную гибридную архитектуру Qwen35: 64 слоя, из которых 48 используют линейное внимание, а 16 — полное. В README заявлена поддержка контекста до 262144 токенов; порт проверен на AMD Radeon RX 7900 XTX с gfx1100. Модель предназначена для диалоговой генерации текста и задач рассуждения. README приводит измерения производительности и качества на указанной видеокарте, но они зависят от оборудования, настроек и протокола оценки. Сильные стороны — большой контекст и возможность полного размещения модели и KV-кэша на подходящей карте AMD; ограничение — сильная 2-битная квантизация может влиять на качество, а сведения о поддерживаемых естественных языках не приведены. Лицензия репозитория — Apache-2.0.

EttinX-nli-s — англоязычный cross-encoder для определения логической связи между парой текстов: противоречие, нейтральное отношение или следование. Модель разработал dleemiller на основе энкодера jhu-clsp/ettin-encoder-68m семейства ModernBERT; она дообучена на наборе all-nli-distill с логитами учителя dleemiller/ModernCE-large-nli. Использует архитектуру классификации последовательностей и содержит 68,1 млн параметров. Модель подходит для проверки гипотез по тексту, оценки семантического соответствия пары предложений и анализа ответов LLM. Автор приводит результаты micro-F1 0,8798 на MNLI mismatched и 0,8967 на SNLI. Заявлена обработка последовательностей до 8192 токенов, что полезно для оценки длинных ответов; метаданные указывают контекст 7999 токенов. Компактный размер делает модель подходящей для инференса на CPU. Лицензия MIT.

EttinX Cross-Encoder NLI — компактная англоязычная модель Дэниела Миллера для определения логической связи между парой текстов. Она классифицирует пару как противоречие, нейтральное отношение или следование; основана на энкодере Ettin-17m семейства ModernBERT и содержит 16,8 млн параметров. Модель дообучена на наборе all-nli-distill с логитами учителя ModernCE-large-nli, чтобы улучшить качество относительно обычного обучения. Модель рассчитана на лёгкий инференс, в том числе на CPU, и может применяться для проверки гипотез, оценки ответов LLM и сравнения предложений с учётом их смысловой связи. README сообщает результаты micro-F1 80,47% на MNLI mismatched и 86,95% на SNLI. Длина контекста составляет до 7999 токенов по метаданным; README указывает 8192 токена. Лицензия в предоставленных данных не указана.

Experiment24Yam-7B — автоматически объединённая модель для генерации текста, созданная Maxime Labonne из yam-peleg/Experiment24-7B и mayacinka/yam-jom-7B. Она основана на архитектуре Mistral с плотной архитектурой причинного языкового моделирования и содержит 7,1 млрд параметров; модель рассчитана на контекст до 32 768 токенов. Для объединения применён метод SLERP с настройками, различающимися для слоёв self-attention и MLP. Модель предназначена для генерации текста на входе в виде текста. Карточка не описывает специализированные области применения или языковую специализацию. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

Experiment26Yamshadow_Experiment24Yam — объединённая текстовая модель семейства Mistral, созданная из automerger/Experiment26Yamshadow-7B и automerger/Experiment24Yam-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и принимает контекст длиной до 32 768 токенов. Она предназначена для генерации текста и может использоваться в приложениях, которым нужны ответы или продолжение текста на основе текстового запроса. Модель распространяется в формате safetensors по лицензии Apache 2.0. Карточка не описывает специализацию по языкам или отдельные гарантии качества.

Experiment26Yamshadow_Experiment28Inex12 — объединённая модель на архитектуре Mistral, созданная из automerger/Experiment26Yamshadow-7B и automerger/Experiment28Inex12-7B. Она предназначена для генерации текста и поддерживает контекст до 32 768 токенов; размер модели составляет 7,1 млрд параметров. Модель может использоваться для генерации продолжений и ответов на текстовые запросы. Веса опубликованы в формате safetensors. Лицензия — Apache-2.0.

MaziyarPanahi/Experiment26Yamshadow_Ognoexperiment27Multi_verse_model — объединённая модель для генерации текста, построенная на архитектуре Mistral. Она объединяет модели automerger/Experiment26Yamshadow-7B и automerger/Ognoexperiment27Multi_verse_model-7B. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста по текстовому запросу. Данные не описывают конкретную специализацию или языки, поэтому её можно рассматривать как модель общего назначения. Веса опубликованы в формате safetensors, лицензия — Apache-2.0.

Experiment26Yamshadow_ShadowNeuralsirkrishna — объединённая текстовая модель семейства Mistral, созданная слиянием automerger/Experiment26Yamshadow-7B и automerger/ShadowNeuralsirkrishna-7B. Модель содержит 7,1 млрд параметров и использует архитектуру MistralForCausalLM; она предназначена для генерации текста и принимает контекст длиной до 32 768 токенов. Модель подходит для генерации продолжений, черновиков и ответов на текстовые запросы. Репозиторий содержит веса в формате safetensors. Лицензия — Apache-2.0.

MaziyarPanahi/Experiment28M7_Inex12Strangemerges_32 — объединённая языковая модель, созданная на основе automerger/Experiment28M7-7B и automerger/Inex12Strangemerges_32-7B. Она предназначена для генерации текста и построена на архитектуре MistralForCausalLM с плотной структурой и 7,1 млрд параметров. Модель принимает текст и генерирует текст; заявленная длина контекста — до 32 768 токенов. Карточка не описывает специальные области применения или поддерживаемые языки. Модель распространяется в формате safetensors по лицензии Apache-2.0.

Experiment28M7_Inex12Yamshadow — слитая текстовая модель семейства Mistral, объединяющая веса automerger/Experiment28M7-7B и automerger/Inex12Yamshadow-7B. Модель разработана на основе этих двух чекпойнтов; отдельный разработчик в карточке не указан. Модель предназначена для генерации текста. Архитектура — плотная MistralForCausalLM, размер — 7,1 млрд параметров, нативное окно контекста — до 32 768 токенов. Репозиторий содержит веса в формате Safetensors; метаданные указывают лицензию Apache-2.0. README не описывает дополнительные сценарии или языковую специализацию.

Experiment28T3q_YamExperiment24 — объединённая модель MaziyarPanahi на архитектуре Mistral для генерации текста. Она создана слиянием automerger/Experiment28T3q-7B и automerger/YamExperiment24-7B; размер составляет 7,1 млрд параметров, веса опубликованы в формате safetensors. Модель принимает текст и рассчитана на контекст до 32 768 токенов. Её можно использовать для генерации продолжений и ответов на текстовые запросы. README не описывает специализированные сценарии или языки, поэтому назначение следует считать общим. Модель распространяется по лицензии Apache-2.0.

flammen3-mistral-7B — созданная flammenai объединённая языковая модель на архитектуре Mistral с 7,1 млрд параметров. Она получена методом SLERP с помощью mergekit из предварительно обученных моделей nbeerbower/flammen2 и yam-peleg/Experiment26-7B; веса опубликованы в формате safetensors и рассчитаны на использование с Transformers. Модель предназначена для генерации текста и других сценариев, поддерживаемых конвейером text-generation. Она принимает текст, выдаёт текст и имеет контекстное окно до 32 768 токенов. Карточка не описывает специализированные области применения или языки модели, поэтому их нельзя надёжно определить. Лицензия — Apache-2.0. Карточка подтверждает происхождение через слияние моделей, но не приводит сравнительных оценок качества или подробных рекомендаций по применению; фактические результаты следует оценивать на целевых задачах.

m8than/gemma-2-9b-it — разговорная языковая модель семейства Gemma 2, размещённая пользователем m8than. Репозиторий содержит модель на 9 млрд параметров в формате safetensors; в метаданных указана архитектура Gemma2ForCausalLM и библиотека Transformers. Модель принимает текст и предназначена для генерации текста в диалоге; карточка также описывает сценарии дообучения Gemma 2 с помощью Unsloth и содержит ссылки на ноутбук для Colab. Заявленная длина контекста — 8192 токена. Метаданные указывают английский язык. В README сказано, что модель напрямую квантизирована в 4 бита с bitsandbytes; репозиторий помечен лицензией Gemma. Данных о сравнительных качествах и конкретных ограничениях модели в карточке нет.

frankenmerger/gemma-4b-instruct-v0.2 — языковая модель семейства Gemma, разработанная на основе gemma-2b-it. По README, веса расширены до 4 млрд параметров, после чего модель дообучена на 50 тысячах примеров из Locutusque/hyperion-v2.0. Модель предназначена для генерации текста и диалогового общения; она принимает текст и выдаёт текст. Контекст составляет 8192 токена, формат весов — Safetensors. Модель может использоваться для ответов в чате, написания и продолжения текста, а также для прототипирования текстовых приложений. В метаданных указан английский язык. Лицензия — Apache-2.0. Карточка не приводит оценок качества или подробностей обучения, поэтому пригодность для конкретных задач следует проверять отдельно.

ByteOtter Gemma-4-E4B-IT-TAK-Reasoning-GGUF — это текстовая генеративная модель в формате GGUF, созданная ByteOtter на основе instruction-модели google/gemma-4-E4B-it. Модель предназначена для запуска с помощью llama.cpp и ориентирована прежде всего на задачи рассуждения, а также на генерацию текста, ответы на вопросы, следование инструкциям, математические и структурированные задачи. Это квантованный вариант со смешанной точностью размером 3,236 ГБ. Квантование выполнено в рамках фиксированного ограничения на размер; дообучение, слияние весов, замена токенизатора и шаблона чата не проводились. Репозиторий содержит только текстовую версию без компонентов для обработки изображений и аудио. В заявленном тестировании модель получила 69,53% в категории рассуждений и превзошла сопоставимый низкобитный вариант Unsloth на 14,06 процентного пункта, однако уступила исходной BF16-модели 2,34 пункта. Сильной стороной модели является ориентация на рассуждения при существенно меньшем размере по сравнению с исходной BF16-версией, что может упростить локальный запуск. Результаты для других задач являются диагностическими и не гарантируют качество в прикладных сценариях; квантование может влиять на ответы, точность и стабильность в зависимости от запросов и среды выполнения. Модель распространяется по лицензии Apache License 2.0 с учетом лицензии и атрибуции базовой модели.

GLM-4.5-Air-Base — базовая языковая модель семейства GLM-4.5 от Zhipu AI, предназначенная для разработки интеллектуальных агентов. Серия GLM-4.5 объединяет возможности рассуждения, программирования и работы с инструментами; эта версия является базовой, а не готовой чат-моделью. В README для GLM-4.5-Air указаны 106 млрд параметров всего и 12 млрд активных параметров, однако метаданные именно этого репозитория указывают 8,5 млрд параметров. Модель генерирует текст; метаданные относят её к архитектурному семейству GLM4-MoE и указывают контекстное окно 131 072 токена. В карточке заявлены английский и китайский языки. Возможные сценарии включают дальнейшее обучение и создание агентных систем, которым нужны генерация текста, рассуждение, программирование или взаимодействие с инструментами. Лицензия MIT допускает коммерческое использование и вторичную разработку. README отдельно уточняет, что это base-модель, не предназначенная для чата без дополнительной настройки.

gpt-oss-120b-Derestricted — модифицированная Arli AI версия открытой модели openai/gpt-oss-120b. Это языковая модель с архитектурой MoE для генерации текста и диалогов; каталог указывает 2,1 млрд параметров и контекст до 131 072 токенов. Модель распространяется в формате safetensors и рассчитана на работу с шаблоном сообщений Harmony. Разработчик сообщает, что применил Norm-Preserving Biprojected Abliteration, чтобы ослабить поведение отказа, сохранив нормы весов и способности к рассуждению исходной модели. Предполагаемые сценарии — диалоги, рассуждения и агентные задачи. Заявления README о сохранении или улучшении качества основаны на оценках разработчика и не подтверждают качество для конкретных задач. Модель может чаще отвечать на запросы, от которых исходная версия отказалась бы; это ограничивает её пригодность для сценариев, где необходимы встроенные защитные отказы. Лицензия — Apache-2.0. Для корректной работы следует использовать формат Harmony; README также отмечает, что модель иногда всё же подавляет ответы.

GPT-OSS-Nano — компактная языковая модель с архитектурой Mixture of Experts, опубликованная пользователем squ11z1 и дообученная на базе openai/gpt-oss-20b. Модель ориентирована на пошаговое рассуждение и решение задач, включая математические вопросы, объяснение концепций и общий текстовый диалог. Для обучения использовались QLoRA, Unsloth и TRL на наборе Superior-Reasoning с примерами цепочек рассуждений. Модель содержит около 9 млрд параметров, из которых примерно 3 млрд активируются на каждом проходе. Архитектура включает 12 экспертов, 4 активных эксперта на токен, 24 слоя, скрытое измерение 2880, 64 attention heads с 8 KV-головами и GQA. Заявлена поддержка контекста до 131 072 токенов и точности BFloat16. Основной язык — английский; качество на других языках может варьироваться. Доступны форматы GGUF для локального запуска через llama.cpp и Ollama, а также интеграция с Transformers и 4-битной загрузкой через Unsloth. Сильными сторонами модели являются относительно экономичное разреженное вычисление, большой контекст и специализация на пошаговом reasoning. Ограничения включают преимущественно англоязычную оптимизацию, риск правдоподобных ошибок и непригодность для критически важных сценариев без дополнительной проверки. Модель распространяется по лицензии Apache-2.0.

Locutusque/Hyperion-2.1-Mistral-7B — дообученная версия Locutusque/Hyperion-2.0-Mistral-7B на более высокой скорости обучения. Автор сообщает о небольшом приросте производительности; модель основана на плотной архитектуре MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов. Модель предназначена для генерации текста. В карточке указано, что она очень охотно выполняет запросы и не отказывает, поэтому перед применением, особенно в корпоративной среде, автор рекомендует дополнительно выровнять её с помощью DPO. Поддержка английского указана в метаданных. Модель опубликована в формате safetensors под лицензией Apache-2.0.

Inex12Yamshadow-7B — автоматически слитая языковая модель, созданная Maxime Labonne из MSL7/INEX12-7b и automerger/YamShadow-7B. Для слияния применён метод SLERP с настройками для слоёв self-attention и MLP; архитектура — плотная MistralForCausalLM с 7,1 млрд параметров, веса представлены в формате safetensors. Модель предназначена для генерации текста, а контекст составляет до 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0. README не уточняет специализацию модели или поддерживаемые естественные языки.

KangalKhan-Ruby-7B — объединённая модель на основе Mistral 7B, созданная автором репозитория с помощью LazyMergekit из argilla/CapybaraHermes-2.5-Mistral-7B и argilla/distilabeled-OpenHermes-2.5-Mistral-7B. Она предназначена для диалогов и генерации текста; в карточке рекомендован формат общения ChatML. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Mistral и поддерживает контекст до 32 768 токенов. Модель принимает текстовые запросы и генерирует текстовые ответы на английском языке. В README приведены результаты Open LLM Leaderboard, включая средний балл 68,68, но не раскрыты все метрики. Для репозитория указана лицензия Apache-2.0. Автор отмечает, что некоторые сторонние варианты GGUF могут изредка выдавать опечатки; это замечание относится к указанным вариантам GGUF, а не обязательно к версии в формате safetensors.

jumtul/LDCC-Hyeogi.03 — объединённая текстовая модель генерации, созданная автором репозитория с помощью mergekit из LDCC/LDCC-SOLAR-10.7B и hyeogi/SOLAR-10.7B-dpo-v1. Для слияния применён метод SLERP; в конфигурации указана точность bfloat16. Модель семейства Llama с плотной архитектурой LlamaForCausalLM содержит 10,7 млрд параметров и рассчитана на контекст до 4096 токенов. Её можно использовать для генерации текста и диалоговых сценариев на основе текстового ввода. Карточка не приводит отдельной оценки качества или перечня поддерживаемых языков. Условия лицензии в предоставленных данных не описаны.