II.1Анализ требований и архитектура ПО

Это модель классификации текстовых пар на основе RoBERTa Large, опубликованная организацией garak-llm. Она обучена на SNLI, MultiNLI, ANLI и FEVER для вывода по двум текстам: следуют ли они друг из друга, нейтральны ли по отношению друг к другу или противоречат. В garak её используют как детектор для проверки того, опровергает ли ответ модели заданное утверждение. Модель имеет около 454 млн параметров, использует архитектуру RobertaForSequenceClassification и принимает текстовые пары с контекстом до 512 токенов. Выдаёт одну из трёх меток: entailment, neutral или contradiction. Лицензия — MIT. Языковые данные в метаданных не указаны, поэтому поддерживаемые языки нельзя надёжно перечислить.

SEC-Calme-7B-Instruct — объединённая диалоговая языковая модель от Arcee AI. Она создана с помощью mergekit методом SLERP на основе arcee-ai/sec-mistral-7b-instruct-1.2-epoch и MaziyarPanahi/Calme-7B-Instruct-v0.2, с выборочным смешиванием слоёв внимания и MLP. Модель использует плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров. Модель предназначена для генерации текста в формате чата: она принимает текстовые запросы и выдаёт текстовые ответы. Родной размер контекстного окна — 32 768 токенов. Репозиторий содержит веса в формате safetensors, лицензия — Apache-2.0. README не приводит оценок качества или специализированных сценариев применения.

GhostScientist разработал SemanticWiki Coder 7B v2 как дообученную модель для создания технической документации по исходному коду. Это плотная причинно-языковая модель семейства Qwen2 на 7,1 млрд параметров, основанная на Qwen/Qwen2.5-Coder-7B-Instruct. LoRA-адаптер был объединён с базовыми весами, поэтому модель можно запускать через стандартные инструменты Transformers без отдельного адаптера или PEFT. Модель принимает текстовый контекст с исходным кодом и генерирует черновики документации в стиле DeepWiki: структурированный Markdown, ссылки на файлы, диаграммы Mermaid, таблицы и встроенные цитаты. Она предназначена для подготовки вики по кодовой базе и заметок об архитектуре; длина контекста составляет 32 768 токенов. Репозиторий распространяется по лицензии Apache-2.0. Ссылки, диаграммы и объяснения могут быть ошибочными или неполными, поэтому результат нужно проверять. Модель не заменяет аудит безопасности или проверку кода человеком; качество может различаться в зависимости от языка, фреймворка и размера репозитория.

ServiceNow-AI_Apriel-Nemotron-15b-Thinker-GGUF — это GGUF-квантизации языковой модели Apriel-Nemotron-15b-Thinker, разработанной ServiceNow AI. Квантизации подготовлены bartowski с использованием imatrix и llama.cpp. Модель предназначена для генерации текста и запуска локально через llama.cpp, LM Studio и другие совместимые проекты. Модель имеет размер около 15 млрд параметров; доступны варианты от BF16 до Q3 и IQ4, с размерами файлов примерно от 8 до 30 ГБ. README указывает текстовую модальность и формат prompt для систематического решения задач, однако сведения о поддерживаемых языках, размере контекстного окна и точной архитектуре не приведены. Более высокие уровни квантизации обеспечивают лучшее качество, а менее ресурсоёмкие варианты подходят для систем с ограниченным объёмом оперативной памяти. Распространяется по лицензии MIT. Для работы требуется совместимое программное обеспечение и объём памяти, соответствующий выбранному файлу квантизации; ограничения конкретных вариантов определяются их размером и степенью квантизации.

Stable LM 2 12B Chat — диалоговая языковая модель Stability AI на 11,6 млрд параметров. Это авторегрессионная модель с декодерной архитектурой Transformer, дообученная следовать инструкциям и оптимизированная с помощью Direct Preference Optimization (DPO) на открытых и синтетических наборах данных. Модель предназначена для чат-приложений и отвечает на запросы на английском языке. Контекст составляет 4096 токенов. В карточке приведены результаты сравнительных тестов, включая MT-Bench и OpenLLM Leaderboard; они не гарантируют качество в конкретном сценарии. Для работы требуется Transformers версии 4.40.0 или новее. Модель может галлюцинировать и выдавать вредоносные ответы. Разработчик рекомендует проверять её в целевом сценарии и использовать классификаторы входов и выходов. Лицензия Stability AI Non-Commercial Research Community License ограничивает коммерческое использование; для коммерческих продуктов или целей нужно связаться с Stability AI.

vanillaOVO/supermario_v2 — объединённая предварительно обученная языковая модель, созданная с помощью DARE и mergekit. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов; для работы доступны веса safetensors и загрузка через Transformers. Модель предназначена для генерации текста и может использоваться в приложениях, которым нужны ответы на запросы и продолжение текста. README сообщает о слиянии моделей, но не раскрывает состав слияния, целевые сценарии или языки обучения, поэтому нельзя приписать ей специализированные возможности или основной язык. Лицензия — Apache-2.0.

SynthIA-7B-v2.0 — языковая модель Mistral для генерации текста, опубликованная пользователем migtissera. Это плотная авторегрессионная модель на 7,1 млрд параметров с контекстом до 32 768 токенов, предназначенная для диалогов и развёрнутых ответов в формате SYSTEM/USER/ASSISTANT. Карточка задаёт стиль ответа с развёрнутым рассуждением и примером вопроса о синтезе инсулина; это не подтверждает специализацию модели на медицине. Модель работает с текстом и ориентирована на английский язык. Доступна под лицензией Apache-2.0.

T3qm7xExperiment28-7B — плотная языковая модель семейства Mistral на 7,1 млрд параметров, автоматически объединённая Maxime Labonne методом DARE-TIES. В конфигурации слияния указаны nlpguy/T3QM7X и yam-peleg/Experiment28-7B; метаданные каталога отмечают yam-peleg/Experiment28-7B как базовую модель. Репозиторий содержит веса Safetensors в формате bfloat16. Модель предназначена для генерации текста и других сценариев использования причинных языковых моделей. Её контекст составляет 32 768 токенов. В карточке указана лицензия Apache-2.0. README не описывает отдельные специализации или результаты оценки качества.

T3Q-Platypus-SOLAR — языковая модель, разработанная Chihoon Lee и компанией T3Q и дообученная на базе upstage/SOLAR-10.7B-v1.0. Она предназначена для генерации текста и может использоваться в приложениях, которым требуется создавать связные текстовые ответы на запросы на английском языке. Модель имеет плотную архитектуру семейства Llama с 10,6 млрд параметров и принимает текст на вход, выдавая текст. Максимальная длина контекста составляет 4096 токенов. Модель дообучена на наборе данных Open-platypus-Commercial и распространяется под лицензией Apache-2.0.

Tess-10.7B-v1.5b — универсальная языковая модель из серии Tess, разработанной migtissera. Это плотная авторегрессионная модель семейства Llama с архитектурой LlamaForCausalLM и примерно 10,6 млрд параметров, обученная на базе SOLAR-10.7B. Она предназначена для генерации текста и диалогов; в карточке приведён формат с ролями SYSTEM, USER и ASSISTANT. Модель принимает текст и генерирует текст, поддерживает контекст до 4096 токенов. Модель распространяется в формате PyTorch по лицензии Apache-2.0. Карточка не приводит сведений о специализированной области применения или языках обучения, поэтому её следует рассматривать как модель общего назначения без заявленного основного языка.

Tess-v2.5-Phi-3-medium-128k-14B-GGUF — квантизированная версия текстовой генеративной модели Tess-v2.5-Phi-3-medium-128k-14B, созданной migtissera на базе Microsoft Phi-3-medium-128k-instruct. Квантизацию выполнил bartowski с использованием llama.cpp и метода imatrix. Модель предназначена для генерации текста и диалоговых сценариев, а также локального запуска через совместимые инструменты llama.cpp. Модель содержит около 14 млрд параметров и поддерживает контекст до 128 000 токенов. Распространяется в формате GGUF с вариантами квантизации от Q8_0 до Q2_K и рядом IQ-квантов. Более высокие варианты обеспечивают лучшее качество, но требуют больше памяти; Q4–Q6 обычно рассматриваются как сбалансированные по качеству и размеру, тогда как Q2–Q3 экономят память за счёт заметного снижения качества. В README указан текстовый pipeline; сведения о поддерживаемых языках и мультимодальности не приведены. Модель подходит для локального использования, когда важны большой контекст и возможность выбрать требуемый объём памяти. Ограничения связаны с компромиссом между качеством и размером конкретного GGUF-файла, а также с тем, что часть вариантов имеет экспериментальный статус. Для диалогов следует использовать указанный шаблон prompt с разделителями system, user и assistant. Лицензия — MIT.

testllm-c2-Mistral-7B-Instruct-v0.2-slerp — объединённая диалоговая модель, созданная MaziyarPanahi методом SLERP из Mistral-7B-Instruct-v0.2 и Kiddyz/testllm-c2. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, предназначенная для генерации текста и ответов на инструкции в формате диалога. Она принимает текст и поддерживает контекст до 32 768 токенов. Модель подходит для чат-ботов, ответов на вопросы и генерации текстов по запросу. В карточке указана лицензия Apache-2.0. Данных о специализированной предметной области или языках модели нет.

Thea 3B 25r — дообученная Piotr Zalewski диалоговая модель семейства Llama 3.2 для генерации ответов и рассуждений по текстовым запросам. В основе лежит chuanli11/Llama-3.2-3B-Instruct-uncensored; для обучения использован набор KingNish/reasoning-base-20k. Модель имеет плотную архитектуру LlamaForCausalLM с 3,2 млрд параметров, принимает текст и формирует текстовые ответы. Заявленная длина контекста — 131 072 токена. Разработчик заявляет улучшенную производительность на задачах рассуждения и ускоренное обучение с использованием собственного кода. В метаданных также указаны возможности диалога и интерфейс вызова инструментов. Модель помечена как uncensored; качество и безопасность ответов зависят от запроса и способа применения. Распространяется по лицензии llama3.2.

ChuckMcSneed/WinterGoddess-1.4x-70b-32k — версия модели Sao10K/WinterGoddess-1.4x-70B-L2 с контекстом 32 768 токенов. В README указано, что контекст расширен методом LongLoRA; архитектура — плотная LlamaForCausalLM с 68,7 млрд параметров, веса представлены в safetensors. Модель предназначена для генерации текста и работы с более длинными входами и продолжениями. Автор приводит результаты бенчмарков NeoEvalPlusN и Open LLM Leaderboard, включая ARC, HellaSwag, MMLU, TruthfulQA, Winogrande и GSM8K. По его оценке, расширение контекста сопровождается снижением результатов на MMLU и GSM8K относительно базовой модели. Лицензия в метаданных указана как llama2; применимость лицензии следует оценивать по её условиям.

Xing4.0-29B-A4B-CRACK-GGUF — набор GGUF-квантизированных версий модели Xing4.0-29B-A4B, подготовленный dealignai на базе модели XingChen-AGI/China Telecom AI. Это reasoning-модель с архитектурой Mixture of Experts: 29 млрд общих параметров, около 4 млрд активных при генерации, 64 маршрутизируемых эксперта с выбором 4 экспертов и одним общим. Модель предназначена для генерации текста и запуска через llama.cpp, включая локальные сценарии с ограниченными ресурсами. Доступны семь вариантов квантизации размером примерно от 12,9 до 30,9 ГБ. Архитектура включает MLA с параметрами q_lora=768 и kv_lora=512, mHC Hyper-Connections с четырьмя каналами, MTP-head, 40 слоёв и скрытое представление размерностью 3584. Заявлена поддержка контекста до 256K токенов, с масштабированием до 512K через YARN. В README явно указаны китайский язык и данные калибровки imatrix на основе WikiText-2, исходного кода и китайской Википедии; полный набор поддерживаемых языков не приведён. Для работы требуется специальная ветка shuxiaoqiong/llama.cpp с портом xing4_0. Сильной стороной модели заявлено существенное снижение отказов и ограничений безопасности на уровне весов, однако это одновременно означает повышенные риски при использовании в чувствительных или вредоносных сценариях. Качество зависит от выбранной квантизации: в приведённых тестах MMLU составляет от 55,5% до 68,2%, а результаты более компактных вариантов ниже. Ограничения включают необходимость совместимого runtime, значительный объём памяти и возможную потерю качества из-за квантизации. Модель распространяется по лицензии Apache-2.0.

YamshadowInex12_Experiment26Neuralarjuna — слитая текстовая модель семейства Mistral, созданная на основе automerger/YamshadowInex12-7B и automerger/Experiment26Neuralarjuna-7B. Она предназначена для генерации текста и может использоваться в приложениях, которым нужна языковая модель с контекстом до 32 768 токенов. Модель имеет плотную архитектуру MistralForCausalLM и содержит 7,1 млрд параметров; веса опубликованы в формате safetensors. Репозиторий лицензирован по Apache-2.0. Карточка не описывает специальные области применения или результаты оценки качества.

YamshadowInex12_Percival_01Experiment26 — объединённая модель семейства Mistral, созданная MaziyarPanahi на основе automerger/YamshadowInex12-7B и automerger/Percival_01Experiment26-7B. Она предназначена для генерации текста и может использоваться в сценариях, где требуется продолжать текст или получать ответы в текстовом формате. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. В репозитории веса представлены в формате safetensors. Модель распространяется по лицензии Apache-2.0. Сведения о конкретных языках, на которых она особенно хорошо работает, отсутствуют; качество ответов может зависеть от запроса и исходных моделей.

Zen5 Max — большая текстовая модель семейства Zen5 от ZenLM, основанная на DeepSeek-V4-Pro. Это не модель, обученная с нуля: README описывает её как перепакованную и квантизованную в GGUF версию аблитированной производной DeepSeek-V4-Pro. Применяется для генерации текста и задач, требующих глубоких рассуждений; для запуска автор рекомендует систему с unified memory от 512 ГБ или пул из восьми ускорителей H100/H200. Модель имеет архитектуру MoE и файл GGUF размером около 432 ГБ. Веса квантизованы асимметрично: маршрутизируемые up/gate-проекции используют IQ2_XXS, down-проекции — Q2_K, а общие эксперты, проекции внимания, логиты маршрутизации и LM head сохранены в более высокой точности. В тегах заявлены английский и китайский языки, а также контекст 1 млн токенов. Репозиторий распространяется по лицензии MIT. Требования к памяти и вычислительным ресурсам высоки; README рекомендует для оборудования с 128 ГБ использовать zen-5-pro-gguf. Количественные оценки качества в предоставленной карточке не приведены.

zephyr-7b-sft-full — диалоговая модель генерации текста, дообученная командой HuggingFaceH4 на mistralai/Mistral-7B-v0.1 с использованием набора HuggingFaceH4/ultrachat_200k. Это плотная авторегрессионная архитектура MistralForCausalLM с 7,1 млрд параметров и контекстом до 32 768 токенов, предназначенная для общения и генерации ответов по текстовым запросам. В карточке приведено значение loss 0,9353 на оценочном наборе. Модель подходит для чат-ботов, ответов на вопросы и других сценариев генерации текста. Репозиторий содержит веса в формате safetensors. Модель распространяется по лицензии Apache-2.0. README не приводит дополнительных сведений о целевых сценариях, языковом охвате или известных ограничениях.

AlloyIngot — языковая модель, созданная автором nlpguy слиянием двух моделей на базе Mistral с помощью метода SLERP и инструментария mergekit. В слияние вошли eren23/dpo-binarized-NeutrixOmnibe-7B и Gille/StrangeMerges_21-7B-slerp. Модель имеет плотную архитектуру MistralForCausalLM, около 7,1 млрд параметров и контекст до 32 768 токенов. Модель предназначена для генерации и продолжения текста. Карточка приводит результаты оценки на наборах AI2 Reasoning Challenge и HellaSwag. Доступны веса в формате safetensors для библиотеки Transformers. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Это языковая модель для генерации текста, опубликованная на Hugging Face в репозитории gradients-io-tournaments/augmented-029b5c5241c15cdc. По метаданным она относится к семейству Gemma 2, содержит около 2,7 млрд параметров и работает через библиотеку Transformers с форматом safetensors. Модель предназначена для продолжения и генерации текста по заданному промпту, включая создание ответов, черновиков и других текстовых материалов. Нативная длина контекста составляет 8192 токена, что позволяет обрабатывать относительно объёмные входные инструкции и документы. В README отсутствуют сведения о разработчике, языках, датасетах, результатах оценки, лицензии, тонкой настройке и специальных ограничениях. Поэтому модель следует использовать с проверкой фактов и результатов, особенно в чувствительных или специализированных сценариях.

ComplexKDA — плотная гибридная языковая модель с 1,36 млрд параметров, созданная командой авторов, перечисленных в карточке модели, и выпущенная в рамках ComplexKDA. В архитектуре 24 слоя: линейные слои внимания чередуются с полным вниманием на каждом четвёртом слое. Модель использует Kimi Delta Attention с signed decay gate: коэффициент затухания каждого канала может принимать значения от −1 до 1, что позволяет каналам не только забывать, но и осциллировать. В карточке также указаны 16 голов размерности 128, свёртка ширины 4 и MLP SwiGLU. Модель предназначена для генерации текста и диалогового применения. Обученный контекст составляет 4096 токенов; словарь токенизатора содержит 32 000 токенов. Для токенизации следует использовать токенизатор из репозитория: он не добавляет BOS автоматически и завершает документы EOS. Реализация модели поставляется для Transformers и использует PyTorch. Карточка сообщает, что веса экспортированы из обучающего чекпойнта, причём конверсия была только метаданной и сами веса сохранены без изменений. Лицензия — MIT. Модель работает с текстом; сведений о поддерживаемых естественных языках в предоставленных данных нет.

vanillaOVO/correction_1 — исправленное слияние предварительно обученных языковых моделей, созданное с помощью mergekit. Это плотная авторегрессионная модель семейства Mistral на 7,1 млрд параметров, предназначенная для генерации текста. Модель можно загружать через Transformers как MistralForCausalLM; веса доступны в формате safetensors. Контекст модели составляет до 32 768 токенов. README не описывает специализацию, языковое покрытие или сравнительные преимущества модели, поэтому её уместно рассматривать как языковую модель общего назначения без подтверждённых узких сценариев. Модель распространяется по лицензии Apache-2.0.

EvolutionDark — слитая модель для генерации текста, созданная ClaudioItaly с помощью mergekit методом SLERP из ClaudioItaly/TopEvolutionWiz и TeeZee/DarkSapling-7B-v1.0. Она предназначена для генерации ответов и диалогового взаимодействия на основе текстовых запросов. Модель построена на архитектуре Mistral, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors; в конфигурации слияния указан тип bfloat16. Карточка не приводит сведения о языках и лицензии.

Experiment26Experiment26-7B — автоматически созданная Maxime Labonne модель с архитектурой Mistral и 7,1 млрд параметров. Она предназначена для генерации текста; конфигурация README указывает на слияние чекпойнтов rwitz/experiment26-truthy-iter-2 и rwitz/experiment26-truthy-iter-0 методом dare_ties с параметрами density 0,53 и weight 0,6. Метаданные связывают модель с rwitz/experiment26-truthy-iter-0 как с производной базовой моделью. Модель использует плотную архитектуру MistralForCausalLM, принимает текст и генерирует текст. Длина контекста — 32 768 токенов. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Experiment26T3qm7xp_Inex12Strangemerges_32 — объединённая модель MaziyarPanahi на архитектуре Mistral с 7,1 млрд параметров. Она предназначена для генерации текста и принимает запросы на естественном языке, выдавая текстовые продолжения или ответы. Модель рассчитана на контекст до 32 768 токенов и распространяется в формате Safetensors. Веса получены слиянием automerger/Experiment26T3qm7xp-7B и automerger/Inex12Strangemerges_32-7B. Лицензия — Apache-2.0. В карточке не приведены сведения о специализированных областях или языках модели.

MaziyarPanahi/Experiment26Yam_Experiment27Experiment29 — объединённая модель Mistral для генерации текста, созданная из automerger/Experiment26Yam-7B и automerger/Experiment27Experiment29-7B. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и распространяется в формате safetensors. Модель предназначена для генерации текста по текстовому запросу. Контекстное окно составляет до 32 768 токенов. В карточке не приведены сведения о специализации по языкам или прикладным областям. Лицензия — Apache-2.0.

MaziyarPanahi/Experiment26Yam_Experiment27Shadow — объединённая текстовая модель, созданная на основе automerger/Experiment26Yam-7B и automerger/Experiment27Shadow-7B. Она предназначена для генерации текста по текстовому запросу и может использоваться в диалоговых и других сценариях, требующих продолжения текста. Модель построена на архитектуре Mistral с плотной causal language model, содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Веса опубликованы в формате safetensors. Репозиторий распространяется по лицензии Apache-2.0.

Experiment28T3q_ShadowExperiment29 — объединённая модель семейства Mistral, созданная на основе automerger/Experiment28T3q-7B и automerger/ShadowExperiment29-7B. Она предназначена для генерации текста и может использоваться в сценариях, где требуется получать текстовые ответы или продолжения по текстовому запросу. Модель содержит 7,1 млрд параметров, использует архитектуру MistralForCausalLM и поддерживает контекст до 32 768 токенов. Репозиторий содержит веса в формате Safetensors. Модель распространяется по лицензии Apache-2.0. В доступных данных не описаны её языковое покрытие и специальные области применения.

unsloth/gemma-2-27b-it — разговорная версия Gemma 2, опубликованная Unsloth. Это плотная авторегрессионная модель класса Gemma2ForCausalLM с 27,6 млрд параметров и контекстом до 8192 токенов; она принимает текст и генерирует текст, поддерживает диалоговый сценарий. В карточке указано представление весов safetensors и лицензия Gemma. Модель подходит для диалогов, ответов на вопросы и генерации текста на английском языке. README Unsloth посвящён ускоренному дообучению моделей и работе с 4-битной квантизацией bitsandbytes, однако не приводит оценок качества именно этой версии и не подтверждает конкретные результаты дообучения для неё. Для использования необходимо соблюдать условия лицензии Gemma.